楊 雪 龍長(zhǎng)權(quán) 陳安濤

(西南大學(xué)心理學(xué)部，重慶 400715)

1 引言

基于類別的歸納(category-based induction)在概念應(yīng)用和知識(shí)拓展方面至關(guān)重要(Heit & Hayes，2011；Markman & Ross，2003)；包含將一個(gè)事物(或類別)中的某個(gè)特征投射到其他事物(或類別)中的認(rèn)知過(guò)程(Kemp & Jern，2014)。例如，已知一組狗的體內(nèi)含有beta 細(xì)胞，人們可能推斷其他狗類或者馬類體內(nèi)含有beta細(xì)胞，因?yàn)轳R類和狗類都是哺乳動(dòng)物。同時(shí)，人們也會(huì)傾向于拒絕椅子含有beta細(xì)胞，因?yàn)橐巫硬⒎遣溉閯?dòng)物。

由于事件相關(guān)電位技術(shù)(event-related potentials，ERPs)能夠在毫秒級(jí)的時(shí)間精度下即時(shí)測(cè)量認(rèn)知過(guò)程，因此可以作為較為理想的研究技術(shù)深入研究類別歸納的認(rèn)知過(guò)程。一些研究者通過(guò)ERPs技術(shù)并采用圖形材料探討了類別歸納的認(rèn)知過(guò)程(Huang，Tang，Li，& Li，2013；Li，Luo，Cao，& Li，2009)。例如，在一項(xiàng)研究中，被試先被告知一些電池有電，一些電池沒(méi)有電(前提)，然后要求被試判斷測(cè)試電池(結(jié)論)是否有電時(shí)，Li等(2009)發(fā)現(xiàn)前提可歸納的條件比不可歸納條件在刺激呈現(xiàn)420毫秒后誘發(fā)了更大的前部晚正成分。然而，Li等(2009)和Huang等(2013)的研究中，他們分析的是前提呈現(xiàn)時(shí)的ERP特征，并沒(méi)有分析結(jié)論出現(xiàn)時(shí)的決策過(guò)程。因此，圖形類別歸納的決策過(guò)程的ERP特征是不清楚的。同時(shí)，在他們的研究中，主要采用的是幾何圖形來(lái)描述不同的電池，沒(méi)有采用語(yǔ)義豐富、具有更高生態(tài)效應(yīng)的真實(shí)圖形材料。

因此，該研究擬采用ERP技術(shù)，采用具有更高生態(tài)效應(yīng)的真實(shí)材料(例如，狗，馬和椅子的圖片材料)，探究圖形類別推理任務(wù)下推理決策過(guò)程的ERP反應(yīng)。在該研究中，采用經(jīng)典的類別歸納任務(wù)(例如，Hawkins，Hayes，& Heit，2016；Heit & Hayes，2011)，先告知被試一組狗有beta細(xì)胞，要求被試判斷其他的狗、貓和椅子是否也有beta細(xì)胞。記錄被試決策時(shí)的ERP反應(yīng)。經(jīng)典的類別歸納的相似性模型假設(shè)歸納是由事物之間的相似性驅(qū)動(dòng)的(Osherson，Smith，Wilkie，Lopez，& Shafir，1990；Sloman，1993；Sloutsky & Fisher，2004)。同時(shí)，一些ERP的研究表明P3b成分，一種在刺激呈現(xiàn)后的300～700ms內(nèi)出現(xiàn)的中后部分布的正偏轉(zhuǎn)，與相似性程度有關(guān)，更高程度的相似誘發(fā)更大的P3b的波幅(Azizian，F(xiàn)reitas，Watson，& Squires，2006；Azizian，F(xiàn)reitas，Parvaz，& Squires，2006；Chen et al.，2015)。因此，該研究預(yù)測(cè)測(cè)試的狗類比馬類誘發(fā)更大的P3b波幅，而馬類比椅子誘發(fā)更大的P3b波幅，因?yàn)楣放c狗之間的相似性程度高于狗與馬的相似性程度，而馬與狗的相似性程度，高于椅子與狗的相似性程度。

2 研究方法

2.1 被試

22名大學(xué)生參加了ERP實(shí)驗(yàn)，其中女生被試12名，被試年齡在17～24周歲(M=19.85，SD=1.73)。被試均為右利手，視力或者矯正視力正常，無(wú)精神病史，未服用精神類藥物。17名大學(xué)生(10名女生，年齡范圍在17～23歲，M=19.59歲，SD=1.80)參與評(píng)定了實(shí)驗(yàn)材料的相似性程度。這些參與實(shí)驗(yàn)材料評(píng)定的被試沒(méi)有參加ERP實(shí)驗(yàn)。

2.2 實(shí)驗(yàn)設(shè)計(jì)及實(shí)驗(yàn)材料

與以往實(shí)驗(yàn)相似(Hawkins et al.，2016；Heit & Hayes，2011)，該研究包括兩個(gè)實(shí)驗(yàn)階段：學(xué)習(xí)和決策階段。在學(xué)習(xí)階段，向被試連續(xù)呈現(xiàn)15張狗類的圖片，并告知被試該階段的每只狗都含有beta 細(xì)胞。在決策階段，向被試隨機(jī)呈現(xiàn)任務(wù)圖片(100張狗類圖片，100張馬類圖片和100張椅子圖片)，并要求被試判斷當(dāng)前呈現(xiàn)事物是否也含有beta 細(xì)胞。

圖1展示了實(shí)驗(yàn)流程。被試置身于腦電實(shí)驗(yàn)室中，坐在距離電腦屏幕約60厘米處。實(shí)驗(yàn)者向被試說(shuō)明他們首先會(huì)學(xué)習(xí)到在一些狗類的體內(nèi)含有beta 細(xì)胞，接下來(lái)需要去推測(cè)呈現(xiàn)的其他事物中是否也含有beta細(xì)胞。首先呈現(xiàn)學(xué)習(xí)階段。學(xué)習(xí)階段被試被告知在本階段每一只狗的體內(nèi)均含有beta細(xì)胞。首先在屏幕中間呈現(xiàn)“+”注視點(diǎn)，呈現(xiàn)500ms空屏之后，接下來(lái)呈現(xiàn)1000ms的學(xué)習(xí)圖片，在500ms空屏之后，在呈現(xiàn)1000ms的學(xué)習(xí)圖片，直至15張狗類的學(xué)習(xí)圖片相繼呈現(xiàn)完畢。學(xué)習(xí)階段結(jié)束之后，開(kāi)始呈現(xiàn)決策階段。在決策階段的每個(gè)試次中，首先呈現(xiàn)500ms的“+”注視點(diǎn)，隨后呈現(xiàn)600～800ms的隨機(jī)空屏，最后呈現(xiàn)1500ms的判斷圖片，被試需要在刺激圖片呈現(xiàn)時(shí)間內(nèi)按鍵做出判斷。1000～1500ms的隨機(jī)間隔之后，再呈現(xiàn)下一個(gè)試次。被試被要求通過(guò)按鍵反應(yīng)“F J”判斷當(dāng)前呈現(xiàn)的事物是否存在beta細(xì)胞。反應(yīng)按鍵順序在被試間平衡。正式實(shí)驗(yàn)之前，被試需要完成類似于正式實(shí)驗(yàn)的練習(xí)實(shí)驗(yàn)。練習(xí)實(shí)驗(yàn)中，10張羊類圖片作為學(xué)習(xí)材料并告知被試每只羊的體內(nèi)都含有alpha細(xì)胞，然后要求被試對(duì)不同的羊，牛和手表的各20張圖片進(jìn)行是否有alpha細(xì)胞的判斷。練習(xí)實(shí)驗(yàn)的結(jié)果不計(jì)入正式實(shí)驗(yàn)。

圖1 實(shí)驗(yàn)流程圖

2.3 腦電記錄與分析

采用國(guó)際10～20系統(tǒng)擴(kuò)展的64導(dǎo)電極帽，以NeuroScan系統(tǒng)記錄EEG信號(hào)。腦電信號(hào)記錄時(shí)將參考電極置于左乳突。同時(shí)記錄左眼上下眶的垂直眼電(VEOG)以及雙眼外側(cè)的水平眼電(HEOG)。記錄時(shí)的濾波帶通為0.05～200HZ，AC模式，采樣頻率為500HZ。所有電極與頭皮之間的阻抗都小于5kΩ.在Matlab 2012(MathWorks，USA)環(huán)境下使用EEGlab 工具包(Delorme & Makeig，2004)和ERPlab 工具包(Lopez-Calderon & Luck，2014)對(duì)數(shù)據(jù)進(jìn)行離線分析，采用Butterworth方法對(duì)EEG數(shù)據(jù)進(jìn)行0.1HZ的高通濾波及30HZ低通濾波，使用ICA(independent component analysis)方法剔除眨眼、眼動(dòng)、肌電等偽跡。ICA矯正后的EEG數(shù)據(jù)再次以左右乳突的均值作為重參考電極并將數(shù)據(jù)分段。狗類和馬類按鍵為“是”及椅子按鍵為“否”作為實(shí)驗(yàn)的“正確”反應(yīng)。只對(duì)發(fā)生在圖片呈現(xiàn)后200～1500ms的“正確”反應(yīng)誘發(fā)的ERP波形進(jìn)行疊加和分析。自動(dòng)排除波幅大于±75μV的偽跡信號(hào)。狗類，馬類及椅子三種條件下有效疊加次數(shù)分別為85.73±6.23，77.41±10.43以及85.36±6.40。分析時(shí)程為刺激呈現(xiàn)前200ms(作為基線)到刺激呈現(xiàn)后800ms。

行為反應(yīng)上，采用重復(fù)測(cè)量因素方差分析方法分析“正確”反應(yīng)率，反應(yīng)時(shí)。依據(jù)已有文獻(xiàn)(例如，Chen et al.，2007；Chen et al.，2015)，采用重復(fù)測(cè)量因素方差分析方法分析了決策階段刺激呈現(xiàn)后的300～500ms(P3b成分)時(shí)程內(nèi)的平均波幅，并選擇CP3，CPz，CP4，P3，Pz 及P4電極點(diǎn)平均后波幅進(jìn)行條件間的重復(fù)測(cè)量方差分析以降低假陽(yáng)性(Luck & Gaspelin，2017)。以上統(tǒng)計(jì)過(guò)程中的p值均采用Greenhouse-Geisser校正，事后比較采用Bonferroni校正。

3 結(jié)果

圖2展示了決策階段各條件在FC3，F(xiàn)C4，C3，Cz，C4，CP3，CPz，CP4，P3，Pz及P4電極點(diǎn)誘發(fā)的ERP波形圖和300～500ms的腦地形圖。表1展示了各條件下的“正確率”及平均反應(yīng)時(shí)。

3.1 行為結(jié)果

表1 各條件下的“正確率”及平均反應(yīng)時(shí)

3.2 ERP結(jié)果

4 討論

在已有研究中，采用ERP技術(shù)進(jìn)一步探究類別歸納的認(rèn)知過(guò)程的研究尚不充足，特別是現(xiàn)仍缺乏對(duì)圖形歸納推理在決策階段的認(rèn)知加工過(guò)程的研究。該研究結(jié)合了高時(shí)間分辨率的ERP技術(shù)和經(jīng)典歸納推理任務(wù)，考察了圖形歸納推理在結(jié)論評(píng)估過(guò)程中大腦活動(dòng)的動(dòng)態(tài)時(shí)間特征。研究發(fā)現(xiàn)P3b成分與圖形類別歸納的決策過(guò)程密切相關(guān)，進(jìn)一步支持了基于相似性的歸納推理模型。

該研究行為結(jié)果發(fā)現(xiàn)，在進(jìn)行結(jié)論判斷時(shí)被試選擇狗類圖片“同意”的比例顯著高于馬類和椅子，選擇馬類同意的比例顯著高于椅子。根據(jù)經(jīng)典的類別歸納的相似性模型(Osherson et al.，1990；Sloman，1993；Sloutsky & Fisher，2004)，結(jié)論與前提之間的相似性程度越高，結(jié)論成立的可能性就越大。相比于類別外條件(類別不一致條件)，類別內(nèi)條件(類別一致條件)更容易被歸納具有同一生物屬性，因?yàn)轭悇e內(nèi)成員之間的相似性高于類別間成員之間的相似性。相似性評(píng)定的實(shí)驗(yàn)結(jié)果也表明，狗類結(jié)論為與前提之間的相似性顯著高于馬類結(jié)論與前提之間的相似性，因此，狗類的正確反應(yīng)顯著高于馬類。而椅子類結(jié)論被評(píng)定為與前提最不相似，因此，被試通常會(huì)拒絕接受歸納，其拒絕率與狗類的接受率無(wú)顯著差異。反應(yīng)時(shí)的結(jié)果表明，狗類圖片的“正確”反應(yīng)時(shí)顯著短于馬類圖片和椅子類圖片。這一結(jié)果表明類別內(nèi)的歸納決策比類別間的歸納決策更快。而椅子類圖片反應(yīng)時(shí)短于馬類圖片，表明類別間歸納時(shí)，相關(guān)類別需要更長(zhǎng)的時(shí)間進(jìn)行認(rèn)知操作(Liang，Zhong，Lu，& Liu，2010；Long et al.，2015)。

圖2 結(jié)論呈現(xiàn)階段時(shí)各條件的波形圖和地形圖

該研究的ERP結(jié)果分析表明，當(dāng)前提為狗類圖片時(shí)，在圖形歸納決策階段，結(jié)論狗類與馬類圖片比椅子類圖片誘發(fā)了更大的P3b波幅，表明可接受的歸納比不可接受的歸納誘發(fā)了更大的P3b。這一研究結(jié)果與詞語(yǔ)型類別歸納的ERP研究結(jié)果類似(李婧，陳安濤，陳杰，龍長(zhǎng)權(quán)，2016；龍長(zhǎng)權(quán)，李曉芳，雷怡，2017)。例如，在詞語(yǔ)型類別歸納的ERP研究中，李靖等(2016)和龍長(zhǎng)權(quán)等(2017)的研究也發(fā)現(xiàn)可接受的歸納比不可接受的歸納誘發(fā)更大的P3b波幅。同時(shí)，統(tǒng)計(jì)結(jié)果表明，結(jié)論狗類圖片比馬類圖片誘發(fā)了更大的P3b波幅。這一結(jié)果與龍長(zhǎng)權(quán)等(2017)關(guān)于詞語(yǔ)型類別歸納中典型性效應(yīng)的ERP研究結(jié)果類似(龍長(zhǎng)權(quán)，李曉芳，雷怡，2017)。在他們的研究中，前提與結(jié)論類別一致時(shí)，典型和不典型前提和結(jié)論均能使被試接受歸納，但典型前提或結(jié)論比不典型的前提或結(jié)論誘發(fā)更大的P3b波幅。

以往的研究表明，P3b與相似性程度的判斷過(guò)程有關(guān)(Azizian，F(xiàn)reitas，Watson et al.，2006；Azizian，F(xiàn)reitas，Parvaz et al.，2006；Chen et al.，2007；Chen et al.，2015)。例如，在一項(xiàng)幾何圖形分類任務(wù)中，Chen等(2007)發(fā)現(xiàn)，當(dāng)探測(cè)刺激與目標(biāo)刺激具有更多的共享屬性時(shí)，會(huì)誘發(fā)更大的P3b波幅。在一項(xiàng)圖形的相似性判斷任務(wù)中，Chen等(2015)發(fā)現(xiàn)，具有與前提相同的位置信息與顏色信息的探測(cè)刺激會(huì)比只與前提有相同的顏色信息的探測(cè)刺激誘發(fā)更大的P3b的波幅，表明探測(cè)刺激與前提的相似性程度越大，P3b波幅越大。在該研究中，三種結(jié)論條件下，結(jié)論狗類圖片與前提之間的相似程度最高，椅子類圖片與前提相似性程度最低。因此，結(jié)論狗類圖片誘發(fā)了最大的P3b波幅。而椅子類圖片誘發(fā)了最小的P3b波幅。這一結(jié)果也進(jìn)一步支持了經(jīng)典的基于相似性的歸納推理理論模型(Osherson et al.，1990；Sloman，1993；Sloutsky & Fisher，2004)?；谙嗨菩缘臍w納推理理論模型認(rèn)為，前提與結(jié)論的相似性程度越高，歸納結(jié)論成立的可能性就越大。而該研究則進(jìn)一步提供了ERP研究證明，表明相似性程度判斷是類別歸納，特別是圖形歸納的核心認(rèn)知過(guò)程，反映在P3b波幅上。

P3b的另一個(gè)可能的解釋是認(rèn)為推理階段的P3b代表對(duì)推理結(jié)論的期望滿意程度(Bonnefond，Castelain，Cheylus，& Van der Henst，2014；Bonnefond，Kaliuzhna，Van der Henst，& De Neys，2014；Bonnefond & Van der Henst，2009，2013)。在一系列條件推理和傳遞性推理中，Bonnefond等發(fā)現(xiàn)，符合邏輯的結(jié)論比不符合邏輯的結(jié)論誘發(fā)更大的P3b波幅(Bonnefond，Castelain，et al.，2014；Bonnefond，Kaliuzhna，et al.，2014)。例如，在一項(xiàng)經(jīng)典三段論演繹推理的研究(前提：如果 P，那么 Q；P；結(jié)論：Q)中，符合邏輯的結(jié)論(Q)比不符合邏輯的結(jié)論(T)誘發(fā)了更大的P3b波幅。他們認(rèn)為，導(dǎo)致這一結(jié)果的原因是，符合邏輯的結(jié)論比不符合邏輯的結(jié)論更符合推理預(yù)期，因此，P3b反映的是推理預(yù)期的滿意程度，越滿意的推理結(jié)論就能誘發(fā)更大的P3b波幅。根據(jù)這一解釋，在該研究中，結(jié)論狗類比馬類圖片比椅子類圖片相比誘發(fā)了更大的P3b波幅，是因?yàn)楣奉惡婉R類圖片符合推理預(yù)期，椅子類圖片不符合推理預(yù)期；而狗類圖片比馬類圖片誘發(fā)了更大的P3b波幅，是因?yàn)榻Y(jié)論狗類比馬類更符合推理預(yù)期。

5 結(jié)論

該研究探查了圖形歸納推理決策過(guò)程的ERP特征。研究結(jié)果表明，可接受的歸納(當(dāng)前提為狗類圖片時(shí)，結(jié)論為其他狗類圖片或者馬類圖片)比不可接受的歸納(結(jié)論為椅子類圖片)誘發(fā)了更大的P3b波幅；同時(shí)，當(dāng)歸納可接受時(shí)，與前提更相似的結(jié)論誘發(fā)了更大的P3b波幅，表明P3b波幅與相似性判斷過(guò)程密切相關(guān)。這一結(jié)果進(jìn)一步支持了基于相似性的類別歸納模型。