5-知识表征.ppt

《5-知识表征.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第五章知识表征学习本章内容，将有助于你对以下问题的理解与思考：>陈述性知识和程序性知识有什么区别?它们的表征形式是什么?>认知心理学中的知识表征主要有哪两大取向?>图式和脚本是一回事吗?>心理表象有哪些代表性的理论?>分布式表征是如何实现的?>双重编码理论解释了什么问题?>什么是心理旋转?有哪些经典的研究?知识表征(knowledgerepresentation)是指信息在人脑中的存储和组织形式：即外在的事物、事件、观念等在人脑中呈现并为人脑所知的形式。不同知识类的表征形式存在着较大的差异。本章主要介绍语义信息的表征和表象表征。陈述性知识(declar

2、ativeknowledge)是一般意义上的知识，是知道“是什么的知识，包括书本知识以及一切可以用语言表达的事实，其表征(representati）形式主要有命题、表象和图式等，比如你的生日，你朋友的名字，大熊猫的样子以及夏天的温度通常比冬天高等。由于有语言作为载体，陈述性知识可以随时提取，但也会因记忆受到干扰或痕迹消退而产生遗忘。第一节陈述性知识的表征人脑用符号代码来存储外界环境中的各种刺激和事件的信息，例如“绿灯”表示可以通行即使梦中的人或物的形象也可以被认为是潜意识的符号和象征。人通过加工和运用符号代码来表征并解释外界事物以及发生在自已身上的事情

3、，知识表征促进了个体运用符号代码加工和处理外界信息刺激的能力。一、符号-网络模型——基于符号取向的知识表征(一)语义网络模型——以概念为单位的表征1、模型的结构语义记忆的的基本单元是概念，每个概念具有一定的特征。有关概念按逻辑的上下级关系组织起来，构成一个有层次的网络系统.概念之间的从属关系.概念与特征的关系.连线把代表各级概念的结点联系起来，并将概念与特征联系起来，构成一个复杂的层次网络。连线具有一定意义的联想。对概念的特征实行分级贮存。每一级概念水平上只贮存该级概念独有特征，同一级的各概念所具有的共同特征则贮存于上一级概念的水平上。概念按上下级关系

4、组成网络，每个概念和特征都在网络中处于特定的位置，一个概念的意义或内涵要由该概念与其他概念和特征的关系来决定。该模型包含了一定的推理过程。模型的结构动物鸟有皮肤能活动会吃会呼吸有翅膀能飞有羽毛金丝雀会唱黄颜色鸵鸟腿细长高个子不会飞鲨鱼有鳍会游泳鱼有鳃会咬是危险的鲑鱼粉红色可吃到上游产卵代表概念模型体现出了“认知经济”原则（CognitionEconomy）代表概念间的从属关系代表概念与特征的关系对概念的特征分级储存2.模型的验证:范畴大小效应Collins等进行了一系列实验，来验证这个模型。句子验证实验。句子验证实验实验目的:验证长时记忆中的信息编码是

5、否按照层次网络模型来组织的。实验材料：一些简单的陈述句。每个句子的主语都是层次网络中最低水平的一个具体名词，谓语取自不同的水平。这些句子又可分为两种性质：①为特征句，如“金丝雀会唱”；②为范畴句，如“金丝雀是鸟”。根据概念间的距离呈现不同距离(水平)的句子，要求被试判断真伪，记录反应时。动物鸟有皮肤能活动会吃会呼吸有翅膀能飞有羽毛金丝雀会唱黄颜色鸵鸟腿细长高个子不会飞鲨鱼有鳍会游泳鱼有鳃会咬危险鲑鱼粉红色可吃到上游产卵代表主语代表谓语主语谓语两类句子特征句：1、金丝雀会唱。2、金丝雀能飞。3、金丝雀有皮肤。范畴句：1、金丝雀是金丝雀。2、金丝雀是鸟。3

6、、金丝雀是动物。句子谓语的范畴在扩大(范畴即距离级别水平)由此来检验范畴大小效应自变量和因变量特征句的三级水平0级：金丝雀会唱1级：金丝雀能飞2级：金丝雀有皮肤金丝雀会唱鸟有翅膀能飞金丝雀会唱黄颜色鸟有翅膀能飞有羽毛金丝雀会唱黄颜色动物有皮肤范畴句的三级水平0级：金丝雀是金丝雀1级：金丝雀是鸟2级：金丝雀是动物金丝雀会唱鸟有翅膀能飞金丝雀会唱黄颜色鸟有翅膀能飞有羽毛金丝雀会唱黄颜色动物有皮肤黄颜色150014001300100011001200900120句子（真句）的水平(级别、距离、范畴)平均反应时/ms金丝雀会唱歌金丝雀能飞金丝雀有皮肤金丝雀是金

7、丝雀金丝雀是鸟金丝雀是动物判断不同水平句子真伪的反应时特征句范畴句实验结果图0级：金丝雀会唱1级：金丝雀能飞2级：金丝雀有皮肤金丝雀会唱鸟有翅膀能飞鸟有翅膀能飞有羽毛动物有皮肤范畴大小效应自变量:句子水平愈高,因变量:反应时愈长黄颜色金丝雀会唱黄颜色金丝雀会唱实验结果和结论实验结果:无论是特征句还是范畴句,句子水平越高,其所需的判断时间就越长.原因:范畴大小效应,即当谓语的范畴变大,判断句子所需要的时间就越长.同一水平上,特征随概念而储存,搜索一个特征搜索相应的概念需要更多时间.实验结论:语义记忆具有层次网络结构的特点.模型的缺点?3、对模型的批评（1

8、）熟悉效应:（2）典型性效应：层次网络模型还难于解释另一些现象，如典型性效应（Typicali