Kategoryzacja — Categorization

Kategoryzacja jest ludzką zdolnością i czynnością rozpoznawania wspólnych cech lub podobieństw między elementami doświadczenia świata (takimi jak przedmioty , zdarzenia lub idee ), organizowania i klasyfikowania doświadczenia poprzez kojarzenie ich z bardziej abstrakcyjną grupą (tj. kategorii, klasy lub typu), na podstawie ich cech, cech, podobieństw lub innych kryteriów. Kategoryzacja jest uważana za jedną z najbardziej podstawowych zdolności poznawczych i jako taka jest badana w szczególności przez psychologię i językoznawstwo kognitywne .

Kategoryzacja jest czasami uważana za równoznaczną z klasyfikacją (por. Synonimy klasyfikacji ). Kategoryzacja i klasyfikacja pozwalają ludziom organizować rzeczy, przedmioty i idee, które istnieją wokół nich i upraszczać ich rozumienie świata. Kategoryzacja to coś, co robią ludzie i inne organizmy : „robienie właściwej rzeczy z właściwym rodzajem rzeczy”. Aktywność kategoryzowania rzeczy może być niewerbalna lub werbalna. Dla ludzi zarówno konkretne przedmioty, jak i abstrakcyjne idee są rozpoznawane, różnicowane i rozumiane poprzez kategoryzację. Obiekty są zwykle klasyfikowane w celach adaptacyjnych lub pragmatycznych.

Kategoryzacja opiera się na cechach, które odróżniają członków kategorii od osób niebędących członkami. Kategoryzacja jest ważna w uczeniu się, przewidywaniu, wnioskowaniu , podejmowaniu decyzji , języku i wielu formach interakcji organizmów z ich środowiskiem.

Przegląd kategoryzacji

Kategorie są odrębnymi zbiorami konkretnych lub abstrakcyjnych instancji (członków kategorii), które są uważane za równoważne przez system poznawczy. Korzystanie z wiedzy o kategoriach wymaga dostępu do reprezentacji mentalnych, które definiują podstawowe cechy członków kategorii (psychologowie poznawczy nazywają te reprezentacje mentalne specyficzne dla kategorii pojęciami ).

Dla teoretyków kategoryzacji kategoryzacja obiektów jest często rozważana przy użyciu taksonomii z trzema hierarchicznymi poziomami abstrakcji . Na przykład roślinę można zidentyfikować na wysokim poziomie abstrakcji, po prostu oznaczając ją jako kwiat, średni poziom abstrakcji przez określenie, że kwiat jest różą, lub niski poziom abstrakcji, określając tę ​​konkretną różę jako psa. Róża. Kategorie w taksonomii są ze sobą powiązane poprzez włączanie klas, przy czym najwyższy poziom abstrakcji jest najbardziej inkluzywny, a najniższy poziom abstrakcji jest najmniej inkluzywny. Trzy poziomy abstrakcji są następujące:

  • Poziom nadrzędny (np. Kwiat) — Najwyższy i najbardziej inkluzywny poziom abstrakcji. Wykazuje najwyższy stopień ogólności i najniższy stopień podobieństwa wewnątrzkategorii.
  • Poziom podstawowy (np. Rose) - Średni poziom abstrakcji. Rosch i współpracownicy (1976) sugerują, że poziom podstawowy jest najbardziej wydajny poznawczo. Kategorie na poziomie podstawowym wykazują duże podobieństwa wewnątrzkategorii i duże różnice między kategoriami . Co więcej, poziom podstawowy jest poziomem najbardziej inkluzywnym, na którym wzorce kategorii mają uogólniony, możliwy do zidentyfikowania kształt. Dorośli najczęściej używają podstawowych nazw obiektów, a dzieci najpierw uczą się podstawowych nazw obiektów.
  • Poziom podrzędny (np. Psia Róża) - Najniższy poziom abstrakcji. Wykazuje najwyższy stopień swoistości i wysoki stopień podobieństwa wewnątrzkategorii.

Teorie kategoryzacji

Klasyczny widok

Klasycznej teorii klasyfikacji , jest terminem stosowanym w lingwistyki poznawczych oznaczający podejście do klasyfikacji, który pojawia się w Plato i Arystotelesa oraz że jest bardzo duży wpływ i dominujący w kulturze Zachodniej, zwłaszcza filozofii, język i psychologię. Klasyczny pogląd na kategorie można streścić w trzech założeniach: kategorię można opisać jako listę koniecznych i wystarczających cech, które musi posiadać jej członek; kategorie są dyskretne, mają jasno określone granice (albo element należy do jednego, albo nie, bez możliwości pośrednich); wszyscy członkowie kategorii mają ten sam status (tj. nie ma lepszych członków kategorii, którzy należą bardziej niż inni). W klasycznym ujęciu kategorie muszą być jasno zdefiniowane, wzajemnie wykluczające się i zbiorowo wyczerpujące; w ten sposób dowolny byt w danym uniwersum klasyfikacyjnym należy jednoznacznie do jednej i tylko jednej z proponowanych kategorii.

Klasyczne spojrzenie na kategorie pojawiło się po raz pierwszy w kontekście zachodniej filozofii w pracy Platona , który w swoim dialogu z mężem stanu wprowadza podejście grupowania obiektów w oparciu o ich podobne właściwości . Podejście to zostało dalej zbadane i usystematyzowane przez Arystotelesa w swoim traktacie Kategorie , w którym analizuje różnice między klasami i przedmiotami . Arystoteles również intensywnie zastosował klasyczny schemat kategoryzacji w swoim podejściu do klasyfikacji istot żywych (w którym wykorzystuje się technikę zadawania kolejnych zawężających pytań typu „Czy to zwierzę czy warzywo?”, „Ile ma nóg?”, „ Czy ma futro czy pióra?”, „Czy potrafi latać?”...), ustanawiając w ten sposób podstawę do taksonomii naturalnej .

Przykłady użycia klasycznego spojrzenia na kategorie można znaleźć w zachodnich dziełach filozoficznych Kartezjusza , Blaise'a Pascala , Spinozy i Johna Locke'a , aw XX wieku u Bertranda Russella , GE Moore'a , u pozytywistów logicznych . Stanowił kamień węgielny filozofii analitycznej i jej analizy pojęciowej , z nowszymi sformułowaniami zaproponowanymi w latach 90. przez Franka Camerona Jacksona i Christophera Peacocke .

Klasyczny model kategoryzacji był używany co najmniej od lat 60. XX wieku przez lingwistów paradygmatu semantyki strukturalnej , Jerrolda Katza i Jerry'ego Fodora w 1963 r., co z kolei wpłynęło na jego przyjęcie także przez psychologów, takich jak Allan M. Collins i M. Ross Quillian. .

Współczesne wersje klasycznej teorii kategoryzacji badają, w jaki sposób mózg uczy się i reprezentuje kategorie, wykrywając cechy odróżniające członków od nieczłonków.

Teoria prototypu

Pionierskie badania prowadzone przez psycholog Eleanor Rosch i współpracowników od 1973 roku wprowadziły teorię prototypu , zgodnie z którą kategoryzację można postrzegać również jako proces grupowania rzeczy na podstawie prototypów . Podejście to wywarło duży wpływ, zwłaszcza na językoznawstwo kognitywne . Było to po części na podstawie wcześniejszych spostrzeżeń, zwłaszcza sformułowanie modelu kategorii w oparciu o podobieństwa rodzinnego przez Wittgensteina (1953), a przez Roger Brown „s Jakże coś nazwać? (1958).

Teoria prototypów została następnie przyjęta przez językoznawców kognitywnych, takich jak George Lakoff . Teoria prototypu jest przykładem podejścia do kategoryzacji opartego na podobieństwie, w którym przechowywana reprezentacja kategorii jest używana do oceny podobieństwa kandydujących członków kategorii. Zgodnie z teorią prototypu ta przechowywana reprezentacja składa się z podsumowującej reprezentacji członków kategorii. Ten bodziec prototypowy może przybierać różne formy. Może to być centralna tendencja reprezentująca przeciętnego członka kategorii, bodziec modalny reprezentujący najczęstszy przypadek lub bodziec złożony z najczęstszych cech kategorii, lub wreszcie „idealny” element kategorii lub karykatura podkreślająca wyróżniające się cechy kategorii. Ważną kwestią związaną z tą prototypową reprezentacją jest to, że niekoniecznie odzwierciedla ona istnienie rzeczywistej instancji kategorii na świecie. Co więcej, prototypy są bardzo wrażliwe na kontekst. Na przykład, podczas gdy prototypem kategorii napojów może być napój gazowany lub seltzer, kontekst brunchu może skłonić ich do wybrania mimozy jako napoju prototypowego.

Teoria prototypu głosi, że członków danej kategorii łączy podobieństwo rodzinne , a kategorie są definiowane przez zbiory cech typowych (w przeciwieństwie do wszystkich członków posiadających cechy konieczne i wystarczające).

Wzorowa teoria

Inny przykład podejścia do kategoryzacji opartego na podobieństwie, przykładowa teoria, podobnie porównuje podobieństwo kandydatów kategorii do reprezentacji przechowywanych w pamięci. Zgodnie z teorią wzorców wszystkie znane wystąpienia kategorii są przechowywane w pamięci jako wzorce. Podczas oceny przynależności do kategorii nieznanej jednostki, wzorce z potencjalnie istotnych kategorii są pobierane z pamięci, a podobieństwo jednostki do tych wzorców jest sumowane w celu sformułowania decyzji o kategoryzacji. Model kontekstu Medina i Schaffera (1978) wykorzystuje podejście najbliższego sąsiada, które zamiast sumować podobieństwa jednostki do odpowiednich wzorów, mnoży je w celu dostarczenia ważonych podobieństw, które odzwierciedlają bliskość jednostki do odpowiednich wzorów. To skutecznie skłania decyzje kategoryzacyjne do wzorców najbardziej podobnych do encji, która ma zostać skategoryzowana.

Grupowanie pojęciowe

Grupowanie pojęciowe to paradygmat uczenia maszynowego dla klasyfikacji nienadzorowanej , zdefiniowany przez Ryszarda S. Michalskiego w 1980 roku. Jest to nowoczesna odmiana klasycznego podejścia do kategoryzacji i wywodzi się z prób wyjaśnienia, w jaki sposób reprezentowana jest wiedza. W tym podejściu klasy (klastry lub podmioty) są generowane przez sformułowanie najpierw ich opisów pojęciowych, a następnie sklasyfikowanie podmiotów zgodnie z opisami.

Grupowanie pojęciowe rozwinęło się głównie w latach 80. jako paradygmat maszynowy dla uczenia się bez nadzoru . Od zwykłego grupowania danych odróżnia go generowanie opisu koncepcji dla każdej wygenerowanej kategorii.

Grupowanie pojęciowe jest ściśle związane z teorią zbiorów rozmytych , w której obiekty mogą należeć do jednej lub więcej grup w różnym stopniu dopasowania. Podejście poznawcze przyjmuje, że kategorie naturalne są stopniowane (mają tendencję do rozmycia się na swoich granicach) i niespójne w statusie ich składowych członków. Idea warunków koniecznych i wystarczających prawie nigdy nie jest spotykana w kategoriach naturalnie występujących rzeczy.

Kategoria nauka

Chociaż wyczerpujące omówienie uczenia się kategorii wykracza poza zakres tego artykułu, krótki przegląd uczenia się kategorii i związanych z nim teorii jest przydatny w zrozumieniu formalnych modeli kategoryzacji.

Jeśli badania kategoryzacyjne badają, w jaki sposób kategorie są utrzymywane i używane, dziedzina uczenia się kategorii stara się przede wszystkim zrozumieć, w jaki sposób kategorie są nabywane. Aby to osiągnąć, badacze często stosują nowe kategorie dowolnych obiektów (np. matryce punktowe), aby upewnić się, że uczestnicy nie są całkowicie zaznajomieni z bodźcami. Naukowcy zajmujący się uczeniem się kategorii skupili się zasadniczo na dwóch odrębnych formach uczenia się kategorii. Klasyfikowanie uczestników zadań edukacyjnych z przewidywaniem etykiet kategorii dla bodźca na podstawie jego dostarczonych funkcji. Uczenie się klasyfikacji jest skoncentrowane na uczeniu się informacji między kategoriami i cech diagnostycznych kategorii. W przeciwieństwie do tego, wnioskowanie wymaga od uczestników wnioskowania o obecności/wartości cechy kategorii na podstawie dostarczonej etykiety kategorii i/lub obecności innych cech kategorii. Nauka wnioskowania koncentruje się na nauce informacji w obrębie kategorii i prototypowych cech kategorii.

Zadania uczenia się według kategorii można ogólnie podzielić na dwie kategorie, uczenie nadzorowane i nienadzorowane. Nadzorowane zadania szkoleniowe zapewniają uczącym się etykiety kategorii. Następnie uczniowie wykorzystują informacje wydobyte z oznaczonych przykładowych kategorii, aby zaklasyfikować bodźce do odpowiedniej kategorii, co może wiązać się z abstrakcją reguły lub pojęcia odnoszących się do obserwowanych cech obiektu z etykietami kategorii. Nienadzorowane zadania uczenia się nie zapewniają uczestnikom etykiet kategorii. Dlatego uczniowie muszą rozpoznawać nieodłączne struktury w zbiorze danych i grupować bodźce razem przez podobieństwo do klas. Uczenie się nienadzorowane jest zatem procesem generowania struktury klasyfikacyjnej. Zadania wykorzystywane do badania uczenia się kategorii przybierają różne formy:

  • Zadania oparte na regułach przedstawiają kategorie, których uczestnicy mogą się nauczyć poprzez wyraźne procesy rozumowania. W tego rodzaju zadaniach klasyfikacja bodźców odbywa się poprzez wykorzystanie nabytej reguły (tj. jeśli bodziec jest duży w wymiarze x, odpowiedz A).
  • Zadania integracji informacji wymagają od uczniów syntezy informacji percepcyjnych z wielu wymiarów bodźca przed podjęciem decyzji o kategoryzacji. W przeciwieństwie do zadań opartych na regułach, zadania integracji informacji nie zapewniają reguł, które można łatwo wyrazić. Czytanie zdjęcia rentgenowskiego i próba ustalenia, czy guz jest obecny, można traktować jako realną instancję zadania integracji informacji.
  • Zadania zniekształcenia prototypu wymagają od uczniów wygenerowania prototypu kategorii. Wzorce kandydatów do kategorii są następnie tworzone przez losowe manipulowanie cechami prototypu, które uczący się muszą zaklasyfikować jako należące do kategorii lub nie.

Kategoria teorie uczenia się

Naukowcy zajmujący się uczeniem się kategorii zaproponowali różne teorie dotyczące tego, jak ludzie uczą się kategorii. Dominujące teorie uczenia się kategorii obejmują teorię prototypu, teorię wzorców i teorię związaną z podejmowaniem decyzji.

Teoria prototypu sugeruje, że aby nauczyć się kategorii, trzeba poznać jej prototyp. Następnie dokonuje się kategoryzacji nowych bodźców poprzez wybór kategorii o najbardziej podobnym prototypie.

Teoria wzorców sugeruje, że aby poznać kategorię, trzeba poznać wzorce należące do tej kategorii. Kolejna kategoryzacja nowego bodźca jest następnie dokonywana przez obliczenie jego podobieństwa do znanych przykładów potencjalnie istotnych kategorii i wybranie kategorii, która zawiera najbardziej podobne przykłady.

Teoria ograniczeń decyzyjnych sugeruje, że aby nauczyć się kategorii, trzeba albo poznać regiony przestrzeni bodźców związane z określonymi reakcjami, albo granice (granice decyzji), które dzielą te regiony reakcji. Kategoryzacja nowego bodźca jest następnie dokonywana poprzez określenie, w którym regionie odpowiedzi się on znajduje.

Formalne modele kategoryzacji

Opracowano modele obliczeniowe kategoryzacji, aby przetestować teorie dotyczące sposobu, w jaki ludzie reprezentują i wykorzystują informacje o kategoriach. Aby to osiągnąć, modele kategoryzacji można dopasować do danych eksperymentalnych, aby zobaczyć, jak dobrze przewidywania, jakie zapewnia model, pokrywają się z wydajnością człowieka. Opierając się na sukcesie modelu w wyjaśnianiu danych, teoretycy są w stanie wyciągnąć wnioski na temat prawdziwości swoich teorii i ich znaczenia dla reprezentacji kategorii człowieka.

Aby skutecznie uchwycić sposób, w jaki ludzie reprezentują i wykorzystują informacje o kategoriach, modele kategoryzacji na ogół działają przy różnych wariantach tych samych trzech podstawowych założeń. Po pierwsze, model musi dokonać pewnego rodzaju założeń dotyczących wewnętrznej reprezentacji bodźca (np. reprezentowania percepcji bodźca jako punktu w przestrzeni wielowymiarowej). Po drugie, model musi przyjąć założenie dotyczące konkretnych informacji, do których należy uzyskać dostęp w celu sformułowania odpowiedzi (np. modele wzorcowe wymagają zebrania wszystkich dostępnych wzorców dla każdej kategorii). Po trzecie, model musi przyjąć założenie dotyczące wyboru odpowiedzi na podstawie dostępnych informacji.

Chociaż wszystkie modele kategoryzacji przyjmują te trzy założenia, wyróżniają się sposobem, w jaki przedstawiają i przekształcają dane wejściowe w reprezentację odpowiedzi. Wewnętrzne struktury wiedzy różnych modeli kategoryzacji odzwierciedlają konkretną reprezentację, której używają do przeprowadzenia tych przekształceń. Typowe reprezentacje stosowane przez modele to przykłady, prototypy i reguły.

  • Przykładowe modele przechowują w pamięci wszystkie odrębne wystąpienia bodźców wraz z odpowiadającymi im etykietami kategorii. Kategoryzacja kolejnych bodźców jest zdeterminowana zbiorowym podobieństwem bodźca do wszystkich znanych wzorców.
  • Modele prototypowe przechowują podsumowującą reprezentację wszystkich instancji w kategorii. Kategoryzacja kolejnych bodźców jest określana poprzez wybór kategorii, której prototyp jest najbardziej zbliżony do bodźca.
  • Modele oparte na regułach definiują kategorie, przechowując listy podsumowań niezbędnych i wystarczających funkcji wymaganych do członkostwa w kategorii. Modele brzegowe można uznać za nietypowe modele reguł, ponieważ nie definiują kategorii na podstawie ich zawartości. Modele brzegowe określają raczej krawędzie (granice) między kategoriami, które następnie służą jako wyznaczniki kategoryzacji bodźca.

Przykłady modeli kategoryzacji

Modele prototypowe

Cechy ważone Model prototypowy Wczesna wersja modelu prototypowego została wyprodukowana przez Reeda na początku lat siedemdziesiątych. Reed (1972) przeprowadził serię eksperymentów, aby porównać wydajność 18 modeli wyjaśniających dane z zadania kategoryzacji, które wymagało od uczestników posortowania twarzy na jedną z dwóch kategorii. Wyniki sugerowały, że dominującym modelem był prototypowy model cech ważonych, który należał do rodziny modeli średniej odległości. Jednak w przeciwieństwie do tradycyjnych modeli średniej odległości, ten model w różny sposób ważył najbardziej wyróżniające cechy tych dwóch kategorii. Biorąc pod uwagę wydajność tego modelu, Reed (1972) doszedł do wniosku, że uczestnicy strategii wykorzystani podczas zadania kategoryzacji twarzy polegali na skonstruowaniu prototypowych reprezentacji dla każdej z dwóch kategorii twarzy i przypisaniu wzorców testowych do kategorii związanej z najbardziej podobnym prototypem. Ponadto wyniki sugerowały, że podobieństwo było określane przez najbardziej dyskryminujące cechy każdej kategorii.

Przykładowe modele

Uogólniony model kontekst Medin i (1978), Schaffer modelu kontekst został zwiększony, przez Nosofsky (1986), w połowie lat 1980-tych, w wyniku produkcji uogólnione Context modelu (GCM). GCM to model wzorcowy, który przechowuje wzorce bodźców jako wyczerpujące kombinacje cech związanych z każdym wzorcem. Przechowując te kombinacje, model ustanawia konteksty dla cech każdego wzorca, które są definiowane przez wszystkie inne cechy, z którymi ta cecha współwystępuje. GCM oblicza podobieństwo wzorca i bodźca w dwóch krokach. Po pierwsze, GCM oblicza psychologiczną odległość między wzorem a bodźcem. Osiąga się to poprzez zsumowanie wartości bezwzględnych różnicy wymiarów między wzorem a bodźcem. Załóżmy na przykład, że przykład ma wartość 18 w wymiarze X, a bodziec ma wartość 42 w wymiarze X; wynikowa różnica wymiarów wynosiłaby 24. Po ocenie odległości psychologicznej funkcja zaniku wykładniczego określa podobieństwo wzorca i bodźca, przy czym odległość 0 daje podobieństwo 1 (które zaczyna maleć wykładniczo wraz ze wzrostem odległości) . Odpowiedzi kategoryczne są następnie generowane przez ocenę podobieństwa bodźca do wzorców z każdej kategorii, gdzie każdy wzorzec oddaje „głos” na swoje kategorie, którego siła różni się w zależności od podobieństwa wzorca do bodźca i siły powiązania wzorca z bodźcem. Kategoria. To skutecznie przypisuje każdej kategorii prawdopodobieństwo wyboru, które jest określone przez proporcję otrzymanych głosów, które można następnie dopasować do danych.

Modele oparte na regułach

Model RULEX (Rule-Plus-Exception) Chociaż proste reguły logiczne są nieskuteczne w uczeniu się słabo zdefiniowanych struktur kategorii, niektórzy zwolennicy teorii kategoryzacji opartej na regułach sugerują, że niedoskonała reguła może być użyta do uczenia się takich struktur kategorii w przypadku wyjątków od tej reguły są również przechowywane i uwzględniane. Aby sformalizować tę propozycję, Nosofsky i współpracownicy (1994) opracowali model RULEX. Model RULEX próbuje utworzyć drzewo decyzyjne składające się z sekwencyjnych testów wartości atrybutów obiektu. Kategoryzacja obiektu jest następnie określana na podstawie wyników tych kolejnych testów. Model RULEX wyszukuje reguły w następujący sposób:

  • Dokładne Wyszukaj regułę, która używa pojedynczego atrybutu do bezbłędnego rozróżniania klas.
  • Niedoskonałe wyszukiwanie reguły, która używa pojedynczego atrybutu do rozróżniania klas z niewielką liczbą błędów
  • Skojarzone Szukaj przepisu, który wykorzystuje wiele atrybutów do rozróżniania między klasami z kilku błędów.
  • Wyjątek Wyszukaj wyjątki od reguły.

Metoda używana przez RULEX do przeprowadzenia tych wyszukiwań jest następująca: Po pierwsze, RULEX próbuje przeprowadzić dokładne wyszukiwanie. Jeśli się powiedzie, RULEX będzie stale stosować tę zasadę, dopóki nie nastąpi błędna klasyfikacja. Jeśli dokładne wyszukiwanie nie zidentyfikuje reguły, rozpocznie się wyszukiwanie niedoskonałe lub połączone. Wystarczająca, choć niedoskonała reguła nabyta podczas jednej z tych faz wyszukiwania zostanie na stałe zaimplementowana, a model RULEX rozpocznie wówczas wyszukiwanie wyjątków. Jeśli żadna reguła nie zostanie nabyta, model podejmie próbę wyszukiwania, którego nie wykonał w poprzedniej fazie. Jeśli się powiedzie, RULEX na stałe zaimplementuje regułę, a następnie rozpocznie wyszukiwanie wyjątków. Jeśli żadna z poprzednich metod wyszukiwania nie powiodła się, RULEX domyślnie wyszukuje tylko wyjątki, pomimo braku powiązanej reguły, co jest równoznaczne z uzyskaniem losowej reguły.

Modele hybrydowe

SUSTAIN (Nadzorowana i nienadzorowana STRatified Adaptive Incremental Network) Często zdarza się, że reprezentacje wyuczonych kategorii różnią się w zależności od celów ucznia, a także tego, jak kategorie są używane podczas uczenia się. Dlatego niektórzy badacze kategoryzacji sugerują, że właściwy model kategoryzacji musi być w stanie uwzględnić zmienność celów, zadań i strategii ucznia. Ta propozycja została zrealizowana przez Love i współpracowników (2004) poprzez stworzenie SUSTAIN, elastycznego modelu grupowania zdolnego do uwzględnienia zarówno prostych, jak i złożonych problemów kategoryzacji poprzez stopniową adaptację do specyfiki problemów.

W praktyce model SUSTAIN najpierw przekształca informacje percepcyjne o bodźcu na cechy zorganizowane według zestawu wymiarów. Przestrzeń reprezentacyjna, która obejmuje te wymiary, jest następnie zniekształcana (np. rozciągana lub zmniejszana), aby odzwierciedlić ważność każdej cechy w oparciu o dane wejściowe z mechanizmu uwagi. Zbiór skupień (konkretnych instancji pogrupowanych według podobieństwa) powiązanych z różnymi kategoriami konkuruje następnie o odpowiedź na bodziec, przy czym bodziec jest następnie przypisywany do skupienia, którego przestrzeń reprezentacyjna jest najbliższa bodźcowi. Nieznana wartość wymiaru bodźca (np. etykieta kategorii) jest następnie przewidywana przez zwycięski klaster, który z kolei informuje o decyzji kategoryzacji.

Elastyczność modelu SUSTAIN jest realizowana poprzez jego zdolność do wykorzystywania zarówno nadzorowanego, jak i nienadzorowanego uczenia się na poziomie klastra. Jeśli SUSTAIN błędnie przewiduje bodziec jako należący do konkretnego klastra, korygująca informacja zwrotna (tj. nadzorowane uczenie się) zasygnalizowałaby podtrzymanie, aby rekrutować dodatkowy klaster, który reprezentuje błędnie sklasyfikowany bodziec. Dlatego kolejne ekspozycje na bodziec (lub podobną alternatywę) zostaną przypisane do właściwego klastra. SUSTAIN wykorzysta również uczenie nienadzorowane do rekrutacji dodatkowego klastra, jeśli podobieństwo między bodźcem a najbliższym klastrem nie przekracza progu, ponieważ model rozpoznaje słabą użyteczność predykcyjną, która wynikałaby z takiego przypisania do klastra. SUSTAIN wykazuje również elastyczność w rozwiązywaniu zarówno prostych, jak i złożonych problemów kategoryzacji. Wprost, wewnętrzna reprezentacja SUSTAIN zawiera tylko jeden klaster, co skłania model do prostych rozwiązań. W miarę jak problemy stają się coraz bardziej złożone (np. wymagają rozwiązań składających się z wielu wymiarów bodźców), stopniowo rekrutowane są dodatkowe klastry, aby SUSTAIN mógł poradzić sobie ze wzrostem złożoności.

Kategoryzacja społeczna

Kategoryzacja społeczna polega na grupowaniu ludzi w grupy w celu ich identyfikacji na podstawie różnych kryteriów. Kategoryzacja to proces badany przez naukowców zajmujących się kognitywistyką, ale może być również badany jako działanie społeczne. Kategoryzacja społeczna różni się od kategoryzacji innych rzeczy, ponieważ zakłada, że ​​ludzie tworzą kategorie dla siebie i innych jako istot ludzkich. Grupy można tworzyć w oparciu o pochodzenie etniczne, kraj pochodzenia, religię, tożsamość seksualną, przywileje społeczne, przywileje ekonomiczne itp. Istnieją różne sposoby sortowania ludzi według własnych schematów. Ludzie należą do różnych grup społecznych ze względu na pochodzenie etniczne, religię lub wiek.

Kategorie społeczne oparte na wieku, rasie i płci są używane przez ludzi, gdy spotykają nową osobę. Ponieważ niektóre z tych kategorii odnoszą się do cech fizycznych, są one często używane automatycznie, gdy ludzie się nie znają. Kategorie te nie są obiektywne i zależą od tego, jak ludzie widzą otaczający ich świat. Pozwalają ludziom identyfikować się z podobnymi ludźmi i identyfikować ludzi, którzy są inni. Są przydatne w kształtowaniu tożsamości z otaczającymi ich ludźmi. Można budować własną tożsamość identyfikując się w grupie lub odrzucając inną grupę.

Kategoryzacja społeczna jest podobna do innych rodzajów kategoryzacji, ponieważ ma na celu uproszczenie rozumienia ludzi. Jednak tworzenie kategorii społecznych oznacza, że ​​ludzie będą pozycjonować się w stosunku do innych grup. Hierarchia w relacjach grupowych może pojawić się w wyniku kategoryzacji społecznej.

Uczeni twierdzą, że proces kategoryzacji zaczyna się w młodym wieku, kiedy dzieci zaczynają poznawać świat i ludzi wokół nich. Dzieci uczą się poznawać ludzi według kategorii na podstawie podobieństw i różnic. Kategorie społeczne tworzone przez dorosłych również wpływają na ich rozumienie świata. Uczą się o grupach społecznych, słysząc ogólniki na temat tych grup od swoich rodziców. W wyniku tych ogólników mogą następnie rozwinąć uprzedzenia na temat ludzi.

Inny aspekt kategoryzacji społecznej, o którym wspominają Stephen Reicher i Nick Hopkins, wiąże się z dominacją polityczną. Twierdzą, że przywódcy polityczni wykorzystują kategorie społeczne, aby wpływać na debaty polityczne.

Negatywne aspekty

Czynność sortowania ludzi według kryteriów subiektywnych lub obiektywnych może być postrzegana jako proces negatywny ze względu na jego tendencję do doprowadzania do przemocy z jednej grupy do drugiej. Rzeczywiście, podobieństwa gromadzą ludzi, którzy mają wspólne cechy, ale różnice między grupami mogą prowadzić do napięć, a następnie stosowania przemocy między tymi grupami. Tworzenie grup społecznych przez ludzi odpowiada za hierarchizację relacji między grupami. Te hierarchiczne relacje uczestniczą w propagowaniu stereotypów na temat ludzi i grup, czasem opartych na subiektywnych kryteriach. Kategorie społeczne mogą zachęcać ludzi do kojarzenia stereotypów z grupami ludzi. Przypisywanie stereotypów grupie i osobom do niej należącym może prowadzić do form dyskryminacji osób z tej grupy. Postrzeganie grupy i związane z nią stereotypy mają wpływ na relacje i działania społeczne.

Niektóre kategorie społeczne mają większą wagę niż inne w społeczeństwie. Na przykład w historii i do dziś kategoria „rasa” jest jedną z pierwszych kategorii używanych do sortowania ludzi. Jednak tylko kilka kategorii ras jest powszechnie używanych, takich jak „czarny”, „biały”, „azjatycki” itp. Uczestniczy to w redukcji wielości grup etnicznych do kilku kategorii opartych głównie na kolorze skóry ludzi.

Proces sortowania ludzi tworzy wizję drugiego jako „innego”, prowadząc do dehumanizacji ludzi. O relacjach międzygrupowych badacze rozmawiają z koncepcją teorii tożsamości społecznej rozwiniętą przez H. Tajfela. Rzeczywiście, w historii wiele przykładów społecznej kategoryzacji doprowadziło do form dominacji lub przemocy od grupy dominującej do grupy zdominowanej. Okresy kolonizacji to przykłady sytuacji, w których ludzie z danej grupy zdecydowali się dominować i kontrolować innych ludzi należących do innych grup, ponieważ uważali ich za gorszych. Rasizm, dyskryminacja i przemoc są konsekwencjami społecznej kategoryzacji i mogą z niej wynikać. Kiedy ludzie postrzegają innych jako innych, mają tendencję do rozwijania hierarchicznych relacji z innymi grupami.

Błędna kategoria

Nie może być kategoryzacji bez możliwości błędnej kategoryzacji. Aby zrobić „właściwą rzecz z właściwym rodzajem rzeczy”, musi być zarówno dobra, jak i zła rzecz do zrobienia. Nie tylko kategoria, której „wszystko” jest członkiem, prowadzi logicznie do paradoksu Russella („czy jest ona członkiem samym w sobie?”), ale bez możliwości błędu, nie ma sposobu na wykrycie lub zdefiniowanie co odróżnia członków kategorii od osób niebędących członkami.

Przykładem nieobecności osób niebędących członkami jest problem ubóstwa bodźca w nauce języka przez dziecko: dzieci uczące się języka nie słyszą ani nie popełniają błędów w regułach gramatyki uniwersalnej (UG). Dlatego nigdy nie są poprawiane za błędy w UG. Jednak mowa dzieci jest zgodna z zasadami UG, a mówiący może natychmiast wykryć, że coś jest nie tak, jeśli językoznawca wygeneruje (celowo) wypowiedź naruszającą UG. Dlatego głośniki mogą kategoryzować to, co jest zgodne z UG i niezgodne z UG. Językoznawcy wywnioskowali z tego, że reguły UG muszą być w jakiś sposób zakodowane w ludzkim mózgu.

Jednak zwykłe kategorie, takie jak „psy”, zawierają liczne przykłady osób niebędących członkami (na przykład koty). Można więc nauczyć się metodą prób i błędów z korekcją błędów wykrywania i definiowania tego, co odróżnia psy od nie-psów, a co za tym idzie prawidłowej ich kategoryzacji. Ten rodzaj uczenia się, zwany uczeniem wzmacniającym w literaturze behawioralnej i uczeniem nadzorowanym w literaturze obliczeniowej, jest zasadniczo zależny od możliwości błędu i korekcji błędów. Błędna kategoryzacja — przykłady nienależących do kategorii — musi zawsze istnieć, nie tylko po to, aby kategoria była możliwa do nauczenia się, ale aby kategoria istniała i była w ogóle definiowalna.

Zobacz też

Bibliografia

Zewnętrzne linki