不同学习方式下归类不确定时的特征推理

？采用学习-迁移模式,探讨了同时学习和继时学习两种方式下归类不确定时的特征推理。共包括2个实验,其中实验1探讨了固定学习轮次的情况,实验2探讨了固定学习正确率的情况。实验结果表明：同时呈现类别要素的同时学习方式下,被试习得序列式的单类别表征(原型表征),在归类不确定时的特征推理中按照“单类的bayesian规则”进行特征推理,即p(j\f)=p(k\f)·p(j\k);相继呈现类别要素的继时学习方式下,被试习得并列式的多类别表征,在归类不确定时的特征推理中按照“理性模型”进行推理,即p(j\f)=σkp(k\f)·p(j\k)。