Associations between Categorization Rules and Categorical Visual Search

Liashenko, A. K.; Lukyanov, E. S.; Kotov, A. A.

doi:10.31857/S020595920021476-9

1

Категоризация и категориальное научение — базовые когнитивные функции, позволяющие фокусироваться на релевантных свойствах объекта при действиях с ним или определять эти свойства, если такого знания не было в предыдущем опыте. Знание правила категоризации влияет на работу других когнитивных функций: определяет успешность запоминания и распознавания информации [4], помогает в установлении связи между объектом и его названием в ходе развития речи [9], ускоряет перенос решения о принадлежности к категории в новом контексте и увеличивает внимание к важной контекстной информации [1]. Данные когнитивные функции являются частью так называемых систем научения — более крупных когнитивных и нейробиологических систем, связанных с формированием адаптивного поведения и его реализацией [2; 3] . Одной из задач современных теорий категоризации является поиск других когнитивных функций, связанных с категориальным научением. В частности, недавно было обнаружено, что знание отдельных типов правил категоризации связано с эффективностью зрительного поиска объектов, относимых к этому правилу [6].

Категоризация и категориальное научение — базовые когнитивные функции, позволяющие фокусироваться на релевантных свойствах объекта при действиях с ним или определять эти свойства, если такого знания не было в предыдущем опыте. Знание правила категоризации влияет на работу других когнитивных функций: определяет успешность запоминания и распознавания информации [4], помогает в установлении связи между объектом и его названием в ходе развития речи [9], ускоряет перенос решения о принадлежности к категории в новом контексте и увеличивает внимание к важной контекстной информации [1]. Данные когнитивные функции являются частью так называемых систем научения — более крупных когнитивных и нейробиологических систем, связанных с формированием адаптивного поведения и его реализацией [2; 3] <a target=_blank href="https://paperpile.com/c/iFRkUw/Ifnv+do0A"></a> . Одной из задач современных теорий категоризации является поиск других когнитивных функций, связанных с категориальным научением. В частности, недавно было обнаружено, что знание отдельных типов правил категоризации связано с эффективностью зрительного поиска объектов, относимых к этому правилу [6].

2

Первым исследованием, объединившим парадигмы категориального научения и зрительного поиска было исследование Дж. Смита и коллег [13], в котором они предложили участникам после формирования категории выполнить задачу на зрительный поиск: нужно было искать среди набора изображений, который варьировался по количеству дистракторов, то изображение, которое относилось к нужной категории. В результате было обнаружено, что даже с небольшим количеством дистракторов успешность зрительного поиска фактически снижалась до уровня случайных ответов. Эти результаты интерпретировались авторами этого и последующих исследований [5] как то, что категориальная репрезентация дает незначительную поддержку для выполнения зрительного поиска.

3

Согласно недавнему исследованию Элье и коллег [6] обнаруженные ранее ограничения обусловлены не категориальной репрезентацией как таковой, а типом сформированного правила категоризация. Авторы первого исследования использовали в качестве обучения традиционную для того времени задачу (dot-distortion paradigm — создание прототипа для паттерна из точек) и были таким образом ограничены лишь одним типом правила категоризации. В исследовании С. Элье и коллег [6] был использован другой материал, так называемые решетки Габора, состоящие из двух континуальных признаков — ширины полос и их наклона. Авторы создали наборы примеров с двумя разными правилами, соответствующим разным категориальным репрезентациям: для научения дизъюнктивному правилу нужно обращать внимание на значение одного из двух признаков (ширина полос или угол наклона), а для научения другому правилу (правилу интеграции признаков) — на оба признака одновременно (т.е. корреляцию их значений: чем больше угол наклона, тем больше ширина полос). Различие между правилами определяется, прежде всего, когнитивными функциями, необходимыми для их вывода: для первого типа правила (с одним признаком) требуется произвольное внимание, а для второго (с несколькими признаками) — нет [12]. После научения участники выполняли задачу на категориальный зрительный поиск. В результате авторы обнаружили, что научение правилам с одним признаком приводило к успешному зрительному поиску: успешность в пробах с наличием цели и ее отсутствием (ряд примеров содержал или не содержал пример категории, который нужно было найти) была очень высокой и не снижалась с увеличением количества дистракторов. Научение правилам с корреляцией значений приводило к значительно менее успешному выполнению зрительного поиска и, кроме того, в пробах с отсутствием цели успешность значительно снижалась с увеличением количества дистракторов. Категориальная репрезентация таких правил значительно меньше поддерживала зрительный поиск: даже при трех дистракторах его эффективность падала (коллапсировала) до уровня случайных ответов. Авторы объясняют свои результаты тем, что в случае правил с одним признаком создается более прочная, обобщенная и легко переносимая на новые примеры и другие некатегориальные задания репрезентация, чем в случае правил с корреляцией признаков. Таким образом, данное исследование впервые показало, что категориальное знание в отдельных случаях используется для выполнения зрительного поиска и что разные типы категорий по-разному с этим связаны. В настоящем исследовании мы решили проверить данный эффект на другом материале, а также других правилах категоризации.

Согласно недавнему исследованию Элье и коллег [6] обнаруженные ранее ограничения обусловлены не категориальной репрезентацией как таковой, а типом сформированного правила категоризация. Авторы первого исследования использовали в качестве обучения традиционную для того времени задачу (dot-distortion paradigm — создание прототипа для паттерна из точек) и были таким образом ограничены лишь одним типом правила категоризации. В исследовании С. Элье и коллег [6] был использован другой материал, так называемые решетки Габора, состоящие из двух континуальных признаков — ширины полос и их наклона. Авторы создали наборы примеров с двумя разными правилами, соответствующим разным категориальным репрезентациям: для научения дизъюнктивному правилу нужно обращать внимание на значение одного из двух признаков (ширина полос или угол наклона), а для научения другому правилу (правилу интеграции признаков) — на оба признака одновременно (т.е. корреляцию их значений: чем больше угол наклона, тем больше ширина полос). Различие между правилами определяется, прежде всего, когнитивными функциями, необходимыми для их вывода: для первого типа правила (с одним признаком) требуется произвольное внимание, а для второго (с несколькими признаками) — нет [12]. После научения участники выполняли задачу на категориальный зрительный поиск. В результате авторы обнаружили, что научение правилам с одним признаком приводило к успешному зрительному поиску: успешность в пробах с наличием цели и ее отсутствием (ряд примеров содержал или не содержал пример категории, который нужно было найти) была очень высокой и не снижалась с увеличением количества дистракторов. Научение правилам с корреляцией значений приводило к значительно менее успешному выполнению зрительного поиска и, кроме того, в пробах с отсутствием цели успешность значительно снижалась с увеличением количества дистракторов. Категориальная репрезентация таких правил значительно меньше поддерживала зрительный поиск: даже при трех дистракторах его эффективность падала (коллапсировала) до уровня случайных ответов. Авторы объясняют свои результаты тем, что в случае правил с одним признаком создается более прочная, обобщенная и легко переносимая на новые примеры и другие некатегориальные задания репрезентация, чем в случае правил с корреляцией признаков. Таким образом, данное исследование впервые показало, что категориальное знание в отдельных случаях используется для выполнения зрительного поиска и что разные типы категорий по-разному с этим связаны. В настоящем исследовании мы решили проверить данный эффект на другом материале, а также других правилах категоризации.

Согласно недавнему исследованию Элье и коллег [6] обнаруженные ранее ограничения обусловлены не категориальной репрезентацией как таковой, а типом сформированного правила категоризация. Авторы первого исследования использовали в качестве обучения традиционную для того времени задачу (dot-distortion paradigm — создание прототипа для паттерна из точек) и были таким образом ограничены лишь одним типом правила категоризации. В исследовании С. Элье и коллег [6] был использован другой материал, так называемые решетки Габора, состоящие из двух континуальных признаков — ширины полос и их наклона. Авторы создали наборы примеров с двумя разными правилами, соответствующим разным категориальным репрезентациям: для научения дизъюнктивному правилу нужно обращать внимание на значение одного из двух признаков (ширина полос или угол наклона), а для научения другому правилу (правилу интеграции признаков) — на оба признака одновременно (т.е. корреляцию их значений: чем больше угол наклона, тем больше ширина полос). Различие между правилами определяется, прежде всего, когнитивными функциями, необходимыми для их вывода: для первого типа правила (с одним признаком) требуется произвольное внимание, а для второго (с несколькими признаками) — нет [12]. После научения участники выполняли задачу на категориальный зрительный поиск. В результате авторы обнаружили, что научение правилам с одним признаком приводило к успешному зрительному поиску: успешность в пробах с наличием цели и ее отсутствием (ряд примеров содержал или не содержал пример категории, который нужно было найти) была очень высокой и не снижалась с увеличением количества дистракторов. Научение правилам с корреляцией значений приводило к значительно менее успешному выполнению зрительного поиска и, кроме того, в пробах с отсутствием цели успешность значительно снижалась с увеличением количества дистракторов. Категориальная репрезентация таких правил значительно меньше поддерживала зрительный поиск: даже при трех дистракторах его эффективность падала (коллапсировала) до уровня случайных ответов. Авторы объясняют свои результаты тем, что в случае правил с одним признаком создается более прочная, обобщенная и легко переносимая на новые примеры и другие некатегориальные задания репрезентация, чем в случае правил с корреляцией признаков. Таким образом, данное исследование впервые показало, что категориальное знание в отдельных случаях используется для выполнения зрительного поиска и что разные типы категорий по-разному с этим связаны. В настоящем исследовании мы решили проверить данный эффект на другом материале, а также других правилах категоризации.

4

В нейробиологической теории множественных систем научения [2; 10; 12] выделяется два типа или две широкие группы правил: вербальные правила и имплицитные правила. Вербальные правила категоризации разделяют группы примеров по небольшому — одному или двум — числу признаков. Имплицитные правила категоризации построены на основе интеграции значений неограниченного количества признаков. В более поздних и когнитивных версиях теории множественных систем научения, например, в теории В. Слуцкого [12] разница в системах научения разным типам правил категоризации определяется разницей в фокусе внимания: вербальные правила в теории В. Слуцкого называются статистически-неплотными категориями, которые требуют фокусировки внимания на отдельных признаках и его управлением в рабочей памяти для проверки гипотез. Имплицитные правила, или статистически-плотные категории, связаны с распределением внимания по многим признакам, они, как считает В. Слуцкий, не задействуют ресурсы произвольного внимания и рабочей памяти. К первому типу категорий могут относиться правила, основанные как на низкоуровневых признаках (перцептивные свойства в решетках Габора), так и на любых высокоуровневых. К ним могут относится, например, лексические категории, в примерах которых можно выделить отдельные части (например, категоризация птиц по цвету оперения). К второму типу категорий также могут относится также разные виды обобщений, например, прототипы. Прототипы как и правила с интеграцией значений признаков также требуют распределения внимания на множество значений признаков, но их репрезентация лежит в основе многих естественных категорий. Разница между системами научения, как подчеркивает модель В. Слуцкого, важна и в онтогенетическом плане: в первые годы жизни ребенка категоризация и создание новых категорий строится на имплицитных категориях (преимущественно в виде прототипов), не требующих управления вниманием и его фокусировки, а позднее к ней добавляются категории, которые этого требуют.

В нейробиологической теории множественных систем научения [2; 10; 12] выделяется два типа или две широкие группы правил: вербальные правила и имплицитные правила. Вербальные правила категоризации разделяют группы примеров по небольшому — одному или двум — числу признаков. Имплицитные правила категоризации построены на основе интеграции значений неограниченного количества признаков. В более поздних и когнитивных версиях теории множественных систем научения, например, в теории В. Слуцкого [12] разница в системах научения разным типам правил категоризации определяется разницей в фокусе внимания: вербальные правила в теории В. Слуцкого называются статистически-неплотными категориями, которые требуют фокусировки внимания на отдельных признаках и его управлением в рабочей памяти для проверки гипотез. Имплицитные правила, или статистически-плотные категории, связаны с распределением внимания по многим признакам, они, как считает В. Слуцкий, не задействуют ресурсы произвольного внимания и рабочей памяти. К первому типу категорий могут относиться правила, основанные как на низкоуровневых признаках (перцептивные свойства в решетках Габора), так и на любых высокоуровневых. К ним могут относится, например, лексические категории, в примерах которых можно выделить отдельные части (например, категоризация птиц по цвету оперения). К второму типу категорий также могут относится также разные виды обобщений, например, прототипы. Прототипы как и правила с интеграцией значений признаков также требуют распределения внимания на множество значений признаков, но их репрезентация лежит в основе многих естественных категорий. Разница между системами научения, как подчеркивает модель В. Слуцкого, важна и в онтогенетическом плане: в первые годы жизни ребенка категоризация и создание новых категорий строится на имплицитных категориях (преимущественно в виде прототипов), не требующих управления вниманием и его фокусировки, а позднее к ней добавляются категории, которые этого требуют.

В нейробиологической теории множественных систем научения [2; 10; 12] выделяется два типа или две широкие группы правил: вербальные правила и имплицитные правила. Вербальные правила категоризации разделяют группы примеров по небольшому — одному или двум — числу признаков. Имплицитные правила категоризации построены на основе интеграции значений неограниченного количества признаков. В более поздних и когнитивных версиях теории множественных систем научения, например, в теории В. Слуцкого [12] разница в системах научения разным типам правил категоризации определяется разницей в фокусе внимания: вербальные правила в теории В. Слуцкого называются статистически-неплотными категориями, которые требуют фокусировки внимания на отдельных признаках и его управлением в рабочей памяти для проверки гипотез. Имплицитные правила, или статистически-плотные категории, связаны с распределением внимания по многим признакам, они, как считает В. Слуцкий, не задействуют ресурсы произвольного внимания и рабочей памяти. К первому типу категорий могут относиться правила, основанные как на низкоуровневых признаках (перцептивные свойства в решетках Габора), так и на любых высокоуровневых. К ним могут относится, например, лексические категории, в примерах которых можно выделить отдельные части (например, категоризация птиц по цвету оперения). К второму типу категорий также могут относится также разные виды обобщений, например, прототипы. Прототипы как и правила с интеграцией значений признаков также требуют распределения внимания на множество значений признаков, но их репрезентация лежит в основе многих естественных категорий. Разница между системами научения, как подчеркивает модель В. Слуцкого, важна и в онтогенетическом плане: в первые годы жизни ребенка категоризация и создание новых категорий строится на имплицитных категориях (преимущественно в виде прототипов), не требующих управления вниманием и его фокусировки, а позднее к ней добавляются категории, которые этого требуют.

5

Материал, которые использовали С. Элье и коллеги [6] — решетки Габора — популярен в психофизических и нейробиологических исследованиях, где признаки не должны иметь сложную визуальную форму или вносить дополнительную семантическую информацию. Правила категоризации, сформированные на таком материале, очень трудно осознаются и переводятся в вербальную форму. А именно речь может выступать средством, позволяющим произвольному вниманию осуществлять перенос категориальной информации в решение задачи зрительного поиска. Кроме того стимулы, состоящие из визуально сложных, континуальных признаков, не позволяют формировать в ходе научения очень важные виды других имплицитных категорий, например, лежащих в основе естественных категорий человека — прототипов. В связи с этим мы решили использовать другой материал, примеры в котором различаются по дискретным признакам и позволяют создавать объектные категории с более устойчивыми репрезентациями. Мы использовали материал (см. Рис. 1), разработанный ранее с целью создания искусственных категорий с разной структурой правила и признаками, имеющими одинаковую перцептивную различимость [11].

Материал, которые использовали С. Элье и коллеги [6] — решетки Габора — популярен в психофизических и нейробиологических исследованиях, где признаки не должны иметь сложную визуальную форму или вносить дополнительную семантическую информацию. Правила категоризации, сформированные на таком материале, очень трудно осознаются и переводятся в вербальную форму. А именно речь может выступать средством, позволяющим произвольному вниманию осуществлять перенос категориальной информации в решение задачи зрительного поиска. Кроме того стимулы, состоящие из визуально сложных, континуальных признаков, не позволяют формировать в ходе научения очень важные виды других имплицитных категорий, например, лежащих в основе естественных категорий человека — прототипов. В связи с этим мы решили использовать другой материал, примеры в котором различаются по дискретным признакам и позволяют создавать объектные категории с более устойчивыми репрезентациями. Мы использовали материал (см. Рис. 1), разработанный ранее с целью создания искусственных категорий с разной структурой правила и признаками, имеющими одинаковую перцептивную различимость [11].

Материал, которые использовали С. Элье и коллеги [6] — решетки Габора — популярен в психофизических и нейробиологических исследованиях, где признаки не должны иметь сложную визуальную форму или вносить дополнительную семантическую информацию. Правила категоризации, сформированные на таком материале, очень трудно осознаются и переводятся в вербальную форму. А именно речь может выступать средством, позволяющим произвольному вниманию осуществлять перенос категориальной информации в решение задачи зрительного поиска. Кроме того стимулы, состоящие из визуально сложных, континуальных признаков, не позволяют формировать в ходе научения очень важные виды других имплицитных категорий, например, лежащих в основе естественных категорий человека — прототипов. В связи с этим мы решили использовать другой материал, примеры в котором различаются по дискретным признакам и позволяют создавать объектные категории с более устойчивыми репрезентациями. Мы использовали материал (см. Рис. 1), разработанный ранее с целью создания искусственных категорий с разной структурой правила и признаками, имеющими одинаковую перцептивную различимость [11].

6

7

Рис. 1. Основа для стимульного материала [11]. Заглавные буквы обозначают части, которые авторы настоящего исследования использовали в качестве признаков категорий.

8

Изменив материал с двух континуальных признаков (решетки Габора) на пять дискретных (изображения рыб), мы создали два набора примеров с дискретными признаками для научения разным типам категорий: 1) на основе вербального правила (одно значение релевантного признака) и 2) на основе прототипа (часто предъявляемые значения нескольких признаков). Созданные нами разные типы категорий — вербальные правила и прототипы — имеют также, как и правила в эксперименте Элье и коллег [6] разный уровень их осознания (вербальные правила могут осознаваться участником научения, а прототипы — нет); а также разный вклад когнитивных функций — произвольное внимание и рабочая память участвуют в создании вербальных правил, но не в создании прототипов [12].

9

Согласно нашей гипотезе, наличие любой категориальной репрезентации в виде вербальных правил и прототипов будет поддерживать зрительный поиск: при любом количестве дистракторов он будет выше уровня случайных ответов. Однако, поскольку репрезентация в случае прототипов будет обладать более низким уровнем осознания, то успешность (поддержка) зрительного поиска на ее основе должна быть ниже, чем при формировании вербальных правил. Таким образом, сравнивая наши предположения и результаты эксперимента Элье и коллег [6], мы ожидаем, что различия между разными типами категорий будут заключаться только в степени поддержки зрительного поиска без коллапса его успешности в обоих случаях.

10

МЕТОДИКА

11

Участники. Всего в исследовании принял участие 121 студент начальных курсов НИУ ВШЭ. В группу, которая формировала в ходе научения прототипы, вошло 45 человек, а в группу, которая формировала вербальные правила, — 76 человек. Позже из анализа были исключены участники, не достигшие порога обучения: средний уровень успешности во всех блоках научения должен был быть выше 60%. Уровень успешности был установлен произвольно, на 10% выше уровня случайных ответов. После исключения участников, не достигших данного уровня, в группе, которая формировала прототипы, осталось 38 участников (28 женщин, 10 мужчин, от 18 до 24 лет, Me = 19), а в группе, которая формировала вербальные правила — 48 участников (29 женщин, 19 мужчин, от 18 до 25 лет, Ме = 19).

12

Материал. Примеры категорий для этапов научения и зрительного поиска (см. Рис. 2), были созданы с помощью скрипта для генерации изображений в Matlab [11]. В нашем исследовании мы использовали такие категориальные признаки как L1 (длинный или короткий спинной плавник), L2 (широкий или узкий хвостовой плавник), C1 (желтый или голубой плавник), C2 (зеленое или красное брюшко) и A1 (большой или малый угол раскрытия рта). Прототипы для категорий A и B представлены на Рис. 2.

13

14

Рис. 2. Прототип категории A (слева) и B (справа).

15

Структура категорий для научения вербальному правилу и прототипу представлена в табл. 1, где структура для категории с вербальным правилом содержит в качестве релевантного признака уровень раскрытия рта (признак А1: значение 1 — категория А, значение 0 — категория В). Для контроля эффекта материала для половины участников в качестве релевантного признака использовался уровень раскрытия рта, а для другой половины — ширина хвостового плавника (L2). Выбор этих признаков, основанных на размере, а не цвете, был продиктован тем, что на пилотажной выборке многие участники отчитывались о том, что даже в условии научения прототипам они выделяли для себя признаки, связанные с цветом, а это могло усилить использование ими стратегии ориентации на один признак (см. Обсуждение). Кроме того, признаки основанные на цвете, было легче вербализовать, что также могло повлиять на успешность научения вербальным правилам.

16

Таблица 1. Структура категорий

	Категория А	Категория В
№	L1	L2	C1	C2	A1	L1	L2	C1	C2	A1
Вербальное правило
1	0	1	1	1	1	1	0	0	0	0
2	1	0	1	1	1	0	1	0	0	0
3	1	1	0	1	1	0	0	1	0	0
4	1	1	1	0	1	0	0	0	1	0
Прототип
1	0	1	1	1	1	1	0	0	0	0
2	1	0	1	1	1	0	1	0	0	0
3	1	1	0	1	1	0	0	1	0	0
4	1	1	1	0	1	0	0	0	1	0
5	1	1	1	1	0	0	0	0	0	1

Таблица 1. Структура категорий<table class="docx-publication-table"><tr><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> Категория А</td><td class="docx-publication-cell"> Категория В</td></tr><tr><td class="docx-publication-cell"> №</td><td class="docx-publication-cell"> L1</td><td class="docx-publication-cell"> L2</td><td class="docx-publication-cell"> C1</td><td class="docx-publication-cell"> C2</td><td class="docx-publication-cell"> A1</td><td class="docx-publication-cell"> L1</td><td class="docx-publication-cell"> L2</td><td class="docx-publication-cell"> C1</td><td class="docx-publication-cell"> C2</td><td class="docx-publication-cell"> A1</td></tr><tr><td class="docx-publication-cell"> Вербальное правило</td></tr><tr><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 2</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 4</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> Прототип</td></tr><tr><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 2</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 4</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 5</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td></tr></table>

Таблица 1. Структура категорий<table class="docx-publication-table"><tr><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> Категория А</td><td class="docx-publication-cell"> Категория В</td></tr><tr><td class="docx-publication-cell"> №</td><td class="docx-publication-cell"> L1</td><td class="docx-publication-cell"> L2</td><td class="docx-publication-cell"> C1</td><td class="docx-publication-cell"> C2</td><td class="docx-publication-cell"> A1</td><td class="docx-publication-cell"> L1</td><td class="docx-publication-cell"> L2</td><td class="docx-publication-cell"> C1</td><td class="docx-publication-cell"> C2</td><td class="docx-publication-cell"> A1</td></tr><tr><td class="docx-publication-cell"> Вербальное правило</td></tr><tr><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 2</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 4</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> Прототип</td></tr><tr><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 2</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 4</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td></tr><tr><td class="docx-publication-cell"> 5</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 0</td><td class="docx-publication-cell"> 1</td></tr></table>

17

В условии с научением вербальному правилу лишь нахождение релевантного признака позволяло участникам достичь максимальной успешности категоризации. В условии с научением прототипу принадлежность к категории определялась четырьмя значениями по любым из пяти признаков.

18

Процедура. Процедура исследования включала прохождение каждым участником двух последовательных этапов — этап научения и этап категориального зрительного поиска. Все задания предъявлялись на ноутбуках, предъявление и измерение ответов обеспечивалось программой PsychoPy 3 [8].

19

Категориальное научение. Задача на научение новой категории представляла собой классический вариант задания на категоризацию с обратной связью и сходна с таковой в эксперименте Элье и коллег [6]. В каждой пробе участнику предъявлялось изображение, относящееся либо к категории A, либо к категории B. Согласно инструкции, участники должны были нажать на клавиатуре стрелку “влево”, если они считали, что изображение относится к категории A, и стрелку “вправо” — если к B. У участников было 10 секунд на ответ. После ответа или по окончании времени на ответ изображение пропадало, и на экране появлялась надпись “Правильно!” или “Неправильно!” в зависимости от того, верно ли участник определил категорию. Изображения предъявлялись в случайном порядке. В условии с научением вербальному правилу весь набор изображений (восемь изображений) предъявлялся 10 раз. В условии с научением имплицитному правилу весь набор (10 изображений) предъявлялся 15 раз. Разница в количестве блоков обусловлена тем, что научение вербальным правилам происходит быстрее, чем научение прототипам. Увеличение количества блоков научения позволило уравнять итоговый уровень успешности научения для каждого типа категорий. В исследовании Элье и коллег [6] не применялось выравнивание условий по уровню успешности научения.

Категориальное научение. Задача на научение новой категории представляла собой классический вариант задания на категоризацию с обратной связью и сходна с таковой в эксперименте Элье и коллег [6]. В каждой пробе участнику предъявлялось изображение, относящееся либо к категории A, либо к категории B. Согласно инструкции, участники должны были нажать на клавиатуре стрелку “влево”, если они считали, что изображение относится к категории A, и стрелку “вправо” — если к B. У участников было 10 секунд на ответ. После ответа или по окончании времени на ответ изображение пропадало, и на экране появлялась надпись “Правильно!” или “Неправильно!” в зависимости от того, верно ли участник определил категорию. Изображения предъявлялись в случайном порядке. В условии с научением вербальному правилу весь набор изображений (восемь изображений) предъявлялся 10 раз. В условии с научением имплицитному правилу весь набор (10 изображений) предъявлялся 15 раз. Разница в количестве блоков обусловлена тем, что научение вербальным правилам происходит быстрее, чем научение прототипам. Увеличение количества блоков научения позволило уравнять итоговый уровень успешности научения для каждого типа категорий. В исследовании Элье и коллег [6] не применялось выравнивание условий по уровню успешности научения.

20

Категориальный зрительный поиск. Сразу после формирования категории каждый участник выполнял задание на категориальный зрительный поиск. В каждой пробе в центре экрана предъявлялись изображения от одной до четырех рыб (см. Рис. 3).

21

22

Рис. 3. Пример задачи на категориальный зрительный поиск.

23

Вместе с изображениями сверху экрана появлялся вопрос: в половине случаев это был вопрос “Видите ли вы изображение из категории A?”, а в другой половине — “Видите ли вы изображение из категории B?”. Категория, указанная в вопросе, была целевой для данной пробы. Среди изображений на экране в половине случаев присутствовало одно изображение из целевой категории, тогда как все остальные относились к нецелевой, а в другой половине все изображения относились к нецелевой категории. Согласно инструкции, участники должны были нажать на стрелку “вверх” на клавиатуре, если они считают, что на вопрос на экране нужно ответить “да”, и стрелку “вниз”, если они считают, что нужно ответить “нет”. Смена клавиш для ответа в пробах с научением и зрительным поиском была необходима для того, чтобы избежать интерференции со стороны моторного ответа, возможного в случае имплицитного научения [5]. У участников было 15 секунд на ответ. Всего на этапе зрительного поиска было 192 пробы (96 проб с целевым объектом и 96 без него).

24

Экспериментальный дизайн соответствовал смешанному факторному плану. Независимыми переменными выступали межсубъектная переменная “тип правила”, а также внутрисубъектные переменные: “количество примеров” (количество изображений рыб, предъявлявшихся на экране в ходе категориального зрительного поиска, среди которых искалась та рыба, которая относится к целевой категории) и “тип пробы” (пробы в ходе категориального зрительного поиска, содержавшие (целевые) и не содержавшие (нецелевые) изображения рыб из целевой категории). Зависимыми переменными были средняя успешность в каждом блоке на этапе научения и успешность зрительного поиска. Экспериментальные материалы и результаты доступны по ссылке >>>> .

25

РЕЗУЛЬТАТЫ

26

Успешность категориального научения. Для каждого участника на этапе научения новому категориальному правилу рассчитывалось среднее количество правильных ответов в каждом блоке научения. Однофакторный дисперсионный анализ (ANOVA) показал, что успешность научения значимо увеличивалась к концу научения (см. Рис. 4) как у тех участников, которые формировали прототип (F(38) = 11.9, p < 0.001), так и у тех, которые формировали вербальное правило (F(48) = 16.4, p < 0.001). Как видно на графике, успешность в двух выборках участников была схожа в первом блоке приблизительно на уровне случайных ответов (0.5). При этом средняя успешность по всем блокам научения составила M = 0.76, SD = 0.16 для научения прототипу и M = 0.78, SD = 0.21 для научения вербальному правилу. Данное различие было незначимым, хотя и на уровне статистической тенденции, t(88) = 1.18, p = 0.07. Таким образом различий в успешности научения разным типам правил перед выполнением задачи зрительного поиска не было обнаружено. При научении вербальным правилам успешность научения не различалась в зависимости от признака (уровень раскрытия рта или ширина хвостового плавника), t(46) = 0.94, p = 0.17.

Успешность категориального научения. Для каждого участника на этапе научения новому категориальному правилу рассчитывалось среднее количество правильных ответов в каждом блоке научения. Однофакторный дисперсионный анализ (ANOVA) показал, что успешность научения значимо увеличивалась к концу научения (см. Рис. 4) как у тех участников, которые формировали прототип (F(38) = 11.9, p < 0.001), так и у тех, которые формировали вербальное правило (F(48) = 16.4, p < 0.001). Как видно на графике, успешность в двух выборках участников была схожа в первом блоке приблизительно на уровне случайных ответов (0.5). При этом средняя успешность по всем блокам научения составила M = 0.76, SD = 0.16 для научения прототипу и M = 0.78, SD = 0.21 для научения вербальному правилу. Данное различие было незначимым, хотя и на уровне статистической тенденции, t(88) = 1.18, p = 0.07. Таким образом различий в успешности научения разным типам правил перед выполнением задачи зрительного поиска не было обнаружено. При научении вербальным правилам успешность научения не различалась в зависимости от признака (уровень раскрытия рта или ширина хвостового плавника), t(46) = 0.94, p = 0.17.

27

28

Рис. 4. Успешность научения для двух типов категорий (указана ст. ошибка измерения).

29

Успешность зрительного поиска. На данном этапе сравнивалась успешность зрительного поиска в зависимости от типа правила, количества примеров в зрительном поиске и типа пробы (с наличием или отсутствием примера, соответствующего целевой категории). Количество правильных ответов было вычислено для каждого участника отдельно для двух типов проб (целевых и нецелевых) и для проб с разным числом дистракторов (примеров, не соответствующих целевой категории, от одного до четырех). В Табл. 2 представлены результаты дисперсионного анализа (ANOVA).

30

Таблица 2. Результаты дисперсионного анализа ANOVA успешности зрительного поиска

Независимые переменные	SS	df	MS	F	p	η_p²
Тип правила	1.193	1	1.193	29.344	< .001	0.042
Количество примеров	0.051	3	0.017	0.420	0.739	0.002
Тип пробы	0.245	1	0.245	6.018	0.014	0.009
Т*ип правила количество примеров**	0.028	3	0.009	0.226	0.878	0.001
Т*ип правилатип пробы**	0.085	1	0.085	2.084	0.149	0.003
К*оличество примеровтип пробы**	0.233	3	0.078	1.912	0.126	0.008
Т*ип правилаколичество примеровтип пробы*	0.034	3	0.011	0.275	0.843	0.001
Остатки	27.311	672	0.041

Таблица 2. Результаты дисперсионного анализа ANOVA успешности зрительного поиска<table class="docx-publication-table"><tr><td class="docx-publication-cell"> Независимые переменные</td><td class="docx-publication-cell"> SS</td><td class="docx-publication-cell"> df</td><td class="docx-publication-cell"> MS</td><td class="docx-publication-cell"> F</td><td class="docx-publication-cell"> p</td><td class="docx-publication-cell"> ηp2</td></tr><tr><td class="docx-publication-cell"> Тип правила</td><td class="docx-publication-cell"> 1.193</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 1.193</td><td class="docx-publication-cell"> 29.344</td><td class="docx-publication-cell"> < .001</td><td class="docx-publication-cell"> 0.042</td></tr><tr><td class="docx-publication-cell"> Количество примеров</td><td class="docx-publication-cell"> 0.051</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.017</td><td class="docx-publication-cell"> 0.420</td><td class="docx-publication-cell"> 0.739</td><td class="docx-publication-cell"> 0.002</td></tr><tr><td class="docx-publication-cell"> Тип пробы</td><td class="docx-publication-cell"> 0.245</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0.245</td><td class="docx-publication-cell"> 6.018</td><td class="docx-publication-cell"> 0.014</td><td class="docx-publication-cell"> 0.009</td></tr><tr><td class="docx-publication-cell"> Тип правила* количество примеров</td><td class="docx-publication-cell"> 0.028</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.009</td><td class="docx-publication-cell"> 0.226</td><td class="docx-publication-cell"> 0.878</td><td class="docx-publication-cell"> 0.001</td></tr><tr><td class="docx-publication-cell"> Тип правила*тип пробы</td><td class="docx-publication-cell"> 0.085</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0.085</td><td class="docx-publication-cell"> 2.084</td><td class="docx-publication-cell"> 0.149</td><td class="docx-publication-cell"> 0.003</td></tr><tr><td class="docx-publication-cell"> Количество примеров*тип пробы</td><td class="docx-publication-cell"> 0.233</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.078</td><td class="docx-publication-cell"> 1.912</td><td class="docx-publication-cell"> 0.126</td><td class="docx-publication-cell"> 0.008</td></tr><tr><td class="docx-publication-cell"> Тип правила*количество примеров*тип пробы</td><td class="docx-publication-cell"> 0.034</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.011</td><td class="docx-publication-cell"> 0.275</td><td class="docx-publication-cell"> 0.843</td><td class="docx-publication-cell"> 0.001</td></tr><tr><td class="docx-publication-cell"> Остатки </td><td class="docx-publication-cell"> 27.311</td><td class="docx-publication-cell"> 672</td><td class="docx-publication-cell"> 0.041</td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td></tr></table>

31

Мы обнаружили различия в успешности зрительного поиска при разном типе категориального правила: успешность зрительного поиска при сформированном вербальном правиле была выше (M = 0.848, SD = 0.201), чем при сформированном прототипе (M = 0.764, SD = 0.203), F (1, 672) = 29.344, p < 0.001. Также мы обнаружили вклад фактора типа пробы: успешность поиска была ниже в пробах с отсутствием цели (M = 0.793, SD = 0.234), чем в пробах с наличием цели (M = 0.829, SD = 0.172), F (1, 672) = 6.018, p = 0.014. Взаимодействия типа правила с количеством примеров или типом пробы не было обнаружено, поэтому в дальнейшем была проанализирована успешность зрительного поиска отдельно для каждого типа правила (Табл. 3).

32

Таблица 3. Результаты дисперсионного анализа ANOVA успешности зрительного поиска при разном типе правил

Прототип
Независимые переменные	SS	df	MS	F	p	η_p²
Количество примеров	0.0629	3	0.0210	0.517	0.671	0.005
Тип пробы	0.2764	1	0.2764	6.809	0.010	0.022
К*оличество примеровтип пробы**	0.1255	3	0.0418	1.031	0.379	0.010
Остатки	12.0151	296	0.0406
Вербальное правило
Количество примеров	0.00962	3	0.00321	0.0788	0.971	0.001
Тип пробы	0.02344	1	0.02344	0.5761	0.448	0.002
К*оличество примеровтип пробы**	0.14330	3	0.04777	1.1742	0.319	0.009
Остатки	15.29557	376	0.04068

Таблица 3. Результаты дисперсионного анализа ANOVA успешности зрительного поиска при разном типе правил<table class="docx-publication-table"><tr><td class="docx-publication-cell"> Прототип</td></tr><tr><td class="docx-publication-cell"> Независимые переменные</td><td class="docx-publication-cell"> SS</td><td class="docx-publication-cell"> df</td><td class="docx-publication-cell"> MS</td><td class="docx-publication-cell"> F</td><td class="docx-publication-cell"> p</td><td class="docx-publication-cell"> ηp2</td></tr><tr><td class="docx-publication-cell"> Количество примеров</td><td class="docx-publication-cell"> 0.0629</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.0210</td><td class="docx-publication-cell"> 0.517</td><td class="docx-publication-cell"> 0.671</td><td class="docx-publication-cell"> 0.005</td></tr><tr><td class="docx-publication-cell"> Тип пробы</td><td class="docx-publication-cell"> 0.2764</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0.2764</td><td class="docx-publication-cell"> 6.809</td><td class="docx-publication-cell"> 0.010</td><td class="docx-publication-cell"> 0.022</td></tr><tr><td class="docx-publication-cell"> Количество примеров*тип пробы</td><td class="docx-publication-cell"> 0.1255</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.0418</td><td class="docx-publication-cell"> 1.031</td><td class="docx-publication-cell"> 0.379</td><td class="docx-publication-cell"> 0.010</td></tr><tr><td class="docx-publication-cell"> Остатки</td><td class="docx-publication-cell"> 12.0151</td><td class="docx-publication-cell"> 296</td><td class="docx-publication-cell"> 0.0406</td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td></tr><tr><td class="docx-publication-cell"> Вербальное правило</td></tr><tr><td class="docx-publication-cell"> Количество примеров</td><td class="docx-publication-cell"> 0.00962</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.00321</td><td class="docx-publication-cell"> 0.0788</td><td class="docx-publication-cell"> 0.971</td><td class="docx-publication-cell"> 0.001</td></tr><tr><td class="docx-publication-cell"> Тип пробы</td><td class="docx-publication-cell"> 0.02344</td><td class="docx-publication-cell"> 1</td><td class="docx-publication-cell"> 0.02344</td><td class="docx-publication-cell"> 0.5761</td><td class="docx-publication-cell"> 0.448</td><td class="docx-publication-cell"> 0.002</td></tr><tr><td class="docx-publication-cell"> Количество примеров*тип пробы</td><td class="docx-publication-cell"> 0.14330</td><td class="docx-publication-cell"> 3</td><td class="docx-publication-cell"> 0.04777</td><td class="docx-publication-cell"> 1.1742</td><td class="docx-publication-cell"> 0.319</td><td class="docx-publication-cell"> 0.009</td></tr><tr><td class="docx-publication-cell"> Остатки</td><td class="docx-publication-cell"> 15.29557</td><td class="docx-publication-cell"> 376</td><td class="docx-publication-cell"> 0.04068</td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td><td class="docx-publication-cell"> </td></tr></table>

33

Несмотря на разный паттерн результатов (см. Рис. 5) связь успешности зрительного поиска с типом пробы была обнаружена только в выборке, которая формировала прототип: успешность поиска была ниже в пробах без целевого примера (M = 0.734, SD = 0.234), чем в пробах с целевым примером (M = 0.833, SD = 0.161), F(1, 296) = 6.809, p = 0.01. Несмотря на то, что данный паттерн результатов в целом воспроизводит результаты категориального зрительного поиска в эксперименте Элье и коллег [6], есть существенные различия: категориальный зрительный поиск при любом количестве дистракторов и каждом типе категориального правила значимо отличался от уровня случайных ответов (0.5), p < 0.001 (за исключением самого низкого уровня успешности зрительного поиска в условии с прототипом, пробах с отсутствием цели и четырьмя дистракторами, p = 0.014).

34

35

Рис. 5. Успешность зрительного поиска в двух выборках участников, одна из которых формировала прототип, а другая — вербальное правило (указана ст. ошибка измерения).

36

Поскольку мы не обнаружили существенных различий в успешности зрительного поиска в зависимости от типа категориальной репрезентации — и вербальное правило и такая имплицитная категория как прототип поддерживали зрительный поиск даже при максимальном количестве дистракторов — мы дополнительно разделили данные участников, чтобы проанализировать успешность зрительного поиска в зависимости от успешности научения. Напомним, что мы оставляли для анализа данные только тех участников, которые действительно сформировали категориальную репрезентацию. В исследовании Элье и коллег [6] такого отбора не было. Мы решили еще раз разделить научившихся участников на тех, кто имел высокий (по уровню успешности в среднем по всем блокам научения) уровень успешности научения, и тех, у кого этот уровень был невысокий — выше и ниже 75% соответственно (уровень 75% был подобран по медиане успешности для двух типов правил вместе, чтобы создать в каждом условии две приблизительно равные по численности выборки). Таким образом, мы получили возможность оценить связь индивидуальных различий с успешностью зрительного поиска при разном типе сформированной категориальной репрезентации.

37

Была обнаружена прямая связь успешности научения и успешности зрительного поиска: успешность поиска была ниже у участников с невысокой успешностью научения (M = 0.734, SD = 0.234), чем у участников с высокой успешностью научения (M = 0.833, SD = 0.161), F (1,504) = 79.983, p < 0.001. Взаимодействия успешности научения с количеством примеров (F (3,504) = 0.029, p < 0.993) и типом правила (F(1, 504) = 3.442, p = 0.064) обнаружено не было, однако анализ выявил взаимодействие успешности научения с типом пробы, F(1, 504) = 11.287, p < 0.001. Как видно на графике (см. Рис. 6), участники с высокой успешностью научения имеют одинаковый уровень успешности в пробах с наличием и отсутствием цели, а участники с невысокой успешностью научения имеют более высокую успешность поиска в пробах с наличием цели, чем с отсутствием.

Была обнаружена прямая связь успешности научения и успешности зрительного поиска: успешность поиска была ниже у участников с невысокой успешностью научения (M = 0.734, SD = 0.234), чем у участников с высокой успешностью научения (M = 0.833, SD = 0.161), F (1,504) = 79.983, p < 0.001. Взаимодействия успешности научения с количеством примеров (F (3,504) = 0.029, p < 0.993) и типом правила (F(1, 504) = 3.442, p = 0.064) обнаружено не было, однако анализ выявил взаимодействие успешности научения с типом пробы, F(1, 504) = 11.287, p < 0.001. Как видно на графике (см. Рис. 6), участники с высокой успешностью научения имеют одинаковый уровень успешности в пробах с наличием и отсутствием цели, а участники с невысокой успешностью научения имеют более высокую успешность поиска в пробах с наличием цели, чем с отсутствием.

38

39

Рис. 6. Успешность зрительного поиска в пробах с наличием и отсутствием цели у участников с высокой и низкой успешностью научения.

40

Таким образом, результаты показали, что успешность зрительного поиска связана не только с типом сформированной категории, но и с успешностью научения категории вне зависимости от ее типа.

41

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

42

Целью нашего исследования было проверить, сохранится ли эффект категориальной репрезентации, полученный Элье и коллегами [6], на новом материале и на новых видах категорий. Мы предполагали, что в случае образования как вербального правила, так и прототипа успешность зрительного поиска не должна снижаться с увеличением количества дистракторов. В случае формирования прототипа успешность зрительного поиска должна быть ниже успешности зрительного поиска для вербальных правил. Наши результаты соответствуют данным предположениям.

43

Мы обнаружили, что после научения вербальным правилам успешность зрительного поиска оставалась на одном уровне вне зависимости от количества примеров в пробе. Таким образом, наличие категориальной репрезентации позволяло сохранять успешность зрительного поиска на высоком уровне. Эти результаты полностью совпадают с результатами предыдущего исследования с формированием вербального правила на другом материале [6]. Успешность выполнения задания на зрительный поиск в случае научения прототипам была ниже и различалась в пробах с наличием и отсутствием цели, что также совпадает с результатами предыдущего исследования. Однако важное отличие наших результатов заключалось в том, что снижение успешности зрительного поиска даже при максимальном количестве дистракторов не достигало уровня случайных ответов. Таким образом, мы обнаружили, что разные имплицитные правила (прототипы и правила с корреляцией значений) по-разному связаны с успешностью зрительного поиска. Кроме того, успешность формирования категориальной репрезентации также имеет значение: чем успешнее происходило научение, тем сильнее была поддержка зрительного поиска со стороны категориальной репрезентации.

Мы обнаружили, что после научения вербальным правилам успешность зрительного поиска оставалась на одном уровне вне зависимости от количества примеров в пробе. Таким образом, наличие категориальной репрезентации позволяло сохранять успешность зрительного поиска на высоком уровне. Эти результаты полностью совпадают с результатами предыдущего исследования с формированием вербального правила на другом материале [6]. Успешность выполнения задания на зрительный поиск в случае научения прототипам была ниже и различалась в пробах с наличием и отсутствием цели, что также совпадает с результатами предыдущего исследования. Однако важное отличие наших результатов заключалось в том, что снижение успешности зрительного поиска даже при максимальном количестве дистракторов не достигало уровня случайных ответов. Таким образом, мы обнаружили, что разные имплицитные правила (прототипы и правила с корреляцией значений) по-разному связаны с успешностью зрительного поиска. Кроме того, успешность формирования категориальной репрезентации также имеет значение: чем успешнее происходило научение, тем сильнее была поддержка зрительного поиска со стороны категориальной репрезентации.

44

Основное различие материала нашего исследования от материала исследования Элье и коллег [6] — это использование дискретных, а не континуальных признаков, образующих категории. Континуальные признаки создают трудности в осознании результатов научения. Так, они допускают лишь выделение в сознании релевантного признака, но не точных значений. В случае нашего материала с дискретными признаками осознанию поддается как признак, так и его значения. В этом, предположительно, и заключается причина, по которой сформированная категориальная репрезентация при каждом правиле — как вербальном правиле, так и прототипе — надежно поддерживала зрительный поиск и позволяла использовать выученное правило в других задачах.

45

Тем не менее наши результаты не позволяют определить, за счет чего в разных типах категориальной репрезентации достигаются подобные результаты, почему один тип имплицитной категории оказывает бо́льшую поддержку зрительному поиску, чем другой. Имеются данные о том, что в случае формирования категорий по принципу прототипа взрослые участники могут использовать, особенно в начале научения, стратегию ориентации на один признак (так называемый unidimensional bias) и его вербализацию [2]. В этом случае эффект категориальной репрезентации на зрительный поиск будет в большей степени обусловлен не столько наличием самой обобщенной репрезентации, а ее речевой формой. Поскольку наше исследование не позволяет выделить стратегии научения, то проверка данного предположения должна стать задачей для будущих исследований, которые будут использовать для их выявления либо соответствующие задания, либо опросник. Это также можно проверить с помощью изменения возраста участников, так как известно, что дети не полагаются на речь при формировании любых правил категоризации до 8–9 лет [10]. Таким образом, предъявление детям задачи на категориальных зрительный поиск может позволить разделить влияние речи и категориальной репрезентации: зрительный категориальный поиск у детей должен разрушаться с увеличением количества примеров при любом типе сформированного правила.

Тем не менее наши результаты не позволяют определить, за счет чего в разных типах категориальной репрезентации достигаются подобные результаты, почему один тип имплицитной категории оказывает бо́льшую поддержку зрительному поиску, чем другой. Имеются данные о том, что в случае формирования категорий по принципу прототипа взрослые участники могут использовать, особенно в начале научения, стратегию ориентации на один признак (так называемый unidimensional bias) и его вербализацию [2]. В этом случае эффект категориальной репрезентации на зрительный поиск будет в большей степени обусловлен не столько наличием самой обобщенной репрезентации, а ее речевой формой. Поскольку наше исследование не позволяет выделить стратегии научения, то проверка данного предположения должна стать задачей для будущих исследований, которые будут использовать для их выявления либо соответствующие задания, либо опросник. Это также можно проверить с помощью изменения возраста участников, так как известно, что дети не полагаются на речь при формировании любых правил категоризации до 8–9 лет [10]. Таким образом, предъявление детям задачи на категориальных зрительный поиск может позволить разделить влияние речи и категориальной репрезентации: зрительный категориальный поиск у детей должен разрушаться с увеличением количества примеров при любом типе сформированного правила.

46

Недавние исследования показывают, что взаимосвязь категориальной репрезентации и зрительного поиска опосредована также формой задачи, то есть тем, какими признаками задается поиск цели: перцептивными или категориальными. Так, при определении цели с помощью низкоуровневых признаков (примером категории) различий в успешности поиска после научения имплицитным правилам и вербальным нет. А при определении цели с помощью высокоуровневых признаков (название категории) они есть [7]. Следовательно, возможно не только сама репрезентация, но и иные факторы (структура задания, контекст, доступность подсказок) могут быть по-разному связаны с успешностью категориального зрительного поиска. В будущих исследованиях необходимо оценить вклад этих факторов и их значение для разных типов категориальной репрезентации.

47

В нашем исследовании присутствовали очевидные ограничения. Так, было практически невозможно добиться создания одинакового уровня научения или уровня сформированности категориальной репрезентации для разных типов правил. В нашем эксперименте мы удлиняли процедуру научения, чтобы уровень научения прототипам был не меньше уровня научения вербальным правилам. Вербальные правила формируются значительно быстрее и значительно лучше удерживаются рабочей памяти при переносе на другое задание (у взрослых участников). В отличие от эксперимента Элье и коллег [6], мы исключали участников, не сформировавших категориальную репрезентацию. Однако, разное количество исключенных участников при научении разным типам правил (значительно больше было исключено при научении вербальным правилам), возможно, привело к тому, что группы при одинаковом уровне успешности научения могли различаться по значимым для выполнения задания параметрам, например, мотивации (большей у учащихся вербальным правилам) или наличии определенных, более эффективных стратегий научения. Эти различия могут иметь общее или специфическое влияние на выполнение таких задач, как зрительный поиск. Будущие исследования должны принять во внимание данные ограничения, например, с помощью дополнительных изменений оценивая и контролируя данные различия.

48

ВЫВОДЫ

49

В настоящем исследовании мы воспроизвели процедуру эксперимента по изучению связи разных типов правил и категориального зрительного поиска [6]. Мы изменили материал для того, чтобы проверить данный эффект на другом типе имплицитных категорий — прототипах. В результате мы обнаружили, что не только вербальные категории, но и имплицитные (прототипы) могут поддерживать зрительный поиск. Также мы обнаружили, что чем выше уровень успешности научения новой категории, тем более эффективным был зрительный поиск вне зависимости от типа правила. Мы объясняем данные результаты тем, что категории, основанные на дискретных признаках, позволяют создавать более прочные репрезентации, которые легче использовать в других, некатегориальных заданиях.

GOST	Kotov A., Liashenko A., Lukyanov E. Associations between Categorization Rules and Categorical Visual Search // Psikhologicheskii zhurnal. – 2022. – V. 43. – Issue 5 C. 36-46 . URL: https://psy.jes.su/s020595920021476-9-1/. DOI: 10.31857/S020595920021476-9
MLA	Kotov, A. A, Liashenko, A. K, Lukyanov, E. S "Associations between Categorization Rules and Categorical Visual Search." Psikhologicheskii zhurnal. 43.5 (2022).:36-46. DOI: 10.31857/S020595920021476-9
APA	Kotov A., Liashenko A., Lukyanov E. (2022). Associations between Categorization Rules and Categorical Visual Search. Psikhologicheskii zhurnal. vol. 43, no. 5, pp.36-46 DOI: 10.31857/S020595920021476-9

МЕТОДИКА

РЕЗУЛЬТАТЫ

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

ВЫВОДЫ

References

Comments

МЕТОДИКА

РЕЗУЛЬТАТЫ

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

ВЫВОДЫ

References

Comments

Via social network