当前位置：文档之家 › 因果模型在类比推理中的作用,王婷婷,莫雷-心理学报2010,8(42)

因果模型在类比推理中的作用,王婷婷,莫雷-心理学报2010,8(42)

  • 格式：pdf
  • 大小：377.55 KB
  • 文档页数：11

心理学报 2010, Vol. 42, No.8, 834−844Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2010.00834收稿日期: 2009-10-14* 教育部哲学社会科学研究重大课题攻关项目(05JZD00034)的资助。

通讯作者: 莫雷, E-mail: molei@834因果模型在类比推理中的作用*王婷婷 莫 雷(华南师范大学心理应用研究中心, 广州 510631)摘 要 通过操纵因果模型的特征维度及推理方向, 探讨因果模型在类比推理中的作用。

实验一探讨了当结果特征未知时进行类比推理的情况, 发现在一果多因时, 被试采用因果模型进行类比推理, 而在一因多果时, 被试同时采用因果模型和计算模型进行类比推理。

实验二探讨当原因特征未知时进行类比推理的情况, 发现在一果多因和一因多果时, 被试均采用因果模型进行类比推理。

结果表明：(1)当结果特征未知时, 人们会建构因果模型进行类比推理。

且当因果模型和计算模型处于冲突情境时, 人们会采用因果模型进行类比推理; 但当因果模型和计算模型处于非冲突情境时, 人们会同时采用因果模型和计算模型。

(2)当原因特征未知时, 即按照因果模型推理的难度增加时, 人们仍会建构因果模型进行类比推理。

关键词 类比推理; 因果模型; 计算模型 分类号 B8421 前言类比推理是指根据两个对象在某些属性上相同或相似, 而且一个对象具有某一特定属性, 从而做出另一个对象也具有该特定属性的推理。

例如, 已知动物Ａ具有特征X 、W 、Z 。

现有一只刚被科学家发现的新动物Ｂ, 其具有特征X 、W 。

问：动物Ｂ具有特征Ｚ的概率有多大？如下例：动物A 有特征X 、W 、Z; 动物B 有特征X 、W; 所以, 动物B 也具有特征Z 。

这里, 动物Ａ为源类比物, 动物Ｂ为目标类比物。

将动物Ａ的特点映射到动物Ｂ, 并做出“动物B 也具有特征Z”的推断过程, 就是类比推理。

在做出这种推理结果时的信心和把握程度称为归纳力度(Holland, Holyoak, Nisbett, & Thagard, 1986)。

类比推理既是人们日常生活中一项基本的认知任务, 也是构成其他更复杂认知任务的主要成分。

因此, 其认知加工过程一直备受心理学家的关注。

以往关于类比推理的理论主要是计算模型。

计算模型认为, 类比推理的归纳力度直接基于两类比物间的相似性, 类比过程中仅仅涉及了特征结构的匹配, 而并未涉及到语义层面的理解(Gentner, 1983)。

类比推理的计算模型主要包括相似性理论、结构映射理论、ACME (Analogical Constraint Mapping Engine)模型、以及LISA (Learning and Inference with Schemas and Analogies)模型等。

其中, 相似性理论认为, 源类比物和目标类比物越相似, 类比推理的归纳力度越强(Tversky, 1977)。

结构映射理论强调, 类比物间高水平关系的匹配数量越多, 类比推理的归纳力度越强(Gentner, 1983)。

大量研究支持了计算模型的假设。

如：Lassaline (1996) 的研究表明, 相似性和归纳力度均随相同特征数量的增加而增加; 莫雷、刘丽虹(1999)发现, 样例与新问题的表面内容越相似, 越有利于对新问题的解决; Catrambone (2002) 的研究发现, 表面特征匹配和结构特征匹配共同决定了类比通达的程度。

来自文本阅读的研究也表明, 相似性和结构特征匹配会影响阅读理解的成绩(佟秀丽, 莫雷, ZheChen, 2005; 佟秀丽, 莫雷, ZheChen, 吴俊, 2007; Day & Gentner, 2007)。

尽管计算模型在类比推理中起着相当大的作8期王婷婷 等: 因果模型在类比推理中的作用835用, 但却不能解释类比推理中的所有现象。

如Lassaline (1996) 的研究发现：类比物间相同关系数量的增加并不必然导致归纳力度的增加, 即相似性不是影响归纳力度的唯一因素。

随着研究的深入, 许多研究者开始关注因果关系在类比推理中的独特地位。

Gentner (1983) 在结构映射理论中强调, 因果关系是高水平关系的典型代表。

Holyoak (1985) 指出, 源类比物与目标类比物间的因果关系在类比推理中起着重要作用。

Lassaline (1996) 的研究进一步揭示了类比物间具有因果关系时比具有其它关系(如顺序关系等)时, 类比推理的归纳力度更强。

另外, 来自归纳推理的相关研究也表明, 在因果关系与相似性发生冲突时, 人们会按照因果关系进行推理(Rehder & Burnett, 2005; Rehder, 2006; Rehder & Kim, 2006; Sloman, 1997; Waldman, 2006)。

更重要的是, Lassaline发现, 人们会将源类比物中的因果关系迁移到目标类比物, 从而运用因果关系对目标类比物的未知特征进行推断。

如下例, 当源类比物A具有因果关系(X导致Z), 而目标类比物B中没有因果关系, 但具有原因特征(X)时, 人们会将源类比物中的因果关系迁移到目标类比物中, 从而推断出目标类比物中也具有结果特征(Z)。

动物A具有特征X, W, Z;对于动物A, 特征X导致了特征Z的生成。

动物B具有特征X, W, Y。

所以, 动物B也具有特征Z。

基于上述研究, 许多研究者提出用因果模型来解释类比推理的加工过程(Griffiths & Tenenbaum, 2005, 2007; Waldmann & Holyoak, 1992)。

因果模型认为, 当类比物中存在可利用的因果关系时, 人们会建构因果模型来进行类比推理。

类比推理时, 不仅涉及了特征结构的匹配, 还涉及了语义内容的深层加工(Buehner & Cheng, 2005)。

而并非如计算模型所阐述的“类比过程中仅仅涉及了特征结构的匹配, 而并未涉及到语义层面的理解”(Gentner, 1983)。

Lee和Holyoak (2007) 将因果模型的原因分为两种：生成性原因(Generative Cause)和阻止性原因(Preventive Cause)。

生成性原因指, 能够增加特定结果出现可能性的原因; 阻止性原因指, 能够减少特定结果出现可能性的原因。

类比推理的归纳力度随类比物间相同生成性原因数量的增加而增加, 随类比物间相同阻止性原因数量的增加而减少。

图1可以较清晰地体现出计算模型和因果模型在类比推理中的争议点之所在(Lee & Holyoak, 2008)。

图中, 源类比物具有四个特征：G1, G2, P和E。

其中, G1, G2, P为原因特征, Ｅ为结果特征。

G1, G2表示生成性原因, 可以增加E生成的可能性; P 表示阻止性原因, 可以减少E生成的可能性。

目标类比物１具有三个特征(G1, G2, P), 目标类比物２具有两个特征(G1, G2)。

基于相同的源类比物, 目标类比物１与目标类比物２中, 哪个更有可能推理出结果特征Ｅ的存在呢？如果根据计算模型, 那么, 目标类比物１更有可能推理出结果特征Ｅ。

因为相对于目标类比物２, 其与源类比物具有更多的相似性(相同特征和相同关系均为三个)。

而如果根据因果模型, 那么, 目标类比物２更有可能推理出结果特征Ｅ。

因为相对于目标类比物１, 其没有了阻止性原因特征P的阻碍作用, 因而体现出更强的归纳力度。

基于此, Lee和Holyoak (2008) 运用了Lassaline (1996) 的范式, 探讨了人们在类比推理中运用因果模型的可能性。

结果表明, 在生成性原因特征数量不变的情况下, 去除阻止性原因, 会增加类比推理的归纳力度。

即人们是通过建构因果模型来进行类比推理的。

这一研究与计算模型的假设相悖, 却有力的支持了因果模型的假设。

图1 计算模型与因果模型的争议尽管Lee和Holyoak (2008) 对因果模型在类比推理中的重要作用做出了的验证, 但在其研究材料中, 类比物间的特征结构均是一果多因的因果模型。

而因果模型在特征维度上, 可以分为一果多因、一因多果、多因多果等; 在推理方向上, 可以分为由因推果和由果推因(Waldmann & Holyoak, 1992; Waldmann, 2000; 胡清芬, 林崇德, 2002; 李红, 郑持军, 高雪梅, 2004) (如图2)。

研究表明, 按照因果模型的假设, 一果多因的因果模型与一因多果的因836 心理学报 42卷果模型在推理机制上存在诸多相异之处。

一果多因时, 针对结果特征, 影响其产生的原因有多个。

当推测结果出现的可能性时, 人们会考虑所有已知原因对结果的综合作用。

此时, 每个原因的性质和数量均可能影响推理力度, 即原因之间有竞争。

而一因多果时, 针对某一结果特征, 影响其产生的原因有且只有一个。

当推测某一结果出现的可能性时, 人们只需考虑唯一的原因对该结果的作用即可。

其他结果的性质和数量均不会影响推理力度, 即结果之间无竞争(Waldmann & Holyoak, 1992; Waldmann, 2000)。

既然一果多因时的因果模型与一因多果时在推理机制上具有上述差异, 那么, 当特征结构为一因多果时人们还会建构因果模型进行类比推理吗？Lee和Holyoak的研究结果是反映了人们在类比推理中的真实情况, 还是仅仅由其选取模型的特殊性所导致？有必要对此进行更为深入的探讨。

另外, 已有研究多聚焦于结果特征未知时类比推理的情况, 而较少关注原因特征未知时类比推理的情况。

当原因特征未知时, 被试若按照因果模型进行类比推理, 则需要建构由果到因的因果模型。

而研究表明, 由于因果表征顺序的制约性, 以及对思维可逆性的高要求, 由果到因的逆向推理过程的难度要高于由因到果的顺向推理过程。

那么, 当原因特征未知, 即按照因果模型推理增大了推理难度时, 人们还能建构因果模型进行类比推理吗？还是会根据认知经济原则, 采用计算模型进行推理呢？为了回答以上问题, 本文通过操纵推理方向和特征维度设计了如下两个实验。

图2 因果模型的类型实验一探讨当原因特征已知, 而结果特征未知时, 人们是否会建构因果模型进行类比推理。

包括两个分实验, 分别探讨在一果多因和一因多果的情境下, 被试进行类比推理的情况。

实验二探讨当结果特征已知, 而原因特征未知时, 人们是否会建构因果模型进行类比推理。

同样包括两个分实验, 分别探讨在一果多因和一因多果的情境下, 被试进行类比推理的情况。

合集下载

因果关系模型

因果关系模型

因果关系模型因果关系模型是定量预测模型的主要方法之一，主要用于研究不同变量之间的相关关系，用一个或多个自变量的变化来描述因变量的变化因果关系模型主要包括：趋势外推、回归分析、数量经济模型、投入产出模型、灰色系统模型、系统动力学等。

一. 特点和适用范围事物的发展不仅取决于自身的发展规律，同时受多种外界因素的影响，如果把预测值作因变量，那么影响预测对象发展的各变量则称作自变量。

研究因变量与自变量的关系，则是因果关系模型的任务。

因果关系模型在预测中应用最广，它因时间序列模型不同，不仅可以从事短期预测，而且还可以从事中、长期预测，也可以预测宏观、中观、微观问题。

二.预测程序（略）三.预测方法及模型（一）趋势外推趋势外推法是一种常用的利用事物过去发展的规律，推导未来趋势的方法，这种方法简单适用，应用面广。

在预测方法分类中，有的将其划归为因果关系模型。

有的将其划归为时间序列模型，有的将其单列为一类。

我们将其划归为因果关系模型。

因为趋势外推的模型和预测过程与囬归分析类同，可以作为回归分析的特例，即以时间为自变量的回归分析。

运用趋势外推法，要注意它有两个基本假设：（1）事物是在同一条件或相近条件下发展的，即决定过去事物发展的原因，也是决定未来事物发展的原因；（2）事物发展的过程是渐进的，而不是跳跃的。

趋势外推模型种类很多，实用预测中最常用的是一些比较简单的函数模型，如多项式模型、指数曲线、生长曲线和包络曲线等。

1. 多项式模型很多事物的发展的模型可用多项式表示，下面举几个常用的多项式模型。

一次多项式模型（线性模型）：01t Y a a t =+二次多项式模型（二次抛物线模型）：2012t Y a a t a t =++三次多项式模型（三次抛物线模型）：230123t Y a a t a t a t =+++n 次多项式模型（n 次抛物线模型）：2012n t n Y a a t a t a t =++++……多项式的系数一般采用最小二乘法计算。

如何在分析报告中应用因果关系分析

如何在分析报告中应用因果关系分析

如何在分析报告中应用因果关系分析在当今信息爆炸的时代，我们每天都会接触到大量的数据和各种现象。

为了更好地理解这些信息，做出明智的决策，分析报告显得尤为重要。

而因果关系分析作为一种强大的工具，可以帮助我们深入探究事物背后的本质原因和可能产生的结果。

那么，如何在分析报告中有效地应用因果关系分析呢？首先，我们需要明确什么是因果关系。

简单来说，因果关系就是指一个事件（原因）导致另一个事件（结果）的发生。

但要注意的是，因果关系的确定并非总是一目了然，可能存在多种因素相互作用，共同导致某个结果。

在进行因果关系分析之前，收集和整理相关的数据是必不可少的步骤。

这些数据可以来自各种渠道，如调查问卷、实验观察、数据库记录等。

数据的质量和完整性直接影响到因果关系分析的准确性。

因此，我们要确保所收集的数据是可靠、准确且具有代表性的。

假设我们正在研究某个产品销量下降的原因。

我们可能会收集关于市场竞争、产品质量、价格策略、促销活动、消费者需求变化等方面的数据。

通过对这些数据的分析，我们可以初步判断哪些因素可能对销量产生了影响。

接下来，就是运用适当的方法来确定因果关系。

常见的方法包括实验法、观察法和回归分析等。

实验法是在控制其他变量的情况下，改变一个变量，观察其对结果的影响。

例如，如果我们想研究不同的广告宣传方式对产品销量的影响，可以选择两个相似的市场区域，在一个区域采用新的广告宣传方式，另一个区域保持原有方式，然后比较两个区域的销量变化。

但实验法在实际应用中可能会受到诸多限制，比如成本高昂、操作复杂等。

观察法则是通过对自然发生的现象进行观察和记录来寻找因果关系。

这种方法相对简单易行，但由于无法完全控制变量，可能会存在一些干扰因素，导致结论不够准确。

回归分析是一种通过建立数学模型来分析变量之间关系的方法。

它可以帮助我们量化各个因素对结果的影响程度。

但回归分析需要一定的统计学知识和数据分析技能。

在分析报告中呈现因果关系时，要做到清晰、简洁、直观。

议论文中的因果分析

议论文中的因果分析

人的正确意见。“前事不忘，后事之师”，我们 在 决策、办事时不能盲目自信，要择善而从，虚心 听取他人的意见，这样才能获得成功
A
9
（节选高考优秀作文《自信，但不能盲目》，有改动）
• 马谡失败的原因是多方面的，怎么能简 单的归结为是他狂妄自大呢？这样的因 果分析将复杂原因简单化、绝对化，导 致观点狭隘极端，难以以理服人。
选自高考优秀作文《恒心和毅力是成功之本》
A
16
策略2：求同归纳
• 探究多个论据同质性结果背后的共 同原因归纳出一个观点，这样的写 作因为论据充实，论证充分，充满 了说服力。
A
17
练一练
• 论据：苏东坡一生遭遇两次政治迫害，
屡遭贬谪，四海飘零，后来成为一代宗
师；范仲淹两岁丧父,随后母亲改嫁，年
轻时生活艰辛，每天只熬一锅稠粥，凉
选择合适的原因
A
14
论据：史学家司马光写《资治通鉴》花 了19 年，相声艺术宗师侯宝林为学谐语 手抄一部十多万字的《谐浪》，俄国大 作家托尔斯泰写《战争与和平》花了27 年，德国著名医生欧立希连续试验 914 次，终于研制成治疗人体内锤虫和抗螺 旋体病菌的新药。
A
15
史学家司马光写《资治通鉴》花了19 年 ，相声艺术宗师侯宝林为学谐语手抄一部十 多万字的《谐浪》，俄国大作家托尔斯泰写 《战争与和平》花了27 年，德国著名医生 欧立希连续试验 914 次，终于研制成治疗 人体内锤虫和抗螺旋体病菌的新药。这些人 之所以取得事业的成功，秘诀在于他们有恒 心和毅力，不断坚持，直到自己满意为止。 可见，恒心和毅力是成功之本。
了一篇篇感人肺腑的作品，成为一代词宗；范仲
淹两岁丧父,随后母亲改嫁，年轻时生活艰辛，每
天只熬一锅稠粥，凉后划成四块，早晚各取两块
运用因果分析法,成就议论文佳作

运用因果分析法,成就议论文佳作

运用因果分析法，成就议论文佳作作者：向明康来源：《高中生·作文》2019年第06期议论文的论证，是为了证明所持论点的正确性和合理性。

为此，运用因果分析法进行论证，是一种不错的选择。

这是由于因果分析法是通过对事理原因或结果的周密分析，从而证明论点的正确性、合理性的一种论证方法。

同时，运用因果分析法是一种求因探果的推理过程，能使逻辑思维更深一层，所以合理使用这一方法可以增强文章的说服力，更有助于考生的文章达到高考作文发展等级“深刻”的要求。

物质世界是一个无限复杂、互相联系与互相依赖的统一整体。

一个或一些现象的产生，会引起另一个或另一些现象的产生，这时，前一个或一些现象往往是原因，后一个或一些现象往往是结果。

因果分析法就是通过从结果来找原因，或从原因推导结果的论证推理方式。

恰当运用因果分析法，能够找出事物产生、发展的来龙去脉和规律，从而起到证明论点合理性和正确性的作用。

要想在高考中写出一篇议论文佳作，获得比较理想的分数，考生在备考中一定要学会恰当运用因果分析法。

要增强因果分析法的论证效果，考生需要具备以下四个方面的能力。

1.善于运用因果分析法的两种类型因果分析法的两种类型是指由果溯因和由因求果。

当事例带有结论性内容时，要学会分析其根源，即由果溯因;当事例带有缘由性内容时，就分析其结果，即由因求果。

2.善于从不同的角度找原因比如：主观原因和客观原因、表面原因和根本原因、直接原因和间接原因、历史原因和现实原因等。

同时，能运用相应的分析法，对选定的原因进行深入分析。

3.正确使用一些语言标志词一些语言标志词可以“提醒”阅卷老师——正在使用因果分析法。

这样的语言标志词有“为什么……因为……”“正因为……所以……”“之所以……是因为……”“缘何……因为……”“究其缘由”“个中缘由”等。

4.善于多角度、多层次地分析原因和结果如果要提高因果分析法的使用效果，就不能停留在一因一果的低层次上，而要注意到一果多因、一因多果以及同因异果、异因同果、互为因果等情况。