歸納推理論斷力度研究綜述

徐開娟，高 華

（福建師范大學(xué) 教育學(xué)院，福建 福州 350007）

一、何為歸納推理論斷力度

歸納推理是指從已觀察到的現(xiàn)象推測出未知現(xiàn)象的心理活動(dòng)過程。通過歸納推理，人們可以在已知信息的基礎(chǔ)上獲得新信息，并且降低記憶的負(fù)荷量。在心理學(xué)中對歸納推理的研究得最多的是基于類別特征的歸納推理，即由一定的前提類別具有某種特征而推斷結(jié)論類別具有此特征的可能性。如：你在一只老虎體內(nèi)發(fā)現(xiàn)一種新的物質(zhì)——x細(xì)胞，據(jù)此，推斷所有老虎體內(nèi)都有這種x細(xì)胞的可能性。這種基于類別特征的歸納推理是或然性推理，它依賴于個(gè)體的主觀判斷，個(gè)體對自己的推理一般沒有完全的把握。［1］這種討論個(gè)體從特殊到一般的方式得出某種結(jié)論時(shí)的歸納信心及推理本身的歸納強(qiáng)度就是歸納推理的論斷力度。已有的研究證明很多因素影響被試對歸納推理強(qiáng)度的判斷，根據(jù)對這些影響因素的研究分析，研究者提出了對歸納推理論斷力度解釋的理論。

二、影響歸納論斷力度的心理效應(yīng)

（一）單調(diào)性效應(yīng)

樣本大小指的是歸納論斷前提項(xiàng)目的數(shù)量對歸納論斷力度的影響。［2］Nisbett等最早對前提樣本大小進(jìn)行了研究，他們讓被試對一個(gè)與世隔絕的島上的人的特征進(jìn)行歸納推理，比如，告訴被試島上的人有1個(gè)、2個(gè)、10個(gè)、20個(gè)是肥胖的，讓被試判斷島上所有人都是肥胖的可能性。該實(shí)驗(yàn)發(fā)現(xiàn)，前提項(xiàng)目數(shù)量越多被試的歸納論斷力度越強(qiáng)。這種由前提項(xiàng)目數(shù)量增加而引起歸納論斷力度增強(qiáng)的現(xiàn)象稱歸納推理的“單調(diào)性效應(yīng)”。單調(diào)性效應(yīng)強(qiáng)調(diào)前提項(xiàng)目數(shù)量和個(gè)體的歸納力度之間的關(guān)系是單調(diào)的，即前提項(xiàng)目越多歸納力度越強(qiáng)。［3］

（二）多樣性效應(yīng)

歸納推理論斷力度受前提有限性、結(jié)論無限性及前提與結(jié)論之間相互作用的共同制約，多樣性效應(yīng)就是因歸納推理前提有限性影響而產(chǎn)生的效應(yīng)。

歸納推理多樣性效應(yīng)是指的是：有兩個(gè)論斷A和B，如果A的前提由差異較大的項(xiàng)目構(gòu)成，B的前提由差異相對較小的項(xiàng)目構(gòu)成，那么個(gè)體會(huì)估計(jì)歸納論斷A的力度大于論斷B。［4］比如Osherson等在實(shí)驗(yàn)中給被試呈現(xiàn)的兩個(gè)論斷：（a）河馬的肝需要維生素k，犀牛的肝需要維生素k，／所有的哺乳動(dòng)物需要維生素k。（b）河馬的肝需要維生素k，倉鼠的肝需要維生素k，／所有的哺乳動(dòng)物需要維生素k。結(jié)果顯示被試認(rèn)為歸納推理判斷力度受到前提項(xiàng)目多樣性的強(qiáng)烈影響。

（三）屬性效應(yīng)

屬性是指推理項(xiàng)目中所提到的事物固有的性質(zhì)，比如，一只天鵝是黃色的，河馬的體內(nèi)含有x元素中的黃色的、x元素即為歸納項(xiàng)目的屬性。研究者們發(fā)現(xiàn)在歸納推理中前提項(xiàng)目或結(jié)論項(xiàng)目的屬性會(huì)對歸納論斷力度產(chǎn)生影響。

被試傾向于對項(xiàng)目中具有高穩(wěn)定性屬性的歸納推理做出強(qiáng)論斷力度的判斷。［2］Nisbett的研究中指出被試很難根據(jù)一個(gè)Barrato人長得肥胖的事實(shí)推斷出所有的Barrato人長得肥胖，但當(dāng)把肥胖的屬性轉(zhuǎn)換成皮膚顏色時(shí)，被試能夠做出較強(qiáng)的歸納論斷力度判斷。在歸納推理中歸納論斷力度受到屬性影響的現(xiàn)象就是歸納力度的屬性效應(yīng)。近期張婷婷等的研究發(fā)現(xiàn)在歸納推理中存在屬性中心性效應(yīng)，并發(fā)現(xiàn)中心屬性比其他屬性（次中心屬性、再次中心屬性）更能影響歸納推理。［5］

（四）非對稱效應(yīng)

歸納推理的非對稱效應(yīng)是指轉(zhuǎn)換前提類別與結(jié)論類別會(huì)導(dǎo)致不同歸納論斷力度的現(xiàn)象。［6］例如，有兩個(gè)論斷，（a）老虎有38個(gè)染色體而推斷結(jié)論野牛有38個(gè)染色體；（b）野牛有38個(gè)染色體而推斷結(jié)論老虎有38個(gè)染色體，這兩個(gè)論斷前提與結(jié)論是顛倒的，讓被試對其歸納強(qiáng)度進(jìn)行判斷，結(jié)果顯示被試認(rèn)為論斷a成立的可能性大于論斷b，即論斷a的論斷力度大于論斷 b。Osherson、Sloman 等［7］對非對稱效應(yīng)進(jìn)行了研究解釋。Osheron利用相似性覆蓋模型中的典型性來解釋，而Sloman用特征基礎(chǔ)的歸納模型的熟悉性來解釋。國內(nèi)李有禹、王墨耘創(chuàng)新地提出用特征遷移來解釋這種效應(yīng)，并通過實(shí)驗(yàn)證明了這種解釋。

除了以上所介紹的影響因素外，還有很多因素會(huì)影響歸納推理的歸納力度。如，歸納特征與前提類別已知特征的關(guān)聯(lián)強(qiáng)度，在結(jié)論類別與前提類別相似性相同的情況下，歸納強(qiáng)度將隨這種關(guān)聯(lián)強(qiáng)度的增加而增加；結(jié)論類別內(nèi)部的同質(zhì)性會(huì)促進(jìn)歸納；前提類別與結(jié)論類別的相似性會(huì)促進(jìn)歸納。

三、歸納推理論斷力度相關(guān)理論

到目前為止，已有大量的研究來解釋歸納推理論斷力度所引起的心理效應(yīng)，研究者們主要提出了六個(gè)理論模型：rips［8］1975 年提出的回歸模型（regression model， RM） ；Osherson 等［9］1990 年提出的相似性覆蓋模型（similarity coveragemodel，SCM）；Sloman［10］1993年提出的基于特征的歸納模型（feature － based inductive model，F(xiàn)BIM）；Heit［11］1998 年提出的貝葉斯模型（Bayesian Model，BM），王墨耘、莫雷［12］2006年提出的特征歸納的關(guān)聯(lián)相似性模型；王墨耘［13］2008年提出的歸納推理的抽樣理論。

（一）回歸模型

回歸模型提出前提項(xiàng)目的典型性會(huì)影響歸納推理論斷力度。它假設(shè)如果一個(gè)典型的生物具有某種不可知的屬性，被試會(huì)很有信心的推測出其他非典型的生物也是具有此種屬性。Rips以簡單的類別推理為材料進(jìn)行了實(shí)驗(yàn)研究，如馬的體內(nèi)具有x細(xì)胞，被試可以很有信心的判斷出海豚體內(nèi)也具有x細(xì)胞，因?yàn)轳R是典型的哺乳動(dòng)物，所以被試能很容易的推斷出非典型哺乳動(dòng)物海豚具有于馬相同的x屬性。回歸模型利用典型性預(yù)測了單前提歸納論斷力度的大小，但后來研究發(fā)現(xiàn)，該模型對歸納論斷力度的預(yù)測常常與個(gè)體實(shí)際的判斷相反，所以它的解釋能力有限。［8］

（二）相似性覆蓋模型

相似性覆蓋模型（SCM）說明了多前提歸納推理的論斷力度判斷問題，并將單前提作為多前提的一個(gè)特例。SCM認(rèn)為歸納論斷力度是由兩個(gè)因素決定的：1）前提類別與結(jié)論類別的相似性程度。這種相似是指前提和結(jié)論類別之間的特征重疊程度，這種特征重疊程度決定了相似性程度，兩者越相似，則歸納論斷力度越強(qiáng)。2）前提類別對結(jié)論類別的類別覆蓋程度。［14］覆蓋是指歸納推理中前提類別與前提類別和結(jié)論類別的最低上位水平類別內(nèi)的其他成員的相似性程度。這兩種相似程度的平均值決定了歸納推理的論斷力度。

（三）基于特征的歸納模型

基于特征的歸納模型（FBIM）是對SCM模型的進(jìn)一步發(fā)展，與相似性覆蓋模型最重要的差別在于它只需要對項(xiàng)目或類別間的特征重疊大小加以評估，而不需對特定類別與其上位水平的結(jié)論類別相似性的覆蓋程度作出評估。FBIM指出，一個(gè)類別既然可以通過類別的一系列屬性的集合來表征，那么在歸納推理過程中，可以直接比較前提和結(jié)論類別之間的特征重疊程度，前提和結(jié)論之間的特征重疊程度越高，則歸納推理的論斷力度就越強(qiáng)。［15］

（四）貝葉斯模型

貝葉斯模型（SM）從計(jì)算的角度說明了正確推理的標(biāo)準(zhǔn)，該模型實(shí)際就是根據(jù)已知特征在總特征中的分布情況得出相對于新特征的先驗(yàn)概率，然后根據(jù)已知情況運(yùn)用貝葉斯公式來修正先驗(yàn)概率，從而計(jì)算出新特征出現(xiàn)的概率。［11］

該模型認(rèn)為被試在進(jìn)行歸納推理時(shí)，需要考慮項(xiàng)目的不同類別及其屬性所在的不同情景，因此，在推理之前，被試就存在一個(gè)關(guān)于事件發(fā)生可能性的主觀估計(jì)（先驗(yàn)概率）。當(dāng)面臨歸納推理任務(wù)時(shí)，被試會(huì)根據(jù)前提，通過貝葉斯統(tǒng)計(jì)公式來修訂自己先前的估計(jì)，從而預(yù)測結(jié)論正確的可能性。為了證明人們歸納推理的結(jié)果是否符合貝葉斯模型的預(yù)測，尹靜、王墨耘通過實(shí)驗(yàn)來檢驗(yàn)和區(qū)分了貝葉斯模型和其他的相關(guān)模型（相似性覆蓋模型、基于特征的歸納推理模型和關(guān)聯(lián)相似性模型），實(shí)驗(yàn)中把關(guān)聯(lián)強(qiáng)度納入自變量，結(jié)果表明在強(qiáng)關(guān)聯(lián)強(qiáng)度一致時(shí)，被試的歸納推理基本符合貝葉斯模型和關(guān)聯(lián)相似性模型，在弱關(guān)聯(lián)時(shí)，不符合這四種模型；在關(guān)聯(lián)強(qiáng)度不一致時(shí)，關(guān)聯(lián)強(qiáng)度效應(yīng)不符合貝葉斯模型的預(yù)測；在關(guān)聯(lián)強(qiáng)度一致時(shí)，貝葉斯模型和關(guān)聯(lián)相似性模型的預(yù)測結(jié)果是一致的，不能區(qū)分兩個(gè)模型。實(shí)驗(yàn)結(jié)果較多的支持了貝葉斯模型。貝葉斯模型不但在一定程度上考慮了知識(shí)在歸納推理的作用，而且還用數(shù)學(xué)模型說明了歸納推理輸入和輸出的正確函數(shù)關(guān)系，但是它還是不能說明歸納推理在心理上的算法實(shí)現(xiàn)過程。［16］

上述三種模型都屬于基于知覺相似性的歸納理論，此種理論認(rèn)為，前提類別之間的相似性、前提類別與結(jié)論類別之間的相似性影響和限制人們的歸納推理。相似性理論都能在一定程度上解釋歸納推理的一些基本現(xiàn)象：相似性效應(yīng)、典型性效應(yīng)和多樣性效應(yīng)。但對于事物聯(lián)系知識(shí)的歸納推理現(xiàn)象卻顯得不足，例如，被試會(huì)由草具有特征X而推知兔具有特征X的可能性比較高，雖然兔和草的相似性很低。這是因?yàn)?，兔吃草這種食物鏈聯(lián)系導(dǎo)致特征X由草傳遞到牛。而食物鏈聯(lián)系是一種知識(shí)而非相似性。所以需要一種新的理論解釋上述現(xiàn)象。

（五）特征歸納的關(guān)聯(lián)相似性模型

關(guān)聯(lián)相似性模型就是描述人們根據(jù)歸納特征關(guān)聯(lián)項(xiàng)的相似性來做歸納推理的抽象模型，此模型將特征關(guān)聯(lián)知識(shí)與相似性整合統(tǒng)一到一起，認(rèn)為基于關(guān)聯(lián)相似性的歸納推理包含先后三個(gè)環(huán)節(jié)：首先，尋找與歸納特征相關(guān)聯(lián)的特征即關(guān)聯(lián)特征；其次，比較評估結(jié)論類別與前提類別在關(guān)聯(lián)特征上的相似性即關(guān)聯(lián)相似性；最后，根據(jù)這種關(guān)聯(lián)相似性程度得出結(jié)論類別是否具有歸納特征和多大程度具有歸納特征。［12］關(guān)聯(lián)相似性模型認(rèn)為歸納論斷力度可用以下公式來表示：歸納論斷力度＝關(guān)聯(lián)特征與歸納特征的關(guān)聯(lián)強(qiáng)度×關(guān)聯(lián)特征的相似性程度，此公式是預(yù)測歸納論斷力度的大小順序，而不預(yù)測歸納強(qiáng)度的絕對估計(jì)值。依據(jù)此公式可以預(yù)測論斷力度隨關(guān)聯(lián)強(qiáng)度和關(guān)聯(lián)相似性的變化而變化的狀況，即當(dāng)關(guān)聯(lián)強(qiáng)度固定時(shí)，歸納論斷力度會(huì)隨關(guān)聯(lián)相似性的增高而增強(qiáng)；當(dāng)關(guān)聯(lián)相似性固定時(shí)，歸納論斷力度會(huì)隨關(guān)聯(lián)強(qiáng)度的增強(qiáng)而增強(qiáng)。當(dāng)關(guān)聯(lián)強(qiáng)度和關(guān)聯(lián)相似性同時(shí)變化，并且二者變化方向相反時(shí)，預(yù)測的歸納強(qiáng)度的變化方向取決于關(guān)聯(lián)強(qiáng)度與關(guān)聯(lián)相似性乘積的變化方向。王墨耘、莫雷用實(shí)驗(yàn)支持了關(guān)聯(lián)相似性模型的主要預(yù)測，關(guān)聯(lián)相似性模型能夠描述解釋以關(guān)聯(lián)特征相似性為基礎(chǔ)的歸納推理現(xiàn)象，比以往的歸納理論具有更大的解釋能力和解釋范圍。

（六）歸納推理的抽樣理論

特征歸納關(guān)聯(lián)相似性模型綜合了知識(shí)和相似性在歸納推理中的作用，它能夠更多地解釋歸納推理的心理效應(yīng)。但這種模型不能解釋多前提會(huì)增強(qiáng)歸納論斷力度的現(xiàn)象；前提多樣性會(huì)增強(qiáng)歸納論斷力度的現(xiàn)象，也就是說它只適合包括單個(gè)前提的歸納推理，而不適合于包含多個(gè)前提的歸納推理。王墨耘又在自己所提出的關(guān)聯(lián)相似性模型的基礎(chǔ)上提出了歸納推理的抽樣理論，該理論認(rèn)為歸納推理實(shí)質(zhì)是根據(jù)與歸納特征有關(guān)的抽樣樣本情況來推斷結(jié)論類別具有歸納特征的可能性，其中的抽樣可分為類別抽樣和特征抽樣兩種。這種理論的實(shí)質(zhì)是根據(jù)由結(jié)論類別總體中多個(gè)前提類別構(gòu)成的類別抽樣樣本情況來推測作為總體的結(jié)論類別的情況。而由抽樣樣本情況來推測總體情況的可能性通常取決于樣本相對于總體的代表性，這種代表性是指樣本具有總體特征的程度，可用Tenenbaum和Griffiths提出的樣本代表性計(jì)算的理性公式：R （X，h1）＝NlogS－1／σ2［N（m－μ）2＋S］公式中左邊一項(xiàng)表示樣本 X 對總體h1的代表性，右邊中的N表示樣本的大小，S表示樣本的離均差的平方和，m表示樣本的平均數(shù)，μ表示總體平均數(shù)，σ2表示總體方差。此公式表明，樣本代表性隨樣本大小增加而增加，與小的樣本相比，根據(jù)大的樣本更能推測總體情況。它能解釋較多的前提類別具有歸納特征會(huì)促進(jìn)歸納和前提類別多樣性能促進(jìn)歸納的現(xiàn)象。［13］

四、對歸納力度研究的小結(jié)與展望

歸納推理的論斷力度受到很多因素的影響，也產(chǎn)生了諸多的心理效應(yīng)。從rips的研究至今，學(xué)者們用了很多相關(guān)理論對歸納力度進(jìn)行了解釋。現(xiàn)存的歸納推理論斷力度的研究中各種相關(guān)理論模型都很難全面解釋多種因素是如何影響歸納推理的論斷力度，同時(shí)存在研究被試單一、缺乏應(yīng)用研究的缺點(diǎn)。

基于上述分析，今后對論斷力度的研究可以從以下幾個(gè)方面進(jìn)行探討：

第一，現(xiàn)有對歸納力度的研究實(shí)驗(yàn)中多是選用成人被試進(jìn)行研究，而以兒童為被試的研究卻很少。在以后的研究中，可以設(shè)計(jì)出適合于兒童被試的有關(guān)論斷力度的實(shí)驗(yàn)研究，從而探討歸納推理中成人與兒童對歸納力度的區(qū)別。

第二，在今后的研究中可以把影響論斷力度的多方面因素進(jìn)行整合考慮，更深層次的探討歸納推理。

第三，對于解釋論斷力度的各種理論也可以綜合考慮，把各理論進(jìn)行融合，提出更有深遠(yuǎn)意義和價(jià)值的理論。

第四，開展對論斷力度的應(yīng)用研究，特別是將其中的一些效應(yīng)應(yīng)用于學(xué)校教學(xué)工作中，從而促進(jìn)學(xué)生的學(xué)習(xí)。

［1］陳安濤，李紅．歸納推理的心理效應(yīng)研究［J］．心理科學(xué)進(jìn)展，2003， 11（6）：607－615

［2］Nisbett R E，Krantz D H，Jepson C，Kunda Z．The use of statistical heuristics in everyday inductive reasoning．Psychological Review，1983， 90： 339～363

［3］魏勇剛，李紅．歸納推理中單調(diào)性與單調(diào)性效應(yīng)的實(shí)驗(yàn)研究 ［J］．信 陽 師 范 學(xué) 院 學(xué) 報(bào) （哲 學(xué) 社 會(huì) 科 學(xué) 版 ），2006，3，39－41．

［4］李紅，陳安濤，馮廷勇，李富洪，龍長權(quán)．個(gè)體歸納推理能力的發(fā)展及其機(jī)制研究展望 ［J］．心理科學(xué)，2004，27（6）：1457－1459

［5］張婷婷，李紅，龍長權(quán)，馮廷勇，陳安濤，李富洪，王秀芳．歸納推理中的屬性中心性效應(yīng)［J］．心理學(xué)報(bào)，2007，39，826–836．

［6］李有禹，王墨耘．對歸納推理非對稱性現(xiàn)象的特征遷移解釋［J］．心理學(xué)探析，2007，4，28－32．

［7］Sloman SA ，Lagnado D．The problem of induction ［J］．In ：MorrisonR ，Holyoak K，Eds．Cambridge Handbook of Thinking ＆Reasoning［J］．New York ：Cambridge University Press ，2005，195 － 1161

［8］Rips， L J．Inductive judgments about natural categories［J］．Journal of Verbal Learning and Verbal Behavior ，1975，14：665–681

［9］Osherson D N ，Smith E E ，Wilkie 0，eta1．Category–based induction［J］．Psychological Review ，1990 ，97 ：185－200．

［10］Sloman SA．Feature － based induction［J］．Cognitive Psychology ，1993 ，25 ：231 － 280．

［11］Heit E．A Bayesian analysis of some forms of inductive reasoning In Oxford M．Chater N．Eds［J］．Rational Models of Cognition．Oxford University Press ，1998．248 － 274．

［12］王墨耘，莫雷．特征歸納的關(guān)聯(lián)相似性模型［J］．心理學(xué)報(bào)，2006 ，38（3） ：333 – 3411．

［13］ 王墨耘．歸納推理的抽樣理論 ［J］．心理學(xué)報(bào)，2008，40（7）：800－808．

［14］ 龍長權(quán)，吳睿明，李 紅 ，陳安濤 ，馮廷勇 ，李富洪．對以類別為基礎(chǔ)的歸納推理的幾種理論模型的評價(jià)［J］．心理科學(xué)進(jìn)展， 2005，13（5）：596－605．

［15］李紅，陳安濤，馮廷勇，李富洪，龍長權(quán)．個(gè)體歸納推理能力的發(fā)展及其機(jī)制研究展望 ［J］，心理科學(xué)，2004，27，1457–1459．

［16］尹靜，王墨耘．對歸納推理貝葉斯模型的檢驗(yàn)［J］．心理學(xué)探新，2009，4，46－50．