ISSN : 1226-9654
정의곤란범주 사례의 유목화와 재인성과를 예언하는데 있어서 다차원척도기법에 근거한 일반화본보기모형(GCM)과 원형추상화모형을 정량적으로 대비시키기 위해 두개의 실험을 실시하였다. 실험 1과 2 모두 전형적인 학습 전이단계 패러다임에서 사례들의 유목화와 재인데이타를 수집하였다. 실험 1에서는 Posner와 Keele(1968, 1970)의 기념비적 연구 이후 정의곤란범주 연구에서 대표적으로 사용되는 무선점패턴을 범주사례로 사용하고 범주 크기를 18개까지 늘려 원형추상화의 가능성을 확장시켰다. 원형모형과 본보기모형의 예언력을 대비시킨 결과 범주사례의 유목화와 재인에 원형정보가 사용된다는 증거를 찾을 수가 없었다. 이것은 무선점패턴 범주의 경우에 범주크기가 원형추상화에 별 공헌을 하지 못하는 것으로 해석되었다. 실험 2에서는 의미성이 비교적 크다고 할 수 있는 Reed(1972)의 도식적 얼굴을 범주사례로 사용하였다. 그 결과 의미성있는 사례들을 범주학습하는 경우에는 추상화된 원형정보가 사례들의 유목화와 재인에 상당한 공헌을 한다는 증거를 찾을 수 있었다. 범주의 표상, 사례간의 유사성 측정의 문제, 그리고 유목화/범주화과정에 대한 대안적 모형들이 논의되었다.
Two experiments were conducted to contrast quantitatively the MDS-based exemplar model (GCM) and the prototype abstraction model in predicting classification and old-new recognition performance of ill-defined category instances. Both models employed the typical learning-transfer phase paradigm to collect classification and recognition data. Experiment 1 used random dot patterns as instances and increased the category size. (up to 18 instances/ category) to extend the possibility of prototype abstraction. The MDS-based GCM and Prototype model were fitted to the data. The overall results of model-based theoretical analyses showed no indication of prototype abstraction. The results were interpreted that category size makes no contribution to prototype abstaction in the case of random dot patterns. Experiment 2 used Reed's(1972) schematic faces as category instances that are more meaningful compared to the random dot patterns. The results of theoretical analyses showed that abstracted prototype can contribute to the classification of schematic faces into categories. Category representation, the problem of similarity measurement, and alternative models for classification process were discussed.