三元主题关系中环性与线性结构的分离
发布时间:2021-07-14 03:25
在日常生活中,人们有意无意地习得各种社会性关系。在后天的反复经验和本民族文化长期的熏陶下,很多固定的社会性关系模式以结构图式的形式储存在长时记忆中。其中,三个行动者之间形成的三元组关系(tradic relations)是最简单、最重要、最本质的微观社会结构。探讨三元组关系的认知加工机制,可能对家庭结构和宏观社会结构具有一定的理论和现实意义。大量研究发现,中西文化中的社会结构具有一定的差异,中国文化在三元组主题关系加工中,相比于西方的线性结构(linear structure),更倾向于环性结构(cycle structure)。比如“唐僧管悟空”,“悟空打妖怪”,而“妖怪抓唐僧”。即中国人在对三元客体间关系进行判断时,常常倾向于A→B,B→C,C→A的环性传递结构特点。而不是像西方文化背景下的A→C的线性传递结构。本研究通过行为研究和ERP技术,采用Chwilla和Kolk(2005)双重词汇判断任务的启动范式,从行为表现和生理机制两个方面,探究环性结构与线性结构的加工分离效应,可能揭示社会结构图式加工的文化差异问题。研究一:400ms呈现时间时,探讨环性结构、线性结构、环性无关和线...
【文章来源】:闽南师范大学福建省
【文章页数】:146 页
【学位级别】:硕士
【部分图文】:
结构一致映射示意图(Halford,Wilson,&Phillips,2010)
图 2c 所示(Halford et al., 1998)。关系符号通过输入向量的外积(outer products)形成的数组/张量(array /tensor)而绑定到元素。张量内部单元的激活是在工作记忆中动态形成的,它是输入单元激活的直接结果。关系符号 loves 和参数角色lover(John)与 loved(Sally)对应于数组的不同轴。这与谓词演算表达式(predicatecalculus expressions)中的关系表征自然对应,如 loves(John, Sally)、自然语言中的关系表征“(John loves Sally”)以及 Oberauer(2009)提出工作记忆模型的结构表征。关系实例可以通过叠加来积累,从而能够识别它们之间的共性,图 3(e-f)是两种关系叠加在同一表示法上。通达性(accessibility)是由点积运算(dot productoperator)实现的,并且吞吐量(throughput)是多向的,所以输入的任何两个向量使用点积运算都会产生第三个向量,即两个向量的数量积等于它们对应坐标的乘积的和(Halford et al., 1998)。在 STAR 模型中最初可以学习包含多达四个相关元素的关系实例(图 3e-3f),而在 DORA 中,最初只学习单个位置的实例。
第 1 章 文献综述cture mapping)来进行特征比较,揭示了不同概(Markman & Gentner, 2000)。要通过增加相似性、减少差异性,将有着共同客体感知特征之间的相似性或差异性。主题关共同主题,进而增加了互补性客体间的共同性s, 2009)。所以说二者的深层认知机制存在着本“老鼠”分为一类时,分类学关系的判断倾向因为猫和老鼠都有四条腿、一条尾巴和毛发等鼠在“捕食”这个主题上扮演着“吃”和“被关系和主题关系间也存在一定交集。主题关系系的具体关系见下图 3。
本文编号:3283311
【文章来源】:闽南师范大学福建省
【文章页数】:146 页
【学位级别】:硕士
【部分图文】:
结构一致映射示意图(Halford,Wilson,&Phillips,2010)
图 2c 所示(Halford et al., 1998)。关系符号通过输入向量的外积(outer products)形成的数组/张量(array /tensor)而绑定到元素。张量内部单元的激活是在工作记忆中动态形成的,它是输入单元激活的直接结果。关系符号 loves 和参数角色lover(John)与 loved(Sally)对应于数组的不同轴。这与谓词演算表达式(predicatecalculus expressions)中的关系表征自然对应,如 loves(John, Sally)、自然语言中的关系表征“(John loves Sally”)以及 Oberauer(2009)提出工作记忆模型的结构表征。关系实例可以通过叠加来积累,从而能够识别它们之间的共性,图 3(e-f)是两种关系叠加在同一表示法上。通达性(accessibility)是由点积运算(dot productoperator)实现的,并且吞吐量(throughput)是多向的,所以输入的任何两个向量使用点积运算都会产生第三个向量,即两个向量的数量积等于它们对应坐标的乘积的和(Halford et al., 1998)。在 STAR 模型中最初可以学习包含多达四个相关元素的关系实例(图 3e-3f),而在 DORA 中,最初只学习单个位置的实例。
第 1 章 文献综述cture mapping)来进行特征比较,揭示了不同概(Markman & Gentner, 2000)。要通过增加相似性、减少差异性,将有着共同客体感知特征之间的相似性或差异性。主题关共同主题,进而增加了互补性客体间的共同性s, 2009)。所以说二者的深层认知机制存在着本“老鼠”分为一类时,分类学关系的判断倾向因为猫和老鼠都有四条腿、一条尾巴和毛发等鼠在“捕食”这个主题上扮演着“吃”和“被关系和主题关系间也存在一定交集。主题关系系的具体关系见下图 3。
本文编号:3283311
本文链接:https://www.wllwen.com/shekelunwen/xinlixingwei/3283311.html