5.2 REPRÄSENTATION VON BILDERN – VISUELLER CODE Paivio (1971, ..., 1991): eigenes Imaginales LZG-System imaginales LZG: insbesondere visuelle/räumliche Inputs codiert räumlich-parallel (nicht sequentiell) liefert ganzheitliche, analoge Abbilder Viele Untersuchungen, die Unabhängigkeit von visueller und semantischer Codierungen bestätigen: z.B.: Paivio (1971) Lernen von Listen von Bildern bzw. Listen von Wörtern Bilder von bekannten Objekten werden wahrscheinlich auch benannt. Sollten daher sowohl imaginal als auch verbal verarbeitet werden, was Gedächtnisleistung verbessern sollte. Bestätigt

Richardson (1980) Instruktion, sich Bilder zu Objekten vorzustellen, sollte bei konkreten Begriffen besser funktionieren als bei abstrakten. Bestätigt Auch: Experimente zum Visuellen Vorstellen (nächster Abschnitt) Resumé Paivio und die von ihm initiierte Forschung: Nachweis der Existenz eines separaten imaginalen Gedächtnissystems

Visuelle VORSTELLUNGEN benützen visuo-spatial sketch-pad (Arbeitsgedächtnis) - Baddeley ( Subkapitel “visual imagery” im Kap 3 von E&K ) Experimente von Shepard & Metzler (1971), Shepard (1973) Vpn müssen entscheiden, ob 2-dimensionale Objekte identisch sind, bzw. ob 2-dimensionale Abbildungen von 3-dimensionalen Objekten dasselbe Objekt zeigen. Testabbildungen werden in unterschiedlichen Orientierungen (Verdrehungen) dargeboten.

Generelles Resultat: Je weiter die Testabbildung gegenüber dem Standard verdreht ist, desto länger die Reaktionszeit.

Rotation in Ebene notwenig Rotation imRaum notwenig

Cooper & Shepard (1973)

Kosslyn, Ball & Reiser (1978): Landkartenaufgaben Vpn lernen fiktive Landkarte einer Insel mit mehreren Objekten als Orientierungspunkten Aufgabe: Vp soll sich Karte vorstellen, und auf bestimmtes Objekt fokussieren 5 Sek später: 2. Objekt wird genannt, Vp soll sich einen schwarzen Punkt vorstellen, der vom 1. zum 2. Objekt fliegt. Resultat: Benötigte Zeit ist lineare Funktion der Entfernung. KRITIK: Explizite Instruktion, sich einen sich bewegenden Punkt vorzustellen, könnte das Resultat bewirken stillschweigendes Wissen der Vpn: wenn Strecke länger, braucht der Punkt länger (Pylyshyn, 1979)

Experiment von Finke & Pinker (1982) Bild 1 Bild 2 Vorstellung Bild 1 dargeboten für 5 Sek - Zufallsmuster von Punkten dann weisser Bildschirm für 1 Sek, dann Bild 2 - Pfeil in beliebiger Orientierung irgendwo am Bildschirm Vpn muss entscheiden, ob Pfeil auf einen der Punkte von Bild 1 zeigt oder nicht

Nicht erwähnt: Vp soll Vorstellung bilden Vom Pfeil zum Punkt “fahren” Entferung Resultat: Je grösser Entfernung Pfeilspitze – Punkt, desto länger Reaktionszeit damit kritischer Einwand von Pylyshyn entschärft

Theorie der visuellen Vorstellungen von Kosslyn (1980, 1994, …) komplexere Bilder gespeichert als Bildfiles und Propositionale files

Bildfiles enthalten Koordinaten der Bildpunkte im räumlichen Medium, für ganze Objekte oder Teile von Objekten Skeletal images: Grundform eines Objektes (viele Details fehlen) propositionale Files enthalten Eigenschaften (z.B.: hat Flügel, hat Füsse) sowie Beziehungen zwischen diesen Eigenschaften und zentralem Teil des Objektes (z.B. Körper) VORSTELLUNGSPROZESSE nutzen Bildfiles und propositionale Files, um Vorstellung des Objektes zu generieren Bildfiles und propositionale Files miteinander verknüpft

skeletal image skeletal image mit angefügten Details aus prop files

6 KONZEPTE und KATEGORIEN Konzept, Begriff, Kategorie - Abstraktion Klassen von individuellen Realisationen z.B. Konzept “Hund” umfasst viele einzelne Hunde Konzept “Bello” umfasst viele einzelne Instanzen dieses konkreten Hundes (Zeitpunkte, Blickwinkel, Eigenschaften (z.B. nass), Zustände (hungrig),etc.) Abstrakte Begriffe notwendig für Denk- Lernprozesse Kategorische Klassifikation dient praktisch oft der Vorhersage ( induktive Inferenz von Kategorien ) z.B.: X ist ein Hund - X wird möglicherweise beissen

WIE WERDEN BEGRIFFE (KONZEPTE) REPRÄSENTIERT? (Alle theoretischen Ansätze kompatibel mit Theorie der Propositionalen Netzwerke!) DEFINIERENDE EIGENSCHAFTEN Begriff definiert durch bestimmte Eigenschaften typische Theorie: Collins & Quillian (1969,1970) Bedeutung eines Konzeptes gegeben durch konjunktive (..und..) Liste von Eigenschaften Jede der definierenden Eigenschaften notwendig, alle gemeinsam hinreichend für Klassifikation daraus folgt: Kategoriengrenzen eindeutig daraus folgt: alle Elemente einer Kategorie gleich repräsentativ Sind Begriffe hierarchisch geordnet, hat ein spezieller Begriff alle definierenden Eigenschaften des Oberbegriffes

Beispiele: gerade Zahlen Junggeselle Probleme: Schwierigkeit, definierende Eigenschaften zu identifizieren (Mensch = federloser Zweibeiner) (z.B. kommen bestimmte Eigenschaften nicht bei allen Individuen vor ( “kann fliegen” - Strauss ) Empirisch, z.B. Zugehörigkeit zu bestimmter Klasse ist bei natürlichen Begriffen oft unscharf (typische/untypische Exemplare) Vorhersagen über Hierarchien nicht bestätigt (z.B. können Vpn die erste Frage rascher beantworten als die zweite: 1. Ist ein Huhn ein Tier? - 2. Ist ein Huhn ein Vogel?

Variante: Charakteristische und definierende Eigenschaften typische Theorie: Merkmalsvergleichs-Theorie (Feature-comparison Theory) Konzepte haben charakteristische Eigenschaften (z.B. kann fliegen) und definierende Eigenschaften Zuerst charakteristische Eigenschaften geprüft, wenn keine eindeutige Entscheidung möglich, auch die definierenden. Daher Fragen 1 und 2 rascher beantwortet als 3 1 Ist eine Amsel ein Vogel? 2 Ist eine Tomate ein Vogel? 3 Ist ein Strauss ein Vogel? Probleme - In der Anwendung beschränkt auf Satzverifikation - Wieder: Problem der Definition der definierenden Eigenschaften

zwei generelle Probleme der Theorie der definierenden Eigenschaften / charakteristischen & def. Eigenschaften Typikalität bei natürlichen Stimuli (Rosch, 1973, etc.) manche Instanzen (Exemplare) sind typischere Beispiele für bestimmte Kategorie als andere z.B.: Rotkehlchen typischerer Vogel als Geier Tisch typischer für Möbel als Kirchenbank Elemente einer Kategorie können nach Typikalität geordnet werden: Typikalitätsgradient In Urteilsaufgaben ( Ist eine Amsel ein Vogel? Ist ein Sarg ein Möbel? ) kürzere Reaktionszeiten bei typischeren Exemplaren

unscharfe Kategoriengrenzen bei manchen Kategorien keine eindeutigen Kategoriengrenzen im “Kernbereich” der Kategorie Einigkeit, ebenso bei völlig untypischen Beispielen Im Grenzbereich Unterschiede zwischen Personen, und Unterschiede bei derselben Person zu verschiedenen Zeitpunkten z.B. McCloskey & Glucksberg (1978): Buchstütze ist ein Möbel? “fuzzy” categories - fuzzy logic

PROTOTYPEN - THEORIE Begriffe werden um Prototypen (besonders typische Beschreibung oder Instanzen) organisiert Bei Urteilen über Kategoriezugehörigkeit ist Ähnlichkeit mit Prototyp relevant Verschiedene Arten von Prototypen-Theorien, z.B.: Posner & Keele (1968), Rosch (1978), Estes (1994), Hintzman & Ludlam (1980)

Gemeinsame Annahmen der Prototypen-Theorien Konzepte weisen Prototypen-Struktur auf Ein Prototyp ist entweder eine Menge von charakteristischen Eigenschaften, oder das beste Beispiel (die besten Beispiele) Es gibt keine Menge von notwendigen und hinreichenden definierenden Eigenschaften, welche die Zugehörigkeit zum Konzept determinieren Grenzen von Kategorien sind unscharf (fuzzy) oder unklar Exemplare eines Konzeptes können nach ihrer Typikalität geordnet werden ( Typikalitäts-Gradient ) Kategoriezugehörigkeit wird durch Ähnlichkeit eines Exemplars mit dem Prototyp determiniert.

Empirische Untersuchungen zur Prototypen-Theorie Farbbegriffe Interkulturelle Untersuchungen In verschiedenen Kulturen unterschiedlich viele Farb-Konzepte z.B.: Europäisch-nordamerikanischer Kulturkreis viele (differenzierte) Farbbegriffe, z.B.: lindgrün, magenta, altrosa, etc. Dani (Papuastamm) in Neuguinea: 2 (!) Begriffe (für dunkle und helle Farben)

Berlin & Kay (1969) Analyse von Farbbegriffen verschiedener Sprachen Identifikation der Grundfarbenkonzepte (basic color terms, focal colors) Kriterien: z.B. nur ein Morphem (blau - himmelblau), nicht auf bestimmte Objekte beschränkt (blond) In ca. 20 analysierten Sprachen: 11 basic color terms: schwarz, weiss, rot, grün, gelb, blau, braun, purpur, rosa, orange, und grau.

Mit diesen 11 Grundfarbenkonzepten: Untersuchung von Angehörigen von 20 Sprachgruppen Material: 300 Farbplättchen Fragen an Vpn: 1 Welche Chips ordnet Vp bestimmtem Grundfarbenkonzept zu 2 Welcher Chip ist der beste/typischeste Vertreter für ein bestimmtes Grundfarbenkonzept Resultate Übereinstimmung zwischen Vpn unterschiedlicher Sprachen: in Zuordnung zu Grundfarbenkonzepten in Wahl der typischen Exemplare für Grundfarbenkonzept Unsicherheit der Vpn über Kategoriengrenzen Ergebnis spricht für Annahmen der Protypen-Theorie.

Rosch (=Heider, 1972; 1975) Lernexperimente mit den Danis (2 Farbbegriffe) mit Farbplättchen. Resultate Danis können Grundfarben besser erinnern als Nicht- Grundfarben, Begriffe zu Grundfarben zugeordnet werden schneller gelernt als solche zu Nicht-Grundfarben.

Natürliche und Künstliche Kategorien Grad der Typikalität guter Prädiktor für Reaktionszeiten in Satzverifikationsaufgaben (Ist ein Eichhörnchen ein Vogel?) Typische Exemplare werden bei Auflistung zuerst genannt Familienähnlichkeit (wieviele Merkmale gemeinsam mit anderen Elementen der Kategorie) bei typischen Exemplaren einer Kategorie gross, dagegen klein zu “gegensätzlichen” Kategorien

Oberbegriff-Unterbegriff Hierarchien wieviele Ebenen von Ober- Unterbegriffen werden verwendet? aus mehreren Studien: Menschen scheinen meist drei Abstraktionsebenen zu verwenden (Berlin, 1972,etc.; Brown et al, 1976; Rosch et al, 1976; Atran,1998) Basis-Ebene (z.B. Sessel) Übergeordnete Ebene (z.B. Möbel) Untergeordnete Ebene (z.B. Lehnstuhl) Kategorisierungen meist auf Basis-Ebene z.B. Berlin (1972), verschiedene Indianerkulturen in Mexico Klassifikation von Bäumen als “Buche”, “Birke” nicht als “Nadelbaum” nicht als “Silber-Birke”, “Rot-Buche”

Rosch et al., 1976 Erwachsene benennen Objekte spontan meist auf Basis-Ebene Basis-Ebene üblicherweise von Kindern zuerst gelernt. Objekte auf Basis-Ebene sind ähnlicher in ihrer generellen Form, können mit einem Vorstellungsbild repräsentiert werden. Konzepte auf Basis-Ebene werden mit ähnlichen motorischen Handlungen benutzt (z.B. Hinsetzen). Objekte auf Basis-Ebene werden rascher erkannt als solche höherer bzw. tieferer Ebene. Basis-Ebene ist zugleich informativ und sparsam Basis-Ebene kann wechseln mit Expertise und Kultur

Probleme der Prototypen-Theorie Nicht alle Konzepte haben Charakter von Prototypen, z.B. häufig abstrakte Konzepte (z.B.: Bruttonationalprodukt) Prototypen-Theorie basiert auf Eigenschaften Dagegen verwenden Menschen auch Relationen zwischen Eigenschaften (z.B. Kausalbeziehungen) zur Kategorisierung. Haben auch Hypothesen über diagnostische Relevanz eines Merkmales (z.B. Farbe eines Vogels vs. Körpergewicht eines Menschen) Generell: welche Eigenschaften herangezogen und warum? Wissen ist für Konzepte wichtig

In manchen Experimenten keine Kovariation von Typikalität und Kategorieurteil (Typikalität auch bei Konzepten mit definierenden Eigenschaften [z.B. gerade Zahlen]) Prototypen-Theorie lässt offen, warum bestimmte Elemente in eine natürliche Kategorie zusammengefasst werden (warum natürliche Kategorien für Vögel und Fische, aber nicht für Gruppe, die Wasservögel und Fische umfasst)

EXEMPLAR - THEORIE (Kruschke, Nosofsky) Begriffe als Mengen von gespeicherten Instanzen (Exemplaren) einer Kategorie ( z.B.: alle Eichhörnchen, mit denen Person Erfahrung hat ) bei Aufgaben mit Kategorien: Abruf von Exemplaren

Instanzen werden nach Ähnlichkeit gruppiert Zentrale Annahmen: Kategorien sind Mengen von Instanzen (Exemplaren), nicht Abstraktionen dieser Instanzen Instanzen werden nach Ähnlichkeit gruppiert Bei Aufgaben, wo Kategoriesierung relevant: Abruf von Instanzen aufgrund von cues (Hinweisreizen) Wenn keine vollständige Übereinstimmung (z.B. zwischen abgerufener Instanz und zu kategorisierendem Element), Abruf des ähnlichsten Beispieles

Empirie: viele Resultate, welche Prototypen-Theorie stützen, stützen auch Exemplar-Theorie (z.B. Typikalitätseffekte [Voraussetzung: typischere Instanzen häufiger gespeichert]) Resultate, welche Exemplartheorie erklären kann, aber nicht Prototypentheorie (z.B. Variabilität der Instanzen - von Exemplartheorie berücksichtigt, von Prototypentheorie nicht)

Probleme: Bei Aufgaben mit Oberbegriffszuordnung (alle Vögel sind Tiere) scheinen Menschen keine spezifischen Instanzen zu verwenden. In manchen Experimenten keine Kovariation von Typikalität und Kategorieurteil (Typikalität bei Konzepten mit definierenden Eigenschaften] Menschen können mit ad-hoc Kategorien gut umgehen (z.B. Dinge, die man einer Kollegin zum Geburtstag schenken kann) (spricht auch gegen Prototypen-Theoire) generell (auch für Prototypentheorien): welche Merkmale relevant für Ähnlichkeitsurteil?

EXPLANATION-BASED THEORY of CONCEPTS Murphy & Medin (1985), Osherson & Smith (1981) Zentrale Kritik an anderen Ansätzen: woher weiss ich, welche Eigenschaften relevant, welche nicht? Ähnlichkeit nicht ausreichend ad hoc Kategorien (Dinge, die auf Flohmarkt verkaufbar) Ähnlichkeit hängt ab vom Auflösungsgrad (Supernova - Studentin) Murphy & Medin (1985): Beispiel aus Bibel: reine - unreine Tier rein, z.B.: Gazelle, Frosch, Heuschrecken, die meisten Fische unrein, z.B.: Kamel, Strauss, Krokodil, Maus, Hai, Aal Unterscheidung basiert auf “Theorie” über Zusammenhang von Lebensraum, biologische Struktur, Bewegungsart: Wassertier: Flossen, Schuppen, schwimmende Fortbewegung Landtier: 4 Beine

lt. Murphy & Medin: subjektive “Theorie” (mentale Erklärungen) bestimmen Auswahl der relevanten Eigenschaften d.h.: Wissen spielt bei Kategorisierung grosse Rolle zentrale Annahmen Konzepte können Eigenschaften (Attribute) haben Haben aber auch kausale und funktionale Verknüpfungen zwischen Eigenschaften. Diese bilden erklärende Verbindungen zwischen Eigenschaften (z.B.: Flügel, Federn, leichte Knochen ermöglichen das Fliegen) Konzepte nicht notwendigerweise als statische Wissenseinheiten im LZG gespeichert, sondern können dynamisch im Arbeitsgedächtnis konstruiert werden (Dabei Benutzung von: Merkmalsdefinitionen und anderes Hintergrundwissen) daher: Bildung von ad-hoc Kategorien möglich

Konzept-Kohärenz und Natürlichkeit von Konzepten ergeben sich aus dem zugrundeliegenden theoretischen Wissen, nicht alleine aus Ähnlichkeit ( Kohärenz - Zusammenhang von Attributen z.B.: Flügel, Federn, leichte Knochen aber nicht: Flügel, braun, leichte Knochen ) Kontexeffekte (z.B. Salienz von Merkmalen) ergeben sich aus Art und Weise, wie Konzept aus Hintergrundwissen im Arbeitsgedächtnis konstruiert wird. z.B. Welche Eigenschaften von Klavier relevant? Kontext Tragen  Gewicht Kontext Musik  typischer Ton, Stimmumfang,…

Beispiele für Empirische Untersuchungen Rips (1989) Dissoziation zwischen Ähnlichkeits-Urteilen und Kategoriesierung Vpn wurde Objekt mit Durchmesser 5 inches (ca. 12.5 cm) vorgegeben (in Vorversuchen: Objektgrösse mittig zwischen kleiner Pizza und grosser Münze) UV: Kategoriesierung oder Urteil Kategorisierungsgruppe: Objekt musste als Pizza oder Münze kategorisiert werden Urteilsgruppe: Ähnlichkeit des Objekt mit Pizza bzw. Münze zu beurteilen

Urteilsgruppe: Ähnlichkeit des Objekt mit Münze grösser Vorhersage: Wenn Kategorisierungsurteil nur auf Ähnlichkeit basiert, dann: kein Unterschied zwischen beiden Gruppen Resultat: Kategorisierungsgruppe: Objekt überwiegend als Pizza kategorisiert Urteilsgruppe: Ähnlichkeit des Objekt mit Münze grösser Erklärung: Wissen über Variabilität der Grössen von Münzen und von Pizzas: Grösse von Münzen durch Gesetz geregelt Grösse von Pizzas variabel - daher kann Ähnlichkeit mit Münze leichter beurteilt werden als Ähnlichkeit mit Pizza

Gelman & Markman (1986): kategorisieren schon kleine Kinder nach Erklärungstheorie oder nach perzeptueller Ähnlichkeit? Testen, wie 4-jährige Kinder natürliche Objekte gruppieren Präsentation: Bilder von 2 Objekten + Benennung und Faktenwissen für beide Objekte dann: 3. Objekt: Kind muss entscheiden, welches Faktenwissen auf das 3. Objekt zutrifft z.B.: bestimmter tropischer Fisch (atmet unter Wasser) Delphin (streckt sich aus dem Wasser zum atmen) Hai : ? Flamingo (füttert seinen Babies Brei) Fledermaus (füttert ihren Babies Milch) Amsel: füttert ihren Babies was ?

Drei natürliche Objekte aus zwei Kategorien aus Gelman & Markman (1986)

jeweils: Objekte waren einander ähnlich, die zu verschiedenen Konzepten gehören Resultat: Mehrheit der 4-jährigen Kinder entscheidet gegen Ähnlichkeit.

EXPLANATION-BASED THEORY + Kann viele Fragen im Zusammenhang mit Begriffsbildung klären (z.B. welche Eigenschaften wann relevant) - Erwerb des Vorwissens nicht klar ( hier vielleicht doch Ähnlichkeit relevant?) noch zu leisten: Ausformulierung des Ansatzes zur Integration z.B. von empirischen Resultaten der Prototypentheorie .

KONZEPT – LERNEN typische Experimente: Kategoriezugehörigkeit durch Regel bestimmt

Klassisches Experiment von Bruner, Goodnow & Austin (1956) 81 Stimuli variierend auf 4 Dimensionen: Zahl der Objekte: 1, 2, 3 Zahl der Grenzlinien: 1, 2, 3 Form des Objektes: Kreuz, Kreis, Quadrat Farbe: grün, schwarz, rot

Experimentator definiert Kategorie. (z. B Experimentator definiert Kategorie (z.B. alle Stimuli mit grünem Quadrat = Kategorie A alle anderen Stimuli = Kategorie B) Vp muss Konzept herausfinden Einfache - komplexe Regeln alle grünen Objekte alle grünen Quadrate ausser doppelte Quadrate und doppelte Umrandung

verschiedene experimentelle Prozeduren: Vl gibt Menge von Stimuli vor Vp darf Stimuli zum Testen auswählen, etc. Vorgehen heute üblicherweise: pro Trial (Durchgang): Vl gibt Stimulus vor Vp reagiert (gehört zur Kategorie oder nicht) Vl informiert Vp, ob Stimulus zur Kategorie gehört oder nicht (Feedback)

Bei künstlichen Stimuli: Annahme gut bestätigt, dass Vpn Regeln lernen Problem: alltägliche Stimuli im Experiment weiss Vp, dass sie Kategorien lernen soll (daher Konzentration auf diagnostische Merkmale) Kategorisierung von alltäglichen Stimuli häufig mit Wissen verbunden auch: gelegentlich abstrakte Definition: ein x ist:….