sınıflandırma - Categorization

Kategorileştirme , dünya deneyiminin öğeleri ( nesneler , olaylar veya fikirler gibi ) arasındaki ortak özellikleri veya benzerlikleri tanıma, deneyimi daha soyut bir grupla (yani, kategori, sınıf veya tip), özelliklerine, özelliklerine, benzerliklerine veya diğer kriterlere göre. Sınıflandırma, en temel bilişsel yeteneklerden biri olarak kabul edilir ve bu nedenle özellikle psikoloji ve bilişsel dilbilim tarafından incelenir .

Sınıflandırma bazen sınıflandırma ile eşanlamlı olarak kabul edilir (bkz., Sınıflandırma eşanlamlıları ). Sınıflandırma ve sınıflandırma, insanların etraflarında var olan şeyleri, nesneleri ve fikirleri organize etmelerine ve dünyayı anlamalarını basitleştirmelerine olanak tanır. Kategorizasyon, insanların ve diğer organizmaların yaptığı bir şeydir: "Doğru şeyi doğru türde şeyle yapmak." Şeyleri kategorize etme etkinliği sözsüz veya sözlü olabilir. İnsanlar için hem somut nesneler hem de soyut fikirler kategorizasyon yoluyla tanınır, farklılaştırılır ve anlaşılır. Nesneler genellikle bazı uyarlanabilir veya pragmatik amaçlar için kategorilere ayrılır.

Sınıflandırma edilir topraklı üye olmayanlar gelen kategorinin üyelerini ayırt özellikleri. Sınıflandırma, öğrenmede, tahminde, çıkarımda , karar vermede , dilde ve organizmaların çevreleriyle etkileşiminin birçok biçiminde önemlidir .

Kategorizasyona genel bakış

Kategoriler , bilişsel sistem tarafından eşdeğer kabul edilen somut veya soyut örneklerin (kategori üyeleri) ayrı koleksiyonlarıdır. Kategori bilgisini kullanmak, kişinin kategori üyelerinin temel özelliklerini tanımlayan zihinsel temsillere erişmesini gerektirir (bilişsel psikologlar bu kategoriye özgü zihinsel temsillere kavram olarak atıfta bulunurlar ).

Kategorileştirme teorisyenlerine göre, nesnelerin sınıflandırılması genellikle üç hiyerarşik soyutlama düzeyine sahip taksonomiler kullanılarak düşünülür . Örneğin, bir bitki basitçe çiçek olarak etiketlenerek yüksek düzeyde bir soyutlamada, çiçeğin bir gül olduğunu belirterek orta düzeyde bir soyutlama düzeyinde veya bu özel gülü bir köpek olarak daha fazla belirterek düşük düzeyde bir soyutlama düzeyinde tanımlanabilir. Gül. Bir taksonomideki kategoriler, en yüksek soyutlama seviyesi en kapsayıcı ve en düşük soyutlama seviyesi en az kapsayıcı olacak şekilde, sınıf dahil etme yoluyla birbirleriyle ilişkilidir. Üç soyutlama seviyesi aşağıdaki gibidir:

  • Üst düzey (örneğin Çiçek) - En yüksek ve en kapsamlı soyutlama düzeyi. En yüksek genellik derecesini ve en düşük kategori içi benzerlik derecesini sergiler.
  • Temel Düzey (örn. Rose) - Orta soyutlama düzeyi. Rosch ve meslektaşları (1976), temel seviyenin bilişsel olarak en verimli olduğunu öne sürerler. Temel düzey kategoriler, yüksek kategori içi benzerlikler ve kategoriler arası yüksek farklılıklar gösterir . Ayrıca, temel düzey, kategori örneklerinin genelleştirilmiş tanımlanabilir bir şekli paylaştığı en kapsayıcı düzeydir. Yetişkinler çoğunlukla temel düzey nesne adlarını kullanır ve çocuklar önce temel nesne adlarını öğrenir.
  • Alt düzey (ör. Dog Rose) - En düşük soyutlama düzeyi. En yüksek düzeyde özgüllük ve yüksek düzeyde kategori içi benzerlik sergiler.

sınıflandırma teorileri

Klasik görünüm

Kategorizasyonunu klasik teorisi , kullanılan bir terimdir bilişsel dilbilim sınıflandırma yaklaşımını göstermek için bu Plato ve Aristo içinde görünür ve özellikle felsefe, dilbilim ve psikoloji, son derece etkili ve Batı kültüründe hakim olmuştur. Klasik kategori görüşü üç varsayımda özetlenebilir: bir kategori , üyesinin sahip olması gereken gerekli ve yeterli özelliklerin bir listesi olarak tanımlanabilir ; kategoriler ayrıdır, açıkça tanımlanmış sınırları vardır (bir öğe birine aittir ya da değildir, aralarında hiçbir olasılık yoktur); bir kategorinin tüm üyeleri aynı statüye sahiptir (yani, kategorinin diğerlerinden daha fazla ait olan daha iyi üyeleri yoktur). Klasik görüşte, kategorilerin açıkça tanımlanması, birbirini dışlayan ve toplu olarak kapsamlı olması gerekir; bu şekilde, verilen sınıflandırma evrenindeki herhangi bir varlık, kesinlikle önerilen kategorilerden birine ve yalnızca birine aittir.

Klasik kategori görüşü, ilk olarak, Devlet Adamı diyaloğunda nesneleri benzer özelliklerine göre gruplandırma yaklaşımını ortaya koyan Platon'un çalışmasında Batı Felsefesi bağlamında ortaya çıktı . Bu yaklaşım, Aristoteles tarafından sınıflar ve nesneler arasındaki farkları analiz ettiği Kategoriler incelemesinde daha fazla araştırıldı ve sistemleştirildi . Aristoteles, canlıların sınıflandırılmasına yönelik yaklaşımında da yoğun bir şekilde klasik sınıflandırma şemasını uygulamıştır ("Hayvan mı yoksa bitki mi?", "Kaç ayağı var?" gibi ardışık daraltıcı soruları uygulama tekniğini kullanır. Kürkü veya tüyleri var mı?", "Uçabilir mi?"...), bu şekilde doğal taksonominin temelini oluşturur .

Klasik kategori görüşünün kullanımına ilişkin örnekler Descartes , Blaise Pascal , Spinoza ve John Locke'un batı felsefi eserlerinde ve 20. yüzyılda Bertrand Russell , GE Moore , mantıksal pozitivistlerde bulunabilir . 1990'larda Frank Cameron Jackson ve Christopher Peacocke tarafından önerilen daha yeni formülasyonlarla, analitik felsefenin ve onun kavramsal analizinin temel taşı olmuştur .

Klasik kategorizasyon modeli, en azından 1960'lardan beri, yapısal anlambilim paradigmasının dilbilimcilerinden, 1963'te Jerrold Katz ve Jerry Fodor tarafından kullanılmıştır ve bu model, Allan M. Collins ve M. Ross Quillian gibi psikologlar tarafından da benimsenmesini etkilemiştir. .

Klasik sınıflandırma teorisinin modern versiyonları, üyeleri üye olmayanlardan ayıran özellikleri tespit ederek beynin kategorileri nasıl öğrendiğini ve temsil ettiğini inceler .

prototip teorisi

Psikolog Eleanor Rosch ve meslektaşları tarafından 1973'ten beri yapılan öncü araştırma , prototip teorisini tanıttı; buna göre sınıflandırma, aynı zamanda prototiplere dayalı şeyleri gruplama süreci olarak da görülebilir . Bu yaklaşım, özellikle bilişsel dilbilim için oldukça etkili olmuştur . Bu önceki görüşlere dayalı kısmen oldu dayalı bir kategori modelinin formülasyonu özellikle aile benzerliği ile Wittgenstein (1953), ve tarafından Roger Brown 'ın nasıl bir şey denecek? (1958).

Prototip teorisi daha sonra George Lakoff gibi bilişsel dilbilimciler tarafından benimsendi . Prototip teorisi, aday kategori üyelerinin benzerliğini değerlendirmek için saklanan bir kategori temsilinin kullanıldığı, kategorileştirmeye yönelik benzerliğe dayalı bir yaklaşımın bir örneğidir. Prototip teorisi altında, bu saklanan gösterim, kategori üyelerinin özet temsilinden oluşur. Bu prototip uyarıcı çeşitli biçimler alabilir. Bu, kategorinin ortalama üyesini temsil eden merkezi bir eğilim, en sık görülen örneği temsil eden modal bir uyaran veya en yaygın kategori özelliklerinden oluşan bir uyaran veya son olarak "ideal" kategori üyesi veya konuyu vurgulayan bir karikatür olabilir. Kategorinin belirgin özellikleri. Bu prototip temsilinin önemli bir hususu, kategorinin dünyadaki gerçek bir örneğinin varlığını mutlaka yansıtmamasıdır. Ayrıca, prototipler bağlama oldukça duyarlıdır. Örneğin, bir kişinin içecek kategorisi için prototipi soda veya seltzer olabilirken, brunch bağlamı onları prototipik bir içecek olarak mimoza seçmeye yönlendirebilir.

Prototip teorisi, belirli bir kategorinin üyelerinin bir aile benzerliğini paylaştığını ve kategorilerin tipik özellikler kümeleri tarafından tanımlandığını iddia eder (tüm üyelerin gerekli ve yeterli özelliklere sahip olmasının aksine).

örnek teori

Kategorileştirmeye yönelik benzerliğe dayalı yaklaşımın bir başka örneği olan örnek teori, benzer şekilde aday kategori üyelerinin benzerliğini depolanmış bellek temsilleriyle karşılaştırır. Örnek teorisi altında, bir kategorinin bilinen tüm örnekleri, örnek olarak bellekte saklanır. Tanıdık olmayan bir varlığın kategori üyeliğini değerlendirirken, potansiyel olarak ilgili kategorilerden örnekler bellekten alınır ve varlığın bu örneklere benzerliği toplanır ve bir sınıflandırma kararı formüle edilir. Medin ve Schaffer'ın (1978) Bağlam modeli , bir varlığın ilgili örneklerle benzerliklerini toplamak yerine, varlığın ilgili örneklere olan yakınlığını yansıtan ağırlıklı benzerlikler sağlamak için bunları çoğaltan en yakın komşu yaklaşımını kullanır . Bu, kategorizasyon kararlarını, kategorize edilecek varlığa en çok benzeyen örneklere karşı etkili bir şekilde önyargılı hale getirir.

kavramsal kümeleme

Kavramsal kümeleme , 1980 yılında Ryszard S. Michalski tarafından tanımlanan denetimsiz sınıflandırma için bir makine öğrenimi paradigmasıdır . Klasik kategorileştirme yaklaşımının modern bir varyasyonudur ve bilginin nasıl temsil edildiğini açıklama girişimlerinden kaynaklanır. Bu yaklaşımda, sınıflar (kümeler veya varlıklar), önce kavramsal tanımları formüle edilerek ve ardından varlıklar açıklamalara göre sınıflandırılarak oluşturulur.

Kavramsal kümeleme, esas olarak 1980'lerde, denetimsiz öğrenme için bir makine paradigması olarak geliştirildi . Oluşturulan her kategori için bir kavram tanımı üreterek sıradan veri kümelemesinden ayırt edilir .

Kavramsal kümeleme, nesnelerin değişen uygunluk derecelerinde bir veya daha fazla gruba ait olabileceği bulanık küme teorisi ile yakından ilişkilidir . Bir bilişsel yaklaşım doğal kategoriler (onlar olma eğilimindedirler sınıflandırılır olduğunu kabul bulanık onların kurucu üyelerinin statüsünde ve tutarsız kendi sınırlarında). Gerekli ve yeterli koşullar fikri, doğal olarak meydana gelen şeyler kategorilerinde neredeyse hiçbir zaman karşılanmaz.

Kategori öğrenme

Kategori öğreniminin kapsamlı bir tartışması bu makalenin kapsamı dışında olsa da, kategori öğrenimine ve bununla ilişkili teorilere kısa bir genel bakış, resmi kategorizasyon modellerini anlamada yararlıdır.

Kategorizasyon araştırması, kategorilerin nasıl korunduğunu ve kullanıldığını araştırıyorsa, kategori öğrenme alanı, kategorilerin nasıl elde edildiğini ilk etapta anlamaya çalışır. Bunu başarmak için, araştırmacılar, katılımcıların uyaranlara tamamen yabancı olmalarını sağlamak için genellikle yeni rastgele nesne kategorileri (örneğin, nokta matrisleri) kullanır. Kategori öğrenme araştırmacıları genellikle iki farklı kategori öğrenme biçimine odaklanmışlardır. Sınıflandırma öğrenimi, katılımcılara, sağlanan özelliklere dayalı olarak bir uyarıcı için kategori etiketlerini tahmin etme görevi verir. Sınıflandırma öğrenimi, kategoriler arası bilgileri ve kategorilerin tanılama özelliklerini öğrenmeye odaklanır. Buna karşılık, çıkarımla öğrenme , katılımcıları, sağlanan bir kategori etiketine ve/veya diğer kategori özelliklerinin varlığına dayalı olarak bir kategori özelliğinin varlığı/değeri hakkında çıkarsama yapmakla görevlendirir. Çıkarımsal öğrenme, kategori içi bilgileri ve kategorinin prototip özelliklerini öğrenmeye odaklanır.

Kategori öğrenme görevleri genel olarak denetimli ve denetimsiz öğrenme olmak üzere iki kategoriye ayrılabilir. Denetimli öğrenme görevleri, öğrencilere kategori etiketleri sağlar. Öğrenciler daha sonra uyaranları uygun kategoriye sınıflandırmak için etiketlenmiş örnek kategorilerden çıkarılan bilgileri kullanırlar; bu kategori etiketleriyle gözlenen nesne özellikleriyle ilgili bir kuralın veya kavramın soyutlanmasını içerebilir . Denetimsiz öğrenme görevleri, öğrencilere kategori etiketleri sağlamaz. Bu nedenle, öğrenenler bir veri setindeki doğal yapıları tanımalı ve uyarıcıları benzerliğe göre sınıflara ayırmalıdır. Denetimsiz öğrenme bu nedenle bir sınıflandırma yapısı oluşturma sürecidir. Kategori öğrenimini incelemek için kullanılan görevler çeşitli biçimler alır:

  • Kural tabanlı görevler , katılımcıların açık akıl yürütme süreçleri aracılığıyla öğrenebilecekleri kategoriler sunar. Bu tür görevlerde, uyaranların sınıflandırılması, edinilmiş bir kural kullanılarak gerçekleştirilir (yani, uyaran x boyutunda büyükse, A yanıtını verin).
  • Bilgi-bütünleştirme görevleri , öğrencilerin kategorizasyon kararları vermeden önce birden çok uyaran boyutundan algısal bilgiyi sentezlemelerini gerektirir. Kural tabanlı görevlerden farklı olarak, bilgi bütünleştirme görevleri, kolayca ifade edilebilen kurallar sağlamazlar. Bir röntgen okumak ve bir tümörün mevcut olup olmadığını belirlemeye çalışmak, bir bilgi entegrasyon görevinin gerçek dünyadaki bir örneği olarak düşünülebilir.
  • Prototip çarpıtma görevleri , öğrencilerin bir kategori için bir prototip oluşturmasını gerektirir. Daha sonra, prototipin, öğrencilerin kategoriye ait ya da değil olarak sınıflandırması gereken özellikleri rasgele manipüle edilerek kategori için aday örnekler üretilir.

Kategori öğrenme teorileri

Kategori öğrenme araştırmacıları, insanların kategorileri nasıl öğrendiğine dair çeşitli teoriler önermiştir. Kategori öğrenmenin hakim teorileri arasında prototip teorisi, örnek teori ve karara bağlı teori bulunur.

Prototip teorisi, bir kategoriyi öğrenmek için kategorinin prototipini öğrenmek gerektiğini öne sürer. Yeni uyaranların sonraki kategorizasyonu daha sonra en benzer prototipe sahip kategori seçilerek gerçekleştirilir.

Örnek teorisi, bir kategoriyi öğrenmek için, o kategoriye ait örnekler hakkında bilgi sahibi olmak gerektiğini öne sürer. Yeni bir uyaranın sonraki kategorizasyonu, daha sonra, potansiyel olarak ilgili kategorilerin bilinen örneklerine olan benzerliğini hesaplayarak ve en benzer örnekleri içeren kategoriyi seçerek gerçekleştirilir.

Karara bağlı teori, bir kategoriyi öğrenmek için, kişinin ya belirli tepkilerle ilişkili bir uyaran uzayının bölgelerini ya da bu tepki bölgelerini bölen sınırları (karar sınırları) öğrenmesi gerektiğini öne sürer. Yeni bir uyaranın kategorizasyonu daha sonra içinde bulunduğu tepki bölgesi belirlenerek gerçekleştirilir.

Resmi sınıflandırma modelleri

İnsanların kategori bilgisini nasıl temsil ettiği ve kullandığına ilişkin teorileri test etmek için hesaplamalı kategorizasyon modelleri geliştirilmiştir. Bunu başarmak için, sınıflandırma modelleri, model tarafından sağlanan tahminlerin insan performansıyla ne kadar iyi örtüştüğünü görmek için deneysel verilere uygun olabilir. Modelin verileri açıklamadaki başarısına dayanarak, teorisyenler teorilerinin doğruluğu ve teorilerinin insan kategorisi temsilleriyle ilgisi hakkında sonuçlar çıkarabilirler.

İnsanların kategori bilgisini nasıl temsil ettiğini ve kullandığını etkili bir şekilde yakalamak için, kategorizasyon modelleri genellikle aynı üç temel varsayımın varyasyonları altında çalışır. İlk olarak, model, uyaranın içsel temsili hakkında bir tür varsayımda bulunmalıdır (örneğin, bir uyaranın algısını çok boyutlu bir uzayda bir nokta olarak temsil etmek). İkinci olarak, model, bir yanıt formüle etmek için erişilmesi gereken belirli bilgiler hakkında bir varsayımda bulunmalıdır (örneğin, örnek modeller, her kategori için mevcut tüm örneklerin toplanmasını gerektirir). Üçüncüsü, model, mevcut bilgiler göz önüne alındığında bir yanıtın nasıl seçildiği hakkında bir varsayımda bulunmalıdır.

Tüm kategorizasyon modelleri bu üç varsayımı yapsa da, bir girdiyi temsil etme ve bir yanıt temsiline dönüştürme biçimleriyle kendilerini ayırt ederler. Çeşitli kategorizasyon modellerinin içsel bilgi yapıları, bu dönüşümleri gerçekleştirmek için kullandıkları özel temsil(ler)i yansıtır. Modeller tarafından kullanılan tipik temsiller, örnekleri, prototipleri ve kuralları içerir.

  • Örnek modeller, tüm farklı uyaran örneklerini ilgili kategori etiketleriyle birlikte bellekte saklar. Sonraki uyaranların sınıflandırılması, uyaranın bilinen tüm örneklere toplu benzerliği ile belirlenir.
  • Prototip modeller , bir kategorideki tüm örneklerin özet temsilini saklar. Sonraki uyaranların sınıflandırılması, prototipi uyarana en çok benzeyen kategori seçilerek belirlenir.
  • Kural tabanlı modeller , kategori üyeliği için gerekli ve yeterli özelliklerin özet listelerini depolayarak kategorileri tanımlar. Sınır modelleri, içeriklerine göre kategori tanımlamadıkları için atipik kural modelleri olarak kabul edilebilir. Bunun yerine, sınır modelleri, daha sonra bir uyarıcının nasıl kategorize edildiğinin belirleyicileri olarak hizmet eden kategoriler arasındaki kenarları (sınırları) tanımlar.

Kategorizasyon modellerine örnekler

Prototip modeller

Ağırlıklı Özellikler Prototip Modeli Prototip modelin erken bir örneği 1970'lerin başında Reed tarafından üretildi. Reed (1972), katılımcıların yüzleri iki kategoriden birine ayırmasını gerektiren bir sınıflandırma görevinden elde edilen verileri açıklamaya ilişkin 18 modelin performansını karşılaştırmak için bir dizi deney gerçekleştirdi. Sonuçlar, hakim modelin, ortalama mesafe modelleri ailesine ait olan ağırlıklı öznitelik prototip modeli olduğunu gösterdi. Bununla birlikte, geleneksel ortalama mesafe modellerinden farklı olarak, bu model, iki kategorinin en ayırt edici özelliklerini farklı şekilde ağırlıklandırdı. Bu modelin performansı göz önüne alındığında, Reed (1972), yüz sınıflandırma görevi sırasında kullanılan strateji katılımcılarının, iki yüz kategorisinin her biri için prototip temsilleri oluşturmak ve test modellerini en benzer prototiple ilişkili kategoride sınıflandırmak olduğu sonucuna varmıştır. Ayrıca, sonuçlar benzerliğin her bir kategori tarafından en çok ayırt edici özellik tarafından belirlendiğini göstermiştir.

Örnek modeller

Genelleştirilmiş Bağlam Modeli Medin ve Schaffer'ın (1978) bağlam modeli , 1980'lerin ortalarında Nosofsky (1986) tarafından genişletildi ve bunun sonucunda Genelleştirilmiş Bağlam Modeli (GCM) üretildi. GCM, uyaran örneklerini, her bir örnekle ilişkili özelliklerin kapsamlı kombinasyonları olarak depolayan örnek bir modeldir. Model, bu kombinasyonları depolayarak, her örneğin özellikleri için, o özelliğin birlikte meydana geldiği diğer tüm özellikler tarafından tanımlanan bağlamlar oluşturur. GCM, bir örnek ve bir uyarıcının benzerliğini iki adımda hesaplar. İlk olarak, GCM , örnek ve uyarıcı arasındaki psikolojik mesafeyi hesaplar . Bu, örnek ve uyarıcı arasındaki boyutsal farkın mutlak değerlerinin toplanmasıyla gerçekleştirilir. Örneğin, örneğin X boyutunda 18 değerine sahip olduğunu ve X boyutunda uyarıcının 42 değerine sahip olduğunu varsayalım; sonuçta ortaya çıkan boyut farkı 24 olacaktır. Psikolojik mesafe değerlendirildikten sonra, üstel bir azalma işlevi , örneğin ve uyarıcının benzerliğini belirler, burada 0 mesafesi 1 benzerliği ile sonuçlanır (mesafe arttıkça katlanarak azalmaya başlar) . Daha sonra, uyaranın her kategorinin örneklerine benzerliği değerlendirilerek kategorik tepkiler oluşturulur; burada her bir örnek, örneğin uyarıcıya benzerliğine ve örneğin uyarıcı ile ilişkisinin gücüne göre kuvvet bakımından değişen kendi kategorilerine bir "oy" sağlar. kategori. Bu, her kategoriye, aldığı oy oranıyla belirlenen ve daha sonra verilere uygun olabilecek bir seçim olasılığı atar.

Kural tabanlı modeller

RULEX (Kural-Artı-İstisna) Modeli Basit mantıksal kurallar, zayıf tanımlanmış kategori yapılarını öğrenmede etkisiz olsa da, kural tabanlı kategorizasyon teorisinin bazı savunucuları, bu kuralın istisnaları varsa, bu tür kategori yapılarını öğrenmek için kusurlu bir kuralın kullanılabileceğini öne sürerler. ayrıca saklanır ve değerlendirilir. Bu öneriyi resmileştirmek için Nosofsky ve meslektaşları (1994) RULEX modelini tasarladı. RULEX modeli, bir nesnenin nitelik değerlerinin sıralı testlerinden oluşan bir karar ağacı oluşturmaya çalışır. Nesnenin sınıflandırılması daha sonra bu ardışık testlerin sonucuyla belirlenir. RULEX modeli, kuralları aşağıdaki şekillerde arar:

  • Exact Sınıflar arasında hatasız ayrım yapmak için tek bir öznitelik kullanan bir kural arayın.
  • Kusurlu Arama, birkaç hata ile sınıflar arasında ayrım yapmak için tek bir öznitelik kullanan bir kural için
  • Birletimli birkaç hataları ile sınıflar arasındaki ayrım için birden özelliklerini kullanan bir kural arayın.
  • İstisna Kuralın istisnalarını arayın.

RULEX'in bu aramaları gerçekleştirmek için kullandığı yöntem şu şekildedir: İlk olarak, RULEX kesin bir arama yapmaya çalışır. Başarılı olursa, RULEX, yanlış sınıflandırma gerçekleşene kadar bu kuralı sürekli olarak uygulayacaktır. Tam arama bir kuralı tanımlayamazsa, kusurlu veya birleşik arama başlayacaktır. Bu arama aşamalarından biri sırasında edinilen, kusurlu olsa da yeterli bir kural kalıcı olarak uygulanacaktır ve daha sonra RULEX modeli istisnaları aramaya başlayacaktır. Herhangi bir kural elde edilmezse, model önceki aşamada gerçekleştirmediği aramayı deneyecektir. Başarılı olursa, RULEX kuralı kalıcı olarak uygulayacak ve ardından bir istisna araması başlatacaktır. Önceki arama yöntemlerinden hiçbiri başarılı olmazsa, RULEX varsayılan olarak, rastgele bir kural edinmeye eşit olan ilişkili bir kural olmamasına rağmen yalnızca istisnaları aramaya başlar.

Hibrit modeller

SUSTAIN (Denetimli ve Denetimsiz Katmanlı Uyarlanabilir Artan Ağ) Öğrenilen kategori temsillerinin, öğrencinin hedeflerine ve ayrıca kategorilerin öğrenme sırasında nasıl kullanıldığına bağlı olarak değiştiği sıklıkla görülen bir durumdur. Bu nedenle, bazı kategorizasyon araştırmacıları, uygun bir kategorizasyon modelinin, öğrencinin hedeflerinde, görevlerinde ve stratejilerinde mevcut olan değişkenliği hesaba katabilmesi gerektiğini öne sürmektedir. Bu öneri, Love ve meslektaşları (2004) tarafından, problemlerin özelliklerine artan adaptasyon yoluyla hem basit hem de karmaşık kategorizasyon problemlerini barındırabilen esnek bir kümeleme modeli olan SUSTAIN'in yaratılmasıyla gerçekleştirilmiştir.

Uygulamada, SUSTAIN modeli ilk önce bir uyarıcının algısal bilgisini bir dizi boyut boyunca düzenlenen özelliklere dönüştürür. Bu boyutları kapsayan temsili alan daha sonra, bir dikkat mekanizmasından gelen girdilere dayalı olarak her bir özelliğin önemini yansıtmak için bozulur (örneğin, gerilir veya küçültülür). Farklı kategorilerle ilişkilendirilen bir kümeler kümesi (benzerliğe göre gruplandırılmış belirli örnekler) daha sonra uyarana yanıt vermek için rekabet eder ve uyaran daha sonra temsil alanı uyarana en yakın olan kümeye atanır. Bilinmeyen uyaran boyut değeri (örneğin, kategori etiketi) daha sonra kazanan küme tarafından tahmin edilir ve bu da kategorilendirme kararını bildirir.

SUSTAIN modelinin esnekliği, küme düzeyinde hem denetimli hem de denetimsiz öğrenmeyi kullanma yeteneği ile gerçekleştirilir. SUSTAIN, bir uyaranı belirli bir kümeye ait olarak yanlış tahmin ederse, düzeltici geri bildirim (yani, denetimli öğrenme), yanlış sınıflandırılmış uyaranı temsil eden ek bir kümeyi işe almak için süreklilik sinyali verir. Bu nedenle, uyarana (veya benzer bir alternatife) sonraki maruziyetler doğru kümeye atanacaktır. SUSTAIN ayrıca, uyaran ile en yakın küme arasındaki benzerlik bir eşiği aşmazsa, ek bir kümeyi işe almak için denetimsiz öğrenmeyi kullanır, çünkü model böyle bir küme atamasından kaynaklanacak zayıf tahmine dayalı faydayı tanır. SUSTAIN ayrıca hem basit hem de karmaşık kategorizasyon problemlerini nasıl çözdüğü konusunda esneklik gösterir. Açıkça, SUSTAIN'in dahili temsili yalnızca tek bir küme içerir, bu nedenle modeli basit çözümlere doğru yönlendirir. Sorunlar giderek daha karmaşık hale geldikçe (örneğin, birden fazla uyaran boyutundan oluşan çözümler gerektirir), SUSTAIN'in karmaşıklıktaki artışın üstesinden gelebilmesi için aşamalı olarak ek kümeler oluşturulur.

Sosyal kategorizasyon

Sosyal kategorizasyon , insanları farklı kriterlere göre tanımlamak için gruplara ayırmaktan ibarettir. Sınıflandırma, bilişsel bilimdeki akademisyenler tarafından incelenen bir süreçtir, ancak aynı zamanda sosyal bir aktivite olarak da incelenebilir. Sosyal kategorizasyon, diğer şeylerin kategorizasyonundan farklıdır çünkü insanların kendileri ve başkaları için insan olarak kategoriler yaratmasını ima eder. Etnik köken, menşe ülke, din, cinsel kimlik, sosyal ayrıcalıklar, ekonomik ayrıcalıklar vb. bazında gruplar oluşturulabilir. Kişileri şemalara göre sınıflandırmanın çeşitli yolları vardır. İnsanlar etnik kökenleri, dinleri veya yaşları nedeniyle çeşitli sosyal gruplara aittir.

Yaş, ırk ve cinsiyete dayalı sosyal kategoriler, insanlar yeni bir insanla karşılaştıklarında kullanılmaktadır. Bu kategorilerden bazıları fiziksel özelliklere atıfta bulunduğundan, insanlar birbirini tanımadığında genellikle otomatik olarak kullanılırlar. Bu kategoriler objektif değildir ve insanların çevrelerindeki dünyayı nasıl gördüklerine bağlıdır. İnsanların kendilerini benzer insanlarla tanımlamasına ve farklı olan insanları tanımlamasına izin verir. Çevrelerindeki insanlarla kimlik oluşumunda faydalıdırlar. Kişi kendini bir grup içinde tanımlayarak veya başka bir grubu reddederek kendi kimliğini inşa edebilir.

Sosyal kategorizasyon, insanları anlamayı basitleştirmeyi amaçladığı için diğer kategorizasyon türlerine benzer. Bununla birlikte, sosyal kategoriler oluşturmak, insanların kendilerini diğer gruplara göre konumlandıracakları anlamına gelir. Grup ilişkilerinde bir hiyerarşi, sosyal sınıflandırmanın bir sonucu olarak ortaya çıkabilir.

Akademisyenler, sınıflandırma sürecinin, çocukların dünyayı ve çevrelerindeki insanları öğrenmeye başladıkları küçük yaşta başladığını savunuyorlar. Çocuklar, benzerlik ve farklılıklara dayalı kategorilere göre insanları tanımayı öğrenirler. Yetişkinler tarafından oluşturulan sosyal kategoriler de dünyayı anlamalarını etkiler. Sosyal grupları ailelerinden bu gruplarla ilgili genellemeleri duyarak öğrenirler. Daha sonra bu genellemeler sonucunda insanlar hakkında ön yargılar geliştirebilirler.

Stephen Reicher ve Nick Hopkins, sosyal kategorizasyonla ilgili başka bir yönden bahseder ve politik tahakküm ile ilgilidir. Siyasi liderlerin siyasi tartışmaları etkilemek için sosyal kategorileri kullandıklarını iddia ediyorlar.

olumsuz yönler

İnsanları öznel veya nesnel kriterlere göre ayırma faaliyeti, bir gruptan diğerine şiddete yol açma eğilimi nedeniyle olumsuz bir süreç olarak görülebilir. Gerçekten de benzerlikler, ortak özellikleri paylaşan insanları bir araya getirir, ancak gruplar arasındaki farklılıklar, bu gruplar arasında gerilimlere ve ardından şiddet kullanımına yol açabilir. İnsanlar tarafından sosyal grupların yaratılması, gruplar arasındaki ilişkilerin hiyerarşikleştirilmesinden sorumludur. Bu hiyerarşik ilişkiler, bazen öznel kriterlere dayalı olarak, insanlar ve gruplar hakkında klişelerin desteklenmesine katılır. Sosyal kategoriler, insanları stereotipleri insan gruplarıyla ilişkilendirmeye teşvik edebilir. Stereotipleri bir gruba ve bu gruba ait olan kişilere bağlamak, bu gruptaki insanlara yönelik ayrımcılığa yol açabilir. Bir grubun algısı ve onunla ilişkili kalıp yargılar, sosyal ilişkiler ve faaliyetler üzerinde etkilidir.

Bazı sosyal kategorilerin toplumda diğerlerinden daha fazla ağırlığı vardır. Örneğin, tarihte ve bugün de "ırk" kategorisi, insanları sıralamak için kullanılan ilk kategorilerden biridir. Ancak, "Siyah", "Beyaz", "Asyalı" vb. gibi yalnızca birkaç ırk kategorisi yaygın olarak kullanılmaktadır. Etnik kökenlerin, çoğunlukla insanların ten rengine dayalı olarak birkaç kategoriye indirgenmesine katılır.

İnsanları ayırma süreci, ötekinin 'farklı' olduğu bir vizyon yaratır ve bu da insanların insanlıktan çıkmasına yol açar. Bilim adamları , H. Tajfel tarafından geliştirilen sosyal kimlik teorisi kavramıyla gruplar arası ilişkilerden bahseder . Gerçekten de, tarihte, birçok sosyal kategorizasyon örneği, baskın bir gruptan hükmedilen bir gruba tahakküm veya şiddet biçimlerine yol açmıştır. Sömürgecilik dönemleri, bir gruptan insanların diğer gruplara ait diğer insanları daha aşağı gördükleri için onlara hükmetmeyi ve onları kontrol etmeyi seçtiği zamanlara örnektir. Irkçılık, ayrımcılık ve şiddet, sosyal sınıflandırmanın sonuçlarıdır ve bu nedenle ortaya çıkabilir. İnsanlar diğerlerini farklı gördüklerinde, diğer gruplarla hiyerarşik bir ilişki geliştirme eğilimindedirler.

yanlış sınıflandırma

Yanlış sınıflandırma olasılığı olmadan kategorizasyon olamaz. "Doğru şeyi doğru türde bir şeyle" yapmak için, yapılacak hem doğru hem de yanlış bir şey olmalıdır. "Her şeyin" üyesi olduğu bir kategori mantıksal olarak Russell paradoksuna ("kendisinin bir üyesi midir, değil midir?") yol açmakla kalmaz, aynı zamanda hata olasılığı olmaksızın, tespit etmenin veya tanımlamanın hiçbir yolu yoktur. kategori üyelerini üye olmayanlardan ayıran özellikler.

Üye olmayanların yokluğuna bir örnek , çocuğun dil öğreniminde uyarıcının yoksulluğu sorunudur : dili öğrenen çocuklar Evrensel Dilbilgisi (UG) kurallarını duymazlar veya hata yapmazlar . Bu nedenle, UG'deki hatalar için asla düzeltilmezler. Yine de çocukların konuşması UG kurallarına uyar ve bir dilbilimci UG'yi ihlal eden bir ifade (kasıtlı olarak) üretirse, konuşmacılar bir şeylerin yanlış olduğunu hemen algılayabilirler. Dolayısıyla konuşmacılar, UG uyumlu ve UG uyumlu olmayanı kategorize edebilir. Dilbilimciler bundan, UG kurallarının bir şekilde insan beyninde doğuştan kodlanmış olması gerektiği sonucuna varmışlardır.

Bununla birlikte, "köpekler" gibi sıradan kategoriler, üye olmayanlara (örneğin kediler) ilişkin bol miktarda örnek içerir. Dolayısıyla, deneme yanılma yoluyla, hata düzeltme ile köpekleri köpek olmayanlardan neyin ayırt ettiğini tespit etmek ve tanımlamak ve dolayısıyla onları doğru bir şekilde sınıflandırmak mümkündür. Davranışsal literatürde pekiştirmeli öğrenme ve hesaplamalı literatürde denetimli öğrenme olarak adlandırılan bu tür öğrenme, temel olarak hata olasılığına ve hata düzeltmeye bağlıdır. Yanlış kategorileştirme (kategori üyesi olmayanların örnekleri), yalnızca kategoriyi öğrenilebilir kılmak için değil, aynı zamanda kategorinin var olması ve tanımlanabilir olması için her zaman mevcut olmalıdır.

Ayrıca bakınız

Referanslar

Dış bağlantılar