Luokittelu - Categorization

Katso erityiskäytöt kohdasta Luokka (täsmennys) .
Lisätietoja Wikipedian luokista on ohjeessa: Luokka .
Informaatiotiede
Yleiset näkökohdat
Aiheeseen liittyvät kentät ja alikentät

Luokittelu on ihmisen kyky ja toimintaa tunnustaa jaetun ominaisuuksia tai yhtäläisyyksiä elementtien kokemusta maailman (kuten objekteja , tapahtumia tai ajatuksia ), järjestämällä ja luokitellaan kokemus liittämällä ne entistä abstrakteja ryhmä (eli luokka, luokka tai tyyppi) niiden ominaisuuksien, piirteiden, yhtäläisyyksien tai muiden kriteerien perusteella. Luokittelua pidetään yhtenä perustavanlaatuisimmista kognitiivisista kyvyistä , ja sellaisena sitä tutkivat erityisesti psykologia ja kognitiivinen kielitiede .

Luokittelua pidetään joskus luokittelun synonyyminä (vrt. Luokittelun synonyymit ). Luokittelun ja luokittelun avulla ihmiset voivat järjestää ympärillään olevia asioita, esineitä ja ideoita ja yksinkertaistaa heidän ymmärrystään maailmasta. Luokittelu on jotain, että ihmiset ja muut eliöt do : "oikealla asialla oikealla sellainen asia." Asioiden luokittelu voi olla sanatonta tai sanallista. Ihmisille sekä konkreettiset esineet että abstraktit ideat tunnistetaan, erotetaan toisistaan ​​ja ymmärretään luokittelun avulla. Objektit luokitellaan yleensä joihinkin mukautuviin tai käytännöllisiin tarkoituksiin.

Luokittelu perustuu ominaisuuksiin, jotka erottavat luokan jäsenet muista jäsenistä. Luokittelu on tärkeää oppimisessa, ennustamisessa, johtopäätöksissä , päätöksenteossa , kielessä ja monien organismien vuorovaikutuksessa ympäristöjen kanssa.

Katsaus luokitteluun

Luokat ovat erillisiä kokoelmia konkreettisia tai abstrakteja tapauksia (luokan jäseniä), joita kognitiivinen järjestelmä pitää vastaavina. Kategoriatiedon käyttäminen edellyttää pääsyä henkisiin esityksiin, jotka määrittelevät luokan jäsenten perusominaisuudet (kognitiiviset psykologit viittaavat näihin kategoriakohtaisiin henkisiin esityksiin käsitteinä ).

Luokitteluteoreetikoiden mukaan objektien luokittelua harkitaan usein käyttämällä taksonomiaa, jossa on kolme abstraktion hierarkkista tasoa . Esimerkiksi kasvi voitaisiin tunnistaa korkealla abstraktioasteella yksinkertaisesti merkitsemällä se kukkaksi, keskitasoiseksi abstraktioksi määrittämällä, että kukka on ruusu, tai alhainen abstraktio määrittämällä tarkemmin tämä ruusu koirana ruusu. Taksonomian luokat liittyvät toisiinsa luokan sisällyttämisen kautta, jolloin korkein abstraktion taso on kaikkein kattavin ja alin abstraktion taso vähiten kattava. Abstraktion kolme tasoa ovat seuraavat:

  • Ylivoimainen taso (esim. Kukka) - korkein ja kattavin abstraktion taso. Esittää korkeimman yleisyyden ja alimman luokan sisäisen samankaltaisuuden.
  • Perustaso (esim. Ruusu) - abstraktion keskitaso. Rosch ja hänen kollegansa (1976) esittävät perustason olevan kognitiivisesti tehokkain. Perustasotyypeissä on suuria samankaltaisuuksia luokkien sisällä ja luokkien välisiä eroja . Lisäksi perustaso on kattavin taso, jolla luokan esimerkeillä on yleinen tunnistettava muoto. Aikuiset käyttävät useimmiten perustason objektien nimiä, ja lapset oppivat ensin perusobjektien nimet.
  • Alempi taso (esim. Dog Rose) - Alin abstraktio. Esittää suurimman spesifisyyden ja luokan sisäisen samankaltaisuuden.

Luokitteluteoriat

Klassinen näkymä

Pääartikkeli: Luokat (Aristoteles)

Klassinen teoria luokittelu , on termi, jota käytetään kognitiivisen kielitieteen kuvaamaan lähestymistapaa luokittelun näkyvää Platon ja Aristoteles ja että on ollut erittäin vaikutusvaltainen ja vallitsevana länsimaisen kulttuurin, erityisesti filosofian, kielitieteen ja psykologian. Klassinen näkemys luokista voidaan tiivistää kolmeen oletukseen: luokka voidaan kuvata luettelona tarpeellisista ja riittävistä ominaisuuksista, jotka sen jäsenellä on oltava; luokat ovat erillisiä, niillä on selkeästi määritellyt rajat (joko elementti kuuluu yhteen tai ei, ilman mahdollisuuksia niiden välillä); kaikilla luokan jäsenillä on sama asema (eli ei ole parempia luokan jäseniä, jotka kuuluvat enemmän kuin muut). Klassisen näkemyksen mukaan luokkien on oltava selvästi määriteltyjä, toisiaan poissulkevia ja kollektiivisesti tyhjentäviä; tällä tavalla mikä tahansa luokitusuniversumin entiteetti kuuluu yksiselitteisesti yhteen ja vain yhteen ehdotetuista luokista.

Klassinen näkemys luokista ilmestyi ensimmäisen kerran länsimaisen filosofian yhteydessä Platonin teoksessa , joka esitti valtiomiesmielisessä vuoropuhelussaan lähestymistavan esineiden ryhmittelyyn niiden samankaltaisten ominaisuuksien perusteella . Tämä lähestymistapa tutkittiin edelleen ja systematisoida jonka Aristoteles hänen Luokat tutkielman, jossa hän analysoi erot luokkien ja objektien . Aristoteles sovelsi myös voimakkaasti klassista luokittelujärjestelmää lähestymistapansa elävien olentojen luokitteluun (joka käyttää tekniikkaa soveltaa peräkkäisiä supistavia kysymyksiä, kuten "Onko se eläin vai vihannes?", "Kuinka monta jalkaa sillä on?", " Onko siinä turkista tai höyheniä? "," Osaako se lentää? "...), mikä luo perustan luonnolliselle taksonomialle .

Esimerkkejä käytöstä klassisen näkymä luokista löytyy Länsi filosofisia teoksia Descartes , Blaise Pascal , Spinoza ja John Locke , ja 1900-luvulla on Bertrand Russell , GE Moore , The looginen positivisteja . Se on ollut analyyttisen filosofian ja sen käsitteellisen analyysin kulmakivi, ja Frank Cameron Jackson ja Christopher Peacocke esittivät 1990 -luvulla uudempia muotoiluja .

Klassista luokittelumallia ovat käyttäneet ainakin 1960 -luvulta lähtien rakenteellisen semantiikan paradigman kielitieteilijät , Jerrold Katz ja Jerry Fodor vuonna 1963, mikä puolestaan ​​on vaikuttanut sen omaksumiseen myös psykologeille, kuten Allan M.Collins ja M.Ross Quillian .

Klassisen luokitteluteorian nykyaikaiset versiot tutkivat, miten aivot oppivat ja edustavat luokkia havaitsemalla piirteet, jotka erottavat jäsenet muista jäsenistä.

Prototyyppiteoria

Pääartikkeli: Prototyyppiteoria

Psykologi Eleanor Roschin ja hänen kollegoidensa vuodesta 1973 lähtien uraauurtava tutkimus esitteli prototyyppiteorian , jonka mukaan luokittelua voidaan pitää myös prosessina ryhmittää asioita prototyyppien perusteella . Tämä lähestymistapa on ollut erittäin vaikuttava erityisesti kognitiivisen kielitieteen kannalta . Se oli osittain perustuu aikaisempaan oivalluksia, etenkin muotoilussa luokkaan perustuvan mallin perheyhtäläisyys mukaan Wittgensteinin (1953), ja Roger Brown n Miten on asia kutsutaan? (1958).

Prototyyppiteoria on sitten omaksunut kognitiiviset kielitieteilijät, kuten George Lakoff . Prototyyppiteoria on esimerkki samankaltaisuuteen perustuvasta lähestymistavasta luokitteluun, jossa tallennettua luokan esitystä käytetään arvioimaan ehdokasluokan jäsenten samankaltaisuutta. Prototyyppiteorian mukaan tämä tallennettu esitys koostuu yhteenvedosta luokan jäsenistä. Tämä prototyyppinen ärsyke voi olla eri muodossa. Se voi olla keskeinen suuntaus, joka edustaa luokan keskimääräistä jäsentä, modaalinen ärsyke, joka edustaa joko yleisintä esiintymää tai ärsyke, joka koostuu luokan yleisimmistä ominaisuuksista, tai lopuksi "ihanteellinen" luokan jäsen tai karikatyyri, joka korostaa luokan erityispiirteitä. Tämän prototyypin esityksen tärkeä näkökohta on, että se ei välttämättä heijasta luokan todellisen esiintymän olemassaoloa maailmassa. Lisäksi prototyypit ovat erittäin herkkiä asiayhteydelle. Esimerkiksi jos joku juomakategorian prototyyppi voi olla sooda tai seltzer, brunssi saattaa saada heidät valitsemaan mimoosin prototyyppiseksi juomaksi.

Prototyyppiteoria väittää, että tietyn luokan jäsenillä on samankaltainen perhe ja että luokat määritellään tyypillisten piirteiden joukolla (toisin kuin kaikilla jäsenillä, joilla on tarvittavat ja riittävät ominaisuudet).

Esimerkkiteoria

Pääartikkeli: Esimerkkiteoria

Toinen esimerkki samankaltaisuuteen perustuvasta lähestymistavasta luokitteluun, esimerkkiteoria vertaa myös ehdokasluokkien jäsenten samankaltaisuutta tallennettuihin muistikuvauksiin. Esimerkkiteorian mukaan kaikki luokan tunnetut esiintymät tallennetaan muistiin esimerkkinä. Kun arvioidaan tuntemattoman yhteisön kategoriajäsenyyttä, esimerkkejä mahdollisesti asiaankuuluvista kategorioista haetaan muistista ja yhteisön samankaltaisuus näiden esimerkkien kanssa lasketaan yhteen luokittelupäätöksen laatimiseksi. Medin ja Schafferin (1978) kontekstimallissa käytetään lähimmän naapurin lähestymistapaa, joka sen sijaan, että laskisi yhteen yksikön samankaltaisuudet asiaankuuluvien esimerkkien kanssa, moninkertaistaa ne, jotta saadaan painotetut samankaltaisuudet, jotka heijastavat yhteisön läheisyyttä asiaankuuluviin esimerkkeihin. Tämä painottaa tehokkaasti luokittelupäätöksiä kohti esimerkkejä, jotka ovat eniten samanlaisia ​​kuin luokiteltava kokonaisuus.

Käsitteellinen ryhmittely

Pääartikkeli: Käsitteellinen ryhmittely

Käsitteellinen klusterointi on koneoppimisen paradigma valvomattomalle luokittelulle , jonka Ryszard S. Michalski on määritellyt vuonna 1980. Se on moderni muunnelma luokittelun klassisesta lähestymistavasta, ja se perustuu yrityksiin selittää, miten tieto esitetään. Tässä lähestymistavassa luokat (klusterit tai kokonaisuudet) luodaan muotoilemalla ensin niiden käsitteelliset kuvaukset ja luokittelemalla sitten entiteetit kuvausten mukaan.

Käsitteellinen klusterointi kehitetty lähinnä 1980-luvulla, kun kone paradigman ohjaamaton oppiminen . Se erottuu tavallisesta datan klusteroinnista luomalla konseptikuvaus kullekin luodulle luokalle.

Käsitteellinen klusterointi liittyy läheisesti sumeaan joukkoteoriaan, jossa esineet voivat kuulua yhteen tai useampaan ryhmään, vaihtelevassa kuntoasteessa. Kognitiivinen lähestymistapa hyväksyy sen, että luonnolliset luokat arvostellaan (ne ovat yleensä sumea ja reuna) ja epäjohdonmukaisia asemaa niihin kuuluvien jäsenten. Ajatus tarpeellisista ja riittävistä ehdoista ei melkein koskaan täyty luonnossa esiintyvien asioiden luokissa.

Luokkaopetus

Pääartikkeli: Luokkaopetus

Vaikka kattava keskustelu luokkien oppimisesta ei kuulu tämän artikkelin soveltamisalaan, lyhyt katsaus luokkien oppimiseen ja siihen liittyviin teorioihin on hyödyllinen muodollisten luokittelumallien ymmärtämisessä.

Jos luokittelututkimuksessa tutkitaan, miten luokkia ylläpidetään ja käytetään, luokkaoppimisen ala pyrkii ymmärtämään, miten luokat hankitaan. Tämän saavuttamiseksi tutkijat käyttävät usein uusia mielivaltaisten objektien luokkia (esim. Pistematriiseja) varmistaakseen, että osallistujat eivät tunne ärsykkeitä kokonaan. Luokkaoppimisen tutkijat ovat yleensä keskittyneet kahteen erilliseen kategoriaoppimisen muotoon. Luokittelun oppiminen antaa osallistujille ennustavia luokkamerkkejä ärsykkeelle sen tarjoamien ominaisuuksien perusteella. Luokittelun oppiminen keskittyy luokkien välisen tiedon ja luokkien diagnostiikkaominaisuuksien oppimiseen. Sitä vastoin johtopäätökset tekevät osallistujista päätelmiä luokan ominaisuuden läsnäolosta/arvosta annetun luokkatunnisteen ja/tai muiden luokkaominaisuuksien perusteella. Päättelyoppiminen keskittyy luokan sisäisten tietojen ja luokan prototyyppisten ominaisuuksien oppimiseen.

Luokkaoppimistehtävät voidaan yleensä jakaa kahteen luokkaan, valvottu ja valvomaton oppiminen. Valvotut oppimistehtävät tarjoavat oppijoille luokkatunnisteet. Oppijat käyttävät sitten merkityistä esimerkkiluokista kerättyjä tietoja ärsykkeiden luokittelemiseen sopivaan luokkaan, johon voi liittyä säännön tai käsitteen abstraktio , joka liittyy havaittujen objektien ominaisuuksiin luokkatarroihin. Valvomattomat oppimistehtävät eivät tarjoa oppijoille luokkatunnisteita. Oppijoiden on siksi tunnistettava aineiston luontaiset rakenteet ja ryhmitettävä ärsykkeet yhteen samankaltaisuuden mukaan luokkiin. Valvottu oppiminen on siten luokitusrakenteen luominen. Luokkaopetuksen opiskelussa käytettävät tehtävät ovat erilaisia:

  • Sääntöpohjaiset tehtävät esittävät luokkia, jotka osallistujat voivat oppia nimenomaisten päättelyprosessien avulla. Tällaisissa tehtävissä ärsykkeiden luokittelu suoritetaan käyttämällä hankittua sääntöä (eli jos ärsyke on suuri ulottuvuudessa x, vastaa A).
  • Tietojen integrointitehtävät edellyttävät oppijoiden syntetisoivan havainnointitietoja useista ärsykkeen ulottuvuuksista ennen luokittelupäätösten tekemistä. Toisin kuin sääntöpohjaiset tehtävät, tietojen integrointitehtävissä ei ole helposti muotoiltavia sääntöjä. Röntgenkuvan lukemista ja sen määrittämistä, onko kasvain läsnä, voidaan ajatella tiedon integrointitehtävän reaaliaikaisena esityksenä.
  • Prototyypin vääristymistehtävät edellyttävät oppijoilta prototyypin luomista luokalle. Luokan ehdokasesimerkkejä tuotetaan manipuloimalla satunnaisesti prototyypin ominaisuuksia, jotka oppijoiden on luokiteltava joko luokkaan kuuluviksi tai ei.

Luokkaoppimisteoriat

Luokkaoppimisen tutkijat ovat ehdottaneet erilaisia ​​teorioita siitä, miten ihmiset oppivat luokkia. Kategorian oppimisen vallitsevia teorioita ovat prototyyppiteoria, esimerkkiteoria ja päätökseen sidottu teoria.

Prototyyppiteoria ehdottaa, että luokan oppimiseksi on opittava luokan prototyyppi. Myöhemmin uusien ärsykkeiden luokittelu suoritetaan valitsemalla kategoria, jolla on eniten samanlainen prototyyppi.

Esimerkkiteoria ehdottaa, että luokan oppimiseksi on opittava kyseiseen luokkaan kuuluvista esimerkeistä. Myöhemmin uuden ärsykkeen luokittelu suoritetaan laskemalla sen samankaltaisuus mahdollisesti merkityksellisten luokkien tunnettujen esimerkkien kanssa ja valitsemalla luokka, joka sisältää eniten vastaavia esimerkkejä.

Päätökseen sidottu teoria viittaa siihen, että luokan oppimiseksi on joko opittava ärsykkeen tilan alueet, jotka liittyvät tiettyihin vastauksiin, tai rajat (päätösrajat), jotka jakavat nämä vastealueet. Uuden ärsykkeen luokittelu suoritetaan sitten määrittämällä, mihin vastealueeseen se sisältyy.

Muodolliset luokittelumallit

Luokittelun laskennallisia malleja on kehitetty testaamaan teorioita siitä, miten ihmiset edustavat ja käyttävät luokkatietoja. Tämän saavuttamiseksi luokittelumallit voidaan sovittaa kokeellisiin tietoihin nähdäkseen, kuinka hyvin mallin tarjoamat ennusteet vastaavat ihmisen suorituskykyä. Mallin menestyksen perusteella tietojen selittämisessä teoreetikot pystyvät tekemään johtopäätöksiä teorioidensa paikkansapitävyydestä ja teorian merkityksestä ihmisen luokkaesityksissä.

Luokitusmallit toimivat yleensä samojen kolmen perusolettaman muunnelmissa, jotta he voivat kuvata tehokkaasti, miten ihmiset edustavat ja käyttävät luokkatietoja. Ensinnäkin mallin on tehtävä jonkinlainen olettamus ärsykkeen sisäisestä esityksestä (esim. Edustaa ärsykkeen käsitystä moniulotteisen tilan pisteenä). Toiseksi mallin on tehtävä olettamus erityisistä tiedoista, joihin on päästävä käsiksi vastauksen muodostamiseksi (esim. Esimerkkimallit edellyttävät kaikkien saatavilla olevien esimerkkien keräämistä kullekin luokalle). Kolmanneksi mallin on tehtävä oletus siitä, miten vastaus valitaan käytettävissä olevien tietojen perusteella.

Vaikka kaikki luokittelumallit tekevät nämä kolme olettamusta, ne erottuvat toisistaan ​​tavoilla, joilla ne edustavat ja muuttavat panoksen vastausesitykseksi. Eri luokittelumallien sisäiset tietorakenteet heijastavat erityisiä esityksiä, joita he käyttävät näiden muutosten suorittamiseen. Tyypillisiä mallien esityksiä ovat esimerkit, prototyypit ja säännöt.

  • Esimerkkimallit tallentavat muistiin kaikki erilliset ärsykkeet ja vastaavat luokkatunnisteet. Seuraavien ärsykkeiden luokittelun määrää ärsykkeen kollektiivinen samankaltaisuus kaikkien tunnettujen esimerkkien kanssa.
  • Prototyyppimallit tallentavat yhteenvedon kaikista luokan esiintymistä. Seuraavien ärsykkeiden luokittelu määritetään valitsemalla luokka, jonka prototyyppi on eniten samanlainen kuin ärsyke.
  • Sääntöpohjaiset mallit määrittelevät luokat tallentamalla yhteenvetoluettelot luokan jäsenyyden edellyttämistä tarvittavista ja riittävistä ominaisuuksista. Rajamalleja voidaan pitää epätyypillisinä sääntömalleina, koska ne eivät määrittele luokkia niiden sisällön perusteella. Pikemminkin rajamallit määrittelevät luokkien väliset reunat (rajat), jotka toimivat myöhemmin määrittäjinä ärsykkeen luokittelussa.

Esimerkkejä luokittelumalleista

Prototyyppimallit

Painotetut ominaisuudet Prototyyppimalli Reed tuotti prototyyppimallin varhaisen esikuva -version 1970 -luvun alussa. Reed (1972) teki sarjan kokeita vertaillakseen 18 mallin suorituskykyä selittäessään tietoja luokittelutehtävästä, joka edellytti osallistujien lajittelevan kasvot yhteen kahdesta luokasta. Tulokset osoittivat, että vallitseva malli oli painotettujen ominaisuuksien prototyyppimalli, joka kuului keskimääräisten etäisyysmallien perheeseen. Toisin kuin perinteiset keskimääräiset etäisyysmallit, tämä malli kuitenkin painotti eri tavalla näiden kahden luokan erottuvimpia piirteitä. Tämän mallin suorituskyvyn perusteella Reed (1972) totesi, että kasvojen luokittelutehtävässä käytetyt strategian osallistujat olivat rakentamaan prototyyppiesityksiä jokaiselle kahdelle kasvoluokalle ja luokittelemaan testimallit luokkaan, joka liittyy eniten samanlaiseen prototyyppiin. Lisäksi tulokset osoittivat, että samankaltaisuus määritettiin kunkin luokan syrjivimpien ominaisuuksien mukaan.

Esimerkilliset mallit

Yleinen kontekstimalli Nosofsky (1986) laajensi Medinin ja Schafferin (1978) kontekstimallia 1980-luvun puolivälissä, mikä johti yleisen kontekstimallin (GCM) tuottamiseen. GCM on esimerkillinen malli, joka tallentaa esimerkkejä ärsykkeistä täydellisinä yhdistelminä kuhunkin esimerkkiin liittyvistä ominaisuuksista. Tallentamalla nämä yhdistelmät, malli luo kontekstit kunkin esimerkin piirteille, jotka määrittelevät kaikki muut ominaisuudet, joiden kanssa tämä ominaisuus esiintyy. GCM laskee esimerkin ja ärsykkeen samankaltaisuuden kahdessa vaiheessa. Ensinnäkin GCM laskee psykologisen etäisyyden esimerkin ja ärsykkeen välillä. Tämä saavutetaan laskemalla yhteen esimerkin ja ärsykkeen välisen mittaeron absoluuttiset arvot. Oletetaan esimerkiksi, että esimerkin arvo on 18 ulottuvuudessa X ja ärsykkeen arvo on 42 ulottuvuudessa X; tuloksena oleva mittaero olisi 24. Kun psykologinen etäisyys on arvioitu, eksponentiaalinen hajoamisfunktio määrittää esimerkin ja ärsykkeen samankaltaisuuden, missä etäisyys 0 johtaa yhtäläisyyteen 1 (joka alkaa laskea eksponentiaalisesti etäisyyden kasvaessa) . Kategoriset vastaukset luodaan sitten arvioimalla ärsykkeen samankaltaisuus kunkin luokan esimerkkien kanssa, jolloin jokainen esimerkki antaa "äänestyksen" omille luokilleen, joiden vahvuus vaihtelee esimerkin samankaltaisuuden ärsykkeen ja esimerkin yhdistymisen voimakkuuden perusteella kategoria. Tämä määrittää tehokkaasti kullekin luokalle valintatodennäköisyyden, joka määräytyy sen saamien äänien osuuden perusteella, joka voidaan sitten sovittaa tietoihin.

Sääntöpohjaiset mallit

RULEX (Rule-Plus-Exception) -malli Vaikka yksinkertaiset loogiset säännöt ovat tehottomia huonosti määriteltyjen luokkarakenteiden oppimisessa, jotkut sääntöperusteisen luokitteluteorian kannattajat ehdottavat, että epätäydellinen sääntö voidaan käyttää tällaisten luokkarakenteiden oppimiseen, jos poikkeuksia tästä säännöstä myös säilytetään ja harkitaan. Tämän ehdotuksen virallistamiseksi Nosofsky ja hänen kollegansa (1994) suunnittelivat RULEX -mallin. RULEX -malli yrittää muodostaa päätöspuun, joka koostuu objektin attribuuttiarvojen peräkkäisistä testeistä. Objektin luokittelu määräytyy sitten näiden peräkkäisten testien tulosten perusteella. RULEX -malli etsii sääntöjä seuraavilla tavoilla:

  • Tarkka haku sääntöä, joka käyttää yhtä määritettä luokkien erottamiseen virheettömästi.
  • Epätäydellinen Etsi sääntö, joka käyttää yhtä määritettä erottaakseen luokkia, joissa on vähän virheitä
  • Yhdistävä haku sääntöä varten, joka käyttää useita määritteitä luokkien erottamiseen, joissa on vähän virheitä.
  • Poikkeus Etsi poikkeuksia sääntöön.

Tapa, jolla RULEX käyttää näitä hakuja, on seuraava: Ensinnäkin RULEX yrittää tarkkaa hakua. Jos onnistuu, RULEX soveltaa tätä sääntöä jatkuvasti, kunnes luokitusvirhe tapahtuu. Jos tarkka haku ei tunnista sääntöä, joko epätäydellinen tai yhdistävä haku aloitetaan. Riittävä, vaikkakin epätäydellinen sääntö, joka on hankittu jonkin näistä hakuvaiheista, tulee pysyvästi täytäntöön ja RULEX -malli alkaa etsiä poikkeuksia. Jos sääntöä ei hankita, malli yrittää hakua, jota se ei tehnyt edellisessä vaiheessa. Jos onnistuu, RULEX toteuttaa säännön pysyvästi ja aloittaa sitten poikkeushaun. Jos mikään edellisistä hakutavoista ei onnistu, RULEX etsii oletusarvoisesti vain poikkeuksia, vaikka siihen liittyvä sääntö puuttuu, mikä vastaa satunnaissäännön hankkimista.

Hybridimallit

SUSTAIN (valvottu ja valvomaton STratified Adaptive Incremental Network) Usein on niin, että opittujen luokkien esitykset vaihtelevat riippuen oppijan tavoitteista ja siitä, miten luokkia käytetään oppimisen aikana. Siten jotkut luokittelututkijat ehdottavat, että asianmukaisen luokittelumallin on kyettävä ottamaan huomioon oppijan tavoitteiden, tehtävien ja strategioiden vaihtelevuus. Rakkaus ja kollegat (2004) toteuttivat tämän ehdotuksen luomalla SUSTAINin, joustavan klusterointimallin, joka kykenee vastaamaan sekä yksinkertaisiin että monimutkaisiin luokitteluongelmiin mukautumalla asteittain ongelmien erityispiirteisiin.

Käytännössä SUSTAIN -malli muuntaa ärsykkeen havaintotiedot ensin ominaisuuksiksi, jotka on järjestetty tiettyjen ulottuvuuksien mukaan. Esitystila, joka kattaa nämä ulottuvuudet, vääristyy (esim. Venyy tai kutistuu), jotta heijastavat kunkin ominaisuuden tärkeyttä tarkkailumekanismin panosten perusteella. Joukko klustereita (tietyt tapaukset ryhmitelty samankaltaisuuden mukaan), jotka liittyvät eri kategorioihin, kilpailevat vastaamaan ärsykkeeseen, ja ärsyke osoitetaan myöhemmin klusterille, jonka edustustila on lähinnä ärsykettä '. Tuntematon ärsykkeen ulottuvuuden arvo (esim. Luokkatunniste) ennustaa voittajaryhmä, joka puolestaan ​​ilmoittaa luokittelupäätöksen.

SUSTAIN -mallin joustavuus toteutuu sen kyvyn avulla käyttää sekä valvottua että valvomatonta oppimista klusteritasolla. Jos SUSTAIN ennustaa virheellisesti, että ärsyke kuuluu tiettyyn klusteriin, korjaava palaute (eli valvottu oppiminen) merkitsisi kestävyyttä rekrytoida ylimääräinen klusteri, joka edustaa väärin luokiteltua ärsykettä. Siksi seuraavat ärsykkeelle altistumiset (tai vastaava vaihtoehto) osoitettaisiin oikealle klusterille. SUSTAIN käyttää myös valvottua oppimista rekrytoidakseen lisäklusterin, jos ärsykkeen ja lähimmän klusterin välinen samankaltaisuus ei ylitä kynnystä, koska malli tunnistaa heikon ennakoivan hyödyllisyyden, joka seuraisi tällaisesta klusterimäärityksestä. SUSTAIN tarjoaa myös joustavuutta yksinkertaisten ja monimutkaisten luokitteluongelmien ratkaisemisessa. SUSTAINin sisäinen esitys sisältää vain yhden klusterin, mikä painottaa mallia kohti yksinkertaisia ​​ratkaisuja. Kun ongelmat muuttuvat yhä monimutkaisemmiksi (esim. Vaativat ratkaisuja, jotka koostuvat useista ärsykeulottuvuuksista), uusia klustereita rekrytoidaan vähitellen, jotta SUSTAIN pystyy käsittelemään monimutkaisuuden kasvua.

Sosiaalinen luokittelu

Sosiaalinen luokittelu koostuu ihmisten jakamisesta ryhmiin tunnistamaan heidät eri kriteerien perusteella. Luokittelu on kognitiivisen tieteen tutkijoiden tutkima prosessi, mutta sitä voidaan tutkia myös sosiaalisena aktiviteettina. Sosiaalinen luokittelu eroaa muiden asioiden luokittelusta, koska se merkitsee sitä, että ihmiset luovat luokkia itselleen ja muille ihmisinä. Ryhmiä voidaan luoda etnisen alkuperän, alkuperämaan, uskonnon, seksuaalisen identiteetin, sosiaalisten etujen, taloudellisten etujen jne. Perusteella. Erilaisia ​​tapoja lajitella ihmisiä on olemassa omien suunnitelmiensa mukaan. Ihmiset kuuluvat eri sosiaalisiin ryhmiin etnisen alkuperän, uskonnon tai iän vuoksi.

Ihmiset käyttävät ikään, rotuun ja sukupuoleen perustuvia sosiaalisia luokkia, kun he kohtaavat uuden henkilön. Koska jotkut näistä luokista viittaavat fyysisiin ominaisuuksiin, niitä käytetään usein automaattisesti, kun ihmiset eivät tunne toisiaan. Nämä luokat eivät ole objektiivisia ja riippuvat siitä, miten ihmiset näkevät ympäröivän maailman. Niiden avulla ihmiset voivat tunnistaa itsensä samanlaisten ihmisten kanssa ja tunnistaa erilaisia ​​ihmisiä. Ne ovat hyödyllisiä identiteetin muodostamisessa ympäröivien ihmisten kanssa. Oman identiteetin voi rakentaa tunnistamalla itsensä ryhmässä tai hylkäämällä toisen ryhmän.

Sosiaalinen luokittelu on samanlaista kuin muut luokittelutyypit, koska sen tarkoituksena on yksinkertaistaa ihmisten ymmärrystä. Sosiaalisten luokkien luominen kuitenkin edellyttää, että ihmiset asettuvat suhteessa muihin ryhmiin. Hierarkia ryhmäsuhteissa voi ilmetä sosiaalisen luokittelun seurauksena.

Tutkijat väittävät, että luokitteluprosessi alkaa nuorena, kun lapset alkavat oppia maailmasta ja ympäröivistä ihmisistä. Lapset oppivat tuntemaan ihmiset luokkien mukaan yhtäläisyyksien ja erojen perusteella. Aikuisten tekemät sosiaaliset luokat vaikuttavat myös heidän käsitykseensä maailmasta. He oppivat sosiaalisista ryhmistä kuuntelemalla vanhemmiltaan yleisiä tietoja näistä ryhmistä. He voivat sitten kehittää ennakkoluuloja ihmisistä näiden yleistysten seurauksena.

Stephen Reicher ja Nick Hopkins mainitsevat toisen näkökohdan sosiaalisesta luokittelusta, ja se liittyy poliittiseen ylivaltaan. He väittävät, että poliittiset johtajat käyttävät sosiaalisia luokkia vaikuttaakseen poliittisiin keskusteluihin.

Negatiiviset puolet

Ihmisten lajittelu subjektiivisten tai objektiivisten kriteerien mukaan voidaan nähdä negatiivisena prosessina, koska sillä on taipumus johtaa väkivaltaan ryhmästä toiseen. Itse asiassa samankaltaisuudet keräävät ihmisiä, joilla on yhteisiä piirteitä, mutta ryhmien väliset erot voivat johtaa jännitteisiin ja sitten väkivallan käyttöön näiden ryhmien välillä. Ihmisten luomat sosiaaliset ryhmät ovat vastuussa ryhmien välisten suhteiden hierarkkisuudesta. Nämä hierarkkiset suhteet edistävät stereotypioita ihmisistä ja ryhmistä, jotka perustuvat toisinaan subjektiivisiin kriteereihin. Sosiaaliset luokat voivat rohkaista ihmisiä yhdistämään stereotypioita ihmisryhmiin. Stereotyyppien liittäminen ryhmään ja tähän ryhmään kuuluviin ihmisiin voi johtaa syrjinnän muotoihin tämän ryhmän ihmisiä kohtaan. Ryhmän käsitys ja siihen liittyvät stereotypiat vaikuttavat sosiaalisiin suhteisiin ja toimintaan.

Joillakin sosiaalisilla luokilla on enemmän painoarvoa kuin toisilla yhteiskunnassa. Esimerkiksi historiassa ja vielä tänäkin päivänä rotu -luokka on yksi ensimmäisistä luokista, joita käytettiin ihmisten lajitteluun. Kuitenkin vain muutamia rodun luokkia käytetään yleisesti, kuten "musta", "valkoinen", "aasialainen" jne. Se osallistuu etnisten ryhmien vähentämiseen muutamiin luokkiin, jotka perustuvat lähinnä ihmisten ihonväriin.

Ihmisten lajitteluprosessi luo näkemyksen toisesta "erilaiseksi", mikä johtaa ihmisten dehumanisointiin. Tutkijat puhuvat ryhmien välisistä suhteista H. Tajfelin kehittämän sosiaalisen identiteettiteorian käsitteen kanssa . Itse asiassa historiassa monet esimerkit sosiaalisesta luokittelusta ovat johtaneet ylivallan tai väkivallan muotoihin hallitsevasta ryhmästä hallittuun ryhmään. Kolonisaatioajat ovat esimerkkejä ajoista, jolloin ryhmän ihmiset päättivät hallita ja hallita muita ryhmään kuuluvia ihmisiä, koska he pitivät heitä huonompia. Rasismi, syrjintä ja väkivalta ovat sosiaalisen luokittelun seurauksia, ja niitä voi esiintyä sen vuoksi. Kun ihmiset pitävät muita erilaisina, heillä on taipumus kehittää hierarkisia suhteita muihin ryhmiin.

Väärin luokittelu

Luokittelua ei voida tehdä ilman väärän luokittelun mahdollisuutta. Voidakseen tehdä "oikeita asioita oikeanlaisilla asioilla " on oltava sekä oikeita että vääriä asioita. Luokka, johon "kaikki" kuuluu, ei johda loogisesti Russellin paradoksiin ("onko se vai ei ole itsensä jäsen?"), Mutta ilman virheen mahdollisuutta ei ole mitään keinoa havaita tai määrittää mikä erottaa luokan jäsenet muista jäsenistä.

Esimerkki ei -jäsenten poissaolosta on ongelma lapsen kielenoppimisen ärsykkeen köyhyydestä : kieltä oppivat lapset eivät kuule tai tee virheitä yleisen kieliopin (UG) säännöissä . Siksi niitä ei koskaan korjata UG: n virheistä. Silti lasten puhe noudattaa UG: n sääntöjä, ja puhujat voivat heti havaita, että jotain on vialla, jos kielitieteilijä luo (tarkoituksella) UG: n vastaisen lausunnon. Siksi kaiuttimet voivat luokitella UG-yhteensopivat ja UG-yhteensopimattomat. Kielitieteilijät ovat tehneet tästä johtopäätöksen, että UG: n säännöt täytyy jotenkin luontaisesti koodata ihmisen aivoihin.

Tavallisissa luokissa, kuten "koirilla", on kuitenkin runsaasti esimerkkejä ei -jäsenistä (esimerkiksi kissoista). On siis mahdollista oppia kokeilemalla ja virheenkorjauksella havaitsemaan ja määrittelemään, mikä erottaa koirat muista kuin koirista, ja siten luokitella ne oikein. Tällainen oppiminen, jota kutsutaan käyttäytymiskirjallisuuden vahvistavaksi oppimiseksi ja laskennallisen kirjallisuuden valvotuksi oppimiseksi , on pohjimmiltaan riippuvainen virheiden mahdollisuudesta ja virheiden korjaamisesta. Väärän luokittelun - esimerkkejä luokan ei -jäsenistä - on oltava aina olemassa, ei vain tehdäkseen luokasta opittavan, vaan myös jotta kategoria olisi olemassa ja määritettävissä.

Katso myös

Viitteet

Ulkoiset linkit