题目：对归纳推理贝叶斯模型的检验研究

归纳推理是指人们根据已知的信息来推测未知的信息，它是一种基本的认知活动,在人们的认识和实践中都具有重要意义。通过归纳推理，人们能够由此及彼、能够根据已知推测未知、根据部分推测总体及根据现在来推测未来。研究人员将归纳推理分为四类：特征外延归纳推理、特征内涵归纳推理、关系外延归纳推理和关系内涵归纳推理。而到目前为止，人们对归纳推理的研究主要集中在特征外延归纳推理上，其中，对归纳推理的现象和其解释的研究最多，主要的归纳推理现象有前提相似性效应、前提典型性效应、前提多样性效应、前提－结论类别的非对称性现象、单调性和非单调性效应、属性效应等等；其主要的理论解释有相似性解释、知识解释、相似性和知识整合的解释这三类，其中，相似性解释认为前提类别和结论类别的相似性影响和限制了人们的归纳推理，并且，归纳强度随这种相似性的增强而增强，该解释主要包括相似性覆盖模型（Osherson等人提出）、基于特征的归纳推理模型（Sloman提出）和Heit提出的贝叶斯模型（Bayesian Model,计算模型，1998），知识解释则强调事物之间的相关联系知识在归纳推理中所起的作用，因此，它能够很好地解释基于事物联系知识的现象，该解释包括以类别为基础的归纳推理模型和因果解释，其中，以类别为基础的归纳推理模型包括假设－评价模型（Mcdonald等提出）和相关理论模型（Medin等提出），相似性和知识整合的解释包括关联相似性模型（王墨耘提出）（2006）和结构统计模型(Charles Kemp提出)。
贝叶斯模型是一种计算模型，而不是描述模型，所以，也有人将其单独归为概率解释。该模型是由 Heit提出的，他认为，如果被预测的特征是X，那么被试在评价归纳强度时，需要估计不同类别在不同情景下具有特征X的可能性，而且在进行归纳推理之前，人们就存在关于该事件发生可能性的一个主观估计（先验概率），根据已知特征在总特征中的分布情况而得出的相对于新特征的可能性估计，换句话说，就是根据已知特征在总特征中的分布情况来得出相对于新特征的先验概率，然后根据已知情况，运用贝叶斯公式来修正其先验概率，从而计算并预测出新特征出现的概率。因此，该模型与背景知识联系的更加密切。这个模型也预测了许多心理现象。
人们以前对这些理论的比较研究很多，比如Heit于2007年在《Models of Inductive Reasoning》一文中对各个理论进行了全面地比较研究。他认为不同的理论解释了不同的归纳推理现象，而且各个理论有其适用范围。此外，他认为同一种理论可能只适用于解释成人的归纳推理行为但无法解释儿童的归纳推理行为。总之，他认为某一理论可能会解释不同的归纳推理现象，同一理论也可能只能够解释某一年龄段的被试的归纳推理现象。于是，王墨耘于2006年提出了新的理论模型——关联相似性模型，该模型试图将各种现象的解释统一在一起，尽可能地解释更多的归纳推理现象。当然Heit在上文中并没有把所有的理论模型都概括在内，这其中包括结构统计模型，于是Charles Kemp在《Structured statistical models of inductive reasoning》一文中全面地阐述了该模型，他认为结构方法和统计方法在其中起了重要作用。综上所述可知，关于贝叶斯模型的研究主要集中在上述范围内，尽管研究了很多，但是，到目前为止，还没有实验检验证明贝叶斯模型的预测是否与人们的实际归纳推理结果相一致，这是一个基本的问题，对于该领域的进一步研究起到了至关重要的作用。
在本研究中，作者通过设计相关的实验来比较检验了贝叶斯模型、关联相似性模型、基于特征的归纳推理模型和相似性覆盖模型这四种模型，并检验了贝叶斯模型的预测是否与人们的归纳推理结果相一致。实验材料分为抽象材料和具体材料，以大学生为被试的实验结果表明：（1）在强关联强度一致时，被试的归纳推理的结果基本符合贝叶斯模型和关联相似性模型的预测，在弱关联强度一致时，不符合这四种模型预测；（2）在关联强度不一致时，关联强度效应不符合贝叶斯模型的预测结果；（3）在关联强度一致时，贝叶斯模型和关联相似性模型的预测结果是一致的；（4）以抽象的归纳特征为实验材料比具体实验材料得出的结果更符合先前的预测。