его значе-
ние тем больше, чем выше вес). На шкале весов можно про-
извольно выбрать какую-то точку и считать все признаки с
большим весом <определительными>, а с меньшим - <харак-
терными>. Согласно модели, проверка истинности утвержде-
ния типа <вей S суть Р> происходит следующим образом.
Первый этап процесса распадается на три подэтапа. Сначала
из ДП извлекаются перечни признаков, соответствующих
классам 5 и Р, хотя эти перечни не обязательно должны
быть полными, они содержат как определительные, так и
характерные признаки. Затем признаки, входящие в эти два
перечня-один для S, а другой для Р,-сравниваются меж-
ду собой; число совпадающих признаков служит основой для
выведения меры общего сходства-назовем ее х. И нако-
нец, х используется для того, чтобы решить,, каков результат
Глава 8
этого inepiBoro этапа. Если значение х очень велико - превы-
шает определенную пороговую величину,-то, значит, S и
Р настолько сходны, что система сразу же дает ответ <утвер-
ждение истинно>. Если значение х очень мало (что говорит
об отсутствии сходства между 5. и Р), модель дает ответ
<ложно>. Если же х имеет промежуточную-не низкую и не
высокую - величину, то проводится второй этап процесса.
На втором этале используются только определительные
признаки понятий 5 и Р. Это как бы вторая проверка; она
основана на предположении о частичном сходстве между 5
и Р, и ее цель состоит в выяснении природы этого сходства.
Если определительные .признаки Р совпадают с определитель-
ными признаками 5, то может быть выдан положительный
ответ; в противном случае ответ будет отрицательным. Из
всего этого следует, что средние значения времени реакции
для ответов в задачах на проверку истинности утверждений
на самом деле складываются из смеси малых (при очень
сходных или очень несходных 5 и Р) и больших (когда не-
обходима вторая стадия) величин.
Одно из преимуществ модели, основанной на признаках,
состоит в том, что она позволяет объяснить зависимость ВР
от типичности или близости. Согласно этой модели, чем бо-
лее типичен данный представитель для данного класса, тем
больше у них общих признаков. Следовательно, значение
х-меры сходства, основанной на числе общих признаков у
S w. Р,- возрастает с увеличением типичности. При высоких
значениях х повышается вероятность того, что уже на первом
этапе сравнения будет получен положительный ответ. Это
означает, что с увеличением типичности ВР будет умень-
шаться.
Эта модель объясняет также эффекты величины класса -
нужно лишь .предположить вторичность их по отношению к
эффектам близости. В большинстве случаев увеличение раз-
меров класса Р приводит к уменьшению близости между 5
и Р и к удлинению времени реакции (ВР). Если, например,
S-<воробей>, то при переходе от значения Р-<птица> к
значению <животное> сходство между S и Р уменьшится и
соответственно ВР возрастет. В других же случаях, напри-
мер при увеличении Р с переходом от значения <млекопитаю-
щее> к значению <животное>, такое же изменение величины
класса приведет, наоборот, к сближению S и Р; в этом слу-
чае ВР сократится. В связи с этим Смит, Шобен и Рипс при-
ходят к выводу, что эффект величины класса выражен не
так сильно, как это предполагалось. Он варьирует довольно
значительно, и его скорее можно приписать изменениям бли-
зости 5 и Р, сопровождающим изменения величины класса.
ДП: структура и семантическая переработка информации______189
Итак, мы рассмотрели три типа моделей семантической
памяти: сетевые модели, теоретико-множественные модели и
модель, основанную на семантических признаках. Каждый
тип был рассмотрен в связи с двумя интенсивно изучавшими-
ся явлениями-эффектом величины класса и эффектом бли-
зости. Как можно было убедиться, эти модели во многих от-
ношениях сходны. Например, во всех этих моделях любое
понятие приобретает определенный смысл в результате своих
отношений с другими понятиями, будь то ассоциации, вклю-
чение одних понятий в другие в качестве подмножеств или
же использование их в качестве признаков. Все эти модели
позволяют объяснить многие из представленных здесь данных
о семантической памяти, хотя каждая из них обладает свои-
ми специфическими возможностями. Должно быть также
ясно, что между сетевыми и теоретико-множественными мо-
делями есть ряд существенных различий; одно из самых
важных различий касается того, что эти модели пытаются
объяснить. Теоретико-множественная модель Мейера и модель
Смита, Шобена и Рипса предназначены для истолкования
данных, полученных в определенного рода экспериментах
по изучению семантической памяти. Сетевые же модели мо-
гут быть связаны с гораздо более обширным кругом данных.
Например, модель АПЧ пытается объяснить результаты, от-
носящиеся к столь разнообразным областям, как лингвисти-
ческие способности, забывание, восприятие, распознавание
образов, научение и другие. Ввиду столь широкого охвата
проблем сетевые модели могут быть полезны при изучении
многих явлений не только семантической, но и эпизодиче-
ской памяти; поэтому такие модели будут использованы при
обсуждении многих проблем в последующих трех главах.
Теоретико-множественные модели в данный момент не
позволяют объяснить явления эпизодической памяти. Оговор-
ка <в данный момент> весьма существенна. Дело в то.м, что
исследования в области семантической памяти развиваются
необычайно быстро. Обсуждая исследования или модели, по-
добные описанным в этой главе, невозможно учесть все из-
менения, которые происходят непрерывно. Кроме того, все
время разрабатываются и ставятся новые эксперименты, ре-
зультаты которых требуют объяснения с помощью моделей.
Все это делает проблему семантической памяти одной из
самых динамичных и увлекательных областей психологиче-
ских исследований.
Глава 9
Долговременная память:
забывание
Что имеют в виду, когда .говорят о забывании какой-либо
информации, хранившейся в ДП? Ответить на этот вопрос
не так-то просто, отчасти потому, что забывание, очевидно,
может принимать очень разнообразные формы. Вы, напри-
мер, не можете вспомнить, что происходило в тот день, когда
вам исполнился год, хотя возможно, что день вашего рожде-
ния праздновался. Человек вообще не помнит всего того. что
с ним происходило в младенчестве и раннем детстве. По-
скольку в этом возрасте человек еще не обладает развитой
речью, у него нет вербальных кодов, которые могли бы хра-
ниться в ДП; поэтому забывание событий, происходивших
в ранний период жизни, может в корне отличаться от забы-
вания, наблюдаемого в зрелом возрасте. Но и у взрослого
человека забывание .может носить весьма различный харак-
тер. Существует, например, так называемое <обыкновенное>
забывание, когда человек забывает купить что-то в магази-
не, не приходит на свидание или не может заполнить один
из пунктов во время какого-либо теста. Существует забыва-
ние в результате физической травмы-амнезия. Известно
также явление репрессии-намеренного забывания событий,
воспоминание о которых причиняет душевную боль.
Ввиду такого многообразия значений мы попытаемся,
прежде чем перейти к рассмотрению забывания, дать ему
какое-то определение.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98
ние тем больше, чем выше вес). На шкале весов можно про-
извольно выбрать какую-то точку и считать все признаки с
большим весом <определительными>, а с меньшим - <харак-
терными>. Согласно модели, проверка истинности утвержде-
ния типа <вей S суть Р> происходит следующим образом.
Первый этап процесса распадается на три подэтапа. Сначала
из ДП извлекаются перечни признаков, соответствующих
классам 5 и Р, хотя эти перечни не обязательно должны
быть полными, они содержат как определительные, так и
характерные признаки. Затем признаки, входящие в эти два
перечня-один для S, а другой для Р,-сравниваются меж-
ду собой; число совпадающих признаков служит основой для
выведения меры общего сходства-назовем ее х. И нако-
нец, х используется для того, чтобы решить,, каков результат
Глава 8
этого inepiBoro этапа. Если значение х очень велико - превы-
шает определенную пороговую величину,-то, значит, S и
Р настолько сходны, что система сразу же дает ответ <утвер-
ждение истинно>. Если значение х очень мало (что говорит
об отсутствии сходства между 5. и Р), модель дает ответ
<ложно>. Если же х имеет промежуточную-не низкую и не
высокую - величину, то проводится второй этап процесса.
На втором этале используются только определительные
признаки понятий 5 и Р. Это как бы вторая проверка; она
основана на предположении о частичном сходстве между 5
и Р, и ее цель состоит в выяснении природы этого сходства.
Если определительные .признаки Р совпадают с определитель-
ными признаками 5, то может быть выдан положительный
ответ; в противном случае ответ будет отрицательным. Из
всего этого следует, что средние значения времени реакции
для ответов в задачах на проверку истинности утверждений
на самом деле складываются из смеси малых (при очень
сходных или очень несходных 5 и Р) и больших (когда не-
обходима вторая стадия) величин.
Одно из преимуществ модели, основанной на признаках,
состоит в том, что она позволяет объяснить зависимость ВР
от типичности или близости. Согласно этой модели, чем бо-
лее типичен данный представитель для данного класса, тем
больше у них общих признаков. Следовательно, значение
х-меры сходства, основанной на числе общих признаков у
S w. Р,- возрастает с увеличением типичности. При высоких
значениях х повышается вероятность того, что уже на первом
этапе сравнения будет получен положительный ответ. Это
означает, что с увеличением типичности ВР будет умень-
шаться.
Эта модель объясняет также эффекты величины класса -
нужно лишь .предположить вторичность их по отношению к
эффектам близости. В большинстве случаев увеличение раз-
меров класса Р приводит к уменьшению близости между 5
и Р и к удлинению времени реакции (ВР). Если, например,
S-<воробей>, то при переходе от значения Р-<птица> к
значению <животное> сходство между S и Р уменьшится и
соответственно ВР возрастет. В других же случаях, напри-
мер при увеличении Р с переходом от значения <млекопитаю-
щее> к значению <животное>, такое же изменение величины
класса приведет, наоборот, к сближению S и Р; в этом слу-
чае ВР сократится. В связи с этим Смит, Шобен и Рипс при-
ходят к выводу, что эффект величины класса выражен не
так сильно, как это предполагалось. Он варьирует довольно
значительно, и его скорее можно приписать изменениям бли-
зости 5 и Р, сопровождающим изменения величины класса.
ДП: структура и семантическая переработка информации______189
Итак, мы рассмотрели три типа моделей семантической
памяти: сетевые модели, теоретико-множественные модели и
модель, основанную на семантических признаках. Каждый
тип был рассмотрен в связи с двумя интенсивно изучавшими-
ся явлениями-эффектом величины класса и эффектом бли-
зости. Как можно было убедиться, эти модели во многих от-
ношениях сходны. Например, во всех этих моделях любое
понятие приобретает определенный смысл в результате своих
отношений с другими понятиями, будь то ассоциации, вклю-
чение одних понятий в другие в качестве подмножеств или
же использование их в качестве признаков. Все эти модели
позволяют объяснить многие из представленных здесь данных
о семантической памяти, хотя каждая из них обладает свои-
ми специфическими возможностями. Должно быть также
ясно, что между сетевыми и теоретико-множественными мо-
делями есть ряд существенных различий; одно из самых
важных различий касается того, что эти модели пытаются
объяснить. Теоретико-множественная модель Мейера и модель
Смита, Шобена и Рипса предназначены для истолкования
данных, полученных в определенного рода экспериментах
по изучению семантической памяти. Сетевые же модели мо-
гут быть связаны с гораздо более обширным кругом данных.
Например, модель АПЧ пытается объяснить результаты, от-
носящиеся к столь разнообразным областям, как лингвисти-
ческие способности, забывание, восприятие, распознавание
образов, научение и другие. Ввиду столь широкого охвата
проблем сетевые модели могут быть полезны при изучении
многих явлений не только семантической, но и эпизодиче-
ской памяти; поэтому такие модели будут использованы при
обсуждении многих проблем в последующих трех главах.
Теоретико-множественные модели в данный момент не
позволяют объяснить явления эпизодической памяти. Оговор-
ка <в данный момент> весьма существенна. Дело в то.м, что
исследования в области семантической памяти развиваются
необычайно быстро. Обсуждая исследования или модели, по-
добные описанным в этой главе, невозможно учесть все из-
менения, которые происходят непрерывно. Кроме того, все
время разрабатываются и ставятся новые эксперименты, ре-
зультаты которых требуют объяснения с помощью моделей.
Все это делает проблему семантической памяти одной из
самых динамичных и увлекательных областей психологиче-
ских исследований.
Глава 9
Долговременная память:
забывание
Что имеют в виду, когда .говорят о забывании какой-либо
информации, хранившейся в ДП? Ответить на этот вопрос
не так-то просто, отчасти потому, что забывание, очевидно,
может принимать очень разнообразные формы. Вы, напри-
мер, не можете вспомнить, что происходило в тот день, когда
вам исполнился год, хотя возможно, что день вашего рожде-
ния праздновался. Человек вообще не помнит всего того. что
с ним происходило в младенчестве и раннем детстве. По-
скольку в этом возрасте человек еще не обладает развитой
речью, у него нет вербальных кодов, которые могли бы хра-
ниться в ДП; поэтому забывание событий, происходивших
в ранний период жизни, может в корне отличаться от забы-
вания, наблюдаемого в зрелом возрасте. Но и у взрослого
человека забывание .может носить весьма различный харак-
тер. Существует, например, так называемое <обыкновенное>
забывание, когда человек забывает купить что-то в магази-
не, не приходит на свидание или не может заполнить один
из пунктов во время какого-либо теста. Существует забыва-
ние в результате физической травмы-амнезия. Известно
также явление репрессии-намеренного забывания событий,
воспоминание о которых причиняет душевную боль.
Ввиду такого многообразия значений мы попытаемся,
прежде чем перейти к рассмотрению забывания, дать ему
какое-то определение.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98