仝 可 唐 薇 陈文锋 傅小兰

    (1中国科学院心理研究所, 脑与认知科学国家重点实验室, 北京 100101)(2中国科学院大学, 北京 100049)

    1 引言

    由多个体组成的集合刺激在真实生活中十分常见, 人们的很多决策依赖于对集合刺激的加工和判断(例如, 观察球队的阵型并做出调整)。然而,受制于有限的注意资源, 人类只能对4个左右的个体进行同时加工(Cowan, 2001; Luck & Vogel,1997), 但集合中个体的数量经常超出这个范围。为了更有效的加工集合刺激, 人类必须提取更精炼, 更有概括性的表征(Marr, 1982)。

    统计指标(例如, 平均值、标准差)能够描述集合刺激的整体特征, 因而是概括性表征的一个备选方案。幸运的是, 人类可能是“天生的统计学家”,对环境中的统计指标有很强的主观估计能力, 而且不需要额外的训练(Peterson & Beach, 1967)。越来越多的研究表明, 人类可以提取集合刺激中的统计信息并形成统计概要表征(statistical summary representation)。用统计指标来表征集合刺激是一种高效的加工方式, 对统计概要表征的研究有助于我们理解知觉系统如何处理海量信息。

    本文首先分析介绍了统计概要表征的主要内容和机制, 然后在此基础上提出了一个整合性的研究框架, 为该领域的已有研究提供了全局背景。文章最后给出了对未来研究的展望。

    2 统计概要表征的内容

    集中趋势(central tendency)和变异性(variability)是描述集合数据的主要指标, 相应的, 集中趋势表征和变异性表征是统计概要表征的主要内容。这两种表征相辅相成, 帮助人们从复杂信息中提取重要内容, 完成各种决策任务。

    2.1 集中趋势表征

    作为最常用的集中趋势指标, 平均值(mean)被广泛应用于各种对集合刺激的决策任务中(例如, 用平均成绩判断学业水平)。张云帆等(2009)发现, 集合的平均值可以得到自动加工, 同为集中趋势指标的众数(mode)却无法得到自动加工。因此对集合平均值的加工可能具有特异性, 平均值表征可能是集中趋势表征的主要内容(张云帆等, 2009)。

    平均值表征可以带来双重加工优势, 既节省了认知资源, 又提高了表征的准确度。首先, 用平均值代表集合的整体强度避免了对每个个体强度的分别表征, 这种加工方式大大减少了集合表征所需的信息量, 从而节省了认知资源(Ariely,2001) ......