Kategorizacija

S Wikipedije, slobodne enciklopedije

Kategorizacija je sposobnost i aktivnost prepoznavanja zajedničkih karakteristika ili sličnosti između elemenata iskustava svijeta (kao što su predmeti, događaji ili ideje), organiziranje i klasificiranje iskustva povezujući ih s apstraktnijom grupom (tj. kategorijom, klasom ili tipom),[1][2] na osnovu njihovih osobina, karakteristika, sličnosti ili drugih kriterija koji su univerzalni za grupu. Kategorizacija se smatra jednom od najosnovnijih kognitivne sposobnosti, i kao takvu je proučavaju posebno psihologija i kognitivna lingvistika.

Kategorizacija se ponekad smatra sinonimom za klasifikaciju (usp., Klasifikacijski sinonimi). Kategorizacija i klasifikacija omogućavaju ljudima da organiziraju stvari, objekte i ideje koji postoje oko njih i pojednostavljuju svoje razumijevanje svijeta.[3] Kategorizacija je nešto što ljudi i drugi organizmi rade: rade pravu stvar sa pravim tipom stvari. Aktivnost kategorizacije stvari može biti neverbalna ili verbalna. Za ljude se i konkretni objekti i apstraktne ideje prepoznaju, razlikuju i razumiju kroz kategorizaciju. Objekti se obično kategoriziraju u neke adaptivne ili pragmatične svrhe.

Kategorizacija je utemeljena u karakteristikama koje razlikuju članove kategorije od nečlanova. Kategorizacija je važna u učenju, predviđanju, zaključcima, donošenju odluka, jeziku i mnogim oblicima interakcije organizama sa njihovim okruženjem.

Pregled kategorizacije[uredi | uredi izvor]

Kategorije su različite kolekcije konkretnih ili apstraktnih instanci (članova kategorije) koje kognitivni sistem smatra ekvivalentnim. Korištenje znanja o kategorijama zahtijeva pristup mentalnim reprezentacijama koje definiraju osnovne karakteristike članova kategorije (kognitivni psiholozi ove mentalne reprezentacije specifične za kategoriju nazivaju koncepti).[4][5]

Za teoretičare kategorizacije, kategorizacija objekata često se razmatra korišćenjem taksonomije sa tri hijerarhijska nivoa apstrakcija.[6] Naprimjer, biljka bi se mogla identificirati na visokom nivou apstrakcije jednostavnim označavanjem cvijeta, na srednjem nivou apstrakcije navođenjem da je cvijet ruža, ili na niskom nivou apstrakcije daljnjim navođenjem ove ruže kao pasja ruža. Kategorije u taksonomiji povezane su jedna s drugom putem uključivanja klasa, pri čemu je najviši nivo apstrakcije najinkluzivniji, a najniži nivo apstrakcije najmanje inkluzivan.[6] Tri nivoa apstrakcije su kao slijedi:

  • Nadređeni nivo, rod (npr. cvijet) – najviši i najinkluzivniji nivo apstrakcije. Pokazuje najveći stepen generalnosti i najmanji stepen sličnosti unutar kategorije.[7]
  • Osnovni nivo, vrsta (npr. ruža) – Srednji nivo apstrakcije. Rosch i kolege (1976) sugeriraju da je osnovni nivo kognitivno najefikasniji.[6] Kategorije osnovnog nivoa pokazuju visoke unutarkategorijske sličnosti i visoke različnosti između kategorija. Nadalje, osnovni nivo je najinkluzivniji nivo na kojem primjerci kategorije dijele generalizirani prepoznatljiv oblik.[6] Odrasli najčešće koriste nazive objekata osnovnog nivoa, a djeca prvo uče osnovne nazive objekata.[6]
  • Podređeni nivo (npr. pasja ruža) – najniži nivo apstrakcije. Pokazuje najveći stepen specifičnosti i sličnosti unutar kategorije.[7]

Teorije kategorizacije[uredi | uredi izvor]

Klasičan pogled[uredi | uredi izvor]

Klasična teorija kategorizacije, je termin koji se koristi u kognitivnoj lingvistici da označi pristup kategorizaciji koji se pojavljuje kod Platona i Aristotela i koji je bio vrlo uticajan i dominantan u zapadnoj kulturi, posebno u filozofiji , lingvistici i psihologiji.[8][9] Aristotelov kategorički metod analize prenesen je na skolastički srednjovjekovni univerzitet preko Porfirijevog Isagoge. Klasični pogled na kategorije može se sažeti u tri pretpostavke: kategorija se može opisati kao lista neophodna i dovoljna karakteristika koje njeno članstvo mora imati; kategorije su diskretne po tome što imaju jasno definirane granice (ili element pripada jednom ili ne, bez mogućnosti između), a svi članovi kategorije imaju isti status. (Nema članova kategorije koji pripadaju više od ostalih).[1][8][10] U klasičnom pogledu, kategorije moraju biti jasno definirane, međusobno isključive i kolektivno iscrpne; na ovaj način, svaki entitet u datom klasifikacionom univerzumu nedvosmisleno pripada jednoj, i samo jednoj, od predloženih kategorija.

Klasični pogled na kategorije prvi put se pojavio u kontekstu zapadne filozofije u djelu Platona, koji u svom Državnik dijalog uvodi pristup grupisanja objekata zasnovanih na na njihovim sličnim osobinama. Ovaj pristup je dalje istražio i sistematizirao Aristotel u svojoj raspravi Kategorije, gdje analizira razlike između klasa i objekata. Aristotel je također intenzivno primjenjivao klasičnu shemu kategorizacije u svom pristupu klasifikaciji živih bića (koja koristi tehniku primjene uzastopnih sužavajućih pitanja kao što su "Da li je životinja ili povrće?", "Koliko stopa ima?", " Ima li krzno ili perje?", "Može li letjeti?"...), postavljajući na taj način osnovu za prirodnu taksonomiju.

Primjeri upotrebe klasičnog pogleda na kategorije mogu se naći u zapadnim filozofskim djelima Descartes, Blaise Pascal, Spinoza i John Locke, te u 20. stoljeću u Bertrand Russell, G.E. Moore, logički pozitivisti. Bio je kamen temeljac analitičke filozofije i njene konceptualne analize, s novijim formulacijama koje su 1990-ih predložili Frank Cameron Jackson i Christopher Peacocke].[11][12][13] Početkom 20. stoljeća pitanje kategorija su u empirijske društvene nauke uveli Durkheim i Mauss, čiji je pionirski rad revidiran u savremenoj nauci..[14][15]

Klasični model kategorizacije korišten je barem do 1960-ih od strane lingvističke paradigme strukturne semantike, kod Jerrold Katz i Jerryja Fodora 1963. godine, što je zauzvrat uticalo na njegovo usvajanje od strane psihologa kao što su Allan M. Collins i M. Ross Quillian.[1][16]

Moderne verzije klasične teorije kategorizacije proučavaju kako mozak uči i predstavlja kategorije otkrivanje karakteristika koje razlikuju članove od nečlanova.[17][18]

Teorija prototipa[uredi | uredi izvor]

Pionirsko istraživanje psihologa Eleanora Roscha i kolega od 1973. godine uvelo je teoriju prototipa, prema kojoj se kategorizacija može posmatrati i kao proces grupiranja stvari na osnovu prototipa. Ovaj pristup je bio veoma uticajan, posebno za kognitivnu lingvistiku.[1] Djelomično se temeljila na prethodnim uvidima, posebno na formulaciji modela kategorije zasnovanog na porodičnoj sličnosti kod Wittgensteina (1953) i Rogera Browna: Kako se neka stvar zove? (1958.).[1]

Teoriju prototipa su zatim usvojili kognitivni lingvisti poput Georgea Lakoffa. Teorija prototipa je primjer pristupa kategorizaciji zasnovanoj na sličnosti, u kojem se pohranjena reprezentacija kategorije koristi za procjenu sličnosti članova kategorije kandidata.[19] Prema teoriji prototipa, ova pohranjena reprezentacija sastoji se od sažetog prikaza članova kategorije. Ovaj prototip stimulansa može imati različite oblike. To može biti središnja tendencija koja predstavlja prosječnog člana kategorije, modalni stimulus koji predstavlja ili najčešći primjer ili stimulus sastavljen od najčešćih karakteristika kategorije, ili, na kraju, "idealni" član kategorije, ili karikatura koja naglašava posebne karakteristike kategorije.[20] Važno razmatranje ovog prototipa predstavljanja je da ono ne odražava nužno postojanje stvarne instance kategorije u svijetu.[20] Nadalje, prototipovi su vrlo osjetljivi na kontekst.[21] Naprimjer, dok nečiji prototip za kategoriju pića može biti soda ili seltzer, kontekst marende može ih navesti da izaberu mimozu kao prototip napitka.

Teorija prototipa tvrdi da članovi date kategorije dijele porodičnu sličnost, a kategorije su definirane skupovima tipskih karakteristika (za razliku od svih članova koji posjeduju potrebne i dovoljne karakteristike).[22]

Teorija primjera[uredi | uredi izvor]

Još jedan primjer pristupa kategorizaciji zasnovanog na sličnosti, teorija primjera također uspoređuje sličnost članova kategorije kandidata sa pohranjenim memorijskim reprezentacijama. Prema teoriji egzemplara, sve poznate instance kategorije pohranjuju se u memoriju kao primjeri. Kada se procjenjuje članstvo nepoznatog entiteta u kategoriji, primjeri iz potencijalno relevantnih kategorija izvlače se iz pamćenja, a sličnost entiteta sa tim primjerima se zbraja kako bi se formulirala odluka o kategorizaciji.[20] Medinov i Schafferov (1978) kontekstni model koriste pristup najbliži susjed koji, umjesto da zbraja sličnosti entiteta sa relevantnim primjerima, množi ih, kako bi pružio ponderirane sličnosti koje odražavaju blizinu entiteta relevantnim uzori.[23] Ovo efektivno dovodi do pristrasnosti odluka o kategorizaciji prema primjerima koji su najsličniji entitetu koji će biti kategoriziran.[23][24]

Konceptualno grupisanje[uredi | uredi izvor]

Konceptualno grupiranje je paradigma mašinskog učenja za nenadziranu klasifikaciju koju je definirao Ryszard S. Michalski 1980.[25][26] To je moderna varijacija klasičnog pristupa kategorizacije, a proizilazi iz pokušaja da se objasni kako je znanje predstavljeno. U ovom pristupu, klase (klasteri ili entiteti) generišu se tako što se prvo formulišu njihovi konceptualni opisi, a zatim klasifikuju entiteti prema opisima.[27]

Konceptno grupisanje se razvilo uglavnom tokom 1980-ih, kao mašinska paradigma za učenje bez nadzora. Razlikuje se od običnog klasterizacija podataka generisanjem opisa koncepta za svaku generisanu kategoriju.

Konceptno grupiranje je usko povezano sa teorijom fazni skup, u kojoj objekti mogu pripadati jednoj ili više grupa, u različitim stepenima podobnosti. Kognitivni pristup prihvata da su prirodne kategorije stepenovane (teže da budu fazni na svojim granicama) i nedosledne u statusu svojih konstitutivnih članova. Ideja o neophodnim i dovoljnim uslovima gotovo se nikada ne sreće u kategorijama stvari koje se javljaju u prirodi.

Kategorija učenja[uredi | uredi izvor]

"Dok je iscrpna rasprava o učenju kategorija izvan okvira ovog članka, kratak pregled učenja kategorija i povezanih teorija je koristan u razumijevanju formalnih modela kategorizacije." Ako istraživanje kategorizacije ispituje kako se kategorije održavaju i koriste, polje učenja kategorija nastoji razumjeti kako se kategorije uopće stiču. Da bi to postigli, istraživači često koriste nove kategorije proizvoljnih objekata (npr. matrice tačaka) kako bi osigurali da učesnici nisu u potpunosti upoznati sa stimulansima.[28] Istraživači učenja kategorija općenito su se fokusirali na dva različita oblika kategorija učenja. Učenje klasifikacije daje zadatak učesnicima da predvide oznake kategorije za stimulus na osnovu njegovih obezbeđenih karakteristika. Učenje o klasifikaciji je usredsređeno na učenje informacija između kategorija i dijagnostičkih karakteristika kategorija.[29] Nasuprot tome, učenje zaključivanja zadaje učesnicima zaključivanje o prisutnosti/vrijednosti karakteristike kategorije na osnovu date oznake kategorije i/ili prisutnosti drugih karakteristika kategorije. Učenje zaključivanja je usredsređeno na učenje informacija unutar kategorije i prototipskih karakteristika kategorije.[29]

Kategorija zadaci učenja općenito se mogu podijeliti u dvije kategorije, nadgledano i nenadgledano učenje. Zadaci učenja pod nadzorom daju učenicima oznake kategorija. Učenici zatim koriste informacije izvučene iz označenih kategorija primjera da klasificiraju stimuluse u odgovarajuću kategoriju, što može uključivati apstrakciju pravila ili koncepta koji povezuje karakteristike promatranog objekta sa oznakama kategorije. Zadaci učenja bez nadzora ne daju učenicima oznake kategorija. Učenici stoga moraju prepoznati inherentne strukture u skupu podataka i grupirati stimuluse prema sličnosti u klase. Učenje bez nadzora je stoga proces generisanja klasifikacijske strukture. Zadaci koji se koriste za proučavanje učenja kategorija imaju različite oblike:

  • Zadaci zasnovani na pravilima predstavljaju kategorije koje učesnici mogu naučiti kroz eksplicitne procese zaključivanja. U ovakvim tipovima zadataka, klasifikacija stimulusa postiže se korištenjem stečenog pravila (tj. ako je stimulans velik na dimenziji X, odgovorite A).
  • Zadaci integracije informacija zahtijevaju od učenika da sintetiziraju perceptivne informacije iz više dimenzija stimulusa prije donošenja odluka o kategorizaciji. Za razliku od zadataka zasnovanih na pravilima, zadaci integracije informacija ne daju pravila koja se lahko mogu artikulirati. Očitavanje rendgenskog snimka i pokušaj da se utvrdi da li je tumor prisutan može se smatrati instancijom zadatka integracije informacija u stvarnom svijetu.
  • Zadaci izobličenja prototipa zahtijevaju od učenika da generiraju prototip za kategoriju. Primjeri kandidata za kategoriju se zatim proizvode nasumičnom manipulacijom karakteristikama prototipa, koje učenici moraju klasificirati kao da pripadaju kategoriji ili ne.

Teorije kategorija učenja[uredi | uredi izvor]

Istraživači učenja kategorija su predložili različite teorije o tome kako ljudi uče kategorije.[30] Prevailing theories of category learning include the prototype theory, the exemplar theory, and the decision bound theory.[28]

Teorija prototipa sugerira da se za učenje kategorije mora naučiti prototip kategorije. Naknadna kategorizacija novih podražaja se zatim postiže odabirom kategorije sa najsličnijim prototipom.[28]

Teorija egzemplara sugerira da se za učenje kategorije mora naučiti o primjerima koji pripadaju toj kategoriji. Naknadna kategorizacija novog stimulusa se zatim postiže izračunavanjem njegove sličnosti sa poznatim primjerima potencijalno relevantnih kategorija i odabirom kategorije koja sadrži najsličnije primjere.[23]

Teorija vezana za odlučivanje sugerira da se za kategorije učenja moraju ili naučiti regije stimulativnog prostora povezane s određenim odgovorima ili granice (granice odluke) koje dijele ove regije odgovora. Kategorizacija novog stimulusa se zatim postiže određivanjem u kojoj regiji odgovora se nalazi.[31]

Formalni modeli kategorizacije[uredi | uredi izvor]

Računarski modeli kategorizacije su razvijeni da testiraju teorije o tome kako ljudi predstavljaju i koriste informacije o kategorijama.[20] Da bi se to postiglo, modeli kategorizacije mogu se uklopiti u eksperimentalne podatke kako bi se vidjelo koliko se predviđanja koja nudi model poklapaju s ljudskim performansama. Na osnovu uspeha modela u objašnjavanju podataka, teoretičari su u stanju da izvuku zaključke o tačnosti svojih teorija i relevantnosti njihove teorije za reprezentacije ljudskih kategorija.

Da bi se efektivno uhvatilo kako ljudi predstavljaju i koriste informacije o kategorijama, modeli kategorizacije općenito rade pod varijacijama iste tri osnovne pretpostavke.[20][32] Prvo, model mora napraviti neku vrstu pretpostavke o internoj reprezentaciji stimulusa (npr. predstavljanje percepcije stimulusa kao tačke u višedimenzionalnom prostoru).[32] Drugo , model mora napraviti pretpostavku o specifičnim informacijama kojima se treba pristupiti da bi se formulirao odgovor (npr. primjerni modeli zahtijevaju prikupljanje svih dostupnih primjera za svaku kategoriju).[23] Treće, model mora napraviti pretpostavku o tome kako je odgovor odabran s obzirom na dostupne informacije.[32]

Iako svi modeli kategorizacije čine ove tri pretpostavke, oni se razlikuju po načinima na koje predstavljaju i transformišu input u reprezentaciju odgovora.[20] Interne strukture znanja različitih modela kategorizacije odražavaju specifične reprezentacije koje koriste za izvođenje ovih transformacija. Tipične reprezentacije koje koriste modeli uključuju primjere, prototipove i pravila.[20]

  • Primjerni modeli pohranjuju sve različite instance stimulusa s njihovim odgovarajućim oznakama kategorije u memoriju. Kategorizacija naknadnih stimulusa određena je kolektivnom sličnošću stimulusa sa svim poznatim primjerima.
  • Modeli prototipa pohranjuju sažeti prikaz svih instanci u kategoriji. Kategorizacija naknadnih podražaja se određuje odabirom kategorije čiji je prototip najsličniji stimulusu.
  • Modeli zasnovani na pravilima definiraju kategorije pohranjivanjem sažetih lista potrebnih i dovoljnih karakteristika potrebnih za članstvo u kategoriji. Granični modeli se mogu smatrati atipičnim modelima pravila, jer ne definiraju kategorije na osnovu njihovog sadržaja. Umjesto toga, granični modeli definiraju rubove (granice) između kategorija, koje kasnije služe kao determinante za to kako se stimulans kategorizira.

Primjeri modela kategorizacije[uredi | uredi izvor]

Model prototipa[uredi | uredi izvor]

Model prototipa ponderiranih karakteristika [33] Ranu instanciju prototipnog modela proizveo je Reed ranih 1970-ih. Reed (1972) je proveo niz eksperimenata kako bi uporedio performanse 18 modela u objašnjavanju podataka iz zadatka kategorizacije koji je od učesnika zahtevao da sortiraju lica u jednu od dve kategorije. Rezultati sugerišu da je preovlađujući model bio model prototipa sa ponderiranim karakteristikama, koji je pripadao porodici modela prosečne udaljenosti. Međutim, za razliku od tradicijskih modela prosječne udaljenosti, ovaj model je različito ponderirao najznačajnije karakteristike ove dvije kategorije. S obzirom na performanse ovog modela, Reed (1972) je zaključio da je strategija koju su učesnici koristili tokom zadatka kategorizacije lica bila da konstruiraju reprezentaciju prototipa za svaku od dvije kategorije lica i kategorišu testne obrasce u kategoriju koja je povezana sa najsličnijim prototipom. Nadalje, rezultati su ukazali na to da je sličnost određena prema najdiskriminirajućim karakteristikama svake kategorije.

Modeli primjera[uredi | uredi izvor]

Model generaliziranog konteksta[34] Medinov i Schafferov (1978) kontekstni model proširio je Nosofsky (1986) sredinom 1980-ih, što je rezultiralo proizvodnjom modela generaliziranog konteksta (GCM). GCM je uzorni model koji pohranjuje primjere stimulusa kao iscrpne kombinacije karakteristika povezanih sa svakim primjerkom. Pohranjivanjem ovih kombinacija, model uspostavlja kontekste za karakteristike svakog primjera , koje su definirane svim ostalim karakteristikama s kojima se ta karakteristika pojavljuje. GCM izračunava sličnost primjera i stimulusa u dva koraka. Prvo, GCM izračunava psihološku udaljenost između uzorka i stimulusa. Ovo se postiže zbrajanjem apsolutnih vrijednosti dimenzijske razlike između uzorka i stimulusa. Naprimjer, pretpostavimo da primjer ima vrijednost 18 na dimenziji X, a stimulus ima vrijednost 42 na dimenziji X; rezultujuća dimenzijska razlika bi bila 24. Kada se procijeni psihološka udaljenost, eksponencijalna funkcija raspada određuje sličnost primjera i stimulusa, pri čemu udaljenost od 0 rezultira sličnošću od 1 (koja počinje da se eksponencijalno smanjuje kako se udaljenost povećava). Kategorički odgovori se zatim generiraju procjenom sličnosti stimulansa sa uzorcima svake kategorije, pri čemu svaki primjer daje "glas"[20] za svoje kategorije koje varira u snazi na osnovu sličnosti primjerka na stimulans i snagu povezanosti uzora sa kategorijom. Ovo efektivno svakoj kategoriji dodjeljuje vjerovatnoću odabira koja je određena proporcijom glasova koju dobije, a koja se onda može prilagoditi podacima.

Modeli zasnovani na pravilima[uredi | uredi izvor]

RULEX (Rule-Plus-Exception) Model[35] Dok su jednostavna logička pravila neefikasna u učenju loše definiranih struktura kategorija, neki zagovornici teorije kategorizacije zasnovane na pravilima sugeriraju da se nesavršeno pravilo može koristiti za učenje takvih struktura kategorija ako se izuzeci od tog pravila također pohranjuju i razmatraju. Da bi formalizovali ovaj predlog, Nosofsky i kolege (1994) dizajnirali su model RULEX. RULEX model pokušava da formira stablo odlučivanja[36] sastavljena od sekvencijskih testova vrijednosti atributa objekta. Kategorizacija objekta je tada određena ishodom ovih uzastopnih testova. RULEX model traži pravila na sljedeće načine:[37]

  • Tačnost traži pravilo koje koristi jedan atribut za razlikovanje klasa bez greške.
  • Imperfekt traži pravilo koje koristi jedan atribut za razlikovanje klasa s nekoliko grešaka
  • Konjunktiv traži pravilo koje koristi više atributa za razlikovanje između klasa s nekoliko grešaka.
  • Izuzetak traži iznimke od pravila.

Metod koji RULEX koristi za obavljanje ovih pretraga je sljedeći:[37] Prvo, RULEX pokušava tačnu pretragu. Ako bude uspješan, RULEX će kontinuirano primjenjivati to pravilo sve dok ne dođe do pogrešne klasifikacije. Ako tačna pretraga ne uspije identificirati pravilo, započinje ili nesavršeno ili konjunktivno pretraživanje. Dovoljno, iako nesavršeno, pravilo stečeno tokom jedne od ovih faza pretraživanja će postati trajno implementirano i model RULEX će tada početi tražiti izuzetke. Ako se ne usvoji nijedno pravilo, tada će model pokušati pretraživanje koje nije izvršio u prethodnoj fazi. Ako bude uspješan, RULEX će trajno implementirati pravilo, a zatim započeti pretragu izuzetaka. Ako nijedan od prethodnih metoda pretraživanja nije uspješan, RULEX će po defaultu tražiti samo izuzetke, uprkos nedostatku pridruženog pravila, što je jednako sticanju slučajnog pravila.

Hibridni modeli[uredi | uredi izvor]

SUSTAIN (nadzirana i nenadzirana stratificirana adaptivna inkrementna mreža)[38] Često je slučaj da se reprezentacije naučenih kategorija razlikuju u zavisnosti od ciljeva učenika,[39] kao i kako se kategorije koriste tokom učenja.[5] Prema tome, neki istraživači kategorizacije sugerišu da odgovarajući model kategorizacije treba da bude u stanju da uzme u obzir varijabilnost prisutnu u ciljevima učenika, zadaci i strategije.[38] Ovaj prijedlog su realizirali Love i kolege (2004.) kreiranjem SUSTAIN-a, fleksibilnog modela grupiranja koji je sposoban da prihvati i jednostavne i složene probleme kategorizacije kroz inkrementno prilagođavanje na specifičnosti problema.

U praksi, SUSTAIN model prvo pretvara perceptivne informacije stimulusa u karakteristike koje su organizovane duž skupa dimenzija. Reprezentativni prostor koji obuhvata ove dimenzije se zatim iskrivljuje (npr. rasteže ili skuplja) kako bi se odrazila važnost svake karakteristike na osnovu inputa iz mehanizma pažnje. Skup klastera (specifičnih instanci grupisanih po sličnosti) povezanih sa različitim kategorijama zatim se takmiče u odgovoru na stimulans, pri čemu se stimulus naknadno dodeljuje klasteru čiji je prostor za predstavljanje najbliži stimulansu. Nepoznatu vrijednost dimenzije stimulusa (npr. oznaka kategorije) tada predviđa pobjednički klaster, koji zauzvrat daje informaciju o odluci o kategorizaciji.

Fleksibilnost SUSTAIN modela ostvaruje se putem njegove sposobnosti da koristi i nadgledano i nenadgledano učenje na nivou klastera. Ako SUSTAIN pogrešno predviđa da stimulus pripada određenom klasteru, korektivne povratne informacije (tj. nadgledano učenje) bi signalizirale održivosti da angažuje dodatni klaster koji predstavlja pogrešno klasifikovani stimulus. Stoga bi naknadna izlaganja stimulusu (ili sličnoj alternativi) bila dodijeljena ispravnom klasteru. SUSTAIN će također koristiti nenadgledano učenje za regrutaciju dodatnog klastera ako sličnost između stimulusa i najbližeg klastera ne prelazi prag, pošto model prepoznaje slabu prediktivnu korisnost koja bi rezultirala takvim dodjeljivanjem klastera. SUSTAIN takođe pokazuje fleksibilnost u načinu na koji rješava jednostavne i složene probleme kategorizacije. Iskreno, interna reprezentacija SUSTAIN-a sadrži samo jedan klaster, čime se model naginje prema jednostavnim rješenjima. Kako problemi postaju sve složeniji (npr. zahtijevaju rješenja koja se sastoje od višestrukih dimenzija stimulansa), dodatni klasteri se postepeno regrutuju kako bi SUSTAIN mogao podnijeti porast složenosti.

Društvena kategorizacija[uredi | uredi izvor]

Društvena kategorizacija sastoji se od stavljanja ljudskih bića u grupe kako bi se identificirali na osnovu različitih kriterija. Kategorizacija je proces koji proučavaju naučnici u kognitivnim naukama, ali se može proučavati i kao društvena aktivnost. Društvena kategorizacija se razlikuje od kategorizacije drugih stvari jer podrazumijeva da ljudi kreiraju kategorije za sebe i druge kao ljudska bića.[3] Grupe se mogu kreirati na osnovu etničke pripadnosti, zemlje porijekla, vjere, spolnog identiteta, društvene privilegije, ekonomske privilegije, itd. Postoje različiti načini razvrstavanja ljudi prema nečijim shemama. Ljudi pripadaju različitim društvenim grupama zbog svoje etničke pripadnosti, vjere ili starosti.[40]

Društvene kategorije zasnovane na dobi, rasi i spolu koriste ljudi kada se susreću s novom osobom. Budući da se neke od ovih kategorija odnose na fizičke osobine, često se koriste automatski kada se ljudi ne poznaju.[41] Ove kategorije nisu objektivne i zavise od toga kako ljudi vide svijet oko sebe. Oni omogućavaju ljudima da se identifikuju sa sličnim ljudima i da identifikuju ljude koji su različiti. Oni su korisni u formiranju nečijeg identiteta sa ljudima oko sebe. Neko može izgraditi sopstveni identitet identifikujući se u grupi ili odbacivanjem druge grupe.[42]

Društvena kategorizacija je slična drugim vrstama kategorizacije jer ima za cilj da pojednostavi razumijevanje ljudi. Međutim, stvaranje društvenih kategorija podrazumijeva da će se ljudi pozicionirati u odnosu na druge grupe. Hijerarhija u grupnim odnosima može se pojaviti kao rezultat društvene kategorizacije.[42]

Naučnici tvrde da proces kategorizacije počinje u ranoj dobi kada djeca počinju učiti o svijetu i ljudima oko sebe. Djeca uče kako upoznati ljude prema kategorijama na osnovu sličnosti i razlika. Društvene kategorije koje kreiraju odrasli također utiču na njihovo razumijevanje svijeta. Oni uče o društvenim grupama slušajući opće informacije o tim grupama od svojih roditelja. Oni tada mogu razviti predrasude o ljudima kao rezultat ovih općenitosti.[41]

Još jedan aspekt društvene kategorizacije spominju Stephen Reicher i Nick Hopkins i vezan je za političku dominaciju. Oni tvrde da politički lideri koriste društvene kategorije da utiču na političke debate.[40]

Negativni aspekti[uredi | uredi izvor]

Aktivnost razvrstavanja ljudi prema subjektivnim ili objektivnim kriterijumima može se posmatrati kao negativan proces zbog svoje tendencije da dovede do nasilja iz grupe u drugu.[43] Zaista, sličnosti okupljaju ljude koji imaju zajedničko osobine, ali razlike između grupa mogu dovesti do tenzija, a zatim i do upotrebe nasilja između tih grupa. Stvaranje društvenih grupa od strane ljudi odgovorno je za hijerarhizaciju odnosa između grupa.[43] Ovi hijerarhijski odnosi učestvuju u promovisanju stereotipa o ljudima i grupama, ponekad zasnovanih na subjektivnim kriterijumima. Društvene kategorije mogu potaknuti ljude da povezuju stereotipe sa grupama ljudi. Povezivanje stereotipa sa grupom, i ljudima koji pripadaju ovoj grupi, može dovesti do oblika diskriminacije prema ljudima ove grupe.[44] Percepcija grupe i stereotipi povezani s njom utiču na društvene odnose i aktivnosti.

Neke društvene kategorije imaju veću težinu od drugih u društvu. Naprimjer, u historiji, ai danas, kategorija "rasa" je jedna od prvih kategorija korištenih za sortiranje ljudi. Međutim, obično se koristi samo nekoliko kategorija rase kao što su "crnci", "bjelci", "azijati" itd. Učestvuje u svođenju mnoštva etničkih grupa na nekoliko kategorija na osnovu uglavnom boje kože ljudi.[45]

Proces sortiranja ljudi stvara viziju drugog kao 'drugačijeg', što dovodi do dehumanizacije ljudi. Naučnici govore o međugrupnim odnosima uz koncept teorija društvenog identiteta koji je razvio H. Tajfel.[43] Zaista, u historiji su mnogi primjeri društvene kategorizacije doveli do oblika dominacije ili nasilja iz dominantne grupe u dominantnu grupu. Periodi kolonizacije su primjeri vremena kada su ljudi iz grupe birali da dominiraju i kontrolišu druge ljude koji pripadaju drugim grupama jer su ih smatrali inferiornima. Rasizam, diskriminacija i nasilje su posljedice društvene kategorizacije i mogu nastati zbog toga. Kada ljudi vide druge kao drugačije, oni imaju tendenciju da razviju hijerarhijske odnose sa drugim grupama.[43]

Pogrešna kategorizacija[uredi | uredi izvor]

Ne može biti kategorizacije bez mogućnosti pogrešne kategorizacije.[46] To do "the right thing with the right kind of thing.",[47] Da biste uradili "pravu stvar sa pravim "tipom" stvari.",[47] mora postojati i ispravna i pogrešna stvar. Ne samo da kategorija čiji je "sve" član logično vodi do Russellovog paradoksa ("da li je ili nije član sam po sebi?"), nego bez mogućnosti greške, nema načina da se otkrije ili definiše ono što razlikuje članove kategorije od nečlanova.

Primjer odsustva nečlanova je problem siromaštva stimulansa u učenju jezika od strane djeteta: djeca koja uče jezik ne čuju ili prave greške u pravilima univerzalne gramatike (UG) . Stoga se nikada ne ispravljaju greške u UG. Ipak, dječji govor je u skladu s pravilima UG, a govornici mogu odmah otkriti da nešto nije u redu ako lingvista (namjerno) generiše izričaj koji krši UG. Stoga govornici mogu kategorizirati šta je UG-kompatibilno i UG-neusaglašeno. Lingvisti su iz ovoga zaključili da pravila UG moraju na neki način biti kodirana u ljudskom mozgu..[48]

Međutim, obične kategorije, kao što su "psi", imaju obilje primjera nečlanova (mačke, naprimjer). Tako je moguće naučiti, pokušajem i greškom, uz ispravljanje grešaka, otkriti i definirati šta razlikuje pse od ne-pasa, a samim tim i ispravno ih kategorizirati.[49] Ova vrsta učenja, nazvana učenje s pojačavanjem u literaturi o ponašanju i učenje pod nadzorom u računarskoj literaturi, u osnovi zavisi od mogućnosti greške i ispravljanja grešaka. Pogrešna kategorizacija – primjeri nečlanova kategorije – mora uvijek postojati, ne samo da bi se kategorija učinila naučljivom, već i da bi kategorija uopće postojala i mogla se definisati.

Također pogledajte[uredi | uredi izvor]

Reference[uredi | uredi izvor]

  1. ^ a b c d e Croft and Cruse (2004) Cognitive Linguistics ch.4 pp.74-77
  2. ^ Pothos, E. and Wills, A. (eds.) 2011 Formal Approaches in Categorization, Introduction, ch.1 p.1
  3. ^ a b McGarty, Craig, et al. “Social Categorization.” International Encyclopedia of the Social & Behavioral Sciences, 2015, pp. 186–191.
  4. ^ Murphy, G. L., & Medin, D. L. (1985). The role of theories in conceptual coherence. Psychological Review, 92, 289–315
  5. ^ a b Markman, A. B., & Ross, B. H. (2003). Category use and category learning. Psychological bulletin, 129(4), 592.
  6. ^ a b c d e Rosch E, Mervis CB, Gray WD, Johnson DM, Boyes-Bream P. Basic objects in natural categories. Cognitive Psychology. 1976;8:382–439.
  7. ^ a b Markman, A. B., & Wisniewski, E. J. (1997). Similar and different: The differentiation of basic-level categories. Journal of Experimental Psychology: Learning, Memory, and Cognition, 23(1), 54.
  8. ^ a b John R Taylor (1995) Linguistic Categorization: Prototypes in Linguistic Theory, 2nd ed., ch.2 pp.21-24
  9. ^ George Lakoff (1987) Women, Fire, and Dangerous Things, ch.1
  10. ^ Embley, D.W. Olivé, A. (2006) Conceptual Modeling - ER 2006: 25th International Conference on Conceptual Modeling
  11. ^ Raatikainen, Panu Classical Theory of Concepts, in Pashler, Harold (2012) Encyclopedia of the Mind
  12. ^ Jackson, F. (1998) From Metaphysics to Ethics: A Defence of Conceptual Analysis
  13. ^ Peacocke, C. (1992) A study of concepts, MIT.
  14. ^ Durkheim, Emile; Mauss, Marcel; Durkheim, Émile (2002). quelques formes primitives de classification. Classiques des sciences sociales. Chicoutimi: J.-M. Tremblay. doi:10.1522/cla.due.deq. ISBN 1-55441-218-8.
  15. ^ Alejandro, Audrey (januar 2021). "How to Problematise Categories: Building the Methodological Toolbox for Linguistic Reflexivity". International Journal of Qualitative Methods. 20: 160940692110555. doi:10.1177/16094069211055572. ISSN 1609-4069. S2CID 244420443 Provjerite vrijednost parametra |s2cid= (pomoć).
  16. ^ Katz, J. J. & Fodor, J. A. (1963). The structure of a semantic theory. Language, 39(2), Apr–Jun, 170–210.
  17. ^ Ashby, F. G., & Valentin, V. V. (2017). Multiple systems of perceptual category learning: Theory and cognitive tests. In: Cohen, H., & Lefebvre, C. (Eds.). (2017).Handbook of Categorization in Cognitive Science (2nd edition). Elsevier.
  18. ^ Pérez-Gay Juárez, F., Thériault, C., Gregory, M., Rivas, D., Sabri, H., & Harnad, S. (2017). How and Why Does Category Learning Cause Categorical Perception? International Journal of Comparative Psychology, 30.
  19. ^ Reed, S. K. (1972). Pattern recognition and categorization. Cognitive Psychology, 3, 382–407.
  20. ^ a b c d e f g h Kruschke, J. K. (2008). Models of categorization. The Cambridge handbook of computational psychology, 267-301.
  21. ^ Rosch, E. (1999). Reclaiming concepts. Journal of consciousness studies, 6(11-12), 61-77.
  22. ^ Rosch, E., & Mervis, C. B. (1975). Family resemblances: Studies in the internal structure of categories. Cognitive psychology, 7(4), 573-605.
  23. ^ a b c d Medin, D. L., & Schaffer, M. M. (1978). Context theory of classification learning. Psychological review, 85(3), 207.
  24. ^ Goldstone, R. L., Kersten, A., & Carvalho, P. F. (2012). Concepts and categorization. Handbook of Psychology, Second Edition, 4.
  25. ^ Fisher, Douglas H. (1987). "Knowledge acquisition via incremental conceptual clustering". Machine Learning. 2 (2): 139–172. doi:10.1007/BF00114265.
  26. ^ Michalski, R. S. (1980). "Knowledge acquisition through conceptual clustering: A theoretical framework and an algorithm for partitioning data into conjunctive concepts". International Journal of Policy Analysis and Information Systems. 4: 219–244.
  27. ^ Kaufman K.A. (2012) Conceptual Clustering. In: Seel N.M. (eds) Encyclopedia of the Sciences of Learning. Springer, Boston, MA
  28. ^ a b c Ashby, F. G., & Maddox, W. T. (2005). Human category learning. Annu. Rev. Psychol., 56, 149-178.
  29. ^ a b Higgins, E., & Ross, B. (2011). Comparisons in category learning: How best to compare for what. In Proceedings of the Annual Meeting of the Cognitive Science Society (Vol. 33, No. 33).
  30. ^ Ashby, F. G., & Maddox, W. T. (1998). Stimulus categorization. In Measurement, Judgment and Decision Making (pp. 251-301). Academic Press.
  31. ^ Maddox, W.T., & Ashby, F.G. (1996). Perceptive separability, decisional separability and the relationship between identification and classification speed. Journal of Experimental Psychology: Human Perception and Performance, 22(4), 795.
  32. ^ a b c Ashby, F. G., & Maddox, W. T. (1993). Relations between prototype, exemplar, and decision bound models of categorization. Journal of Mathematical Psychology, 37(3), 372-400.
  33. ^ Reed, S. K. (1972). Pattern recognition and categorization. Cognitive psychology, 3(3), 382-407.
  34. ^ Nosofsky, R. M. (1986). Attention, similarity, and the identification–categorization relationship. Journal of experimental psychology: General, 115(1), 39.
  35. ^ Nosofsky, R. M., Palmeri, T. J., & McKinley, S. C. (1994). Rule-plus-exception model of classification learning. Psychological review, 101(1), 53.
  36. ^ Hunt, E. B., Marin, J., & Stone, P. J. (1966). Experiments in induction.
  37. ^ a b Navarro, D. J. (2005). Analyzing the RULEX model of category learning. Journal of Mathematical Psychology, 49(4), 259-275.
  38. ^ a b Love, B. C., Medin, D. L., & Gureckis, T. M. (2004). SUSTAIN: a network model of category learning. Psychological review, 111(2), 309.
  39. ^ Barsalou, L. W. (1985). Ideals, central tendency, and frequency of instantiation as determinants of graded structure in categories. Journal of experimental psychology: learning, memory, and cognition, 11(4), 629.
  40. ^ a b Reicher, S, and N Hopkins. “Psychology and the End of History: a Critique and a Proposal for the Psychology of Social Categorization.” Political Psychology, vol. 22, no. 2, 2001, pp. 383–407.
  41. ^ a b Liberman, Zoe, et al. “The Origins of Social Categorization.” Trends In Cognitive Sciences, vol. 21, no. 7, 2017, pp. 556–568.
  42. ^ a b Bodenhausen, Galen & Kang, S.K. & Peery, D.. (2012). Social categorization and the perception of social groups. 10.4135/9781446247631.n16.
  43. ^ a b c d Tajfel, H. “Social Psychology of Intergroup Relations.” Annual review of psychology, vol. 33, no. 1, 1982, pp. 1–39.
  44. ^ Hugenberg, Kurt i Galen V. Bodenhausen. “ Ambiguity in Social Categorization: The Role of Prejudice and Facial Affect in Racial Categorization.” Psychological Science, vol. 15, no. 5, 2004, pp.342–345.
  45. ^ Nadine Chaurand. Stéréotypisation. Catégorisation sociale. Dictionnaire historique et critique du racisme, PUF, 10p, 2013. ffhal-00966930
  46. ^ Magidor, Ofra (2019), "Category Mistakes", u Zalta, Edward N. (ured.), The Stanford Encyclopedia of Philosophy (Fall 2019 izd.), Metaphysics Research Lab, Stanford University, pristupljeno 17. 1. 2020
  47. ^ a b Cohen & Lefebvre 2017
  48. ^ Lasnik, H., & Lidz, J. L. (2017). The Argument from the Poverty of the Stimulus. In: Ian Roberts (ed.) The Oxford Handbook of Universal Grammar.
  49. ^ Burt, J. R., Torosdagli, N., Khosravan, N., RaviPrakash, H., Mortazi, A., Tissavirasingham, F., ... & Bagci, U. (2018). Deep learning beyond cats and dogs: recent advances in diagnosing breast cancer with deep neural networks Archived 2021-10-20 na Wayback Machine British Journal of Radiology, 91(1089), 20170545.

Vanjski linkovi[uredi | uredi izvor]

Šablon:Filozofija jezika