Несколько труднее объяснить с помощью модели ОСПЯ, почему эффект величины класса наблюдается и при проверке ложных утверждений (таких, например, как "маргаритка рыба"). Действительно, ВР будет больше, если, например, заменить в приведенном выше утверждении понятие "рыба" на "животное". Коллинз и Куиллиан (Collins a. Quillian, 1970) предложили следующее объяснение. По их мнению, в большинстве случаев эффект величины класса не проявляется. Он возникает только тогда, когда S и Р связаны между собой (например, маргаритка, рыба и животные — это все живые организмы). А если S и Р связаны, то они чаще всего будут связаны теснее, когда Р — большой, а не малый по объему класс. Например, как можно видеть из рис. 8.3, "маргаритка" будет ближе (в смысле близости в иерархической системе) к "животному", чем к "рыбе". Кроме того, если 5 и Р близки, в процессе поиска могут возникать ошибки. При поиске может быть выявлено отношение, которое окажется неподходящим. Чем больше класс Р, тем ближе отношение, тем легче здесь ошибиться и тем больше потребуется времени, чтобы решить, что, несмотря на близость двух данных понятий, утверждение ложно. Такое объяснение нельзя, однако, считать адекватным, поскольку было показано (Landauer a. Meyer, 1972), что при проверке ложных утверждений эффект величины класса проявляется даже тогда, когда степень близости двух рассматриваемых понятий во всех случаях одинакова. Это было бы особенно печально для модели ОСПЯ, если бы другие модели позволяли без труда объяснить обнаруженный эффект, но они тоже не дают объяснения! Эффект величины класса при проверке ложных утверждений создает затруднения для многих моделей. Поэтому мы пока согласимся с тем, что идея, высказанная Коллинзом и Куиллианом, может в общем служить объяснением зависимости ВР от величины класса.
ЭФФЕКТЫ СЕМАНТИЧЕСКОЙ БЛИЗОСТИ
Близость, упомянутая выше в качестве возможной причины эффектов величины класса при проверке ложных утверждений, сама служит важным объектом исследований, касающихся семантической памяти, особенно в экспериментах с предъявлением истинных утверждений. В типичных работах по изучению этой "близости" испытуемым сначала предъявляют набор, состоящий из пар слов. В каждой паре одно слово представляет собой название какого-либо объекта, принадлежащего к данному классу, а другое — название этого класса; например, объектом (представителем класса) может быть "малиновка", а классом — "птицы". Испытуемого просят оценить, насколько типичен данный представитель для данного класса или насколько близки два соответствующих слова (Rips а. о., 1973; Rosch, 1973). Оценки типичности различных представителей для данного класса варьируют довольно сильно. Например, "малиновка" оценивается как гораздо более типичная "птица", чем "курица". Эти различия в оценках типичности составляют один из тех фактов, которым теория семантической памяти должна дать объяснение.
В самом деле, "типичность" оказывается довольно серьезной проблемой для сетевой модели, подобной ОСПЯ. В этой модели каждый представитель какого-либо класса отделен от стоящего непосредственно над ним класса одной стрелкой. Поскольку все члены данного класса отделены от названия класса одинаковым (равным одной стрелке) расстоянием, трудно представить себе, отчего возникают различия в оценках типичности. Модель АПЧ, созданная Андерсоном и Боуэром, позволяет лучше объяснить эти и другие эффекты, которые, как .мы увидим, плохо согласуются с сетевыми моделями. В данном случае модель АПЧ может объяснить явление типичности или близости как результат происходящего в ДП процесса поиска (сопоставления). Как вы помните, отправной точкой процесса сопоставления служит поиск, начинающийся из каждой ячейки ДП, упомянутой во входном сообщении; цель этого процесса — найти дерево, которое соответствовало бы входному сообщению. Поиск начинается одновременно с разных ячеек и ведется параллельно; однако из каждой отдельной ячейки одновременно можно вести поиск только по одному пути. А так как обычно от каждой ячейки ДП идет много путей, предполагается, что среди них устанавливается некая очередность; она определяет последовательность, в которой производится поиск по разным путям, идущим от данной ячейки. Наиболее важные пути обследуются в первую очередь. Это позволяет модели АПЧ учесть влияние "типичности" на истинное время реакции, так как есть определенная зависимость между типичностью и очередностью. Оказывается, чем более типичен данный представитель для данного класса, тем выше вероятность того, что соединяющие их пути занимают одно из первых мест в списке очередности. Если допустить, что оценки типичности, или близости, основываются на отношениях очередности, то эта модель позволит без труда объяснить причины различий в оценках.
Не удивительно, что близость влияет на ВР в задачах попроверке истинности утверждений (Smith, 1967; Wilkins, 1971). Чем теснее связаны S и Р, тем быстрее проверяется истинность утверждений типа "некоторое S есть Р". Так, например, испытуемые проверяют истинность того, что "голубь — птица", быстрее, чем того, что "курица — птица". Удивительно другое: эффекты близости позволяют предсказать ситуации, в которых эффект величины класса не будет проявляться. Рассмотрим следующий пример (Rips а. о., 1973). Класс ".млекопитающие" входит в класс "животные", так что класс "животные" больше по своему объему. Однако по оценкам испытуемых некоторые млекопитающие (например, "медведь" или "кошка") более типичны для класса "животные", чем для класса "млекопитающие". И если сравнить ВР для проверки утверждений "медведь — млекопитающее" и "медведь — животное", то окажется, что во втором случае оно короче. Это расходится с предсказанием о влиянии величины класса (поскольку класс "животные" более обширен, ВР при его проверке, казалось бы, должно быть больше), но соответствует оценкам типичности. Такой результат опятьтаки создает затруднение для модели ОСПЯ (но не для модели АПЧ, которая позволяет объяснить его на основе очередности при поиске: чем теснее близость между S и Р, тем раньше начнется обследование соответствующих путей и тем быстрее утверждение может быть проверено).
ТЕОРЕТИКО-МНОЖЕСТВЕННАЯ МОДЕЛЬ ДП
До сих пор мы рассмотрели лишь один тип моделей семантической ДП — сетевые модели. Существуют, однако, модели иного типа, и мы сейчас рассмотрим одну из них, известную под названием "теоретико-множественной" (Meyer, 1970). В основе ее лежит предположение, что семантические классы представлены в ДП как множества, или совокупности, элементов информации. Это могут быть множества представителей какого-либо класса (например, к классу "птицы" относятся малиновки, соловьи, воробьи и т. д.). Это могут быть также множества атрибутов или свойств данного класса (например, птицы имеют крылья, имеют перья, могут летать и т. д.). Иными словами, та или иная категория представлена в ДП в виде некоторого набора информации.
Мейер (Meyer, 1970) использовал теоретико-множественную модель, чтобы объяснить различия во времени, затрачиваемом испытуемыми для проверки утверждений типа "все S суть Р" или "некоторые S суть Р" (например, "все камни — рубины" или "некоторые камни — рубины"). Для объяснения данных относительно ВР он предложил двухфазную модель, описывающую процесс выполнения такой задачи. Согласно этой модели, испытуемый, которому предъявили такого рода утверждение, сначала перебирает названия всех множеств, которые пересекаются (т. е. перекрываются, имеют общих членов) с классом Р. Например, в случае утверждения типа "все S суть писатели" испытуемый начнет искать множества, перекрывающиеся с множеством "писатели". Он может обнаружить такие множества, как "женщины", "мужчины", "люди", "профессора" и т. д., в каждом из них имеются члены, которые суть писатели. Если в этих множествах будут обнаружены элементы класса S (будет выявлен факт пересечения этих множеств с классом S), то первая стадия завершится установлением соответствия. Если же при поиске не будет обнаружено соответствия с классом S, то результатом первого этапа будет отрицательный ответ.
Если на первом этапе проверки будет обнаружено соответствие, то это означает, что классы S и Р имеют некоторых общих членов. Этого было бы достаточно, чтобы убедиться в истинности утверждения типа "некоторые S суть Р", но недостаточно для проверки утверждения типа "все S суть Р". В последнем случае необходимо провести второй этап: сравнение всех атрибутов Р с атрибутами S. Если каждый атрибут Р является также одним из атрибутов S, то утверждение можно признать истинным. Если же нет, то испытуемый дает отрицательный ответ.