MLT Mémoire sémantique Flashcards
Concepts de la mémoire sémantique
Goldstone & Kersten (2003):
Humains ont une tendance forte à voir toute “chose”
comme “quelque chose”
Mettre des objets ensemble dans des groupes
organisés est un processus nommé “catégorisation”
Créer une représentation mentale pour une catégorie
spécifique est un processus nommé “apprentissage
de concepts”
Solomon, Medin & Lynch (1989): “…une
représentation mentale utilisée pour une variété de
fonctions cognitives…”
Murphy (2002): “…la colle qui tient ensemble le
monde mental d’un individu.”
Smith (1989): “Un concept est une représentation
mentale d’une classe ou d’un exemplaire et est
concerné par ce qui est représenté et comment
cette information est typiquement utilisée durant la
catégorisation.”
4 fonction des concepts - Goldstone & Kersten
1- Filtrage
Fournit des façons informatives/diagnostiques de
structurer le monde naturel
2- Économie cognitive
Économie dramatique pour l’espace de stockage
requis
Temps de réaction plus rapides en identification
d’objets
3- Prédiction
Nous permet de généraliser nos expériences avec
certains objets à d’autres objets de la même catég.
4- Communication
Lorsque les gens partagent des concepts, commun.
plus facile à propos du monde naturel
Pourquoi est-ce difficile?
On pourrait avoir besoin d’une représentation
mentale descriptive des propriétés catégorielles
requises, pour savoir si ce nouvel objet peut être
pairé avec une catégorie donnée
Connu comme “approche classique” ou “approche
définitionnelle” des concepts
Approche classique des concepts
- Bruner, Goodnow, & Austin,
Problème principal: manque de propriétés nécessaires
et suffisantes
Représentations sommaires : Représentation d’un concept est une description sommaire d’une classe
entière (s’applique à tous les exemplaires spécifiques
également)
> concept oiseau, description générale
Caractéristiques nécessaires et suffisantes (basé sur règle)
Caractéristiques qui représentent un concept sont individuellement nécessaires (besoin de tout) et conjointement suffisantes (pas besoin de plus) (ET)
Concepts ne sont jamais disjonctifs (OU)
> carré : fermée, 4 côtés, 4 angles…
Inclusion des caractéristiques dans les relations de sous-ensemble:
Si concept X est un sous-ensemble de concept Y, alors
les carac. définitoires de Y sont incluses dans X
> carré = rectangle + 4 angles égaux
une définition qui respecte l’approche classique doit être INCLUSIVE à 100% (contenir tous les membres de la catégorie visée), et EXCLUSIVE à 100% (ne contenir aucun membre d’une autre catégorie). C’est ce type de définition strict qui est rare dans le langage courant.
Appr. par réseau sémantique hiérarch.
(Collins & Quillian, 1969)
Approche classique sans des postulats restrictifs:
théorie très puissante et prédictive
> Noeuds: Catégories, Liens: Relations, Caractéristiques
super-ensemble, sous-ensemble… pyramide
Propriétés inspirées de l’approche classique (Inclusion)
Si concept X est sous-ens. de concept Y, alors
caractéristiques définitoires de Y sont dans X
Carac. nécessaires et suffisantes et concepts
conjonctifs > Différence: on peut « annuler » des carac.
Ajouts par rapport à approche classique
Représentation hiérarchique des sous-ens.
Avantage: Économie cognitive : Carac. stockées une seule fois et héritées
Propagation de l’activation
Si un nœud est activé, activation se propage vers les nœuds associés
Explique amorçage sémantique
Expérience Appr. par réseau sémantique hiérarch.
(Collins & Quillian, 1969)
But: Montrer la validité de l’approche par réseau
sémantiques :Hiérarchie & principe d’inclusion et Héritage
Tâche: Technique de vérification de phrases
“X est un Y”/”X montre propriété P” (Oui/Non)
Variable: Temps de réaction
Postulat de base: Opérations dans le réseau
sémantique prennent du temps
Récupérer une propriété pour un noeud
Monter/descendre d’un niveau dans la hiérarchie
pour déterminer l’appartenance
Essais 2 types de phrases Appr. par réseau sémantique hiérarch. (Collins & Quillian, 1969)
Phrases Super-ensemble (S)
Déterminer que X est un Y
S0: « Un requin est un requin »
S1: « Un requin est un poisson »
S2: « Un requin est un animal »
Phrases Propriété (P)
Déterminer si X montre propriété P
P0: « Un requin peut mordre »
P1: « Un requin peut nager »
P2: « Un requin mange »
Prédiction Appr. par réseau sémantique hiérarch.
(Collins & Quillian, 1969)
TR sont additifs, lignes parrallèles
Phrases Super-ensemble (S)
- niveaux à traverser augmentent le TR
- niveau base + autres
Phrases Propriété (P)
- niveaux base + monter de niveaux + vérification
- augmente le TR
résultats et interprétation Appr. par réseau sémantique hiérarch. (Collins & Quillian, 1969)
Nombre de niveaux entre X et Y: facteur dans TR
Vérifier une propriété est toujours plus long que de
déterminer l’appartenance
Processus additif : Lignes “parallèles”
Soutien pour approche hiérarchique en réseau
Propagation de l’activation - Meyer & Schvaneveldt
But: Tester pour une dépendance pour l’accès à la
mémoire entre deux décisions sémantiques
Tâche: Décision lexicale
Est-ce que paire d’items contient deux mots?
Mesure: Temps de réaction
Prédiction et résultats Propagation de l’activation - Meyer & Schvaneveldt
Prédiction: Si les mots font partie d’une
organisation sémantique qui:
Associe mots ensemble selon le sens
Active les mots associés lorsqu’un mot est récupéré
(Propagation de l’activation) alors plus rapide de juger si deux items sont des mots lorsqu’ils sont sémantiquement associés
Résultats
Prédiction confirmée
Soutien pour principe de propagation de l’activation
Problèmes théoriques pour l’approche classique
Représentations sommaires sont trop restrictives
(Smith & Medin, 1981)
Exceptions pour la plupart des catégories
Certains sous-ensembles d’objets peuvent montrer
des caractéristiques distinctives
Rouge-gorge vs. Autruche
Définitions avec carac. suffisantes et nécessaires
(Wittgenstein, 1953)
Difficile à trouver
Exemple: qu’est-ce qu’un jeu?
Concepts disjonctifs existent (Rosch et al., 1976)
Exemple: Cuillères
Exemple: Prise (baseball)
Expérience problèmes théoriques pour l’approche classique - Rosch
But: Montrer que le postulat “tous les exemplaires
sont égaux” est erroné (approche classique)
Montrer le caractère plus flou des catégories
Tâche: Jugements de “typicité”
Liste de mots d’une catégorie spécifique
Doit indiquer à quel point chaque item est typique de
la catégorie sur une échelle de 1 à 7 (1 = très typique, 7 = peu typique)
Rationnel
Selon l’approche classique, tous les exemplaires
d’une catégorie devraient être également
typiques…le sont-ils?
résultats et interprétation problèmes théoriques pour l’approche classique - Rosch
Tous exemplaires ne représentent pas également
Structure catégorielle: Floue au lieu de “tout-ourien”
Appartenance catégorielle serait basée sur ressemblance globale ou typicité au concept, et
non définitions strictes
Ne peut être expliqué par approche classique
effet de typicité : olive moins typique et pomme plus
Effets de typicité et approche par réseau sémant. hiérarch. - Rips, Shoben & Smith
But
Voir si les effets de typicité invalident la structure du
modèle hiérarchique par réseau sémantique
Déterminer si la structure mnésique est analogue à la
structure logique
Tâche: Technique de vérification de phrases
“X est un Y”
Catégories
Oiseaux/Animaux/Mammifères/Autos/Véhicules
Oiseaux: Rouge-gorge/Geai bleu/Canard…
Mammifère: Ours/Chien/Cochon…
prédiction et résultats Effets de typicité et approche par réseau sémant. hiérarch. - Rips, Shoben & Smith
prédiction :
Oiseau vs. Animal (Prédiction Collins et al.)
- Temps réaction S1< S2 animal
Mammifère vs. Animal (Prédiction Collins et al.)
- Temps réaction S1 mammi > S2
interprétation Effets de typicité et approche par réseau sémant. hiérarch. - Rips, Shoben & Smith
On voit les chiens et les cochons comme plus
typiques des animaux que des mammifères
- Résultats de jugement de typicité
Effets de typicité ont une influence sur temps de
réaction pour catégorisation
- Plus typique = catégorisation plus rapide
Approche par réseau sémantique hiérarchique de
1ère génération est donc invalide
Le problème du niveau de base - Rosch et al.
But: Montrer la supériorité des catégories de base
dans des taxonomies organisées hiérarchiquement
Trois niveaux de catégorie : superordonné, base, subordonné
expérience 1 et résultats Le problème du niveau de base - Rosch et al.
Exp. 1: Nommer des caractéristiques
À l’aide des noms de catégories, on doit lister un
maximum de caractéristiques en 90 secondes
Rationnel: Si l’approche par réseau sémantique a
raison, participants devraient lister de plus en plus
de carac. en descendant dans le réseau
Postulat d’héritage/Processus additif (super = propriétés, sub = super + base + propriétés)
résultats :
Superordonné: nombre plus bas de propriétés,
suivi du niveau de base (comme prédit)
Pas d’ajout d’information significatif entre niveau
de base et subordonné
expérience 7 et résultats Le problème du niveau de base - Rosch et al.
Exp. 7: Classification d’objets
Participants voient photos d’images, et doivent
décider si l’objet fait partie d’une catég. spécifique
Tous niveaux de catégorie testés pour chaque objet
Rationnel: Si l’approche par réseau a raison,
participants prendront moins de temps à
déterminer l’appartenance au niveau subordonné
Postulat : Nombre de niveaux (TR S0<S1<S2)
résultats:
Avantage pour niveau de base (plus rapide)
Le plus long: Décider si un objet fait partie d’une
catégorie subordonnée!
interprétation Le problème du niveau de base - Rosch et al.
Avantage psychologique ou privilège pour les
catégories du niveau de base
Ne peut être expliqué par approche logique
Approche classique: Représentations mentales “tout
ou rien” (pas de niveaux)
Approche par réseau sémantique: Niveau le plus
élevé devrait être le plus inclusif
Rosch: Niveau de base = niveau optimal d’info
Base à superordonné: beaucoup d’info perdue
Base à subordonné: pas beaucoup d’info perdue
Niveau de base = niveau où les items sont les plus
similaires les uns aux autres tout en étant distinctifs
Les experts vont-ils automatiquement
au niveau de base?
(Tanaka & Taylor)
But
Vérifier si l’avantage du niveau de base se retrouve
chez les experts dans les listes de propriétés (chiens
et oiseaux)
Tâche (Exp. 1): Lister des propriétés pour des
concepts et exemplaires
Résultat de Rosch: plus de nouvelles caractéristiques
entre superordonné et base qu’entre base et
subordonné
***Caractéristiques comptent seulement si elles sont
nouvelles pour un niveau
résultats exp. 1 niveau de base?
(Tanaka & Taylor)
Novices: Base > Subordonné (Prédit par Rosch)
Experts: Base = Subordonné!!!
Preuve que les experts organisent les concepts au
niveau subordonné (connaissent plus)
exp. 3 et résultats niveau de base?
(Tanaka & Taylor)
But
Vérifier si l’avantage du niveau de base se retrouve
chez les experts lorsqu’ils catégorisent des items
(chiens et oiseaux)
Tâche (Exp. 3): Classification d’objets (X est un Y)
Mesure: Temps de réaction
Hypothèse :
Les novices montreront un avantage du niveau de
base par rapport au niveau subordonné mais pas les
experts
résultats :
Novices: Base < Subordonné (Prédit par Rosch)
Experts: Base = Subordonné!!!
Preuve que les experts organisent les concepts au
niveau subordonné (connaissent plus)
Conclusion approche classique et de l’approche
par réseau
Plusieurs arguments et résultats empiriques vont à
l’encontre de l’approche classique et de l’approche
par réseau, qui sont toutes deux des approches
basées sur la logique:
Postulats trop stricts
Pas de définitions claires
Concepts disjonctifs
Effets de typicité
Supériorité du niveau de base
Mais alors, si on ne se base pas sur des règles
logiques et des définitions pour catégoriser, sur
quoi se base-t-on?
Ressemblance familiale
Tous les “frères” se ressemblent beaucoup, Pas de propriété unique commune et Pas de propriétés
nécessaires
Pourtant, on les classerait dans la même famille
(catégorie)
Ressemblance familiale est basée sur le nombre
de propriétés partagées par les membres d’une
catégorie
Ressemblance familiale - Rosch & Mervis
But: Montrer la validité de l’approche des
ressemblances familiales
Rationnel: Items les plus typiques d’une catégorie
sont ceux qui partagent le plus grand nombre de
caractéristiques (qui ont le plus grand degré de
ressemblance familiale) avec les autres membres
de la catégorie
Tâches
Phase 1: Jugements de typicité (1 = Bas; 7 = Haut)
Phase 2: Lister propriétés
(Scores de ressemblance familiale)
Phase 2 : liste de propriétés - Rosch et Mervis
Tâche: Lister toutes les propriétés connues pour
différents exemplaires
Propriétés nécessaires ou non-nécessaires
(caractéristiques)
catégorie > item > propriétés
Score de ressemblance familiale pour un item
Nombre d’autres items pour lesquels une propriété
spécifique est partagée
Somme pour toutes propriétés de l’item étudié
Exemple : chat et chien p(4), p(4)… score RF 14 pour les deux alors ressemblance
résultats et interprétation Ressemblance familiale - Rosch & Mervis
Haute corrélation entre jugements de typicité et
mesure de ressemblance fam. pour toutes catég.
Item plus typique partage plus de propriétés avec
autre membres de catégorie (et moins avec
membres d’autres catégories)
Ressemblances familiales utilisées dans le
processus de catégorisation
On utilise propriétés “non-nécessaires” ou
caractéristiques
Lorsqu’un item montre le plus grand score RF, on
dit que c’est le prototype de la catégorie
ressemblance familiale / similarité + 2 modèles
Similarité détermine catégorisation
Si l’objet à classer possède assez de propriétés en
commun avec une représentation mentale donnée
(i.e., il est assez similaire), alors il est classé
comme un membre de cette catégorie
Deux modèles basés sur la similarité
Approche prototypiste
Approche exemplariste
Approche prototypiste et règle de classification
Les concepts sont des prototypes :
Représentation abstraite et sommaire dérivée en
“moyennant” tous les exemplaires rencontrés d’une
catégorie donnée
“Moyennage”
Choisir la valeur la plus commune pour ch. propriété
- Lorsque propriétés peuvent être identifiées
Moyenne mathématique
- Lorsque propriétés ne peuvent être identifiées
Un prototype peut ne pas être identifiable!
Règle de classification: Si objet possède assez de
propriétés en commun avec (ou est “assez similaire
au) prototype, alors il est classé comme un
membre de cette catégorie
différence approche classique et approche prototypiste
Approche classique: Ne peut classer les frères ensemble car pas de caractéristiques nécessaires partagées
Approche prototypiste: Suppose que l’expérience avec les frères mène à la composition d’un concept qui est la moyenne des membres de la famille (visage au centre)
- Le prototype permet la classification de membres
de la famille jamais vus auparavant… et l’exclusion
des non-membres
Les catégories artificielles
Jusqu’à maintenant, nous avons étudié des
catégories naturelles ou concepts “langagiers”, où
les propriétés et étiquettes sont verbalisables
“Les catégories désignées par les mots des langues naturelles présentent l’avantage (pour les étudier) qu’ils ont évolué et apparaissent dans un véritable usage par l’humain; toutefois, ils ont le désavantage de montrer des
variables d’intérêt non-contrôlées et nonanalysables en conjonction avec d’autres variables et d’autres facteurs externes.” > on connait bien alors on sait pas comment ça développe
Une façon de contrôler toutes ces variables est de partir de zéro, en demandant aux gens de classer des exemplaires qu’ils n’ont jamais vus, dans des catégories qu’ils n’ont pas pu développer avant (des catégories “artificielles”). C’est ainsi qu’on pourra en savoir plus sur le genre de représentation mentale qui se développe pour un concept (est-ce une définition, un prototype, un ensemble d’exemplaires, etc.)?
catégories artificielles - pourquoi le contrôle est bon?
Beaucoup de variables des catégories naturelles ne
peuvent être contrôlées
Comment les catégories sont apprises
Fréquence d’usage des exemplaires et catégories
Familiarité
Facteurs culturels, etc.
Pour comprendre comment on crée/apprend des
concepts, il faut créer des stimuli jamais
vus/classifiés
En construisant les catégories selon certaines
variables, on peut contrôler tous les facteurs, isoler
des effets spécifiques et faire des prédictions
approche prototypiste - Posner & Keele
But: Montrer comment les « idées abstraites »
(prototypes) pourraient être acquises et utilisées
Tâche: Induction catégorielle
Matériel: Patrons de points aléatoires (Catégories artificielles)
3 catégories (A, B, C) générées selon 3 prototypes
Chaque catégorie composée de 4 distorsions
(12 exemplaires au total)
Mesures : Taux d’exactitude/Temps de réponse
créer des exemplaires de distorsions - Posner et Keele
Technique : Probabilité de déplacement point
- faible : pas bcp déplacement
- forte : gros déplacement
procédure et hypothèse approche prototypiste - Posner & Keele
1- phase induction : Apprendre à classer les exemplaires dans leur catégorie avec rétroaction
2- phase test : Classer avec exactitude anciens et
nouveaux exemplaires dans la bonne catégorie sans rétroaction avec 4 types de stimuli
Possibilité 1: Pratique
Seuls les anciens items ont été appris
Nouveaux items: jamais vus alors + TR et - exact
Tous les nouveaux items classés de façon moins exacte (au hasard) et plus lentement que les anciens items
Pas de raison de croire qu’on trouvera une différence entre les différents types de nouveaux items
Possibilité 2: Prototypes
Représentations mentales prototypiques ont été développées
Même si prototypes jamais présentés alors - TR que autres nv et plus exact
Prototypes jamais vus seront classés avec exactitude et rapidement
Pairage avec la bonne représentation mentale pour chaque catégorie
Autres nouveaux items: performance dépendra de la similarité aux prototypes acquis
résultats approche prototypiste - Posner & Keele
Anciens exemplaires classés avec exactitude et rapidité tel que prédit
MAIS les prototypes catégoriels aussi, même si jamais vus à l’apprentissage
Performance pour autres nouvelles distorsions est une fonction de leur similarité au prototype catégoriel
Plus similaire = plus grande exactitude/ TR plus bas
ENCORE approche prototypiste - Posner & Keele
But: Est-ce que la mémoire des prototypes est
durable?
Tâche: Induction catégorielle
Matériel: Patrons de points aléatoires
4 catégories (A, B, C, D) générées selon 4 prototypes
Chaque catégorie composée de 4 distorsions
16 exemplaires au total
Mesures
Taux d’exactitude/Temps de réponse
Conditions
Phase test immédiate ou avec délai (1 semaine)
Procédure: Identique
résultats et interprétation ENCORE approche prototypiste - Posner & Keele
Avantage pour anciens items disparait avec temps
Performance pour prototypes élevée et stable
même après une semaine
Performance pour nouveaux exemplaires prédite
par similarité aux prototypes après une semaine
Selon Posner et Keele, les prototypes, i.e. des
moyennes des exemplaires vus pendant l’apprentissage, sont développés comme représentations catégorielles (ou concepts)
Ces représentations sont durables
Parce qu’on a utilisé des stimuli et catégories artificielles, pas de variables externes qui peuvent expliquer les résultats
Soutien pour l’approche prototypiste
approche exemplariste
Les concepts sont l’ensemble ou le sous-ensemble
de tous les exemplaires rencontrés précédemment
Pas de représentations sommaires (règles/proto)
Si un objet à classer est assez similaire à des
exemplaires mémorisés, alors il est classé comme
membre de la catégorie de ces exemplaires
Selon le modèle exemplariste, le nouveau frère sera
comparé à tous les frères mémorisés. Il sera classé dans la
même catégorie que le frère auquel il est le plus similaire.
approche exemplariste - Medin & Schaffer
But: Montrer que la classification se fait
exclusivement sur la base des exemplaires
mémorisés
Tâche: Induction catégorielle
Matériel: Formes géométriques cercle gros gauche bleu, carré rouge petit droite (changent)
Construits avec quatre propriétés binaires (2 valeurs)
Procédure
On montre 9 exemplaires à classer dans l’une de
deux catégories (a-b) pour jusqu’à 16 blocs (ou jusqu’à
deux blocs sans erreur)
Apprendre à classer les stimuli dans l’une de deux
catégories à l’aide de rétroaction
Cette structure catégorielle célèbre se nomme la “5-4”
hypothèses approche exemplariste - Medin & Schaffer
Si prototypes sont acquis, alors exemplaires hautement similaires au prototype devraient être appris plus facilement (taux d’erreur plus bas)
Si seulement les exemplaires sont mémorisés, alors
exemplaires hautement similaires à d’autres exemplaires dans la même catégorie, et dissimilaires aux exemplaires de l’autre catégorie, devraient être appris plus facilement
Si l’approche prototypiste est correcte, exemplaire 1 (1110)
devrait être appris plus facilement qu’exemplaire 2 (1010)
parce qu’il possède plus de propriétés en commun
avec le prototype (1111)
Si l’approche exemplariste est correcte, exemplaire 2 (1010) devrait être appris plus facilement qu’exemplaire 1 (1110). Exemplaire 2 est hautement similaire à deux autres
membres de sa propre catégorie… (1110 et 1011 pour 3/4)…mais pas à des exemplaires de l’autre catégorie. tandis que le 1 est seulement très similaire pour 1 autre membre de sa catégorie, mais deux ememplaires de l’autre catégorie
résultats et conclusion approche exemplariste - Medin & Schaffer
Exemplaire 2 plus facile à appr. qu’Exemplaire 1
Plus haut taux d’exactitude tout au long de l’apprentissage
Medin et Schaffer furent les premiers à montrer des
preuves soutenant un modèle exemplariste au détriment d’un modèle prototypiste
Depuis, beaucoup de recherche/modélisation faite
pour montrer que les représentations prototypistes
et exemplaristes peuvent toutes deux expliquer
certains résultats
Qui a raison?
Quelle est la capacité
de la MLT visuelle? - Brady et al.
But: Démontrer une capacité minimale pour la
mémoire des exemplaires distincts
Tâches
Étude: Regarder des images, noter les doublons
10 blocs de 20 minutes pour l’étude
2896 images, présentées durant 3 secondes chacune
Test: Reconnaissance (2 images côte à côte)
Durée de l’expérience: 5 heures et demie!!!
Résultats capacité
de la MLT visuelle? - Brady et al.
(doublons, reconnaissance)
Étude: Tâche de détection de doublons
Lorsque les items répétés sont séparés par plus de
1000 items, on détecte les doublons 79% du temps!
Test: Reconnaissance
3 conditions: Catégorie (Novel), Exemplaire, État
Résultat: Performance près de 90% peu importe la
condition, après 2896 images!!!
conclusion capacité de la MLT visuelle? - Brady et al.
Notre cerveau enregistre tout ce qu’on voit!
Le niveau de détail de nos souvenirs d’exemplaires
est excessivement précis
Capacité minimale du cerveau calculée: 228 000 représentations distinctes
Soutien solide pour modèles exemplaristes
Arguments théoriques contre les
modèles exemplaristes - Murphy
Modèles exemplaristes font du sens dans le cadre
d’expériences contrôlées avec des petites catégories
mal définies, mais dans la vraie vie?
Certains exemplaires sont plus importants que d’autres
Ex: Votre propre chien
On ne peut pas représenter une structure hiérarchique
(Rosch) avec un modèle exemplariste (mais on peut
avec un modèle prototypiste)
N’explique pas l’avantage du niveau de base
Ne tient pas compte des effets de contexte, ou des
croyances à propos d’un domaine
On ne peut pas généraliser à partir d’un exemplaire
N’explique pas le développement conceptuel, etc.
