劉峰

摘 要： 文章介紹了多項(xiàng)式加工樹(shù)模型，依照模型的由簡(jiǎn)單到復(fù)雜的發(fā)展情況，提出多項(xiàng)式加工樹(shù)模型具有不同的種類，其使用條件也不同。多項(xiàng)式加工樹(shù)模型在認(rèn)知心理學(xué)中的應(yīng)用會(huì)越來(lái)越廣。

關(guān)鍵詞：源檢測(cè) 多項(xiàng)式加工樹(shù)模型 認(rèn)知過(guò)程測(cè)量

一、引言

多項(xiàng)式加工樹(shù)模型基于對(duì)認(rèn)知過(guò)程的理論假設(shè)，分析處理來(lái)源數(shù)據(jù)。多項(xiàng)式加工樹(shù)模型假設(shè)，認(rèn)知系統(tǒng)借助各種看不見(jiàn)的認(rèn)知狀態(tài)做出反應(yīng)[1]，認(rèn)知狀態(tài)之間變化的概率就是模型參數(shù)，也是對(duì)認(rèn)知過(guò)程的自然測(cè)量，多項(xiàng)式模型優(yōu)于一般的統(tǒng)計(jì)的模型，諸如一般線性模型的方差分析，因?yàn)槎囗?xiàng)式模型建立在對(duì)認(rèn)知狀態(tài)的具體假設(shè)上，因而能測(cè)量認(rèn)知過(guò)程對(duì)行為的效應(yīng)[2]。多項(xiàng)式加工樹(shù)模型能被表征為決策樹(shù)，這些決策樹(shù)鏈接一定的反應(yīng)和刺激。多項(xiàng)式模型認(rèn)為，不同行為反應(yīng)的概率是不同認(rèn)知狀態(tài)的概率的映射。被試在某一認(rèn)知狀態(tài)下的概率能用模型中的假設(shè)參數(shù)表征，而這些參數(shù)能用統(tǒng)計(jì)方法估計(jì)。

二、多項(xiàng)式加工樹(shù)模型的類型

1.單高閾限多項(xiàng)式模型

單高閾限（1HT）MPT將整個(gè)決策空間分為兩個(gè)區(qū)域，當(dāng)測(cè)試項(xiàng)目超過(guò)決策閾限，則被檢測(cè)為舊，未超過(guò)，被試則依據(jù)猜測(cè)進(jìn)行判斷。單高閾限MPT模型假設(shè)只有舊項(xiàng)目能超過(guò)決策閾限。仍以兩源檢測(cè)為例，當(dāng)測(cè)試項(xiàng)目來(lái)自于源A時(shí)，項(xiàng)目被再認(rèn)為舊的概率為D，當(dāng)該項(xiàng)目被再認(rèn)為舊后，它被判斷來(lái)源為A的概率為d，而當(dāng)被試能再認(rèn)該項(xiàng)目，卻無(wú)法判斷其來(lái)源時(shí)，它被猜測(cè)為來(lái)自源A的概率為a。同樣，當(dāng)無(wú)法再認(rèn)時(shí)，項(xiàng)目A被猜測(cè)為舊的概率為b，進(jìn)一步被猜測(cè)為來(lái)自源A的概率也為g。相似地，對(duì)于來(lái)自源B的測(cè)試項(xiàng)目，也有相應(yīng)的參數(shù)。由于單高閾限MPT假設(shè)只有舊項(xiàng)目能超過(guò)決策閾限，因此，對(duì)于新項(xiàng)目，只可能基于猜測(cè)，而被判斷為舊，同上，新項(xiàng)目被猜測(cè)為舊的概率為b，而進(jìn)一步被猜測(cè)為來(lái)自源A的概率為g。這一模型不同于上面提到的幾種基本模型，這一模型建立的基本邏輯是依據(jù)分類體系、嵌套的層次結(jié)構(gòu)或來(lái)源信息的維度，嵌套源信息的模型要求測(cè)量具體來(lái)源例子的源記憶，要求測(cè)量依據(jù)上位的來(lái)源類別做出的部分源記憶。

三、結(jié)語(yǔ)

隨著越來(lái)越多的多項(xiàng)式加工樹(shù)模型在心理評(píng)估問(wèn)題中的應(yīng)用，其結(jié)果是產(chǎn)生認(rèn)知心理學(xué)的心理測(cè)驗(yàn)學(xué)，其目標(biāo)是相比那些標(biāo)準(zhǔn)的心理測(cè)驗(yàn)?zāi)Ｐ?，使用包含更多認(rèn)知內(nèi)容的模型，雖然模型很簡(jiǎn)單，但是足以進(jìn)行詳細(xì)的統(tǒng)計(jì)分析，而不像大多數(shù)現(xiàn)存的信息加工的認(rèn)知心理學(xué)模型。所以有理由相信多項(xiàng)式加工樹(shù)模型在認(rèn)知心理學(xué)中的應(yīng)用會(huì)越來(lái)越廣泛。

參考文獻(xiàn)：

[1]莫倫，胡祥恩，楊芳.來(lái)源檢測(cè)實(shí)驗(yàn)中的源記憶測(cè)量[J].心理科學(xué)，2006，29：1194-1198.

[2]游源，齊歡，胡祥恩.基于多項(xiàng)式加工樹(shù)模型的列聯(lián)表數(shù)據(jù)挖掘[J].計(jì)算機(jī)工程，2011，11：10-12.

[3]Batchelder，W.H.，Hu，X.，&Smith.J.B.Multinomial Processing Tree Models for Discrete Choice[J].Zeitschrift fürPsychologie/Journal of Psychology，2009，217：149-158.

[4]Batchelder，W.H.，&Riefer，D.M.Multinomial processing models of source monitoring[J].Psychological Review，1990，97：548-564.

[5]Hu，X.，&Phillips，G.A.GPT.EXE：A powerful tool for the visualization and analysis of general processing tree models[J].Behavior Research Methods，Instruments，&Computers，1999，31：220-234.

[6]Riefer，D.M.，&Batchelder，W H.Multinomial modeling and the measurement of cognitive processes[J].Psychological Review，1988，95：318-339.

陜西省教育廳人文社科項(xiàng)目（2013JK0190）和渭南師范學(xué)院2013年人文社科一般項(xiàng)目（13SKYB014）資助。