(廣州大學心理學系,廣州 510006)

1 引言

運用不同的分類策略,學習將不同客體進行歸類、存儲是人類生存所需的基本技能。在類別學習過程中,類別知識如何表征、分類策略如何運用一直是研究的重點。類別表征是指在類別學習過程中,對不同的類別信息或類別特點進行歸納表征,如相似性表征、規(guī)則表征、原型表征(Richler &Palmeri,2014)。而類別的表征會影響分類的策略運用,進而影響類別學習。在類別學習中運用的策略有根據(jù)類別成員特征而采用的相似性策略和抽象出類別成員之間關系的規(guī)則策略等。分類包括類使用的過程和類標準的過程,即類別形成(宋娟,呂勇,2008)。

類別學習可分為監(jiān)控類別學習(supervised category learning)與非監(jiān)控類別學習(unsupervised category learning),以往關于分類策略與表征的研究更多著眼于監(jiān)控類別學習(Pothos &Chater,2005;Worthy,Markman,&Maddox,2013;陳琳,莫雷,鄭允佳,王雨函,2013)。監(jiān)控類別學習是依次給予被試刺激,要求被試進行分類,反應后提供反饋,直至形成分類規(guī)則,學習到不同類別。但現(xiàn)實中,更多的時候我們進行分類并沒有反饋提供,或是在學習中無意識形成類別概念來解決問題,即非監(jiān)控類別學習。如我們將認識的人按照“有趣”,“無聊”分類。根據(jù)分類任務不同,可以將非監(jiān)控類別學習分為直接的非監(jiān)控類別學習(the direct unsupervised category learning)和間接的非監(jiān)控類別學習(the indirect unsupervised category learning)。那么在非監(jiān)控類別學習條件下,被試類別學習中運用分類策略有何特點,如何進行表征,不同的分類任務對類別策略和表征有著怎樣的影響呢？

2 直接的非監(jiān)控類別學習

直接的非監(jiān)控類別學習(the direct unsupervised category learning)是指被試明確知道自己在進行類別學習,學習的目標即為進行分類。根據(jù)是否預設類別結構,可分為非限制任務和限制任務。非限制任務常采用自由分類任務(Billman &Davies,2005),限制任務則主要使用非監(jiān)控分類學習任務。

2.1 非限制任務

非限制任務(unconstrained categorization tasks)是指被試所學習的類別材料并沒有預先設定的類別結構,被試根據(jù)直覺傾向對一組刺激進行分類。非限制即指沒有預先限定分類的規(guī)則、類別數(shù),或類別內的刺激數(shù)量等。自由分類任務(free sorting tasks)是非限制任務經常采用的任務,學習過程不提供反饋,被試可以創(chuàng)造出任何類別(如圖1)。

圖1 自由分類任務圖示

非限制任務更關注的是被試把一組刺激歸屬于某個類別時,憑直覺選擇的分類策略(Colreavy&Lewandowsky,2008)。這種直覺性在知覺分類中十分重要。當觀察一組刺激時,憑這種直覺性被試有時立即產生類別的印象(即把一些刺激歸為一類)。所謂直覺性(intuitive)是指針對沒有任何潛在類別結構的刺激,如何輕易地把刺激分到不同類別的能力。

圖2 直覺性不同的9種類別簇示意圖

有研究者運用非限制任務,對被試分類表征的難易程度進行研究。在這個實驗中使用9種不同直覺性(如圖2,直覺性高低根據(jù)被試將刺激簇分為不同類別結構的頻次,直覺性最高的頻次在50次以上,低的只有兩三次)的刺激組,研究結果發(fā)現(xiàn),類別刺激的間隔緊密比寬松的具有更大的直覺性,更易被分為一組,說明同一類別刺激的間隔影響類別表征,類別間隔緊密或類別變異范圍小的刺激簇更易于表征為一個類別(Pothos et al.,2011)。Perlman,Hahn,Edwards和 Pothos(2012)進一步研究類別變異程度(即類別內或類別間的變化范圍大小)對類別選擇的影響。實驗采用的實驗刺激是肢干和軀干變化的“蜘蛛”(如圖3),有變異程度高低的兩種刺激簇(S1,S2)。被試首先對刺激進行分類,隨后進行測試,測試階段的刺激維度值位于兩個刺激簇維度值的中間。該實驗發(fā)現(xiàn),測試階段當整體呈現(xiàn)全部刺激時,被試一般更傾向于把未知的刺激歸類到類別變異程度大的類別簇中,但是當采取相繼呈現(xiàn)刺激時,被試更傾向于將未知刺激歸類到變異程度低的類別中。作者認為相繼呈現(xiàn)刺激無法整體上表征兩組類別變異程度的差異大小,但是為何當變異差異不顯著時,被試傾向于將刺激歸類到變異程度小的類別中呢？這是否還受到其刺激本身的特點、相繼呈現(xiàn)的時間等其他因素的影響,還需進一步探討。此外,Edwards,Perlman和Reed(2012)使用直覺性上難易不同的兩種非限制任務研究孤獨癥譜系障礙(ASD)被試的分類能力,結果發(fā)現(xiàn) ASD被試在容易的分類任務中,與同齡的正常被試相比,更傾向于使用單維度策略;而在復雜的分類任務中 ASD被試和正常被試一樣都會隨著分類任務難度增加,更加傾向使用單維度分類策略。表明人類具有“簡單化”的分類策略傾向。

非監(jiān)控條件下分類策略和表征與監(jiān)控類別學習條件下有何聯(lián)系與區(qū)別？Pothos,Edwards和Perlman(2011)將監(jiān)控類別學習與非監(jiān)控類別學習進行了對比研究,在兩個實驗中,通過9種直覺性不同的類別簇檢驗了學習階段被試分類成績(如圖2),測試階段直覺性高低,分類成績與分類記憶的關系。實驗結果表明,非監(jiān)控類別學習直覺性的高低可以有效地預測被試在相應監(jiān)控類別學習中的成績,同時分類記憶與直覺性之間相互影響。該結果說明監(jiān)控類別學習與非監(jiān)控類別學習可能存在著共同的加工基礎,但是對監(jiān)控類別學習與非監(jiān)控類別學習的整合的、統(tǒng)一的理論模型還沒建立起來。

上述實驗表明人們自發(fā)地將間隔緊密或變異程度小的刺激簇表征為同一類別,但對于單一刺激,更傾向于歸類到變異范圍大的類別中,當變異程度不顯著時,則更傾向于歸類到變異范圍小的類別中。但是非限制任務并不存在潛在的類別結構,其更關注的是被試自發(fā)建構類別時策略選擇的傾向性(Pothos &Close,2008)。而現(xiàn)實中還有一類刺激本身具有一定的類別結構,如果要探討非監(jiān)控學習預設類別結構時的分類條件和限制條件,則需要采用限制任務。

圖3 分類刺激蜘蛛圖：主軀干的長度與關節(jié)后下肢長度是變化的兩個維度

2.2 限制任務

限制任務(constrained categorization tasks)是指所學習的類別材料是有類別維度的刺激,類別刺激按照一定規(guī)則可以分成不同類別。被試通過學習,最終發(fā)現(xiàn)、驗證分類規(guī)則,進行正確分類。分類反應有正確和錯誤之分,但不提供任何反饋?；玖鞒淌牵菏紫纫蟊辉嚢汛碳し值讲煌念悇e中,依次在屏幕上呈現(xiàn)不同維度上變化的刺激,反應組塊與觀察組塊交替出現(xiàn),如一共 9個組塊,其中2468四個為觀察組塊(observation-only),13579五個為反應組塊。在觀察組塊,要求被試盡量學習80個依次呈現(xiàn)的刺激,觀察階段被試不需要按鍵反應;在反應組塊,要求被試通過按鍵將刺激分為不同的類別。類別標簽是主觀設定的,但是應該和自己設定的類別成員的標簽相一致(即如果被試認為某一類刺激為類別 A,那么不能中途將具備這一特征的刺激又命名為B)。

Ashby,Queller和Berretty(1999)采用在方向和長度上連續(xù)不斷變化的線段作為實驗材料,運用限制任務對類別學習加以探究。結果發(fā)現(xiàn)與非限制任務的結果一致,人類使用的最優(yōu)策略是單維度策略(如,單維度規(guī)則為如果線條短則是 A,如果線條長則是B)。被試學習的過程即將逐漸將長度作為分類維度(方向是無關的維度)。但是該實驗材料在類別內的變異是非常小的(緊密的),被試可以很容易知道哪個維度是相關維度,即長度短的是類別A,長度長的是類別B。而Kloos和Sloutsky(2008)的研究表明類別內的變異會對非監(jiān)控學習有很大的影響,類別結構存在著類別內變異(withincategory variances)和類別間距離(between-category distance)的區(qū)別。那么,類別內變異與類別間隔哪個對于單維度策略有更大的作用呢？

為此,Ell和Ashby(2012)采用基于規(guī)則的類別結構(依賴外顯類別學習系統(tǒng)),通過實驗探討類別內變化和類別間變化差異對被試類別學習策略的影響。實驗設置三種條件,“distance條件”是高類別內變異,低類別間變異;“class條件”是低類別內變異,高類別間變異;“distance-class條件”則是將前面兩種條件相結合構成(如圖4)。結果發(fā)現(xiàn)類別內變異對非監(jiān)控類別學習有更大的影響(單維度策略使用傾向 distance>class),當類別內變異足夠大時,雖然被試仍然具有使用單維度策略的傾向,但被試無法形成有效的類別表征,甚至無法形成單維度分類策略。那么如果類別間隔有重疊(即看作類別之間的距離為負,即為概率類別),被試將會采取怎樣的分類策略呢？對非監(jiān)控類別學習有什么樣的結果？此外,該研究采用的為單維度類別結構,如果采用多維度類別結構,類別內與類別間變異對其有怎樣影響？在不同變異條件下,類別信息將如何表征呢？這些問題還需進一步探討。

圖4 類別內變異與類別間變異示意圖

與此同時,Ell,Ashby和Hutchinson(2012)采用信息整合的類別結構(內隱學習系統(tǒng)學習的類別結構)對被試的策略選擇進行研究,其實驗1和實驗2分別比較監(jiān)控類別學習和非監(jiān)控類別學習條件下,被試在策略選擇傾向上有何差異。非監(jiān)控類別學習即采用限制任務,類別結構是明亮和飽和度兩個維度變化的刺激,根據(jù)最優(yōu)策略可以分為四組,分別根據(jù)明度和飽和度的單一維度分類,需要綜合亮度和飽和度兩個維度,正負斜率的兩維度分類(如圖5)。A,B組可以認為是分類規(guī)則為明度或飽和度的基于規(guī)則類別,而C,D需要綜合兩個維度才能進行正確的分類,其分類規(guī)則很難用言語表達,是信息整合類別結構。結果證實了個體在非監(jiān)控類別學習條件下是有能力從明亮的和飽和的整合維度來學習類別構成的,即被試可以在非監(jiān)控類別學習條件下學習內隱類別結構。實驗 3調節(jié)不同維度之間的類別間隔,結果表明由于類別間隔不同,導致了亮度和飽和度的權重不同。雖然研究表明由于類別間隔地變化,使得被試對于兩個類別維度的權重發(fā)生變化,但是權重是如何轉換的尚不清楚。其次,已有研究發(fā)現(xiàn)人們進行分類學習時存在心理表征的特定位置如90°位置(Zeithamova &Maddox,2007),那么是否在非監(jiān)控類別學習中,存在特定的心理表征位置,如果存在,是如何影響權重的轉換？

圖5 亮度與飽和度兩維度的類別結構

3 間接的非監(jiān)控類別學習

間接的非監(jiān)控類別學習是指學習階段并不要求被試進行分類任務,但是通過學習、形成類別可以提高他們的成績,探究的是被試在學習一種任務中無意識形成的類別表征和分類策略,相比于直接的非監(jiān)控類別學習,間接的非監(jiān)控類別學習對類別結構的表征是一種內隱的過程(張恒超,陰國恩,2013)?；玖鞒桃话悴捎脤W習-測試兩階段。學習非類別任務：非分類任務(記憶任務、相同-不同判斷)呈現(xiàn)→判斷或反應→反饋;測試階段：類別任務測試。

間接的非監(jiān)控類別學習與直接的非監(jiān)控類別學習在類別表征與策略運用上有何區(qū)別？Love(2003) 對間接的非監(jiān)控類別與直接的非監(jiān)控類別學習的類別表征進行研究。非分類任務是情緒評價任務,學習階段要求被試依次對呈現(xiàn)的刺激進行愉快-不愉快進行情緒評價,測試階段則對被試的類別表征加以測查。實驗結果發(fā)現(xiàn),間接的非監(jiān)控類別條件有利于線性類別結構(如家族相似性類別結構)的學習,而且損害非線性類別結構;而直接的非監(jiān)控類別學習則與之相反。此外,間接非監(jiān)控類別學習與直接非監(jiān)控類別學習的認知特點明顯不同。直接的非監(jiān)控類別學習更傾向于規(guī)則表征地構建,而間接的學習則更著重于基于相似性地類別表征,隨后這一結果得到不同實驗的支持(Minda &Ross,2004;Brooks,Squire-Graydon,&Wood,2007)。如 Minda和 Ross(2004)采用在大小上變化的人造生物作為實驗材料,根據(jù)喂食的多少已經將生物分為不同的類別。間接的非監(jiān)控類別學習組要求被試判斷呈現(xiàn)的生物需要喂食的多少,并不告訴類別,僅對喂食多少進行反饋;另一組直接非監(jiān)控類別學習組會進行分類判斷。實驗結果同樣發(fā)現(xiàn)間接學習組的分類形成基于相似性表征,而直接的類別學習條件則主要為規(guī)則表征。

但Helie和Ashby(2012)的實驗結果雖然表明在間接的非監(jiān)控類別學習條件下被試更傾向于相似性表征,但是當規(guī)則可以用言語表達時,類別結構依然可以通過間接的非監(jiān)控類別學習加以習得。他們創(chuàng)設了一種新的任務——“相同-不同”任務。實驗材料為在方向和角度上變化的兩種知覺刺激(光柵圖),一種為基于規(guī)則的類別結構,分類規(guī)則是可言語表達的,另一種為信息整合的類別結構,依賴于內隱學習,分類規(guī)則不能用言語表達。學習階段要求被試判斷呈現(xiàn)的兩個光柵是否屬于同一個群體,反應后給予反饋。結果發(fā)現(xiàn)信息整合的類別結構不能通過間接的非監(jiān)控類別學習加以學習,而基于規(guī)則的類別結構能夠學習。與此同時,有一個重要的發(fā)現(xiàn)是,在間接的非監(jiān)控類別學習中習得的類別表征只有當類別規(guī)則可以用言語表達時才可以遷移到分類學習任務中。Casale,Roeder和Ashby(2012)采用相同的基于外顯系統(tǒng)和基于內隱學習系統(tǒng)兩類知覺類別結構對類別表征遷移進行了探討,其實驗 3同樣發(fā)現(xiàn)在非監(jiān)控類別條件下,基于規(guī)則的類別結構可以遷移學習,而信息整合類別結構不能遷移學習。上述研究表明,類別表征的遷移是有一定條件的,外顯的可言語條件下才能發(fā)生遷移,而表征的形成不僅僅基于相似性,規(guī)則驅動的間接的非監(jiān)控類別學習條件下同樣可以形成規(guī)則表征。然而值得注意的是,信息整合類別結構不易于遷移可能是由于和基于規(guī)則類別結構表征難度上的差異導致的,即實驗結果會受到難度觀的質疑?；谝?guī)則的和信息整合的類別結構本身存在難度差異,盡管Helie和Ashby(2012)增加了類別結構的維度以平衡難度,但最近有研究表明通過增加維度(由兩維度到四維度)同樣改變了兩者的難度和區(qū)分度(Stanton &Nosofsky,2013)。

上述間接的非監(jiān)控類別學習采用的實驗材料是沒有任何知識和文化干擾的知覺刺激,但當我們面對有意義的具體事物時,分類表征與策略運用有何特點？是否會受到先驗知識的影響？Clapper(2007)認為先驗知識(Prior Knowledge)主要通過兩個途徑幫助形成新的類別(提高對特征的記憶),即形成類別線索和特征易化。在一個隨機任務中,被試不可能一開始就明確地意識到不同類別,先驗知識將提供線索,把刺激劃分到不同的類別(高雅的人,低俗的人)。而特征易化包括特征捆綁與特征分離,即相似特征表征,不同主題特征之間的分離。Clapper(2007)采用間接的非監(jiān)控類別學習任務對上述假設加以驗證。其中學習任務為對相關主題的強迫認知,結果發(fā)現(xiàn)特征易化中的特征分離效應對類別學習起到重要作用,而未能分離出捆綁效應,在此基礎上,Clapper(2012)采用記憶任務,以期分離出特征捆綁、特征分離效應。按照記憶任務的不同可以分為相同主題,相反主題,無主題。如相反主題有高生活品質,低生活品質。實驗學習階段會呈現(xiàn)一組圍繞高生活品質或低生活品質的單詞。研究結果表明被試在嘗試記憶單詞過程中,會根據(jù)先驗知識內隱地對詞匯進行高生活品質、低生活品質地分類,以便更加有效地記憶單詞,即在記憶過程中已經無意識地對刺激加以歸類。該實驗雖然在間接的非監(jiān)控類別學習條件下表明知識效應的存在和特征分離,但特征捆綁的加工過程尚未加以證實,還有待進一步探討。

關于非監(jiān)控類別學習中類別表征和策略運用的理論解釋目前主要有幾種。Ell等(2012)采用監(jiān)控類別學習理論COVIS模型(COmpetition between Verbal and Implicit Systems(COVIS) model,Ashby,Alfonso-Reese,Turken,&Waldron,1998)對上述實驗結果加以解釋。COVIS模型假設刺激維度地選擇取決于相對重要性,學習過程中特別是反饋的提供使得不同維度的重要性改變,在非監(jiān)控類別學習中,雖然沒有反饋提供,但是被試根據(jù)單一維度進行分類,表現(xiàn)出“單維度傾向”。但是非監(jiān)控類別學習的非限制任務并無類別結構,COVIS模型無法解釋。非監(jiān)控類別學習理論如理性模型(the rational models)可以對直接的非監(jiān)控類別學習作出很好的解釋。它假定人們是在潛在的類別分布知識下拓展類別,當一種刺激是和一種類別分布相一致的,那么該刺激更可能分類到該類別中,變異大的類別更容易加以分類(Busemeyer,Pothos,Franco,&Trueblood,2011)。這可以很好地解釋非監(jiān)控類別學習中,被試是如何表征類別結構和新異刺激更容易被歸類到類別變異大的類別中的實驗結果,但不同維度的權重是如何選擇轉換的,該理論對此的解釋仍顯不足。而簡單模型(The simplicity model)主要針對非限制任務中的直覺性給予解釋。其認為被試首先會計算所有類別內的相似點和類別間的相似點。然后假定所有類別內的相似點大于類別間的相似點,這些限制條件越多,相應的類別推理也有更大的直覺性。此外,Love,Medin和 Gureckis(2004)提出的 SUSTAN模型(supervised and unsupervised stratified adaptive incremental network)認為相似性表征是分類的基本原則。在記憶中,相似性項目傾向于聚集在一起,在對刺激進行分類時,SUSTAN會將相似性刺激聚集在一起,如對鳥類或哺乳類動物的分類。聚類任務是基于相似性而不是反饋進行的,因此它是一個無指導學習過程。

4 研究展望

目前,非監(jiān)控類別學習條件下,類別信息的表征和分類策略的研究已經取得了一定成果,如非監(jiān)控類別條件下,被試更傾向于將刺激歸類到變異范圍大的類別中;間接的非監(jiān)控類別學習更傾向形成相似性表征,直接的非監(jiān)控類別學習則為基于規(guī)則表征;但非監(jiān)控類別學習還存在一些問題,將來進一步的研究,可從以下幾個方面加以探討：

第一,非監(jiān)控類別學習的理論解釋還很薄弱。對于非監(jiān)控類別學習中的單維度分類策略的解釋主要基于監(jiān)控類別學習的 COVIS模型。COVIS模型認為單維度策略的使用是由于維度相對重要性發(fā)生改變引起的,但是由于COVIS模型預測的是在反饋條件下導致。而非監(jiān)控類別學習理論如理性模型(the rational models),其可以很好地解釋非監(jiān)控類別學習中,被試是如何表征類別結構的,但對于不同維度的權重是如何選擇轉換的仍顯不足。

第二,類標準的形成過程中,類別表征和分類策略的使用會受到多種因素的影響。已有研究表明類別間隔、類別內變異程度、類別結構均會影響類別表征,但還存在一些可以拓展和尚有爭議的地方。如Ell和Ashby(2012)實驗中如果間隔有重疊會有怎樣的結果？如果采用多維度的合類別結構,不同變異條件下,類別信息將如何表征呢？這些問題還可進一步探討。

第三,已有研究表明先驗知識會影響間接的非監(jiān)控類別學習,有研究者提出理論假設,認為先驗知識通過類別線索和特征易化促進類別的形成,但尚未有實驗證據(jù)完全支持該理論模型,還需進一步實驗設計,有效分離特征易化的認知加工過程。

第四,雖然已有研究表明直接的非監(jiān)控類別學習傾向于規(guī)則表征,間接的非監(jiān)控類別學習條件下被試更傾向于相似性表征,但是當規(guī)則可以用言語表達時,類別結構可以通過間接的非監(jiān)控類別學習加以表征和遷移,基于內隱類別表征的信息整合結構無法加以遷移。但類別結構本身存在難度差異,受到難度觀的質疑。家族相似性類別結構同樣被認為是基于內隱類別學習系統(tǒng)的,能否通過采用家族相似性類別結構來探索非監(jiān)控類別學習條件下的類別表征和策略選擇,可進一步探究。

陳琳,莫雷,鄭允佳,王雨函.(2013).類別學習的阻礙效應與雙機制理論.心理科學,36(2),356–363.

宋娟,呂勇.(2008).類別表征與策略的腦科學研究及其對思維教學的啟示.心理與行為研究,6(1),75–80.

張恒超,陰國恩.(2013).類別學習研究范式述評.心理研究,6(6),27–34.

Ashby,F.G.,Alfonso-Reese,L.A.,Turken,A.U.,&Waldron,E.M.(1998).A neuropsychological theory of multiple systems in category learning.Psychology Review,105,442–481.

Ashby,F.G.,Queller,S.,&Berretty,P.M.(1999).On the dominance of unidimensional rules in unsupervised categorization.Perception &Psychophysics,61,1178–1199.

Billman,D.,&Davies,J.(2005).Consistent contrast and correlation in free sorting.American Journal of Psychology,118,353–383.

Brooks,L.R.,Squire-Graydon,R.,&Wood,T.J.(2007).Diversion of attention in everyday concept learning:Identification in the service of use.Memory &Cognition,35,1–14.

Busemeyer,J.R.,Pothos,E.M.,Franco,R.,&Trueblood,J.S.(2011).A quantum theoretical explanation for probability judgment errors.Psychological Review,118(2),193–218.

Clapper,J.P.(2012).The effects of prior knowledge on incidental category learning.Journal of Experimental Psychology:Learning,Memory,&Cognition,38(6),1558–1577.

Colreavy,E.,&Lewandowsky,S.(2008).Strategy development and learning differences in supervised and unsupervised categorization.Memory &Cognition,36,762–775.

Clapper,J.P.(2007).Prior knowledge and correlational structure in unsupervised learning.Canadian Journal of Experimental Psychology,61,109–127.

Casale,M.B.,Roeder,J.L.,&Ashby,F.G.(2012).Analogical transfer in perceptual categorization.Memory&Cognition,40,434–449.

Ell,S.W.,&Ashby,F.G.(2012).The impact of category separation on unsupervised categorization.Attention,Perception,&Psychophysics,74(2),466–475.

Ell,S.W.,Ashby,F.G.,&Hutchinson,S.(2012).Unsupervised category learning with integral-dimension stimuli.The Quarterly Journal of Experimental Psychology,65,1537–1562.

Edwards,D.J.,Perlman,A.,&Reed,P.(2012).Unsupervised categorization in a sample of children with autism spectrum disorders.Research in Developmental Disabilities,33,1264–1269.

Helie,S.,&Ashby,F.G.(2012).Learning and transfer of category knowledge in an indirect categorization task.Psychological Research,76,292–303.

Kloos,H.,&Sloutsky,V.M.(2008).What's behind different kinds of kinds:Effects of statistical density on learning and representation of categories?Journal of Experimental Psychology:General,137,52–72.

Love,B.C.(2003).The multifaceted nature of unsupervised category learning.Psychonomic Bulletin &Review,10,190–197.

Love,B.C.,Medin,D.L.,&Gureckis,T.M.(2004).SUSTAN:A network model of category learning.Psychology Review,111,309–332.

Minda,J.P.,&Ross,B.H.(2004).Learning categories by making predictions:An investigation of indirect category learning.Memory &Cognition,32,1355–1368.

Perlman,A.,Hahn,U.,Edwards,D.J.,&Pothos,E.M.(2012).Further attempts to clarify the importance of category variability for categorization.Journal of Cognitive Psychology,24,203–220.

Pothos,E.M.,&Chater,N.(2005).Unsupervised categorization and category learning.Quarterly Journal of Experimental Psychology A,58,733–752.

Pothos,E.M.,&Close,J.(2008).One or two dimensions in spontaneous classification:A simplicity approach.Cognition,107,581–602.

Pothos,E.M.,Edwards.D.J.,&Perlman,A.(2011).Supervised versus unsupervised categorization:Two sides of the same coin?The Quarterly Journal of Experimental Psychology,64(9),1692–1713.

Pothos,E.M.,Perlman,A.,Bailey,T.M.,Kurtz,K.,Edwards,D.J.,Hines,P.,&McDonnell,J.V.(2011).Measuring category intuitiveness in unconstrained categorization tasks.Cognition,121(1),83–100.

Richler,J.J.,&Palmeri,T.J.(2014).Visual category learning.Wiley Interdisciplinary Reviews:Cognition Science,5,75–94.

Stanton,R.D.,&Nosofsky,R.M.(2013).Category number impacts rule-based and information-integration category learning:A reassessment of evidence for dissociable categorylearning systems.Journal of Experimental Psychology:Learning,Memory,&Cognition,39(4),1174–1191.

Worthy,D.A.,Markman,A.B.,&Maddox,W.D.(2013).Feedback and stimulus-offset timing effects in perceptual category learning.Brain &Cognition,81,283–293.

Zeithamova,D.,&Maddox,W.T.(2007).The role of visuospatial and verbal working memory in perceptual category learning.Memory &Cognition,35(6),1380–1398.