アイテム詳細

要旨

Verschiedene Mitglieder einer basic level Kategorie lassen sich häufig durch eine relativ einfache topologische (verformende) Transformation ineinander überführen (sog. Gummituch-
Geometrie). Ein früheres Experiment zeigte, dass bei einer Kategorisierungsaufgabe
unter Zeitdruck die Reaktionszeit und Fehlerrate ansteigen mit zunehmendem
Umfang der topologischen Transformation von zwei sequentiell präsentierten Kategoriemitgliedern
(Graf, TWK 2001). Falls topologische Transformationen bei der basic level
Kategorisierung involviert sind, dann sollte die Performanz in verwandten Aufgaben
ebenfalls durch den Umfang der Formdeformation beeinflusst sein. Zum einen sollte die
Typizität (Repräsentativität) der Kategoriemitglieder bestimmt sein durch die transformationale
Distanz zur Kategorierepräsentation. Zum anderen sollte die Formähnlichkeit
von zwei Objekten abnehmen mit zunehmender topologischer Transformation zwischen
den Objekten.
Diese Vorhersagen wurden untersucht für 2D Silhouetten (outline shapes) von Objekten
aus 25 bekannten Objektkategorien. In der Typizitätsaufgabe mussten die Vpn die Typizität
von verschiedenen Kategoriemitgliedern beurteilen, die mit einem Morphing-Algorithmus
erzeugt wurden – d.h. sie sollten beurteilen, wie gut die Objekte zu ihrer Vorstellung
der Kategorie passen. In der Ähnlichkeitsaufgabe wurde der Umfang der
topologischen Transformation zwischen zwei Objekten der gleichen basic level Kategorie
manipuliert, und die Vpn mussten die Ähnlichkeit der Objekte beurteilen.
Die Ergebnisse bestätigten die Vorhersagen: Zum einen variierten die Typizitätsratings
auf systematische Art und Weise mit der topologischen Formtransformation. Die Ratings
zeigten eine Kategoriestruktur, bei der die Typizität abnahm mit zunehmender Distanz
zum typischsten Kategoriemitglied. Zum zweiten nahm die wahrgenommene Ähnlichkeit
ab mit zunehmendem Umfang topologischer Transformation.
Die Befunde demonstrieren, dass die basic level Kategorisierung und die Formähnlichkeit
von Objekten vom Umfang topologischer Transformation abhängen. Die Daten können
durch ein Alignment-Modell der Kategorisierung und der Ähnlichkeit erklärt werden,
das topologische Transformationen beinhaltet. Das vorgeschlagene Modell kann als
eine bild-basierte Erweiterung des structural alignment Modells der Ähnlichkeit (z.B.
Markman Gentner, 1993) betrachtet werden.