• 감성과학
• /
• 제24권1호
• /
• pp.59-72
• /
• 2021

개념과 범주는 관찰하지 못한 속성을 추론할 수 있는 기반을 제공한다. 무의미 속성을 사용한 범주기반 속성추론 연구들은 범주 및 속성의 유사성이 추론을 설명하는 핵심 요인이라는 것을 제안했다(Rips, 1975; Osherson et al., 1990). 이후 연구들은 사람들의 사전지식이 범주기반 추론에 막대한 영향을 미치며 심지어 유사성 효과가 완전히 사라지는 경우도 있음을 보고했다. 본 연구는 범주 속성들이 사전지식의 한 종류인 인과적 지식에 의해 사슬구조로 연결되었을 때의 범주기반 속성추론을 검증했으며 그 결과를 예측하는 속성추론모형을 제안했다. 참가자들은 네 개의 속성들이 사슬구조를 이루는 인과적 범주를 학습한 뒤 해당 범주의 다양한 범주 예시들의 숨겨진 속성에 대한 추론을 실시했다. 그 결과 인과적으로 직접 연결된 속성뿐만 아니라 다른 속성 노드에 의해 차폐된 속성들도 추론에 영향을 미치는 비독립성이 나타났다(인과적 마코프 조건의 위배). 인과모형이론(Sloman, 2005)에 기반한 속성추론모형을 적용하여 참가자들의 추론을 모델링한 결과 인과적 연결의 직접 효과뿐만 아니라 간접 효과 즉 인과추론의 비독립성도 예측하는 것으로 나타났다. 다만 간접적으로 연결된 속성들은 인과적 거리와 무관하게 참가자들의 추론평정에 동일하게 영향을 미쳤지만 모형은 거리가 멀어짐에 따라 추론에 미치는 영향이 작아짐을 예측했다.

• 감성과학
• /
• 제26권1호
• /
• pp.55-64
• /
• 2023

본 연구는 범주속성들이 공통원인 혹은 공통효과 인과 네트워크로 연결되었을 때 인과강도에 따른 속성추론을 검증했다. 인과범주에서 속성추론을 검증한 기존 연구들은 인과관계의 방향, 연결된 속성의 개수, 원인 혹은 결과의 여부 등에 따라 고유한 추론 패턴이 나타남을 보여주었다. 다만 기존 연구들은 인과관계에 따른 추론패턴을 주로 탐색했으며 인과관계의 효과가 인과강도에 따라 어떤 변화를 보이는지 확인한 연구는 찾아보기 어렵다. 본 연구에서는 공통원인(실험 1), 공통효과(실험 2) 네트워크에서 인과강도에 따른 속성추론을 검증했다. 이를 위해 참가자들에게 속성들이 인과적 관련성을 가지는 범주를 학습하게 한 다음 속성추론 과제를 실시하도록 했다. 실험 결과 인과관계 뿐만 아니라 인과강도 역시 속성추론에 중요한 영향을 미쳤다. 인과강도가 강할 떄 공통원인 속성에 대해서는 추론이 약해진 반면 공통효과 속성에 대해서는 추론이 강해졌다. 또한 인과강도가 강할 때 공통원인이 존재하는 경우 결과속성들에 대한 추론이 강해진 반면 공통효과에서는 반대의 결과가 나타났다. 특히 공통효과에서는 인과강도가 강할 때 인과적 절감이 더 뚜렷하게 나타났다. 이 결과들은 인과적 범주에서의 속성추론에서 참가자들은 인과관계 뿐만 아니라 인과강도를 고려한다는 것을 일관성있게 보여준다.

• 인지과학
• /
• 제28권4호
• /
• pp.329-347
• /
• 2017

범주기반 속성추론에 대한 초기연구들은 전형성, 다양성, 유사성 효과 등 인간 사고에서 나타나는 다양한 현상들을 보고하였다. 이후 연구들은 이러한 추론에서 참가자들의 사전지식이 광범위한 영향을 미친다는 것을 발견하였다. 본 연구에서는 다양한 사전지식들 중 하나인 인과적 지식이 속성추론에 미치는 영향을 검증하고 이를 모델링하였다. 이를 위해 참가자들은 네 개의 속성으로 구성된 범주에서 속성들이 공통원인 혹은 공통효과 인과구조로 연결되었을 때 속성추론과제를 실시하였다. 그 결과 전형성 효과와 더불어 공통원인 구조에서 인과적 마코프 조건(causal Markov condition)에 대한 위배와 공통효과 구조에서 인과적 절감(causal discounting)이 관찰되었다. 이를 모델링하기 위해 참가자들은 표적속성이 존재하는 범주예시와 존재하지 않은 범주예시가 존재할 가능성에 대한 차이값 (즉, $p(E_{F(X)}{\mid}Cat)-p(E_{F({\sim}X)}{\mid}Cat)$에 근거하여 속성추론을 수행한다고 가정하였다. 인과모형이론(Rehder, 2003)에 기반하여 범주예시들의 확률값을 계산한 후 각 표적속성에 대한 추론에 적용하였다. 그 결과 모형은 참가자들의 데이터에서 관찰된 전형성 효과뿐만 아니라 인과적 마코프 조건에 대한 위배 및 인과적 절감을 모두 예측한다는 것이 확인되었다.

• 인지과학
• /
• 제33권3호
• /
• pp.135-154
• /
• 2022

본 연구는 코로나-19로 인한 스트레스를 높게 지각할 때, 스트레스를 낮게 지각할 때에 비하여 응집성이 낮은 사회적 범주에 대한 속성 일반화가 강해진다는 것을 확인하기 위해 이루어졌다. 이를 위해 본 연구는 응집성이 높은 범주(수녀, 군인, 비행기승무원)와 낮은 범주(웨딩플래너, 통역사, 플로리스트)를 선정하였고, 336명의 참가자를 모집하여 범주기반 속성 일반화 과제(범주 구성원 몇몇에게 반복 관찰되는 속성이 범주 구성원 전체에서 얼마나 나타날지 추론)를 수행하게 하였으며, 이들이 지각한 코로나-19 스트레스 정도를 측정하였다. 결과적으로, 사회적 범주의 응집성이 높을 때, 낮을 때에 비하여 속성 일반화가 강해지는 효과와 코로나-19로 인한 스트레스를 높게 지각하는 사람들에게서 낮게 지각하는 사람들보다 속성 일반화가 강해지는 효과를 관찰하였다. 더하여 본 연구는 코로나-19 스트레스를 높게 지각하는 사람들은 스트레스를 낮게 지각하는 사람들에 비해, 응집성이 낮은 범주에서도 반복 관찰되는 속성을 강하게 일반화하는 경향이 있음을 확인하였다. 본 연구는 코로나-19 발생 이후 고정관념과 편견이 심화되고, 차별적 행동이 증가하는 현상의 근본에 코로나-19 스트레스와 이로 인한 속성 일반화 경향 증가라는 인지적 기제가 존재함을 보여 준다는 측면에서 중요하다.

• 인지과학
• /
• 제25권3호
• /
• pp.233-257
• /
• 2014

범주기반 귀납추론은 인간이 사용하는 주요한 추론방법중 하나이다. 본 연구는 지각된 범주내 변산성이 범주기반 귀납적 일반화에 미치는 효과를 검증하기 위해 실시되었다. 실험 1에서는 범주 예시를 직접 제시하여 범주 변산성 지각을 조작하였다. 조건에 따라 범주내 변산성이 낮은 예시들 (낮은 변산 조건) 혹은 높은 예시들 (높은 변산 조건)을 범주의 예로 제시한 후, 해당 범주에 대한 귀납적 일반화 과제를 실시하였다. 그 결과 지각된 범주 변산성이 낮은 조건이 지각된 변산성이 높은 조건보다 귀납적 일반화에 대한 확신이 더 높다는 것을 확인하였다. 실험 2에서는 범주의 예시를 직접 제시하지 않고, 다양한 예시들 중 특정 범주에 속하는 예들을 참가자들이 변별하는 범주화 과제를 실시함으로써 범주 변산성을 지각하도록 한 후, 귀납추론 과제를 실시하였다. 그 결과, 실험 1과 마찬가지로 지각된 범주 변산성이 낮은 조건이 높은 조건보다 귀납적 일반화에 대한 확신이 더 강해지는 경향을 확인할 수 있었다. 본 연구의 결과는 기존 연구에서 보여준 다양성 효과와 차이점을 보이며 또한 Osherson과 동료들 (1990)이 제안한 귀납추론 모형으로는 설명하기 어렵다. 종합논의에서 범주기반 귀납추론에서 지각된 변산성 효과의 검증에 대해 간략히 논의하였다.

• 디지털융복합연구
• /
• 제17권1호
• /
• pp.209-217
• /
• 2019

본 논문에서는 시맨틱 검색 수행을 위해 검색 도메인에 알맞은 온톨로지를 이용, 구축하고 정보에 관한 검색, 변환, 통합, 공유가 가능한 검색 엔진을 구현하여 검색 시스템의 기반을 마련하는 것을 목적으로 하였다. 기존 방식에서 벗어나 온톨로지를 활용하여 계층 관계를 추론하고, 그 계층을 근거로 개체를 추론한 다음 속성을 추출하여 사용자가 원하는 자료와 관련있는 분야를 검색하는 것이다. 이러한 방식으로 정보를 검색할 수 있도록 정보검색 시스템을 '자격증'과 관련된 키워드를 입력하여 구현하였다. 구현된 시스템은 온톨로지에서 각 속성들의 의미와 관계를 정리하여 일반인 정보검색을 사용자가 빠르고 쉽게, 정확한 검색을 할 수 있도록 하였다. 또한, 구현 결과를 2개의 다른 검색엔진과 비교하였다. 비교한 검색엔진은 대표적인 검색엔진인 '네이버'와 '다음'이다. 시맨틱 웹을 이용한 검색을 수행하기 위해 검색 도메인에 맞는 온톨로지를 이용하여 구축한 본 연구의 검색 엔진은 상당히 우수한 결과를 보여주는 것으로 평가되었다. 그러나 검색 엔진의 정확성과 신뢰성을 높이고 좀 더 포괄적인 범주의 검색어 포함하기 위해서는 더욱 정형화된 온톨로지가 필요하다고 사료된다.