English Title: Does categorisation with and without feedback rely on similar mechanisms?

Preview

PDF, German Download (9MB) | Terms of use

Abstract

Es werden drei Experimente berichtet, die der Frage nachgehen, ob ein als �Blocking� bezeichnetes Phänomen, die Vernachlässigung redundanter Information, auch in Klassifikationsparadigmen ohne Rückmeldung auftritt. Der Blocking-Effekt wird als typisches Merkmal fehlergetriebenen Lernens angesehen und daher gewöhnlich nur mit Kategorisierungsparadigmen mit Rückmeldung in Verbindung gebracht. Während sich die Ergebnisse der ersten Studie mittels zwei post-hoc Annahmen gut mit der Hypothese eines Blocking-Effektes auch in Klassifizierungsparadigmen ohne Rückmeldung vereinbaren lassen, kann die zweite Studie vermutlich eine Grenze dieses Effektes durch deliberate kognitive Prozesse aufzeigen. Die ersten zwei Experimente untersuchen den Blocking-Effekt bei drei Kategorien. Im dritten Experiment erhalten die Teilnehmer eine Entscheidungsmöglichkeit lediglich zwischen zwei Kategorien. Es wird versucht die empirischen Daten mittels Netzwerksimulationen zu deuten. Ein Hauptaugenmerk ruht dabei auf der Annahme eines Rückmeldeprozesses über die bisherige Konsistenz der Zuordnung. Um die empirischen Daten zu erklären, müssen keine spezifischen Annahmen hinsichtlich der genauen Verarbeitungsprozesse der Rückmeldung getroffen werden. Damit lässt sich die hier diskutierte Modellvorstellung gut in allgemeine Kategorisierungsmodelle mit Rückmeldung (z.B. Pearce & Hall, 1980, Pearce, 1994) einbauen. Auch die Modellvorstellungen von Kruschke und Johansen (1999) lassen sich mit den hier beschriebenen Modellvorschlägen vereinbaren. Es wird versucht eine Brücke zwischen Kategorisierungsmodellen mit und ohne Rückmeldung zu schlagen.

Translation of abstract (English)

Rumelhart and Zipser�s (1986) competitive learning algorithm is an account of unsupervised learning and as such might be considered a potential model of free classification behavior in humans. In contrast, selective learning effects in paradigms in which feedback is provided suggest that learning with feedback is better described by error-correcting systems. In this �Diplomarbeit�, it is proposed that learning without feedback is also best described by learning models that use some kind of error as a means of corrective feedback instead of purely competitive learning algorithms. The general aim of this research was to find further supporting evidence for a delta-model as one implementation of error-correcting mechanisms in learning without feedback paradigms.