분류

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

분류는 의식 경험의 특징을 개념적으로 구별하는 과정으로, 유기체의 초기 발달 단계에서 시작된다. 범주화는 의도성, 지각과 같은 마음의 능력에 의존하며, 공유된 의도성을 통해 사회적 학습이 일어난다. 범주화 연구는 고전적 범주 이론, 원형 이론, 전형 이론 등 다양한 이론을 통해 진행되며, 범주 학습과 형식 모델을 활용하여 인간의 범주 정보 표상과 사용 방식을 연구한다. 사회적 범주화는 사람들을 민족, 성별 등 다양한 기준에 따라 분류하는 과정으로, 정체성 형성 및 사회적 관계에 영향을 미치며, 잘못된 범주화는 범주 학습의 필수적인 요소이다.

더 읽어볼만한 페이지

정보의 분류 - 포크소노미
포크소노미는 사용자가 웹 콘텐츠에 자유롭게 태그를 달아 분류하는 방법으로, 정보 관리 및 검색에 활용되지만, 부정확성이나 메타 노이즈 발생 가능성 등의 단점도 존재한다.
지식 기반 시스템 - 온톨로지
온톨로지는 철학의 존재론에서 유래하여 정보기술 분야에서 지식의 위치와 관계를 명확히 하는 연구 분야로 사용되며, 시맨틱 웹 구현의 핵심 도구로서 웹 자원 관리 및 정보 검색 효율성을 높이는 데 기여한다.
지식 표현 - 시소러스
시소러스는 특정 단어나 개념의 유의어, 상위어, 하위어를 모아놓은 사전으로, 어휘의 의미 관계를 보여주며 글쓰기, 번역 등 다양한 분야에 활용된다.
지식 표현 - 시맨틱 네트워크
시맨틱 네트워크는 개념 간의 관계를 표현하는 지식 표현 방법으로, 노드와 링크를 사용하여 지식을 구조화하며 인공지능, 언어학 등 다양한 분야에서 활용된다.

분류
지도
정보 과학
분류	분류
정보 접근	정보 접근
정보 아키텍처	정보 아키텍처
정보 행동	정보 행동
정보 관리	정보 관리
정보 검색	정보 검색
정보 추구	정보 추구
정보 사회	정보 사회
지식 조직	지식 조직
온톨로지 (정보 과학)	온톨로지
정보 철학	정보 철학
과학 기술학	과학 기술학
분류학	분류학
관련 분야 및 하위 분야
계량 서지학	계량 서지학
분류	분류
검열	검열
도서관 분류	도서관 분류
컴퓨터 데이터 저장	컴퓨터 데이터 저장
문화 연구	문화 연구
데이터 모델링	데이터 모델링
정보학	정보학
정보 기술	정보 기술
지적 자유	지적 자유
지적 재산	지적 재산
도서관 및 정보 과학	도서관 및 정보 과학
기억	기억
보존 (도서관 및 기록 보관 과학)	보존
개인 정보 보호	개인 정보 보호
양자 정보 과학	양자 정보 과학
개념적 범주화
정의	정신적 개념 조직
분류의 필요성	지각적 입력 단순화 의미 있는 정보 통합 새로운 사례에 대한 추론
범주화 특징	개념과 연결 지각적, 기능적 속성 포함 추상적 속성 포함
사회적 범주화	사회적 범주화와 관련
연구 접근법
형식적 접근법	수학적 모델 계산 모델
심리적 접근법	인지 심리학 발달 심리학 사회 심리학
신경 과학적 접근법	신경 과학 연구
철학적 접근법	철학적 고찰

2. 범주화의 시작

범주화 연구에서 가장 중요한 문제는 의식 경험의 특징들 간의 개념적 차별화가 어린 유기체에서 어떻게 시작되는가 하는 점이다. 실험 데이터에 따르면 신생아나 태아기의 태아에게서도 사물과 사건의 특징들을 구별하는 증거가 나타난다.^[7]^[8] 이러한 발달은 단순한 반사만 보이는 유기체에서도 성공적으로 이루어진다. (결합 문제, 인지, 인지 발달, 유아 인지 발달, 다감각 통합, 지각 관련 문서 참조). 이들의 신경계는 전자기파, 화학적 상호작용, 압력 변동 등 감각 자극의 혼란을 겪는다.^[9]

범주화 사고는 의도성과 지각과 같은 마음의 능력에 의존하는 경험의 측면을 추상화하고 차별화하는 것을 포함한다. 문제는 어린 유기체가 이미 환경을 범주화하기 위한 의도성과 지각 능력을 파악해야 한다는 것이다.^[7] 의도성과 지각은 이미 사물(혹은 사건)을 인식하는 능력, 즉 감각 체계를 통해 사물을 식별하는 능력을 필요로 한다.^[10] 이것은 악순환이다. 범주화에는 의도성과 지각이 필요한데, 이것들은 범주화된 환경에서만 나타나기 때문이다. 따라서 어린 유기체는 추상적 사고를 가지고 있지 않으며, 범주화 문제를 혼자 해결한다면 의식 경험의 특징들 간의 개념적 차별화를 독립적으로 수행할 수 없다.

아동 발달에서 사회적 인지의 기원을 연구하는 발달 심리학자 마이클 토마셀로는 출생 후 사회적 학습 동안 무의식적인 과정을 설명하기 위해 공유된 의도성 개념을 개발하여 의도성 형성 과정을 설명하였다.^[11] 이고르 발 다닐로프(Igor Val Danilov) 교수는 공유된 의도성 동안 발생하는 신경생리학적 과정에 대한 가설을 제시하여 이 개념을 자궁 내 기간으로 확장하였다.^[7] 이 가설은 대인역학에서 신경 상호작용에 이르기까지 다양한 수준의 생물 시스템 복잡성을 가진 유기체에서 인지 발달의 시작을 설명하려고 시도한다.^[12]^[13] 신경과학의 증거는 이 가설을 뒷받침한다. 과학자들은 피험자가 공유 인지 문제를 해결하는 동안 의사소통 없이 쌍을 이룬 상태에서 뇌 간 활동을 관찰하는 하이퍼스캐닝 연구를 통해 피험자가 유사한 문제를 혼자 해결했을 때와 비교하여 뇌 간 활동이 증가하는 것을 확인했다.^[14]^[15]^[16]^[17]^[18]^[19] 이러한 데이터는 감각적 단서 없이도 모자-아이 쌍에서 공유된 의도성을 제공하는 협력적 상호작용이 나타날 수 있음을 보여준다.^[7] 이것은 의사소통과 추상적 사고 없이 인식하는 방식을 보여준다.

이러한 지식은 의도성, 지각 및 환경의 범주화에 의존하는 내적 및 외적 존재에 대한 인식을 가리키기 때문에 의식을 연구하는 새로운 방향을 제시할 수 있다.

2. 1. 초기 범주화 발달

범주화 연구에서 가장 중요한 문제는 미숙한 유기체가 어떻게 의식 경험의 특징들 간의 개념적 차별화를 시작하는가 하는 점이다.^[7] 실험 데이터에 따르면 신생아, 심지어 태아기의 태아에게서도 사물과 사건의 특징들을 구별하는 증거가 나타난다.^[7]^[8] 이러한 발달은 단순한 반사만 보이는 유기체에서도 성공적으로 이루어진다. (결합 문제, 인지, 인지 발달, 유아 인지 발달, 다감각 통합, 지각 관련 문서 참조). 이들의 신경계는 전자기파, 화학적 상호작용, 압력 변동 등 감각 자극의 혼란을 경험한다.^[9]

범주화 사고는 의도성과 지각과 같은 마음의 능력에 의존하는 경험의 측면을 추상화하고 차별화하는 것을 포함한다. 문제는 이러한 어린 유기체가 이미 환경을 범주화하기 위한 의도성과 지각 능력을 파악해야 한다는 것이다.^[7] 의도성과 지각은 이미 사물(혹은 사건)을 인식하는 능력, 즉 감각 체계를 통해 사물을 식별하는 능력을 필요로 한다.^[10] 이것은 악순환이다. 범주화에는 의도성과 지각이 필요한데, 이것들은 범주화된 환경에서만 나타난다. 따라서 어린 미숙한 유기체는 추상적 사고를 가지고 있지 않으며, 범주화 문제를 혼자 해결한다면 의식 경험의 특징들 간의 개념적 차별화를 독립적으로 수행할 수 없다.

아동 발달에서 사회적 인지의 기원을 연구하는 발달 심리학자 마이클 토마셀로는 출생 후 사회적 학습 동안 무의식적인 과정을 설명하기 위해 공유된 의도성 개념을 개발하여 의도성 형성 과정을 설명하였다.^[11] 이고르 발 다닐로프 교수는 공유된 의도성 동안 발생하는 신경생리학적 과정에 대한 가설을 제시하여 이 개념을 자궁 내 기간으로 확장하였다.^[7] 이 가설은 대인역학에서 신경 상호작용에 이르기까지 다양한 수준의 생물 시스템 복잡성을 가진 유기체에서 인지 발달의 시작을 설명하려고 시도한다.^[12]^[13] 신경과학의 증거는 이 가설을 뒷받침한다. 과학자들은 하이퍼스캐닝 연구를 통해 공유 인지 문제를 해결하는 동안 의사소통 없이 쌍을 이룬 피험자의 뇌 간 활동이 증가하는 것을 확인했다.^[14]^[15]^[16]^[17]^[18]^[19] 이러한 데이터는 감각적 단서 없이도 모자-아이 쌍에서 공유된 의도성을 제공하는 협력적 상호작용이 나타날 수 있음을 보여준다.^[7] 이것은 의사소통과 추상적 사고 없이 인식하는 방식을 보여준다.

이러한 지식은 의도성, 지각 및 환경의 범주화에 의존하는 내적 및 외적 존재에 대한 인식을 가리키기 때문에 의식을 연구하는 새로운 방향을 제시할 수 있다.

2. 2. 공유된 의도성과 범주화

범주화 연구에서 가장 중요한 문제는 의식 경험의 특징들 간의 개념적 차별화가 어린 미숙한 유기체에서 어떻게 시작되는가 하는 점이다. 증가하는 실험 데이터는 신생아, 심지어 태아기의 태아에게서도 사물과 사건의 특징들 간의 차별화 증거를 보여준다.^[7]^[8] 이러한 발달은 단순한 반사만 보이는 유기체에서도 성공적으로 이루어진다(결합 문제, 인지, 인지 발달, 유아 인지 발달, 다감각 통합, 지각 관련 문서 참조). 이들의 신경계에 있어 환경은 전자기파, 화학적 상호작용, 압력 변동 등 감각 자극의 혼란이다.^[9]

범주화 사고는 의도성과 지각과 같은 마음의 능력에 의존하는 경험의 측면을 추상화하고 차별화하는 것을 포함한다. 문제는 이러한 어린 유기체가 이미 환경을 범주화하기 위한 의도성과 지각 능력을 파악해야 한다는 것이다.^[7] 의도성과 지각은 이미 사물(혹은 사건)을 인식하는 능력, 즉 감각 체계를 통해 사물을 식별하는 능력을 필요로 한다.^[10] 이것은 악순환이다. 범주화에는 의도성과 지각이 필요한데, 이것들은 범주화된 환경에서만 나타난다. 따라서 어린 미숙한 유기체는 추상적 사고를 가지고 있지 않으며, 범주화 문제를 혼자 해결한다면 의식 경험의 특징들 간의 개념적 차별화를 독립적으로 수행할 수 없다.

아동 발달에서 사회적 인지의 기원을 연구하는 발달 심리학자 마이클 토마셀로는 출생 후 사회적 학습 동안 무의식적인 과정을 설명하기 위해 공유된 의도성 개념을 개발하여 의도성 형성 과정을 설명하였다.^[11] 더 나아가 라트비아의 이고르 발 다닐로프(Igor Val Danilov) 교수는 공유된 의도성 동안 발생하는 신경생리학적 과정에 대한 가설을 제시하여 이 개념을 자궁 내 기간으로 확장하였다.^[7] 이 가설은 대인역학에서 신경 상호작용에 이르기까지 다양한 수준의 생물 시스템 복잡성을 가진 유기체에서 인지 발달의 시작을 설명하려고 시도한다.^[12]^[13] 신경과학의 증거는 이 가설을 뒷받침한다. 과학자들은 피험자가 공유 인지 문제를 해결하는 동안 의사소통 없이 쌍을 이룬 상태에서 뇌 간 활동을 관찰하는 하이퍼스캐닝 연구를 통해 피험자가 유사한 문제를 혼자 해결했을 때와 비교하여 뇌 간 활동이 증가하는 것을 확인했다.^[14]^[15]^[16]^[17]^[18]^[19] 이러한 데이터는 감각적 단서 없이도 모자-아이 쌍에서 공유된 의도성을 제공하는 협력적 상호작용이 나타날 수 있음을 보여준다.^[7] 이것은 의사소통과 추상적 사고 없이 인식하는 방식을 보여준다.

이러한 지식의 중요성은 후자가 의도성, 지각 및 환경의 범주화에 의존하는 내적 및 외적 존재에 대한 인식을 가리키기 때문에 의식을 연구하는 새로운 방향을 제시할 수 있다는 것이다.

2. 3. 신경생리학적 관점

범주화 연구에서 가장 중요한 문제는 의식 경험의 특징들 간의 개념적 차별화가 어린 유기체에서 어떻게 시작되는가 하는 점이다. 실험 데이터에 따르면 신생아나 태아기의 태아에게서도 사물과 사건의 특징들을 구별하는 증거가 나타난다.^[7]^[8] 이러한 발달은 단순한 반사만 보이는 유기체에서도 성공적으로 이루어진다. (\[\[결합 문제]], \[\[인지]], \[\[인지 발달]], \[\[유아 인지 발달]], \[\[다감각 통합]], \[\[지각]] 관련 문서 참조). 이들의 신경계는 전자기파, 화학적 상호작용, 압력 변동 등 감각 자극의 혼란을 겪는다.^[9]

범주화 사고는 \[\[의도성]]과 \[\[지각]]과 같은 마음의 능력에 의존하는 경험의 측면을 추상화하고 차별화하는 것을 포함한다. 문제는 어린 유기체가 이미 환경을 범주화하기 위한 의도성과 지각 능력을 파악해야 한다는 것이다.^[7] 의도성과 지각은 이미 사물(혹은 사건)을 인식하는 능력, 즉 \[\[감각 체계]]를 통해 사물을 식별하는 능력을 필요로 한다.^[10] 이것은 악순환이다. 범주화에는 의도성과 지각이 필요한데, 이것들은 범주화된 환경에서만 나타나기 때문이다. 따라서 어린 유기체는 추상적 사고를 가지고 있지 않으며, 범주화 문제를 혼자 해결한다면 의식 경험의 특징들 간의 개념적 차별화를 독립적으로 수행할 수 없다.

아동 발달에서 사회적 인지의 기원을 연구하는 발달 심리학자 \[\[마이클 토마셀로]]는 출생 후 사회적 학습 동안 무의식적인 과정을 설명하기 위해 \[\[공유된 의도성]] 개념을 개발하여 \[\[의도성]] 형성 과정을 설명하였다.^[11] 이고르 발 다닐로프(Igor Val Danilov) 교수는 \[\[공유된 의도성]] 동안 발생하는 신경생리학적 과정에 대한 가설을 제시하여 이 개념을 자궁 내 기간으로 확장하였다.^[7] 이 가설은 대인역학에서 신경 상호작용에 이르기까지 다양한 수준의 생물 시스템 복잡성을 가진 유기체에서 인지 발달의 시작을 설명하려고 시도한다.^[12]^[13] 신경과학의 증거는 이 가설을 뒷받침한다. 과학자들은 피험자가 공유 인지 문제를 해결하는 동안 의사소통 없이 쌍을 이룬 상태에서 뇌 간 활동을 관찰하는 하이퍼스캐닝 연구를 통해 피험자가 유사한 문제를 혼자 해결했을 때와 비교하여 뇌 간 활동이 증가하는 것을 확인했다.^[14]^[15]^[16]^[17]^[18]^[19] 이러한 데이터는 감각적 단서 없이도 모자-아이 쌍에서 \[\[공유된 의도성]]을 제공하는 협력적 상호작용이 나타날 수 있음을 보여준다.^[7] 이것은 의사소통과 추상적 사고 없이 인식하는 방식을 보여준다.

이러한 지식은 \[\[의도성]], \[\[지각]] 및 환경의 범주화에 의존하는 내적 및 외적 존재에 대한 인식을 가리키기 때문에 \[\[의식]]을 연구하는 새로운 방향을 제시할 수 있다.

3. 범주화 이론

'''범주'''는 인지 시스템에 의해 동등한 것으로 간주되는 구체적 또는 추상적 인스턴스(범주 구성원)의 별개의 집합이다. 범주 지식을 사용하려면 범주 구성원의 핵심 특징을 정의하는 정신적 표상에 접근해야 한다. 인지 심리학자들은 이러한 범주 특유의 정신적 표상을 개념이라고 한다.^[3]^[4]

범주 이론가들에게 객체의 범주화는 종종 세 가지 계층적 수준의 추상화를 가진 분류학을 사용하여 고려된다.^[5] 예를 들어, 식물은 추상화의 높은 수준에서 단순히 꽃이라고 명명하거나, 중간 수준의 추상화에서 장미라고 명명하거나, 낮은 수준의 추상화에서 이 특정 장미를 개장미라고 더 자세히 명명하여 식별할 수 있다. 분류학의 범주는 클래스 포함을 통해 서로 관련되어 있으며, 가장 높은 수준의 추상화가 가장 포괄적이고 가장 낮은 수준의 추상화가 가장 포괄적이지 않다.^[5]

세 가지 추상화 수준은 다음과 같다.

'''상위 수준, 속''' (예: 꽃): 가장 높고 가장 포괄적인 추상화 수준이다. 가장 높은 정도의 일반성과 가장 낮은 정도의 범주 내 유사성을 보인다.^[6]
'''기본 수준, 종''' (예: 장미): 중간 수준의 추상화이다. 로슈(Rosch)와 동료들(1976)은 기본 수준이 인지적으로 가장 효율적이라고 제안한다.^[5] 기본 수준 범주는 범주 내 높은 ''유사성''과 범주 간 높은 ''상이성''을 보인다. 또한, 기본 수준은 범주 예시가 일반적인 식별 가능한 형태를 공유하는 가장 포괄적인 수준이다.^[5] 성인은 가장 자주 기본 수준의 객체 이름을 사용하며, 어린이는 기본 객체 이름을 먼저 배운다.^[5]
'''하위 수준''' (예: 개장미): 가장 낮은 수준의 추상화이다. 가장 높은 정도의 특이성과 범주 내 유사성을 보인다.^[6]

대표적인 범주화 이론에는 고전적 범주 이론, 원형 이론, 전형 이론, 개념적 군집화 등이 있다.

3. 1. 고전적 범주 이론

인지언어학에서 플라톤과 아리스토텔레스에게서 나타나고 서구 문화, 특히 철학, 언어학, 심리학에서 매우 큰 영향력을 행사하고 지배적인 범주화 접근 방식을 나타내는 데 사용되는 용어이다.^[22]^[20] 아리스토텔레스의 범주적 분석 방법은 포르피리우스의 이사고게(Isagoge)를 통해 중세 대학의 스콜라학으로 전해졌다. 고전적 범주관은 세 가지 가정으로 요약할 수 있다.

범주는 구성원이 가져야 하는 필요충분한 특징들의 목록으로 설명될 수 있다.
범주는 명확하게 정의된 경계를 가지고 있다는 점에서 이산적이다(요소가 하나에 속하거나 속하지 않으며, 그 사이에는 가능성이 없다).
범주 구성원들은 모두 동일한 지위를 갖는다(다른 구성원보다 더 속하는 범주 구성원은 없다).^[28]^[21]^[22]

고전적 관점에서 범주는 명확하게 정의되어야 하며, 상호 배타적이고 집합적으로 포괄적이어야 한다. 이런 방식으로 주어진 분류 우주에 있는 모든 실체는 제안된 범주 중 하나이며 오직 하나에만 명확하게 속한다.

범주의 고전적 관점은 서양철학의 맥락에서 플라톤의 작품에 처음 등장했는데, 그는 정치가 대화편에서 유사한 성질을 기반으로 객체를 그룹화하는 접근 방식을 소개한다. 이러한 접근 방식은 아리스토텔레스가 그의 범주 논문에서 더욱 탐구하고 체계화했는데, 여기서 그는 계급과 객체의 차이점을 분석한다. 아리스토텔레스는 또한 살아있는 존재의 분류에 대한 그의 접근 방식에서 고전적 범주화 체계를 집중적으로 적용했는데("동물입니까, 식물입니까?", "다리는 몇 개입니까?", "털이 있습니까, 깃털이 있습니까?", "날 수 있습니까?"와 같은 연속적인 좁히는 질문을 적용하는 기술을 사용하여) 자연 분류학의 기초를 마련했다.

범주의 고전적 관점은 데카르트, 블레즈 파스칼, 스피노자, 존 로크의 서구 철학 작품과 20세기 버트런드 러셀, G.E. 무어, 논리 실증주의자들에게서 찾아볼 수 있다. 그것은 분석철학과 그 개념 분석의 초석이었으며, 1990년대 프랭크 카메론 잭슨과 크리스토퍼 피콕이 제안한 최근의 공식화가 있다.^[23]^[24]^[25] 20세기 초, 범주에 대한 질문은 뒤르켐과 모스에 의해 경험적 사회 과학에 도입되었으며, 그들의 선구적인 연구는 현대 학문에서 재검토되었다.^[26]^[27]

범주화의 고전적 모델은 적어도 1960년대부터 구조주의 의미론 패러다임의 언어학자들, 즉 1963년 제롤드 카츠와 제리 포더에 의해 사용되어 왔으며, 이는 앨런 M. 콜린스와 M. 로스 퀼리언과 같은 심리학자들에 의한 채택에도 영향을 미쳤다.^[28]^[29]

고전적 범주화 이론의 현대적 버전은 뇌가 구성원과 비구성원을 구분하는 특징을 검출하여 범주를 어떻게 학습하고 표현하는지 연구한다.^[30]^[31]

3. 2. 원형 이론 (Prototype Theory)

엘레너 로슈와 동료들의 1973년 연구는 원형 이론을 제시했는데, 이 이론에 따르면 범주화는 원형을 기반으로 사물을 그룹화하는 과정으로 볼 수 있다. 이 이론은 특히 인지언어학에 큰 영향을 미쳤다.^[28] 이는 비트겐슈타인의 가족적 유사성에 기반한 범주 모델, 로저 브라운의 ''How shall a thing be called?''(1958)에 기반을 두고 있다.^[28]

원형 이론은 조지 레이코프와 같은 인지언어학자들에 의해 채택되었다. 원형 이론은 범주화에 대한 유사성 기반 접근 방식의 한 예이며, 저장된 범주 표상을 사용하여 후보 범주 구성원의 유사성을 평가한다.^[32] 이 이론에 따르면, 저장된 표상은 범주 구성원에 대한 요약 표상으로 구성된다. 이 원형 자극은 범주의 평균 구성원을 나타내는 중심 경향, 가장 빈번한 사례를 나타내는 최빈 자극, 가장 일반적인 범주 특징으로 구성된 자극, 또는 "이상적인" 범주 구성원이나 범주의 독특한 특징을 강조하는 캐리커처 등 다양한 형태를 취할 수 있다.^[33] 이 원형 표상에서 중요한 점은 그것이 반드시 세계에 존재하는 범주의 실제 사례를 반영하는 것은 아니라는 점이다.^[33] 또한 원형은 문맥에 매우 민감하다.^[34] 예를 들어, 음료 범주에 대한 어떤 사람의 원형은 탄산음료나 셀처일 수 있지만, 브런치라는 문맥에서는 밈모사를 전형적인 음료로 선택할 수 있다.

원형 이론은 주어진 범주의 구성원이 가족적 유사성을 공유하고, 범주는 전형적인 특징의 집합으로 정의된다고 주장한다.^[35]

3. 3. 전형 이론 (Exemplar Theory)

범주화에 대한 유사성 기반 접근 방식의 또 다른 예로, 전형 이론은 후보 범주 구성원의 유사성을 저장된 기억 표상과 비교한다. 전형 이론에 따르면, 범주의 모든 알려진 사례는 전형(exemplar)으로서 기억에 저장된다. 익숙하지 않은 개체의 범주 구성원 자격을 평가할 때, 잠재적으로 관련된 범주의 전형들이 기억에서 검색되고, 그 개체와 전형들의 유사성을 합산하여 범주화 결정을 내린다.^[33] 메딘과 샤퍼(1978)의 맥락 모델은 개체와 관련 전형들의 유사성을 합산하는 대신 곱하여, 개체의 관련 전형과의 근접성을 반영하는 가중 유사성을 제공하는 최근접 이웃 접근 방식을 사용한다.^[36] 이는 범주화 결정을 범주화할 개체와 가장 유사한 전형으로 효과적으로 편향시킨다.^[36]^[37]

3. 4. 개념적 군집화 (Conceptual Clustering)

'''개념적 군집화'''는 1980년 리샤드 S. 미할스키에 의해 정의된 비지도 학습 패러다임이다.^[38]^[39] 이는 고전적인 범주화 접근 방식의 현대적 변형으로, 지식이 어떻게 표현되는지 설명하려는 시도에서 비롯되었다. 이러한 접근 방식에서는 범주(군집 또는 개체)가 먼저 개념적 설명을 공식화한 다음 설명에 따라 개체를 분류하여 생성된다.^[40]

개념적 군집화는 주로 1980년대에 기계 패러다임으로 비지도 학습으로 발전했다. 이는 각 생성된 범주에 대한 개념 설명을 생성한다는 점에서 일반적인 데이터 군집화와 구별된다.

개념적 군집화는 퍼지 집합 이론과 밀접한 관련이 있으며, 이 이론에서는 개체가 적합성 정도에 따라 하나 이상의 그룹에 속할 수 있다. 인지적 접근 방식은 자연 범주가 점진적(경계가 퍼지되는 경향이 있음)이고 구성원의 상태가 불일치함을 받아들인다. 필요충분조건의 개념은 자연적으로 발생하는 것들의 범주에서는 거의 충족되지 않는다.

4. 범주 학습 (Category Learning)

범주 학습은 범주가 처음에 어떻게 획득되는지 이해하려는 분야이다. 연구자들은 참가자가 자극에 익숙하지 않도록 점 행렬과 같은 임의의 객체를 사용한 새로운 범주를 사용한다.^[41] 범주 학습에 대한 더 자세한 내용은 범주 학습 문서를 참고할 수 있다.

4. 1. 범주 학습의 종류

범주 학습 연구자들은 일반적으로 두 가지 구별되는 범주 학습 형태에 초점을 맞춰왔다. 분류 학습은 참가자에게 제공된 특징을 기반으로 자극에 대한 범주 레이블을 예측하는 과제를 부여한다. 분류 학습은 범주 간 정보와 범주의 진단적 특징을 학습하는 데 중점을 둔다.^[42] 반대로, 추론 학습은 참가자에게 제공된 범주 레이블 및/또는 다른 범주 특징의 존재를 기반으로 범주 특징의 존재/값을 추론하는 과제를 부여한다. 추론 학습은 범주 내 정보와 범주의 원형 특징을 학습하는 데 중점을 둔다.^[42]

범주 학습 과제는 일반적으로 지도 학습과 비지도 학습의 두 가지 범주로 나눌 수 있다. 지도 학습 과제는 학습자에게 범주 레이블을 제공한다. 그러면 학습자는 레이블이 지정된 예시 범주에서 추출한 정보를 사용하여 자극을 적절한 범주로 분류하는데, 여기에는 관찰된 객체 특징과 범주 레이블을 연결하는 규칙 또는 개념의 추상화가 포함될 수 있다. 비지도 학습 과제는 학습자에게 범주 레이블을 제공하지 않는다. 따라서 학습자는 데이터 세트의 고유 구조를 인식하고 유사성에 따라 자극을 클래스로 그룹화해야 한다. 따라서 비지도 학습은 분류 구조를 생성하는 과정이다. 범주 학습을 연구하는 데 사용되는 과제는 다양한 형태를 취한다.

'''규칙 기반 과제'''는 참가자가 명시적인 추론 과정을 통해 학습할 수 있는 범주를 제시한다. 이러한 유형의 과제에서 자극의 분류는 획득된 규칙을 사용하여 수행된다(즉, 자극이 x 차원에서 크면 A에 응답).
'''정보 통합 과제'''는 학습자가 범주화 결정을 내리기 전에 여러 자극 차원의 지각 정보를 종합해야 한다. 규칙 기반 과제와 달리 정보 통합 과제는 쉽게 명료하게 설명할 수 있는 규칙을 제공하지 않는다. X선을 읽고 종양이 있는지 확인하려고 하는 것은 정보 통합 과제의 실제 사례로 생각할 수 있다.
'''원형 왜곡 과제'''는 학습자에게 범주에 대한 원형을 생성하도록 요구한다. 그런 다음 범주의 후보 예시는 원형의 특징을 무작위로 조작하여 생성되며, 학습자는 이를 범주에 속하는지 또는 속하지 않는지로 분류해야 한다.

4. 2. 범주 학습 이론

범주 학습에 대한 자세한 내용은 이 문서에서 다루지 않지만, 범주화의 형식적 모델을 이해하기 위해 범주 학습과 관련 이론을 간략하게 살펴보는 것은 유용하다.

범주화 연구가 범주가 어떻게 유지되고 사용되는지를 다룬다면, 범주 학습은 범주가 처음에 어떻게 획득되는지를 이해하고자 한다. 연구자들은 참가자가 자극에 익숙하지 않도록 점 행렬과 같은 임의의 객체로 새로운 범주를 사용한다.^[41] 범주 학습 연구는 주로 두 가지 범주 학습 형태에 초점을 맞춘다. 분류 학습은 참가자에게 제공된 특징을 기반으로 자극의 범주 레이블을 예측하는 과제를 부여한다. 이는 범주 간 정보와 범주의 진단적 특징을 학습하는 데 중점을 둔다.^[42] 반면, 추론 학습은 참가자에게 제공된 범주 레이블이나 다른 범주 특징의 존재를 기반으로 범주 특징의 존재/값을 추론하는 과제를 부여한다. 이는 범주 내 정보와 범주의 원형 특징을 학습하는 데 중점을 둔다.^[42]

범주 학습 과제는 크게 지도 학습과 비지도 학습으로 나눌 수 있다. 지도 학습 과제는 학습자에게 범주 레이블을 제공한다. 학습자는 레이블이 지정된 범주 예시에서 추출한 정보를 사용하여 자극을 적절한 범주로 분류하며, 여기에는 관찰된 객체 특징과 범주 레이블을 연결하는 규칙이나 개념의 추상화가 포함될 수 있다. 비지도 학습 과제는 학습자에게 범주 레이블을 제공하지 않는다. 따라서 학습자는 데이터 세트의 고유 구조를 인식하고 유사성에 따라 자극을 그룹화해야 한다. 즉, 비지도 학습은 분류 구조를 생성하는 과정이다. 범주 학습 연구에 사용되는 과제는 다양한 형태를 띤다.

'''규칙 기반 과제''': 참가자가 명시적인 추론 과정을 통해 학습할 수 있는 범주를 제시한다. 자극의 분류는 획득된 규칙을 사용하여 수행된다. (예: 자극이 x 차원에서 크면 A에 응답)
'''정보 통합 과제''': 학습자가 범주화 결정을 내리기 전에 여러 자극 차원의 지각 정보를 종합해야 한다. 규칙 기반 과제와 달리 명확하게 설명할 수 있는 규칙을 제공하지 않는다. X선을 읽고 종양 유무를 확인하는 것은 정보 통합 과제의 실제 사례이다.
'''원형 왜곡 과제''': 학습자에게 범주의 원형을 생성하도록 요구한다. 범주의 후보 예시는 원형의 특징을 무작위로 조작하여 생성되며, 학습자는 이를 범주에 속하는지 여부로 분류해야 한다.

범주 학습 연구자들은 인간의 범주 학습에 대한 다양한 이론들을 제시해 왔다.^[43] 주요 이론으로는 원형 이론, 예시 이론, 의사결정 경계 이론이 있다.^[41]

'''원형 이론''': 범주를 학습하려면 그 범주의 원형을 학습해야 한다고 제안한다. 새로운 자극의 범주화는 가장 유사한 원형을 가진 범주를 선택함으로써 이루어진다.^[41]
'''예시 이론''': 범주를 학습하려면 그 범주에 속하는 예시들을 학습해야 한다고 제안한다. 새로운 자극의 범주화는 잠재적으로 관련된 범주의 알려진 예시들과의 유사성을 계산하고 가장 유사한 예시들을 포함하는 범주를 선택함으로써 이루어진다.^[36]
'''의사결정 경계 이론''': 범주를 학습하려면 특정 반응과 관련된 자극 공간의 영역 또는 이러한 반응 영역을 구분하는 경계(의사결정 경계)를 학습해야 한다고 제안한다. 새로운 자극의 범주화는 그 자극이 어떤 반응 영역에 포함되는지 확인함으로써 이루어진다.^[44]

5. 범주화의 형식 모델 (Formal Models)

범주화에 대한 계산 모델은 인간이 범주 정보를 어떻게 나타내고 사용하는지에 대한 이론을 검증하기 위해 개발되었다.^[33] 범주화 모델은 실험 데이터에 맞춰 모델이 제공하는 예측이 인간의 수행과 얼마나 일치하는지 확인하여 이론의 정확성과 인간 범주 표상에 대한 관련성을 평가한다.

범주화 모델은 일반적으로 다음 세 가지 기본 가정에 따라 작동한다.^[45]^[33]

# 자극의 내부 표상에 대한 가정을 한다(예: 다차원 공간에서 자극의 지각을 점으로 표상).^[45]

# 반응을 공식화하기 위해 접근해야 하는 특정 정보에 대한 가정을 한다(예: 예시 모델은 각 범주에 대해 사용 가능한 모든 예시를 수집).^[36]

# 사용 가능한 정보를 고려하여 반응이 어떻게 선택되는지에 대한 가정을 한다.^[45]

모든 범주화 모델은 이 세 가지 가정을 하지만, 입력을 반응 표상으로 표상하고 변환하는 방식에 따라 구별된다.^[33] 다양한 범주화 모델의 내부 지식 구조는 이러한 변환을 수행하는 데 사용하는 특정 표상을 반영한다. 모델에서 일반적으로 사용되는 표상에는 예시, 원형, 규칙이 있다.^[33]

'''예시 모델'''은 기억에 자극의 모든 구별되는 사례와 해당 범주 레이블을 저장한다. 후속 자극의 범주화는 자극이 알려진 모든 예시와의 집합적 유사성에 의해 결정된다.
'''원형 모델'''은 범주 내 모든 사례의 요약 표상을 저장한다. 후속 자극의 범주화는 자극과 가장 유사한 원형을 가진 범주를 선택하여 결정된다.
'''규칙 기반 모델'''은 범주 구성원 자격에 필요하고 충분한 특징의 요약 목록을 저장하여 범주를 정의한다. 경계 모델은 내용에 따라 범주를 정의하지 않으므로 비정형적인 규칙 모델로 간주될 수 있다. 경계 모델은 범주 간의 경계(경계)를 정의하며, 이는 후속적으로 자극이 어떻게 범주화되는지를 결정하는 요소로 작용한다.

5. 1. 예시 모델 (Exemplar Models)

예시 모델은 기억 속에 자극의 모든 구별되는 사례와 해당 범주 레이블을 저장한다. 이후 새로운 자극이 들어오면, 이 자극은 이미 알려진 모든 예시들과의 유사성을 종합하여 범주화된다.^[33]

'''일반화된 맥락 모델(Generalized Context Model, GCM)'''^[46]

맥락 모델은 1980년대 중반 노소프스키(Nosofsky)에 의해 확장되어 일반화된 맥락 모델(GCM)이 되었다.^[46] GCM은 각 표본과 관련된 특징들의 완전한 조합으로 자극의 표본들을 저장하는 표본 모델이다.^[33] 이러한 조합을 저장함으로써, 모델은 각 표본의 특징에 대한 맥락을 설정하는데, 이 맥락은 그 특징이 함께 존재하는 다른 모든 특징들에 의해 정의된다. GCM은 표본과 자극의 유사성을 두 단계로 계산한다.

1. GCM은 표본과 자극 사이의 심리적 거리를 계산한다. 이는 표본과 자극 사이의 차원적 차이의 절댓값을 합산하여 이루어진다. 예를 들어, 어떤 표본이 X 차원에서 18의 값을 가지고 자극이 X 차원에서 42의 값을 가진다고 가정하면, 그 결과 차원적 차이는 24가 된다.

2. 심리적 거리가 평가되면, 지수 감소 함수가 표본과 자극의 유사성을 결정하는데, 거리가 0이면 유사성이 1이 된다(거리가 증가함에 따라 지수적으로 감소하기 시작한다).

이후 범주적 반응은 자극과 각 범주의 표본들의 유사성을 평가하여 생성되는데, 각 표본은 각자의 범주에 "투표"를 한다.^[33] 투표의 강도는 표본과 자극의 유사성과, 표본과 범주 사이의 연관성 강도에 따라 달라진다. 이는 각 범주에 받는 투표의 비율에 의해 결정되는 선택 확률을 할당하는 것이며, 데이터에 맞춰 조정될 수 있다.

5. 2. 원형 모델 (Prototype Models)

계산 모델은 인간이 범주 정보를 어떻게 나타내고 사용하는지에 대한 이론을 검증하기 위해 개발되었다.^[33] 범주화 모델은 실험 데이터에 맞춰 모델의 예측이 인간의 수행과 얼마나 일치하는지 확인함으로써 이론의 정확성과 인간 범주 표상에 대한 관련성을 평가한다.

범주화 모델은 일반적으로 다음 세 가지 기본 가정을 따른다.^[45]^[33]

# 자극의 내부 표상에 대한 가정 (예: 다차원 공간에서 점으로 표상).^[45]

# 반응 공식화에 필요한 정보에 대한 가정 (예: 예시 모델은 모든 예시를 수집).^[36]

# 사용 가능한 정보를 고려하여 반응 선택 방식에 대한 가정.^[45]

범주화 모델은 입력을 반응 표상으로 변환하는 방식에 따라 구분되며, 모델의 내부 지식 구조는 이러한 변환에 사용되는 특정 표상을 반영한다. 주요 표상에는 예시, 원형, 규칙이 있다.^[33]

'''원형 모델'''은 범주 내 모든 사례의 요약 표상을 저장한다. 새로운 자극은 자극과 가장 유사한 원형을 가진 범주로 분류된다.

'''가중 특징 원형 모델'''^[32]은 1970년대 초 리드(Reed)에 의해 제시되었다. 리드(1972)는 참가자들이 얼굴을 두 범주 중 하나로 분류하는 실험을 통해 가중 특징 원형 모델이 우세함을 보였다.^[32] 이 모델은 두 범주의 가장 구별되는 특징에 차등적으로 가중치를 부여한다. 리드(1972)는 참가자들이 각 얼굴 범주에 대한 원형 표현을 구성하고 가장 유사한 원형과 관련된 범주로 테스트 패턴을 분류하는 전략을 사용한다고 결론지었다.

5. 3. 규칙 기반 모델 (Rule-based Models)

계산 모델은 인간이 범주 정보를 어떻게 나타내고 사용하는지에 대한 이론을 검증하기 위해 개발되었다.^[33] 범주화 모델은 실험 데이터와 비교하여 인간의 수행과 얼마나 일치하는지 확인함으로써 이론의 정확성을 평가한다.

범주화 모델은 일반적으로 다음 세 가지 가정을 기반으로 작동한다.^[45]^[33]

첫째, 자극의 내부 표상(예: 다차원 공간에서 점으로 표현)에 대한 가정을 한다.^[45]
둘째, 반응을 위해 어떤 정보(예: 예시 모델은 모든 예시를 수집)에 접근해야 하는지 가정한다.^[36]
셋째, 그 정보를 바탕으로 어떻게 반응을 선택하는지 가정한다.^[45]

범주화 모델은 입력을 반응으로 변환하는 방식에 따라 구분되며, 여기에는 예시, 원형, 규칙 등의 표상이 사용된다.^[33] 이 중 규칙 기반 모델은 범주 구성원 자격에 필요하고 충분한 특징의 요약 목록을 저장하여 범주를 정의한다. 경계 모델은 내용에 따라 범주를 정의하지 않으므로 비정형적인 규칙 모델로 간주될 수 있다. 오히려 경계 모델은 범주 간의 경계(경계)를 정의하며, 이는 후속적으로 자극이 어떻게 범주화되는지를 결정하는 요소로 작용한다.

'''RULEX (규칙-예외 모델)^[47]'''는 범주화에 대한 규칙 기반 이론을 지지하는 학자들이 제안한 모델이다. 이들은 불완전한 규칙이라도 예외가 저장되고 고려된다면 범주 구조를 학습할 수 있다고 주장한다. RULEX 모델은 객체의 속성 값에 대한 순차적 검사로 구성된 의사결정 트리^[48]를 형성하여 객체를 범주화한다.^[48] RULEX 모델은 다음과 같은 방법으로 규칙을 검색한다.^[49]

'''정확한''' 규칙 검색: 단일 속성을 사용하여 오류 없이 클래스를 구분하는 규칙을 찾는다.
'''불완전한''' 규칙 검색: 단일 속성을 사용하여 오류가 거의 없는 클래스를 구분하는 규칙을 찾는다.
'''결합적인''' 규칙 검색: 여러 속성을 사용하여 오류가 거의 없는 클래스를 구분하는 규칙을 찾는다.
'''예외''' 검색: 규칙에 대한 예외를 찾는다.

RULEX는 먼저 정확한 검색을 시도하고, 실패하면 불완전한 검색이나 결합적인 검색을 시도한다. 이 과정에서 얻은 불완전한 규칙은 영구적으로 사용되며, 예외를 검색한다. 규칙을 얻지 못하면 이전 단계를 다시 시도하고, 그래도 실패하면 예외만 검색한다.^[49]

5. 4. 혼합 모델 (Hybrid Models)

계산 모델은 인간이 범주 정보를 어떻게 나타내고 사용하는지에 대한 이론을 검증하기 위해 개발되었다.^[33] 범주화 모델은 실험 데이터에 맞춰 모델의 예측이 인간의 수행과 얼마나 일치하는지 확인한다. 모델이 데이터를 설명하는 데 성공하면, 이론가들은 자신들의 이론과 인간 범주 표상의 관련성에 대한 결론을 도출할 수 있다.

범주화 모델은 일반적으로 세 가지 기본 가정에 따라 작동한다.^[45]^[33] 첫째, 자극의 내부 표상에 대한 가정을 한다(예: 다차원 공간에서 자극의 지각을 점으로 표상).^[45] 둘째, 반응을 공식화하기 위해 접근해야 하는 정보에 대한 가정을 한다(예: 예시 모델은 각 범주에 대해 사용 가능한 모든 예시를 수집).^[36] 셋째, 사용 가능한 정보를 고려하여 반응이 어떻게 선택되는지에 대한 가정을 한다.^[45]

범주화 모델은 입력을 반응 표상으로 변환하는 방식에 따라 구분된다.^[33] 다양한 범주화 모델의 내부 지식 구조는 이러한 변환에 사용하는 특정 표상을 반영하며, 여기에는 예시, 원형, 규칙이 있다.^[33]

'''예시 모델'''은 기억에 자극의 모든 구별되는 사례와 해당 범주 레이블을 저장한다.
'''원형 모델'''은 범주 내 모든 사례의 요약 표상을 저장한다.
'''규칙 기반 모델'''은 범주 구성원 자격에 필요하고 충분한 특징의 요약 목록을 저장하여 범주를 정의한다. 경계 모델은 내용에 따라 범주를 정의하지 않고 범주 간의 경계를 정의한다.

'''SUSTAIN'''(층상 적응적 증분 네트워크, Supervised and Unsupervised)^[50] 학습된 범주 표상은 학습자의 목표^[51]뿐 아니라 학습 중 범주가 사용되는 방식에 따라 달라진다.^[4] 일부 범주화 연구자들은 적절한 범주화 모델이 학습자의 목표, 과제 및 전략에 존재하는 변동성을 설명할 수 있어야 한다고 제안한다.^[50] Love와 동료들(2004)은 문제의 특성에 대한 점진적인 적응을 통해 단순하고 복잡한 범주화 문제 모두를 수용할 수 있는 유연한 클러스터링 모델인 SUSTAIN을 만들었다.

SUSTAIN 모델은 먼저 자극의 지각 정보를 일련의 차원을 따라 구성된 특징으로 변환한다. 이러한 차원을 포함하는 표상 공간은 주의 메커니즘의 입력을 기반으로 각 특징의 중요성을 반영하도록 왜곡된다. 그런 다음 서로 다른 범주와 관련된 클러스터 집합(유사성에 따라 그룹화된 특정 인스턴스)이 자극에 반응하기 위해 경쟁하며, 자극은 표상 공간이 자극에 가장 가까운 클러스터에 할당된다. 알 수 없는 자극 차원 값(예: 범주 레이블)은 승리한 클러스터에 의해 예측되며, 이는 범주화 결정에 대한 정보를 제공한다.

SUSTAIN 모델의 유연성은 클러스터 수준에서 지도 학습과 비지도 학습을 모두 사용할 수 있는 능력을 통해 실현된다. SUSTAIN이 특정 클러스터에 속하는 자극을 잘못 예측하는 경우, 수정 피드백(지도 학습)은 오분류된 자극을 나타내는 추가 클러스터를 모집하도록 SUSTAIN에 신호를 보낸다. 자극과 가장 가까운 클러스터 간의 유사성이 임계값을 초과하지 않는 경우 SUSTAIN은 비지도 학습을 사용하여 추가 클러스터를 모집한다. SUSTAIN은 단순하고 복잡한 범주화 문제를 해결하는 방식에서도 유연성을 보인다. SUSTAIN의 내부 표상에는 단일 클러스터만 포함되어 있어 모델을 단순한 솔루션으로 치우치게 한다. 문제가 점점 더 복잡해짐에 따라 추가 클러스터가 점진적으로 모집되어 SUSTAIN이 복잡성 증가를 처리할 수 있다.

6. 사회적 범주화 (Social Categorization)

사회적 범주화는 서로 다른 기준에 따라 사람들을 그룹으로 분류하여 식별하는 것을 말한다. 사람들은 민족, 출신 국가, 종교, 성 정체성, 사회적 특권, 경제적 특권 등을 기준으로 그룹을 만들 수 있다. 또한, 나이, 인종, 성별에 기반한 사회적 범주는 사람들이 새로운 사람을 만날 때 사용된다.^[52] 이러한 범주 중 일부는 신체적 특징을 나타내기 때문에 사람들이 서로를 알지 못할 때 자동으로 사용되는 경우가 많다.^[53]

사회적 범주를 만드는 것은 사람들이 다른 그룹과 관련하여 자신을 위치시킨다는 것을 의미하며, 그룹 관계의 위계가 나타날 수 있다.^[54] 주관적 또는 객관적 기준에 따라 사람들을 분류하는 행위는 집단 간 폭력으로 이어지는 경향 때문에 부정적인 과정으로 간주될 수 있다.^[55]

사회에서 어떤 사회적 범주는 다른 범주보다 더 큰 무게를 갖는다. 예를 들어, 역사적으로 그리고 오늘날에도 "인종"이라는 범주는 사람들을 분류하는 데 사용되는 첫 번째 범주 중 하나이다. 그러나 "흑인", "백인", "아시아인" 등 몇 가지 인종 범주만 일반적으로 사용된다. 이는 다양한 민족성을 주로 사람들의 피부색을 기반으로 한 몇 가지 범주로 축소하는 데 기여한다.^[57]

6. 1. 사회적 범주화의 특징

사회적 범주화는 사람들이 서로 다른 기준에 따라 그룹으로 분류되어 식별되는 것을 의미한다. 범주화는 인지과학자들이 연구하는 과정이지만, 사회적 활동으로도 연구될 수 있다. 사회적 범주화는 사람들이 인간으로서 자신과 타인을 위해 범주를 스스로 만들어낸다는 점에서 다른 범주화와 구별된다.^[2]

사람들은 민족, 출신 국가, 종교, 성적 정체성, 사회적 특권, 경제적 특권 등을 기준으로 그룹을 만들 수 있다. 사람들은 민족, 종교 또는 나이 때문에 다양한 사회 집단에 속하며,^[52] 이러한 범주는 사람들이 새로운 사람을 만날 때 사용된다. 이러한 범주 중 일부는 신체적 특징을 나타내기 때문에 사람들이 서로를 알지 못할 때 자동으로 사용되는 경우가 많다.^[53]

사회적 범주는 객관적이지 않으며 사람들이 주변 세계를 어떻게 보는지에 따라 달라진다. 이는 사람들이 자신과 비슷한 사람들과 자신을 식별하고, 다른 사람들을 식별할 수 있게 해주며, 주변 사람들과의 정체성 형성에 유용하다. 사람들은 자신을 어떤 그룹에 속한다고 식별하거나 다른 그룹을 거부함으로써 자신의 정체성을 구축할 수 있다.^[54]

사회적 범주화는 사람들에 대한 이해를 단순화하는 것을 목표로 한다는 점에서 다른 유형의 범주화와 유사하다. 그러나 사회적 범주를 만드는 것은 사람들이 다른 그룹과 관련하여 자신을 위치시킨다는 것을 의미하며, 그룹 관계의 위계는 사회적 범주화의 결과로 나타날 수 있다.^[54]

학자들은 범주화 과정이 어린 아이들이 세상과 주변 사람들에 대해 배우기 시작할 때 어린 시절부터 시작된다고 주장한다. 아이들은 유사점과 차이점을 기반으로 범주에 따라 사람들을 아는 법을 배우며, 성인이 만든 사회적 범주는 그들의 세계 이해에 영향을 미친다. 그들은 부모로부터 이러한 그룹에 대한 일반적인 내용을 듣고 사회 집단에 대해 배우게 되며, 이러한 일반화의 결과로 사람들에 대한 편견을 발전시킬 수 있다.^[53]

스티븐 라이허(Stephen Reicher)와 닉 홉킨스(Nick Hopkins)는 정치 지도자들이 사회적 범주를 사용하여 정치적 논쟁에 영향을 미친다고 주장한다.^[52]

6. 2. 사회적 범주화의 부정적 측면

사회적 범주화는 사람들이 서로 다른 기준에 따라 그룹으로 분류되어 식별되는 것을 말한다. 이는 사람들이 인간으로서 자신과 타인을 위해 범주를 스스로 만들어낸다는 점에서 다른 것들의 범주화와 다르다.^[2]

학자들은 범주화 과정이 어린 아이들이 세상과 주변 사람들에 대해 배우기 시작할 때 어린 시절부터 시작된다고 주장한다. 아이들은 유사점과 차이점을 기반으로 범주에 따라 사람들을 아는 법을 배운다. 성인이 만든 사회적 범주는 또한 그들의 세계 이해에 영향을 미친다. 아이들은 부모로부터 이러한 그룹에 대한 일반적인 내용을 듣고 사회 집단에 대해 배우며, 이러한 일반화의 결과로 사람들에 대한 편견을 발전시킬 수 있다.^[53]

주관적 또는 객관적 기준에 따라 사람들을 분류하는 행위는 집단 간 폭력으로 이어지는 경향 때문에 부정적인 과정으로 간주될 수 있다.^[55] 공통된 특성을 공유하는 사람들을 모으는 유사점은 있지만, 집단 간의 차이점은 긴장을 유발하고 그러한 집단 간의 폭력 사용으로 이어질 수 있다. 사회 집단의 생성은 집단 간 관계의 계층화를 초래하며,^[55] 이러한 계층적 관계는 때로는 주관적인 기준을 바탕으로 사람들과 집단에 대한 고정관념을 조장하는 데 기여한다. 사회적 범주는 사람들이 집단에 고정관념을 연관시키도록 부추길 수 있다. 집단과 그 집단에 속한 사람들에게 고정관념을 연관시키는 것은 그 집단 사람들에 대한 차별로 이어질 수 있다.^[56]

사람들을 분류하는 과정은 타자를 '다른' 존재로 보는 시각을 만들어내어 사람들의 비인간화로 이어진다. 학자들은 H. 타이펠이 개발한 사회적 정체성 이론의 개념으로 집단 간 관계에 대해 논한다.^[55] 역사적으로 많은 사회적 범주화 사례가 지배 집단에서 피지배 집단으로의 지배 또는 폭력의 형태로 이어졌다. 식민지 시대는 한 집단의 사람들이 다른 집단에 속한 다른 사람들을 열등하다고 간주했기 때문에 그들을 지배하고 통제하기로 선택했던 시대의 예이다. 인종차별, 차별 및 폭력은 사회적 범주화의 결과이며, 그로 인해 발생할 수 있다. 사람들이 다른 사람들을 다르게 볼 때, 그들은 다른 집단과 계층적 관계를 발전시키는 경향이 있다.^[55]

7. 잘못된 범주화 (Miscategorization)

분류에는 반드시 잘못된 분류의 가능성이 존재한다.^[58] "옳은 종류의 것을 옳게 다루려면"^[59] 옳은 것과 그른 것이 모두 존재해야 한다. "모든 것"이 속하는 범주는 논리적으로 러셀의 역설("자기 자신이 그 구성원인가, 아닌가?")로 이어질 뿐만 아니라, 오류의 가능성이 없다면 범주 구성원과 비구성원을 구별하는 것을 감지하거나 정의할 방법이 없다.

비구성원의 부재에 대한 예로 아동의 언어 학습에서 자극의 빈곤 문제가 있다. 언어를 배우는 아동들은 보편 문법(UG)의 규칙에 대해 듣거나 실수하지 않으므로 UG 오류에 대해 수정받지 않는다. 그럼에도 불구하고 아동의 언어는 UG의 규칙을 따르며, 화자는 언어학자가 (의도적으로) UG를 위반하는 발화를 생성하면 즉시 무엇인가 잘못되었다는 것을 감지할 수 있다. 따라서 화자는 UG를 준수하는 것과 준수하지 않는 것을 분류할 수 있으며, 언어학자들은 이를 통해 UG의 규칙이 인간의 뇌에 선천적으로 코드화되어 있어야 한다고 결론지었다.^[60]

그러나 "개"와 같은 일반적인 범주에는 (예를 들어 고양이와 같은) 비구성원의 예가 풍부하다. 따라서 시행착오와 오류 수정을 통해 개와 개가 아닌 것을 구별하고 올바르게 분류하는 것을 학습할 수 있다.^[61] 행동주의 문헌에서는 강화 학습, 계산 문헌에서는 지도 학습이라고 불리는 이러한 종류의 학습은 근본적으로 오류의 가능성과 오류 수정에 의존한다. 잘못된 분류—범주의 비구성원의 예—는 범주를 학습 가능하게 만들 뿐만 아니라 범주가 존재하고 정의될 수 있도록 항상 존재해야 한다.

7. 1. 잘못된 범주화의 중요성

분류에는 반드시 잘못된 분류의 가능성이 존재한다.^[58] "옳은 종류의 것을 옳게 다루려면"^[59] 옳은 것과 그른 것이 모두 존재해야 한다. "모든 것"이 속하는 범주는 논리적으로 러셀의 역설("자기 자신이 그 구성원인가, 아닌가?")로 이어질 뿐만 아니라, 오류의 가능성이 없다면 범주 구성원과 비구성원을 구별하는 것을 감지하거나 정의할 방법이 없다.

비구성원의 부재에 대한 예로는 아동의 언어 학습에서 자극의 빈곤 문제가 있다. 언어를 배우는 아동들은 보편 문법(UG)의 규칙에 대해 듣거나 실수하지 않는다. 따라서 그들은 UG의 오류에 대해 수정받지 않는다. 그럼에도 불구하고 아동의 언어는 UG의 규칙을 따르며, 화자는 언어학자가 (의도적으로) UG를 위반하는 발화를 생성하면 즉시 무엇인가 잘못되었다는 것을 감지할 수 있다. 따라서 화자는 UG를 준수하는 것과 준수하지 않는 것을 분류할 수 있다. 언어학자들은 이를 통해 UG의 규칙이 인간의 뇌에 선천적으로 어떤 방식으로든 코드화되어 있어야 한다고 결론지었다.^[60]

그러나 "개"와 같은 일반적인 범주에는 (예를 들어 고양이와 같은) 비구성원의 예가 풍부하다. 따라서 시행착오와 오류 수정을 통해 개와 개가 아닌 것을 구별하고 따라서 올바르게 분류하는 것을 학습할 수 있다.^[61] 행동주의 문헌에서는 강화 학습, 계산 문헌에서는 지도 학습이라고 불리는 이러한 종류의 학습은 근본적으로 오류의 가능성과 오류 수정에 의존한다. 잘못된 분류—범주의 비구성원의 예—는 범주를 학습 가능하게 만들 뿐만 아니라 범주가 존재하고 정의될 수 있도록 항상 존재해야 한다.

참조

_[1] 서적 Formal Approaches in Categorization Cambridge University Press
_[2] 백과사전 Social Categorization https://linkinghub.e[...] Elsevier 2022-11-10
_[3] 학술지 The role of theories in conceptual coherence. http://doi.apa.org/g[...] 1985
_[4] 학술지 Category use and category learning. http://doi.apa.org/g[...] 2003
_[5] 학술지 Basic objects in natural categories https://dx.doi.org/1[...] 1976-07-01
_[6] 학술지 Similar and different: The differentiation of basic-level categories. http://doi.apa.org/g[...]
_[7] 학술지 Low-Frequency Oscillations for Nonlocal Neuronal Coupling in Shared Intentionality Before and After Birth: Toward the Origin of Perception https://www.lidsen.c[...] 2023
_[8] 학술지 A New Perspective on Assessing Cognition in Children through Estimating Shared Intentionality 2022
_[9] 학술지 Solutions to the binding problem: Progress through controversy and convergence
_[10] 학술지 Neuronal Coherence Agent for Shared Intentionality: A Hypothesis of Neurobiological Processes Occurring during Social Interaction
_[11] 서적 Becoming human: A theory of ontogeny Harvard University Press
_[12] 논문 Theoretical Grounds of Shared Intentionality for Neuroscience in Developing Bioengineering Systems
_[13] 논문 Shared Intentionality Modulation at the Cell Level: Low-Frequency Oscillations for Temporal Coordination in Bioengineering Systems https://www.lidsen.c[...]
_[14] 논문 Shared intentionality modulates interpersonal neural synchronization at the establishment of communication system
_[15] 논문 Joint control of visually guided actions involves concordant increases in behavioural and neural coupling
_[16] 논문 Inter-brain synchrony and cooperation context in interactive decision making
_[17] 논문 Putting our heads together: Interpersonal neural synchronization as a biological mechanism for shared intentionality
_[18] 논문 Teams on the same wavelength perform better: Inter-brain phase synchronization constitutes a neural substrate for social facilitation
_[19] 논문 Neuroelectrical hyperscanning measures simultaneous brain activity in humans
_[20] 서적 Women, Fire, and Dangerous Things: What Categories Reveal About the Mind University of Chicago Press
_[21] 서적 Conceptual Modeling: ER 2006: 25th International Conference on Conceptual Modeling, Tucson, AZ, USA, November 6-9, 2006: proceedings Springer
_[22] 서적 Linguistic Categorization: Prototypes in Linguistic Theory Clarendon Press
_[23] 서적 Encyclopedia of the Mind SAGE Publications 2012-12-10
_[24] 서적 From Metaphysics to Ethics: A Defence of Conceptual Analysis https://academic.oup[...] Oxford University PressOxford 2000-03-09
_[25] 서적 A Study of Concepts https://direct.mit.e[...] 1995-09-25
_[26] 서적 quelques formes primitives de classification http://dx.doi.org/10[...] J.-M. Tremblay 2002
_[27] 학술지 How to Problematise Categories: Building the Methodological Toolbox for Linguistic Reflexivity 2021-01-00
_[28] 서적 Cognitive Linguistics Cambridge University Press
_[29] 학술지 The Structure of a Semantic Theory https://www.jstor.or[...] 1963-00-00
_[30] 서적 Chapter 7 - Multiple Systems of Perceptual Category Learning: Theory and Cognitive Tests https://www.scienced[...] Elsevier 2022-11-10
_[31] 논문 How and Why Does Category Learning Cause Categorical Perception? https://escholarship[...] 2017
_[32] 논문 Pattern recognition and categorization https://dx.doi.org/1[...] 1972-07-01
_[33] 서적 Models of Categorization Cambridge University Press
_[34] 논문 Reclaiming concepts
_[35] 논문 Family resemblances: Studies in the internal structure of categories https://dx.doi.org/1[...] 1975-10-01
_[36] 논문 Context theory of classification learning. http://doi.apa.org/g[...]
_[37] 서적 Concepts and categorization
_[38] 논문 Knowledge acquisition via incremental conceptual clustering
_[39] 논문 Knowledge acquisition through conceptual clustering: A theoretical framework and an algorithm for partitioning data into conjunctive concepts
_[40] 백과사전 Conceptual Clustering http://link.springer[...] Springer US 2012
_[41] 논문 Human Category Learning https://www.annualre[...] 2005-02-01
_[42] 학회발표논문 Comparisons in category learning: How best to compare for what 2011
_[43] 서적 Chapter 4 - Stimulus Categorization https://www.scienced[...] Academic Press 1998-01-01
_[44] 논문 Perceptual separability, decisional separability, and the identification–speeded classification relationship. http://doi.apa.org/g[...] 1996
_[45] 논문 Relations between Prototype, Exemplar, and Decision Bound Models of Categorization https://www.scienced[...] 1993-09-01
_[46] 논문 Attention, similarity, and the identification–categorization relationship. http://doi.apa.org/g[...] 1986
_[47] 논문 Rule-plus-exception model of classification learning. http://doi.apa.org/g[...] 1994
_[48] 논문 Experiments in Induction https://www.jstor.or[...] 1967
_[49] 논문 Analyzing the RULEX model of category learning https://www.scienced[...] 2005-08-01
_[50] 논문 SUSTAIN: A Network Model of Category Learning. 2004
_[51] 논문 Ideals, central tendency, and frequency of instantiation as determinants of graded structure in categories. 1985
_[52] 논문 Psychology and the End of History: A Critique and a Proposal for the Psychology of Social Categorization https://www.jstor.or[...] 2001
_[53] 논문 The Origins of Social Categorization
_[54] 논문 Social Categorization and the Perception of Social Groups https://sk.sagepub.c[...] SAGE Publications Ltd 2012
_[55] 논문 Social Psychology of Intergroup Relations https://www.annualre[...]
_[56] 논문 Ambiguity in Social Categorization: The Role of Prejudice and Facial Affect in Race Categorization http://journals.sage[...]
_[57] 간행물 Stéréotypisation. Catégorisation sociale. ffhal-00966930 PUF 2013
_[58] 백과사전 Category Mistakes https://plato.stanfo[...] Metaphysics Research Lab, Stanford University 2020-01-17
_[59] 기타
_[60] 논문 The Argument from the Poverty of the Stimulus https://academic.oup[...] Oxford University Press 2016-12-22
_[61] 논문 Deep learning beyond cats and dogs: recent advances in diagnosing breast cancer with deep neural networks 2018-09-01

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com