統(tǒng)計概要表征的內(nèi)容與機制*

仝 可 唐 薇 陳文鋒 傅小蘭

(1中國科學院心理研究所, 腦與認知科學國家重點實驗室, 北京 100101)(2中國科學院大學, 北京 100049)

1 引言

由多個體組成的集合刺激在真實生活中十分常見, 人們的很多決策依賴于對集合刺激的加工和判斷(例如, 觀察球隊的陣型并做出調(diào)整)。然而,受制于有限的注意資源, 人類只能對4個左右的個體進行同時加工(Cowan, 2001; Luck & Vogel,1997), 但集合中個體的數(shù)量經(jīng)常超出這個范圍。為了更有效的加工集合刺激, 人類必須提取更精煉, 更有概括性的表征(Marr, 1982)。

統(tǒng)計指標(例如, 平均值、標準差)能夠描述集合刺激的整體特征, 因而是概括性表征的一個備選方案。幸運的是, 人類可能是“天生的統(tǒng)計學家”,對環(huán)境中的統(tǒng)計指標有很強的主觀估計能力, 而且不需要額外的訓練(Peterson & Beach, 1967)。越來越多的研究表明, 人類可以提取集合刺激中的統(tǒng)計信息并形成統(tǒng)計概要表征(statistical summary representation)。用統(tǒng)計指標來表征集合刺激是一種高效的加工方式, 對統(tǒng)計概要表征的研究有助于我們理解知覺系統(tǒng)如何處理海量信息。

本文首先分析介紹了統(tǒng)計概要表征的主要內(nèi)容和機制, 然后在此基礎上提出了一個整合性的研究框架, 為該領域的已有研究提供了全局背景。文章最后給出了對未來研究的展望。

2 統(tǒng)計概要表征的內(nèi)容

集中趨勢(central tendency)和變異性(variability)是描述集合數(shù)據(jù)的主要指標, 相應的, 集中趨勢表征和變異性表征是統(tǒng)計概要表征的主要內(nèi)容。這兩種表征相輔相成, 幫助人們從復雜信息中提取重要內(nèi)容, 完成各種決策任務。

2.1 集中趨勢表征

作為最常用的集中趨勢指標, 平均值(mean)被廣泛應用于各種對集合刺激的決策任務中(例如, 用平均成績判斷學業(yè)水平)。張云帆等(2009)發(fā)現(xiàn), 集合的平均值可以得到自動加工, 同為集中趨勢指標的眾數(shù)(mode)卻無法得到自動加工。因此對集合平均值的加工可能具有特異性, 平均值表征可能是集中趨勢表征的主要內(nèi)容(張云帆等, 2009)。

平均值表征可以帶來雙重加工優(yōu)勢, 既節(jié)省了認知資源, 又提高了表征的準確度。首先, 用平均值代表集合的整體強度避免了對每個個體強度的分別表征, 這種加工方式大大減少了集合表征所需的信息量, 從而節(jié)省了認知資源(Ariely,2001)。此外, 平均值還可以帶來更高的準確性,因為內(nèi)部噪聲導致的個體加工誤差可以在平均過程中相互抵消, 從而形成更準確的綜合強度表征(Alvarez, 2011)。然而這種加工優(yōu)勢也有相應的代價, 因為平均值僅保留了集合刺激的整體強度信息,無法表征刺激強度在個體間的分布狀態(tài)等信息。

用平均值表征集合刺激可能是一種普遍的知覺加工方式。一方面, 平均表征適用于不同類型的簡單刺激。例如在視覺通道中, 被試可以對圓點大小(Ariely, 2001; Chong & Treisman, 2003; Im& Chong, 2009)、運動方向(Watamaniuk & Duchon,1992)、紋理或光柵的朝向(Dakin & Watt, 1997;Parkes, Lund, Angelucci, Solomon, & Morgan,2001)、明度(Bauer, 2009)、位置(Alvarez & Oliva,2008)等刺激的平均值進行準確的表征。在視覺通道之外, 平均表征還發(fā)生在聽覺(Holt, 2006; Albrecht,Scholl, & Chun, 2012; Piazza, Sweeny, Wessel,Silver, & Whitney, 2013)、時間知覺(Schweickert,Han, Yamaguchi, & Fortin, 2014)等多種知覺通道。以上研究共同說明對平均值的提取在對不同類型刺激的加工中具有普適性。

另一方面, 人類可以對復雜視覺刺激中的高水平信息進行平均表征。例如被試可以準確提取面孔情緒(Haberman & Whitney, 2007, 2009)、吸引力(Rhodes, Maloney, Turner, & Ewing, 2007)、身份(de Fockert & Wolfenstein, 2009; Neumann,Schweinberger, & Burton, 2013)、生物運動(Sweeny,Haroz, & Whitney, 2013)的平均值信息。這說明平均表征發(fā)生在視覺加工的不同階段, 進一步支持了這種加工的普適性。

綜上所述, 人類可以通過提取刺激的平均值來表征集合刺激的集中趨勢, 其優(yōu)勢是認知資源的節(jié)省和表征準確性的提高。平均值表征可能是一種普遍適用的知覺加工方式。

2.2 變異性表征

在很多情境中, 人們需要對集合內(nèi)的變異性進行判斷(例如, 根據(jù)路面高低的變異性來調(diào)整行走方向)。錯誤的變異性知覺可能引發(fā)危險的判斷(例如, 走入崎嶇路段導致受傷), 因此變異性知覺具有重要的生存意義。變異性表征包含集中趨勢表征無法體現(xiàn)的刺激強度分布信息。借助變異性表征, 人們可以在集中趨勢信息相同或缺失的情況下對集合刺激進行判斷(例如, 比較不同集合刺激的同質(zhì)性)。

人類可能用一種或幾種統(tǒng)計指標來表征變異性, 然而具體使用何種指標尚無定論。標準差(standard deviation)是最有可能的一個候選, 因為與其他變異性指標相比, 標準差是亮度變異性最有效的描述指標(Moulden, Kingdom, & Gatley,1990; Bex & Makous, 2002)。當啟動刺激和目標刺激的顏色或形狀信息的標準差匹配時, 后續(xù)加工可以得到易化, 這說明集合刺激的標準差信息得到了自動加工(Michael, de Gardelle, & Summerfield,2014)。全距(range)是另一個可能的候選。在成員報告任務中, 當探測刺激超出集合刺激的強度范圍時, 被試報告該刺激為集合成員的比例顯著下降, 這說明被試能夠對集合刺激的全距進行一定程度的表征(Lovie, 1978; Ariely, 2001)。高階的變異量數(shù)也影響主觀知覺, 例如亮度的偏度(skewness)和峰度(kurtosis)變化被認為和光澤感知覺有關(Motoyoshi, Nishida, Sharan, & Adelson,2007)。集合內(nèi)個體的排列順序也影響主觀知覺到的變異性, 具有相同平均值和標準差的兩個集合,局部變異性大的集合引發(fā)的主觀變異性更大(Lathrop, 1967)。

另一種可能是, 人對變異性的知覺并不對應某種確定的統(tǒng)計指標。研究發(fā)現(xiàn), 被試可以比較不同集合變異性的相對水平, 卻無法對變異性的絕對水平進行準確估計(Beach & Scopp, 1968),判斷性的研究也許不能說明被試真的理解或者使用了統(tǒng)計指標去表征集合變異性。對變異性的表征可能是長時間適應與學習的結果, 而不存在與統(tǒng)計學對應的指標(Pollard, 1984)。

變異性會影響人們對集合其他特性的加工,高變異性可能導致平均值判斷任務正確率的下降(Corbett, Wurnitsch, Schwartz, & Whitney, 2012;Marchant, Simons, & de Fockert, 2013)。有研究者認為變異性調(diào)控了對集合的加工方式：人們在面對集合刺激時會先根據(jù)標準差或全距進行歸類,對相對均勻的集合進行整體加工, 對相對離散的集合采取個體加工(Allard & Cavanagh, 2012; Utochkin& Tiurina, 2014)。

綜上所述, 變異性表征彌補了集中趨勢表征對刺激分布描述的不足, 為決策提供了更多的參考依據(jù)。然而目前只有少量研究直接考察變異性知覺, 采用的刺激材料也限制在亮度、顏色等視覺刺激, 因此變異性表征是否像平均值表征一樣具有知覺普遍性尚未得知。

3 概要統(tǒng)計表征的機制

研究者對統(tǒng)計概要表征的加工方式提出了兩種主要解釋, 即基于分布式注意的整體加工和基于聚焦注意的個體加工。已有研究表明, 統(tǒng)計概要表征的形成可能同時采用了這兩種加工方式,并發(fā)生在多個加工水平中。統(tǒng)計概要表征的神經(jīng)基礎研究仍處在起步階段, 但已有部分結果提示我們統(tǒng)計概要表征的不同成分可能具有分離的神經(jīng)基礎。

3.1 加工方式

3.1.1 整體加工

整體加工的觀點認為視覺系統(tǒng)采用了一種性質(zhì)上不同于個體加工的機制, 將注意資源分攤在所有個體上, 對集合刺激進行平行加工。Ariely(2001)先給被試呈現(xiàn)由大小不同的圓點組成的集合, 然后呈現(xiàn)單個圓點, 要求被試報告該圓點是否出現(xiàn)過。結果發(fā)現(xiàn), 當單個圓點大小等于圓點集合的平均值時, 被試報告出現(xiàn)過的頻率最高,報告出現(xiàn)過的頻率隨單個圓點大小與平均值距離的增大而減小, 但圓點是否真實出現(xiàn)過對被試的報告影響不大。Ariely (2001)的另一實驗要求對單個圓點的大小與圓點集合的平均大小進行比較,發(fā)現(xiàn)被試能夠準確地完成該任務。兩個實驗共同說明被試能夠準確表征集合平均值, 卻不能夠對集合內(nèi)的個體進行準確表征。整體平行加工的一個推論是表征水平不會因集合變大而降低, 這一點得到了實驗支持(Ariely, 2001; Robitaille &Harris, 2001)。進一步研究使用快速序列視覺呈現(xiàn)(rapid serial visual presentation task, RSVP)范式驗證了被試在沒有對個體進行外顯編碼的情況下提取了整體的統(tǒng)計信息(Corbett & Oriet, 2011)。變異累加模型(Variation summation modeling, VSM)分析發(fā)現(xiàn), 整體加工的內(nèi)部噪聲顯著低于個體加工的內(nèi)部噪聲, 也支持了統(tǒng)計概要表征采用整體加工的觀點(Im & Halberda, 2013)。

整體加工觀點認為統(tǒng)計概要表征的形成是自動的, 主要證據(jù)有四點。首先, 人們可以快速提取集合刺激的統(tǒng)計信息。平均值和變異性表征可以在100 ms內(nèi)完成(Chong & Treisman, 2003;Michael et al., 2014)。第二, 任務無關的刺激也會形成平均表征, 可能說明平均值提取在選擇性注意之前自動完成(Oriet & Brand, 2013)。第三, 被試提取圓點大小平均值的能力不會因為注意分配而降低(Chong & Treisman, 2005b), 并能夠在注意資源被主任務占據(jù)的條件下完成平均值任務(Alvarez & Oliva, 2009)。第四, 被試在不能檢測到局部變化的情況下依然可以檢測到整體的變化(Haberman & Whitney, 2011), 說明整體信息的提取可能不受注意資源的限制。

在整體加工觀點下, 集合中的個體信息充滿了噪聲而難以被單獨加工, 分布式注意(distributed attention)將個體信息整合并提取統(tǒng)計信息, 進而引導注意焦點的移動(Chong & Treisman, 2005a;Corbett & Melcher, 2014a)。統(tǒng)計概要表征的功能性可能體現(xiàn)在注意資源不足情況下, 例如當無法精細加工處在外周視野的多個個體時, 視覺系統(tǒng)會提取這些個體的統(tǒng)計信息, 從而用較少的加工資源完成對外周視野的加工(Whitney & Levi,2011)。

3.1.2 個體加工

有研究者對整體加工提出了質(zhì)疑, 認為平行加工不是必須的, 被試選取少數(shù)個體進行個體加工即可達到之前研究中對集合的表征水平(Myczek & Simons, 2008)。基于個體的抽樣加工策略認為被試將有限的注意資源集中在從集合中抽取的少數(shù)樣本上, 并對其進行精細加工, 然后通過樣本信息來推斷集合整體的信息。這種策略的推論是, 在統(tǒng)計概要表征任務中, 被試沒有采用與個體表征不同的機制。與前述研究結果相反,部分研究中被試統(tǒng)計表征的水平隨集合樣本量增大而下降, 支持了抽樣加工理論(Allik, Toom, Raidvee,Averin, & Kreegipuu, 2013; Marchant et al., 2013)。

在抽樣加工策略中, 聚焦注意(focused attention)參與統(tǒng)計概要表征的形成, 并且聚焦注意下的個體加工在統(tǒng)計概要表征中占據(jù)重要地位。de Fockert和Marchant (2008)在研究中引導被試將注意資源集中到集合中的某個個體上, 然后讓被試完成平均值判斷任務, 發(fā)現(xiàn)被試對平均值的表征偏向了被注意個體。這說明統(tǒng)計概要表征受聚焦注意的調(diào)控(de Fockert & Marchant, 2008)。Myczek和Simons (2008)利用抽樣策略來模擬平均值判斷任務, 發(fā)現(xiàn)抽樣加工少數(shù)個體可以達到先前整體加工研究中的表現(xiàn)水平。

抽樣加工觀點質(zhì)疑了統(tǒng)計概要表征加工的自動性, 尤其對自動性的判斷標準提出了批評。以加工速度為例, 有研究者認為先前研究中沒有對刺激加以掩蔽, 實際加工時間可能更長(Whiting& Oriet, 2011)。另外, 統(tǒng)計概要表征的不同部分可能有不同的自動性：有自動加工的一部分(Chong & Treisman, 2005a), 也有一部分受到注意資源的限制(Brand, Oriet, & Tottenham, 2012)。

3.1.3 整體加工與個體加工的整合

整體加工和個體加工并不一定是排他性的兩種解釋, 對集合刺激的加工可能同時采用了這兩種加工方式(Allik, Toom, Raidvee, Averin, &Kreegipuu, 2014)。

一方面, 對整個視野采用絕對的平行加工的說法并不符合現(xiàn)實。因為在現(xiàn)實場景中, 注意資源在視野中的分配是動態(tài)且不均勻的。注意焦點并非固定不動, 中央視野隨著注意焦點移動, 占據(jù)大量注意資源, 僅有少量注意資源分配在外周視野。絕對的平行加工要求注意資源完全平均分配, 與事實不符。然而這不意味著平行加工是不存在的, 平行加工可能發(fā)生在局部視野(尤其是在注意資源稀少的外周視野), 或者是同質(zhì)性比較高的整體視野(Utochkin & Tiurina, 2014)。另一方面,絕對的個體加工亦不可行, 因為有限的注意資源無法支持對每個個體的加工。

因此, 更可能的解釋是整個視野內(nèi)的個體同時參與統(tǒng)計概要表征的加工, 區(qū)別在于加工方式和所占權重。在加工方式上, 外周視野統(tǒng)計概要信息的提取更依賴于自動加工, 而中央視野更依賴于主動加工。中央視野的個體獲得了更多的注意資源, 因此在最終的統(tǒng)計概要表征中占據(jù)更大的權重。

來自工作記憶研究的證據(jù)表明兩種加工之間存在相互影響。前文提到整體表征會偏向受注意的個體(de Fockert & Marchant, 2008), 相應的, 被試對個體的記憶亦會偏向整體平均值(Brady &Alvarez, 2011)。這說明對整體和個體的表征同時存在于工作記憶中并相互影響, 統(tǒng)計概要表征不是將每個個體獨立存儲, 而是在多個抽象級別上編碼, 并存在跨級別整合(Brady & Alvarez, 2011;Walker & Vul, 2013)。整體加工也會導致個體加工的表征偏差, 由于自動發(fā)生的整體加工沒有對個體進行區(qū)分, 任務無關個體會通過整體加工間接地干擾任務相關個體在工作記憶中的表征(Dubé,Zhou, Kahan, & Sekuler, 2014)。

綜上, 統(tǒng)計概要表征應該存在至少兩種加工方式, 整體加工和個體加工都有助于人類對集合刺激的知覺, 并且兩者在工作記憶中存在相互影響。

3.2 加工水平

如前文所述, 人類既可以對多種低水平刺激(例如, 圓點大小、光柵朝向)進行統(tǒng)計概要表征,也可以對多種高水平刺激進行統(tǒng)計概要表征。Haberman和Whitney (2007)采用面孔刺激研究人們對情緒的統(tǒng)計概要表征, 發(fā)現(xiàn)被試可以準確的提取多張面孔中的平均情緒。后續(xù)研究發(fā)現(xiàn), 視覺系統(tǒng)也可以提取性別(Haberman & Whitney,2007)、種族(Jung, Bülthoff, Thornton, Lee, &Armann, 2013)等高水平信息的統(tǒng)計概要表征。de Fockert和Wolfenstein (2009)用面孔集合作為刺激材料, 讓被試完成成員身份判斷任務, 結果被試報告用面孔集合軟件合成的平均臉為集合成員的比例顯著高于真實的集合成員, 由此推論, 統(tǒng)計概要表征在面孔身份這一高水平維度上也適用。

與采用倒立或打亂的面孔集合作為刺激的試次相比, 被試在采用正立面孔集合作為刺激時表現(xiàn)出更好的平均情緒判斷能力, 這說明被試在完成平均情緒判斷任務時依靠的是高水平情緒信息,而非低水平圖像特征(Haberman & Whitney,2009)。Sweeny和Whitney (2014)研究群體注視朝向的平均表征, 刺激材料用瞳孔朝向和面孔朝向兩種局部特征的組合來構成注視朝向, 發(fā)現(xiàn)被試可以生成注視朝向的平均表征, 而且這種表征并不基于某種局部特征, 而基于兩種局部特征整合而成的整體特征。此外, 腦成像研究表明被試對集合刺激的疏密程度的知覺依賴于集合物體比例等高水平信息, 而非間距、空間頻率等低水平信息(Cant & Xu, 2014)。對高水平類別信息的加工可能使得由不同類別物體組成的集合刺激具有加工優(yōu)勢(Cohen, Konkle, Rhee, Nakayama, & Alvarez,2014)。上述研究說明人類確實可以對集合刺激中的高水平信息進行統(tǒng)計概要表征。

統(tǒng)計概要表征可能發(fā)生在視覺加工的多個層級上(Sweeny & Whitney, 2014), 它不僅影響人們對集合刺激大小、紋理等特征的知覺(Ariely, 2001;Dakin, Bex, Cass, & Watt, 2009), 也影響對群體社會性信息的認知(Haberman & Whitney, 2007;Sweeny et al., 2013)。群體的注意朝向比個人的注意朝向表現(xiàn)出更多的社會性信息, 因此, 對具有社會性線索的高水平刺激進行統(tǒng)計概要表征可能具有進化意義(Gallup et al., 2012)。

3.3 神經(jīng)機制

統(tǒng)計概要表征的腦機制研究尚處于起步階段。初步研究表明, 平均表征的發(fā)生應該形成于初級視皮層之后。Joo, Shin, Chong和Blake (2009)用雙眼分視范式研究對圓點大小的平均表征, 結果發(fā)現(xiàn), 控制左右兩眼的視覺輸入, 讓兩眼內(nèi)容互相遮蔽時, 被遮蔽的元素不再對平均表征有貢獻, 這說明平均值表征采用的刺激信息是在雙眼融合之后的階段進行表征的, 而視覺信息的雙眼融合被認為發(fā)生在初級視皮層之后(Hubel &Wiesel, 1968; Poggio & Fischer, 1977)。

此外, 統(tǒng)計表征的不同內(nèi)容可能有不同的神經(jīng)基礎。Bonin, Mante和Carandini (2006)研究了貓的外側膝狀體(lateral geniculate nucleus, LGN)對不同統(tǒng)計表征的敏感度, 發(fā)現(xiàn)LGN對視覺刺激的亮度標準差具有特異性激活。這說明LGN可能是處理亮度變異性信息的重要區(qū)域。Cant和Xu (2012)采用fMRI適應范式考察了人類被試對物體集合的平均表征激活腦區(qū), 發(fā)現(xiàn)人的前內(nèi)側腹側視覺皮層(anterior-medial ventral visual cortex)在平均表征中起重要作用。Michael等(2014)指出了統(tǒng)計概要表征形成的兩種可能通路：一是負責高水平抽象表征的腹側通路, 二是依賴于與主旨加工和內(nèi)隱注意相關的背側通路。然而這種表達非常寬泛, 統(tǒng)計概要表征有很大的可能是依賴于多條通路, 未來研究需要將范圍縮小, 具體到特定功能結構。

4 統(tǒng)計概要表征的整合框架

前述研究表明, 人類能夠對集合刺激形成統(tǒng)計概要表征, 這種表征包含了集合的集中趨勢和變異性信息, 可能存在多種加工方式和加工水平。通過分析整合, 已有研究可以被納入圖1所示的研究框架。

該框架包含兩條主要通路：基于分布式注意的整體表征通路和基于聚焦注意的個體表征通路。兩條通路的設定解決了統(tǒng)計概要表征加工范圍和加工方式研究中現(xiàn)存的矛盾。在該框架下,完整視野內(nèi)的集合刺激都參與統(tǒng)計概要信息的提取和加工, 整體加工和個體加工共同完成對集合刺激的表征。

兩條通路在加工完成后匯合, 統(tǒng)計概要表征的不同成分共同存儲在工作記憶中。已有研究發(fā)現(xiàn)整體表征和個體表征在工作記憶中存在相互影響, 這種影響是否發(fā)生在兩條通路的加工階段仍需進一步研究考察。完整的統(tǒng)計概要表征提供了對集合刺激的認識, 與先驗知識一起影響人們對集合刺激的決策判斷。

5 研究展望

圖1 統(tǒng)計概要表征的整合框架

圖1所示的研究框架體現(xiàn)了統(tǒng)計概要表征研究的三個重要問題：注意資源分配、表征內(nèi)容和表征的應用。對于這三個問題, 盡管前述研究已經(jīng)有了初步的理解, 但仍然存在許多尚未解決或觸及的地方等待未來研究的深入考察。

首先, 加工速度是已有研究中自動化討論的主要標準(Chong & Treisman, 2003; Michael et al.,2014; Whiting & Oriet, 2011), 但自動化加工的其他重要標準——無意識、任務無關、特定神經(jīng)激活等(Moors, 2013)——尚未得到充分研究。自動化推論人們對單個集合形成統(tǒng)計概要表征時不受樣本量限制, 然而同時形成多個統(tǒng)計概要表征卻受到集合數(shù)目的限制(Attarha, Moore, & Vecera,2014), 這說明不同級別的概要表征可能有不同的加工方式。此外, 以往研究更多關注刺激特性對注意資源分配自下而上的調(diào)控(Alvarez & Oliva,2009), 但鮮有研究考察先驗知識、任務要求等高水平因素對統(tǒng)計概要表征加工自上而下的影響。

第二, 目前研究的統(tǒng)計概要表征內(nèi)容主要是集中趨勢和變異性, 但這兩者可能不是全部。例如, 在匹配了集中趨勢和變異性信息的前提下, 形狀信息仍會影響物體在外周視野的加工(Alexander,Schmidt, & Zelinsky, 2014)。此外, 前述研究表明集中趨勢和變異性表征存在相互作用, 但這是否暗示著兩者共享某些的神經(jīng)機制目前尚未可知。已有研究主要采用行為學實驗范式, 無法提供直接證據(jù)回答以下問題：統(tǒng)計概要表征的不同成分共用一條加工通路嗎？不同成分的形成是否由特定腦區(qū)負責？分別發(fā)生在哪個階段？研究者需要借助影像學技術考察以上問題, 這將對研究視覺系統(tǒng)處理統(tǒng)計信息的基本模式提供重要參考。

第三, 統(tǒng)計概要表征帶來了許多加工優(yōu)勢,如節(jié)省注意資源、提高準確度(Alvarez, 2011)和維護視覺穩(wěn)定性(Corbett & Melcher, 2014a, 2014b)等, 但這些優(yōu)勢的應用價值還沒有得到充分討論。如前文所述, 對集合刺激統(tǒng)計信息的判斷可能是很多情境中決策成敗的關鍵, 因此統(tǒng)計概要表征的應用價值可能體現(xiàn)在對決策的影響上(de Gardelle & Summerfield, 2011)。在考察統(tǒng)計概要表征的決策意義時, 先前研究采用的實驗刺激可能面臨生態(tài)效度不足的問題(例如, 被試在情緒實驗中看到的刺激是單色背景下的一個個孤立的人臉, 而類似刺激不符合真實的決策場景)。同樣,已有研究范式中直接要求被試判斷刺激的平均值或變異性, 這也與日常決策場景有很大區(qū)別, 因為人們往往沒有意識到統(tǒng)計指標而內(nèi)隱地依靠統(tǒng)計指標做決策。提升實驗范式和刺激材料的生態(tài)效度可能是研究統(tǒng)計概要表征與決策關系的必要條件。

最后, 還有兩個尚未得到關注但值得研究的問題：(1)個體差異。統(tǒng)計概要表征的能力在不同群體間可能存在差異, 量化這種能力在人力資源規(guī)劃上可能有重要意義, 因為某些職業(yè), 如交通調(diào)度或安全檢查, 高度依賴于對集合刺激(車流、人群)的表征能力。(2)可塑性。人類對統(tǒng)計信息的知覺能力可能是一種適應性的進化結果, 是知覺系統(tǒng)受環(huán)境輸入信息塑造而得來的。研究者可通過創(chuàng)造新異視覺環(huán)境來考察統(tǒng)計概要表征的屬性是否會在適應環(huán)境的過程中發(fā)生變化。

張云帆, 周吉帆, 馮成志, 尹軍, 王烜, 沈模衛(wèi). (2009).客體特征統(tǒng)計屬性表征機制的特異性.應用心理學,15(2), 99–105.

Albrecht, A. R., Scholl, B. J., & Chun, M. M. (2012).Perceptual averaging by eye and ear: Computing summary statistics from multimodal stimuli.Attention, Perception,& Psychophysics, 74, 810–815.

Alexander, R. G., Schmidt, J., & Zelinsky, G. J. (2014). Are summary statistics enough? Evidence for the importance of shape in guiding visual search.Visual Cognition, 22,595–609.

Allard, R., & Cavanagh, P. (2012). Different processing strategies underlie voluntary averaging in low and high noise.Journal of Vision, 12(11), 6.

Allik, J., Toom, M., Raidvee, A., Averin, K., & Kreegipuu, K.(2013). An almost general theory of mean size perception.Vision Research, 83, 25–39.

Allik, J., Toom, M., Raidvee, A., Averin, K., & Kreegipuu, K.(2014). Obligatory averaging in mean size perception.Vision Research, 101, 34–40.

Alvarez, G. A. (2011). Representing multiple objects as an ensemble enhances visual cognition.Trends in Cognitive Sciences, 15, 122–131.

Alvarez, G. A., & Oliva, A. (2008). The representation of simple ensemble visual features outside the focus of attention.Psychological Science, 19, 392–398.

Alvarez, G. A., & Oliva, A. (2009). Spatial ensemble statistics are efficient codes that can be represented with reduced attention.Proceedings of the National Academy of Sciences of the United States of America, 106, 7345–7350.

Ariely, D. (2001). Seeing sets: Representation by statistical properties.Psychological Science, 12, 157–162.

Attarha, M., Moore, C. M., & Vecera, S. P. (2014). Summary statistics of size: Fixed processing capacity for multiple ensembles but unlimited processing capacity for single ensembles.Journal of Experimental Psychology：Human Perception and Performance, 40, 1440–1449.

Bauer, B. (2009). Does Stevens’s power law for brightness extend to perceptual brightness averaging?.The Psychological Record, 59, 171–185.

Beach, L. R., & Scopp, T. S. (1968). Intuitive statistical inferences about variances.Organizational Behavior and Human Performance, 3, 109–123.

Bex, P. J., & Makous, W. (2002). Spatial frequency, phase,and the contrast of natural images.Journal of the Optical Society of America A, 19, 1096–1106.

Bonin, V., Mante, V., & Carandini, M. (2006). The statistical computation underlying contrast gain control.The Journal of Neuroscience, 26, 6346–6353.

Brady, T. F., & Alvarez, G. A. (2011). Hierarchical encoding in visual working memory: Ensemble statistics bias memory for individual items.Psychological Science, 22,384–392.

Brand, J., Oriet, C., & Tottenham, L. S. (2012). Size and emotion averaging: Costs of dividing attention after all.Canadian Journal of Experimental Psychology/Revue Canadienne de Psychologie Expérimentale, 66(1), 63–69.

Cant, J. S., & Xu, Y. (2012). Object ensemble processing in human anterior-medial ventral visual cortex.The Journal of Neuroscience, 32, 7685–7700.

Cant, J. S., & Xu, Y. (2014). The impact of density and ratio on object-ensemble representation in human anterior-medial ventral visual cortex.Cerebral Cortex,doi:10.1093/cercor/bhu145.

Chong, S. C., & Treisman, A. (2003). Representation of statistical properties.Vision Research, 43, 393–404.

Chong, S. C., & Treisman, A. (2005a). Attentional spread in the statistical processing of visual displays.Perception &Psychophysics, 67, 1–13.

Chong, S. C., & Treisman, A. (2005b). Statistical processing:Computing the average size in perceptual groups.Vision Research, 45, 891–900.

Cohen, M. A., Konkle, T., Rhee, J. Y., Nakayama, K., &Alvarez, G. A. (2014). Processing multiple visual objects is limited by overlap in neural channels.Proceedings of the National Academy of Sciences of the United States of America, 111, 8955–8960.

Corbett, J. E., & Oriet, C. (2011). The whole is indeed more than the sum of its parts: Perceptual averaging in the absence of individual item representation.Acta Psychologica, 138,289–301.

Corbett, J. E., & Melcher, D. (2014a). Stable statistical representations facilitate visual search.Journal of Experimental Psychology：Human Perception and Performance, 40, 1915–1925.

Corbett, J. E., & Melcher, D. (2014b). Characterizing ensemble statistics: Mean size is represented across multiple frames of reference.Attention, Perception, & Psychophysics, 76,746–758.

Corbett, J. E., Wurnitsch, N., Schwartz, A., & Whitney, D.(2012). An aftereffect of adaptation to mean size.Visual Cognition, 20, 211–231.

Cowan, N. (2001). Metatheory of storage capacity limits.Behavioral and Brain Sciences, 24, 154–176.

Dakin, S. C., Bex, P. J., Cass, J. R., & Watt, R. J. (2009).Dissociable effects of attention and crowding on orientation averaging.Journal of Vision, 9(11), 28.

Dakin, S. C., & Watt, R. J. (1997). The computation of orientation statistics from visual texture.Vision Research,37, 3181–3192.

de Fockert, J. W., & Marchant, A. P. (2008). Attention modulates set representation by statistical properties.Perception & Psychophysics, 70, 789–794.

de Fockert, J., & Wolfenstein, C. (2009). Rapid extraction of mean identity from sets of faces.The Quarterly Journal of Experimental Psychology, 62, 1716–1722.

de Gardelle, V., & Summerfield, C. (2011). Robust averaging during perceptual judgment.Proceedings of the National Academy of Sciences of the United States of America, 108,13341–13346.

Dubé, C., Zhou, F., Kahana, M. J., & Sekuler, R. (2014).Similarity-based distortion of visual short-term memory is due to perceptual averaging.Vision Research, 96, 8–16.

Gallup, A. C., Hale, J. J., Sumpter, D. J. T., Garnier, S.,Kacelnik, A., Krebs, J. R., & Couzin, I. D. (2012). Visual attention and the acquisition of information in human crowds.Proceedings of the National Academy of Sciences of the United States of America, 109, 7245–7250.

Haberman, J., & Whitney, D. (2007). Rapid extraction of mean emotion and gender from sets of faces.Current Biology, 17, R751–R753.

Haberman, J., & Whitney, D. (2009). Seeing the mean:Ensemble coding for sets of faces.Journal of Experimental Psychology：H uman P erception and P erformance, 35,718–734.

Haberman, J., & Whitney, D. (2011). Efficient summary statistical representation when change localization fails.Psychonomic Bulletin & Review, 18, 855–859.

Holt, L. L. (2006). The mean matters: Effects of statistically defined nonspeech spectral distributions on speech categorization.The Journal of the Acousti cal Society of America, 120, 2801–2817.

Hubel, D. H., & Wiesel, T. N. (1968). Receptive fields and functional architecture of monkey striate cortex.The Journal of Physiology, 195, 215–243.

Im, H. Y., & Chong, S. C. (2009). Computation of mean size is based on perceived size.Attention, P erception, &Psychophysics, 71, 375–384.

Im, H. Y., & Halberda, J. (2013). The effects of sampling and internal noise on the representation of ensemble average size.Attention, Perception, & Psychophysics, 75, 278–286.

Joo, S. J., Shin, K., Chong, S. C., & Blake, R. (2009). On the nature of the stimulus information necessary for estimating mean size of visual arrays.Journal of Vision, 9(9), 7.

Jung, W. -M., Bülthoff, I., Thornton, I., Lee, S. -W., &Armann, R. (2013). The role of race in summary representations of faces.Journal of Vision, 13(9), 861.

Lathrop, R. G. (1967). Perceived variability.Journal o f Experimental Psychology, 73(4, Pt.1), 498–502.

Lovie, P. (1978). Teaching intuitive statistics II. Aiding the estimation of standard deviations. InternationalJournal of Mathematical E ducation in Sc ience and T echnology, 9,213–219.

Luck, S. J., & Vogel, E. K. (1997). The capacity of visual working memory for features and conjunctions.Nature,390, 279–281.

Marchant, A. P., Simons, D. J., & de Fockert, J. W. (2013).Ensemble representations: Effects of set size and item heterogeneity on average size perception.Acta Psychologica,142, 245–250.

Marr, D. (1982).Vision：A computational investigation into the hum an r epresentation and processing of visual information. WH San Francisco: Freeman and Company.

Michael, E., de Gardelle, V., & Summerfield, C. (2014).Priming by the variability of visual information.Proceedings of the N ational A cademy o f Scienc es o f theUnited States of America, 111, 7873–7878.

Moors, A. (2013). Automaticity. In D. Reisberg (Ed.),The Oxford Handbook of cognitive psychology(pp. 163–175).Oxford: Oxford University Press.

Motoyoshi, I., Nishida, S., Sharan, L., & Adelson, E. H.(2007). Image statistics and the perception of surface qualities.Nature, 447, 206–209.

Moulden, B., Kingdom, F., & Gatley, L. F. (1990). The standard deviation of luminance as a metric for contrast in random-dot images.Perception, 19, 79–101.

Myczek, K., & Simons, D. J. (2008). Better than average:Alternatives to statistical summary representations for rapid judgments of average size.Perception & Psychophysics,70, 772–788.

Neumann, M. F., Schweinberger, S. R., & Burton, A. M.(2013). Viewers extract mean and individual identity from sets of famous faces.Cognition, 128, 56–63.

Oriet, C., & Brand, J. (2013). Size averaging of irrelevant stimuli cannot be prevented.Vision Research, 79, 8–16.

Parkes, L., Lund, J., Angelucci, A., Solomon, J. A., &Morgan, M. (2001). Compulsory averaging of crowded orientation signals in human vision.Nature Neuroscience,4, 739–744.

Peterson, C. R., & Beach, L. R. (1967). Man as an intuitive statistician.Psychological Bulletin, 68, 29–46.

Piazza, E. A., Sweeny, T. D., Wessel, D., Silver, M. A., &Whitney, D. (2013). Humans use summary statistics to perceive auditory sequences.Psychological Sc ience, 24,1389–1397.

Poggio, G. F., & Fischer, B. (1977). Binocular interaction and depth sensitivity in striate and prestriate cortex of behaving rhesus monkey.Journal of Neurophysiology, 40,1392–1405.

Pollard, P. (1984). Intuitive judgments of proportions, means,and variances: A review.Current Psychology, 3, 5–18.

Rhodes, G., Maloney, L. T., Turner, J., & Ewing, L. (2007).Adaptive face coding and discrimination around the average face.Vision Research, 47, 974–989.

Robitaille, N., & Harris, I. M. (2011). When more is less:Extraction of summary statistics benefits from larger sets.Journal of Vision, 11(12), 18.

Schweickert, R., Han, H. J., Yamaguchi, M., & Fortin, C.(2014). Estimating averages from distributions of tone durations.Attention, P erception, & P sychophysics, 76,605–620.

Sweeny, T. D., Haroz, S., & Whitney, D. (2013). Perceiving group behavior: Sensitive ensemble coding mechanisms for biological motion of human crowds.Journal o f Experimental Psychology：Human Perception and Performance, 39, 329–337.

Sweeny, T. D., & Whitney, D. (2014). Perceiving crowd attention ensemble perception of a crowd’s gaze.Psychological Science, 25, 1903–1913.

Utochkin, I. S., & Tiurina, N. A. (2014). Parallel averaging of size is possible but range-limited: A reply to Marchant,Simons, and De Fockert.Acta Psychologica,146, 7–18.

Walker, D., & Vul, E. (2013). Hierarchical encoding makes individuals in a group seem more attractive.Psychological Science, 25, 230–235.

Watamaniuk, S. N. J., & Duchon, A. (1992). The human visual system averages speed information.Vision Research,32, 931–941.

Whiting, B. F., & Oriet, C. (2011). Rapid averaging? Not so fast!.Psychonomic Bulletin & Review, 18, 484–489.

Whitney, D., & Levi, D. M. (2011). Visual crowding: A fundamental limit on conscious perception and object recognition.Trends in Cognitive Sciences, 15, 160–168.