类别属性归纳是一种复杂的高级认知加工，在人类生活中普遍存在。它能够基于有限信息产生新的知识，并将其扩展到新的情境中。这种信息获取能力，能有效提高人类学习效率（Fisher, Godwin, Matlen, & Unger, 2015; Sloutsky, Deng, Fisher, & Kloos, 2015）。例如，当你不知道关于羚羊的生理知识时，如果了解到熊猫大脑中有一种特定的元素，可能会预测另一只羚羊也有这种元素，而不会去预测衣服有这种元素（Sloutsky & Fisher, 2004）。从知道熊猫大脑中含有某种元素，到将这种属性推论到其他羚羊身上，乃至其他动物。这种对类别属性归纳的应用，既可以在已知信息的基础上获得新信息，还能够降低记忆负荷量。

以往研究探讨了类属关系在类别属性归纳中的神经机制（Babcock & Vallesi, 2015; Liang, Zhong, Lu, & Liu, 2010; Long et al., 2015）。比如，Liang等（2010）以句子为实验材料，比较了一致性（前提与结论项目属于类属关系）和不一致性任务（前提与结论项目无关）的时间特征。结果发现，不一致性任务比一致性任务诱发更大的LNC成分（350～650 ms），这可能与语义信息整合有关；同样，Long等（2015）通过比较可接受归纳、无关类别和无关属性三种条件在归纳推理中的时间特征，结果发现无关类别比可接受归纳诱发了更大的N400，说明了语义类别的冲突。

除了类属关系外，主题关系对类别属性归纳也具有重要的影响。Lin和Murphy（2001）比较了类属关系与主题关系在概念发展上的行为差异，结果发现，大多数人会采用主题关系而不是类属关系来进行类别属性归纳。这说明，主题关系对类别建构、类别属性归纳等具有重要的影响。一些研究者还比较了类属和主题关系在脑区定位和时间特征上的差异。在脑区定位方面，Kalénine和Buxbaum（2016）发现类属关系在双侧的视觉区域被激活，而主题关系主要在双侧的颞顶交界处，包括两侧顶下小叶（inferior parietal lobules, IPL）和颞叶中回（middle temporal gyri, MTG）。他们认为，类属关系主要依赖知觉以及检索语义类别知识上的加工，而主题关系依赖事件或动作加工，更多涉及关系联结上的加工。在时间特征方面，Liu，Han，Zhang和Li（2019）比较了类属和主题关系在类别属性归纳中的神经机制，结果发现，主题关系比类属关系诱发更大的N400，说明N400与归纳推理的语义整合加工相关。然而，在Liu等（2019）、Liang等（2010）与Long等（2015）的研究中，结论句子包含了结论类别和结论属性，导致无法确定类别属性归纳之间的ERP成分差异是由结论类别引起的，还是由结论属性引起的。

为了进一步了解类别属性归纳中分类过程和属性推理过程的神经机制，李婧、陈安涛、陈杰和龙长权（2016）在Long等（2015）的研究基础上，通过分开呈现结论类别和结论属性，探索了归纳推理中的分类过程和属性推理过程。结果发现，结论类别呈现阶段，无关的结论类别比相关的结论类别诱发更大的N400，说明N400与语义分类过程密切相关；结论属性呈现阶段，不一致属性比一致属性诱发了更大的N2，反映了属性知觉上的失匹配或规则违背。

李婧等（2016）的研究在一定程度上分离了类属关系在分类和属性推理过程中的差异。而主题关系和类属关系的距离在分类和属性推理过程的神经机制仍不清楚。由此，本研究采用Liu等（2019）的四种条件，分别探讨两种关系的距离在类别和属性推理过程中的差异。以往研究提出，N400与归纳推理的语义信息整合相关（李婧等，2016; Liu et al., 2019; Long et al., 2015）。本研究认为远距离会比近距离诱发更大的N400，即远距离需要耗费更多的认知资源来整合语义信息（Kmiecik & Morrison, 2013）。同样，晚期负成分（late negative component, LNC）与语义条件的逻辑错误（Bonnefond & van der Henst, 2013）、形成假设和验证假设相关（Liang et al., 2010）。Liang等（2010）与Long等（2015）均发现无关类别比相关类别诱发更大的LNC。因此，本研究认为远距离相比近距离会诱发更大的LNC成分。

最后，N1通常与选择性注意、知觉加工等相关（Lei et al., 2010）。Lei等的研究结果显示，非典型性比典型性诱发更大的N1成分。这表明非典型性需要更多的认知资源，而典型性项目与原型相匹配，从而更容易被选择性地观察。而在本研究中，前提属性与结论属性一致，被试主要对前提与结论属性进行假设验证和做出反应。大量研究证明，类属关系比主题关系耗费更多的认知资源（Estes, Gibbert, Guest, & Mazursky, 2012; Kalénine et al., 2009; Lewis, Poeppel, & Murphy, 2015; Sachs, Weis, Krings, Huber, & Kircher, 2008; Schwartz et al., 2011），而主题关系更多涉及自动化加工（Sachs et al., 2008; Schwartz et al., 2011）。同样，近距离与远距离在认知资源上也不同。因此，关系类型及其距离在知觉或注意加工上可能具有显著差异。

26名健康的大学生（男生、女生均为13人，平均年龄20.25±1.87岁，年龄范围18～24岁）参加正式实验。其中，脑电数据分析中，有8名被试由于滤波、肌肉电位等被删除，最终采用18名被试的脑电数据。所有被试身心健康，右利手，视力正常或矫正视力正常，无神经系统或精神疾病史。被试都签署了知情同意书，之前未参加过类似实验，在实验后获得适量报酬。

实验材料为名词词语。在实验前，64名大学生对词语的关系类型进行判断并对其关系强度进行8点量表评分（0表示完全无关，4表示中等相关，7表示非常相关），平均分未达到显著差异的词对被剔除（p>0.05）。

与Liu等（2019）的实验类似，在实验前告知被试，采用空格联结类别与属性，类别为词对，属性为字母加数字，表示类别具有某种属性（如表1所示）。比如，“锤子X1”表示锤子具有某种属性X1。前提阶段，类别和属性同时呈现；结论阶段，分开呈现类别和属性。前提类别与结论类别具有四种条件，分别为主题近、主题远、类属近和类属远。要求被试在看到结论属性时，根据前提来推断结论属性成立的可能性大小。

表 1

表 1 不同条件下的实验任务

表 1 不同条件下的实验任务 条件 前提 结论类别阶段 结论属性阶段 类属近 锯子 X1 斧头 X1？ 类属远 锯子 X1 钳子 X1？ 主题近 锯子 X1 木头 X1？ 主题远 锯子 X1 钢筋 X1？

正式实验总共完成512个trials，分为四种条件（近类属、远类属、近主题、远主题）。每种条件包含64个词对，每个词对重复两次，每种条件共128个trials（Roberson, Chen, Liang, Lei, & Li, 2014a）。程序主要在E-prime 2.0软件上伪随机呈现，在每次试验开始时，黑色屏幕中间会呈现一个注视点“+”（500 ms）；接着呈现前提句（1000 ms）；随机空屏（800～1200 ms）之后呈现结论类别（500 ms），此时被试无需做按键反应；接下来呈现随机空屏（800～1200 ms），最后呈现结论属性（2000 ms），并要求被试基于前提判断结论属性成立的可能性大还是可能性小。一半被试左手食指按“F”键为可能性大，右手食指按“J”键为可能性小，另一半被试反之。25个练习trials与正式实验程序一样，且正式实验不包含练习trials。

用Eemagine记录脑电，被试佩带Eego™mylab 64导联电极帽，电极以国际10～20系统为基础放置。在线记录脑电时，以左、右双侧乳突连线作为参考电极。所有极间电阻小于10 kΩ。模拟滤波带通为0.05～100 Hz，离线分析采样频率为500 Hz。用Brain Vision Analyzer 2.1对数据进行离线分析。离线分析时重新转换成双侧乳突连线为参考，采用30 Hz（24 dB/oct）低通滤波。采用ICA剔除眼电、肌电等伪迹。将不同条件下被试结论类别和结论属性阶段的trials诱发的ERP 成分分别进行叠加平均，每种条件每个被试至少有40次。分析时段为刺激呈现前200 ms（作为基线）至呈现后800 ms。所有导联电压的幅值超过±80μV视为伪迹即被自动删除。对4种类型条件下产生的反应时进行了两因素重复测量的方差分析。根据总平均波形和前人研究（Chen, Liang, Lei, & Li, 2015; Li, Luo, Cao, & Li, 2009; Long et al., 2015），主要分析结论类别阶段：N400成分（370～500 ms）、LNC成分（570～700 ms）和结论属性阶段N1成分（50～120 ms）的15个脑极点，每个成分的平均波幅采用2（关系类型：主题关系、类属关系）×2（距离：远距离、近距离）×3（偏侧化：左、中、右）×5（脑区条件：前部：F3、Fz、F4；前中部：FC3、FCz、FC4；中部：C3、Cz、C4；中后部：CP3、CPz、CP4；后部：P3、Pz、P4）四因素重复测量方差分析（Chen et al., 2014b）。统计结果采用Greenhouse-Geisser校正，用Bonferroni法进行多重比较（Liang et al., 2010; Long et al., 2015）。

4种条件下的反应时分别为：主题近（M=436.40±150.70）、主题远（M=452.17±158.54）、类属近（M=441.00±155.45）、类属远（M=461.17±152.76）。对行为数据进行的两因素重复测量方差分析发现：距离条件的主效应显著[F(1, 27)=5.70, p=0.024, η ${\,_{\rm p}^2} $ =0.17]。进一步分析表明，远距离的反应时显著长于近距离的反应时；而关系类型的主效应不显著（p=0.327）；关系类型与距离条件的交互作用不显著[F(1, 27)=0.12, p=0.737, η ${\,_{\rm p}^2} $ =0.004]。

图1显示了结论类别呈现阶段，不同关系类型和距离条件的平均波幅、N400与LNC的差异波（远距离–近距离）及地形图。对N400平均波幅的统计分析显示，距离条件与偏侧化的交互作用显著[F(2, 34)=3.88, p=0.030, η $ {\,_{\rm p}^2}$ =0.19]。进一步简单效应分析发现，远距离比近距离诱发更大的N400成分（p_左=0.025, p_中=0.033）。进一步分析显示，FC3、FCz、Cz、C4和CP3脑极点上，远距离比近距离诱发了更大的N400成分（ps<0.05）。此外，距离的主效应显著[F(1, 17)=5.18, p=0.036, η ${\,_{\rm p}^2} $ =0.23]。进一步分析显示，远距离比近距离诱发更大的N400成分。

图 1(Figure 1)

图 1 结论类别呈现阶段，不同关系类型和距离条件的平均波幅、差异波及地形图

对LNC平均波幅进行的统计分析发现，距离、偏侧化与脑区间的交互作用显著[F(8, 136)=2.84, p=0.006, η ${\,_{\rm p}^2} $ =0.14]。进一步分析显示，在F3、Fz、F4、FC3、FCz、Cz、C4、CP3、CPz、P3和P4脑极点上，远距离比近距离诱发更大的LNC成分（ps<0.05）。同时，距离主效应显著[F(1, 17)=8.38, p=0.010, η ${\,_{\rm p}^2} $ =0.33]，即远距离比近距离诱发更大的LNC成分。

图2显示了结论属性呈现阶段，不同条件下的平均波幅、差异波（远距离–近距离）及地形图。对N1平均波幅进行的统计分析发现，距离、偏侧化与脑区交互作用显著[F(8, 136)=3.80, p<0.001, η ${\,_{\rm p}^2} $ =0.18]。进一步分析显示，在F3、Fz、F4、FC3、FCz、FC4、Cz、CPz、CP3、P3、Pz和P4脑极点上，近距离比远距离诱发更大的N1成分（ps<0.05）。

距离与脑区交互作用显著[F(4, 68)=2.88, p=0.029, η ${\,_{\rm p}^2} $ =0.15]。进一步简单效应分析显示，近距离比远距离诱发更大的N1成分（p_前部=0.022, p_前中=0.001, p_中部=0.046, p_中后部=0.016, p_后部=0.003）。距离与偏侧化交互作用显著[F(2, 34)=7.94, p=0.001, η ${\,_{\rm p}^2} $ =0.32]。简单效应分析显示，近距离比远距离诱发更大的N1（p_左=0.005, p_中=0.003, p_右=0.038）。距离的主效应有显著差异[F(1, 17)=10.30, p=0.005, η ${\,_{\rm p}^2} $ =0.38]，即近距离比远距离诱发更大的N1。

图 2(Figure 2)

图 2 结论属性呈现阶段，不同关系类型和距离条件的平均波幅、差异波及地形图

关系类型主效应有显著差异[F(1, 17)=4.83, p=0.042, η ${\,_{\rm p}^2} $ =0.22]，即主题关系比类属关系诱发了更大的负波。进一步分析发现，C3，CP3，Cz和Pz脑极点上（ps<0.05），主题关系比类属关系诱发更大的N1。关系类型与距离的交互作用并没有显著差异[F(1, 17)=0.01, p=0.921, η ${\,_{\rm p}^2} $ =0.001]。

本研究采用词语型类别属性归纳任务，通过分开呈现结论类别和结论属性的方式，分别揭示主题与类属关系的距离在分类与属性过程中的ERP特征。研究结果发现：（1）类别呈现阶段，远距离比近距离诱发更大的N400和LNC成分；（2）属性呈现阶段，主题关系比类属关系诱发了更大的N1成分，近距离比远距离诱发更大的N1。

行为结果发现，无论是主题关系还是类属关系，远距离反应时均显著长于近距离反应时。这与前人研究结果一致（Liu et al., 2019），说明类别属性归纳过程中远距离比近距离需要耗费更多的认知资源。龙长权、李晓芳和雷怡（2017）也发现典型项目比非典型项目在信息加工过程中具有更多优势。也就是说，近距离比远距离在类别属性归纳中更容易加工。

在结论类别呈现阶段，远距离比近距离诱发了更大的N400与LNC成分。但是两者的加工机制却不一样。N400反映的是语义信息整合加工（Long et al., 2015; Wamain, Pluciennicka, & Kalénine, 2015），而LNC反映了被试对属性形成假设并作出该类别是否具有某种属性的判断（Li et al., 2009）。

N400通常与语义整合（Long et al., 2015; Wamain et al., 2015）、语义异常（Pijnacker, Geurts, van, Buitelaar, & Hagoort, 2011）有关。在结论类别阶段，远距离条件比近距离条件诱发了更大的N400波幅，这与前人的研究结果一致（李婧等, 2016; 龙长权等, 2017; Green, Kraemer, Fugelsang, Gray, & Dunbar, 2009; Liu et al., 2019; Rips, Shoben, & Smith, 1973）。李婧等（2016）和龙长权等（2017）的研究结果分别显示了N400与语义分类过程和语义整合的认知程度有关。本研究则在李婧等的研究范式基础上，发现远距离比近距离诱发更大的N400成分，说明相比远距离，被试更容易整合和推断近距离的语义关系，反之亦然。Goel和Dolan（2000）提出归纳推理非常依赖语义内容，且以往研究显示N400与语义推理有关，语义违背会诱发更大的N400。然而，在本研究中，主题关系与类属关系并没有显著差异，说明从语义冲突角度来看，两种关系类型的前提项目与结论项目是被试可接受的，没有语义违背。同时，本实验的类别阶段与语义分类的ERP研究的实验过程类似，结果也与类别任务或启动任务的研究结果类似。Chen等（2014b）采用启动任务，结果显示无关比主题关系和类属关系诱发更大的N400成分，而主题关系与类属关系并没有显著差异。这与本研究的结果一致。

LNC通常与属性冲突推理加工（Long et al., 2015）、语义条件的逻辑错误（Bonnefond & van der Henst, 2013）、假设形成和假设检验过程有关（Liang et al., 2010）。Liang等认为前部脑区的LNC与N400成分相似，常与视觉句子理解任务相关，而LPC与P300类似，主要反映工作记忆的刷新。本研究结果显示远距离在前部、中部、中后部以及后部脑区比近距离诱发更大的LNC成分，说明与语义类别信息违背以及形成假设有关。也就是说，在N400整合语义信息后，被试可能会形成一个预期或假设，不符合预期的条件会比符合预期的条件诱发更大的LNC，这与Liang等的研究结果一致。通过句子归纳推理任务，发现不一致结论比一致结论诱发了更大的LNC，说明了语义信息整合的动态关系。同样，Qiu, Li, Chen和Zhang（2008）的研究结果也显示困难类别任务比基线任务诱发更大的LNC成分，这可能与大脑中的图式投射到目标问题相关。同理，近距离与远距离归纳的推理逻辑不同，因而被试的语义类别信息加工及预期也不一样。

在前人研究中，除了LNC和LPC成分与推理相关外，SN（sustained negativity）成分也常用来解释推理相关的信息整合过程（Cui, Liu, & Long, 2018; Pijnacker et al., 2011）。Cui等为了探索前提单调性效应，采用语义类别归纳任务，比较了单前提和双前提之间的差异，结果发现，单前提比双前提诱发了更大的SN成分，说明与推理驱动的信息整合和解释过程有关。SN成分与N400类似，但负偏向更持久，且没有明显的峰值，通常在前部脑区（Pijnacker et al., 2011），也与工作记忆负荷有关（van Berkum, Brown, Hagoort, & Zwitserlood, 2003）。本研究中，LNC成分的负偏向波形具有明显的峰值变化，并且在前部、中部、中后部以及后部脑区都有激活；同时结合Long等（2015）、Liang等（2010）的研究结果来看，语义类别属性归纳的距离效应更多可能是诱发的LNC成分。

在结论属性阶段，近距离比远距离在前、前中部脑区诱发更大的N1成分；主题关系比类属关系在中部脑区诱发更大的N1成分。以往的研究中，N1成分通常与选择性注意、更高的警觉性和知觉加工相关（Liang et al., 2010）。结合行为数据结果，近距离比远距离反应时更短，说明被试对近距离属性加工更敏感。

N1成分上，近距离比远距离诱发更大的N1，这可能是被试类别属性特征的知觉和自动化加工。Hoenig，Sim，Bochev，Herrnberger和Kiefer（2008）比较了类别（自然、人工物品）和属性（视觉、动作）之间的ERP特征，结果发现，类别和属性之间的交互作用出现在前中部脑区的N1成分上，表明被试能够直接对概念特征做出快速反应。同理，继被试完成语义信息整合和形成假设之后，当呈现结论属性，被试对于符合假设预期的近距离条件能快速做出反应，但对于不符合假设预期的远距离，被试需要对所形成的属性特征进行动态调整。同样地，主题关系比类属关系在中部脑区诱发更大的N1成分。如上文所述，主题与类属关系加工机制不同，在结论属性呈现时，相比类属关系，主题关系的属性特征更容易让被试做出快速反应。

最后，从脑定位角度来看，在归纳推理过程中分类与属性推理过程的加工机制不同。在分类加工阶段，主要是大脑的前中、中部脑区有差异；而属性推理过程中，大脑活动的脑区扩大，除了前中、中部脑区，前部和中后脑区也有差异，说明了属性推理过程需要更多更广的认知加工，这与李婧等（2016）的研究结果一致。

本研究比较了主题与类属关系的距离在分类和属性推理过程的神经机制，结果发现：在类别呈现阶段，被试先进行了语义信息整合加工（N400），接着根据前提与结论形成假设（LNC）；而属性呈现阶段，被试对类别属性特征进行知觉和自动化加工（N1）。这一结果证实了类别属性归纳的距离效应，且这种距离效应在分类与属性推理过程中具有不同的神经机制。