Capítulo 9

Conhecimento conceitual
 Algumas perguntas que vamos considerar

• Por que é difícil decidir se um objeto específico pertence a uma categoria

específica, como “cadeira”, examinando a definição?
• Como as propriedades de vários objetos são “arquivadas” na mente?
• Como as informações sobre as diferentes categorias são armazenadas
no cérebro?
 Conhecimento conceitual

• Conhecimento conceitual: conhecimento que permite reconhecer objetos

e eventos e fazer inferências sobre suas propriedades
• Conceito: representação mental de uma variedade de unções cognitivas
• Categorização: algo que fazemos sempre que colocamos um objeto em uma
categoria
– Uma categoria inclui todos os exemplos possíveis de um conceito
específico
 Por que as categorias são úteis? (1 de 2)

• Ajuda a entender casos individuais não encontrados anteriormente

• “Indicadores do conhecimento”
– Fornecer uma grande quantidade de informações gerais sobre um objeto
– Permite-nos identificar o que é especial sobre um objeto em particular
 Por que as categorias são úteis? (2 de 2)

Figura 9.1 Saber que algo está em uma categoria fornece uma grande quantidade
de informações a respeito.
 Abordagem definicional da categorização (1 de 2)

• Podemos decidir se algo é membro de uma categoria determinando se um

objeto atende à definição da categoria
• As definições não funcionam tão bem
• Nem todos os membros das categorias cotidianas têm as mesmas
características
• Semelhança de família
– Refere-se à ideia de que as coisas em uma categoria específica se
parecem de várias maneiras
 Abordagem definicional da categorização (2 de 2)

Figura 9.2 Objetos diferentes, todas as “cadeiras” possíveis.

 A abordagem de protótipo (1 de 5)

• Protótipo: um membro “típico” da

categoria
• A associação em uma categoria é
determinada comparando o
objeto a um protótipo que
representa a categoria
• Representação “média” da
categoria
Figura 9.3 Três pássaros reais — um
pardal, um tordo e um gaio-azul — e um
pássaro “protótipo” que é a representação
média da categoria “pássaros”.
 A abordagem de protótipo (2 de 5)

Figura 9.4 Resultados do experimento de Rosch (1975a), em que os participantes

julgavam objetos em uma escala de 1 (bom exemplo de uma categoria) a 7 (exemplo
ruim): (a) avaliações para pássaros; (b) avaliações para móveis.
 A abordagem de protótipo (3 de 5)

• Alta prototipicidade: um membro da categoria compartilha muitos

atributos com outros membros dessa categoia
– Membro típico
– Para a categoria “pássaros” = pardal
• Baixa prototipicidade: um membro da categoria não compartilha muitos
atributos com outros membros dessa categoria
– Para a categoria “pássaros” = pinguim
 A abordagem de protótipo (4 de 5)

• Conexão entre prototipicidade e semelhança de família

• Itens em uma categoria que têm alta prototipicidade têm alta semelhança
de família
• Baixa prototipicidade = baixa semelhança de família
 A abordagem de protótipo (5 de 5)

• Efeito da tipicidade: os participantes respondiam mais rápido a objetos com alta

prototipicidade
– Smith e colaboradores (1974)
 Objetos altamente prototípicos são julgados mais rapidamente
– Rosch (1975b)
 Objetos prototípicos são nomeados mais rapidamente
 Os membros prototípicos de uma categoria são mais afetados por um estímulo
de pré-ativação do que os membros não prototípicos
o Quando os participantes ouviam a palavra verde, eles julgavam duas manchas de
verde primário como sendo o mesmo mais rapidamente do que duas manchas de
verde-claro
 Abordagem de protótipo: Verificação de sentenças de
Smith

Figura 9.5 Resultados do experimento de verificação de sentenças de E. E. Smith

et al. (1974). O tempo de reação (TR) foi mais rápido para objetos com
classificação mais alta na prototipicidade.
Abordagem de protótipo: pré-ativação de Rosch (1 de 2)

Figura 9.6 Procedimento para o experimento de pré-ativação de Rosch (1975b). Os

resultados para as situações em que as cores de teste eram iguais são mostrados à direita.
(a) O protótipo “verde” da pessoa combina com o verde bom, mas (b) é uma correspondência
ruim para o verde-claro; (c) mostra a situação em que as cores eram diferentes.
Abordagem de protótipo: pré-ativação de Rosch (2 de 2)

Figura 9.7 Como Rosch explica a descoberta de que a pré-ativação resultou nos
“mesmos” julgamentos mais rápidos para cores prototípicas do que para cores não
prototípicas.
 A abordagem exemplar (1 de 3)

• Envolve muitos exemplos, cada um chamado exemplar

• Exemplares são membros reais da categoria que uma pessoa encontrou no
passado
• Para categorizar, compare o novo objeto com exemplares
 A abordagem exemplar (2 de 3)

• Semelhança com a abordagem prototípica:

– Representar uma categoria não é define-la
• Diferenças em relação à abordagem prototípica:
– A representação não é abstrata
– Descrição de exemplares atípicos
• Quanto mais semelhante um exemplar for de um membro da categoria,
mais rapidamente ele será categorizado (efeito semelhança de família)
 A abordagem exemplar (3 de 3)

• Explica o efeito de tipicidade

• Leva em consideração mais facilmente casos atípicos
• Lida mais facilmente com categorias variáveis
 Protótipos ou exemplos?

• Pode-se usar ambas as abordagens

• Exemplos funcionam melhor com categorias menores
• Protótipos funcionam melhor com categorias maiores
 Organização hierárquica (1 de 2)

• Organização em que categorias maiores e mais gerais são divididas em

categorias menores e mais específicas, criando vários níveis de categorias
– Propriedades dos objetos
– Aprendizagem e experiência dos observadores
 Organização hierárquica (2 de 2)

Figura 9.8 Níveis das categorias para (a) móveis e (b) veículos. Rosch forneceu
evidências para a ideia de que o nível básico é “psicologicamente privilegiado”.
 Nível básico é psicologicamente especial (1 de 2)

• Acima do nível básico → grande

perda de informações
• Abaixo do nível básico → pouco
ganho de informações
Figura 9.9 Níveis de categoria, exemplos de
cada nível e número médio de
características comuns listadas pelos
participantes no experimento de Rosch et al.
(1976).
 Nível básico é psicologicamente especial (2 de 2)

Figura 9.11 Resultados do experimento “especialista” de Tanaka e Taylor (1991).

Especialistas (par de barras à esquerda) usavam categorias mais específicas para
nomear pássaros, enquanto os não especialistas (par de barras à direita) usavam
categorias mais básicas.
 Redes semânticas (1 de 9)

• Abordagem a categorias que focaliza como as categorias ou conceitos

são organizados na mente
• Collins e Quillian (1969)
– Nó = categoria/conceito
– Os conceitos são inseridos na rede para que os conceitos relacionados
sejam conectados
– Os links que conectam os conceitos indicam como relacionam-se entre si na
mente
Redes semânticas (2 de 9)
Figura 9.12 Rede semântica de Collins e
Quillian (1969). Conceitos específicos são
indicados em cores. As propriedades dos
conceitos são indicadas nos nós de cada
conceito. Propriedades adicionais de um
conceito podem ser determinadas
movendo-se para cima na rede, ao longo
das linhas que conectam os conceitos. Por
exemplo, passar de “canário” para
“pássaro” indica que canários têm penas e
asas e podem voar. As linhas tracejadas
indicam a distância na rede do canário ao
pássaro e do pássaro ao animal.
 Redes semânticas (3 de 9)

• Economia cognitiva: maneira de armazenar propriedades compartilhadas

apenas uma vez em um nó de nível superior
• Exceções nos nós inferiores
 Redes semânticas (4 de 9)

Figura 9.13 Resultados do experimento de Collins e Quillian (1969) que mediu os tempos
de reação a afirmações que envolviam percorrer distâncias diferentes na rede. Distâncias
maiores estão associadas a tempos de reação mais longos, ao verificar declarações tanto
sobre as propriedades dos canários (parte superior) como sobre as categorias das quais o
canário é membro (parte inferior).
 Redes semânticas (5 de 9)
• Propagação da ativação
– Atividade que se difunde ao longo de qualquer link conectado a um nó
ativado
– O resultado dessa propagação da ativação é que os conceitos adicionais
que recebem essa ativação são “pré-ativados” e, portanto, podem ser
recuperados mais facilmente da memória
 Redes semânticas (6 de 9)

Figura 9.14 Como a ativação pode se propagar por uma rede à medida que uma
pessoa pesquisa de “tordo” a “pássaro” (seta). As linhas tracejadas indicam a
ativação que se propaga a partir do nó pássaro ativado. Os conceitos nos círculos,
que foram pré-ativados, são mais fáceis de recuperar da memória por causa da
ativação disseminada.
 Redes semânticas (7 de 9)

• Tarefa de decisão lexical

– Os participantes leram pares de palavras e tinham que pressionar, o mais
rápido possível, a tecla “sim” quando ambos os itens eram palavras ou a
tecla “não” quando pelo menos um item do par era uma não palavra.
 Redes semânticas (8 de 9)
• Meyer e Schvaneveldt (1971)
– tecla “sim” quando ambos os itens
eram palavras; tecla “não” quando
pelo menos um item do par era uma
não palavra
– O tempo de reação era mais rápido
quando as duas palavras estavam
associadas
 Spreading activation
Figura 9.15 Resultados do experimento de
Meyer e Schvaneveldt (1971). Os participantes
responderam mais rápido para palavras que
estavam mais intimamente associadas (barra
esquerda).
 Redes semânticas (9 de 9)

• Críticas ao modelo de Collins e Quillian

– A teoria não conseguia explicar o efeito de tipicidade
– Economia cognitiva?
– Alguns resultados de verificação de sentenças são problemáticos para a
teoria
 A abordagem conexionista (1 de 7)
• Abordagem para criar modelos de computador a fim de representar processos
cognitivos
• Processamento paralelo distribuído
• Os conceitos e suas propriedades são representados na rede pelo
padrão de atividade ao longo dessas unidades
• Um peso de conexão determina como os sinais enviados de uma
unidade aumentam ou diminuem a atividade da próxima unidade
A abordagem conexionista (2 de 7)
Figura 9.17 Uma rede de processamento paralelo
distribuído (PPD) mostrando unidades de entrada,
unidades ocultas e unidades de saída. Os estímulos
de entrada, indicados pelas setas, ativam as unidades
de entrada e os sinais viajam pela rede, ativando as
unidades ocultas e de saída. A atividade das unidades
é indicada pelo sombreamento, com o sombreamento
mais escuro e linhas conectoras mais pesadas
indicando mais atividade. Os padrões da atividade que
ocorrem nas unidades ocultas e de saída são
determinados pela atividade inicial das unidades de
entrada e pelos pesos de conexão que determinam
com que intensidade uma unidade será ativada pela
atividade de entrada. Pesos de conexão não são
mostrados nessa figura.
 A abordagem conexionista (3 de 7)

• Unidades no processamento paralelo distribuído

– Unidades de entrada: ativadas por estímulos do ambiente
– Unidades ocultas: recebem sinais das unidades de entrada
– Unidades de saída: recebem sinais das unidades ocultas
A abordagem conexionista (4 de 7)
Figura 9.18 Uma rede conexionista. A ativação de
uma unidade de item (“canário”) e de uma
unidade de relação (pode) faz com que a
atividade percorra a rede que com o tempo resulta
na ativação das unidades da propriedade crescer,
mover, voar e cantar, associado a “canário pode”.
O sombreamento indica a atividade das unidades,
com o sombreamento mais escuro indicando mais
atividade. Observe que apenas algumas das
unidades e conexões que seriam ativadas por
“canário” e pode são mostradas como estando
ativadas. Na rede real, muito mais unidades e
conexões seriam ativadas.
 A abordagem conexionista (5 de 7)

• Como ocorre o aprendizado

– A rede responde a estímulos
– Os pesos de conexão incorretos devem ser ajustados para que as unidades
de propriedade corretas sejam ativadas
 A abordagem conexionista (6 de 7)

• Sinal de erro
– Diferença entre a atividade atual de cada unidade oculta e a atividade
correta
• Propagação reversa: sinal de erro enviado de volta pela rede
• Os sinais de erro que são enviados de volta para as unidades ocultas e
as unidades de representação fornecem informações sobre como os
pesos de conexão devem ser ajustados para que as unidades de
propriedade corretas sejam ativadas
 A abordagem conexionista (7 de 7)

Figura 9.20 Aprendizagem em uma rede conexionista. As barras representam a

atividade nas oito unidades de representação. Observe como o padrão de ativação
muda à medida que a aprendizagem avança.
 Apoio ao conexionismo

• Degradação elegante: interrupção do desempenho ocorre apenas

gradualmente à medida que partes do sistema são danificadas
– Danos ao sistema não interrompem completamente sua operação
• Explicar a generalização da aprendizagem
– Treinar um sistema para reconhecer as propriedades de um conceito
também fornece informações sobre outros conceitos relacionados
 Semelhante à maneira como realmente aprendemos os conceitos
 Hipótese sensório-funcional (1 de 2)

• Diferentes áreas do cerebro podem ser especializadas pelo

processamento de informações sobre diferentes categorias
– Dissociação para as categorias “coisas vivas” e “coisas inanimadas”
(artefatos)
– Comprometimento da memória específica para categorias
• Hipótese sensório-funcional:
– Coisas vivas → propriedades sensoriais
– Artefatos → funções
 Hipótese sensório-funcional (2 de 2)

Figura 9.21 Desempenho em uma tarefa de nomeação para os pacientes K. C. e

E. W., ambos com comprometimento de memória específico à categoria. Eles
eram capazes de nomear corretamente imagens de coisas inanimadas (como
carro e mesa) e frutas e vegetais (como tomate e pera), mas tinham um
desempenho ruim quando solicitados a nomear imagens de animais.
 A abordagem da categoria semântica
• Existem circuitos neurais
específicos no cérebro para
algumas categorias específicas
Figura 9.24 Resultados do
experimento de Huth et al. (2016) em
que os participantes ouviam histórias
em um scanner. (a) Palavras que
ativaram diferentes locais no córtex.
(b) Ampliação de uma área menor do
córtex. Observe que uma área
específica geralmente responde a
várias palavras diferentes, como
indicado na Figura 9.25.
 A abordagem de múltiplos fatores

• Representação distribuída: como os conceitos são divididos dentro de uma

categoria
– Animais → movimento e cor
– Artefatos → ações realizadas (associadas ao uso ou interação com um
objeto)
• Crowding: quando diferentes objetos de uma categoria compartilham
muitas propriedades
– Por exemplo, todos os animais compartilham as propriedades “olhos”,
“pernas” e “capacidade de se mover”
 A abordagem corporificada (1 de 2)

• Nosso conhecimento dos conceitos baseia-se na reativação dos

processos sensoriais e motores que ocorrem quando interagimos com o
objeto.
• Neurônios-espelho: disparam quando realizamos uma ação ou quando
observamos alguém realizando a mesma ação
• Somatotopia semântica: correspondência entre palavras relacionadas a partes
específicas do corpo e a localização da atividade cerebral
 A abordagem corporificada (2 de 2)

Figura 9.26 Resultados de Hauk et al. (2004). As áreas coloridas indicam as

regiões do cérebro ativadas por (a) movimentos do pé, dos dedos e da língua; (b)
palavras para perna, braço e face.