Geometric Models of Similarity

Sammanfattning: Popular Abstract in Swedish Även om vi kanske inte tänker på det så ofta så är vår förmåga att bedöma likhet av stor vikt, inte minst då det gäller begreppsbildning och generalisering. Denna avhandling handlar om likhet, speciellt geometriska modeller av likhet. I sådana modeller representeras objekt som punkter i abstrakta rum, och likhet svarar (omvänt) mot avstånd i rummen. Avhandlingen tar upp två av de problem geometriska modeller har vad gäller att beskriva människors sätt att bedöma likhet. Ett representativt exempel på det första problemet är att man har funnit att människor ofta bedömer Mexiko som mer likt USA än tvärtom. Det här problemet rör hur likhet kan modelleras geometriskt men ändå vara asymmetrisk, dvs det faktum att likhet mellan två objekt inte bara beror på de aspekter i vilka objekten är jämförbara, utan också på riktningen av jämförelsen. Eftersom likhet svarar mot avstånd i geometriska modeller är det inte trivialt att modellera asymmetri: avståndet mellan två punkter definieras normalt som detsamma oavsett riktningen. Det andra problemet rör hur vi integrerar information utifrån olika aspekter till ett enda mått och hur detta kan beskrivas med hjälp av geometriska modeller. Ett exempel skulle kunna vara hur vi jämför äpplen och apelsiner. Äpplen och apelsiner är jämförbara på ett antal olika sätt. De har, exempelvis, båda form, färg, yta och smak. Något förenklat skulle processen att bedöma likheten mellan ett äpple och en apelsin kunna beskrivas som att betraktaren först jämför dem med avseende på de egenskaper som känns relevanta och därefter att resultaten av jämförelserna slås samman till ett resultat. Ett sätt att bygga en geometrisk modell över mänsklig likhetsbedömning skulle kunna vara att definiera operationer (liknande den som beskrevs ovan) som "arbetar på" den geometriska representationen. Ett problem i sammanhanget är dock att ingen vet hur sammanslagningen av information egentligen går till, åtminstone inte då fler än två egenskaper är involverade. Utöver de två problemen diskuteras också en fråga som berör det andra problemet, nämligen hur ökad erfarenhet verkar påverka sammanslagningen av information. Avhandlingen visar - hur geometriska modeller kan reflektera asymmetrisk likhet - baserat på empiri, hur sammanslagning av information då det gäller fler än två egenskaper kan hanteras i geometriska modeller - att, och hur, "familjariteten" som byggts upp under kort tid verkar påverka sammanslagningen av information.