項 範疇 中 的 新 事例 時 ， 即使 它 與 原先 典型 範疇 事例 在 某些 小 地方 有所 不同 ， 但 我們 仍然 可以 辨識出 此 新 事例 與 典型 情況 間 有 哪些 共通 的 特性 ， 將 它 當作 範疇 中 的 一 員 ， 而 不 需要 從頭 開始 處理 與 分類 作業 。 使用 基模 來 簡化 分類 似乎 是 一 種 適應性 的 方法 來 減輕 我們 工作 記憶 的 負擔 ， 以及 容許 環境 中 自然 發生 的 一些 變動 。 基模 之為 整合性 單位 乃 可 結合 敘述 性知識 所有 的 三 種 基本 型態 ： 命題 、 心像 、 及 線性 規則 。 基模 更 可 進一步 抽取出 範疇 內 事例 之 命題式 與 知覺性 的 規律 ， 而 因此 可以 保存 關於 範疇 事例 ， 哪些 事 通常 為 真 ， 和 它們 通常 看來 如何 ， 以及 其 事件 的 一般 次序 。 要 了解 我們 現在 所 討論 的 意思 ， 讀者 不妨 暫時 先 活化 __UNDEF__ ( activate ) __UNDEF__ 你們 對 在 像 麥當勞 這 類 的 速食店 吃 東西 的 「 基模 」 。 關於 命題 性知識 ， 讀者 可以 活化 像 「 價位 相對 而 言 會 較 低 」 ， 「 服務 通常 很 快速 」 ， 「 我 家 附近 便有 一 家 速食店 」 ， 「 他們 的 薯條 很 好吃 」 等等 的 訊息 。 除了 命題 性知識 以外 ， 你們 可能 也 能 形成 對 麥當勞 餐廳 的 一些 心像圖 。 假使 我 現在 掃描 我 自己 的 心像 ， 我 可以 看見 點餐 的 櫃檯 ， 穿著 制服 的 服務生 ， 收銀機 上 覆有 「 薄 塑 膠膜 」 的 鍵盤 可以 用來 輸入 我們 點 了 些 什麼 的 訊息 ， 一排排 用 紙包好 的 漢堡 及 其它 三明治 排 在 那些 不鏽鋼 、 還 暖烘烘 的 鐵桌 和 鐵架 上 ， 以及 很多 正在 排 著 隊 、 等候 點餐 的 顧客 等 。 你 的 心像圖 可能 會 有 很多 和 我 的 敘述 相同 的 元素 ， 也 可能 還 有 一些 其它 我 所 沒 提到 的 元素 。 另外 關於 事件 次序 ， 一 個 關於 麥當勞 經驗 的 印象 可能 是 以 線性 規律 呈現 的 表徵 次序 ， 即 ： 「 點餐 、 付 帳 、 吃 、 離開 」 。 這樣 的 次序 模式 對 大部分 速食店 而言 都 是 很 典型 的 ， 而 和 那些 非 速食 餐廳 的 「 點餐 、 吃 、 付 帳 、 離開 」 的 標準 次序 有所 不同 。 圖 5.1 __UNDEF__ 所 描繪出 的 麥當勞 基模 形式 ， 是 本 書 中 會 一再 用到 的 。 其中 有 些 部分 呈現 的 是 命題 （ 如 ， 價格 ： 很 低 ） ， 而 有些 則 呈現 線性 規則 （ 如 ， 次序 為 ： 點餐 、 付 帳 、 吃 、 離開 ） 。 心像 當然 也 包含 於 圖 內 。 現在 讓 我們 再 回想 一下 先前 我們 列出 構成 基模 屬性 的 特質 ， 然後 把 它們 套用 在 這 個 麥當勞 的 例子 中 。 首先 ， 我們 認為 基模 包含 變異性 ， 意即 雖 有 大多數 關於 麥當勞 的 事件 是 典型 為 真的 ， 好比 我們 前面 提 過 的 ， 但 它們 仍然 有 某些 屬性 是 可以 有點 不同 的 ， 如 ： 大小 、 員工 人數 、 以及 店 內 座位 的 安排 設計 等 。 舉例 來 看 ， 關於 大小 這 點 ， 在 我 家 附近 的 一 家 麥當勞 就 很 小 ， 大約 只有 10 ～ 12 張 桌子 而已 。 反過來 看 ， 在 鄰近 鎮 上 則 有 一 家 很 大 、 有 三 層 樓 的 麥當勞 ， 據 我 估計 他們 的 座位 至少 可以 容納 百 人 以上 。 由於 基模 有 容許 變異性 存在 的 空間 ， 因此 我 對 麥當勞 的 基模 便 可 包含 了 這些 變異性 。 基模 的 第二 個 特質 乃是 它們 是 可以 被 階層化 組織 的 ， 也 可以 鑲嵌 在 彼此 之中 。 這 就是說 ， 在 我們 的 「 在 麥當勞 用餐 」 的 基模 中 ， 我們 還可以 包含 一 個 像 __UNDEF__ 「 麥當勞 點餐 次序 」 的 基模 。 同時 ， 「 在 麥當勞 用餐 」 的 基模 又 可 被 含入 一 個 較 廣泛 的 基模 如 ： 「 在 餐廳 用餐 」 之中 。 換句話說 ， 基模 可以 呈現 不同 抽象 層次 的 知識 。 最後 ， 基模 是 被 設計 來 幫助 我們 做 推論 的 。 雖然 基模 如 前 所 述 ， 具有 變異性 ， 但 若 該 變項 未 被 定義 、 或者 目前 沒有 足夠 訊息 ， 我們 便會 指定 一 個 設定值 （ default value ） 或 一 個 「 假定值 」 __UNDEF__ ( assumed value ) __UNDEF__ 給 它 。 如此一來 ， 如果 你 身在 一 個 陌生 的 城鎮 而 想 吃 點 薯條 ， 即使 你 從來 沒 到 過 當地 某 家 特定 之 麥當勞 餐廳 ， 你 仍然 可以 假定 或 推論 你 可以 在 當地 的 麥當勞 餐廳 中 買到 薯條 。 雖然 也 可能 碰到 當地 的 麥當勞 不 賣 薯條 的 狀況 （ 如 ： 爐子 壞 了 ， 沒有 油 了 ） ， 但 通常 而言 ， 對 上述 薯條 這樣 的 推論 泰半 是 正確 無誤 的 。 基模 之為 知識 表徵 單位 ， 這 項 可以 幫助 人們 做 推論 的 特質 對 我們 而言 是 相當 重要 的 。 當 我們 在 和 其他 一些 和 我們 有 相似 基模 的 人 溝通 時 ， 會 因為 彼此 的 基模 類似 使得 說話 者 與 傾聽 者 （ 或是 作者 與 讀者 ） 都 能 對 情境 中 的 典型 訊息 做 推論 ， 而 不 需要 對 每 一 項 訊息 都 做 非常 精確 的 描述 與 溝通 ， 而 如此 便 可以 省下 我們 很多 的 時間 和 精力 。 儘管 如此 ， 太 依賴 基模 也 會 產生 一些 危險 ， 比如說 基模 會 鼓勵 我們 對 事件 形成 一些 成見 或 偏見 ， 使得 我們 對 一些 新 情況 不 先 做 獨立 的 判斷 評量 。 把 基 模式 的 心理 建構 視為 人類 學習 中 一 個 整合 部分 並 不 全然 是 新 的 想法 。 舉例 而言 ， Piaget （1952） 便 曾 在 他 描述 兒童 智力 的 作品 中 把 基模 認為 是 知識 的 表徵 單位 。 儘管 如此 ， 基模 理論 長期 以來 一直 受到 實驗 心理學家 的 批評 ， 他們 認為 這 個 理論 太 模糊 且 缺乏 明確 定義 （ 如 ：Thorndyke & Yekovich , 1980 ） 。 然而 近期 一些 人工 智慧 研究 者 已 在 定義 及 發展 基模 為 知識 表徵 系統 的 理論 模型 上 做 了 重大 的 貢獻 （ 如 ： Minsky , 1975 ） 。 這些 清楚 定義 的 理論 模式 在 心理學 文獻 上 有 卓然 貢獻 ， 同時 也 提昇 了 基模 為 一 表徵性 心理 建構 的 可信度 。 雖然 我們 仍 不 很 明確 了 解電腦 基模 與 人腦 基模 二 者 在 作為 知識 表徵 單位 時 的 類似性 與 差異性 ， 但