Categorización

La categorización es la capacidad y la actividad de reconocer características compartidas o similitudes entre los elementos de la experiencia del mundo (como objetos, eventos o ideas), organizando y clasificando la experiencia asociándolos a un grupo más abstracto (es decir, una categoría, clase o tipo), sobre la base de sus rasgos, características, similitudes u otros criterios que son universales para el grupo. La categorización se considera una de las habilidades cognitivas más fundamentales y, como tal, es estudiada particularmente por la psicología y la lingüística cognitiva.

La categorización a veces se considera sinónimo de clasificación (cf., Sinónimos de clasificación). La categorización y la clasificación permiten a los humanos organizar cosas, objetos e ideas que existen a su alrededor y simplificar su comprensión del mundo. La categorización es algo que hacen los humanos y otros organismos: " hacer lo correcto con el tipo correcto de cosas". La actividad de categorizar cosas puede ser no verbal o verbal. Para los humanos, tanto los objetos concretos como las ideas abstractas se reconocen, diferencian y entienden a través de la categorización. Los objetos generalmente se categorizan para algunos fines adaptativos o pragmáticos.

La categorización se basa en las características que distinguen a los miembros de la categoría de los no miembros. La categorización es importante en el aprendizaje, la predicción, la inferencia, la toma de decisiones, el lenguaje y muchas formas de interacción de los organismos con su entorno.

Descripción general de la categorización

Las categorías son colecciones distintas de instancias concretas o abstractas (miembros de categoría) que el sistema cognitivo considera equivalentes. El uso del conocimiento de categoría requiere acceder a representaciones mentales que definen las características centrales de los miembros de la categoría (los psicólogos cognitivos se refieren a estas representaciones mentales específicas de la categoría como conceptos).

Para los teóricos de la categorización, la categorización de objetos a menudo se considera utilizando taxonomías con tres niveles jerárquicos de abstracción. Por ejemplo, una planta podría identificarse con un alto nivel de abstracción simplemente etiquetándola como una flor, un nivel medio de abstracción especificando que la flor es una rosa o un nivel bajo de abstracción especificando aún más esta rosa en particular como un perro. rosa. Las categorías en una taxonomía están relacionadas entre sí a través de la inclusión de clases, siendo el nivel más alto de abstracción el más inclusivo y el nivel más bajo de abstracción el menos inclusivo. Los tres niveles de abstracción son los siguientes:

• Nivel superordinado, Género (p. ej., Flor): el nivel de abstracción más elevado e inclusivo. Exhibe el mayor grado de generalidad y el menor grado de similitud dentro de la categoría.
• Nivel Básico, Especies (p. ej., Rosa) - El nivel medio de abstracción. Rosch y sus colegas (1976) sugieren que el nivel básico es el más eficiente desde el punto de vista cognitivo. Las categorías de nivel básico exhiben altas similitudes dentro de la categoría y altas diferencias entre categorías. Además, el nivel básico es el nivel más inclusivo en el que los ejemplares de categoría comparten una forma identificable generalizada. Los adultos suelen usar nombres de objetos de nivel básico y los niños aprenden primero los nombres de objetos básicos.
• Nivel subordinado (p. ej., Dog Rose): el nivel más bajo de abstracción. Exhibe el más alto grado de especificidad y similitud dentro de la categoría.

Teorías de la categorización

Vista clásica

La teoría clásica de la categorización, es un término utilizado en la lingüística cognitiva para denotar el enfoque de la categorización que aparece en Platón y Aristóteles y que ha sido muy influyente y dominante en la cultura occidental, particularmente en la filosofía, la lingüística y la psicología. El método categórico de análisis de Aristóteles se transmitió a la universidad escolástica medieval a través de Isagoge de Porfirio. La visión clásica de las categorías se puede resumir en tres suposiciones: una categoría se puede describir como una lista de características necesarias y suficientes que debe tener su membresía, las categorías son discretas en el sentido de que tienen límites claramente definidos (ya sea que un elemento pertenezca a uno o no)., sin posibilidades intermedias), y todos los miembros de una categoría tienen el mismo estatus. (No hay miembros de la categoría que pertenezcan más que otros). En la visión clásica, las categorías deben estar claramente definidas, ser mutuamente excluyentes y colectivamente exhaustivas; así, cualquier entidad del universo de clasificación dado pertenece inequívocamente a una, y sólo a una, de las categorías propuestas.

La visión clásica de las categorías apareció por primera vez en el contexto de la filosofía occidental en la obra de Platón, quien, en su Diálogo del estadista, introduce el enfoque de agrupar objetos en función de sus propiedades similares. Este enfoque fue más explorado y sistematizado por Aristóteles en su tratado Categorías, donde analiza las diferencias entre clases y objetos. Aristóteles también aplicó intensamente el esquema de categorización clásico en su enfoque de la clasificación de los seres vivos (que utiliza la técnica de aplicar sucesivas preguntas de estrechamiento como "¿Es un animal o un vegetal?", "¿Cuántos pies tiene?", " ¿Tiene pelo o plumas?”, “¿Puede volar?”...), sentando así las bases de la taxonomía natural.

Se pueden encontrar ejemplos del uso de la visión clásica de las categorías en las obras filosóficas occidentales de Descartes, Blaise Pascal, Spinoza y John Locke, y en el siglo XX en Bertrand Russell, GE Moore, los positivistas lógicos. Ha sido una piedra angular de la filosofía analítica y su análisis conceptual, con formulaciones más recientes propuestas en la década de 1990 por Frank Cameron Jackson y Christopher Peacocke. A principios del siglo XX, Durkheim y Mauss introdujeron la cuestión de las categorías en las ciencias sociales empíricas, cuyo trabajo pionero ha sido revisado en la erudición contemporánea.

El modelo clásico de categorización ha sido utilizado al menos desde la década de 1960 por lingüistas del paradigma de la semántica estructural, por Jerrold Katz y Jerry Fodor en 1963, que a su vez han influido en su adopción también por parte de psicólogos como Allan M. Collins y M. Ross Quillian..

Las versiones modernas de la teoría de la categorización clásica estudian cómo el cerebro aprende y representa categorías al detectar las características que distinguen a los miembros de los no miembros.

Teoría del prototipo

La investigación pionera de la psicóloga Eleanor Rosch y sus colegas desde 1973 introdujo la teoría del prototipo, según la cual la categorización también puede verse como el proceso de agrupar cosas en base a prototipos. Este enfoque ha sido muy influyente, particularmente para la lingüística cognitiva. Se basó en parte en conocimientos previos, en particular la formulación de un modelo de categoría basado en el parecido familiar de Wittgenstein (1953) y de Roger Brown's ¿Cómo se llamará una cosa? (1958).

Luego, la teoría de los prototipos ha sido adoptada por lingüistas cognitivos como George Lakoff. La teoría del prototipo es un ejemplo de un enfoque de categorización basado en la similitud, en el que se utiliza una representación de categoría almacenada para evaluar la similitud de los miembros de la categoría candidata. Bajo la teoría del prototipo, esta representación almacenada consiste en una representación resumida de los miembros de la categoría. Este prototipo de estímulo puede tomar varias formas. Puede ser una tendencia central que represente al miembro promedio de la categoría, un estímulo modal que represente la instancia más frecuente o un estímulo compuesto por las características más comunes de la categoría o, por último, el miembro de la categoría "ideal", o una caricatura que enfatice la características distintivas de la categoría.Una consideración importante de esta representación prototipo es que no refleja necesariamente la existencia de una instancia real de la categoría en el mundo. Además, los prototipos son muy sensibles al contexto. Por ejemplo, mientras que el prototipo de una persona para la categoría de bebidas puede ser una gaseosa o agua carbonatada, el contexto del brunch podría llevarlos a seleccionar la mimosa como una bebida prototípica.

La teoría del prototipo afirma que los miembros de una categoría dada comparten un parecido familiar, y las categorías se definen por conjuntos de características típicas (en oposición a que todos los miembros posean características necesarias y suficientes).

Teoría ejemplar

Otro ejemplo del enfoque de categorización basado en la similitud, la teoría ejemplar también compara la similitud de los miembros de la categoría candidata con las representaciones de la memoria almacenada. Según la teoría ejemplar, todas las instancias conocidas de una categoría se almacenan en la memoria como ejemplares. Al evaluar la pertenencia a una categoría de una entidad desconocida, los ejemplares de categorías potencialmente relevantes se recuperan de la memoria y la similitud de la entidad con esos ejemplares se suma para formular una decisión de categorización. El modelo de contexto de Medin y Schaffer (1978) emplea un enfoque de vecino más cercano que, en lugar de sumar las similitudes de una entidad con los ejemplares relevantes, las multiplica para proporcionar similitudes ponderadas que reflejan la proximidad de la entidad a los ejemplares relevantes.Esto sesga efectivamente las decisiones de categorización hacia los ejemplares más similares a la entidad a categorizar.

Agrupación conceptual

El agrupamiento conceptual es un paradigma de aprendizaje automático para la clasificación no supervisada que fue definido por Ryszard S. Michalski en 1980. Es una variación moderna del enfoque clásico de categorización y se deriva de los intentos de explicar cómo se representa el conocimiento. En este enfoque, las clases (clusters o entidades) se generan formulando primero sus descripciones conceptuales y luego clasificando las entidades de acuerdo con las descripciones.

El agrupamiento conceptual se desarrolló principalmente durante la década de 1980, como un paradigma de máquina para el aprendizaje no supervisado. Se distingue del agrupamiento de datos ordinario al generar una descripción del concepto para cada categoría generada.

El agrupamiento conceptual está estrechamente relacionado con la teoría de conjuntos difusos, en la que los objetos pueden pertenecer a uno o más grupos, en diversos grados de aptitud. Un enfoque cognitivo acepta que las categorías naturales están graduadas (tienden a ser borrosas en sus límites) y son inconsistentes en el estado de sus miembros constituyentes. La idea de condiciones necesarias y suficientes casi nunca se encuentra en categorías de cosas que ocurren naturalmente.

Aprendizaje de categorías

Si bien una discusión exhaustiva del aprendizaje de categorías está más allá del alcance de este artículo, una breve descripción general del aprendizaje de categorías y sus teorías asociadas es útil para comprender los modelos formales de categorización.

Si la investigación de categorización investiga cómo se mantienen y utilizan las categorías, el campo del aprendizaje de categorías busca comprender cómo se adquieren las categorías en primer lugar. Para lograr esto, los investigadores a menudo emplean categorías novedosas de objetos arbitrarios (p. ej., matrices de puntos) para asegurarse de que los participantes no estén familiarizados con los estímulos. Los investigadores del aprendizaje de categorías se han centrado generalmente en dos formas distintas de aprendizaje de categorías. El aprendizaje de clasificación asigna a los participantes la predicción de etiquetas de categoría para un estímulo en función de sus características proporcionadas. El aprendizaje de clasificación se centra en el aprendizaje de información entre categorías y las características de diagnóstico de las categorías.Por el contrario, el aprendizaje por inferencia obliga a los participantes a inferir la presencia/valor de una característica de categoría en función de una etiqueta de categoría proporcionada y/o la presencia de otras características de categoría. El aprendizaje por inferencia se centra en aprender información dentro de la categoría y las características prototípicas de la categoría.

Las tareas de aprendizaje por categorías generalmente se pueden dividir en dos categorías, aprendizaje supervisado y no supervisado. Las tareas de aprendizaje supervisado proporcionan a los alumnos etiquetas de categoría. Luego, los estudiantes usan la información extraída de las categorías de ejemplo etiquetadas para clasificar los estímulos en la categoría adecuada, lo que puede implicar la abstracción de una regla o concepto que relacione las características del objeto observado con las etiquetas de categoría. Las tareas de aprendizaje no supervisadas no proporcionan a los alumnos etiquetas de categoría. Por lo tanto, los alumnos deben reconocer las estructuras inherentes en un conjunto de datos y agrupar los estímulos por similitud en clases. El aprendizaje no supervisado es, por tanto, un proceso de generación de una estructura de clasificación. Las tareas utilizadas para estudiar el aprendizaje de categorías toman varias formas:

• Las tareas basadas en reglas presentan categorías que los participantes pueden aprender a través de procesos de razonamiento explícito. En este tipo de tareas, la clasificación de los estímulos se logra mediante el uso de una regla adquirida (es decir, si el estímulo es grande en la dimensión x, responde A).
• Las tareas de integración de información requieren que los alumnos sinteticen la información perceptiva de múltiples dimensiones de estímulo antes de tomar decisiones de categorización. A diferencia de las tareas basadas en reglas, las tareas de integración de información no ofrecen reglas que sean fácilmente articulables. Leer una radiografía y tratar de determinar si hay un tumor puede considerarse como una instancia del mundo real de una tarea de integración de información.
• Las tareas de distorsión de prototipos requieren que los alumnos generen un prototipo para una categoría. Luego, se producen ejemplares candidatos para la categoría mediante la manipulación aleatoria de las características del prototipo, que los alumnos deben clasificar como pertenecientes a la categoría o no.

Categoría teorías de aprendizaje

Los investigadores del aprendizaje de categorías han propuesto varias teorías sobre cómo los humanos aprenden categorías. Las teorías prevalecientes del aprendizaje de categorías incluyen la teoría del prototipo, la teoría ejemplar y la teoría del límite de decisión.

La teoría del prototipo sugiere que para aprender una categoría, uno debe aprender el prototipo de la categoría. La subsiguiente categorización de nuevos estímulos se logra luego seleccionando la categoría con el prototipo más similar.

La teoría ejemplar sugiere que para aprender una categoría, uno debe aprender acerca de los ejemplares que pertenecen a esa categoría. La subsiguiente categorización de un nuevo estímulo se logra calculando su similitud con los ejemplares conocidos de categorías potencialmente relevantes y seleccionando la categoría que contiene los ejemplares más similares.

La teoría de los límites de decisión sugiere que para aprender una categoría, uno debe aprender las regiones de un espacio de estímulo asociado con respuestas particulares o los límites (los límites de decisión) que dividen estas regiones de respuesta. La categorización de un nuevo estímulo se logra luego determinando en qué región de respuesta está contenido.

Modelos formales de categorización

Se han desarrollado modelos computacionales de categorización para probar teorías sobre cómo los humanos representan y usan la información de categoría. Para lograr esto, los modelos de categorización se pueden ajustar a los datos experimentales para ver qué tan bien se alinean las predicciones proporcionadas por el modelo con el desempeño humano. Con base en el éxito del modelo para explicar los datos, los teóricos pueden sacar conclusiones sobre la precisión de sus teorías y la relevancia de su teoría para las representaciones de categorías humanas.

Para capturar de manera efectiva cómo los humanos representan y usan la información de categoría, los modelos de categorización generalmente operan bajo variaciones de los mismos tres supuestos básicos. Primero, el modelo debe hacer algún tipo de suposición sobre la representación interna del estímulo (por ejemplo, representar la percepción de un estímulo como un punto en un espacio multidimensional). En segundo lugar, el modelo debe hacer una suposición sobre la información específica a la que se debe acceder para formular una respuesta (por ejemplo, los modelos de ejemplares requieren la recopilación de todos los ejemplares disponibles para cada categoría). Tercero, el modelo debe hacer una suposición acerca de cómo se selecciona una respuesta dada la información disponible.

Aunque todos los modelos de categorización hacen estas tres suposiciones, se distinguen por las formas en que representan y transforman una entrada en una representación de respuesta. Las estructuras de conocimiento internas de varios modelos de categorización reflejan las representaciones específicas que utilizan para realizar estas transformaciones. Las representaciones típicas empleadas por los modelos incluyen ejemplares, prototipos y reglas.

• Los modelos ejemplares almacenan todas las instancias distintas de estímulos con sus etiquetas de categoría correspondientes en la memoria. La categorización de los estímulos posteriores está determinada por la similitud colectiva del estímulo con todos los ejemplares conocidos.
• Los prototipos almacenan una representación resumida de todas las instancias de una categoría. La categorización de los estímulos posteriores se determina seleccionando la categoría cuyo prototipo es más similar al estímulo.
• Los modelos basados ​​en reglas definen categorías almacenando listas de resumen de las características necesarias y suficientes requeridas para la pertenencia a la categoría. Los modelos de límites pueden considerarse modelos de reglas atípicos, ya que no definen categorías en función de su contenido. Más bien, los modelos de límites definen los bordes (límites) entre categorías, que posteriormente sirven como determinantes de cómo se categoriza un estímulo.

Ejemplos de modelos de categorización

Modelos prototipo

Características ponderadas Modelo prototipo Reed produjo una instancia temprana del modelo prototipo a principios de la década de 1970. Reed (1972) realizó una serie de experimentos para comparar el desempeño de 18 modelos en la explicación de datos de una tarea de categorización que requería que los participantes clasificaran rostros en una de dos categorías.Los resultados sugirieron que el modelo predominante fue el modelo prototipo de características ponderadas, que pertenecía a la familia de modelos de distancia promedio. Sin embargo, a diferencia de los modelos tradicionales de distancia promedio, este modelo ponderó de manera diferencial las características más distintivas de las dos categorías. Dado el desempeño de este modelo, Reed (1972) concluyó que la estrategia que utilizaron los participantes durante la tarea de categorización de rostros fue construir representaciones prototipo para cada una de las dos categorías de rostros y categorizar patrones de prueba en la categoría asociada con el prototipo más similar. Además, los resultados sugirieron que la similitud estaba determinada por las características más discriminatorias de cada categoría.

Modelos ejemplares

Modelo de contexto generalizado El modelo de contexto de Medin y Schaffer (1978) fue ampliado por Nosofsky (1986) a mediados de la década de 1980, lo que resultó en la producción del Modelo de contexto generalizado (GCM). El GCM es un modelo ejemplar que almacena ejemplares de estímulos como combinaciones exhaustivas de las características asociadas con cada ejemplar.Al almacenar estas combinaciones, el modelo establece contextos para las características de cada ejemplar, que están definidos por todas las demás características con las que esa característica coexiste. El GCM calcula la similitud de un ejemplar y un estímulo en dos pasos. Primero, el GCM calcula la distancia psicológica entre el ejemplar y el estímulo. Esto se logra sumando los valores absolutos de la diferencia dimensional entre el ejemplar y el estímulo. Por ejemplo, supongamos que un ejemplar tiene un valor de 18 en la dimensión X y el estímulo tiene un valor de 42 en la dimensión X; la diferencia dimensional resultante sería de 24. Una vez evaluada la distancia psicológica, una función de decaimiento exponencial determina la similitud del ejemplar y el estímulo, donde una distancia de 0 da como resultado una similitud de 1 (que comienza a disminuir exponencialmente a medida que aumenta la distancia). Luego, las respuestas categóricas se generan evaluando la similitud del estímulo con los ejemplares de cada categoría, donde cada ejemplar proporciona un "voto".a sus respectivas categorías que varía en fuerza según la similitud del ejemplar con el estímulo y la fuerza de la asociación del ejemplar con la categoría. Esto asigna efectivamente a cada categoría una probabilidad de selección que está determinada por la proporción de votos que recibe, que luego se puede ajustar a los datos.

Modelos basados ​​en reglas

Modelo RULEX (Regla más excepción) Si bien las reglas lógicas simples son ineficaces para aprender estructuras de categorías mal definidas, algunos defensores de la teoría de la categorización basada en reglas sugieren que se puede usar una regla imperfecta para aprender tales estructuras de categorías si existen excepciones a esa regla. también se almacenan y se consideran. Para formalizar esta propuesta, Nosofsky y colaboradores (1994) diseñaron el modelo RULEX. El modelo RULEX intenta formar un árbol de decisiones compuesto por pruebas secuenciales de los valores de los atributos de un objeto. La categorización del objeto se determina luego por el resultado de estas pruebas secuenciales. El modelo RULEX busca reglas de las siguientes maneras:

• Búsqueda exacta de una regla que utiliza un solo atributo para discriminar entre clases sin error.
• Imperfecto Busque una regla que use un solo atributo para discriminar entre clases con pocos errores
• Conjuntiva Búsqueda de una regla que utiliza múltiples atributos para discriminar entre clases con pocos errores.
• Excepción Busque excepciones a la regla.

El método que utiliza RULEX para realizar estas búsquedas es el siguiente:Primero, RULEX intenta una búsqueda exacta. Si tiene éxito, RULEX aplicará continuamente esa regla hasta que ocurra una clasificación errónea. Si la búsqueda exacta no logra identificar una regla, comenzará una búsqueda imperfecta o conjuntiva. Una regla suficiente, aunque imperfecta, adquirida durante una de estas fases de búsqueda se implementará permanentemente y el modelo RULEX comenzará a buscar excepciones. Si no se adquiere ninguna regla, entonces el modelo intentará la búsqueda que no realizó en la fase anterior. Si tiene éxito, RULEX implementará la regla de forma permanente y luego comenzará una búsqueda de excepciones. Si ninguno de los métodos de búsqueda anteriores tiene éxito, RULEX buscará por defecto solo excepciones, a pesar de no tener una regla asociada, lo que equivale a adquirir una regla aleatoria.

Modelos híbridos

SUSTAIN (Red incremental adaptativa estratificada supervisada y no supervisada) Suele ocurrir que las representaciones de las categorías aprendidas varían según los objetivos del alumno, así como la forma en que se utilizan las categorías durante el aprendizaje. Por lo tanto, algunos investigadores de categorización sugieren que un modelo adecuado de categorización debe poder dar cuenta de la variabilidad presente en las metas, tareas y estrategias del alumno. Esta propuesta fue realizada por Love y colegas (2004) a través de la creación de SUSTAIN, un modelo de agrupamiento flexible capaz de acomodar problemas de categorización tanto simples como complejos a través de la adaptación incremental a las especificaciones de los problemas.

En la práctica, el modelo SUSTAIN primero convierte la información perceptiva de un estímulo en características que se organizan a lo largo de un conjunto de dimensiones. El espacio de representación que abarca estas dimensiones se distorsiona (p. ej., se estira o se encoge) para reflejar la importancia de cada característica en función de las entradas de un mecanismo de atención. Un conjunto de agrupaciones (instancias específicas agrupadas por similitud) asociadas con categorías distintas luego compiten para responder al estímulo, y el estímulo se asigna posteriormente a la agrupación cuyo espacio de representación es más cercano al estímulo. El valor de la dimensión del estímulo desconocido (p. ej., la etiqueta de la categoría) es luego predicho por el grupo ganador, que, a su vez, informa la decisión de categorización.

La flexibilidad del modelo SUSTAIN se realiza a través de su capacidad para emplear el aprendizaje supervisado y no supervisado a nivel de clúster. Si SUSTAIN predice incorrectamente que un estímulo pertenece a un grupo en particular, la retroalimentación correctiva (es decir, el aprendizaje supervisado) indicaría a sustain que reclute un grupo adicional que represente el estímulo mal clasificado. Por lo tanto, las exposiciones posteriores al estímulo (o una alternativa similar) se asignarían al grupo correcto. SUSTAIN también empleará el aprendizaje no supervisado para reclutar un grupo adicional si la similitud entre el estímulo y el grupo más cercano no supera un umbral, ya que el modelo reconoce la débil utilidad predictiva que resultaría de tal asignación de grupo. SUSTAIN también exhibe flexibilidad en la forma en que resuelve problemas de categorización tanto simples como complejos. Directamente, la representación interna de SUSTAIN contiene solo un único grupo, lo que sesga el modelo hacia soluciones simples. A medida que los problemas se vuelven cada vez más complejos (p. ej., requieren soluciones que constan de múltiples dimensiones de estímulo), se reclutan grupos adicionales de forma incremental para que SUSTAIN pueda manejar el aumento de la complejidad.

Categorización social

La categorización social consiste en agrupar a los seres humanos para identificarlos en función de diferentes criterios. La categorización es un proceso estudiado por los estudiosos de las ciencias cognitivas, pero también puede estudiarse como una actividad social. La categorización social es diferente de la categorización de otras cosas porque implica que las personas crean categorías para sí mismas y para los demás como seres humanos. Se pueden crear grupos en función de la etnia, el país de origen, la religión, la identidad sexual, los privilegios sociales, los privilegios económicos, etc. Existen varias formas de clasificar a las personas según los esquemas de cada uno. Las personas pertenecen a varios grupos sociales debido a su etnia, religión o edad.

Las personas utilizan categorías sociales basadas en la edad, la raza y el género cuando se encuentran con una persona nueva. Debido a que algunas de estas categorías se refieren a rasgos físicos, a menudo se usan automáticamente cuando las personas no se conocen entre sí. Estas categorías no son objetivas y dependen de cómo las personas ven el mundo que les rodea. Permiten que las personas se identifiquen con personas similares e identifiquen a personas que son diferentes. Son útiles en la formación de la propia identidad con las personas que le rodean. Uno puede construir su propia identidad identificándose en un grupo o rechazando a otro grupo.

La categorización social es similar a otros tipos de categorización ya que tiene como objetivo simplificar la comprensión de las personas. Sin embargo, la creación de categorías sociales implica que las personas se posicionarán en relación con otros grupos. Una jerarquía en las relaciones grupales puede aparecer como resultado de la categorización social.

Los estudiosos argumentan que el proceso de categorización comienza a una edad temprana cuando los niños comienzan a aprender sobre el mundo y las personas que los rodean. Los niños aprenden a conocer a las personas según categorías basadas en similitudes y diferencias. Las categorías sociales creadas por los adultos también afectan su comprensión del mundo. Aprenden sobre los grupos sociales escuchando generalidades sobre estos grupos de sus padres. Entonces pueden desarrollar prejuicios sobre las personas como resultado de estas generalidades.

Otro aspecto de la categorización social es mencionado por Stephen Reicher y Nick Hopkins y está relacionado con la dominación política. Argumentan que los líderes políticos utilizan categorías sociales para influir en los debates políticos.

Aspectos negativos

La actividad de clasificar a las personas según criterios subjetivos u objetivos puede verse como un proceso negativo debido a su tendencia a conducir a la violencia de un grupo a otro. De hecho, las similitudes reúnen a personas que comparten rasgos comunes, pero las diferencias entre grupos pueden generar tensiones y luego el uso de la violencia entre esos grupos. La creación de grupos sociales por personas es responsable de una jerarquización de las relaciones entre grupos. Estas relaciones jerárquicas participan en la promoción de estereotipos sobre personas y grupos, a veces basados ​​en criterios subjetivos. Las categorías sociales pueden alentar a las personas a asociar estereotipos a grupos de personas. Asociar estereotipos a un grupo, ya las personas que pertenecen a este grupo, puede dar lugar a formas de discriminación hacia las personas de este grupo.La percepción de un grupo y los estereotipos asociados a él tienen un impacto en las relaciones y actividades sociales.

Algunas categorías sociales tienen más peso que otras en la sociedad. Por ejemplo, en la historia y aún hoy, la categoría de "raza" es una de las primeras categorías utilizadas para clasificar a las personas. Sin embargo, solo se usan comúnmente unas pocas categorías de raza, como "negro", "blanco", "asiático", etc. Participa en la reducción de la multitud de etnias a unas pocas categorías basadas principalmente en el color de la piel de las personas.

El proceso de clasificar a las personas crea una visión del otro como 'diferente', lo que conduce a la deshumanización de las personas. Los estudiosos hablan de las relaciones intergrupales con el concepto de teoría de la identidad social desarrollado por H. Tajfel. De hecho, en la historia, muchos ejemplos de categorización social han llevado a formas de dominación o violencia de un grupo dominante a un grupo dominado. Los períodos de colonización son ejemplos de épocas en que las personas de un grupo optaron por dominar y controlar a otras personas pertenecientes a otros grupos porque las consideraban inferiores. El racismo, la discriminación y la violencia son consecuencias de la categorización social y pueden ocurrir a causa de ella. Cuando las personas ven a los demás como diferentes, tienden a desarrollar una relación jerárquica con otros grupos.

Miscategorización

No puede haber categorización sin la posibilidad de una mala categorización. Para hacer "lo correcto con el tipo correcto de cosas", tiene que haber algo correcto e incorrecto que hacer. Una categoría de la que "todo" es un miembro no sólo conduce lógicamente a la paradoja de Russell ("¿es o no es un miembro de sí mismo?"), sino que, sin la posibilidad de error, no hay forma de detectar o definir lo que distingue a los miembros de la categoría de los no miembros.

Un ejemplo de la ausencia de no miembros es el problema de la pobreza del estímulo en el aprendizaje del idioma por parte del niño: los niños que aprenden el idioma no escuchan o cometen errores en las reglas de la Gramática Universal (GU). Por lo tanto, nunca se corrigen los errores en UG. Sin embargo, el habla de los niños obedece las reglas de la GU, y los hablantes pueden detectar inmediatamente que algo anda mal si un lingüista genera (deliberadamente) una expresión que viola la GU. Por lo tanto, los hablantes pueden categorizar lo que cumple con UG y lo que no cumple con UG. Los lingüistas han llegado a la conclusión de que las reglas de la GU deben codificarse de alguna manera de forma innata en el cerebro humano.

Sin embargo, las categorías ordinarias, como "perros", tienen abundantes ejemplos de no miembros (gatos, por ejemplo). Por lo tanto, es posible aprender, por ensayo y error, con corrección de errores, a detectar y definir qué distingue a los perros de los que no lo son y, por lo tanto, clasificarlos correctamente. Este tipo de aprendizaje, llamado aprendizaje por refuerzo en la literatura conductual y aprendizaje supervisado en la literatura computacional, depende fundamentalmente de la posibilidad de error y de la corrección de errores. La categorización errónea (ejemplos de no miembros de la categoría) siempre debe existir, no solo para que la categoría se pueda aprender, sino para que la categoría exista y sea definible.