例如例子中:「能否被二人均分」就可以是「偶数判别模型的判别规则」，「偶数的内涵（能被二均人分）」，也可以是「偶数」和「能否被二人均分」的联结模型。
那么问题来了，在案例中，当我们想要预测「能否被二人均分」，当我们把「所有正数」划分为「是否为偶数」之后，到底是在用概念的内涵来预测，还是在用联结模型在预测？
可能有点抽象
#d1
我觉得要辨析这个问题, 可以考虑一个更根本的问题: 人是怎么认识世界的, 概念之间关系到底是什么? 我觉得概念和概念间关系可以这样来理解: 世界是很复杂的，人类不可能不通过概念去认识世界, 否则处处不同. 因此人类必须寻找一个确定性的根基去理解世界，因此暂时从许多纷繁复杂的关系之中稳固下来了一个“概念”，这些复杂的关系构成了概念的内涵。换言之, 纷繁复杂的关系是第一性的, 概念是我们从这纷繁复杂的关系中抽象出来的稳固存在. 因此概念的本质其实就是"关系". 因此理论上, 所有与概念相关的关系, 都是其(广义意义上的)内涵.
可以把概念之间的纷繁复杂的关系形象理解成一张网, 一个概念是一个节点, 和许多其它概念纷繁复杂地联结在一起.
在这无数连线的概念之网中, 对于一个节点(即一个概念), 我们可否认定只有与该节点相连的某一条关系是其"本质的判别模型", 其余都为"本质的联结模型"? 似乎在绝对意义上不能这么说. 因为我们没有绝对意义上的理由断言某一条关系比其它关系"更根本".
根据这个定义，可以这样理解，所有理论上能找的概念间关系都是该概念(广义)内涵的一部分，因为概念内涵本来就是由概念间关系组成的。“广义内涵”可以被看作是围绕这个核心概念(节点)，通过不断学习和经验积累而建立起来的、与之相关的所有“关系”的总和，构成了该概念在整个“概念世界”中的完整“意义网络”或“生态位”。（广义的概念内涵）
#e
举个例子, “水"这个概念, 实际上是概念之网中与"常温下流动的”“标准大气压下100度气化的”“分子式为H2O的”…等一系列概念相互关联的. 水这个概念及其关联的所有概念关系的总和, 便是水的广义内涵. 在概念之网中, "水"与非常多概念联系在一起. 那么我们是否有某种超越性的依据去断言, “水"和"分子式H2O"的联系比"水与其它概念的连线(如100度气化)更本质”? 似乎没有这样的根本性理由.
#e
举个例子, “偶数”这个概念，实际上是概念之网中与“能被2整除的整数”、“与奇数相对”、“偶数加偶数等于偶数”、“偶数乘以任意整数等于偶数”、“在十进制下个位数为0,2,4,6,8”、“除了2以外都不是素数”…等一系列概念相互关联的节点。偶数这个概念及其关联的所有概念关系的总和，便是它的广义内涵。那么，我们是否有某种超越性的依据去断言，“偶数”和“能被2整除的整数”这条联系，就一定比“偶数加偶数等于偶数”这条联系更根本、更本质呢？在绝对意义上，似乎并没有。
#d2
既然我们没有根本理由断言其中一条联结比起另外的联结"更根本", 那么我们是怎么划分出判别模型和联结模型的? 这是因为, 广义的概念之网中, 关系太多了, 我们不可能去同时把握全局的每一条. 因此我们只能“选定其中一个概念间关系作为其判别模型的内涵(这是为了操作性)”，把这一部分看作是（狭义的）概念的内涵。然后基于这样一个稳固的关系，再把其它概念间关系视为"联结模型", 依次像探索地图那样点亮“本来没有点亮的那部分”。
理论上，但凡点亮一部分，这一部分马上就会变成概念的（广义的）新内涵，但是为了保持操作性，往往仍然以狭义内涵作为其概念内涵。然后把新的点亮的部分视作“概念间联系”而非“概念内涵”的, 联结模型的部分。
我的理解中, 渐构理论中的"判别模型的内涵", 实际上指的是"狭义的概念内涵".（狭义的概念内涵）
#e
例如, 如前所述, 理论上水的广义内涵可以有一堆(“常温下流动的”“标准大气压下100度气化的”“分子式为H2O的”…), 但是为了操作性, 不可能同时把握那么多关系. 因此, 我们选定其中一个, 即"H2O"被视为"水"的狭义内涵. 而"水能喝"等其余的广义内涵则被视为"水"的"联结模型". 这样我们才能进行认知.
#e
例如, 如前所述, 理论上偶数的广义内涵可以有一堆，但为了进行数学推理，我们不可能同时把所有性质都作为出发点。因此，我们选定其中最关键的一条，即“能被2整除的整数”，将其视为“偶数”的狭义内涵（即判别模型）。而“偶数加偶数等于偶数”等其余的广义内涵，则被视为基于此定义可以去证明或发现**的“联结模型”。这样我们才能构建起整个算术理论。
#d3
结合以上讨论, 因此，“概念内涵"本身就是被选定的操作性的"概念间关系"中的一个,因此当然可以作为“联结模型”来使用. 即狭义的概念内涵的部分本身可以作为联结模型推测. (这应该就是你的问题)
#e
例如, 若在狭义视角下认为水的判别模型为"分子式为H2O”, 那么理论上可以生成"水的化学式是H2O"的联结模型.
#e
例如, 若在狭义视角下我们已将“偶数”的判别模型设定为“能被2整除的整数”，那么理论上可以生成一个陈述“偶数是可以被2整除的整数”的联结模型。因为判别模型本来就是概念之网中的一条.
#d4
那么, 在概念之网中的那么多关系中, 选定其中一个作为这个概念的狭义内涵, 其它不视为狭义内涵, 有没有原因呢? 也是有的. 比如"生成性"“准确性”“简洁性”“可关联的强度, 密度"等等. 由此我们也可以理解为什么存在"范式转变”: 因为我们要选定一个稳定的狭义内涵作为其定义以便于操作, 且很多联结模型都是基于此选定的定义的, 因此一般来说判别模型的变动比较谨慎; 但当一个新的狭义内涵选择, 在"生成性"“准确性”“简洁性”“可关联的强度, 密度"等多方面都优于旧狭义内涵选择时, 就会发生"判别模型的重新选择”, 进而导致概念网络的大幅度变化. 而这就很可能导致原来的"旧狭义内涵"不被视为"新狭义内涵", 而是一个"新狭义内涵的概念视角下的联结模型".
#e
例如, 为什么把"H2O"作为水的狭义内涵, 而"常温下流动的"不被视为水的狭义内涵?(即为什么不把水定义为"常温下流动的就是水"?) 这是因为把水定义为H2O很准确的锚定了我们想要的那个概念节点, 其次这个定义很简洁, 其次这个概念可以有很多好的联结性质, 生成性强.
#e
例如, 为什么我们把“能被2整除的整数”作为偶数的狭义内涵，而不把“在十进制下，个位数为0,2,4,6,8的整数”作为其狭义内涵？后者在日常判断中似乎更常用。原因就在于前者在“生成性”、“准确性/普适性”上拥有压倒性优势。从“n=2k”（k为整数）这个定义出发，可以推导出整个偶数算术体系（偶+偶=偶等）。而从“个位数”的定义出发，进行代数证明会非常繁琐。“能被2整除”是一个不依赖于记数系统的根本属性，它在二进制、十六进制下依然成立。而“个位数”的规则只在十进制（或任何偶数基底）下有效，在奇数基底（如三进制）下则完全失效。因此，前者是一个远比后者更优越的“狭义内涵”选择。
AI的总结:
1 个赞
-
推测任务：对「一个具体的正数」预测「这个正数是否能被二人均分」
-
下层例子材料：1不能，21不能，22能，18271268712能，9817289789不能，……
-
归纳出：若这个正数的最后一位数字被2除后没有余数，那么这个数可以被二整除
-
建模：若一个「正数」的最后一位数字可以被2整除，此正数可以被二人均分（联结模型）。
-
进一步建模：若一个「正数」的「最后一位数字」满足「可被2整除」，则判别其为「偶数」（判别模型）。对于「偶数」，预测其「可以被二人均分」（联结模型）。
-
结论：「正数」、「偶数」、「能否被二人均分」都是概念，都代表了一类现象。而从「一类现象（偶数）」到「另一类现象（能否被二人均分）」的推测，属于「联结模型」。先建构出从「单个现象（某个具体正数）」到「一类现象（偶数）」的判别模型，然后再用「偶数」推测「能否被二人均分」，减轻了认知负担。如果没有「偶数」这个概念，这就意味着2、4、6、8、10对我们来说与1、3、5、7、9没有什么区别，那么每一次要去推测一个「正数」到「能否被二人均分」，都要进行认知负担更大的推测步骤（注意不能用我们的偶数判别模型的视角去看，我们不需要计算，我们只需要用内隐模型进行判别是否为偶数，然后进行预测。但假设如果没有这个内隐判别模型，我们就不得不每次都对这个具体的正数的最后一位做除法运算来推测其能否被二人均分，这个计算尽管很简单很快，但相比于内隐判别模型来说更慢）。
-
题主之所以这么提问，或许是因为想要建构出从一个具体的「推测」到是否属于「判别」以及一个具体的「推测」到是否属于「联结」的判别模型
- 更进一步来讲是希望能够判别「某个具体推测」是从「某个具体现象」到「某类事物」的推测，还是从「某类事物」到「另一类事物」的推测。
- 最终目的是希望能够熟练掌握渐构中的概念，进而能够更高效的运用渐构方法。
- 之所以还在疑惑，是因为还没有成功渐构出将一段属于「推测」的信息中的内容准确的判别为「概念」或「现象」的判别模型。
-
不确定我的视角是否合理，希望听到反驳。
-
疑惑：我有没有掉进类别固有观的陷阱，是不是判别一个推测属于判别还是联结，要根据具体情况（比如说最终目标）来定，即把一个对象视为一个单个现象或一个概念（一类现象）要根据具体情况来定？
1 个赞
联结模型和判别模型在内容上没实质区别，我们对二者的划分是在作用上。判别模型的别名是概念模型是专门为了从全集划分两个类别用的。
概念的内涵 不等于 概念 不等于 概念的判别模型 这三个东西的区别请重看【五组概念】
1 个赞
这是AI回答的嘛 
- “偶数的判别规则和处理方式是一样的”，这个结论应该是错误的。
- 因为对于一个「输入」的「处理方式」，取决于「输出」，或者说是「目的」。
- 想要预测的「输出」会随场景的变化而变化，即使「输入」所用的概念不变，「输出」的概念变化了，「处理方式 or 关系」就产生了变化。
- 「一个文字描述片段」，比如“可被二人均分”，到底是「现象」、还是「概念」、还是「内涵（分类方式）」，取决于它与其他的当下场景内的概念们之间的关系，不能脱离了语境来判别它到底是什么东西。
ps: 不是ai，为啥会像ai生成的