본 논문은 기대와 반대되는 관측치를 접했을 때 개인이 기대를 조정할지 유지할지를 연구합니다. 특히, A 유형의 물체가 B 유형보다 작다고 기대하지만 반대되는 관측치를 발견했을 때, 두 물체 간의 관계에 대한 기대를 조정할지를 탐구합니다. 직관적으로는 위반이 클수록 적응이 클 것으로 예상되지만, 실험 결과는 위반이 극심할 때 개인이 기존 기대를 유지할 가능성이 더 높음을 보여줍니다. 이러한 현상을 해결하기 위해, 관계 학습이 가능한 인공 신경망(ANN)의 적응을 테스트한 결과, 유사한 현상을 발견했습니다. 표준 학습 역학에 따르면, 작은 위반은 기대 관계의 조정으로 이어지지만, 더 큰 위반은 관계적 기대의 적응 필요성을 우회하는 객체 표현의 변화라는 다른 메커니즘을 사용하여 해결됩니다. 이러한 결과는 큰 기대 위반에 직면했을 때 기존 기대의 안정성이 학습 역학의 자연스러운 결과이며 추가적인 메커니즘을 필요로 하지 않음을 시사합니다. 마지막으로, 중간 적응 단계의 영향에 대해 논의합니다.
