Теория каузального обучения у детей: каузальные карты и байесовские сети

A Theory of Causal Learning in Children: Causal Maps and Bayes Nets.
Alison Gopnik, Clark Glymour, David M. Sobel, Laura Schulz, Tamar Kushnir, David Danks
2004-01-01

байесовские сетипричинный выводпричинное обучениепричинные картыдети
Авторы представляют когнитивное и вычислительное объяснение каузального обучения у детей. Они предполагают, что дети используют специализированные когнитивные системы, позволяющие им восстанавливать точную «каузальную карту» мира — абстрактное, согласованное, усвоенное представление о каузальных отношениях между событиями. Такое знание можно наглядно описать в терминах формализма направленных графовых каузальных моделей, или байесовских сетей. Каузальное обучение и вывод у детей могут включать вычисления, сходные с теми, которые используются для обучения каузальным байесовским сетям и прогнозирования с их помощью. Результаты экспериментов свидетельствуют о том, что дети в возрасте от 2 до 4 лет конструируют новые каузальные карты, а характер их обучения согласуется с формализмом байесовских сетей.
1
Причинное обучение и выводы у детей могут опираться на вычисления, аналогичные обучению структуре байесовских сетей и прогнозированию с их помощью.
2
Причинные знания детей можно формально описывать с помощью направленных графических причинных моделей, или байесовских сетей.
3
Экспериментальные данные показывают, что дети в возрасте от 2 до 4 лет формируют новые причинные карты в процессе обучения.
4
Обучение детей 2–4 лет согласуется с формализмом байесовских сетей.
5
В статье предложена когнитивно-вычислительная теория, согласно которой дети формируют абстрактные и связные причинные карты отношений между событиями.

Каузальное обучение у детей в возрасте от 2 до 4 лет

Формирование, освоение и использование детьми каузальных карт, представленных в виде причинных байесовских сетей, для каузального вывода и прогнозирования

Publication Details
Publication Date
2004-01-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Alison Gopnik
Clark Glymour
David M. Sobel
Laura Schulz
Tamar Kushnir
David Danks
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%