Теория каузального обучения у детей: каузальные карты и байесовские сети

A Theory of Causal Learning in Children: Causal Maps and Bayes Nets.
David J. Danks, Clark Glymour, David Marc Sobel, Alison Gopnik, Tamar Kushnir, Laura Schulz
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
Cited by
1422
Access Type
Author Information
Authors
David J. Danks
Clark Glymour
David Marc Sobel
Alison Gopnik
Tamar Kushnir
Laura Schulz
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%