Aprendizaje de conceptos - Concept learning

El aprendizaje de conceptos , también conocido como aprendizaje de categorías , logro de conceptos y formación de conceptos , es definido por Bruner , Goodnow y Austin (1967) como "la búsqueda y lista de atributos que pueden usarse para distinguir ejemplares de no ejemplares de varias categorías. ". Dicho de manera más simple, los conceptos son las categorías mentales que nos ayudan a clasificar objetos, eventos o ideas, partiendo del entendimiento de que cada objeto, evento o idea tiene un conjunto de características relevantes comunes. Por lo tanto, el aprendizaje de conceptos es una estrategia que requiere que el alumno compare y contraste grupos o categorías que contienen características relevantes para el concepto con grupos o categorías que no contienen características relevantes para el concepto.

En una tarea de aprendizaje de conceptos, se capacita a un aprendiz humano o automático para clasificar objetos mostrándole un conjunto de objetos de ejemplo junto con sus etiquetas de clase. El alumno simplifica lo observado condensándolo en forma de ejemplo. Esta versión simplificada de lo aprendido se aplica luego a ejemplos futuros. El aprendizaje de conceptos puede ser simple o complejo porque el aprendizaje tiene lugar en muchas áreas. Cuando un concepto es difícil, es menos probable que el alumno pueda simplificar y, por lo tanto, será menos probable que aprenda. Coloquialmente, la tarea se conoce como aprender de ejemplos. La mayoría de las teorías del aprendizaje de conceptos se basan en el almacenamiento de ejemplos y evitan el resumen o la abstracción abierta de cualquier tipo.

  • Aprendizaje de conceptos: inferir una función con valor booleano a partir de ejemplos de entrenamiento de su entrada y salida.
  • Un concepto es una idea de algo que se forma combinando todas sus características o atributos que construyen el concepto dado. Cada concepto tiene dos componentes:
    • Atributos: características que se deben buscar para decidir si una instancia de datos es positiva del concepto.
    • Una regla: denota qué conjunción de restricciones sobre los atributos calificará como una instancia positiva del concepto.

Tipos de conceptos

El aprendizaje de conceptos debe distinguirse del aprendizaje recitando algo de la memoria (recordar) o discriminando entre dos cosas que difieren (discriminación). Sin embargo, estas cuestiones están estrechamente relacionadas, ya que el recuerdo de los hechos en la memoria podría considerarse un proceso conceptual "trivial" en el que los ejemplos anteriores que representan el concepto son invariantes. Asimismo, si bien la discriminación no es lo mismo que el aprendizaje inicial de conceptos, los procesos de discriminación están involucrados en el refinamiento de conceptos mediante la presentación repetida de ejemplos.

Conceptos concretos o perceptuales frente a conceptos abstractos

Los conceptos concretos son objetos que pueden percibirse mediante sensaciones y percepciones personales. Se trata de objetos como sillas y perros en los que se producen interacciones personales con ellos y crean un concepto. Los conceptos se vuelven más concretos a medida que la palabra que usamos para asociarnos con ellos tiene una entidad perceptible. Según la teoría de la codificación dual de Paivio , los conceptos concretos son los que se recuerdan más fácilmente a partir de sus códigos de memoria perceptual. La evidencia ha demostrado que cuando se escuchan palabras se asocian con un concepto concreto y se recrean cualquier interacción previa con la palabra dentro del sistema sensoriomotor. Ejemplos de conceptos concretos en el aprendizaje son conceptos matemáticos de educación temprana como sumar y restar.

Los conceptos abstractos son palabras e ideas que tratan con emociones, rasgos de personalidad y eventos. Términos como "fantasía" o "frío" tienen un concepto más abstracto dentro de ellos. Cada persona tiene su definición personal, que cambia y se compara constantemente, de los conceptos abstractos. Por ejemplo, el frío podría significar la temperatura física del área circundante o podría definir la acción y la personalidad de otra persona. Mientras que dentro de los conceptos concretos todavía hay un nivel de abstracción, los conceptos concretos y abstractos pueden verse en una escala. Algunas ideas como silla y perro tienen una percepción más cortante y seca, pero conceptos como frío y fantasía pueden verse de una manera más oscura. Ejemplos de aprendizaje de conceptos abstractos son temas como religión y ética. El aprendizaje de conceptos abstractos consiste en ver la comparación de los estímulos basados ​​en una regla (por ejemplo, identidad, diferencia, rareza, mayor que, suma, resta) y cuando se trata de un estímulo novedoso. Con el aprendizaje de conceptos abstractos se tienen tres criterios para descartar cualquier explicación alternativa para definir la novedad de los estímulos. Un estímulo de transferencia tiene que ser novedoso para el individuo. Esto significa que debe ser un nuevo estímulo para el individuo. Dos, no hay replicación de los estímulos de transferencia. En tercer y último lugar, para tener una experiencia de aprendizaje abstracta completa, tiene que haber una cantidad igual de rendimiento de referencia y rendimiento de transferencia.

Binder, Westbury, McKiernan, Possing y Medler (2005) utilizaron fMRI para escanear los cerebros de las personas mientras tomaban decisiones léxicas sobre conceptos abstractos y concretos. Los conceptos abstractos provocaron una mayor activación en la circunvolución precentral izquierda, la circunvolución frontal inferior izquierda y el surco y la circunvolución temporal superior izquierda, mientras que los conceptos concretos provocaron una mayor activación en las circunvoluciones angulares bilaterales, la circunvolución temporal media derecha, la circunvolución frontal media izquierda, el cíngulo posterior bilateral giros y precunei bilateral.

En 1986, Allan Paivio planteó la hipótesis de la teoría de la codificación dual , que establece que tanto la información verbal como la visual se utiliza para representar información. Al pensar en el concepto "perro", surgen pensamientos tanto de la palabra perro como de la imagen de un perro. La teoría de la codificación dual asume que los conceptos abstractos involucran el sistema semántico verbal y los conceptos concretos están involucrados adicionalmente con el sistema imaginario visual.

Conceptos definidos (o relacionales) y asociados

Los conceptos relacionales y asociados son palabras, ideas y pensamientos que están conectados de alguna forma. Para los conceptos relacionales, están conectados en una definición universal. Los términos relacionales comunes son arriba-abajo, izquierda-derecha y comida-cena. Estas ideas se aprenden en nuestra primera infancia y es importante que los niños las comprendan. Estos conceptos son parte integral de nuestro entendimiento y razonamiento en las tareas de conservación. Los términos relacionales que son verbos y preposiciones tienen una gran influencia en cómo se entienden los objetos. Es más probable que estos términos creen una mayor comprensión del objeto y pueden pasar a otros idiomas.

Los conceptos asociados están conectados por el pasado del individuo y su propia percepción. El aprendizaje de conceptos asociativos (también llamado aprendizaje de conceptos funcionales) implica categorizar los estímulos basados ​​en una respuesta o resultado común independientemente de la similitud perceptiva en categorías apropiadas. Se trata de asociar estos pensamientos e ideas con otros pensamientos e ideas que son entendidos por unos pocos o por el individuo. Un ejemplo de esto es en la escuela primaria cuando se aprende la dirección de la brújula Norte, Este, Sur y Oeste. El maestro ha usado “Nunca coma waffles empapados”, “Nunca coma gusanos amargos” y los estudiantes pudieron crear su propia versión para ayudarlos a aprender las instrucciones.

Conceptos complejos . Las construcciones como un esquema y un script son ejemplos de conceptos complejos. Un esquema es una organización de conceptos (o características) más pequeños y se revisa mediante información situacional para ayudar en la comprensión. Un guión, por otro lado, es una lista de acciones que sigue una persona para completar un objetivo deseado. Un ejemplo de guión sería el proceso de compra de un CD. Hay varias acciones que deben ocurrir antes del acto real de comprar el CD y un guión proporciona una secuencia de las acciones necesarias y el orden correcto de estas acciones para tener éxito en la compra del CD.

Métodos de aprendizaje de un concepto

Descubrimiento : cada bebé descubre conceptos por sí mismo, como descubrir que cada uno de sus dedos puede controlarse individualmente o que los cuidadores son individuos. Aunque esto está impulsado por la percepción, la formación del concepto es más que memorizar percepciones.

Ejemplos : la generalización supervisada o no supervisada a partir de ejemplos puede llevar al aprendizaje de un nuevo concepto, pero la formación de conceptos es más que generalizar a partir de ejemplos.

Palabras : escuchar o leer nuevas palabras conduce a aprender nuevos conceptos, pero formar un nuevo concepto es más que aprender una definición de diccionario. Una persona puede haber formado previamente un nuevo concepto antes de encontrar la palabra o frase para él.

Comparación y contraste de ejemplares : una forma eficaz de aprender nuevas categorías e inducir nuevas reglas de categorización es comparando algunos objetos de ejemplo mientras se le informa sobre su relación categórica. La comparación de dos ejemplos mientras se nos informa que los dos son de la misma categoría permite identificar los atributos compartidos por los miembros de la categoría, ya que ejemplifica la variabilidad dentro de esta categoría. Por otro lado, contrastar dos ejemplos mientras se le informa que los dos son de categorías diferentes puede permitir identificar atributos con valor diagnóstico. La comparación dentro de la categoría y el contraste entre categorías no son igualmente útiles para el aprendizaje de categorías (Hammer et al., 2008), y la capacidad de utilizar estas dos formas de cambios de aprendizaje basados ​​en la comparación en la infancia (Hammer et al., 2009).

Invención : cuando las personas prehistóricas que carecían de herramientas usaban sus uñas para raspar la comida de los animales muertos o los melones aplastados, notaron que una piedra rota a veces tenía un borde afilado como una uña y, por lo tanto, era adecuada para raspar la comida. Inventar una herramienta de piedra para evitar las uñas rotas fue un concepto nuevo.

Cuestiones teóricas

En general, las cuestiones teóricas que subyacen al aprendizaje de conceptos son las que subyacen a la inducción . Estas cuestiones se abordan en muchas diversas publicaciones, incluyendo la literatura sobre temas como los espacios Versión , Estadística Teoría de Aprendizaje , PAC Aprendizaje , Teoría de la Información , y algorítmica Teoría de la Información . Algunas de las ideas teóricas generales también son discutidas por Watanabe (1969,1985), Solomonoff (1964a, 1964b) y Rendell (1986); consulte la lista de referencias a continuación.

Teorías psicológicas modernas

Es difícil hacer declaraciones generales sobre el aprendizaje de conceptos humanos (o animales) sin asumir ya una teoría psicológica particular del aprendizaje de conceptos. Aunque las visiones clásicas de los conceptos y el aprendizaje de conceptos en filosofía hablan de un proceso de abstracción , compresión de datos , simplificación y resumen, las teorías psicológicas actualmente populares sobre el aprendizaje de conceptos divergen en todos estos puntos básicos. La historia de la psicología ha visto el auge y la caída de muchas teorías sobre el aprendizaje de conceptos. El condicionamiento clásico (como lo definió Pavlov ) creó la técnica experimental más antigua. El aprendizaje por refuerzo descrito por Watson y elaborado por Clark Hull creó un paradigma duradero en la psicología del comportamiento . La psicología cognitiva enfatizó una metáfora de flujo de información y computadora para la formación de conceptos. Redes neuronales modelos de formación de conceptos y la estructura del conocimiento han abierto potentes modelos jerárquicos de organización del conocimiento, tales como George Miller 's Wordnet . Las redes neuronales se basan en modelos computacionales de aprendizaje que utilizan análisis factorial o convolución . Las redes neuronales también están abiertas a modelos de aprendizaje neurocientíficos y psicofisiológicos siguiendo a Karl Lashley y Donald Hebb .

Basado en reglas

Las teorías del aprendizaje de conceptos basadas en reglas comenzaron con la psicología cognitiva y los primeros modelos informáticos de aprendizaje que podrían implementarse en un lenguaje informático de alto nivel con enunciados computacionales como si: luego reglas de producción. Toman datos de clasificación y una teoría basada en reglas como entrada que son el resultado de un alumno basado en reglas con la esperanza de producir un modelo más preciso de los datos (Hekenaho 1997). La mayoría de los modelos basados ​​en reglas que se han desarrollado son heurísticos, lo que significa que no se han proporcionado análisis racionales y los modelos no están relacionados con enfoques estadísticos de inducción. Un análisis racional para modelos basados ​​en reglas podría suponer que los conceptos se representan como reglas, y luego preguntaría hasta qué grado de creencia un agente racional debería estar de acuerdo con cada regla, con algunos ejemplos observados proporcionados (Goodman, Griffiths, Feldman y Tenenbaum). Las teorías del aprendizaje de conceptos basadas en reglas se centran más en el aprendizaje perceptivo y menos en el aprendizaje de definiciones. Las reglas se pueden usar en el aprendizaje cuando los estímulos son confusos, en lugar de simples. Cuando se utilizan reglas en el aprendizaje, las decisiones se toman basándose únicamente en propiedades y se basan en criterios simples que no requieren mucha memoria (Rouder y Ratcliff, 2006).

Ejemplo de teoría basada en reglas:

"Un radiólogo que utilice la categorización basada en reglas observaría si las propiedades específicas de una imagen de rayos X cumplen ciertos criterios; por ejemplo, ¿existe una diferencia extrema en el brillo en una región sospechosa en relación con otras regiones? Entonces, una decisión se basa en esta propiedad solo." (ver Rouder y Ratcliff 2006)

Prototipo

La visión del prototipo del aprendizaje de conceptos sostiene que las personas abstraen la tendencia central (o prototipo) de los ejemplos experimentados y utilizan esto como base para sus decisiones de categorización.

La visión del prototipo del aprendizaje de conceptos sostiene que las personas categorizan basándose en uno o más ejemplos centrales de una categoría dada seguido de una penumbra de ejemplos cada vez menos típicos. Esto implica que las personas no categorizan basándose en una lista de cosas que corresponden todas a una definición, sino más bien en un inventario jerárquico basado en la similitud semántica con los ejemplos centrales.

Ejemplar

La teoría ejemplar es el almacenamiento de instancias específicas (ejemplares), con nuevos objetos evaluados solo con respecto a qué tan cerca se parecen a miembros específicos conocidos (y no miembros) de la categoría. Esta teoría plantea la hipótesis de que los alumnos almacenan ejemplos textualmente . Esta teoría considera que el aprendizaje de conceptos es sumamente simplista. Solo se representan propiedades individuales. Estas propiedades individuales no son abstractas y no crean reglas. Un ejemplo de cómo podría verse la teoría ejemplar es, "el agua está mojada". Simplemente se sabe que algunos (o uno, o todos) los ejemplos de agua almacenados tienen la propiedad de mojarse. Las teorías basadas en ejemplos se han vuelto más populares empíricamente a lo largo de los años, con alguna evidencia que sugiere que los estudiantes humanos usan estrategias basadas en ejemplos solo en el aprendizaje temprano, formando prototipos y generalizaciones más adelante en la vida. Un resultado importante de los modelos ejemplares en la literatura de psicología ha sido la falta de énfasis en la complejidad en el aprendizaje de conceptos. Una de las teorías ejemplares más conocidas del aprendizaje de conceptos es el Modelo de contexto generalizado (GCM).

Un problema con la teoría ejemplar es que los modelos ejemplares dependen críticamente de dos medidas: similitud entre ejemplares y tener una regla para determinar la pertenencia a un grupo. A veces es difícil lograr o distinguir estas medidas.

Prototipo múltiple

Más recientemente, los psicólogos cognitivos han comenzado a explorar la idea de que los modelos prototipo y ejemplar forman dos extremos. Se ha sugerido que las personas pueden formar una representación prototipo múltiple, además de las dos representaciones extremas. Por ejemplo, considere la categoría 'cuchara'. Hay dos subgrupos o grupos conceptuales distintos: las cucharas tienden a ser grandes y de madera, o pequeñas y de metal. La cuchara prototípica sería entonces un objeto de tamaño mediano hecho de una mezcla de metal y madera, lo cual es claramente una propuesta poco realista. En cambio, una representación más natural de la categoría 'cuchara' consistiría en múltiples (al menos dos) prototipos, uno para cada grupo. Se han realizado diversas propuestas al respecto (Anderson, 1991; Griffiths, Canini, Sanborn & Navarro, 2007; Love, Medin & Gureckis, 2004; Vanpaemel & Storms, 2008). Se puede considerar que estos modelos proporcionan un compromiso entre modelos ejemplares y prototipos.

Basado en explicaciones

La idea básica del aprendizaje basado en la explicación sugiere que un nuevo concepto se adquiere experimentando ejemplos del mismo y formando un esquema básico. En pocas palabras, al observar o recibir las cualidades de una cosa, la mente forma un concepto que posee y es identificado por esas cualidades.

La teoría original, propuesta por Mitchell, Keller y Kedar-Cabelli en 1986 y denominada generalización basada en explicaciones, es que el aprendizaje se produce a través de la generalización progresiva. Esta teoría se desarrolló por primera vez para programar máquinas para que aprendan. Cuando se aplica a la cognición humana, se traduce de la siguiente manera: la mente separa activamente la información que se aplica a más de una cosa y la ingresa en una descripción más amplia de una categoría de cosas. Esto se hace identificando condiciones suficientes para que algo encaje en una categoría, similar a esquematizar.

El modelo revisado gira en torno a la integración de cuatro procesos mentales: generalización, fragmentación, operacionalización y analogía.

  • La generalización es el proceso mediante el cual se reconocen y etiquetan las características de un concepto que son fundamentales para él. Por ejemplo, los pájaros tienen plumas y alas. Todo lo que tenga plumas y alas se identificará como "pájaro".
  • Cuando la información se agrupa mentalmente, ya sea por similitud o parentesco, el grupo se denomina fragmento. Los trozos pueden variar en tamaño de un solo artículo con partes o muchos artículos con muchas partes.
  • Un concepto se operacionaliza cuando la mente es capaz de reconocer activamente ejemplos de él por características y etiquetarlo apropiadamente.
  • La analogía es el reconocimiento de similitudes entre ejemplos potenciales.

Esta teoría particular del aprendizaje de conceptos es relativamente nueva y se están realizando más investigaciones para probarla.

Bayesiano

Tomando un enfoque matemático para el aprendizaje de conceptos, las teorías bayesianas proponen que la mente humana produce probabilidades para una determinada definición de concepto, basándose en ejemplos que ha visto de ese concepto. El concepto bayesiano de probabilidad previa impide que las hipótesis de los alumnos sean demasiado específicas, mientras que la probabilidad de una hipótesis asegura que la definición no sea demasiado amplia.

Por ejemplo, digamos que un padre le muestra a un niño tres caballos y le dicen que se llaman "caballos", ella necesita averiguar exactamente lo que el adulto quiere decir con esta palabra. Es mucho más probable que defina la palabra "caballos" como una referencia a este tipo de animal oa todos los animales , en lugar de un ejemplo extrañamente específico como "todos los caballos excepto Clydedales" , que sería un concepto antinatural. Mientras tanto, la probabilidad de que "caballos" signifique "todos los animales" cuando los tres animales mostrados son todos muy similares es baja. La hipótesis de que la palabra "caballo" se refiere a todos los animales de esta especie es más probable de las tres posibles definiciones, ya que tiene una probabilidad previa razonable y una probabilidad dada los ejemplos.

El teorema de Bayes es importante porque proporciona una herramienta poderosa para comprender, manipular y controlar los datos 5 que tiene una visión más amplia que no se limita al análisis de datos únicamente 6 . El enfoque es subjetivo, y esto requiere la evaluación de probabilidades previas 6 , lo que también lo hace muy complejo. Sin embargo, si los bayesianos demuestran que la evidencia acumulada y la aplicación de la ley de Bayes son suficientes, el trabajo superará la subjetividad de los insumos involucrados 7 . La inferencia bayesiana se puede utilizar para cualquier dato recopilado honestamente y tiene una gran ventaja debido a su enfoque científico 6 .

Un modelo que incorpora la teoría bayesiana del aprendizaje de conceptos es el modelo ACT-R , desarrollado por John R. Anderson . El modelo ACT-R es un lenguaje de programación que define las operaciones cognitivas y perceptivas básicas que habilitan la mente humana al producir una simulación paso a paso del comportamiento humano. Esta teoría explota la idea de que cada tarea que realizan los humanos consiste en una serie de operaciones discretas. El modelo se ha aplicado al aprendizaje y la memoria, la cognición de nivel superior, el lenguaje natural, la percepción y la atención, la interacción humano-computadora, la educación y las fuerzas generadas por computadora.

Además de John R. Anderson, Joshua Tenenbaum ha contribuido al campo del aprendizaje de conceptos; Estudió la base computacional del aprendizaje humano y la inferencia utilizando pruebas de comportamiento de adultos, niños y máquinas de la estadística bayesiana y la teoría de la probabilidad, pero también de la geometría, la teoría de grafos y el álgebra lineal. Tenenbaum está trabajando para lograr una mejor comprensión del aprendizaje humano en términos computacionales y tratando de construir sistemas computacionales que se acerquen a las capacidades de los aprendices humanos.

Teoría de visualización de componentes

La teoría de visualización de componentes (CDT) de MD Merrill es una matriz cognitiva que se centra en la interacción entre dos dimensiones: el nivel de desempeño esperado del alumno y los tipos de contenido del material que se va a aprender. Merrill clasifica el nivel de desempeño de un alumno como: buscar, usar, recordar y el contenido material como: hechos, conceptos, procedimientos y principios. La teoría también se basa en cuatro formas de presentación primarias y varias otras formas de presentación secundaria. Las formas de presentación principales incluyen: reglas, ejemplos, recordatorio y práctica. Las formas de presentación secundaria incluyen: requisitos previos, objetivos, ayudas, mnemotécnicos y comentarios. Una lección completa incluye una combinación de formas de presentación primarias y secundarias, pero la combinación más efectiva varía de un alumno a otro y también de un concepto a otro. Otro aspecto significativo del modelo CDT es que permite que el alumno controle las estrategias de instrucción utilizadas y las adapte para satisfacer su propio estilo y preferencia de aprendizaje. Un objetivo principal de este modelo era reducir tres errores comunes en la formación de conceptos: generalización excesiva, generalización insuficiente y conceptos erróneos.

Ver también

Referencias