Proponujemy now\u0105 wersj\u0119 \u201eteorii teoretycznej\u201d opart\u0105 na ramach obliczeniowych probabilistycznych modeli przyczynowych i uczenia si\u0119 Bayesa. Modele probabilistyczne pozwalaj\u0105 na konstruktywistyczne, ale rygorystyczne i szczeg\u00f3\u0142owe podej\u015bcie do rozwoju poznawczego. Wyja\u015bniaj\u0105 tak\u017ce uczenie si\u0119 zar\u00f3wno bardziej szczeg\u00f3\u0142owych hipotez przyczynowych, jak i bardziej abstrakcyjnych teorii ramowych. Nakre\u015blamy nowe koncepcje teoretyczne, wyja\u015bniamy ramy obliczeniowe w intuicyjny i nietechniczny spos\u00f3b oraz dokonujemy przegl\u0105du obszernego, ale stosunkowo najnowszego zbioru wynik\u00f3w empirycznych, kt\u00f3re potwierdzaj\u0105 te koncepcje. Nale\u017c\u0105 do nich nowe badania nad mechanizmami uczenia si\u0119. Dzieci wnioskuj\u0105 o strukturze przyczynowej na podstawie informacji statystycznych, poprzez w\u0142asne dzia\u0142ania na \u015bwiecie i obserwacje dzia\u0142a\u0144 innych. Badania wykazuj\u0105 te mechanizmy uczenia si\u0119 u dzieci w wieku od 16 miesi\u0119cy do 4 lat i obejmuj\u0105 badania nad przyczynowym uczeniem si\u0119 statystycznym, nieformalnym eksperymentowaniem poprzez zabaw\u0119 oraz na\u015bladownictwem i nieformaln\u0105 pedagogik\u0105. Nale\u017c\u0105 do nich tak\u017ce badania nad zmienno\u015bci\u0105 i post\u0119powym charakterem intuicyjnej teorii zmiany, zw\u0142aszcza teorii umys\u0142u. Badania te dotycz\u0105 zar\u00f3wno sfery fizycznej, jak i psychologicznej i spo\u0142ecznej. Ko\u0144czymy sugestiami dotycz\u0105cymi dalszych wsp\u00f3lnych projekt\u00f3w mi\u0119dzy naukowcami zajmuj\u0105cymi si\u0119 kognitywizmem rozwojowym i obliczeniowym.<\/p>\n
Og\u00f3lnie rzecz bior\u0105c, wydaje si\u0119, \u017ce ma\u0142e dzieci maj\u0105 siln\u0105 potrzeb\u0119 badania \u015brodowiska w spos\u00f3b ujawniaj\u0105cy jego podstawow\u0105 struktur\u0119 przyczynow\u0105. Ale czy w tym d\u0105\u017ceniu do zrozumienia rzeczywi\u015bcie s\u0105 specjalnie nastawieni na przypadkowe informacje, czy te\u017c wykazuj\u0105 r\u00f3wne zainteresowanie innymi rodzajami nieoczywistych informacji o \u015bwiecie? Aby odpowiedzie\u0107 na to pytanie, przedstawili\u015bmy 20 trzyletnim dzieciom dwie lalki, kt\u00f3re chcia\u0142y opowiedzie\u0107 dziecku o zestawie nowatorskich artefakt\u00f3w i zwierz\u0105t. Jedna marionetka konsekwentnie opisywa\u0142a przyczynowe w\u0142a\u015bciwo\u015bci przedmiot\u00f3w, podczas gdy druga marionetka konsekwentnie opisywa\u0142a starannie dopasowane nieprzyczynowe w\u0142a\u015bciwo\u015bci tych samych przedmiot\u00f3w. Po okresie zapoznawczym, podczas kt\u00f3rego dzieci dowiedzia\u0142y si\u0119, jakiego rodzaju informacji mog\u0105 oczekiwa\u0107 od ka\u017cdego informatora, dzieci mia\u0142y mo\u017cliwo\u015b\u0107 wyboru, kt\u00f3re z o\u015bmiu przedstawionych na ilustracji pozycji testowych chc\u0105 us\u0142ysze\u0107. \u015arednio w 72% bada\u0144 dzieci wola\u0142y s\u0142ucha\u0107 informatora, kt\u00f3ry przedstawi\u0142 opis przyczyn. Ta preferencja dla informacji przyczynowych ma wa\u017cne implikacje dla wyja\u015bnienia roli informacji poj\u0119ciowych we wspieraniu wczesnego uczenia si\u0119 i mo\u017ce sugerowa\u0107 sposoby maksymalizacji zainteresowania i motywacji u ma\u0142ych dzieci.<\/p>\n
Badania sugeruj\u0105, \u017ce w wieku pi\u0119ciu lat dzieci posiadaj\u0105 rozleg\u0142\u0105 wiedz\u0119 na temat przyczyn przyczynowych w formie intuicyjnych teorii. Kluczowym pytaniem dla kognitywistyki rozwojowej jest to, w jaki spos\u00f3b ma\u0142e dzieci mog\u0105 uczy\u0107 si\u0119 struktury przyczynowej na podstawie dowod\u00f3w. Niedawno badacze zajmuj\u0105cy si\u0119 informatyk\u0105 i statystyk\u0105 opracowali reprezentacje (przyczynowe sieci Bayesa) i algorytmy uczenia si\u0119 w celu wnioskowania o strukturze przyczynowej na podstawie dowod\u00f3w. W tym miejscu badamy dowody sugeruj\u0105ce, \u017ce niemowl\u0119ta i dzieci maj\u0105 warunki wst\u0119pne do wyci\u0105gania wniosk\u00f3w przyczynowych sp\u00f3jnych z przyczynowymi algorytmami uczenia si\u0119 sieci Bayesa. W szczeg\u00f3lno\u015bci przygl\u0105damy si\u0119 zdolno\u015bci niemowl\u0105t i dzieci do uczenia si\u0119 na podstawie dowod\u00f3w w postaci prawdopodobie\u0144stw warunkowych, interwencji i ich kombinacji.<\/p>\n","protected":false},"comment_status":"open","ping_status":"closed","template":"","class_list":["post-14483","lesson","type-lesson","status-publish","hentry"],"yoast_head":"\n