Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne, c.d.
|
|
- Emilia Głowacka
- 6 lat temu
- Przeglądów:
Transkrypt
1 Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne, c.d. Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl
2 Peirce Struktura rozumowania abdukcyjnego [11]: Obserwujemy zaskakujące zjawisko C. Gdyby A było prawdziwe, zachodzenie C byłoby oczywiste. Mamy zatem podstawy, by podejrzewać, że A jest prawdziwe. kognitywistyka, rok V (IP UAM) K:TPiR 2 / 34
3 Kilka wstępnych rozstrzygnięć 1 Produkt czy proces? 2 Start i cel. 3 Generowanie a ocena. kognitywistyka, rok V (IP UAM) K:TPiR 3 / 34
4 Trzy modele rozumowań abdukcyjnych [20] Zasada podziału: rodzaj postulowanego związku między hipotezą abdukcyjną a zjawiskami (czy też raczej reprezentacjami zjawisk), którym za jej pomocą próbujemy nadawać sens : czy przed hipotezą abdukcyjną stawia się zadanie wyjaśniania owych zjawisk oraz czy z hipotezy powinny one wynikać (a dokładniej, wynikać logicznie). Model eksplanacyjno-dedukcyjny: związek eksplanacyjny i dedukcyjny zarazem. Model eksplanacyjno-koherencyjny: związek eksplanacyjny, ale niededukcyjny. Model apagogiczny: związek nieeksplanacyjny i niededukcyjny. kognitywistyka, rok V (IP UAM) K:TPiR 4 / 34
5 Model eksplanacyjno-dedukcyjny: składniki procedury abdukcyjnej H jest hipotezą abdukcyjną dla zdania A na gruncie teorii X wówczas, gdy, z uwagi na przyjęte standardy wyprowadzalności spełnione są następujące warunki: (C1) (C2) zdanie A nie jest wyprowadzalne z X oraz zdanie A jest wyprowadzalne z X i H łącznie. 1 Logika bazowa. 2 Metoda dowodowa. 3 Mechanizm generowania hipotez. 4 Implementacja kryteriów oceny hipotez. kognitywistyka, rok V (IP UAM) K:TPiR 5 / 34
6 Model eksplanacyjno-koherencyjny W modelu e-d celem jest zdefiniowanie możliwie efektywnej obliczeniowo procedury generującej hipotezy abdukcyjne, przy czym nie wymaga się, żeby procedura taka była psychologicznie adekwatna. W modelu e-k natomiast chodzi raczej o to, żeby możliwie adekwatnie scharakteryzować rzeczywisty sposób przeprowadzania rozumowań abdukcyjnych, uwzględniając ich (w szerokim sensie) pragmatyczny kontekst. kognitywistyka, rok V (IP UAM) K:TPiR 6 / 34
7 Model eksplanacyjno-koherencyjny: krytyka modelu e-d [20] 1 Kiedy warto uruchomić procedurę poszukiwania hipotez abdukcyjnych? 2 Co decyduje o tym, że postanawiamy szukać wyjaśnień dla tych, a nie innych zjawisk? 3 Czy wyjaśnianie musi mieć charakter dedukcyjny? 4 Reprezentacje niewerbalne? 5 Poszukiwanie wyjaśnień abdukcyjnych może być zadaniem wielopoziomowym. 6 Rozumowania abdukcyjne bywają twórcze. 7 Kryteria oceny są cokolwiek nierealistyczne (niesprzeczność, minimalność). kognitywistyka, rok V (IP UAM) K:TPiR 7 / 34
8 Co i kiedy? W Peirce owskim obserwujemy zaskakujące zjawisko możemy zaskoczenie potraktować: 1 jako metaforę jak w modelu e-d i dokonywać jego interpretacji w zamierzonym formalizmie procedury abdukcyjnej, jako niewyjaśnialne na gruncie zastanej, założonej teorii (nowe bądź anomalne). Ponieważ na gruncie dowolnej teorii dowolnie wiele zjawisk jest niewyjaśnialnych, musimy wyjaśniany problem traktować jako arbitralnie zadany. Zresztą, jestże w pojęciu wynikania logicznego miejsce na jakiekolwiek aspekty podmiotowe? 2 dosłownie ale wówczas zaskoczenie jest czyimś zaskoczeniem, niespodzianka jest niespodzianką dla kogoś. A zatem: nowe bądź anomalne, ale także: istotne. Ważne stają się więc eksplanacyjne potrzeby i epistemiczne żądania rozumującego podmiotu, a różne potrzeby i żądania zaspokajane być mogą przez różne hipotezy. Ponadto, znaczenie zaczynają mieć reakcje emocjonalne (poczynając od poznawczej irytacji ). kognitywistyka, rok V (IP UAM) K:TPiR 8 / 34
9 Wyjaśnianie jeśli nie DN, to co? Dlaczego Jan włamał się do bankomatu? interpretacja pytania, epistemiczne żądania podmiotu. 1 Dlaczego Jan włamał się do bankomatu? 2 Dlaczego Jan włamał się do bankomatu? 3 Dlaczego Jan włamał się do bankomatu? 1 Żeby spłacić karciane długi (wyjaśnienie teleologiczne) 2 Eustachy zachorował i Jan musiał go zastąpić (wyjaśnienie przyczynowe) 3 Kamera ochrony przy bankomacie powędrowała do remontu (w połączeniu ze statystycznym prawem, głoszącym iż pozostawienie rzeczy wartościowych bez ochrony czyni próbę ich zrabowania wielce prawdopodobną wyjaśnienie indukcyjno-statystyczne), itd. kognitywistyka, rok V (IP UAM) K:TPiR 9 / 34
10 Wyjaśnianie jeśli nie DN, to co? Dlaczego Jan włamał się do bankomatu? interpretacja pytania, epistemiczne żądania podmiotu. 1 Dlaczego Jan włamał się do bankomatu? 2 Dlaczego Jan włamał się do bankomatu? 3 Dlaczego Jan włamał się do bankomatu? 1 Żeby spłacić karciane długi (wyjaśnienie teleologiczne) 2 Eustachy zachorował i Jan musiał go zastąpić (wyjaśnienie przyczynowe) 3 Kamera ochrony przy bankomacie powędrowała do remontu (w połączeniu ze statystycznym prawem, głoszącym iż pozostawienie rzeczy wartościowych bez ochrony czyni próbę ich zrabowania wielce prawdopodobną wyjaśnienie indukcyjno-statystyczne), itd. kognitywistyka, rok V (IP UAM) K:TPiR 9 / 34
11 Reprezentacje niewerbalne pocztówki znad krawędzi [9] Architektura systemu wyspecjalizowanego w rozumowaniach przestrzennych (spatial reasoning): z 1) obiektów wyobrażeniowych (imagery objects, pasywnych bądź aktywnych) zbudowane są 2) światy przestrzenne (spatial worlds), przy czym jeden i ten sam obiekt może występować w wielu światach; te z kolei powiązane są regułami nawigacyjnymi, które umożliwiają operowanie obiektami w ramach poszczególnych światów i przenoszenie obiektów z jednego świata do drugiego, tworząc 3) strukturę światów przestrzennych. Taką strukturę możemy rozpatrywać jako skierowany graf i badać zależności między poszczególnymi światami, dokonując przekształceń dopuszczanych przez reguły nawigacyjne. Wiatr, okno, firana, doniczka, liście, kasztanowiec? Logika modalna pierwszego rzędu? kognitywistyka, rok V (IP UAM) K:TPiR 10 / 34
12 Model eksplanacyjno-koherencyjny: Paula Thagarda pomysły na abdukcję [13 19] 1 Rozumowanie. 2 Wyjaśnianie. 3 Model neuronalny (ale sztuczny). 4 Kryteria oceny hipotez. kognitywistyka, rok V (IP UAM) K:TPiR 11 / 34
13 Składniki rozumowań 1 Reprezentowalne za pomocą struktur językowych [12]. 2 Modele stanów rzeczy [7]. Thagard rezygnuje z pojęcia sądu (jako znaczenia zdania) na rzecz biologicznie realistycznych pojęć związanych ze strukturami neuronalnymi : rozumowania są, w jego ujęciu, przekształceniami struktur neuronalnych (a rozumowania wyrażane za pomocą zdań są jedynie szczególnym przypadkiem takich struktur), są procesami w znacznej mierze nieświadomymi, w których wiele informacji, przetwarzanych równolegle, wiązanych jest w spójną całość. kognitywistyka, rok V (IP UAM) K:TPiR 12 / 34
14 Wyjaśnianie W modelu e-k (podobnie zresztą jak w e-d) chętnie wskazuje się na bliskie związki (a niekiedy tożsamość) abdukcji i wnioskowania do najlepszego wyjaśnienia (Inference to the Best Explanation [8]): D jest zbiorem informacji (faktów, obserwacji, danych). H wyjaśnia D (wyjaśniałoby, gdyby było prawdziwe). Żadna inna hipoteza nie wyjaśnia D równie dobrze jak H. Zatem H jest prawdopodobnie prawdziwe. [4] 1 Co to właściwie jest wyjaśnienie? 2 Co to znaczy, że jakieś wyjaśnienie jest lepsze od innych? kognitywistyka, rok V (IP UAM) K:TPiR 13 / 34
15 Paradoksy modelu dedukcyjno-nomologicznego [4] 1 Barometr i burza: z prawa Ilekroć spada wskazówka barometru, tylekroć nadciąga burza i zdania Wskazówka barometru spada logicznie wynika wniosek Nadciąga burza. Wyjaśnienie? [zasada wspólnej przyczyny] 2 Długość cienia masztu można wyjaśnić, obliczając ją na podstawie znajomości m.in. wysokości masztu. Ale w drugą stronę również. Czy długość cienia wyjaśnia wysokość masztu? [asymetria wyjaśniania] 3 Znając położenia ciał niebieskich i prawa mechaniki nieba można obliczyć datę najbliższego zaćmienia Słońca i wyjaśnić je w ten sposób. Ale można też policzyć datę poprzedniego zaćmienia. [wyjaśnienia a predykcje i retrodykcje] 4 Osoby zażywające pigułki antykoncepcyjne nie zachodzą w ciążę. Jan zażywa. To wyjaśnia, dlaczego Jan nie zachodzi w ciążę? [czynniki przyczynowo istotne] kognitywistyka, rok V (IP UAM) K:TPiR 14 / 34
16 Paradoksy modelu indukcyjno-statystycznego [4] 1 Większość pacjentów neurotycznych w następstwie terapii wraca do zdrowia. Jan poddał się psychoterapii. Problem: czy prawdopodobieństwo wyzdrowienia po poddaniu się terapii jest wyraźnie wyższe od prawdopodobieństwa wyzdrowienia bez niej? Takoż: witamina C i katar. 2 Wyrzucenie orła podczas rzutu odpowiednio spreparowaną monetą (w przypadku której prawdopodobieństwo wyrzucenia reszki wynosi 95%). Model IS wyjaśni reszę, ale nie orła choć to wcale nie jest bardziej tajemnicze zdarzenie, a jedynie mniej prawdopodobne. kognitywistyka, rok V (IP UAM) K:TPiR 15 / 34
17 Problemy modelu przyczynowego [4] Przyczyny główne i uboczne: za pożar lasu odpowiada ten, kto wyrzucił butelkę, Słońce, bez którego ściółka by się nie zapaliła, producent butelki...? Gdzie zaczyna się (albo kończy) odpowiedzialność lekarza, za to co zrobił albo czego nie zrobił (The Mistake, sezon 2 House, M. D.)? kognitywistyka, rok V (IP UAM) K:TPiR 16 / 34
18 Wyjaśnianie obchodzenie problemu [3] Problem abdukcyjny czwórka uporządkowana < D all, H all, e, pl > gdzie: D all jest (skończonym) zbiorem danych do wyjaśnienia; H all jest (skończonym) zbiorem hipotez jednostkowych; e jest funkcją ze zbioru potęgowego zbioru H all w zbiór potęgowy zbioru D all ; pl jest funkcją ze zbioru potęgowego zbioru H all w pewien zbiór częściowo uporządkowany. Funkcja e wyznacza eksplanacyjne związki między zbiorem hipotez (H all ) a zbiorem danych do wyjaśnienia (D all ) w ten sposób, że hipotezy należące do zbioru H stanowią wyjaśnienia dla danych należących do e(h). Natomiast pl jest funkcją wyznaczającą wiarygodność zbiorów hipotez. kognitywistyka, rok V (IP UAM) K:TPiR 17 / 34
19 Wyjaśnianie obchodzenie problemu [3] < D all, H all, e, pl > Zbiór hipotez H jest zupełny wtedy i tylko wtedy, gdy wyjaśnia wszystkie dane (czyli gdy e(h) = D all ). Zbiór hipotez H jest oszczędny wtedy i tylko wtedy, gdy żaden jego podzbiór właściwy nie wyjaśnia wszystkich danych wyjaśnianych przez H (czyli nie istnieje podzbiór właściwy H zbioru H, taki że e(h) e(h )). Zbiór hipotez H jest wyjaśnieniem wtedy i tylko wtedy, gdy jest zarazem zupełny i oszczędny, czyli gdy wyjaśnia wszystkie dane i nie zawiera hipotez zbędnych. Zbiór hipotez H jest najlepszym wyjaśnieniem wtedy i tylko wtedy, gdy nie istnieje wyjaśnienie H takie, że pl(h ) > pl(h), czyli gdy żadne inne wyjaśnienie nie jest bardziej wiarygodne niż H. kognitywistyka, rok V (IP UAM) K:TPiR 18 / 34
20 Wyjaśnianie rozbrajanie problemu Thagard: hipoteza wyjaśnia eksplanandum, jeśli jest w stanie przedstawić je jako ostatni element ciągu przyczynowo-skutkowego; wspólnym mianownikiem różnych modeli wyjaśniania jest przyczynowość. Problemy [2]: ontologiczny (czym jest wyjaśnianie?); metodologiczny (na jakiej podstawie rozpoznajemy związki przyczynowe?) Michotte [10] kognitywistyka, rok V (IP UAM) K:TPiR 19 / 34
21 Sztuczny model neuronalny Sieci neuronowe uczone są najpierw reguł przyczynowych oraz związków eksplanacyjnych. Wykrycie potencjalnego eksplanandum, którym może być zjawisko, zdanie bądź jakikolwiek inny rodzaj danych, możliwych do reprezentowania za pomocą sieci, uruchamia moduł odpowiedzialny za reakcję emocjonalną, inicjującą dalszą aktywność. Działania kolejnych populacji neuronów (reprezentujących zapamiętane reguły przyczynowe oraz zasady dokonywania operacji na reprezentacjach) zmierzają do odnalezienia poprzednika reguły, której zjawisko wyjaśniane jest następnikiem, generując w ten sposób wyjaśnienia przyczynowe. Sieci zdolne są także do dokonywania prostej oceny hipotez, bazującej na sprawdzeniu, czy wartość, uzyskiwana przez wybrane wyjaśnienie na wyjściu, jest wystarczająco wyższa od wartości hipotez konkurencyjnych. Jeśli generowanie hipotezy wyjaśniającej kończy się sukcesem, sygnał emocjonalny przełączany jest z zaskoczenia na usatysfakcjonowanie, co z kolei prowadzi do akceptacji wybranej przyczyny jako adekwatnego wyjaśnienia eksplanandum i powrotu sygnału emocjonalnego do wyjściowego, neutralnego poziomu. kognitywistyka, rok V (IP UAM) K:TPiR 20 / 34
22 Kryteria oceny hipotez Konsiliencja. Prostota. Podobieństwo. Koherencja. kognitywistyka, rok V (IP UAM) K:TPiR 21 / 34
23 Konsiliencja* Teoria jest tym bardziej konsilientna, im bardziej unifikuje i systematyzuje wiedzę i z im bardziej różnych dziedzin przedmiotowych pochodzą fakty, które zdolna jest wyjaśniać. Jako że wraz z rozwojem teorii może zmieniać się zarówno poziom unifikowania i systematyzowania, jak i jej obszar zastosowań, konsiliencja teorii jest własnością dynamiczną i może zmieniać się w czasie. Rzecz jasna to, co istotne dla oceny teorii czy hipotezy, to nie prosta liczba wyjaśnianych przez nie faktów, a ich różnorodność i względna istotność. Wskutek tego, w ocenie konsiliencji pojawić się może perspektywa podmiotowa: ocena stopnia różnorodności wyjaśnianych faktów zakłada odpowiednio bogatą wiedzę na temat dziedzin, z których pochodzą, a względna istotność hipotez zależy od epistemicznego celu podmiotu. *Wg Thagarda, nie Wilsona. kognitywistyka, rok V (IP UAM) K:TPiR 22 / 34
24 Prostota Zwięzłość? Minimalność logiczna? Prostota jest funkcją rozmiaru i stopnia skomplikowania zbioru hipotez, a także relacji między samymi hipotezami, potrzebnymi na gruncie danej teorii do wyjaśnienia zaskakujących zjawisk. Tak rozumiana prostota nakłada pewne ograniczenia na konsiliencję: teoria zarazem konsilientna i prosta nie tylko wyjaśnia szeroką gamę zjawisk, ale w wyjaśnianiu tym nie odwołuje się do nadmier nie wielkiej liczby hipotez ad hoc, o wąskim zakresie zastosowania. Pojęcie prostoty jest bardzo złożone kognitywistyka, rok V (IP UAM) K:TPiR 23 / 34
25 Podobieństwo zjawisk wyjaśnianych do już wyjaśnionych ([6]: dźwięk i światło); rozumowań, reguł i rozwiązań problemów stosowanych w wyjaśnianiu różnych zjawisk ([5; 21]: teoria doboru naturalnego i organizmy społeczne). Przy czym rzecz nie w prostym współwystępowaniu zjawisk, a we współwyjaśnianiu. Z faktu, że obiekty A i B mają własności P, Q, R i z faktu, że wykazywanie przez A własności S wyjaśnia, dlaczego A jest P, Q, R wyprowadzić możemy wniosek, że ewentualne wykazywanie przez B własności S byłoby obiecującym wyjaśnieniem wykazywania przez B własności P, Q, R. Wniosek, że B ma własność S byłby być może zbyt daleko idący, ale podobieństwa między A i B podnoszą wartość wyjaśnienia wykazywania własności P, Q, R za pomocą S. Przedmiotem analogii są zatem nie tylko własności obiektów, ale także relacje między obiektami i ich własnościami (zwłaszcza relacje przyczynowe). kognitywistyka, rok V (IP UAM) K:TPiR 24 / 34
26 Podobieństwo Stosowanie znanych modeli nie stanowi istoty wyjaśniania, ale jest pomocne, ceteris paribus. kognitywistyka, rok V (IP UAM) K:TPiR 25 / 34
27 Koherencja 1 Dążenie do maksymalizowania koherencji jest istotą każdego rozumowania. 2 Koherencja jest istotna nie tylko ze względu na kwestię akceptowania bądź odrzucania wniosków rozumowań, ale może być również powiązana z przypisywaniem pozytywnej bądź negatywnej charakterystyki emocjonalnej interesującym nas reprezentacjom. 3 Istotą procesu maksymalizowania koherencji jest porządkowanie przestrzeni reprezentacji za pomocą sieci wzajemnie powiązanych zależności; proces ten można scharakteryzować za pomocą określonych algorytmów. kognitywistyka, rok V (IP UAM) K:TPiR 26 / 34
28 Koherencja Teoria Koherencji Eksplanacyjnej Zasada symetrii: koherencja eksplanacyjna jest relacją symetryczną. Zasada wyjaśniania: (a) hipoteza jest koherentna z wyjaśnianymi przez siebie obserwacjami lub innymi hipotezami; (b) hipotezy, które wspólnie wyjaśniają to samo eksplanandum, są ze sobą koherentne; (c) im więcej hipotez potrzeba, by wyjaśnić jedno eksplanandum, tym niższy poziom ich wzajemnej koherencji. Zasada podobieństwa: podobne hipotezy wyjaśniające podobne zjawiska są ze sobą koherentne. Zasada priorytetu danych: poziom akceptacji elementów, charakteryzujących wyniki obserwacji, nie musi zależeć od związków koherencji. Zasada sprzeczności: elementy sprzeczne nie są ze sobą koherentne. Zasada konkurencji: jeśli elementy P i Q wyjaśniają to samo eksplanandum, a nie są eksplanacyjnie powiązane ze sobą, to nie są ze sobą koherentne. Zasada akceptacji: akceptacja elementu zależy od jego koherencji z reprezentacjami, do systemu których należy. kognitywistyka, rok V (IP UAM) K:TPiR 27 / 34
29 Koherencja Koherencja pełni w ocenie hipotez wyjaśniających rolę metakryterium, sprzężonego co najmniej z konsiliencją i podobieństwem. Abdukcyjne nadawanie sensu zjawiskom zaskakującym polega w gruncie rzeczy na takiej ich interpretacji, która pasuje do dostępnych danych lepiej niż interpretacje alternatywne. Z kolei najlepszą interpretacją jest taka, która oferuje najbardziej spójny, koherentny obraz tego, co próbujemy zrozumieć. Dedukcyjne związki między hipotezą a eksplanandum są tylko jednym z możliwych sposobów pojmowania koherencji i nie mają uprzywilejowanego charakteru w porównaniu ze związkami bazującymi choćby na podobieństwie czy zależnościach percepcyjnych. kognitywistyka, rok V (IP UAM) K:TPiR 28 / 34
30 Struktura rozumowania abdukcyjnego 1 Emocjonalna reakcja zdziwienia, wywołana identyfikacją zjawiska zarazem zaskakującego i interesującego na tyle, by stać się celem wyjaśniania, którego zadaniem jest maksymalizowanie koherencji zbioru reprezentacji mentalnych. 2 Poszukiwanie hipotez wyjaśniających wśród hipotez uprzednio stosowanych lub w każdym razie znanych. 3 Próby konstrukcji nowych hipotez. 4 Ich porównawcza ocena bazująca na, powiązanych z oceną koherencji, kryteriach konsiliencji i podobieństwa, a także prostoty (przy czym granice między generowaniem a oceną hipotez nie są ostre, procesy te przenikają się nawzajem i mogą przebiegać równolegle). 5 Akceptacja wybranej hipotezy powiązana jest z pojawieniem się poznawczego usatysfakcjonowania: proces abdukcji tak jak zaczyna się, tak i kończy reakcją emocjonalną (co nie znaczy, rzecz jasna, że każde rozumowanie abdukcyjne dociera do tego etapu). kognitywistyka, rok V (IP UAM) K:TPiR 29 / 34
31 Jako podsumowanie Paula Thagarda pomysłów na abdukcję: Abdukcja, zamiast przypominać nieco głupkowatego kuzyna dedukcyjnej reguły modus ponendo ponens, jest tak naprawdę znacznie bogatszą i bardziej produktywną (more powerful) formą myślenia. kognitywistyka, rok V (IP UAM) K:TPiR 30 / 34
32 Źródła I [1] Ajdukiewicz, K. [1974]. Logika pragmatyczna. PWN, Warszawa. [2] Bunge, M. [1979]. Causality and Modern Science. Dover Publications, New York, 3 wyd. [3] Bylander, T., Allemang, D., Tanner, M. C., Josephson, J. R. [1995]. The Computational Complexity of Abduction. Rap. tech., Department of Computer and Information Science, The Ohio State University, Columbus. [4] Grobler, A. [2006]. Metodologia nauk. Wydawnictwo Aureus, Wydawnictwo Znak, Kraków. [5] Hamilton, W. D. [1964]. The Genetical Evolution of Social Behaviour, I II. Journal of Theoretical Biology, 7:1 16, [6] Huygens, C. [1690]. Traité de la lumière. Leiden. Angielski przekład dostępny on-line: Treatise on Light, tłum. Silvanus P. Thompson. kognitywistyka, rok V (IP UAM) K:TPiR 31 / 34
33 Źródła II [7] Johnson-Laird, P. N. [1983]. Mental Models. Cambridge University Press, Cambridge, MA. [8] Lipton, P. [2004]. Inference to the Best Explanation. Routledge, London. [9] Magnani, L. [2001]. Abduction, Reason and Science: Processes of Discovery and Explanation. Kluwer Academic Publishers. [10] Michotte, A. [1946]. La Perception de la Causalité. Institut Supérieur de Philosophie, Louvain. Angielski przekład: The perception of causality, tłum. T. Miles i E. Miles, Basic Books, [11] Peirce, C. S. [ ]. Collected Works, Charles Hartshorne, Paul Weiss, Arthur W. Burks (eds.), Harvard University Press, Cambridge, MA. [12] Rips, L. J. [1994]. The Psychology of Proof: Deductive Reasoning in Human Thinking. MIT Press, Cambridge, MA. kognitywistyka, rok V (IP UAM) K:TPiR 32 / 34
34 Źródła III [13] Thagard, P. [1995]. Abductive Reasoning: Logic, Visual Thinking and Coherence. MIT Press, Cambridge, MA. [14] Thagard, P. [2000]. Coherence in Thought and Action. MIT Press, Cambridge, MA. [15] Thagard, P. [2006]. Hot Thought: Mechanisms and Applications of Emotional Cognition. MIT Press, Cambridge, MA. [16] Thagard, P. [2007]. Abductive inference: From philosophical analysis to neural mechanisms. W: A. Feeney, E. Heit (red.), Inductive reasoning: Cognitive, mathematical, and neuroscientific approaches, Cambridge University Press, Cambridge. [17] Thagard, P., Litt, A. [2008]. Models of scientific explanation. W: Sun, R. (red.) The Cambridge Handbook of Computational Psychology. Cambridge University Press, kognitywistyka, rok V (IP UAM) K:TPiR 33 / 34
35 Źródła IV [18] Thagard, P., Shelley, C. P. [1997]. Abductive reasoning: logic, visual thinking and coherence. W: M.-L. Dalla Chiara, K. Doets, D. Mundici, J. van Benthem (red.), Logic and scientific methods, Kluwer Academic Press, Dordrecht. [19] Thagard, P., Verbeurgt, K. [1998]. Coherence as constraint satisfaction. Cognitive Science, 22:1 24. [20] Urbański, M. [2009]. Rozumowania abdukcyjne. Modele i procedury. WN UAM, Poznań. [21] Wilson, E. O. [1975]. Sociobiology: The New Synthesis. Harvard University Press, Cambridge, MA. Polski przekład (wersja skrócona): Socjobiologia, tłum. M. Siemiński, Zysk i S-ka, Poznań kognitywistyka, rok V (IP UAM) K:TPiR 34 / 34
Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne
Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Wiatr i okno Pewnego dnia w wietrzne, jesienne
Bardziej szczegółowoKognitywistyka: tworzenie pojęć i rozumowanie Rozumowania abdukcyjne: model apagogiczny
Kognitywistyka: tworzenie pojęć i rozumowanie Rozumowania abdukcyjne: model apagogiczny Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Plan 1 Trzy modele rozumowań abdukcyjnych 2 Abdukcja
Bardziej szczegółowoKognitywistyka: tworzenie pojęć i rozumowanie Rozumowanie
Kognitywistyka: tworzenie pojęć i rozumowanie Rozumowanie Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE na teraz i zawsze Niniejszy plik nie zawiera wykładu z K:TPiR w
Bardziej szczegółowoKognitywistyka: tworzenie pojęć i rozumowanie Rozumowanie: klasyfikacje i typologie
Kognitywistyka: tworzenie pojęć i rozumowanie Rozumowanie: klasyfikacje i typologie Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Plan gry Struktura rozumowania. Świat prosty: tradycja.
Bardziej szczegółowoKognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne
Kognitywistyka: tworzenie pojęć i rozumowanie Studium przypadku: rozumowania abdukcyjne Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Plan 1 Na przykład 2 Kontekst odkrycia, kontekst
Bardziej szczegółowoO tzw. metaforze komputerowej
Marcin Miłkowski, IFiS PAN O tzw. metaforze komputerowej 18/11/08 Plan prezentacji Czy komputacjonizm to ujęcie metaforyczne? Kryteria adekwatności wyjaśnień obliczeniowych: Epistemiczne Mechanistyczne
Bardziej szczegółowoFilozofia z elementami logiki Klasyfikacja wnioskowań II część 1
Filozofia z elementami logiki Klasyfikacja wnioskowań II część 1 Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@amu.edu.pl Plan: wnioskowania uprawdopodabniające indukcja eliminacyjna 2 Plan:
Bardziej szczegółowoLogika stosowana. Ćwiczenia Wnioskowanie przez abdukcję. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski
Logika stosowana Ćwiczenia Wnioskowanie przez abdukcję Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2013/2014 Marcin Szczuka (MIMUW) Logika stosowana
Bardziej szczegółowoFilozofia z elementami logiki O czym to będzie?
Filozofia z elementami logiki O czym to będzie? Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Filozofia z elementami logiki Dwa fundamentalne pytania: Czym zajmuje się logika? Czym
Bardziej szczegółowoCzy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia
Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Metoda tabel syntetycznych (MTS) MTS
Bardziej szczegółowoFilozofia z elementami logiki Język jako system znaków słownych część 2
Filozofia z elementami logiki Język jako system znaków słownych część 2 Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Rozkład jazdy 1 Pojęcie znaku 2 Funkcje wypowiedzi językowych
Bardziej szczegółowoWprowadzenie do logiki Język jako system znaków słownych
Wprowadzenie do logiki Język jako system znaków słownych Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl język system znaków słownych skoro system, to musi być w tym jakiś porządek;
Bardziej szczegółowoKryteria i zasady w badaniach społecznych
Kryteria i zasady w badaniach społecznych Dobra definicja obszaru i problemu Problem powinien być nowy, nietrywialny, istotny i interesujący. Należy się upewnić, że nie był wcześniej badany. Powinno dać
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Na początek: teoria dowodu, Hilbert, Gödel
Metody dowodzenia twierdzeń i automatyzacja rozumowań Na początek: teoria dowodu, Hilbert, Gödel Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład X/XI: Architektury poznawcze (symboliczne) III: GLAIR/SNePS GLAIR/SNePS - przegląd GLAIR/SNePS (Grounded Layered Architecture with Integrated
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie
Bardziej szczegółowoINTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998)
PARADYGMAT INTUICJE Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PIERWSZE UŻYCIA językoznawstwo: Zespół form deklinacyjnych lub koniugacyjnych
Bardziej szczegółowoWprowadzenie do logiki O czym to będzie?
Wprowadzenie do logiki O czym to będzie? Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Dwa fundamentalne pytania: Czym zajmuje się logika? Czym my się zajmować będziemy? I póki co
Bardziej szczegółowoWprowadzenie do logiki Wyrażenia jako ciągi słów. Automaty skończone
Wprowadzenie do logiki Wyrażenia jako ciągi słów. Automaty skończone Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Dzisiejsza opowieść pochodzi z Wykładów z logiki Marka Tokarza. kognitywistyka,
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoFilozofia z elementami logiki Klasyfikacja wnioskowań I część 1
Filozofia z elementami logiki Klasyfikacja wnioskowań I część 1 Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@amu.edu.pl Plan: definicja pojęcia wnioskowania wypowiedzi inferencyjne i wypowiedzi
Bardziej szczegółowoRACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.
Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana
Bardziej szczegółowoStruktura teorii neurokognitywnych wykład monograficzny 2012/2013. Wykład 12 (07.01.2013)
Struktura teorii neurokognitywnych wykład monograficzny 2012/2013 Wykład 12 (07.01.2013) Zjednoczona nauka: redukcja czy sieć? Jedność nauki programy redukcyjne jedność nauki przez redukcję językową (Rudolf
Bardziej szczegółowoNauki reinżynieryjne. Marcin Miłkowski. Zakład Logiki i Kognitywistyki. IFiS PAN
Nauki reinżynieryjne Marcin Miłkowski Zakład Logiki i Kognitywistyki IFiS PAN Plan Natura z punktu widzenia konstruktora Heurystyka reinżynierii Wyjaśnianie mechanistyczne Mechanizmy w naturze i technice
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...
Bardziej szczegółowoGłówne problemy kognitywistyki: Reprezentacja
Główne problemy kognitywistyki: Reprezentacja Wykład dziesiąty Hipoteza języka myśli (LOT): źródła i założenia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Filozoficzne źródła:
Bardziej szczegółowo6.4 Podstawowe metody statystyczne
156 Wstęp do statystyki matematycznej 6.4 Podstawowe metody statystyczne Spóbujemy teraz w dopuszczalnym uproszczeniu przedstawić istotę analizy statystycznej. W szczególności udzielimy odpowiedzi na postawione
Bardziej szczegółowoWprowadzenie do logiki Pytania i odpowiedzi. Wnioskowania erotetyczne*
Wprowadzenie do logiki Pytania i odpowiedzi. Wnioskowania erotetyczne* Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl * erotema (gr.) pytanie Na początek Pytamy, gdy dążymy do zdobycia
Bardziej szczegółowoModularność: ujęcie funkcjonalne czy architekturalne?
Modularność: ujęcie funkcjonalne czy architekturalne? Marcin Miłkowski Zakład Logiki i Kognitywistyki IFiS PAN Plan Funkcjonalne ujęcia modularności Systemy względnie rozkładalne w analizie modułów Moduł
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura
Bardziej szczegółowoMetodologia badań psychologicznych
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania
Bardziej szczegółowoKsięgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja
Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja WSTĘP. MIĘDZY KRYTYKĄ A OBRONĄ ROZUMU OBLICZENIOWEGO 1. INteNCjA 2. KoMPozyCjA 3. tytuł CZĘŚĆ I. WOKÓŁ METODOLOGII ROZDZIAŁ 1. PO CZYM POZNAĆ
Bardziej szczegółowoKognitywistyka: tworzenie pojęć i rozumowanie Inferencyjna Logika Pytań: pytania i rozumowania erotetyczne*
Kognitywistyka: tworzenie pojęć i rozumowanie Inferencyjna Logika Pytań: pytania i rozumowania erotetyczne* Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl * er tema (gr.) pytanie Historia
Bardziej szczegółowo10/24/2015 CELE ZAJĘĆ PLAN ZAJĘĆ METODY BADAŃ SPOŁECZNYCH WYKŁAD 1
METODY BADAŃ SPOŁECZNYCH WYKŁAD 1 dr Agnieszka Kacprzak CELE ZAJĘĆ Jak w poprawnie metodologiczny sposób rozwiązywać problemy pojawiające się w nauce i w biznesie? Jak definiować problemy badawcze? Jakie
Bardziej szczegółowoBadania naukowe. Tomasz Poskrobko. Metodyka badań naukowych
Badania naukowe Tomasz Poskrobko Metodyka badań naukowych Badania naukowe w szerokim ujęciu etapowy proces twórczych czynności, przebiegający od ustalenia i powzięcia decyzji o rozwiązaniu problemu badawczego,
Bardziej szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoMETODY I TECHNIKI BADAŃ SPOŁECZNYCH
METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Bardziej szczegółowoMetodologia badań naukowych
Metodologia badań naukowych Cele zajęć: Nabycie umiejętności określania problemu badawczego i planowania badania Przyswojenie umiejętności z zakresu przygotowania i przeprowadzenia badania empirycznego
Bardziej szczegółowoPoznawcze znaczenie dźwięku
Poznawcze znaczenie dźwięku Justyna Maculewicz Uniwersytet im. A. Mickiewicza, kognitywistyka (IV rok) akustyka (II rok) e-mail: justynamaculewicz@gmail.com Klasyczne ujęcie słyszenia jako percepcji zdarzeń
Bardziej szczegółowoReferat: Krytyczne czytanie w polonistycznej edukacji wczesnoszkolnej
Propozycje zintegrowanych programów edukacji zatwierdzone przez Ministra Edukacji Narodowej do użytku szkolnego odpowiadają założeniom uprzednio opracowanej przez MEN Podstawie programowej kształcenia
Bardziej szczegółowoGłówne problemy kognitywistyki: Reprezentacja
Główne problemy kognitywistyki: Reprezentacja Wykład 4 Reprezentacja a koncepcje rozszerzonego umysłu i rozszerzonego narzędzia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Rozszerzone
Bardziej szczegółowoZAŁOŻENIA FILOZOFICZNE
ZAŁOŻENIA FILOZOFICZNE Koło Wiedeńskie Karl Popper Thomas Kuhn FILOZOFIA A NAUKA ZAŁOŻENIA W TEORIACH NAUKOWYCH ZAŁOŻENIA ONTOLOGICZNE Jaki jest charakter rzeczywistości językowej? ZAŁOŻENIA EPISTEMOLOGICZNE
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl
Bardziej szczegółowoSYLABUS/ OPIS PRZEDMIOTU
1. Nazwa przedmiotu w języku polskim SYLABUS/ OPIS PRZEDMIOTU Psychologia społeczna 2. Nazwa przedmiotu w języku angielskim Social psychology 3. Jednostka prowadząca przedmiot Wydział Nauk Historycznych
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 6: Psychologia poznawcza
Wstęp do kognitywistyki Wykład 6: Psychologia poznawcza Sześciokąt nauk kognitywnych I. Psychologia poznawcza Poznanie to zdolność człowieka do odbierania informacji z otoczenia i przetwarzania ich w celu
Bardziej szczegółowoMetodologia badań psychologicznych. Psychologia jako nauka empiryczna (1)
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna (1) Literatura J. Brzeziński (2011) Metodologia badań psychologicznych. PWN J. Shaughnessy ;
Bardziej szczegółowo10/4/2015 CELE ZAJĘĆ PLAN ZAJĘĆ METODY BADAŃ SPOŁECZNYCH WYKŁAD 1: ZAJĘCIA WPROWADZAJĄCE
METODY BADAŃ SPOŁECZNYCH WYKŁAD 1: ZAJĘCIA WPROWADZAJĄCE dr Agnieszka Kacprzak CELE ZAJĘĆ Jak w poprawnie metodologiczny sposób rozwiązywać problemy pojawiające się w nauce i w biznesie? Jak definiować
Bardziej szczegółowoModelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Bardziej szczegółowoĆwiczenia z metodyki nauczania rachunku prawdopodobieństwa
Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa 25 marca 209 Zadanie. W urnie jest b kul białych i c kul czarnych. Losujemy n kul bez zwracania. Jakie jest prawdopodobieństwo, że pierwsza kula
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoPaula Thagarda koncepcja rozumowania abdukcyjnego
Paula Thagarda koncepcja rozumowania abdukcyjnego Mariusz Urba«ski Uniwersytet im. Adama Mickiewicza w Poznaniu Streszczenie. Na przykªadzie koncepcji rozumowania abdukcyjnego, autorstwa Paula Thagarda,
Bardziej szczegółowoTeoria polityki społecznej
Teoria polityki społecznej Polityka społeczna między myślą i działaniem Wykład 1 dr hab. Ryszard Szarfenberg http://rszarf.ips.uw.edu.pl/tps/dzienne/ Rok akademicki 2018-2019 Podział zadań między wykład
Bardziej szczegółowoZ punktu widzenia kognitywisty: język naturalny
Z punktu widzenia kognitywisty: język naturalny Wykład I: Czym jest język? http://konderak.eu/pwk13.html Piotr Konderak kondorp@bacon.umcs.lublin.pl p. 205, Collegium Humanicum konsultacje: czwartki, 11:10-12:40
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań III
Wstęp do logiki Klasyczny Rachunek Zdań III Przypomnijmy: Logika: = Teoria form (schematów, reguł) poprawnych wnioskowań. Wnioskowaniem nazywamy jakąkolwiek skończoną co najmniej dwuwyrazową sekwencję
Bardziej szczegółowoCZAS NA MATURĘ Z BIOLOGII 2015 DLA LO
CZAS NA MATURĘ Z BIOLOGII 2015 DLA LO CZAS NA MATURĘ Z BIOLOGII 2015 dla LO Termin egzaminu maturalnego z biologii 7 maja 2015 (czwartek) godz. 14:00 Zakres wiadomości i umiejętności sprawdzanych na egzaminie
Bardziej szczegółowoReprezentacje poznawcze
Reprezentacje poznawcze Reprezentacja poznawcza umysłowy odpowiednik obiektów (realnie istniejących, fikcyjnych, hipotetycznych). Zastępuje swój obiekt w procesach przetwarzania informacji. Reprezentacje
Bardziej szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoETAPY PROCESU BADAWCZEGO. wg Babińskiego
ETAPY PROCESU BADAWCZEGO wg Babińskiego NA ZACHĘTĘ Ludowe porzekadło mówi: CIEKAKAWOŚĆ TO PIERWSZY STOPIEŃ DO PIEKŁA. ale BEZ CIEKAWOŚCI I CHĘCI POZNANIA NIE MA Nauki Badań Rozwoju I jeszcze kilku ciekawych
Bardziej szczegółowoWykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. 1 Logika Klasyczna obejmuje dwie teorie:
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoWstęp do logiki. Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża,
Prof. UAM, dr hab. Zbigniew Tworak Zakład Logiki i Metodologii Nauk Instytut Filozofii Wstęp do logiki Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża, kto poprawnie wnioskuje i uzasadnia
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład IX, 25.04.2016 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Plan na dzisiaj 1. Hipoteza statystyczna 2. Test statystyczny 3. Błędy I-go i II-go rodzaju 4. Poziom istotności,
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoJAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Bardziej szczegółowoWykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA
Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko
Bardziej szczegółowoEwaluacja w polityce społecznej
Ewaluacja w polityce społecznej Ewaluacja oparta na teorii projektu Dr hab. Ryszard Szarfenberg Instytut Polityki Społecznej UW rszarf.ips.uw.edu.pl/ewalps/dzienne/ Rok akademicki 2018/2019 Podejścia do
Bardziej szczegółowoMateriały dla finalistów
Materiały dla finalistów Malachoviacus Informaticus 2016 11 kwietnia 2016 Wprowadzenie Poniższy dokument zawiera opisy zagadnień, które będą niezbędne do rozwiązania zadań w drugim etapie konkursu. Polecamy
Bardziej szczegółowoKRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego
KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego wojtow@uw.edu.pl 1 2 1. SFORMUŁOWANIE PROBLEMU Czy są empiryczne aspekty dowodów matematycznych? Jeśli tak to jakie stanowisko filozoficzne
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoPojęcia to. porównanie trzech sposobów ujmowania pojęć. Monika Marczak IP, UAM
Pojęcia to. porównanie trzech sposobów ujmowania pojęć Monika Marczak IP, UAM Takiego zwierzęcia nie ma?????????? Jeśli brakuje umysłowej reprezentacji pewnego fragmentu rzeczywistości, fragment ten dla
Bardziej szczegółowoPsychologia decyzji. Struktura wykładu DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII. wykład 15 godzin
Psychologia decyzji wykład 15 godzin DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII Struktura wykładu Behawioralna teoria decyzji. Normatywne i deskryptywne modele podejmowania decyzji Cykl myślenia decyzyjnego
Bardziej szczegółowoPercepcja, język, myślenie
Psychologia procesów poznawczych Percepcja, język, myślenie Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. W 1 1.Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. 2. Historia psychologii poznawczej.
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3
Algorytmy wspomagania decyzji Czyli co i jak 2018 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoteoria relewancji jako przykład inferencjonizmu jako przykład słabego kontekstualizmu
teoria relewancji jako przykład inferencjonizmu jako przykład słabego kontekstualizmu teoria relewancji jako przykład inferencjonizmu jako przykład słabego kontekstualizmu Dan Sperber i Deirdre Wilson,
Bardziej szczegółowoSYLABUS. Decydowanie polityczne Nazwa jednostki prowadzącej przedmiot Wydział Socjologiczno-Historyczny Katedra Politologii
Rzeszów, 1 październik 014 r. SYLABUS Nazwa przedmiotu Decydowanie polityczne Nazwa jednostki prowadzącej przedmiot Wydział Socjologiczno-Historyczny Katedra Politologii Kod przedmiotu MK_7 Studia Kierunek
Bardziej szczegółowoPercepcja, język, myślenie
Psychologia procesów poznawczych Percepcja, język, myślenie percepcja cz.1 Wstęp Fizjologia i neuropsychologia percepcji Psychofizyka dr Łukasz Michalczyk Percepcja to proces poprzez który nasz mózg (umysł)
Bardziej szczegółowoORIENTACJE, METODY, PROCEDURY i TECHNIKI BADAWCZE
ORIENTACJE, METODY, PROCEDURY i TECHNIKI BADAWCZE. ORIENTACJA ORIENTACJA = zespół załoŝeń określający sposób ujmowania świata (ontologia) i sposoby jego poznawania (epistemologia) ORIENTACJA TEORETYCZNA:
Bardziej szczegółowo5. Rozważania o pojęciu wiedzy. Andrzej Wiśniewski Wstęp do filozofii Materiały do wykładu 2015/2016
5. Rozważania o pojęciu wiedzy Andrzej Wiśniewski Andrzej.Wisniewski@amu.edu.pl Wstęp do filozofii Materiały do wykładu 2015/2016 Wiedza przez znajomość [by acquaintance] i wiedza przez opis Na początek
Bardziej szczegółowoLOGIKA Wprowadzenie. Robert Trypuz. Katedra Logiki KUL GG października 2013
LOGIKA Wprowadzenie Robert Trypuz Katedra Logiki KUL GG 43 e-mail: trypuz@kul.pl 2 października 2013 Robert Trypuz (Katedra Logiki) Wprowadzenie 2 października 2013 1 / 14 Plan wykładu 1 Informacje ogólne
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowo15. PODSUMOWANIE ZAJĘĆ
15. PODSUMOWANIE ZAJĘĆ Efekty kształcenia: wiedza, umiejętności, kompetencje społeczne Przedmiotowe efekty kształcenia Pytania i zagadnienia egzaminacyjne EFEKTY KSZTAŁCENIA WIEDZA Wykazuje się gruntowną
Bardziej szczegółowoSYLABUS/ OPIS PRZEDMIOTU
1. Nazwa przedmiotu w języku polskim SYLABUS/ OPIS PRZEDMIOTU Psychologia społeczna 2. Nazwa przedmiotu w języku angielskim Social Psychology 3. Jednostka prowadząca przedmiot Wydział Nauk Historycznych
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Algorytmy wspomagania decyzji Czyli co i jak 2013 andrzej.rusiecki@pwr.wroc.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 911/D-20 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoMożliwość zastosowania wielowymiarowej analizy porównawczej w ocenie dokonań gospodarki leśnej. Edward Nowak
Możliwość zastosowania wielowymiarowej analizy porównawczej w ocenie dokonań gospodarki leśnej Edward Nowak Konferencja ekonomiczno-leśna Ekonomiczne aspekty realizacji ekonomicznych, społecznych i gospodarczych
Bardziej szczegółowoUNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH
UNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH Robert Wójcik Instytut Cybernetyki Technicznej Politechniki Wrocławskiej 1. Impasy w systemach procesów współbieżnych 2. Klasyczne algorytmy unikania
Bardziej szczegółowoKARTA PRZEDMIOTU. Egzamin / zaliczenie na ocenę*
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/0 KARTA PRZEDMIOTU Nazwa w języku polskim PRZETWARZANIE INFORMACJI WZROKOWYCH Nazwa w języku angielskim Processing of visual information Kierunek
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoEwaluacja w polityce społecznej
Ewaluacja w polityce społecznej Dane i badania w kontekście ewaluacji Dr hab. Ryszard Szarfenberg Instytut Polityki Społecznej UW rszarf.ips.uw.edu.pl/ewalps/dzienne/ Rok akademicki 2018/2019 Główny problem
Bardziej szczegółowoZbiory, relacje i funkcje
Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację
Bardziej szczegółowo