Aprendizagem de conceitos - Concept learning

Aprendizagem de conceito , também conhecida como aprendizagem de categoria , obtenção de conceito e formação de conceito , é definida por Bruner , Goodnow, & Austin (1967) como "a busca e listagem de atributos que podem ser usados ​​para distinguir exemplares de não exemplares de várias categorias " Simplificando, os conceitos são as categorias mentais que nos ajudam a classificar objetos, eventos ou ideias, construindo na compreensão de que cada objeto, evento ou ideia tem um conjunto de características relevantes comuns. Assim, a aprendizagem do conceito é uma estratégia que requer que o aluno compare e contraste grupos ou categorias que contêm características relevantes para o conceito com grupos ou categorias que não contêm características relevantes para o conceito.

Em uma tarefa de aprendizado de conceito, um aluno humano ou de máquina é treinado para classificar objetos, sendo mostrado um conjunto de objetos de exemplo junto com seus rótulos de classe. O aluno simplifica o que foi observado condensando-o na forma de um exemplo. Esta versão simplificada do que foi aprendido é então aplicada a exemplos futuros. O aprendizado de conceitos pode ser simples ou complexo porque o aprendizado ocorre em muitas áreas. Quando um conceito é difícil, é menos provável que o aluno seja capaz de simplificar e, portanto, será menos provável que aprenda. Coloquialmente, a tarefa é conhecida como aprender com exemplos. A maioria das teorias de aprendizagem de conceitos é baseada no armazenamento de exemplares e evita sumarização ou abstração aberta de qualquer tipo.

  • Aprendizado de conceito: inferir uma função de valor booleano a partir de exemplos de treinamento de sua entrada e saída.
  • Um conceito é uma ideia de algo formado pela combinação de todas as suas características ou atributos que constroem o conceito dado. Cada conceito tem dois componentes:
    • Atributos: características que se deve procurar para decidir se uma instância de dados é positiva do conceito.
    • Uma regra: denota qual conjunção de restrições nos atributos se qualificará como uma instância positiva do conceito.

Tipos de conceitos

A aprendizagem de conceitos deve ser distinguida da aprendizagem recitando algo da memória (recordação) ou discriminando entre duas coisas que diferem (discriminação). No entanto, essas questões estão intimamente relacionadas, uma vez que a evocação da memória de fatos pode ser considerada um processo conceitual "trivial", onde os exemplares anteriores que representam o conceito são invariantes. Da mesma forma, embora a discriminação não seja o mesmo que o aprendizado inicial do conceito, os processos de discriminação estão envolvidos no refinamento dos conceitos por meio da apresentação repetida de exemplares.

Conceitos concretos ou perceptivos versus conceitos abstratos

Conceitos concretos são objetos que podem ser percebidos por sensações e percepções pessoais. São objetos como cadeiras e cachorros onde as interações pessoais ocorrem com eles e criam um conceito. Os conceitos tornam-se mais concretos à medida que a palavra que usamos para nos associar a eles tem uma entidade perceptível. De acordo com a teoria da codificação dual de Paivio , os conceitos concretos são aqueles que são mais facilmente lembrados de seus códigos de memória perceptual. As evidências mostram que, quando as palavras são ouvidas, elas são associadas a um conceito concreto e reencenam qualquer interação anterior com a palavra dentro do sistema sensório-motor. Exemplos de conceitos concretos na aprendizagem são os primeiros conceitos matemáticos educacionais, como adição e subtração.

Conceitos abstratos são palavras e ideias que lidam com emoções, traços de personalidade e eventos. Termos como "fantasia" ou "frio" possuem um conceito mais abstrato. Cada pessoa tem sua definição pessoal, que está sempre mudando e comparando, de conceitos abstratos. Por exemplo, o frio pode significar a temperatura física da área circundante ou pode definir a ação e a personalidade de outra pessoa. Embora dentro dos conceitos concretos ainda haja um nível de abstração, os conceitos concretos e abstratos podem ser vistos em uma escala. Algumas ideias como cadeira e cachorro são mais simples em suas percepções, mas conceitos como frio e fantasia podem ser vistos de uma forma mais obscura. Exemplos de aprendizagem de conceitos abstratos são tópicos como religião e ética. A aprendizagem do conceito abstrato é ver a comparação dos estímulos com base em uma regra (por exemplo, identidade, diferença, estranheza, maior que, adição, subtração) e quando é um estímulo novo. Com a aprendizagem de conceito abstrato há três critérios para descartar quaisquer explicações alternativas para definir a novidade dos estímulos. Um estímulo de transferência deve ser novo para o indivíduo. Isso significa que precisa ser um novo estímulo para o indivíduo. Dois, não há replicação dos estímulos de transferência. Em terceiro e último lugar, para ter uma experiência de aprendizagem totalmente abstrata, deve haver uma quantidade igual de desempenho de linha de base e desempenho de transferência.

Binder, Westbury, McKiernan, Possing e Medler (2005) usaram fMRI para escanear o cérebro de indivíduos enquanto eles tomavam decisões lexicais sobre conceitos abstratos e concretos. Conceitos abstratos provocaram maior ativação no giro pré-central esquerdo, giro frontal inferior esquerdo e sulco, e giro temporal superior esquerdo, enquanto conceitos concretos provocaram maior ativação em giros angulares bilaterais, giro temporal médio direito, giro frontal médio esquerdo, cingulado posterior bilateral giros e precunei bilateral.

Em 1986, Allan Paivio formulou a hipótese da Teoria da Codificação Dupla , que afirma que tanto a informação verbal quanto a visual são usadas para representar a informação. Ao pensar no conceito “cachorro”, ocorrem pensamentos tanto da palavra cachorro quanto da imagem de um cachorro. A Teoria da Codificação Dual assume que conceitos abstratos envolvem o sistema semântico verbal e conceitos concretos estão adicionalmente envolvidos com o sistema imaginário visual.

Conceitos Definidos (ou Relacionais) e Associados

Conceitos relacionais e associados são palavras, ideias e pensamentos que estão conectados de alguma forma. Para conceitos relacionais, eles estão conectados em uma definição universal. Os termos relacionais comuns são cima-baixo, esquerda-direita e comida-jantar. Essas idéias são aprendidas na primeira infância e são importantes para as crianças entenderem. Esses conceitos são essenciais para a nossa compreensão e raciocínio nas tarefas de conservação. Os termos relacionais que são verbos e preposições têm uma grande influência sobre como os objetos são compreendidos. É mais provável que esses termos criem uma compreensão mais ampla do objeto e sejam capazes de passar para outras linguagens.

Os conceitos associados são conectados pelo passado do indivíduo e pela própria percepção. A aprendizagem de conceito associativo (também chamada de aprendizagem de conceito funcional) envolve a categorização de estímulos com base em uma resposta ou resultado comum, independentemente da semelhança perceptiva, em categorias apropriadas. Isso é associar esses pensamentos e idéias a outros pensamentos e idéias que são compreendidos por poucos ou pelo indivíduo. Um exemplo disso é no ensino fundamental, ao aprender a direção da bússola Norte, Leste, Sul e Oeste. O professor usou “Never Eat Soggy Waffles”, “Never Eat Sour Worms” e os alunos puderam criar sua própria versão para ajudá-los a aprender as instruções.

Conceitos complexos . Construções como um esquema e um script são exemplos de conceitos complexos. Um esquema é uma organização de conceitos (ou recursos) menores e é revisado por informações situacionais para auxiliar na compreensão. Um script, por outro lado, é uma lista de ações que uma pessoa segue para cumprir uma meta desejada. Um exemplo de script seria o processo de compra de um CD. Existem várias ações que devem ocorrer antes do ato real de compra do CD e um script fornece uma sequência das ações necessárias e a ordem adequada dessas ações para que a compra do CD seja bem-sucedida.

Métodos de aprendizagem de um conceito

Descoberta - Todo bebê descobre conceitos por si mesmo, como descobrir que cada um de seus dedos pode ser controlado individualmente ou que os cuidadores são indivíduos. Embora isso seja impulsionado pela percepção, a formação do conceito é mais do que memorizar percepções.

Exemplos - A generalização supervisionada ou não supervisionada a partir de exemplos pode levar ao aprendizado de um novo conceito, mas a formação de conceito é mais do que generalizar a partir de exemplos.

Palavras - Ouvir ou ler novas palavras leva ao aprendizado de novos conceitos, mas formar um novo conceito é mais do que aprender uma definição de dicionário. Uma pessoa pode ter formado um novo conceito antes de encontrar a palavra ou frase para ele.

Comparação e contraste de exemplos - uma maneira eficiente de aprender novas categorias e induzir novas regras de categorização é comparando alguns objetos de exemplo enquanto é informado sobre sua relação categórica. Comparar dois exemplares e ser informado que os dois pertencem à mesma categoria permite identificar os atributos compartilhados pelos membros da categoria, pois exemplifica a variabilidade dentro desta categoria. Por outro lado, contrastar dois exemplares e ao mesmo tempo ser informado de que os dois são de categorias diferentes pode permitir a identificação de atributos com valor diagnóstico. Na comparação de categorias e entre as categorias, o contraste não é igualmente útil para a aprendizagem de categorias (Hammer et al., 2008), e a capacidade de usar essas duas formas de aprendizagem baseada em comparação muda na infância (Hammer et al., 2009).

Invenção - Quando pessoas pré-históricas que careciam de ferramentas usavam suas unhas para raspar comida de animais mortos ou melões esmagados, eles notaram que uma pedra quebrada às vezes tinha uma ponta afiada como uma unha e, portanto, era adequada para raspar comida. Inventar uma ferramenta de pedra para evitar unhas quebradas foi um novo conceito.

Questões teóricas

Em geral, as questões teóricas subjacentes à aprendizagem de conceitos são aquelas subjacentes à indução . Estas questões são abordadas em muitas publicações diversas, incluindo literatura sobre temas como espaços Versão , Estatística Teoria da Aprendizagem , PAC Aprendizagem , Teoria da Informação , e Algorithmic Teoria da Informação . Algumas das idéias teóricas gerais também são discutidas por Watanabe (1969,1985), Solomonoff (1964a, 1964b) e Rendell (1986); veja a lista de referência abaixo.

Teorias psicológicas modernas

É difícil fazer quaisquer afirmações gerais sobre o aprendizado de conceitos humano (ou animal) sem já assumir uma teoria psicológica particular de aprendizado de conceitos. Embora as visões clássicas de conceitos e aprendizagem de conceitos em filosofia falem de um processo de abstração , compressão de dados , simplificação e sumarização, as teorias psicológicas atualmente populares de aprendizagem de conceitos divergem em todos esses pontos básicos. A história da psicologia viu a ascensão e queda de muitas teorias sobre o aprendizado de conceitos. O condicionamento clássico (conforme definido por Pavlov ) criou a técnica experimental mais antiga. O aprendizado por reforço, conforme descrito por Watson e elaborado por Clark Hull, criou um paradigma duradouro em psicologia comportamental . A psicologia cognitiva enfatizou uma metáfora de fluxo de informação e computador para a formação de conceitos. Os modelos de rede neural de formação de conceito e a estrutura do conhecimento abriram poderosos modelos hierárquicos de organização do conhecimento, como o Wordnet de George Miller . As redes neurais são baseadas em modelos computacionais de aprendizagem usando análise fatorial ou convolução . As redes neurais também estão abertas a modelos de neurociência e psicofisiológicos de aprendizagem seguindo Karl Lashley e Donald Hebb .

Baseado em regras

As teorias de aprendizagem de conceitos baseadas em regras começaram com a psicologia cognitiva e os primeiros modelos computacionais de aprendizagem que podem ser implementados em uma linguagem de computador de alto nível com declarações computacionais como se: então regras de produção. Eles tomam dados de classificação e uma teoria baseada em regras como entrada, que são o resultado de um aluno baseado em regras com a esperança de produzir um modelo de dados mais preciso (Hekenaho 1997). A maioria dos modelos baseados em regras que foram desenvolvidos são heurísticos, o que significa que análises racionais não foram fornecidas e os modelos não estão relacionados a abordagens estatísticas para indução. Uma análise racional para modelos baseados em regras poderia presumir que os conceitos são representados como regras e, então, perguntaria em que grau de crença um agente racional deve estar de acordo com cada regra, com alguns exemplos observados fornecidos (Goodman, Griffiths, Feldman e Tenenbaum). As teorias de aprendizagem de conceitos baseadas em regras focam mais na aprendizagem perceptual e menos na aprendizagem de definições. As regras podem ser usadas na aprendizagem quando os estímulos são confundíveis, ao invés de simples. Quando as regras são usadas na aprendizagem, as decisões são tomadas com base apenas nas propriedades e dependem de critérios simples que não requerem muita memória (Rouder e Ratcliff, 2006).

Exemplo de teoria baseada em regras:

"Um radiologista usando a categorização baseada em regras observaria se propriedades específicas de uma imagem de raios-X atendem a certos critérios; por exemplo, há uma diferença extrema de brilho em uma região suspeita em relação a outras regiões? A decisão é então baseada nesta propriedade sozinho." (ver Rouder e Ratcliff 2006)

Protótipo

A visão de protótipo do aprendizado de conceito sustenta que as pessoas abstraem a tendência central (ou protótipo) dos exemplos experimentados e usam isso como base para suas decisões de categorização.

A visão do protótipo de aprendizado de conceito sustenta que as pessoas categorizam com base em um ou mais exemplos centrais de uma determinada categoria, seguidos por uma penumbra de exemplos cada vez mais típicos. Isso implica que as pessoas não categorizam com base em uma lista de coisas que correspondem a uma definição, mas sim em um inventário hierárquico baseado na semelhança semântica com o (s) exemplo (s) central (is).

Exemplar

A teoria exemplar é o armazenamento de instâncias específicas (exemplares), com novos objetos avaliados apenas no que diz respeito a quão próximos eles se assemelham a membros específicos conhecidos (e não membros) da categoria. Essa teoria pressupõe que os alunos armazenam exemplos literalmente . Essa teoria vê o aprendizado de conceitos como altamente simplista. Apenas propriedades individuais são representadas. Essas propriedades individuais não são abstratas e não criam regras. Um exemplo de como a teoria exemplar pode se parecer é, "a água é úmida". Sabe-se simplesmente que alguns (ou um, ou todos) os exemplos de água armazenados têm a propriedade molhada. Teorias baseadas em exemplos tornaram-se mais empiricamente populares ao longo dos anos, com algumas evidências sugerindo que os alunos humanos usam estratégias baseadas em exemplos apenas na aprendizagem inicial, formando protótipos e generalizações mais tarde na vida. Um resultado importante de modelos exemplares na literatura da psicologia foi a redução da ênfase na complexidade no aprendizado de conceitos. Uma das teorias exemplares mais conhecidas de aprendizagem de conceito é o Modelo de Contexto Generalizado (GCM).

Um problema com a teoria dos exemplares é que os modelos dos exemplares dependem criticamente de duas medidas: similaridade entre os exemplares e ter uma regra para determinar a associação do grupo. Às vezes é difícil alcançar ou distinguir essas medidas.

Protótipo múltiplo

Mais recentemente, psicólogos cognitivos começaram a explorar a ideia de que o protótipo e os modelos exemplares formam dois extremos. Foi sugerido que as pessoas são capazes de formar uma representação de protótipo múltipla, além das duas representações extremas. Por exemplo, considere a categoria 'colher'. Existem dois subgrupos distintos ou grupos conceituais: as colheres tendem a ser grandes e de madeira ou pequenas e feitas de metal. A colher prototípica seria então um objeto de tamanho médio feito de uma mistura de metal e madeira, o que é claramente uma proposta irreal. Uma representação mais natural da categoria 'colher' consistiria em vários (pelo menos dois) protótipos, um para cada cluster. Uma série de propostas diferentes foram feitas a esse respeito (Anderson, 1991; Griffiths, Canini, Sanborn & Navarro, 2007; Love, Medin & Gureckis, 2004; Vanpaemel & Storms, 2008). Esses modelos podem ser considerados como um meio-termo entre os modelos exemplar e protótipo.

Baseado em explicação

A ideia básica da aprendizagem baseada em explicações sugere que um novo conceito é adquirido experimentando exemplos dele e formando um esboço básico. Simplificando, ao observar ou receber as qualidades de uma coisa, a mente forma um conceito que possui e é identificado por essas qualidades.

A teoria original, proposta por Mitchell, Keller e Kedar-Cabelli em 1986 e chamada de generalização baseada na explicação, é que a aprendizagem ocorre por meio da generalização progressiva. Essa teoria foi desenvolvida pela primeira vez para programar máquinas para aprender. Quando aplicado à cognição humana, ele se traduz da seguinte forma: a mente separa ativamente as informações que se aplicam a mais de uma coisa e as insere em uma descrição mais ampla de uma categoria de coisas. Isso é feito identificando condições suficientes para que algo se encaixe em uma categoria, semelhante à esquematização.

O modelo revisado gira em torno da integração de quatro processos mentais - generalização, fragmentação, operacionalização e analogia.

  • Generalização é o processo pelo qual as características de um conceito que lhe são fundamentais são reconhecidas e rotuladas. Por exemplo, pássaros têm penas e asas. Qualquer coisa com penas e asas será identificada como 'pássaro'.
  • Quando as informações são agrupadas mentalmente, seja por semelhança ou parentesco, o grupo é chamado de bloco. Os pedaços podem variar em tamanho, desde um único item com peças ou muitos itens com muitas peças.
  • Um conceito é operacionalizado quando a mente é capaz de reconhecer ativamente exemplos dele por características e rotulá-lo apropriadamente.
  • Analogia é o reconhecimento de semelhanças entre exemplos potenciais.

Esta teoria particular de aprendizagem de conceitos é relativamente nova e mais pesquisas estão sendo conduzidas para testá-la.

Bayesiano

Adotando uma abordagem matemática para a aprendizagem de conceitos, as teorias bayesianas propõem que a mente humana produz probabilidades para uma determinada definição de conceito, com base em exemplos que viu desse conceito. O conceito bayesiano de probabilidade anterior impede que as hipóteses dos alunos sejam excessivamente específicas, enquanto a probabilidade de uma hipótese garante que a definição não seja muito ampla.

Por exemplo - digamos que um pai mostre três cavalos a uma criança e diga que eles são chamados de "cavalos" - ela precisa descobrir exatamente o que o adulto quer dizer com essa palavra. É muito mais provável que ela defina a palavra "cavalos" como se referindo a esse tipo de animal ou a todos os animais , em vez de um exemplo estranhamente específico como "todos os cavalos, exceto Clydedales" , que seria um conceito não natural. Enquanto isso, a probabilidade de 'cavalos' significar 'todos os animais' quando os três animais mostrados são todos muito semelhantes é baixa. A hipótese de que a palavra "cavalo" se refere a todos os animais desta espécie é a mais provável das três definições possíveis, pois tem uma probabilidade anterior razoável e exemplos dados de probabilidade.

O teorema de Bayes é importante porque fornece uma ferramenta poderosa para compreender, manipular e controlar dados 5 que tem uma visão mais ampla que não se limita apenas à análise de dados 6 . A abordagem é subjetiva, o que requer a avaliação de probabilidades prévias 6 , o que a torna também muito complexa. Porém, se os bayesianos mostrarem que as evidências acumuladas e a aplicação da lei de Bayes são suficientes, o trabalho superará a subjetividade dos insumos envolvidos 7 . A inferência bayesiana pode ser usada para quaisquer dados coletados honestamente e tem uma grande vantagem devido ao seu foco científico 6 .

Um modelo que incorpora a teoria Bayesiana de aprendizagem de conceitos é o modelo ACT-R , desenvolvido por John R. Anderson . O modelo ACT-R é uma linguagem de programação que define as operações cognitivas e perceptivas básicas que habilitam a mente humana ao produzir uma simulação passo a passo do comportamento humano. Essa teoria explora a ideia de que cada tarefa que os humanos executam consiste em uma série de operações discretas. O modelo foi aplicado à aprendizagem e memória, cognição de nível superior, linguagem natural, percepção e atenção, interação humano-computador, educação e forças geradas por computador.

Além de John R. Anderson, Joshua Tenenbaum tem contribuído para o campo do aprendizado de conceitos; ele estudou a base computacional da aprendizagem humana e inferência usando testes comportamentais de adultos, crianças e máquinas de estatística bayesiana e teoria da probabilidade, mas também da geometria, teoria dos gráficos e álgebra linear. Tenenbaum está trabalhando para alcançar uma melhor compreensão da aprendizagem humana em termos computacionais e tentando construir sistemas computacionais que se aproximem das capacidades dos alunos humanos.

Teoria de exibição de componentes

A teoria de exibição de componentes (CDT) de MD Merrill é uma matriz cognitiva que se concentra na interação entre duas dimensões: o nível de desempenho esperado do aluno e os tipos de conteúdo do material a ser aprendido. Merrill classifica o nível de desempenho do aluno como: encontrar, usar, lembrar e o conteúdo do material como: fatos, conceitos, procedimentos e princípios. A teoria também exige quatro formas de apresentação primárias e várias outras formas de apresentação secundárias. Os principais formulários de apresentação incluem: regras, exemplos, recall e prática. Os formulários de apresentação secundários incluem: pré-requisitos, objetivos, ajudas, mnemônicos e feedback. Uma lição completa inclui uma combinação de formulários de apresentação primária e secundária, mas a combinação mais eficaz varia de aluno para aluno e também de conceito para conceito. Outro aspecto significativo do modelo CDT é que ele permite ao aluno controlar as estratégias de instrução utilizadas e adaptá-las para atender ao seu próprio estilo e preferência de aprendizagem. Um dos principais objetivos desse modelo era reduzir três erros comuns na formação de conceitos: supergeneralização, subgeneralização e equívoco.

Veja também

Referências