論文の概要: A Two-Systems Perspective for Computational Thinking
- arxiv url: http://arxiv.org/abs/2012.03201v1
- Date: Sun, 6 Dec 2020 07:33:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 13:59:20.967513
- Title: A Two-Systems Perspective for Computational Thinking
- Title(参考訳): 計算思考の2システム的展望
- Authors: Arvind W Kiwelekar, Swanand Navandar, Dharmendra K. Yadav
- Abstract要約: 本稿では,計算思考過程を理解するためのフレームワークとして,Kahnemanの2システムモデルを採用することを提案する。
Kahneman氏の2つのシステムの観点から考えると、潜在的な利点は、推論にエラーを引き起こすバイアスを修正するのに役立ちます。
- 参考スコア(独自算出の注目度): 2.4149105714758545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational Thinking (CT) has emerged as one of the vital thinking skills
in recent times, especially for Science, Technology, Engineering and Management
(STEM) graduates. Educators are in search of underlying cognitive models
against which CT can be analyzed and evaluated. This paper suggests adopting
Kahneman's two-systems model as a framework to understand the computational
thought process. Kahneman's two-systems model postulates that human thinking
happens at two levels, i.e. fast and slow thinking. This paper illustrates
through examples that CT activities can be represented and analyzed using
Kahneman's two-systems model. The potential benefits of adopting Kahneman's
two-systems perspective are that it helps us to fix the biases that cause
errors in our reasoning. Further, it also provides a set of heuristics to speed
up reasoning activities.
- Abstract(参考訳): 計算思考(CT)は近年,特にSTEM(Science, Technology, Engineering and Management)の卒業生にとって重要な思考スキルの1つとなっている。
教育者は、CTを分析し評価できる基礎的な認知モデルを探している。
本稿では,計算思考過程を理解するためのフレームワークとして,Kahnemanの2システムモデルを採用することを提案する。
カーネマンの2体系モデルは、人間の思考は2つのレベルで起こると仮定している。
速くてゆっくり考えること。
本稿では,Kahneman の2システムモデルを用いて,CT のアクティビティを表現・解析できることを示す。
Kahneman氏の2つのシステムの観点から考えると、潜在的な利点は、推論にエラーを引き起こすバイアスを修正するのに役立ちます。
さらに、推論アクティビティをスピードアップするためのヒューリスティックも提供する。
関連論文リスト
- Probabilistic Results on the Architecture of Mathematical Reasoning
Aligned by Cognitive Alternation [2.034092665105039]
数学的問題を解くことができる機械を構想する。
定量的推論システムを思考プロセスと認知プロセスの2つの部分に分割し、アーキテクチャの確率論的記述を提供する。
論文 参考訳(メタデータ) (2023-08-17T00:35:11Z) - Duality Principle and Biologically Plausible Learning: Connecting the
Representer Theorem and Hebbian Learning [15.094554860151103]
我々はRepresenter定理が生物学的に妥当な学習アルゴリズムを研究するのに最適なレンズであると主張している。
私たちの研究は、ニューラルネットワークの理解を深める上で、Representer定理の重要な役割に光を当てています。
論文 参考訳(メタデータ) (2023-08-02T20:21:18Z) - Clarifying System 1 & 2 through the Common Model of Cognition [0.0]
認識の共通モデルを用いてシステム1とシステム2を接地する。
本研究の目的は,その基盤となるメカニズム,誤解の持続,メタ認知への示唆を明らかにすることである。
論文 参考訳(メタデータ) (2023-05-18T02:25:03Z) - Investigating the Role of Centering Theory in the Context of Neural
Coreference Resolution Systems [71.57556446474486]
中心化理論と現代のコア参照分解システムとの関係について検討する。
高品質なニューラルコア参照リゾルバは、中心となるアイデアを明示的にモデル化することの恩恵を受けない可能性がある。
また, 再発をモデルとしたCTのバージョンを定式化し, バニラCTよりも良質なコア参照情報を取得することを示した。
論文 参考訳(メタデータ) (2022-10-26T12:55:26Z) - Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
本稿では,ニューラルモデルによる反事実文の評価について検討する。
まず、神経因果モデル(NCM)が十分に表現可能であることを示す。
第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-09-30T18:29:09Z) - Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。
知識の抽出と知識の記憶という2つの側面から問題に取り組む。
提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文 参考訳(メタデータ) (2022-08-27T09:27:36Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳(メタデータ) (2021-11-28T14:24:52Z) - Improving Coherence and Consistency in Neural Sequence Models with
Dual-System, Neuro-Symbolic Reasoning [49.6928533575956]
我々は、神経系1と論理系2の間を仲介するために神経推論を用いる。
強靭なストーリー生成とグラウンドド・インストラクション・フォローリングの結果、このアプローチは神経系世代におけるコヒーレンスと精度を高めることができることを示した。
論文 参考訳(メタデータ) (2021-07-06T17:59:49Z) - Deep Learning Techniques for Inverse Problems in Imaging [102.30524824234264]
機械学習における最近の研究は、ディープニューラルネットワークが様々な逆問題の解決に利用できることを示している。
異なる問題や再構築方法の分類に使用できる分類法を提案する。
論文 参考訳(メタデータ) (2020-05-12T18:35:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。