El aprendizaje de conceptos , también conocido como aprendizaje de categorías , adquisición de conceptos y formación de conceptos , es definido por Bruner , Goodnow y Austin (1956) como "la búsqueda y prueba de atributos que pueden usarse para distinguir ejemplares de no ejemplares de diversas categorías". ". [a] 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.
El concepto de logro de conceptos requiere las siguientes 5 categorías:
En una tarea de aprendizaje de conceptos, un humano clasifica 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 sea capaz de simplificarlo y, por tanto, será menos probable que aprenda. Coloquialmente, la tarea se conoce como aprender a partir 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.
En el aprendizaje automático , esta teoría se puede aplicar en el entrenamiento de programas informáticos. [2]
El aprendizaje de conceptos debe distinguirse del aprendizaje mediante la recitación de algo de memoria (recuerdo) o la discriminación entre dos cosas que difieren (discriminación). Sin embargo, estas cuestiones están estrechamente relacionadas, ya que el recuerdo de hechos podría considerarse un proceso conceptual "trivial" en el que los ejemplos anteriores que representan el concepto son invariantes. De manera similar, si bien la discriminación no es lo mismo que el aprendizaje inicial de conceptos, los procesos de discriminación intervienen en el refinamiento de conceptos mediante la presentación repetida de ejemplos. El logro de conceptos tiene sus raíces en el aprendizaje inductivo. Entonces, al diseñar un plan de estudios o aprender a través de este método, comparar ejemplos similares y diferentes es clave para definir las características de un tema. [3]
Los conceptos concretos son objetos que pueden ser percibidos mediante sensaciones y percepciones personales. Son objetos como sillas y perros donde se producen interacciones personales con ellos y crean un concepto. [4] Los conceptos se vuelven más concretos a medida que la palabra que usamos para asociarlos tiene una entidad perceptible. [5] 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 perceptiva. [6] La evidencia ha demostrado que cuando se escuchan palabras, se asocian con un concepto concreto y recrean cualquier interacción previa con la palabra dentro del sistema sensoriomotor. [7] Ejemplos de conceptos concretos en el aprendizaje son conceptos matemáticos educativos tempranos como sumar y restar.
Los conceptos abstractos son palabras e ideas que tratan de emociones, rasgos de personalidad y eventos. [8] Términos como "fantasía" o "frío" tienen un concepto más abstracto dentro de ellos. Cada persona tiene su definición personal, que cambia y compara constantemente, de los conceptos abstractos. Por ejemplo, frío podría significar la temperatura física del entorno o podría definir la acción y personalidad de otra persona. Si bien dentro de los conceptos concretos todavía hay un nivel de abstracción, los conceptos concretos y abstractos se pueden ver a escala. Algunas ideas como silla y perro tienen percepciones más sencillas, pero conceptos como frío y fantasía pueden verse de una manera más oscura. Ejemplos de aprendizaje de conceptos abstractos son temas como la religión y la ética. El aprendizaje de conceptos abstractos consiste en ver la comparación de los estímulos basándose en una regla (por ejemplo, identidad, diferencia, rareza, mayor que, suma, resta) y cuando se trata de un estímulo nuevo. [9] Con el aprendizaje de conceptos abstractos tenemos 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. Segundo, 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. [9]
Binder, Westbury, McKiernan, Possing y Medler (2005) [10] utilizaron fMRI para escanear los cerebros de los individuos mientras tomaban decisiones léxicas sobre conceptos abstractos y concretos. Los conceptos abstractos provocaron una mayor activación en la circunvolución precentral izquierda, la circunvolución y el surco frontal inferior izquierdo 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 y el cingulado posterior bilateral. circunvoluciones y precunei bilaterales.
En 1986, Allan Paivio [11] planteó la hipótesis de la teoría de la codificación dual , que establece que se utiliza información tanto verbal como visual 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 también están involucrados con el sistema imaginario visual.
Los conceptos relacionales y asociados son palabras, ideas y pensamientos que están conectados de alguna forma. En el caso de 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. [12] Estos conceptos son parte integral de nuestra comprensión y razonamiento en las tareas de conservación. [13] 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 comprensión más amplia del objeto y puedan trasladarse a otros idiomas. [14]
Los conceptos asociados están conectados por el pasado del individuo y su propia percepción. El aprendizaje asociativo de conceptos (también llamado aprendizaje funcional de conceptos) implica categorizar estímulos basándose en una respuesta o resultado común, independientemente de la similitud perceptiva, en categorías apropiadas. [15] Esto es 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 al aprender la dirección de la brújula Norte, Este, Sur y Oeste. Los maestros utilizaron “Nunca comas gofres empapados”, “Nunca comas gusanos amargos” y los estudiantes pudieron crear su propia versión para ayudarlos a aprender las instrucciones. [dieciséis]
Construcciones como un esquema y un guión 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. Por otro lado, un guión es una lista de acciones que una persona sigue 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 adecuado de estas acciones para tener éxito en la compra del CD.
La consecución de conceptos en educación y aprendizaje es un método de aprendizaje activo. Por lo tanto, se pueden elegir planes, métodos y objetivos de aprendizaje para implementar el logro de conceptos. El trabajo de David Perkin sobre el conocimiento como diseño, las 4 preguntas de Perkin describen las preguntas del plan de aprendizaje: [17]
1) ¿Cuáles son los atributos críticos del concepto?
2) ¿Cuáles son los propósitos del concepto?
3) ¿Qué casos modelo del concepto?
4) ¿Cuáles son los argumentos para aprender el concepto? [17]
El aprendizaje de conceptos se ha estudiado históricamente con profundas influencias de los objetivos y funciones que se supone que tienen los conceptos. Las investigaciones han investigado cómo la función de los conceptos influye en el proceso de aprendizaje, que se centra en la función externa. Centrarse en diferentes modelos para la investigación del logro de conceptos ampliaría los estudios en este campo. Al leer artículos y estudios, es necesario notar posibles sesgos y calificar el recurso en este tema. [18] [19]
En general, las cuestiones teóricas que subyacen al aprendizaje de conceptos para el aprendizaje automático son las que subyacen a la inducción . Estos temas se abordan en muchas publicaciones diversas, incluida literatura sobre temas como espacios de versión , teoría del aprendizaje estadístico , aprendizaje PAC , teoría de la información y teoría algorítmica de la información . Algunas de las ideas teóricas generales también son analizadas por Watanabe (1969, 1985), Solomonoff (1964a, 1964b) y Rendell (1986); consulte la lista de referencias a continuación.
Es difícil hacer afirmaciones 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 ascenso y la caída de muchas teorías sobre el aprendizaje de conceptos. El condicionamiento clásico (tal 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 la computadora y el flujo de información para la formación de conceptos. Los modelos de redes neuronales para la formación de conceptos y la estructura del conocimiento han abierto poderosos modelos jerárquicos de organización del conocimiento, como Wordnet de George Miller . Las redes neuronales se basan en modelos computacionales de aprendizaje mediante análisis factorial o convolución . Las redes neuronales también están abiertas a la neurociencia y a los modelos psicofisiológicos de aprendizaje siguiendo a Karl Lashley y Donald Hebb .
Las teorías basadas en reglas del aprendizaje de conceptos comenzaron con la psicología cognitiva y los primeros modelos informáticos de aprendizaje que podrían implementarse en un lenguaje informático de alto nivel con declaraciones computacionales como si: entonces reglas de producción. Toman como entrada datos de clasificación y una teoría basada en reglas 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 de modelos basados en reglas podría suponer que los conceptos se representan como reglas y luego preguntaría hasta qué punto un agente racional debería estar de acuerdo con cada regla, proporcionando algunos ejemplos observados (Goodman, Griffiths, Feldman y Tenenbaum). Las teorías basadas en reglas del aprendizaje de conceptos se centran más en el aprendizaje perceptivo y menos en el aprendizaje de definiciones. Las reglas se pueden utilizar 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 utiliza una categorización basada en reglas observaría si las propiedades específicas de una imagen de rayos X cumplen ciertos criterios; por ejemplo, ¿hay una diferencia extrema en el brillo en una región sospechosa en comparación con otras regiones? Luego, se toma una decisión en función de esta propiedad. solo." (ver Rouder y Ratcliff 2006)
La visión de prototipo del aprendizaje de conceptos sostiene que las personas abstraen la tendencia central (o prototipo) de los ejemplos experimentados y la utilizan como base para sus decisiones de categorización.
La visión prototípica del aprendizaje de conceptos sostiene que las personas categorizan basándose en uno o más ejemplos centrales de una categoría determinada, seguidos 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 el ejemplo central.
La teoría ejemplar es el almacenamiento de instancias específicas (ejemplares), con nuevos objetos evaluados sólo con respecto a qué tan parecidos se parecen a miembros (y no miembros) específicos conocidos de la categoría. Esta teoría plantea la hipótesis de que los alumnos almacenan ejemplos palabra por palabra . Esta teoría considera que el aprendizaje de conceptos es muy simplista. Sólo se representan propiedades individuales. Estas propiedades individuales no son abstractas y no crean reglas. Un ejemplo de cómo podría verse una 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 ser húmedos. Las teorías basadas en ejemplos se han vuelto más populares empíricamente a lo largo de los años y algunas pruebas sugieren que los estudiantes humanos utilizan estrategias basadas en ejemplos sólo en el aprendizaje temprano, formando prototipos y generalizaciones más adelante en la vida. Un resultado importante de los modelos ejemplares en la literatura sobre psicología ha sido la falta de énfasis en la complejidad en el aprendizaje de conceptos. Una de las teorías ejemplares más conocidas de 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: la similitud entre ejemplares y tener una regla para determinar la pertenencia al grupo. A veces es difícil alcanzar o distinguir estas medidas.
Más recientemente, los psicólogos cognitivos han comenzado a explorar la idea de que el prototipo y el modelo ejemplar forman dos extremos. Se ha sugerido que las personas son capaces de 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 hechas de metal. La cuchara prototípica sería entonces un objeto de tamaño mediano fabricado con una mezcla de metal y madera, lo que 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 y Navarro, 2007; Love, Medin y Gureckis, 2004; Vanpaemel y Storms, 2008). Se puede considerar que estos modelos proporcionan un compromiso entre modelos ejemplares y prototipos.
La idea básica del aprendizaje basado en explicaciones sugiere que un nuevo concepto se adquiere experimentando ejemplos del mismo y formando un esquema básico. 1 En pocas palabras, al observar o recibir las cualidades de una cosa, la mente forma un concepto que posee y se identifica con 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 mediante una generalización progresiva. 2 Esta teoría se desarrolló por primera vez para programar máquinas para que aprendieran. 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 3 .
Esta teoría particular del aprendizaje de conceptos es relativamente nueva y se están realizando más investigaciones para probarla.
Adoptando un enfoque matemático del 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. [20] El concepto bayesiano de probabilidad previa deja de ser demasiado específico, mientras que la verosimilitud 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 dice que se llaman "caballos", ella necesita descubrir exactamente qué quiere decir el adulto con esta palabra. Es mucho más probable que defina la palabra "caballos" como refiriéndose a este tipo de animal o a 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 la más probable de las tres definiciones posibles, ya que tiene tanto una probabilidad previa razonable como una verosimilitud dados los ejemplos.
El teorema de Bayes es importante porque proporciona una poderosa herramienta para comprender, manipular y controlar datos 5 que adopta una visión más amplia que no se limita únicamente al análisis de datos 6 . El enfoque es subjetivo y requiere la evaluación de probabilidades previas 6 , lo que lo hace también 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 . [ cita necesaria ] El modelo ACT-R es un lenguaje de programación que define las operaciones cognitivas y perceptuales 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 consta de 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 persona-computadora, la educación y las fuerzas generadas por computadora. [ cita necesaria ]
Además de John R. Anderson, Joshua Tenenbaum ha contribuido al campo del aprendizaje de conceptos; Estudió las bases computacionales del aprendizaje y la inferencia humanos 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 más a las capacidades de los estudiantes humanos.
La teoría de la 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: encontrar, usar, recordar y el contenido material como: hechos, conceptos, procedimientos y principios. La teoría también recurre a cuatro formas de presentación primarias y varias otras formas de presentación secundarias. Las formas de presentación principales incluyen: reglas, ejemplos, recuerdo y práctica. Las formas de presentación secundarias incluyen: requisitos previos, objetivos, ayudas, mnemónicos 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 importante del modelo CDT es que permite al alumno controlar las estrategias de instrucción utilizadas y adaptarlas 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.
{{cite book}}: |work=ignorado ( ayuda )