Em formação

Onde está armazenado o conhecimento de como o cérebro funciona?

Onde está armazenado o conhecimento de como o cérebro funciona?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Se somos nossos cérebros, e nossos cérebros sabem como funcionam, isso significa que essa informação está armazenada em algum lugar do cérebro, como o córtex temporal inferior é a parte do cérebro que reconhece os números. Onde está armazenado o conhecimento de como o cérebro funciona?


Acho que você enfoca essa questão da maneira errada. Não há nenhum lugar no cérebro onde as "instruções" sejam armazenadas. O cérebro não precisa "saber" como funciona para funcionar. A maneira como o cérebro funciona é uma emergência da estrutura e da dinâmica biológica. Tudo isso baseado em todas as camadas da computação biológica (genética / molecular / celular / órgão / ...) e na interação com o meio ambiente. Portanto, não existe um lugar específico, se você quiser descobrir como o cérebro funciona, você deve estudar todo o sistema.

Na verdade, podemos construir processos iterativos que mostram comportamentos complexos, mas as leis que controlam esse comportamento estão implícitas e não são armazenadas no resultado. Veja O jogo da vida.


Esse tipo de conhecimento é conhecido como "memória semântica"; um tipo de "memória declarativa". Ainda não sabemos onde a memória semântica está armazenada no cérebro, embora haja evidências de que as estruturas do hipocampo e / ou para-hipocampo são necessárias para armazenar a memória semântica.

Os pequenos detalhes sobre o que exatamente é uma "memória" em termos de neurobiologia, onde e como ela é armazenada e como é recuperada é uma área da neurociência que está atualmente sob pesquisa muito ativa. No entanto, nosso conhecimento é muito rudimentar no momento.


De modo geral, a resposta de Kato é boa. Eu gostaria de acrescentar que existe uma maneira fascinante pela qual o cérebro entende outros cérebros - também chamada leitura mental ou teoria da mente (a base da empatia). Este processo depende muito das modalidades sensoriais. Quando você se coloca no lugar de outra pessoa, seu cérebro tenta imaginar suas experiências (incluindo suas emoções). Isso consiste na reativação de vários aspectos de suas próprias experiências sensoriais anteriores, na tentativa de simular seu estado de espírito. O cérebro faz isso o tempo todo, mas especialmente quando está tentando entender outros cérebros. Claro, este não é o único mecanismo em funcionamento - modos de pensamento mais lógicos provavelmente também desempenham um papel. Para uma discussão sobre isso, consulte http://www.ianapperly.eclipse.co.uk/Apperly%20ST%20TT%20Final%20version.pdf.


Psicologia Cognitiva e Neurociência Cognitiva / Modelos Situacionais e Inferências

Uma função e propriedade importante do sistema cognitivo humano é a capacidade de extrair informações importantes de situações descritas textualmente e verbalmente. Essa habilidade desempenha um papel vital na compreensão e na lembrança. Mas o que acontece com essas informações depois que são extraídas, como as representamos e como as usamos para inferir? Com este capítulo, introduzimos o conceito de “modelo de situação” (van Dijk & ampKintsch, 1983, “modelo mental”: Johnson-Laird, 1983), que é a representação mental do que um texto trata. Discutimos como essas representações podem se parecer e mostramos os vários experimentos que tentam lidar com essas questões empiricamente. Ao assumir que as situações são codificadas por símbolos perceptuais (Barsalou, 1999), a teoria dos Modelos de Situação toca muitos aspectos da Filosofia Cognitiva, da Lingüística e da Inteligência Artificial. No início deste capítulo, mencionaremos por que os Modelos de Situação são importantes e para que os usamos. A seguir, nos concentraremos na própria teoria, introduzindo os quatro tipos principais de informação - os componentes do modelo de situação, seus níveis de representação e, finalmente, dois outros tipos básicos de conhecimento usados ​​na construção e processamento do modelo de situação (conhecimento geral do mundo e conhecimento específico referente) .

Os modelos de situação não apenas formam um conceito central nas teorias da cognição situada, que nos ajuda a compreender como as informações situacionais são coletadas e como as novas informações são integradas, mas também podem explicar muitos outros fenômenos. De acordo com van Dijk & amp Kintsch, os modelos de situação são responsáveis ​​por processos como expertise de domínio, tradução, aprendizagem de fontes múltiplas ou compreensão completa de situações apenas lendo sobre elas. Esses modelos de situação consistem, de acordo com a maioria das pesquisas na área, em cinco dimensões, que explicaremos mais adiante. Quando novas informações sobre uma dessas dimensões são extraídas, o modelo de situação é alterado de acordo com as novas informações. Quanto maior a mudança no modelo de situação, mais tempo o leitor precisa para entender a situação com as novas informações. Se houver contradições, por exemplo novas informações que não cabem no modelo, o leitor não consegue entender o texto e provavelmente terá que reler partes do texto para construir um modelo melhor. Foi demonstrado em vários experimentos que é mais fácil entender textos que apresentam apenas pequenas mudanças nas cinco dimensões de compreensão do texto. Também foi descoberto que é mais fácil para os leitores compreenderem um texto se as informações importantes forem mencionadas de forma mais explícita. Por esta razão, vários pesquisadores escreveram sobre a importância de fornecer informações importantes (consulte Zwaan & ampRadvansky 1998 para uma lista detalhada). A outra questão importante sobre modelos de situação é a multidimensionalidade. Aqui, a questão importante é como as diferentes dimensões estão relacionadas e qual é o seu peso para a construção do modelo. Alguns pesquisadores afirmam que o peso das dimensões muda de acordo com a situação descrita. A introdução de tais afirmações será a parte final deste capítulo e visa apresentá-lo aos objetivos de pesquisa atuais e futuros.

O VIP: Rolf A. Zwaan Editar

Rolf A. Zwaan, nascido em 13 de setembro de 1962 em Rotterdam (Holanda), é uma pessoa muito importante para este tópico, pois ele fez a maior parte das pesquisas (92 publicações no total), e também porque a maior parte de nossos dados são retirados de sua trabalhar. Zwaan fez seu MA (1986) e seu Ph.D. (1992) na Universidade de Utrecht (Holanda), ambos cum laude. Desde então, ele recebeu vários prêmios como o Developing Scholar Award (Florida state University, 1999) ou o Fellow do Hanse Institute for Advanced Study (Delmenhorst, Alemanha, 2003) e tornou-se membro de várias organizações profissionais como a Psychonomic Society, a Cognitive Science Society ou a American Psychological Society. Ele trabalha como cadeira de Biologia e Psicologia Cognitiva na Erasmus University em Rotterdam (Holanda), desde 2007.

Muitas tarefas baseadas no processamento da linguagem só podem ser explicadas pelo uso de modelos de situação. O chamado modelo de situação ou modelo mental consiste em cinco dimensões diferentes, que se referem a fontes diferentes. Para compreender um texto ou apenas uma frase simples, os modelos de situação são úteis. Além disso, a compreensão e combinação de vários textos e frases podem ser explicadas por essa teoria muito melhor. A seguir, alguns exemplos são listados por que realmente precisamos de modelos de situação.

Integração de informações entre frases Editar

A integração de informações entre frases é mais do que apenas entender um conjunto de frases. Por exemplo:

“Gerhard Schroeder está na frente de alguns jornalistas. Ficar ansioso por novas ideias não é nada especial para o ex-chanceler alemão. É como nos velhos tempos, em 1971, quando o líder dos Jusos estava atrás das urnas e falava em mudanças ”.


Este exemplo só faz sentido para o leitor se ele estiver ciente de que “Gerhard Schroeder”, “Ex-chanceler alemão” e “O líder dos Jusos em 1971” é a mesma pessoa. Se construirmos um modelo de situação, neste exemplo “Gerhard Schroeder” é nosso token. Cada bit de informação que surgir será vinculado a este token, com base no conhecimento gramatical e de mundo. O artigo definido na segunda frase refere-se ao indivíduo na primeira frase. Isso é baseado no conhecimento gramatical. Cada artigo definido indica uma conexão com um indivíduo em uma frase anterior. Se houver um artigo indefinido, temos que construir um novo token para um novo indivíduo. A terceira frase está ligada pelo conhecimento do domínio ao token. É preciso saber que “Gerhard Schroeder” era o líder dos Jusos em 1971. Caso contrário, a conexão só pode ser adivinhada. Podemos ver que um modelo de situação integrado é necessário para compreender a conexão entre as três sentenças.

Explicação de semelhanças em desempenhos de compreensão entre modalidades Editar

A explicação de semelhanças em desempenhos de compreensão entre modalidades só pode ser feita pelo uso de modelos de situação. Se lemos um artigo de jornal, vemos uma reportagem na televisão ou ouvimos uma reportagem no rádio, chegamos a um entendimento semelhante da mesma informação, que é veiculada por diferentes modalidades. Assim, criamos uma representação mental da informação ou evento. Essa representação mental não depende das modalidades em si. Além disso, há evidências empíricas para essa intuição. Baggett (1979) descobriu que alunos que viram um curta-metragem e alunos que ouviram uma versão falada dos eventos no curta-metragem finalmente produziram um protocolo de memória estruturalmente semelhante. Houve diferenças nos protocolos dos dois grupos, mas as diferenças foram devido a aspectos de conteúdo. Assim como a versão em texto afirmava explicitamente que um menino estava a caminho da escola e no filme isso tinha que ser inferido.

Experiência de domínio em compreensão Editar

Os modelos de situação têm uma influência profunda nos efeitos da expertise do domínio na compreensão. Em detalhes, isso significa que a pessoa A, cujas habilidades verbais são menores do que a da pessoa B, é capaz de superar a pessoa B, se ela tiver mais conhecimento do domínio do tópico. Para evidenciar essa intuição, houve um estudo de Schneider e Körkel (1989). Eles compararam as recordações de “experts” e novatos de um texto sobre uma partida de futebol. No estudo foram três séries diferentes: 3ª, 5ª e 7ª. Um exemplo importante nesse experimento foi que os especialistas em futebol da 3ª série superaram os novatos da 7ª série. A evocação das unidades no texto foi de 54% pelos especialistas da 3ª série e 42% pelos noviços da 7ª série. A explicação é bastante simples: os especialistas do 3º ano construíram um modelo de situação e usaram o conhecimento de sua memória de longo prazo (Ericsson & amp Kintsch, 1995). Os novatos da 7ª série tinham apenas o texto com o qual podem criar um modelo de situação. Alguns outros estudos mostram evidências para a teoria de que a experiência de domínio pode neutralizar a habilidade verbal, ou seja, Fincher-Kiefer, Post, Greene & amp Voss, 1988 ou Yekovich, Walker, Ogle & amp Thompson em 1990.

Explicação das habilidades de tradução Editar

Outro exemplo de porque precisamos de modelos de situação é tentar explicar a tradução. Traduzir uma frase ou um texto de um idioma para outro não é feito simplesmente traduzindo cada palavra e construindo uma nova estrutura de frase até que a frase pareça sólida. Se dermos uma olhada agora no exemplo de uma frase em holandês:


Agora podemos concluir que o nível de tradução entre holandês e inglês não se baseia no nível léxico-semântico, mas sim no nível de situação. Neste exemplo, “não faça algo (ação) antes de não ter feito outra coisa (outra ação)”. Outros estudos descobriram que a capacidade de construir modelos de situação durante a tradução é importante para a habilidade de tradução (Zwann, Ericsson, Lally e Hill, em 1998).

Aprendizagem de múltiplas fontes Editar

As pessoas podem aprender sobre um domínio a partir de vários documentos. Esse fenômeno também pode ser explicado por um modelo de situação. Por exemplo, tentamos aprender algo sobre o "Guerra Fria" usamos diferentes documentos com informações. As informações em um documento podem ser semelhantes a outros documentos. Os referentes podem ser os mesmos ou relacionamentos especiais na “Guerra Fria” podem apenas ser descobertos pelo uso de diferentes documentos. Então, o que realmente estamos fazendo ao aprender e raciocinar é que integramos informações na base de diferentes documentos em um modelo de situação comum, que tem uma ordem organizada das informações que aprendemos.


Vimos que precisamos de modelos de situação em diferentes tarefas de processamento de linguagem, mas os modelos de situação não são necessários em todas as tarefas de processamento de linguagem. Um exemplo é a revisão. Um revisor verifica se cada palavra está correta. Essa habilidade não contém a habilidade de construir modelos de situação. Esta tarefa utiliza os recursos da memória de longo prazo em que fica armazenada a escrita correta de cada palavra. O procedimento é como:


Isso é feito palavra por palavra. É desnecessário criar modelos de situação nesta tarefa para processamento de linguagem.

Espaço Editar

Muitas vezes, objetos que estão espacialmente próximos de nós são mais relevantes do que objetos mais distantes. Portanto, seria de se esperar o mesmo para modelos de situação. consistente com essa ideia, os compreensores são mais lentos para reconhecer palavras que denotam objetos distantes de um protagonista do que aqueles que denotam objetos próximos ao protagonista (Glenberg, Meyer & amp Lindem, 1987).

Quando os compreensivos têm amplo conhecimento do layout espacial do cenário da história (por exemplo, um edifício), eles atualizam suas representações de acordo com a localização e os objetivos do protagonista. Eles têm o acesso mental mais rápido à sala em que o protagonista está ou para a qual está indo. Por exemplo, eles podem mais prontamente dizer se dois objetos estão ou não no mesmo cômodo se o cômodo mencionado for um desses cômodos do que se for algum outro cômodo do edifício (por exemplo, Morrow, Greenspan & amp Bower, 1987). Isso faz sentido intuitivamente porque essas são as salas que seriam relevantes para nós se estivéssemos nessa situação.

A interpretação das pessoas sobre o significado de um verbo que denota o movimento de pessoas ou objetos no espaço, como aproximar-se, depende de seus modelos de situação. Por exemplo, os compreensivos interpretam o significado de abordagem diferentemente em O trator está se aproximando da cerca do que em O mouse está se aproximando da cerca. Especificamente, eles interpretam a distância entre a figura e o ponto de referência como sendo maior quando a figura é grande (trator) em comparação com quando é pequena (mouse). A interpretação dos que compreendem também depende do tamanho do ponto de referência e da velocidade da figura (Morrow & amp Clark, 1988). Aparentemente, os compreensivos se comportam como se estivessem realmente parados na situação, olhando para o trator ou para o camundongo que se aproxima de uma cerca.

Edição de tempo

Assumimos por padrão que os eventos são narrados em sua ordem cronológica, sem nada omitido. Presumivelmente, essa suposição existe porque é assim que vivenciamos os eventos da vida cotidiana. Os eventos ocorrem para nós em um fluxo contínuo, às vezes em sucessão próxima, às vezes em paralelo e muitas vezes parcialmente sobrepostos. A linguagem nos permite desviar da ordem cronológica, no entanto. Por exemplo, podemos dizer: “Antes de o psicólogo submeter o manuscrito, a revista mudou sua política”. O psicólogo que submete o manuscrito é relatado primeiro, embora tenha sido o último dos dois eventos a ocorrer. Se as pessoas constroem um modelo de situação, essa frase deve ser mais difícil de processar do que sua contraparte cronológica (a mesma frase, mas começando com “Depois”). Evidências neurocientíficas recentes apóiam essa previsão. As medições do potencial cerebral relacionado a eventos (ERP) indicam que as sentenças “antes” provocam, dentro de 300 ms, maior negatividade do que as sentenças “depois”. Essa diferença de potencial está localizada principalmente na parte anterior esquerda do cérebro e é indicativa de maior esforço cognitivo (Münte, Schiltz, & amp Kutas, 1998). Na vida real, os eventos se sucedem perfeitamente. No entanto, as narrativas podem ter descontinuidades temporais, quando os escritores omitem eventos não relevantes para a trama. Essas lacunas temporais, normalmente sinalizadas por frases como alguns dias depois, são bastante comuns em narrativas. No entanto, eles apresentam um afastamento da experiência cotidiana. Portanto, as mudanças de tempo devem levar a interrupções (menores) no processo de compreensão. E eles fazem. Os tempos de leitura de frases que introduzem uma mudança no tempo tendem a ser mais longos do que aqueles de frases que não o fazem (Zwaan, 1996).

Edição de causalidade

À medida que interagimos com o ambiente, temos uma forte tendência de interpretar as sequências de eventos como sequências causais. É importante notar que, assim como inferimos os objetivos de um protagonista, temos que inferir a causalidade que não podemos percebê-la diretamente. Singer e seus colegas (por exemplo, Singer, Halldorson, Lear, & amp Andrusiak, 1992) investigaram como os leitores usam seu conhecimento de mundo para validar conexões causais entre eventos narrados. Os sujeitos leram pares de frases, como 1a e, em seguida, 1b ou 1a 'e, em seguida, 1b, e foram posteriormente apresentados a uma pergunta como 1c:

(1a) Mark despejou o balde de água na fogueira.

(1a ') Mark colocou o balde de água perto da fogueira.

(1c) A água apaga o fogo?

Os sujeitos foram mais rápidos em responder a 1c após a sequência 1a-1b do que após 1a'-1b. Segundo Singer, o motivo da diferença de velocidade é que o conhecimento de que a água apaga o fogo foi acionado para validar os eventos descritos em 1a-1b. No entanto, como esse conhecimento não pode ser usado para validar 1a'-1b, ele não foi ativado quando os sujeitos leram esse par de frases.

Edição de intencionalidade

Muitas vezes somos capazes de prever as ações futuras das pessoas inferindo sua intencionalidade, ou seja, seus objetivos. Por exemplo, quando vemos um homem caminhando até uma cadeira, presumimos que ele deseja sentar-se, especialmente quando está de pé há muito tempo. Assim, podemos gerar a inferência “Ele vai se sentar”. Keefe e McDaniel (1993) apresentaram aos sujeitos frases como Depois de passar pelo debate de 3 horas, o orador cansado foi até sua cadeira (e se sentou) e depois com palavras de teste (por exemplo, sat, neste caso). Os sujeitos demoraram quase o mesmo tempo para nomear os sentados quando a cláusula sobre o orador sentado foi omitida e quando foi incluída. Além disso, os tempos de nomeação foram significativamente mais rápidos em ambas as condições do que em uma condição de controle em que estava implícito que o falante permanecia de pé.

Editar Protagonistas e Objetos

Os compreensores são rápidos em fazer inferências sobre os protagonistas, presumivelmente na tentativa de construir um modelo de situação mais completo. Considere, por exemplo, o que acontece depois que os sujeitos leem a frase O eletricista examinou o encaixe da luz. Se a seguinte frase for Ela pegou sua chave de fenda, sua velocidade de leitura é reduzida em comparação com quando a segunda frase é Ele tirou sua chave de fenda. Isso porque ela fornece um descompasso com o gênero estereotipado de eletricista, que os sujeitos aparentemente inferiram ao ler a primeira frase (Carreiras, Garnham, Oakhill, & amp Cain, 1996).

Introdução Editar

No processo de compreensão da linguagem e do texto, novas informações devem ser integradas ao modelo de situação atual. Isso é obtido por meio de uma estrutura de processamento. Existem várias teorias e percepções sobre esse processo. A maioria deles apenas modela um ou alguns aspectos dos Modelos de Situação e da compreensão da linguagem.

Uma lista de teorias, percepções e desenvolvimentos em estruturas de compreensão de linguagem:

  • um modelo interativo de compreensão (Kintsch e van Dijk, 1978)
  • Modelo Computacional inicial (Miller, Kintsch, 1980)
  • Modelo de integração de construção (Kintsch, 1988)
  • Estrutura de construção de estrutura (Gernsbacher, 1990)
  • Modelo de leitor de restrição de capacidade (Just, Carpenter, 1992)
  • Estrutura construtivista (Graesser, Singer, Trabasso, 1994)
  • Modelo de indexação de eventos (Zwaan, Langston, Graesser, 1995)
  • Modelo de paisagem (van den Brock, Risden, Fletcher, & amp Thurlow, 1996)
  • Modelo de integração de construção com restrição de capacidade (Goldman, Varma, Coté, 1996)
  • The Immersed Experiencer Framework (Zwaan, 2003)

Nesta parte do capítulo sobre Modelos de Situação, falaremos sobre vários modelos; começaremos com algumas das primeiras coisas e, em seguida, passaremos para os populares posteriores. Começaremos com o trabalho de Kintsch nas décadas de 70 e 80 e depois prosseguiremos para pesquisas posteriores que se baseiam nisso.

Um modelo interativo de edição de compreensão

Este modelo já foi desenvolvido nos anos 80 e é a base para muitos modelos posteriores como o CI-Model, ou mesmo o Immersed-Experiencer Framework. Segundo Kintsch e van Dijk (1978), a compreensão do texto ocorre em ciclos. Em cada ciclo algumas proposições são processadas, este número é determinado pela capacidade da Memória de Curto Prazo, então 7 mais ou menos 2. Em cada ciclo as novas proposições são conectadas às existentes, portanto formam um conjunto conectado e hierárquico .

Edição de modelo computacional inicial

Este modelo computacional de Miller e Kintsch tentou modelar teorias de compreensão anteriores, para fazer previsões de acordo com elas e compará-las com estudos e experimentos comportamentais. Consistia em vários módulos. Um era um programa de chunking: sua tarefa é ler uma palavra no momento, identificar se é uma proposição e decidir se vai integrá-la ou não. Esta parte do modelo não foi feita computacionalmente. A próxima parte na ordem de entrada foi o Programa de Coerência de Microestrutura (MCP). O MCP classificou as proposições e as armazenou no Working Memory Coherence Graph. A tarefa do Working Memory Coherence Graph era então decidir quais proposições deveriam ser mantidas ativas durante o próximo ciclo de processamento. Todas as proposições são armazenadas no Gráfico de Coerência da Memória de Longo Prazo, que decide quais proposições devem ser transferidas de volta para a Memória de Trabalho ou pode construir um novo Gráfico de Memória de Trabalho com um nó superordenado diferente. O problema com este modelo computacional é que ele apresenta um desempenho muito baixo. Mas ainda assim levou a mais pesquisas que tentaram superar suas deficiências.

Edição do modelo de indexação de eventos

o Modelo de indexação de eventos foi proposto pela primeira vez por Zwaan, Langston e Graesser (1995). Ele faz afirmações sobre como a informação que chega na compreensão é processada e como é representada na memória de longo prazo.

De acordo com Modelo de indexação de eventos todos os eventos de ações de entrada são divididos em cinco índices. Os cinco índices são iguais às cinco dimensões situacionais, embora Zwaan & amp Radvasnky (1998) afirmem que possivelmente existem mais dimensões. Isso pode ser encontrado em pesquisas futuras. Um ponto básico deste modelo é o tempo de processamento de integração de novos eventos no modelo atual. É mais fácil integrar um novo evento de entrada se ele compartilhar índices com um evento anterior. Quanto mais contíguo for o novo evento, mais fácil será integrado ao novo Modelo de Situação. Esta previsão feita por Zwaan & amp Radvanksy (1998) é apoiada por algumas pesquisas anteriores (Zwaan, Magliano e Graesser, 1995). O outro ponto importante do Modelo de indexação de eventos é a representação na memória de longo prazo. Zwaan & amp Radvasnky (1998) prevêem que essa representação é uma rede de nós, esses nós codificam os eventos. Os nós são ligados entre si por meio de links situacionais de acordo com os índices que compartilham. Essa conexão não só codifica se dois nós compartilham índices, mas também codifica o número de índices compartilhados por meio de sua força. Este segundo ponto já dá uma dica do que Modelo de indexação de eventos falta. Existem várias coisas que não inclui. Por exemplo, não codifica a ordem temporal dos eventos nem a direção das relações causais. A maior desvantagem do Modelo de indexação de eventos é claro que ele trata as diferentes dimensões como entidades diferentes, embora elas provavelmente interajam umas com as outras.

Zwaan & amp Radvansky (1998) atualizaram o Modelo de indexação de eventos com alguns recursos. Este novo modelo divide as informações processadas em três tipos. Esses três tipos são o quadro situacional, as relações situacionais e o conteúdo situacional. O quadro situacional fundamenta a situação no espaço e no tempo, e sua construção é obrigatória. Se nenhuma informação for fornecida, esta estrutura é provavelmente construída por valores padrão recuperados de um conhecimento anterior do mundo ou alguma variável vazia seria instanciada. As relações situacionais baseiam-se nas cinco dimensões situacionais. Estes são analisados ​​através do Modelo de indexação de eventos. Este tipo de informação situacional inclui não a informação básica, que é fornecida no quadro situacional, mas as relações entre as diferentes entidades ou nós na rede. Em contraste com o quadro situacional, as relações situacionais não são obrigatórias. Se não houver informações fornecidas ou não houver possíveis inferências entre as entidades, então simplesmente não haverá relacionamento. Há também um índice que aborda a importância para as diferentes relações. Essa importância consiste na necessidade da informação para entender a situação, na facilidade de inferir quando não seria mencionada e na facilidade com que a informação pode ser posteriormente lembrada. Outra distinção que esta teoria faz é aquela entre relações funcionais e não funcionais (Carlson-Radvansky & amp Radvansky, 1996 Garrod & amp Sanford, 1989). As relações funcionais descrevem a interação entre entidades diferentes, enquanto as relações não funcionais são aquelas entre entidades não interagentes. O conteúdo situacional consiste nas entidades na situação como protagonistas e objetos e suas propriedades. Estas só são integradas explicitamente no Modelo de Situação, como as relações situacionais, se forem necessárias para a compreensão da situação. No entanto, as entidades centrais e mais importantes e suas propriedades são obrigatórias novamente. Propõe-se que, para manter baixo o tempo de processamento, as informações não essenciais sejam representadas apenas por algo como um ponteiro para que essas informações possam ser recuperadas se necessário.

The Immersed Experiencer Framework Editar

O Immersed Experiencer Framework (IEF) é baseado em modelos de framework de processamento anterior (veja acima para uma lista detalhada), mas tenta incluir várias outras descobertas de pesquisa também. Por exemplo, verificou-se que durante a compreensão regiões cerebrais são ativadas, que estão muito próximas ou mesmo se sobrepõem a regiões cerebrais que são ativas durante a percepção ou a ação do significado das palavras (Isenberg et al., 2000 Martin & amp Chao, 2001 Pulvermüller, 1999, 2002). Durante a compreensão, há também uma representação visual da forma e orientação dos objetos (Dahan & amp Tanenhaus, 2002 Stanfield & amp Zwaan, 2002 Zwaan et al., 2002 Zwaan & amp Yaxley, na imprensa a, b). A informação visual-espacial prima pelo processamento de sentenças (Boroditsky, 2000). Essas representações visuais podem interferir na compreensão (Fincher-Kiefer, 2001). Descobertas de (Glenberg, Meyer, & amp Lindem, 1987 Kaup & amp Zwaan, na imprensa Morrow et al., 1987 Horton & amp Rapp, no prelo Trabasso & amp Suh, 1993 Zwaan et al., 2000) sugerem que a informação que faz parte da situação e do texto é mais ativa na mente do leitor do que a informação que não está incluída. A quarta descoberta da pesquisa é que as pessoas movem os olhos e as mãos durante a compreensão de maneira consistente com a situação descrita. (Glenberg & amp Kaschak, na imprensa Klatzky et al., 1989 Spivey et al., 2000).

O ponto principal do Immersed Experiencer Framework é a ideia de que as palavras ativam experiências com seus referentes. Por exemplo, "uma águia no céu" ativa uma experiência visual de uma águia com asas esticadas, enquanto "uma águia no ninho" ativa uma experiência visual diferente. Segundo Zwaan (2003), o IEF deve ser visto como um motor para fazer previsões sobre a compreensão da linguagem. Essas previsões são então sugeridas para pesquisas futuras.

De acordo com o IEF, o processo de compreensão da linguagem consiste em três componentes, a saber, ativação, construção e integração. Cada componente funciona em um nível diferente. A ativação funciona em nível mundial, a construção é responsável pelo nível da cláusula, enquanto a integração é ativa no nível do discurso. Embora o IEF compartilhe muitos pontos com modelos anteriores de compreensão de linguagem, ele difere em alguns pontos principais. Por exemplo, sugere que a compreensão da linguagem envolve ações e representações perceptivas e não proposições modais (Zwaan, 2003).

Muitas teorias tentam explicar o modelo de situação ou o chamado modelo mental em diferentes representações. Diversas teorias da representação tratam da compreensão desde o texto até o próprio modelo de situação. Quantos níveis são incluídos ou necessários e como o modelo de situação é construído, isso é feito uma vez, como:

Frase → Modelo de situação

Ou há níveis intermediários que precisam ser ultrapassados ​​até que o modelo seja construído? Aqui estão três representações diferentes que tentam explicar a construção do modelo de situação por um texto.

Edição de representação proposicional

A Representação proposicional afirma que uma frase será estruturada de outra maneira e então será armazenada. As informações incluídas não se perdem. Vamos dar uma olhada na frase simples:

“George ama Sally” a representação proposicional é [AMA (GEORGE, SALLY)]

É fácil ver que a representação proposicional é fácil de criar e a informação ainda está disponível.

Três níveis de representação Editar

Esta teoria afirma que existem três níveis de representação: a forma da superfície, a base do texto e o modelo de situação. Neste exemplo, a frase “O sapo comeu o inseto”. Já é a forma superficial. Naturalmente, criamos relações semanticamente para entender a frase (árvore semântica na figura). O próximo nível é a “base de texto”. [EAT (FROG, BUG)] é a representação proposicional e Base de texto aproxima-se desse tipo de representação, exceto que é bastante espacial. Finalmente, o modelo de situação é construído pela representação “base de texto”. Podemos ver que o modelo de situação não inclui nenhum tipo de texto. É uma imagem mental de informações na própria frase.

Dois níveis de representação Editar

Esta teoria é como a teoria dos “três níveis de representações”. Mas o nível “Base de texto” é omitido. A própria teoria afirma que o modelo de situação é criado pela própria sentença e não há nenhum nível de “base de texto” necessário.

Existem outras teorias de modelo de situação que orientam as experiências. Portanto, não apenas a compreensão de texto é feita por modelos de situação, mas o aprendizado por meio da experiência direta também é feito por modelos de situação.

Edição de modelo KIWi

Um modelo unificado, o chamado KIWi-Model, tenta explicar como a representação de texto e a experiência direta interagem com um modelo de situação. Além disso, o conhecimento do domínio é integrado. O conhecimento de domínio é usado para formar um modelo de situação em diferentes tarefas, como a compreensão de frases simples (capítulo: Por que precisamos de Modelos de Situação). O modelo KIWi mostra que existe uma interação permanente entre “representação de texto → modelo de situação” e entre “codificação sensorial → modelo de situação”. Essas interações sustentam a teoria de uma atualização permanente do modelo mental.

A inferência é usada para construir modelos de situação complexos com informações limitadas. Por exemplo: em 1973, John Bransford e Marcia Johnson fizeram um experimento de memória no qual tinham dois grupos lendo variações da mesma frase.

O primeiro grupo leu o texto "John estava tentando consertar a casa do pássaro. Ele era batendo o prego quando seu pai saiu para vê-lo fazer o trabalho"

O segundo grupo leu o texto "John estava tentando consertar a casa do pássaro. Ele era procurando por o prego quando seu pai saiu para vê-lo fazer o trabalho"

Após a leitura, algumas afirmações do teste foram apresentadas aos participantes. Essas declarações continham a palavra martelo que não ocorreu nas frases originais, por exemplo: "John estava usando um martelo para consertar a casa de passarinho. Ele estava procurando o prego quando seu pai saiu para vê-lo". Os participantes do primeiro grupo disseram que viram 57% das afirmações do teste, enquanto os participantes do segundo grupo viram apenas 20% das afirmações do teste.

Como se pode ver, no primeiro grupo existe uma tendência de se acreditar ter visto a palavra martelo. Os participantes deste grupo fizeram a inferência de que John usava um martelo para martelar o prego. Este teste de influência da memória é um bom exemplo para se ter uma ideia do que significa fazer inferências e como elas são usadas para completar modelos de situação.

Ao ler um texto, a inferência cria informações que não são explicitamente declaradas no texto, portanto, é um processo criativo. É muito importante para a compreensão do texto em geral, porque os textos não podem incluir todas as informações necessárias para compreender o sentido de uma história. Os textos geralmente deixam de fora o que é conhecido como conhecimento do mundo. Conhecimento de mundo é o conhecimento sobre situações, pessoas ou itens que a maioria das pessoas compartilha e, portanto, não precisa ser declarado explicitamente. Cada pessoa deve ser capaz de inferir este tipo de informação, como por exemplo que costumamos usar martelos para martelar pregos. Seria impossível escrever um texto, se ele tivesse que incluir todas as informações de que trata se não existisse inferência ou se não fosse feito automaticamente pelo nosso cérebro.


Existem vários tipos diferentes de inferências:

Edição de inferência anafórica

Este tipo de inferência geralmente conecta objetos ou pessoas de uma a outra frase. Portanto, é responsável por conectar informações de frase cruzada. Por exemplo. no "John acertou o prego. Ele estava orgulhoso de seu derrame", inferimos diretamente que" ele "e" seu "se relacionam com" João ". Normalmente fazemos esse tipo de inferência com bastante facilidade. Mas pode haver sentenças em que mais pessoas e outras palavras relacionadas a elas estão misturadas e as pessoas têm problemas compreender a história no início. Isso normalmente é considerado um estilo de escrita ruim.

Edição de inferência instrumental

Este tipo de inferência é sobre as ferramentas e os métodos usados ​​no texto, como o martelo no exemplo acima. Ou, por exemplo, se você ler sobre alguém voando para Nova York, você não inferirá que essa pessoa construiu um voador de dragão e pulou de um penhasco, mas que usou um avião, uma vez que não há mais nada mencionado no texto e um avião é a forma mais comum de voar para Nova York. Se não houver informações específicas sobre ferramentas, instrumentos e métodos, obtemos essas informações de nosso Conhecimento Geral do Mundo

Edição de inferência causal

A inferência causal é a conclusão de que um evento causou outro no texto, como em "Ele bateu na unha. Então o dedo doeu". A primeira frase explica por que a situação descrita na segunda frase ocorreu. Seria mais difícil traçar uma inferência causal em um exemplo como "Ele acertou o prego. Então seu pai fugiu", embora se pudesse criar uma inferência sobre isso com alguma fantasia.

As inferências causais criam conexões causais entre os elementos do texto. Essas conexões são separadas em conexões locais e conexões globais. As conexões locais são feitas em um intervalo de 1 a 3 frases. Isso depende de fatores como a capacidade da memória de trabalho e a concentração devida à leitura. Conexões globais são traçadas entre as informações em uma frase junto com as informações básicas coletadas até agora sobre todo o texto. Podem ocorrer problemas com inferências causais quando uma história é inconsistente. Por exemplo, os veganos que comem bife seriam inconsistentes. Um fato interessante sobre inferências causais (Goldstein, 2005) é que o tipo de inferências que desenhamos aqui e que não são facilmente vistas a princípio são mais fáceis de lembrar. Isso pode ser devido ao fato de que eles exigiram uma maior capacidade de processamento mental para fazer a inferência. Portanto, essa inferência "não tão fácil" parece ser marcada de uma forma que é mais fácil de lembrar.

Edição de inferência preditiva / direta

As inferências preditivas / diretas usam o Conhecimento Geral do Mundo do leitor para construir sua previsão das consequências do que está acontecendo atualmente na história no Modelo de Situação.

Integrando Inferências na Edição de Modelos de Situação

A questão de como os modelos entram em processos inferenciais é altamente controversa nas duas disciplinas de psicologia cognitiva e inteligência artificial. A.I. deu uma visão profunda dos procedimentos psicológicos e desde que as duas disciplinas se cruzaram e dão duas bases principais da ciência cognitiva. Os argumentos nestes são amplamente independentes uns dos outros, embora tenham muito em comum.

Johnson-Laird (1983) faz uma distinção entre três tipos de teorias de raciocínio nas quais a inferência desempenha um papel importante. A primeira classe segue os cálculos lógicos e foi implementada em muitos sistemas formais. A linguagem de programação Prolog surge dessa forma de lidar com o raciocínio e, na psicologia, muitas teorias postulam regras formais de inferência, uma "lógica mental". Essas regras funcionam de maneira puramente sintática e, portanto, são "livres de contexto", cegas para o contexto de seu conteúdo. Um exemplo simples esclarece o problema com este tipo de teoria:

e a conclusão lógica:

Isso é logicamente correto, mas parece falhar em nosso senso comum de lógica.

A segunda classe de teorias postula regras de inferência específicas para o conteúdo. Sua origem está em linguagens de programação e sistemas de produção. Eles trabalham com formas como "Se x é a, então x é b".Se alguém quiser mostrar que x é b, mostrar que x é um subobjetivo desta argumentação. A ideia de basear teorias psicológicas de raciocínio em regras específicas de conteúdo foi discutida por Johnson-Laird e Wason e vários tipos de tais teorias foram propostos. Uma ideia relacionada é que o raciocínio depende do acúmulo de exemplos específicos dentro de uma estrutura conexionista, em que a distinção entre inferência e recordação é confusa.

A terceira classe de teorias é baseada em modelos mentais e não usa nenhuma regra de inferência. O processo de construção de modelos mentais de coisas ouvidas ou lidas. Os modelos estão em permanente mudança de atualizações. Um modelo construído, será equipado com novos recursos das novas informações, desde que não haja informações, o que gera um conflito com aquele modelo. Se for esse o caso, o modelo geralmente é reconstruído, de modo que as informações geradoras de conflito se encaixem no novo modelo.

Dicas lingüísticas versus edição de conhecimento do mundo

Segundo muitos pesquisadores, a linguagem é o conjunto de instruções de processamento sobre como construir o Modelo de Situação da situação representada (Gernsbacher, 1990 Givon, 1992 Kintsch, 1992 Zwaan & amp Radvansky, 1998). Conforme mencionado, os leitores usam as dicas e informações lexicais para conectar as diferentes dimensões situacionais e integrá-las ao modelo. Outro ponto importante aqui é o conhecimento prévio do mundo. O conhecimento do mundo também influencia como as diferentes informações em um modelo de situação estão relacionadas. A relação entre pistas linguísticas e conhecimento de mundo é, portanto, um tópico importante de pesquisas atuais e futuras na área de Modelos de Situação.

Edição de multidimensionalidade

Outro aspecto importante das pesquisas atuais na área de Modelos de Situação é a Multidimensionalidade dos Modelos. O aspecto principal aqui é como as diferentes dimensões se relacionam entre si, como elas influenciam e interagem. A questão aqui é também se eles interagem e quais interagem. A maioria dos estudos na área tratava apenas de uma ou algumas das dimensões situacionais.

Ashwin Ram, et al. (1999) Understanding Language Understanding - capítulo 5

Baggett, P. (1979). Histórias estruturalmente equivalentes em filme e texto e o efeito do meio na recordação. Journal of Verbal Learning and Verbal Behavior, 18, 333-356.

Bertram F. Malle, et al. (2001) Intenções e Intencionalidade - capítulo 9

Boroditsky, L. (2000). Estruturação metafórica: compreensão do tempo por meio de metáforas espaciais. Cognição, 75, 1-28.

Carlson-Radvansky, L. A., & amp Radvansky, G. A. (1996). A influência das relações funcionais na seleção de termos espaciais. Psychological Science, 7, 56-60.

Carreiras, M., et al. (1996). O uso de informações estereotipadas de gênero na construção de um modelo mental: evidências do inglês e do espanhol. Quarterly Journal of Experimental Psychology, 49A, 639-663.

Dahan, D. & amp Tanenhaus, M.K. (2002). Ativação de representações conceituais durante o reconhecimento de palavras faladas. Abstracts of the Psychonomic Society, 7, 14.

Ericsson, K. A., & amp Kintsch, W. (1995). Memória de trabalho de longo prazo. Psychological Review, 102, 211-245.

Farah, M. J., & amp McClelland, J. L. (1991). Um modelo computacional de comprometimento da memória semântica: especificidade da modalidade e especificidade da categoria emergente. Journal of Experimental Psychology: General, 210, 339-357.

Fincher-Kiefer (2001). Componentes perceptivos dos modelos de situação. Memory & amp Cognition, 29, 336-343.

Fincher-Kiefer, R., et al. (1988). Sobre o papel dos conhecimentos prévios e as exigências da tarefa no processamento do texto. Journal of Memory and Language, 27, 416-428.

Garrod, S. C., & amp Sanford, A. J. (1989). Modelos de discurso como interfaces entre a linguagem e o mundo espacial. Journal of Semantics, 6, 147-160.

Gernsbacher, M.A. (1990), Language compreension as structure building. Hillsdale, NJ: Erlbaum.

Glenberg, A. M., & amp Kaschak, M. P. (2002). Linguagem de base em ação. Psychonomic Bulletin & amp Review, 9, 558-565.

Glenberg, A. M., et al. (1987) Os modelos mentais contribuem para o primeiro plano durante a compreensão do texto. Journal of Memory and Language 26: 69-83.

Givon, T. (1992), The grammar of referential coerence as mental processing Instructions, Linguistics, 30, 5-55.

Goldman, S.R., et al. (1996). Ampliando a integração de construção com restrição de capacidade: em direção a modelos "mais inteligentes" e flexíveis de compreensão de texto. Modelos de compreensão de texto (pp. 73–113).

Goldstein, E.Bruce, Cognitive Psychology, Connecting Mind, Research, and Everyday Experience (2005) - ISBN 0-534-57732-6.

Graesser, A. C., Singer, M., & amp Trabasso, T. (1994), Construindo inferências durante a compreensão do texto narrativo. Psychological Review, 101, 371-395.

Holland, John H., et al. (1986) Indução.

Horton, W.S., Rapp, D.N. (no prelo). Oclusão e acessibilidade da informação na compreensão narrativa. Psychonomic Bulletin & amp Review.

Isenberg, N., et al. (1999). A ameaça linguística ativa a amígdala humana. Proceedings of the National Academy of Sciences, 96, 10456-10459.

Johnson-Laird, P. N. (1983). Modelos mentais: Rumo a uma ciência cognitiva da linguagem, inferência e consciência. Cambridge, MA: Harvard University Press.

John R. Koza, et al. (1996) Programação Genética

Just, M. A., & amp Carpenter, P. A. (1992). Uma hipótese de capacidade de compreensão: diferenças individuais na memória de trabalho. Psychological Review, 99, 122-149.

Kaup, B., & amp Zwaan, R.A. (no prelo). Efeitos da negação e presença situacional na acessibilidade da informação textual. Journal of Experimental Psychology: Learning, Memory and Cognition.

Keefe, D. E., & amp McDaniel, M. A. (1993). O curso do tempo e a durabilidade das inferências preditivas. Journal of Memory and Language, 32, 446-463.

Kintsch, W. (1988), O papel do conhecimento na compreensão do discurso: Um modelo de construção-integração, Psychological Review, 95, 163-182.

Kintsch, W., & amp van Dijk, T. A. (1978), Para um modelo de compreensão e produção de texto, Psychological Review, 85, 363-394.

Kintsch, W. (1992), Como os leitores constroem modelos de situação para histórias: o papel das pistas sintáticas e inferências causais. Em A. E Healy, S. M. Kosslyn, & amp R. M. Shiffrin (Eds.), Dos processos de aprendizagem aos processos cognitivos. Ensaios em homenagem a William K. Estes (Vol. 2, pp. 261-278).

Klatzky, R.L., et al. (1989). Você pode espremer um tomate? O papel das representações motoras nos julgamentos de sensibilidade semântica. Journal of Memory and Language, 28, 56-77.

Martin, A., & amp Chao, L. L. (2001). Memória semântica e cérebro: estrutura e processos. Current Opinion in Neurobiology, 11, 194-201.

McRae, K., et al. (1997). Sobre a natureza e o escopo das representações características do significado das palavras. Journal of Experimental Psychology: General, 126, 99-130.

Mehler, Jacques e Franck, Susana. (1995) Cognition on Cognition - capítulo 9

Miceli, G., et al. (2001). A dissociação da cor do conhecimento da forma e da função. Nature Neuroscience, 4, 662-667.

Morrow, D., et al. (1987). Acessibilidade e modelos de situação na compreensão narrativa. Journal of Memory and Language, 26, 165-187.

Pulvermüller, F. (1999). Palavras na linguagem do cérebro. Behavioral and Brain Sciences, 22, 253-270.

Pulvermüller, F. (2002). Uma perspectiva do cérebro sobre os mecanismos da linguagem: dos conjuntos neuronais discretos à ordem serial. Progress in Neurobiology, 67, 85-111.

Radvansky, G. A., & amp Zwaan, R.A. (1998). Modelos de situação.

Schmalhofer, F., MacDaniel, D. Keefe (2002). Um modelo unificado para inferências preditivas e de ponte

Schneider, W. & amp Körkel, J. (1989). A base de conhecimento e a recordação do texto: evidências de um estudo longitudinal de curto prazo. Contemporary Educational Psychology, 14, 382-393.

Singer, M., et al. (1992). Validação de inferências de ponte causal. Journal of Memory and Language, 31, 507-524.

Spivey, M.J., et al. (2000). Movimentos oculares durante a compreensão de descrições de cenas faladas. Proceedings of the Twenty-second Annual Meeting of the Cognitive Science Society (pp. 487-492).

Stanfield, R.A. & amp Zwaan, R.A. (2001). O efeito da orientação implícita derivada do contexto verbal no reconhecimento de imagem. Psychological Science, 12, 153-156.

Talmy, Leonard, (2000) Toward a Cognitive Semantics - Vol. 1 - capítulo 1

van den Broek, P., et al. (1996). Uma visão "paisagem" da leitura: padrões flutuantes de ativação e a construção de uma representação da memória. Em B. K. Britton e A. C. Graesser (Eds.), Modelos de texto de compreensão (pp. 165-187).

Van Dijk, T. A. e W. Kintsch. (1983). Estratégias de compreensão do discurso.

Yekovich, F.R., et al. (1990). A influência do conhecimento do domínio na inferência em indivíduos de baixa aptidão. Em A. C. Graesser & amp G. H. Bower (Eds.), The psychology of learning and Motivation (Vol. 25, pp. 175–196). Nova York: Academic Press.

Zwaan, R.A. (1996). Processando mudanças de tempo narrativas. Journal of Experimental Psychology: Learning, Memory and Cognition, 22, 1196-1207

Zwaan, R.A. (2003), The Immersed Experiencer: Rumo a uma teoria incorporada de compreensão da linguagem.B.H. Ross (Ed.) The Psychology of Learning and Motivation, Vol. 44. Nova York: Academic Press.

Zwaan, R. A., et al. (1998). Construção de um modelo de situação durante a tradução. Manuscrito em preparação, Florida State University.

Zwaan, R. A., et al. (1995). A construção de modelos de situação na compreensão narrativa: um modelo de indexação de eventos. Psychological Science, 6, 292-297.

Zwaan, R. A., et al. (1995). Dimensões da construção de modelos de situação na compreensão narrativa. Journal of Experimental Psychology. "Learning, Memory, and Cognition, 21, 386-397.

Zwaan, R. A., Radvansky (1998), Situation Models in Language Comprehension and Memory. em Psychological Bulletin, Vol.123, No2 p. 162-185.


Como o cérebro pensa?

Nossos cérebros não conseguem analisar tudo completamente. É assim que eles pensam em tudo de qualquer maneira.

Um rugido enche o ar e um pequeno objeto voa pelo céu. As pessoas na multidão erguem os olhos e três vozes gritam: “Veja! No céu! É um passaro!" “É um avião!” “É o Superman!”

É o mesmo objeto, o mesmo céu. É até o mesmo rugido. Então, por que três pessoas testemunhando o mesmo evento chegam a conclusões diferentes?

A resposta a essa pergunta está em como nossos cérebros estão programados para pensar. Experimentamos e interpretamos o mundo ao nosso redor com base no que já sabemos, embora às vezes o que sabemos seja falho.

O problema de pensamento

O mundo é um lugar confuso e agitado. Nosso cérebro deve dar sentido a isso, processando um fluxo interminável de informações. Idealmente - porque seria mais preciso - nosso cérebro analisaria tudo completamente. No entanto, eles não podem, porque é muito impraticável.

Pensar leva tempo e muitas vezes nossas decisões devem ser rápidas. Você deve saber imediatamente para atravessar uma estrada rapidamente - até mesmo correr - quando ouvir um carro se aproximando rapidamente.

O pensamento também usa energia - ou capacidade intelectual - e nossos cérebros têm apenas um suprimento limitado. Analisar tudo esgotaria rapidamente nossos estoques de energia.

Essas limitações representam um problema de pensamento: nossos cérebros simplesmente não têm recursos suficientes para entender o mundo sem tomar alguns atalhos mentais.

Nossos cérebros inteligentes e preguiçosos

Nosso cérebro encontra atalhos para superar o problema de pensamento, contando com pensamentos já armazenados em nossa mente, chamados de esquemas. Os esquemas fazem o processamento para o cérebro, como o preenchimento automático, mas para o pensamento.

Usar esquemas é mais eficiente do que analisar todos os aspectos de cada momento. Eles permitem que nosso cérebro processe mais informações com menos esforço, economizando a capacidade do cérebro para outros pensamentos importantes e resolução de problemas.

Nossos cérebros como bibliotecas

Os esquemas são os blocos de construção de nosso conhecimento sobre o mundo. Nossos cérebros contam com diferentes tipos de esquemas para compreender diferentes tipos de situações.

Os esquemas são como livros em sua mente que lhe dizem o que são os diferentes objetos e o que eles fazem. Um esquema de pássaros, por exemplo, pode dizer que os pássaros são "pequenos animais", "têm asas" e "podem voar". Juntos, todos os objetos que você conhece formam uma coleção de livros que preenchem as estantes de uma biblioteca em sua mente.

Nossos cérebros confiam no que esses livros ou esquemas nos dizem quando tentamos compreender os objetos em nosso ambiente. Fazer isso é muito mais rápido e fácil do que analisar suas características novamente, e a conclusão é geralmente - mas nem sempre - a mesma.

Eu vejo as coisas de maneira diferente de você?

Se nossos julgamentos são precisos depende dos esquemas ou livros disponíveis em nossas bibliotecas mentais.

Quando nossos cérebros tentam entender objetos desconhecidos, eles devem confiar em um esquema para um objeto diferente, mas semelhante, porque o esquema correto não está disponível. Se o objeto e o esquema escolhido forem muito próximos, nossos cérebros sem esforço - mas de forma imprecisa - assumem que os dois objetos são iguais.

Uma pessoa que nunca viu um morcego pode presumir que um morcego é um pássaro porque as características do morcego e seu esquema para um pássaro são semelhantes: ambos são pequenos animais com asas e podem voar. Nossos cérebros aceitam imprecisões ocasionais.

Para as duas pessoas que pensaram que o Superman era um pássaro ou um avião, nenhum dos dois havia visto o Superman antes, então nenhum deles tinha um esquema do Superman disponível para confiar. Em vez disso, seus cérebros escolheram esquemas para um pássaro e um avião sem esforço, porque esses esquemas eram a combinação mais próxima do objeto no céu.

Seus cérebros faziam suposições rápidas com base em conhecimento imperfeito. O cérebro humano “pensou” que viu uma coisa, mas, no interesse de pensar rápida e eficientemente, cometeu um erro. Não há mal nenhum em pensar que o Super-homem é um pássaro ou um avião, mesmo que ele não seja. Leva apenas um encontro com o Superman para criar um novo esquema e mudar seu pensamento para sempre.


Ensaio de psicologia sobre mecanismo cerebral e cérebros artificiais

Inteligência Artificial é a obra de arte de programar computadores pessoais para criar ação inteligente, enquanto a teoria do cérebro é a análise da função do cérebro, para entender a maneira como o cérebro funciona, os estímulos que vão dentro e exatamente como as saídas são produzidas por meio de modelagem numérica e estimulação por computador. Pode-se argumentar que ambos contêm características semelhantes de eficiência, ambos funcionam coletivamente, isso pode ser visto por meio da inteligência não natural usada para entender as funções dos mecanismos cerebrais. Além disso, ambos ficam entusiasmados com processos cognitivos elevados, como raciocínio, tratamento de problemas e tomada de decisões. Embora alguns filósofos tenham aceitado que as máquinas podem fazer qualquer coisa que os humanos podem fazer, alguns discordam dessa visão argumentando que hábitos superiores como o amor, a descoberta de pensamentos e as decisões morais só podem ser completados por humanos.

A IA por muitos anos tem perseguido a análise do comportamento inteligente, mas usando metodologia artificial. A inteligência pode ser definida como a 'capacidade de aprender e compreender, resolver problemas e tomar decisões', tanto a IA quanto a mente compartilham esse atributo. Para estudar o intelecto humano, alguns usam inteligência artificial para compreender os processos humanos. Um dos muitos artigos sobre a inteligência da máquina foi explorado por Alan Turning, no entanto, suas idéias ainda permanecem gerais. Turning (1950) previu que em 2000, um pc poderia ser programado para ter um diálogo com um interrogador humano por cinco minutos e que ele poderia ser capaz de enganar o interrogador que é um humano real, o que sugere uma ligação entre IA e mecanismos cerebrais. Tanto a mente quanto as máquinas são capazes de resolver cálculos matemáticos complexos. Uma máquina pode ser projetada para resolver esses cálculos mais rápido do que a mente. Embora as evidências sugiram que nosso cérebro armazena o equivalente a cerca de mais de 1018 peças e pode processar informações no equivalente a cerca de 1015 peças por segundo. Portanto, os mecanismos de IA e do cérebro podem trabalhar juntos para produzir resultados confiáveis, pois é evidente que ambos aceitam o insight e geram a saída correta. É realmente necessário que uma máquina inteligente ajude o ser humano a tomar decisões, a buscar informações, a regular objetos complexos e, por último, a entender o significado das palavras.

Uma das definições possíveis de IA refere-se aos procedimentos cognitivos e, principalmente, ao raciocínio. Antes de tomar qualquer decisão, as pessoas também raciocinam, portanto, é natural explorar as ligações entre os dois. Desde o início dos anos 1950, tem havido um desenvolvimento massivo de IA, onde se tornou uma ferramenta valiosa para apoiar os humanos na tomada de decisões. Da mesma forma, mecanismos cerebrais específicos ficam entusiasmados com a tomada de decisões no cérebro, pode-se argumentar que trabalhar juntos levará a mais decisões válidas e mais rápidas. Para apoiar isso, a pesquisa mostra que variedades mais superiores e fáceis de usar de tecnologia de auxílio à decisão assistida por computador estão sendo desenvolvidas. Os exemplos incluem sistemas de suporte à decisão e sistema de recuperação de informação externo, que pode funcionar junto com os mecanismos cerebrais.

A IA tem sido amplamente usada para lidar com problemas, tais máquinas foram criadas e podem exceder a capacidade da mente para resolver problemas. Isso inclui a resolução de problemas matemáticos de alta complexidade - eles são programados para fazer exatamente o que queremos que eles façam. A IA agora está envolvida no tratamento de questões da vida real, que geralmente são tratadas por mecanismos mentais, alguns podem sugerir que ela poderia atingir tal ponto que supere os melhores corretores de ações e investidores. Os dados afirmam que eles já estão envolvidos em prever o clima econômico atual e avaliar o risco de crédito, tratando-se apenas de amostras. Este é um campo de rápido crescimento que deve chamar a atenção. Mais dinheiro está sendo alocado para isso, pois as melhorias neste campo têm sido imensas. Sites neurais são um tipo específico de IA que imita muitas características da mente. A pesquisa sugere que as redes neurais são capazes de tirar conclusões de dados que são imperfeitos e podem aprender com as falhas anteriores, imitando assim resultados de desempenho por mecanismos cerebrais.

Os sistemas de IA estão cada vez mais sendo desenvolvidos e aumentando rapidamente, isso se deve à variedade de aplicações que oferece, como raciocínio simbólico, flexibilidade e recursos de explicação, portanto, tanto a IA quanto os mecanismos cerebrais podem trabalhar juntos e produzir resultados eficazes que poderiam fazer todos os dias a vida parece menos fácil e produz resultados mais rápidos. O objetivo de construir provedores de IA era que ele oferecesse eficiência e, essencialmente, funcionasse em paralelo aos mecanismos do cérebro, como por exemplo, contém recursos como capacidades cognitivas que provavelmente estão envolvidas na tomada de decisões e ajudam em situações humanas difíceis e complicadas. Além disso, as capacidades cognitivas, como compreensão, raciocínio, aprendizagem e planejamento, transformam sistemas especializados em sistemas que 'sabem o que estão fazendo', portanto, podem funcionar em paralelo com os mecanismos do cérebro.Ao longo dos anos tem havido vastos desenvolvimentos e mais trabalho está sendo colocado nesses sistemas para poder incluir uma quantidade específica de conhecimento exibido, estudo de experiências anteriores para ser capaz de prevenir problemas anteriormente feitos e para que ele faça melhorias e mudanças adicionais . Além disso, os programadores têm como objetivo desenvolver ainda mais a IA, como justificar as atividades e decisões tomadas, familiarizar-se com as capacidades que inclui e poder refletir sobre o seu comportamento, são as mesmas funções que os mecanismos cerebrais desempenham, por isso pretendem construir um modelo paralelo.

Embora tais avanços tenham sido feitos ao longo de muitos anos, pode-se argumentar que a IA ainda pode não ser capaz de lidar com os recursos avançados dos mecanismos cerebrais. Apesar da velocidade e da capacidade de armazenamento, a IA luta para resistir. O cérebro humano é composto por cerca de 20 bilhões de neurônios, cada neurônio sendo conectado por meio de sinapses de cerca de 10.000 outros neurônios, que a IA não pode imitar. No entanto, tem havido melhorias e melhorias contínuas da IA, um exemplo pode ser o software de aceitação facial, que coleta as fotos que a mente faz isso automaticamente e depende da memória como a IA, onde usa sua área de armazenamento armazenada para coleta. Na IA, isso tem sido usado para fins de segurança, o que tem demonstrado ser muito bem-sucedido. Os avanços anteriores incluem o reconhecimento da fala, que tanto a IA quanto os mecanismos cerebrais mostram. Para a IA, isso não só foi utilizado em termos de segurança, mas também para poder funcionar esses dispositivos e o que o torna mais fácil e conveniente de usar, isso tem sido feito através do uso de diferentes aplicativos, onde envolverá a programação, o mesmo forma os mecanismos mentais programam a fim de realizar funções específicas. Além disso, embora os aplicativos de IA usem muitas técnicas, o bloco de construção fundamental é chamado de rede neural, além disso, os mecanismos do cérebro funcionam da mesma maneira.

Coisas que antes eram difíceis de raciocinar tornaram-se mais simples de entender por meio de inovações tecnológicas. Como o cérebro humano é um mecanismo tão complicado, é difícil ver a atividade do cérebro humano. Novas inovações foram fabricadas nos tempos modernos, sendo a FMRI (Functional Magnetic Resonance Imaging) uma das descobertas que ajudou imensamente a capturar a atividade cerebral, tem sido uma ajuda significativa para a IA, pois permite um entendimento sobre a atividade cerebral, o que pode ajudar avançar e ajudar a imitar os mecanismos cerebrais. Além disso, isso muda o equilíbrio entre a construção de sistemas inteligentes manufaturados e o aprendizado da inteligência natural. É de se esperar que, no futuro, haja numerosos estudos sobre como relacionar a inteligência criada pelo homem à inteligência natural. Evidências atuais mostram que ambos poderiam trabalhar juntos para mostrar expressões cognitivas diferentes em humanos, aqui a inteligência artificial foi usada para aprender algoritmos para distinguir entre vários governos estaduais cognitivos observados por meio de FMRI. Olhando além desta área, a inteligência natural e manufaturada são ambas intimamente relacionadas na maioria dos objetos e na rotina diária em geral. Ambos são afetados se forem atingidos fisicamente. O comportamento humano é considerado artificial às vezes, ambos funcionam por meio do dialeto e da comunicação. A comunicação é vital para o funcionamento da IA ​​e dos mecanismos cerebrais. Por meio da comunicação, eles podem enviar mensagens essenciais, o que ajuda a manter esses sistemas e permite que operem com eficácia e desempenhem um papel fundamental em todos os aspectos.

A IA compartilha muitas características com os mecanismos cerebrais, pode-se argumentar que uma característica essencial que apenas os mecanismos individuais podem produzir são os sentimentos. A emoção é pensada como as emoções e o comportamento de uma pessoa que inclui um impacto direto no desempenho, os pensamentos podem atuar como um obstáculo para criar um resultado final inteligente, portanto, pode-se argumentar que, como a IA não cria emoções, isso pode não ter um impacto, portanto desprovido de influência nos resultados finais que produz. No entanto, é essencial que para ser capaz de emular o comportamento humano e trabalhar ao lado dos humanos que a IA tenha emoções, é necessário que não só pense e raciocine, mas também seja capaz de mostrar emoções.

A evidência geral mostra que tanto os cérebros artificiais quanto os mecanismos cerebrais estão cuidadosamente relacionados, ambos interagem para produzir benefícios eficientes. A IA e os mecanismos cerebrais promovem muitas características-chave, como raciocínio, lidar com problemas e tomada de decisões e cérebros. Evidências recentes afirmam que a IA nos permitiu compreender procedimentos cerebrais complexos, o que permite entender as atividades e decisões do ser humano com mais profundidade. No entanto, muitos analistas ainda argumentam que a cognição avançada só pode ser produzida por mecanismos cerebrais, como emoções e emoções que a IA não produz.


Representação de conhecimento específico da categoria

A perda de conhecimento específico da categoria também foi relatada (Damasio, 1990 Warrington e Shallice, 1990 Hart, Berndt e Caramazza, 1985). No domínio lexical, isso pertence à dupla dissociação de compreensão e nomeação de nomes de objetos e nomes de ações (Goodglass, Klein, Carey e Jones, 1966 Miceli, Silveri, Villa e Caramazza, 1984). Fracionamento posterior da perda de substantivo também foi relatado (Warrington e Shallice, 1990 Hart, Berndt e Caramazza, 1985 McKenna e Warrington, 1980).

A perda de conhecimento específico da categoria também pode se manifestar como uma incapacidade seletiva de descrever objetos ou eliciar suas imagens mentais (Warrington e Shallice, 1984), ou como agnosia seletiva para certas categorias de objetos, mas não para outras (Nielsen, 1946). A observação mais comum e consistente de perda de conhecimento específica da categoria é que o conhecimento de objetos vivos ou alimentos é mais prejudicado do que o conhecimento de objetos inanimados (Vignolo, 1982 Goldberg, 1989 Hart, Berndt e Caramazza, 1985 Goodglass et al., 1986). No entanto, os pesquisadores também relataram o padrão oposto (Warrington e McCarthy, 1983, 1987).

Para explicar a esmagadora unidirecionalidade da dissociação, com a maioria dos estudos relatando maior preservação do conhecimento sobre coisas inanimadas do que vivas, e muito poucos relatando o padrão oposto, foi proposto que a diferença pode refletir semelhanças perceptuais inerentemente maiores e, portanto, confusibilidade, dentro o domínio vivo do que dentro do domínio inanimado (Riddoch, Humphreys, Coltheart e Funnell, 1988). Alternativamente, foi proposto que a perda de conhecimento específica da categoria pode refletir diferentes padrões de saliência relativa de diferentes modalidades sensoriais para diferentes categorias (Goldberg, 1989, Warrington e McCarthy, 1987). O último ajuda a explicar as dissociações duplas específicas da categoria. Também inter-relaciona aspectos específicos de categoria e sentido das representações mentais.

Os objetos inanimados usados ​​na maioria dos estudos são, na verdade, objetos ou ferramentas feitas pelo homem. Portanto, é difícil saber qual das duas distinções, vivo versus inanimado ou feito pelo homem versus natural, captura melhor as diferenças observadas. A última distinção enfatiza a natureza secundária dos aspectos específicos da categoria relativos aos aspectos específicos da modalidade das representações do conhecimento. Isso ocorre porque as ferramentas feitas pelo homem têm representações somatossensoriais e motoras obrigatórias no cérebro que estão ausentes para a maioria dos objetos naturais ou alimentos. Portanto, as ferramentas são codificadas com base em mais dimensões sensoriais em comparação com a maioria dos objetos naturais, o que tornaria os engramas correspondentes mais robustos.

Ao considerar os tipos mais esotéricos de perda de conhecimento de categoria específica ou preservação de conhecimento (Hart, Berndt e Caramazza, 1985 Yamadori e Albert, 1973 McKenna e Warrington, 1978), deve-se também levar em consideração as possíveis idiossincrasias pré-mórbidas de forças lexicais individuais e fraquezas. Esta pode ser uma fonte potente de artefato na análise do desempenho pós-morbidade.

Finalmente, a perda combinada de conhecimento específico de categoria e modalidade foi relatada em um paciente que teve uma perda seletiva de coisas vivas, mas não de objetos no domínio verbal, mas não visual (McCarthy e Warrington, 1988). Elizabeth Warrington e Tim Shallice (1984) concluem que o conhecimento é organizado tanto nas dimensões sensoriais quanto nas categorias.

O conhecimento da categoria superior do objeto é bem preservado na perda de conhecimento específica da modalidade, específica da categoria e combinada (Warrington, 1975 McCarthy e Warrington, 1988). Essa observação abrangente deu suporte à hipótese de que o conhecimento sobre as coisas é hierárquico. Os pesquisadores propuseram que o acesso a um membro de uma categoria específica invariavelmente começa com o acesso a uma categoria superior (Warrington, 1975). Embora isso possa ser verdade em alguns casos, a observação da preservação relativa do conhecimento superior não exige por si só esta conclusão. Na verdade, uma rota diferente de identificação de objeto também foi proposta, desde a categoria básica até as categorias subordinadas e subordinadas (Rosch, 1978).

Os pesquisadores evocaram as hipóteses de armazenamento degradado (Warrington e Shallice, 1984) e acesso prejudicado (Humphreys, Riddoch e Quinlan, 1988) para explicar a perda de memória específica de categoria e modalidade. Eles sugeriram que uma loja degradada é caracterizada pela uniformidade de respostas em testes de recall e acesso prejudicado por sua variabilidade (Warrington e Shallice, 1984 Cermak e O'Connor, 1983 Shallice, 1988). A possível base neuroanatômica para essa distinção pode estar relacionada ao fato de a lesão crítica afetar os locais neocorticais onde as representações são distribuídas, resultando em armazenamento degradado, ou estruturas subcorticais envolvidas em vários aspectos de ativação e excitação, resultando em acesso prejudicado.

Estudos de neuroimagem funcional em indivíduos normais também apontam para a segregação dos sistemas neurais envolvidos no conhecimento específico da categoria. Os investigadores demonstraram que regiões específicas do córtex ventral temporal respondem diferentemente ao processamento de várias categorias (Chao, Haxby e Martin, 1999). Tem havido algumas indicações de que as dissociações no padrão de ativação seguem a distinção entre categorias animadas e inanimadas (Caramazza e Shelton, 1998), no entanto, os resultados da pesquisa no final da década de 1990 e início de 2000 não conseguiram encontrar evidências de que essas distinções de categoria existem no neural nível (Devlin et al., 2002).

Bibliografia

Beauvois, M. F. (1982). Afasia óptica: um processo de interação entre visão e linguagem. Transações filosóficas da Royal Society (Londres) B298, 35-47.

Bookheimer, S. Y. (1996). Aplicações funcionais da ressonância magnética na epilepsia clínica. Neuroimage 4, S139-146.

Caramazza, A. e Shelton, J. R. (1998). Sistemas de conhecimento de domínio específico no cérebro: A distinção inanimada animada. Journal of Cognitive Neuroscience 10, 1-34.

Cermak, L. S. e O'Connor, M. (1983). A capacidade de recuperação de um paciente com amnésia devido a encefalite. Neuropsychologia 21, 213-234.

Chao, L. L., Haxby, J. V. e Martin, A. (1999). Substratos neurais baseados em atributos no córtex temporal para perceber e saber sobre objetos. Nature Neuroscience 2, 913-919.

Cohen, N. J. e Squire, L. R. (1980). Aprendizagem preservada e retenção da habilidade de análise de padrões na amnésia: dissociação de "saber como" e "saber aquilo". Science 210, 207-209.

Damasio, A. R. (1990). Defeitos de reconhecimento relacionados à categoria como uma pista para os substratos neurais do conhecimento. Tendências em neurociências 13, 95-98.

Devlin, J.T., Russel, R.P. Davis, R.H., Price, C.J., Moss, H.E., Fadili, M.J. e Tyler, L.K. (2002). Existe uma base anatômica para a especificidade da categoria? Estudos de memória semântica em PET e fMRI. Neuropsychologia 40, 54-75.

Goldberg, E. (1989). Abordagem gradual da organização funcional neocortical. Journal of Clinical and Experimental Neuropsychology 11, 489-517.

—— (1990). Agnosias associativas e as funções do hemisfério esquerdo. Journal of Clinical and Experimental Neuropsychology 12, 467-484.

Goodglass, H., Klein, B., Carey, P. e Jones, K. (1966). Categorias de palavras semânticas específicas na afasia. Cortex 2, 74-89.

Goodglass, H., Wingfield, A., Hyde, M. R. e Theurkauf, J. (1986). Dissociação específica da categoria na nomeação e reconhecimento por pacientes afásicos. Cortex 22, 87-102.

Hart, J., Berndt, R. S. e Caramazza, A. (1985). Déficit de nomenclatura específica da categoria após infarto cerebral. Nature 316, 439-440.

Hecaen, H. e Albert, M. L. (1978). Neuropsicologia humana. Nova York: Wiley.

Humphreys, G. W., Riddoch, M. J. e Quinlan, P. T. (1988). Processos em cascata na identificação de imagens. Neuropsicologia Cognitiva 5, 67-103.

Kinsbourne, M. e Wood, F. (1975). Processos de memória de curto prazo e a síndrome amnéstica. Em D. Deutsch e J. A. Deutsch, eds., Memória de curto prazo. Nova York: Academic Press.

Martin, A. (2001). Neuroimagem funcional da memória semântica. Em R. Cabaza e A. Kingstone, eds., Imagem funcional da memória semântica. Cambridge, MA: MIT Press.

McCarthy, R. A. e Warrington, E. K. (1986). Agnosia associativa visual: Um estudo clínico-anatômico de um único caso. Journal of Neurology, Neurosurgery and Psychiatry 49, 1,233-1,240.

—— (1988). Evidência de sistemas de significado de modalidades específicas no cérebro. Nature 334, 428-430.

McKenna, P. e Warrington, E. K. (1978). Preservação de nomenclatura específica da categoria: Um estudo de caso único. Journal of Neurology, Neurosurgery and Psychiatry 41, 571-574.

—— (1980). Teste para disfasia nominal. Journal of Neurology, Neurocirurgia e Psiquiatria 43, 781-788.

Miceli, G., Silveri, M.C., Villa, G. e Caramazza, A. (1984). Com base na dificuldade do agramático em produzir verbos principais. Cortex 20, 207-220.

Nielsen, J. M. (1946). Agnosia, apraxia, afasia: seu valor na localização cerebral, 2ª edição. Nova York: Hoeber.

Riddoch, M. J., Humphreys, G. W., Coltheart, M. e Funnell, E. (1988). Sistemas semânticos ou sistema? Evidência neuropsicológica reexaminada. Neuropsicologia Cognitiva 5, 3-25.

Rosch, E. (1978). Princípios de categorização. Em E. Rosch e B. B. Lloyd, eds., Princípios de categorização. Hillsdale, NJ: Erlbaum.

Schacter, D. L. (1985). Múltiplas formas de memória em humanos e animais. Em N. M. Weinberger, J. L. McGaugh e G. Lynch, eds., Sistemas de memória do cérebro. Nova York: Guilford Press.

—— (1987). Memória implícita: História e estado atual. Journal of Experimental Psychology: Learning, Memory, and Cognition 13, 501-518.

Shallice, T. (1987). Prejuízos do processamento semântico: dissociações múltiplas. Em M. Coltheart, G. Santori e R. J. Job, eds., A neuropsicologia cognitiva da linguagem. Hillsdale, NJ: Erlbaum.

—— (1988). Da neuropsicologia à estrutura mental. Cambridge, MA: Cambridge University Press.

Tulving, E. (1983). Elementos da memória episódica. Oxford: Oxford University Press.

Tulving, E., Kapur, S., Craik, F. I. M., Moscovitch, M. e Houle, S. (1994). Codificação hemisférica / assimetria de recuperação na memória episódica: achados da tomografia por emissão de pósitrons. Anais da Academia Nacional de Ciências dos Estados Unidos da América 91, 2,016-2,020.

Tulving, E. e Schacter, D. L. (1990). Priming e sistemas de memória humanos. Ciência 247, 301-306.

Vignolo, L. A. (1982). Agnosia auditiva. Transações filosóficas da Royal Society (Londres) B298, 16-33.

Warrington, E. K. (1975). O comprometimento seletivo da memória semântica. Quarterly Journal of Experimental Psychology 27, 635-657.

Warrington, E. K. e McCarthy, R. A. (1983). Disfasia de acesso específica da categoria. Brain 106, 859-878.

—— (1987). Categorias de conhecimento: Fracionamentos adicionais e uma tentativa de integração. Brain 110, 1,273-1,296.

Warrington, E. K. e Shallice, T. (1984). Prejuízos semânticos específicos da categoria. Brain 107, 829-853.

Yamadori, A. e Albert, M. L. (1973). Afasia de categoria de palavras. Cortex 9, 112-125.


Como o conhecimento traz mais conhecimento

Quanto mais você sabe, mais fácil será aprender coisas novas. Aprender coisas novas é na verdade um processo contínuo, mas para estudá-lo e entendê-lo melhor, os cientistas cognitivos o abordaram como um processo de três estágios. E eles descobriram que o conhecimento ajuda em todos os estágios: conforme você primeiro absorve novas informações (seja ouvindo ou lendo), conforme você pensa sobre essas informações e o material é armazenado na memória. Vamos considerar cada um desses estágios separadamente.

Como o conhecimento o ajuda a receber novas informações

O primeiro estágio em que o conhecimento factual lhe dá uma vantagem cognitiva é quando você está recebendo novas informações, seja ouvindo ou lendo. Compreender a linguagem oral ou escrita é muito mais do que saber vocabulário e sintaxe. A compreensão exige conhecimento prévio porque a linguagem está repleta de quebras semânticas nas quais o conhecimento é assumido e, portanto, a compreensão depende de fazer inferências corretas. Em uma conversa casual, o ouvinte pode reunir conhecimentos de base ausentes e verificar suas inferências fazendo perguntas (por exemplo, você quis dizer Bob Smith ou Bob Jones? O que você quer dizer quando o descreve como um empresário?) - mas isso não é o caso ao assistir a um filme ou ler um livro. (E às vezes não é o caso em sala de aula quando um aluno fica com vergonha de fazer uma pergunta.)

Para fornecer alguns exemplos concretos e simplificar a discussão, vamos nos concentrar na leitura - mas tenha em mente que os mesmos pontos se aplicam à audição. Suponha que você leia este breve texto: "O rosto de John caiu quando ele olhou para sua barriga protuberante. O convite especificava 'gravata preta' e ele não usava smoking desde seu próprio casamento, 20 anos antes." Você provavelmente vai inferir que John está preocupado com o fato de seu smoking não servir, embora o texto não diga nada diretamente sobre esse problema em potencial. O escritor poderia adicionar os detalhes ("John tinha ganhado peso desde a última vez que vestiu seu smoking e temia que ele não coubesse"), mas eles não são necessários e as palavras adicionadas tornariam o texto enfadonho. Sua mente é capaz de preencher as lacunas porque você sabe que as pessoas costumam ficar mais pesadas 20 anos após o casamento e que ganhar peso geralmente significa que roupas velhas não cabem. Esse conhecimento prévio sobre o mundo está prontamente disponível e, portanto, o escritor não precisa especificá-lo.

Assim, uma forma óbvia pela qual o conhecimento auxilia na aquisição de mais conhecimento está no maior poder que ele proporciona em fazer inferências corretas. Se o escritor presumir que você possui algum conhecimento prévio de que não dispõe, você ficará confuso. Por exemplo, se você lê: "Ele foi um verdadeiro Benedict Arnold sobre isso" e não sabe quem foi Benedict Arnold, você está perdido. Essa implicação de conhecimento prévio é direta e fácil de entender. Não é surpresa, então, que a capacidade de ler um texto e entendê-lo esteja altamente correlacionada com o conhecimento prévio (Kosmoski, Gay e Vockell, 1990). Se você sabe mais, é um leitor melhor.

Na maioria das vezes, você não tem consciência de fazer inferências ao ler. Por exemplo, quando você leu o texto acima, é improvável que você tenha pensado: "Hmmm ... deixe-me ver agora ... por que estou sendo informado sobre a última vez que ele vestiu seu smoking? Por que pensar nisso faria seu rosto cair?" Essas inferências conscientes são desnecessárias porque os processos cognitivos que interpretam o que você lê acessam automaticamente não apenas as palavras literais que você lê, mas também as ideias associadas a essas palavras. Assim, quando você lê "smoking", os processos cognitivos que estão dando sentido ao texto podem acessar não apenas "um traje formal", mas todos os conceitos relacionados em sua memória: Smoking são caros, são usados ​​com pouca frequência, não são confortáveis, podem ser alugados, costumam ser usados ​​em casamentos e assim por diante. Como o texto ilustra, os processos cognitivos que extraem sentido também têm acesso a conceitos representados pelo cruzamento de ideias "smoking" disponibiliza "roupas" e "20 anos após o casamento" disponibiliza "ganhando peso". A interseção de "roupas" e "ganhar peso" gera a ideia de "roupas não cabem" e entendemos por que John não está feliz. Todas essas associações e inferências acontecem fora da consciência. Apenas o resultado desse processo cognitivo - que John está preocupado com o fato de que seu smoking não vai caber mais - entra na consciência.

Às vezes, esse processo subconsciente de fazer inferências falha e as ideias do texto não podem ser conectadas. Quando isso acontece, o processamento é interrompido e um esforço maior é feito para encontrar alguma conexão entre as palavras e ideias no texto. Esse esforço maior requer um processamento consciente. Por exemplo, suponha que mais tarde no mesmo texto que você leu: "John desceu as escadas com cuidado. Jeanine olhou para ele de cima a baixo enquanto esperava. Finalmente, ela disse: 'Bem, estou feliz por ter alguns peixes minha bolsa. '"O comentário de Jeanine pode muito bem interromper o fluxo normal de leitura. Por que ela teria peixe? Você procuraria alguma relação entre carregar peixes para um evento formal e os outros elementos da situação (roupas formais, escadas, bolsas, o que lhe contaram sobre Jeanine e John). Nesta pesquisa, você pode recuperar a noção popular de que usar um smoking pode fazer alguém parecer um pouco com um pinguim, o que imediatamente leva à associação de que pinguins comem peixes. Jeanine está comparando John a um pinguim e, portanto, está brincando com ele. O sentido é feito e a leitura pode continuar. Aqui, então, está um segundo e mais sutil benefício do conhecimento geral: pessoas com conhecimento mais geral têm associações mais ricas entre os conceitos na memória e, quando as associações são fortes, elas se tornam disponíveis para o processo de leitura automaticamente. Isso significa que a pessoa com um rico conhecimento geral raramente precisa interromper a leitura para buscar conscientemente as conexões.

Esse fenômeno foi verificado experimentalmente, fazendo com que os sujeitos leiam textos sobre tópicos com os quais estão ou não muito familiarizados. Por exemplo, Johanna Kaakinen e seus colegas (2003) fizeram os sujeitos lerem um texto sobre quatro doenças comuns (por exemplo, gripe) para as quais provavelmente já estavam familiarizados com os sintomas, e um texto sobre quatro doenças incomuns (por exemplo, tifo) para as quais eles provavelmente não eram. Para cada texto, havia informações adicionais sobre as doenças que os sujeitos provavelmente não sabiam.

Os pesquisadores usaram uma tecnologia sofisticada para medir discretamente onde os sujeitos fixaram seus olhos enquanto liam cada texto. Os pesquisadores, portanto, tinham uma medida precisa da velocidade de leitura e podiam dizer quando os sujeitos voltavam a uma parte anterior do texto para reler algo. Os pesquisadores descobriram que, ao ler textos desconhecidos, os sujeitos reliam com mais frequência partes de frases e voltavam com mais frequência para as frases anteriores. A velocidade de leitura deles também era mais lenta em geral em comparação com quando eles liam textos familiares. Essas medidas indicam que o processamento é mais lento ao ler sobre algo desconhecido para você.

Assim, o conhecimento prévio torna o leitor um melhor leitor de duas maneiras. Em primeiro lugar, significa que há uma probabilidade maior de você ter o conhecimento para fazer com sucesso as inferências necessárias para entender um texto (por exemplo, você saberá que as pessoas costumam ficar mais pesadas 20 anos após o casamento e, portanto, John está preocupado que seu smoking não cabe). Em segundo lugar, um rico conhecimento prévio significa que raramente você precisará reler um texto em um esforço para buscar conscientemente as conexões no texto (por exemplo, você vai perceber rapidamente que, com sua observação de peixe, Jeanine está comparando John a um pinguim).

Como o conhecimento o ajuda a pensar sobre novas informações

Compreender um texto de modo a receber novas informações é apenas o primeiro estágio de aprender essas novas informações, o segundo é pensar sobre elas. Isso acontece no que os cientistas cognitivos chamam de memória de trabalho, o terreno de preparação para o pensamento. A memória de trabalho é freqüentemente referida metaforicamente como um espaço para enfatizar sua natureza limitada, podendo-se manter apenas uma quantidade limitada de informações na memória de trabalho. Por exemplo, leia esta lista uma vez, depois desvie o olhar e veja quantas letras você consegue se lembrar.

Havia 16 letras na lista, e a maioria das pessoas lembra de cerca de sete - não há espaço suficiente na memória de trabalho para manter mais do que isso. Agora tente a mesma tarefa novamente com esta lista.

Muito mais fácil, certo? Se você comparar as duas listas, verá que na verdade elas contêm as mesmas letras. A segunda lista foi reorganizada de uma forma que o incentiva a tratar C, N e N como uma única unidade, em vez de três letras separadas. Colocar os itens juntos desta forma é chamado pedaço. Ele expande muito o quanto cabe na sua memória de trabalho - e, portanto, o quanto você pode pensar. A memória de trabalho de uma pessoa típica pode conter cerca de sete letras ou quase o mesmo número de blocos de várias letras ou informações. Observe, no entanto, que a fragmentação depende do conhecimento prévio. Se você não conhecesse a abreviatura de Federal Bureau of Investigation, não poderia tratar o FBI como um único pedaço.

A capacidade de fragmentar e sua confiança no conhecimento prévio foi testada em vários estudos. Esses estudos mostram que essa habilidade torna as pessoas mais capazes de lembrar brevemente de uma lista de itens, assim como você poderia lembrar de mais letras no segundo exemplo. Esse benefício foi observado em muitos domínios, incluindo xadrez (Chase e Simon, 1973), bridge (Engle e Bukstel, 1978), programação de computador (McKeithen, Reitman, Rueter e Hirtle, 1981), passos de dança (Allard e Starkes, 1991), projeto de circuitos (Egan e Schwartz, 1979), mapas (Gilhooly, Wood, Kinnear e Green, 1988) e música (Sloboda, 1976).

Claro, raramente queremos nos lembrar brevemente de uma lista. O aspecto importante do chunking é que ele deixa mais espaço livre na memória de trabalho, permitindo que esse espaço seja dedicado a outras tarefas, como reconhecer padrões no material. Por exemplo, em um estudo (Recht e Leslie, 1988), os pesquisadores testaram alunos do ensino fundamental que eram bons ou maus leitores (conforme medido por um teste de leitura padrão) e que também sabiam ou não sobre o jogo de beisebol ( medida por um teste criado para o estudo por três jogadores de beisebol semi-profissionais). As crianças leram uma passagem escrita no início da 5ª série que descrevia meia entrada de um jogo de beisebol. A passagem foi dividida em cinco partes e, após cada parte, o aluno foi solicitado a usar uma réplica de um campo de beisebol e jogadores para reconstituir e descrever o que leram. Os pesquisadores descobriram que o conhecimento do beisebol teve um grande impacto no desempenho: leitores fracos com alto conhecimento sobre beisebol demonstraram melhor compreensão do que bons leitores com pouco conhecimento sobre beisebol.

O que está acontecendo aqui? Primeiro, os alunos com muito conhecimento de beisebol foram capazes de ler uma série de ações e dividi-las. (Por exemplo, se alguma parte do texto descreveu o shortstop jogando a bola para o segundo homem base e o segundo homem jogando a bola para o primeiro homem base resultando em dois corredores sendo eliminados, os alunos com conhecimento de beisebol chocariam essas ações, reconhecendo-os como um jogo duplo - mas os alunos sem conhecimento de beisebol teriam que tentar se lembrar de toda a série de ações.) Em segundo lugar, porque eles eram capazes de chunk, os alunos com conhecimento de beisebol tinham espaço livre em sua memória de trabalho que eles poderiam se dedicar ao uso a réplica para reencenar a peça, bem como fornecer uma explicação verbal coerente. Sem serem capazes de chunk, os alunos com pouco conhecimento sobre beisebol simplesmente não tinham espaço livre suficiente em sua memória de trabalho para lembrar simultaneamente de todas as ações, manter o controle de sua ordem, fazer a reconstituição e descrever a reconstituição.

Este estudo ilustra a importância da vantagem da memória de trabalho que o conhecimento prévio confere (ver também Morrow, Leirer e Altieri, 1992, Spilich, Vesonder, Chiesi e Voss, 1979). Na maioria das vezes, quando estamos ouvindo ou lendo, não é suficiente entender cada frase por si só - precisamos entender uma série de frases ou parágrafos e mantê-los em mente simultaneamente para que possam ser integrados ou comparados. Fazer isso é mais fácil se o material puder ser fragmentado, pois ocupará menos do espaço limitado na memória de trabalho. Mas, a fragmentação depende do conhecimento prévio.

Como o conhecimento ajuda você a se lembrar de novas informações

O conhecimento também ajuda quando você chega ao estágio final de aprendizado de novas informações - lembrando-se delas. Simplificando, é mais fácil fixar um novo material em sua memória quando você já tem algum conhecimento do assunto (Arbuckle et al, 1990 Beier e Ackerman, 2005 Schneider, Korkel e Weinert, 1989 Walker, 1988). Muitos estudos nesta área fazem com que indivíduos com alto ou baixo conhecimento em um determinado tópico leiam um novo material e, em seguida, façam um teste sobre ele algum tempo depois, inevitavelmente, aqueles com conhecimento prévio se lembram mais.

Um estudo de David Hambrick (2003) é notável porque analisou a aprendizagem do mundo real e o fez por um período de tempo mais longo do que o típico em tais estudos. Primeiro, Hambrick testou estudantes universitários quanto aos seus conhecimentos sobre basquete. Este teste foi realizado no meio da temporada de basquete universitário. Dois meses e meio depois (no final da temporada), os participantes responderam a questionários sobre sua exposição ao basquete (por exemplo, comparecimento a jogos, assistir televisão e ler revistas ou jornais) e também fizeram testes que mediram seu conhecimento sobre habilidades masculinas específicas eventos de basquete dos dois meses e meio anteriores. Os resultados mostraram (não surpreendentemente) que os indivíduos que relataram interesse no jogo também relataram que tiveram maior exposição às informações do basquete. O achado mais interessante foi que, para um determinado nível de exposição, um maior conhecimento prévio sobre o basquete estava associado a mais novos conhecimentos sobre o basquete. Ou seja, as pessoas que já sabiam muito sobre basquete tendiam a se lembrar mais das notícias relacionadas ao basquete do que as pessoas com a mesma exposição a essas notícias, mas com menos conhecimento prévio. * Como eu disse na introdução, os ricos ficam mais ricos.

O que está por trás desse efeito? Uma rica rede de associações fortalece a memória: o novo material tem maior probabilidade de ser lembrado se estiver relacionado ao que já está na memória. Lembrar informações sobre um tópico totalmente novo é difícil porque não há nenhuma rede existente em sua memória à qual as novas informações possam ser vinculadas. Mas lembrar novas informações sobre um tópico familiar é relativamente fácil porque é fácil desenvolver associações entre sua rede existente e o novo material.

Alguns pesquisadores sugeriram que o conhecimento prévio é tão importante para a memória que pode realmente compensar ou substituir o que normalmente consideramos aptidão. Alguns estudos administraram a mesma tarefa de memória para crianças de alta e baixa aptidão, algumas das quais têm conhecimento prévio do assunto e outras não os estudos descobriram que apenas o conhecimento prévio é importante (Britton, Stimson, Stennett, e Gülgöz, 1998 Recht e Leslie, 1988 Schneider, Korkle e Weinert, 1989 Walker, 1988). Mas alguns pesquisadores discordam. Eles relatam que, embora o conhecimento prévio sempre ajude a memória, não pode eliminar as diferenças de aptidão entre as pessoas. Uma vez que a memória de todos melhora com o conhecimento prévio, assumindo exposição igual a novos conhecimentos (como em uma sala de aula sem suporte extra para alunos mais lentos), o aluno com menor aptidão geral ainda estará atrás do aluno com maior aptidão (Hall e Edmondson, 1992 Hambrick e Engle, 2002 Hambrick e Oswald, 2005 Schneider, Bjorklund e Maier-Brückner, 1996). No final, a questão não está resolvida, mas na prática da escolaridade não importa muito. O que importa é a descoberta central e indiscutível: todos os alunos aprenderão mais se tiverem maior conhecimento prévio.


Vieses relacionados

A maldição do conhecimento é considerada um tipo de preconceito egocêntrico, uma vez que faz com que as pessoas confiem demais em seu próprio ponto de vista quando tentam ver as coisas da perspectiva de outras pessoas. No entanto, uma característica importante da maldição do conhecimento, que o diferencia de alguns outros vieses egocêntricos, é que é assimétrica, no sentido de que influencia aqueles que tentam compreender uma perspectiva menos informada, mas não aqueles que tentam compreender uma perspectiva mais informada.

A maldição do conhecimento também está associada a vários outros vieses cognitivos, como:


Onde está armazenado o conhecimento de como o cérebro funciona? - psicologia

Dá uma nova visão da realidade e da ciência em quatro dimensões

Explica a evolução da consciência humana e o surgimento da cultura

Fornece uma estrutura unificadora para mente, cérebro e comportamento

Mapeia as principais dimensões do sistema de relacionamento humano

Fornece um novo grande cinco para personalidade e psicoterapia

Descreve os principais domínios do desenvolvimento da personalidade

Esclarece porque o bem-estar pode ser enquadrado como felicidade com a dignidade de ser feliz

Molda uma abordagem integrativa de atenção plena psicológica que cultiva estados valiosos de ser

O Sistema da Árvore do Conhecimento mapeia os quatro planos fundamentais da existência como Matéria, Vida, Mente e Cultura que correspondem aos comportamentos de.

A Estrutura Unificada não trata exclusivamente da psicologia - em um sentido muito amplo, ela explica muito, muito mais. Na verdade, trata-se de tudo o que existe.

O sistema ToK é uma visão geral do cosmos que nos permite enquadrar as grandes questões da vida, como quem somos nós, de onde viemos, para onde devemos ir.

A Metapsicologia Unificada convida as pessoas a traduzirem a psicologia popular cotidiana na tríade de justificação, investimento e influência.

Gregg fala com Jim Rutt sobre as muitas facetas de sua teoria unificada da psicologia.

Gregg discute discute o Digital-MetaCultural Future com John Vervaeke e Jordan Hall.

Gregg compartilha com Guy Sengstock, o fundador da Circling, como o Sistema ToK surgiu em seu pensamento e seu impacto sobre ele.

Gregg conversa com Gib Gerard sobre a Teoria Unificada do Conhecimento e por que ela é relevante para os tempos atuais.

É importante distinguir entre a Árvore do Sistema do Conhecimento e a Teoria Unificada do Conhecimento (UTOK) mais ampla no trabalho do Professor Henriques & # 39. A Árvore do Sistema do Conhecimento, mostrada no diagrama à direita, é um novo mapa da evolução cósmica. É abreviado como & quotToK, & quot que, quando dito, é soletrado como & quotTee - oh - Kay & quot System.

O Sistema ToK situado na maior Teoria Unificada do Conhecimento (UTOK, dito como uma palavra). O UTOK pode ser considerado uma & quot Estrutura de Metapsicologia Unificada & quot porque nasceu da psicologia e não da filosofia, e funciona como um sistema para resolver o problema da psicologia e oferece um conjunto de ideias que constituem uma abordagem unificada ou consiliente do ser humano conhecimento.

Teoria do Conhecimento: Uma Abordagem Unificada para Psicologia e Filosofia também é o título de um blog popular Psychology Today, onde o Professor Henriques e outros membros da TOK Society publicam ensaios sobre o sistema. Finalmente, há a representação & quot Jardim de UTUA & quot do Professor Henriques & # 39 UTOK. O centro do Jardim de UTUA é a & quot Árvore da Teoria do Conhecimento & quot, mostrada à direita. Ele tem as 8 idéias-chave como & quotculturas de maçãs & quot crescendo a partir dele. A primeira ramificação da Árvore TOK é o Sistema ToK. Veja aqui mais informações sobre a árvore TOK no jardim.

Todos esses significados são específicos para o trabalho da Sociedade TOK e do Professor Henriques & # 39. Esteja ciente de que existe o significado mais geral de teoria do conhecimento na filosofia, que se alinha com as questões da epistemologia e como as pessoas sabem o que sabem e o que justifica algo como conhecimento. Há também um curso de bacharelado internacional denominado "Teoria do Conhecimento", que não está diretamente relacionado ao trabalho da Sociedade TOK.


Alerta de spoiler! The Psychology Of Surprise Endings

Escritores e cineastas que esperam enganar seus fãs com reviravoltas na trama sabem há muito tempo o que os cientistas cognitivos sabem: todos nós temos pontos cegos na maneira como avaliamos o mundo. Nós nos distraímos. Esquecemos como conhecemos as coisas. Vemos padrões que não existem. Como esses pontos cegos estão ligados ao cérebro, eles agem de maneiras previsíveis - tão previsíveis que contadores de histórias de Sófocles a M. Night Shyamalan os usaram para nos desencaminhar.

Nos últimos anos, alguns cientistas começaram a se perguntar: as histórias podem servir como uma espécie de varredura do cérebro? Se uma reviravolta na história funciona explorando nossos preconceitos e atalhos mentais, a observação da mecânica de uma boa história pode revelar algo importante sobre os contornos da mente? "

"As histórias são uma espécie de truque de mágica", diz a cientista cognitiva Vera Tobin. "Quando os dissecamos, podemos descobrir aspectos muito, muito confiáveis ​​desses truques que acabam sendo pistas importantes sobre a maneira como as pessoas pensam."

Algumas das tendências favoritas do contador de histórias:

  • A maldição do conhecimento: Mãe de todos os pontos cegos, essa é a tendência de presumir que os outros sabem o que você sabe.
  • Viés de confirmação: A tendência de buscar informações que confirmem o que você já acredita.
  • Ancoragem: A tendência de se apoiar muito na primeira informação que ouve, deixando de corrigi-la conforme você aprende novos dados.
  • Polarização de disponibilidade: A tendência de acreditar que coisas que vêm à mente são mais plausíveis do que coisas que vêm menos à mente.
  • Viés retrospectiva: A tendência de ver um evento como previsível, uma vez que já se desenrolou. Experimentamos um viés retrospectivo quando olhamos para trás e dizemos: "Eu sabia disso o tempo todo."

Mais leitura:

"Atenção e consciência na magia do palco: transformando truques em pesquisa", por Stephen L. Macknik, Mac King, James Randi, Apollo Robbins, Teller, John Thompson e Susana Martinez-Conde em Nature Reviews Neuroscience

Hidden Brain é apresentado por Shankar Vedantam e produzido por Jennifer Schmidt, Rhaina Cohen, Parth Shah, Thomas Lu, Laura Kwerel e Camila Vargas Restrepo. Nosso produtor supervisor é Tara Boyle. Você também pode nos seguir no Twitter @hiddenbrain.


Nascemos com conhecimento?

Uma coisa com a qual sempre lutei ao ler filosofia é a doutrina do inatismo, que afirma que a mente humana nasce com idéias ou conhecimento. Essa crença, apresentada mais notavelmente por Platão como sua Teoria das Formas e mais tarde por Descartes em suas Meditações, está atualmente ganhando evidências neurocientíficas que podem validar a crença de que nascemos com um conhecimento inato de nosso mundo.

A crença e suposição predominante sobre o aprendizado e a memória humana é que nascemos como uma “lousa em branco” e ganhamos nosso conhecimento e ideias por meio de novas experiências e nossa memória delas. Essa crença é conhecida como empirismo e, embora remonte a Aristóteles, foi apoiada por muitos filósofos famosos como John Locke e Francis Bacon. No entanto, um estudo publicado em Proceedings of the National Academy of the Sciences (PNAS) de março passado pode, em certa medida, desacreditar esta teoria principal da coleção de conhecimento. A pesquisa, conduzida pelo Blue Brain Group na Suíça, explorou as notáveis ​​semelhanças nos circuitos neuronais nos neocórtex de todos os cérebros. O estudo, resumido neste artigo na PNAS, essencialmente "descobriu um princípio de organização sináptica que agrupa os neurônios de uma maneira que é comum entre os animais e, portanto, independente de experiências individuais." Essa descoberta pode ter enormes implicações em nossa compreensão de aprendizagem, memória e desenvolvimento. Os grupos de neurônios, ou conjuntos de células, aparecem consistentemente nos neocórtex de animais e são essencialmente “blocos de construção” celulares. Em muitos animais, então, pode ser verdade que o aprendizado, a percepção e a memória são o resultado de colocar essas peças juntas, em vez de formar novos conjuntos de células. De acordo com o Dr. Markram, “Isso poderia explicar por que todos nós compartilhamos percepções semelhantes da realidade física, enquanto nossas memórias refletem nossa experiência individual”. Este é um exemplo notável das maneiras pelas quais a neurociência e suas pesquisas estão revolucionando nossa compreensão das maneiras pelas quais viemos a conhecer e perceber nosso universo, ao mesmo tempo em que respondemos às principais questões filosóficas. Embora essas descobertas possam ir contra a visão empírica incrivelmente popular do conhecimento, elas se prestam muito bem à noção de ideias inatas. Platão e Descartes usaram essa teoria geral para explicar o raciocínio humano. Platão acreditava que a alma humana existe eternamente, e existe em um “mundo de formas (ou idéias)” antes da vida, todo aprendizado é o processo de lembrar “sombras” dessas formas aqui na Terra. Embora essa ideia ainda esteja um pouco lá fora para mim, pelo menos (e pode ser necessário um pouco mais de evidências científicas para apoiar essa afirmação), as afirmações de Descartes parecem muito consistentes com as descobertas do Blue Brain Group.
Descartes propôs que as idéias inatas que possuímos são aquelas de verdades geométricas e toda a nossa inteligência pode ser acessada por meio da razão. Discutindo idéias em sua quinta meditação, ele afirma “Nós as conhecemos pelo poder de nossa própria inteligência nativa, sem qualquer experiência sensorial. Todas as verdades geométricas são desse tipo - não apenas as mais óbvias, mas todas as outras, por mais obscuras que possam parecer. ” Outro estudo que apóia essa noção é o resultado de pesquisas sobre “física intuitiva”, ou a aparente compreensão que possuímos do comportamento físico dos objetos em nosso universo, sem nem mesmo pensar sobre isso. Em um artigo resumindo o estudo, Janese Silvey dá o exemplo de que “se um copo de leite cair da mesa, uma pessoa tentará pegar o copo, mas não o líquido derramado. Essa pessoa está reagindo, em vez de pensar conscientemente sobre o que fazer. ” O relatório sobre o experimento real, de Susan Hespos e Kristy vanMarle, mostrou que os bebês possuem expectativas de que, por exemplo, os objetos ainda existem quando estão escondidos e ficam surpresos quando essas expectativas não são atendidas (surpresa foi indicada no estudo por um mais tempo olhando). Outros experimentos foram conduzidos para demonstrar a compreensão que crianças de 2 a 5 meses de idade têm de propriedades coesivas, solidez de materiais e outras características físicas básicas de objetos. O relatório completo das descobertas pode ser encontrado aqui.
Para mim, a melhor notícia disso é que essas novas descobertas comprometem as doutrinas filosóficas do inatismo e do empirismo, abrindo novas discussões sobre o que exatamente significa conhecimento e aprendizagem.

Compartilhar isso:

2 Comentários em Are We Born With Knowledge?

Isso, para mim, parece ridículo não como a novidade científica que é (o que, nesse aspecto, é realmente legal), mas na medida em que você força essas implicações filosóficas a isso.

Porque isso não seria conhecimento no sentido de que Bacon, Locke e outros falam. Simples assim.

Isso seriam instruções pré-programadas em nossa biologia que NÃO refletem necessariamente a natureza da realidade (mesmo em um grau fenomenológico puro, se você quiser seguir esse caminho).

O que eu poderia esperar como resposta é que esse conhecimento nunca inteiramente fundamentado é a única coisa que temos. Mas então você tem que provar essa tese, que não permanece totalmente clara.


Nascemos com conhecimento?

Uma coisa com a qual sempre lutei ao ler filosofia é a doutrina do inatismo, que afirma que a mente humana nasce com idéias ou conhecimento. Essa crença, apresentada mais notavelmente por Platão como sua Teoria das Formas e mais tarde por Descartes em suas Meditações, está atualmente ganhando evidências neurocientíficas que podem validar a crença de que nascemos com um conhecimento inato de nosso mundo.

A crença e suposição predominante sobre o aprendizado e a memória humana é que nascemos como uma “lousa em branco” e ganhamos nosso conhecimento e ideias por meio de novas experiências e nossa memória delas. Essa crença é conhecida como empirismo e, embora remonte a Aristóteles, foi apoiada por muitos filósofos famosos como John Locke e Francis Bacon. No entanto, um estudo publicado em Proceedings of the National Academy of the Sciences (PNAS) de março passado pode, em certa medida, desacreditar esta teoria principal da coleção de conhecimento. A pesquisa, conduzida pelo Blue Brain Group na Suíça, explorou as notáveis ​​semelhanças nos circuitos neuronais nos neocórtex de todos os cérebros. O estudo, resumido neste artigo na PNAS, essencialmente "descobriu um princípio de organização sináptica que agrupa os neurônios de uma maneira que é comum entre os animais e, portanto, independente de experiências individuais." Essa descoberta pode ter implicações enormes em nossa compreensão da aprendizagem, memória e desenvolvimento. Os grupos de neurônios, ou conjuntos de células, aparecem consistentemente nos neocórtex de animais e são essencialmente “blocos de construção” celulares. Em muitos animais, então, pode ser verdade que o aprendizado, a percepção e a memória são o resultado de colocar essas peças juntas, em vez de formar novos conjuntos de células. De acordo com o Dr. Markram, “Isso poderia explicar por que todos nós compartilhamos percepções semelhantes da realidade física, enquanto nossas memórias refletem nossa experiência individual”. Este é um exemplo notável das maneiras pelas quais a neurociência e suas pesquisas estão revolucionando nossa compreensão das maneiras pelas quais viemos a conhecer e perceber nosso universo, ao mesmo tempo em que respondemos às principais questões filosóficas. Embora essas descobertas possam ir contra a visão empírica incrivelmente popular do conhecimento, elas se prestam muito bem à noção de ideias inatas. Platão e Descartes usaram essa teoria geral para explicar o raciocínio humano. Platão acreditava que a alma humana existe eternamente, e existe em um “mundo de formas (ou idéias)” antes da vida, todo aprendizado é o processo de lembrar “sombras” dessas formas aqui na Terra. Embora essa ideia ainda esteja um pouco lá fora para mim, pelo menos (e pode ser necessário um pouco mais de evidências científicas para apoiar essa afirmação), as afirmações de Descartes parecem muito consistentes com as descobertas do Blue Brain Group.
Descartes propôs que as idéias inatas que possuímos são aquelas de verdades geométricas e toda a nossa inteligência pode ser acessada por meio da razão. Discutindo idéias em sua quinta meditação, ele afirma “Nós as conhecemos pelo poder de nossa própria inteligência nativa, sem qualquer experiência sensorial. Todas as verdades geométricas são desse tipo - não apenas as mais óbvias, mas todas as outras, por mais obscuras que possam parecer. ” Outro estudo que apóia essa noção é o resultado de pesquisas sobre “física intuitiva”, ou a aparente compreensão que possuímos do comportamento físico dos objetos em nosso universo, sem nem mesmo pensar sobre isso. Em um artigo resumindo o estudo, Janese Silvey dá o exemplo de que “se um copo de leite cair da mesa, uma pessoa tentará pegar o copo, mas não o líquido derramado. Essa pessoa está reagindo, em vez de pensar conscientemente sobre o que fazer. ” O relatório sobre o experimento real, de Susan Hespos e Kristy vanMarle, mostrou que os bebês possuem expectativas de que, por exemplo, os objetos ainda existem quando estão escondidos e ficam surpresos quando essas expectativas não são atendidas (surpresa foi indicada no estudo por um mais tempo olhando). Outros experimentos foram conduzidos para demonstrar a compreensão que bebês de 2 a 5 meses de idade têm de propriedades coesivas, solidez de materiais e outras características físicas básicas de objetos. O relatório completo das descobertas pode ser encontrado aqui.
Para mim, a melhor notícia disso é que essas novas descobertas comprometem as doutrinas filosóficas do inatismo e do empirismo, abrindo novas discussões sobre o que exatamente significa conhecimento e aprendizagem.

Compartilhar isso:

2 Comentários em Are We Born With Knowledge?

Isso, para mim, parece ridículo não como a novidade científica que é (o que, nesse aspecto, é realmente legal), mas na medida em que você força essas implicações filosóficas a isso.

Porque isso não seria conhecimento no sentido de que Bacon, Locke e outros falam. Simples assim.

Isso seriam instruções pré-programadas em nossa biologia que NÃO refletem necessariamente a natureza da realidade (mesmo em um grau fenomenológico puro, se você quiser seguir esse caminho).

O que eu poderia esperar como resposta é que esse conhecimento nunca inteiramente fundamentado é a única coisa que temos. Mas então você tem que provar essa tese, que não permanece totalmente clara.


Psicologia Cognitiva e Neurociência Cognitiva / Modelos Situacionais e Inferências

Uma função e propriedade importante do sistema cognitivo humano é a capacidade de extrair informações importantes de situações descritas textualmente e verbalmente. Essa habilidade desempenha um papel vital na compreensão e na lembrança. Mas o que acontece com essas informações depois que são extraídas, como as representamos e como as usamos para inferir? Com este capítulo, introduzimos o conceito de “modelo de situação” (van Dijk & ampKintsch, 1983, “modelo mental”: Johnson-Laird, 1983), que é a representação mental do que um texto trata. Discutimos como essas representações podem se parecer e mostramos os vários experimentos que tentam lidar com essas questões empiricamente. Ao assumir que as situações são codificadas por símbolos perceptuais (Barsalou, 1999), a teoria dos Modelos de Situação toca muitos aspectos da Filosofia Cognitiva, da Lingüística e da Inteligência Artificial. No início deste capítulo, mencionaremos por que os Modelos de Situação são importantes e para que os usamos. A seguir, nos concentraremos na própria teoria, introduzindo os quatro tipos principais de informação - os componentes do modelo de situação, seus níveis de representação e, finalmente, dois outros tipos básicos de conhecimento usados ​​na construção e processamento do modelo de situação (conhecimento geral do mundo e conhecimento específico referente) .

Os modelos de situação não apenas formam um conceito central nas teorias da cognição situada, que nos ajuda a compreender como as informações situacionais são coletadas e como as novas informações são integradas, mas também podem explicar muitos outros fenômenos. De acordo com van Dijk & amp Kintsch, os modelos de situação são responsáveis ​​por processos como expertise de domínio, tradução, aprendizagem de fontes múltiplas ou compreensão completa de situações apenas lendo sobre elas. Esses modelos de situação consistem, de acordo com a maioria das pesquisas na área, em cinco dimensões, que explicaremos mais adiante. Quando novas informações sobre uma dessas dimensões são extraídas, o modelo de situação é alterado de acordo com as novas informações. Quanto maior a mudança no modelo de situação, mais tempo o leitor precisa para entender a situação com as novas informações. Se houver contradições, por exemplo novas informações que não cabem no modelo, o leitor não consegue entender o texto e provavelmente terá que reler partes do texto para construir um modelo melhor. Foi demonstrado em vários experimentos que é mais fácil entender textos que apresentam apenas pequenas mudanças nas cinco dimensões de compreensão do texto. Também foi descoberto que é mais fácil para os leitores compreenderem um texto se as informações importantes forem mencionadas de forma mais explícita. Por esta razão, vários pesquisadores escreveram sobre a importância de fornecer informações importantes (consulte Zwaan & ampRadvansky 1998 para uma lista detalhada). A outra questão importante sobre modelos de situação é a multidimensionalidade. Aqui, a questão importante é como as diferentes dimensões estão relacionadas e qual é o seu peso para a construção do modelo. Alguns pesquisadores afirmam que o peso das dimensões muda de acordo com a situação descrita. A introdução de tais afirmações será a parte final deste capítulo e visa apresentá-lo aos objetivos de pesquisa atuais e futuros.

O VIP: Rolf A. Zwaan Editar

Rolf A. Zwaan, nascido em 13 de setembro de 1962 em Rotterdam (Holanda), é uma pessoa muito importante para este tópico, pois ele fez a maior parte das pesquisas (92 publicações no total), e também porque a maior parte de nossos dados são retirados de sua trabalhar. Zwaan fez seu MA (1986) e seu Ph.D. (1992) na Universidade de Utrecht (Holanda), ambos cum laude. Desde então, ele recebeu vários prêmios como o Developing Scholar Award (Florida state University, 1999) ou o Fellow do Hanse Institute for Advanced Study (Delmenhorst, Alemanha, 2003) e tornou-se membro de várias organizações profissionais como a Psychonomic Society, a Cognitive Science Society ou a American Psychological Society. Ele trabalha como cadeira de Biologia e Psicologia Cognitiva na Erasmus University em Rotterdam (Holanda), desde 2007.

Muitas tarefas baseadas no processamento da linguagem só podem ser explicadas pelo uso de modelos de situação. O chamado modelo de situação ou modelo mental consiste em cinco dimensões diferentes, que se referem a fontes diferentes. Para compreender um texto ou apenas uma frase simples, os modelos de situação são úteis. Além disso, a compreensão e combinação de vários textos e frases podem ser explicadas por essa teoria muito melhor. A seguir, alguns exemplos são listados por que realmente precisamos de modelos de situação.

Integração de informações entre frases Editar

A integração de informações entre frases é mais do que apenas entender um conjunto de frases. Por exemplo:

“Gerhard Schroeder está na frente de alguns jornalistas. Ficar ansioso por novas ideias não é nada especial para o ex-chanceler alemão. É como nos velhos tempos, em 1971, quando o líder dos Jusos estava atrás das urnas e falava em mudanças ”.


Este exemplo só faz sentido para o leitor se ele estiver ciente de que “Gerhard Schroeder”, “Ex-chanceler alemão” e “O líder dos Jusos em 1971” é a mesma pessoa. Se construirmos um modelo de situação, neste exemplo “Gerhard Schroeder” é nosso token. Cada bit de informação que surgir será vinculado a este token, com base no conhecimento gramatical e de mundo. O artigo definido na segunda frase refere-se ao indivíduo na primeira frase. Isso é baseado no conhecimento gramatical. Cada artigo definido indica uma conexão com um indivíduo em uma frase anterior. Se houver um artigo indefinido, temos que construir um novo token para um novo indivíduo. A terceira frase está ligada pelo conhecimento do domínio ao token. É preciso saber que “Gerhard Schroeder” era o líder dos Jusos em 1971. Caso contrário, a conexão só pode ser adivinhada. Podemos ver que um modelo de situação integrado é necessário para compreender a conexão entre as três sentenças.

Explicação de semelhanças em desempenhos de compreensão entre modalidades Editar

A explicação de semelhanças em desempenhos de compreensão entre modalidades só pode ser feita pelo uso de modelos de situação. Se lemos um artigo de jornal, vemos uma reportagem na televisão ou ouvimos uma reportagem no rádio, chegamos a um entendimento semelhante da mesma informação, que é veiculada por diferentes modalidades. Assim, criamos uma representação mental da informação ou evento. Essa representação mental não depende das modalidades em si. Além disso, há evidências empíricas para essa intuição. Baggett (1979) descobriu que alunos que viram um curta-metragem e alunos que ouviram uma versão falada dos eventos no curta-metragem finalmente produziram um protocolo de memória estruturalmente semelhante. Houve diferenças nos protocolos dos dois grupos, mas as diferenças foram devido a aspectos de conteúdo. Assim como a versão em texto afirmava explicitamente que um menino estava a caminho da escola e no filme isso tinha que ser inferido.

Experiência de domínio em compreensão Editar

Os modelos de situação têm uma influência profunda nos efeitos da expertise do domínio na compreensão. Em detalhes, isso significa que a pessoa A, cujas habilidades verbais são menores do que a da pessoa B, é capaz de superar a pessoa B, se ela tiver mais conhecimento do domínio do tópico. Para evidenciar essa intuição, houve um estudo de Schneider e Körkel (1989). Eles compararam as recordações de “experts” e novatos de um texto sobre uma partida de futebol. No estudo foram três séries diferentes: 3ª, 5ª e 7ª. Um exemplo importante nesse experimento foi que os especialistas em futebol da 3ª série superaram os novatos da 7ª série. A evocação das unidades no texto foi de 54% pelos especialistas da 3ª série e 42% pelos noviços da 7ª série. A explicação é bastante simples: os especialistas do 3º ano construíram um modelo de situação e usaram o conhecimento de sua memória de longo prazo (Ericsson & amp Kintsch, 1995). Os novatos da 7ª série tinham apenas o texto com o qual podem criar um modelo de situação. Alguns outros estudos mostram evidências para a teoria de que a experiência de domínio pode neutralizar a habilidade verbal, ou seja, Fincher-Kiefer, Post, Greene & amp Voss, 1988 ou Yekovich, Walker, Ogle & amp Thompson em 1990.

Explicação das habilidades de tradução Editar

Outro exemplo de porque precisamos de modelos de situação é tentar explicar a tradução. Traduzir uma frase ou um texto de um idioma para outro não é feito simplesmente traduzindo cada palavra e construindo uma nova estrutura de frase até que a frase pareça sólida. Se dermos uma olhada agora no exemplo de uma frase em holandês:


Agora podemos concluir que o nível de tradução entre holandês e inglês não se baseia no nível léxico-semântico, mas sim no nível de situação. Neste exemplo, “não faça algo (ação) antes de não ter feito outra coisa (outra ação)”. Outros estudos descobriram que a capacidade de construir modelos de situação durante a tradução é importante para a habilidade de tradução (Zwann, Ericsson, Lally e Hill, em 1998).

Aprendizagem de múltiplas fontes Editar

As pessoas podem aprender sobre um domínio a partir de vários documentos. Esse fenômeno também pode ser explicado por um modelo de situação. Por exemplo, tentamos aprender algo sobre o "Guerra Fria" usamos diferentes documentos com informações. As informações em um documento podem ser semelhantes a outros documentos. Os referentes podem ser os mesmos ou relacionamentos especiais na “Guerra Fria” podem apenas ser descobertos pelo uso de diferentes documentos. Então, o que realmente estamos fazendo ao aprender e raciocinar é que integramos informações na base de diferentes documentos em um modelo de situação comum, que tem uma ordem organizada das informações que aprendemos.


Vimos que precisamos de modelos de situação em diferentes tarefas de processamento de linguagem, mas os modelos de situação não são necessários em todas as tarefas de processamento de linguagem. Um exemplo é a revisão. Um revisor verifica se cada palavra está correta. Essa habilidade não contém a habilidade de construir modelos de situação. Esta tarefa utiliza os recursos da memória de longo prazo em que fica armazenada a escrita correta de cada palavra. O procedimento é como:


Isso é feito palavra por palavra. É desnecessário criar modelos de situação nesta tarefa para processamento de linguagem.

Espaço Editar

Muitas vezes, objetos que estão espacialmente próximos de nós são mais relevantes do que objetos mais distantes. Portanto, seria de se esperar o mesmo para modelos de situação. consistente com essa ideia, os compreensores são mais lentos para reconhecer palavras que denotam objetos distantes de um protagonista do que aqueles que denotam objetos próximos ao protagonista (Glenberg, Meyer & amp Lindem, 1987).

Quando os compreensivos têm amplo conhecimento do layout espacial do cenário da história (por exemplo, um edifício), eles atualizam suas representações de acordo com a localização e os objetivos do protagonista. Eles têm o acesso mental mais rápido à sala em que o protagonista está ou para a qual está indo. Por exemplo, eles podem mais prontamente dizer se dois objetos estão ou não no mesmo cômodo se o cômodo mencionado for um desses cômodos do que se for algum outro cômodo do edifício (por exemplo, Morrow, Greenspan & amp Bower, 1987). Isso faz sentido intuitivamente porque essas são as salas que seriam relevantes para nós se estivéssemos nessa situação.

A interpretação das pessoas sobre o significado de um verbo que denota o movimento de pessoas ou objetos no espaço, como aproximar-se, depende de seus modelos de situação. Por exemplo, os compreensivos interpretam o significado de abordagem diferentemente em O trator está se aproximando da cerca do que em O mouse está se aproximando da cerca. Especificamente, eles interpretam a distância entre a figura e o ponto de referência como sendo maior quando a figura é grande (trator) em comparação com quando é pequena (mouse). A interpretação dos que compreendem também depende do tamanho do ponto de referência e da velocidade da figura (Morrow & amp Clark, 1988). Aparentemente, os compreensivos se comportam como se estivessem realmente parados na situação, olhando para o trator ou para o camundongo que se aproxima de uma cerca.

Edição de tempo

Assumimos por padrão que os eventos são narrados em sua ordem cronológica, sem nada omitido. Presumivelmente, essa suposição existe porque é assim que vivenciamos os eventos da vida cotidiana. Os eventos ocorrem para nós em um fluxo contínuo, às vezes em sucessão próxima, às vezes em paralelo e muitas vezes parcialmente sobrepostos. A linguagem nos permite desviar da ordem cronológica, no entanto. Por exemplo, podemos dizer: “Antes de o psicólogo submeter o manuscrito, a revista mudou sua política”. O psicólogo que submete o manuscrito é relatado primeiro, embora tenha sido o último dos dois eventos a ocorrer. Se as pessoas constroem um modelo de situação, essa frase deve ser mais difícil de processar do que sua contraparte cronológica (a mesma frase, mas começando com “Depois”). Evidências neurocientíficas recentes apóiam essa previsão. As medições do potencial cerebral relacionado a eventos (ERP) indicam que as sentenças “antes” provocam, dentro de 300 ms, maior negatividade do que as sentenças “depois”. Essa diferença de potencial está localizada principalmente na parte anterior esquerda do cérebro e é indicativa de maior esforço cognitivo (Münte, Schiltz, & amp Kutas, 1998). Na vida real, os eventos se sucedem perfeitamente. No entanto, as narrativas podem ter descontinuidades temporais, quando os escritores omitem eventos não relevantes para a trama. Essas lacunas temporais, normalmente sinalizadas por frases como alguns dias depois, são bastante comuns em narrativas. No entanto, eles apresentam um afastamento da experiência cotidiana. Portanto, as mudanças de tempo devem levar a interrupções (menores) no processo de compreensão. E eles fazem. Os tempos de leitura de frases que introduzem uma mudança no tempo tendem a ser mais longos do que aqueles de frases que não o fazem (Zwaan, 1996).

Edição de causalidade

À medida que interagimos com o ambiente, temos uma forte tendência de interpretar as sequências de eventos como sequências causais. É importante notar que, assim como inferimos os objetivos de um protagonista, temos que inferir a causalidade que não podemos percebê-la diretamente. Singer e seus colegas (por exemplo, Singer, Halldorson, Lear, & amp Andrusiak, 1992) investigaram como os leitores usam seu conhecimento de mundo para validar conexões causais entre eventos narrados. Os sujeitos leram pares de frases, como 1a e, em seguida, 1b ou 1a 'e, em seguida, 1b, e foram posteriormente apresentados a uma pergunta como 1c:

(1a) Mark despejou o balde de água na fogueira.

(1a ') Mark colocou o balde de água perto da fogueira.

(1c) A água apaga o fogo?

Os sujeitos foram mais rápidos em responder a 1c após a sequência 1a-1b do que após 1a'-1b. Segundo Singer, o motivo da diferença de velocidade é que o conhecimento de que a água apaga o fogo foi acionado para validar os eventos descritos em 1a-1b. No entanto, como esse conhecimento não pode ser usado para validar 1a'-1b, ele não foi ativado quando os sujeitos leram esse par de frases.

Edição de intencionalidade

Muitas vezes somos capazes de prever as ações futuras das pessoas inferindo sua intencionalidade, ou seja, seus objetivos. Por exemplo, quando vemos um homem caminhando até uma cadeira, presumimos que ele deseja sentar-se, especialmente quando está de pé há muito tempo. Assim, podemos gerar a inferência “Ele vai se sentar”. Keefe e McDaniel (1993) apresentaram aos sujeitos frases como Depois de passar pelo debate de 3 horas, o orador cansado foi até sua cadeira (e se sentou) e depois com palavras de teste (por exemplo, sat, neste caso). Os sujeitos demoraram quase o mesmo tempo para nomear os sentados quando a cláusula sobre o orador sentado foi omitida e quando foi incluída. Além disso, os tempos de nomeação foram significativamente mais rápidos em ambas as condições do que em uma condição de controle em que estava implícito que o falante permanecia de pé.

Editar Protagonistas e Objetos

Os compreensores são rápidos em fazer inferências sobre os protagonistas, presumivelmente na tentativa de construir um modelo de situação mais completo. Considere, por exemplo, o que acontece depois que os sujeitos leem a frase O eletricista examinou o encaixe da luz. Se a seguinte frase for Ela pegou sua chave de fenda, sua velocidade de leitura é reduzida em comparação com quando a segunda frase é Ele tirou sua chave de fenda. Isso porque ela fornece um descompasso com o gênero estereotipado de eletricista, que os sujeitos aparentemente inferiram ao ler a primeira frase (Carreiras, Garnham, Oakhill, & amp Cain, 1996).

Introdução Editar

No processo de compreensão da linguagem e do texto, novas informações devem ser integradas ao modelo de situação atual. Isso é obtido por meio de uma estrutura de processamento. Existem várias teorias e percepções sobre esse processo. A maioria deles apenas modela um ou alguns aspectos dos Modelos de Situação e da compreensão da linguagem.

Uma lista de teorias, percepções e desenvolvimentos em estruturas de compreensão de linguagem:

  • um modelo interativo de compreensão (Kintsch e van Dijk, 1978)
  • Modelo Computacional inicial (Miller, Kintsch, 1980)
  • Modelo de integração de construção (Kintsch, 1988)
  • Estrutura de construção de estrutura (Gernsbacher, 1990)
  • Modelo de leitor de restrição de capacidade (Just, Carpenter, 1992)
  • Estrutura construtivista (Graesser, Singer, Trabasso, 1994)
  • Modelo de indexação de eventos (Zwaan, Langston, Graesser, 1995)
  • Modelo de paisagem (van den Brock, Risden, Fletcher, & amp Thurlow, 1996)
  • Modelo de integração de construção com restrição de capacidade (Goldman, Varma, Coté, 1996)
  • The Immersed Experiencer Framework (Zwaan, 2003)

Nesta parte do capítulo sobre Modelos de Situação, falaremos sobre vários modelos; começaremos com algumas das primeiras coisas e, em seguida, passaremos para os populares posteriores. Começaremos com o trabalho de Kintsch nas décadas de 70 e 80 e depois prosseguiremos para pesquisas posteriores que se baseiam nisso.

Um modelo interativo de edição de compreensão

Este modelo já foi desenvolvido nos anos 80 e é a base para muitos modelos posteriores como o CI-Model, ou mesmo o Immersed-Experiencer Framework. Segundo Kintsch e van Dijk (1978), a compreensão do texto ocorre em ciclos. Em cada ciclo algumas proposições são processadas, este número é determinado pela capacidade da Memória de Curto Prazo, então 7 mais ou menos 2. Em cada ciclo as novas proposições são conectadas às existentes, portanto formam um conjunto conectado e hierárquico .

Edição de modelo computacional inicial

Este modelo computacional de Miller e Kintsch tentou modelar teorias de compreensão anteriores, para fazer previsões de acordo com elas e compará-las com estudos e experimentos comportamentais. Consistia em vários módulos. Um era um programa de chunking: sua tarefa é ler uma palavra no momento, identificar se é uma proposição e decidir se vai integrá-la ou não. Esta parte do modelo não foi feita computacionalmente. A próxima parte na ordem de entrada foi o Programa de Coerência de Microestrutura (MCP). O MCP classificou as proposições e as armazenou no Working Memory Coherence Graph. A tarefa do Working Memory Coherence Graph era então decidir quais proposições deveriam ser mantidas ativas durante o próximo ciclo de processamento. Todas as proposições são armazenadas no Gráfico de Coerência da Memória de Longo Prazo, que decide quais proposições devem ser transferidas de volta para a Memória de Trabalho ou pode construir um novo Gráfico de Memória de Trabalho com um nó superordenado diferente. O problema com este modelo computacional é que ele apresenta um desempenho muito baixo. Mas ainda assim levou a mais pesquisas que tentaram superar suas deficiências.

Edição do modelo de indexação de eventos

o Modelo de indexação de eventos foi proposto pela primeira vez por Zwaan, Langston e Graesser (1995). Ele faz afirmações sobre como a informação que chega na compreensão é processada e como é representada na memória de longo prazo.

De acordo com Modelo de indexação de eventos todos os eventos de ações de entrada são divididos em cinco índices. Os cinco índices são iguais às cinco dimensões situacionais, embora Zwaan & amp Radvasnky (1998) afirmem que possivelmente existem mais dimensões. Isso pode ser encontrado em pesquisas futuras. Um ponto básico deste modelo é o tempo de processamento de integração de novos eventos no modelo atual. É mais fácil integrar um novo evento de entrada se ele compartilhar índices com um evento anterior. Quanto mais contíguo for o novo evento, mais fácil será integrado ao novo Modelo de Situação. Esta previsão feita por Zwaan & amp Radvanksy (1998) é apoiada por algumas pesquisas anteriores (Zwaan, Magliano e Graesser, 1995). O outro ponto importante do Modelo de indexação de eventos é a representação na memória de longo prazo. Zwaan & amp Radvasnky (1998) prevêem que essa representação é uma rede de nós, esses nós codificam os eventos. Os nós são ligados entre si por meio de links situacionais de acordo com os índices que compartilham. Essa conexão não só codifica se dois nós compartilham índices, mas também codifica o número de índices compartilhados por meio de sua força. Este segundo ponto já dá uma dica do que Modelo de indexação de eventos falta. Existem várias coisas que não inclui. Por exemplo, não codifica a ordem temporal dos eventos nem a direção das relações causais. A maior desvantagem do Modelo de indexação de eventos é claro que ele trata as diferentes dimensões como entidades diferentes, embora elas provavelmente interajam umas com as outras.

Zwaan & amp Radvansky (1998) atualizaram o Modelo de indexação de eventos com alguns recursos. Este novo modelo divide as informações processadas em três tipos. Esses três tipos são o quadro situacional, as relações situacionais e o conteúdo situacional. O quadro situacional fundamenta a situação no espaço e no tempo, e sua construção é obrigatória. Se nenhuma informação for fornecida, esta estrutura é provavelmente construída por valores padrão recuperados de um conhecimento anterior do mundo ou alguma variável vazia seria instanciada. As relações situacionais baseiam-se nas cinco dimensões situacionais. Estes são analisados ​​através do Modelo de indexação de eventos. Este tipo de informação situacional inclui não a informação básica, que é fornecida no quadro situacional, mas as relações entre as diferentes entidades ou nós na rede. Em contraste com o quadro situacional, as relações situacionais não são obrigatórias. Se não houver informações fornecidas ou não houver possíveis inferências entre as entidades, então simplesmente não haverá relacionamento. Há também um índice que aborda a importância para as diferentes relações. Essa importância consiste na necessidade da informação para entender a situação, na facilidade de inferir quando não seria mencionada e na facilidade com que a informação pode ser posteriormente lembrada. Outra distinção que esta teoria faz é aquela entre relações funcionais e não funcionais (Carlson-Radvansky & amp Radvansky, 1996 Garrod & amp Sanford, 1989). As relações funcionais descrevem a interação entre entidades diferentes, enquanto as relações não funcionais são aquelas entre entidades não interagentes. O conteúdo situacional consiste nas entidades na situação como protagonistas e objetos e suas propriedades. Estas só são integradas explicitamente no Modelo de Situação, como as relações situacionais, se forem necessárias para a compreensão da situação. No entanto, as entidades centrais e mais importantes e suas propriedades são obrigatórias novamente. Propõe-se que, para manter baixo o tempo de processamento, as informações não essenciais sejam representadas apenas por algo como um ponteiro para que essas informações possam ser recuperadas se necessário.

The Immersed Experiencer Framework Editar

O Immersed Experiencer Framework (IEF) é baseado em modelos de framework de processamento anterior (veja acima para uma lista detalhada), mas tenta incluir várias outras descobertas de pesquisa também. Por exemplo, verificou-se que durante a compreensão regiões cerebrais são ativadas, que estão muito próximas ou mesmo se sobrepõem a regiões cerebrais que são ativas durante a percepção ou a ação do significado das palavras (Isenberg et al., 2000 Martin & amp Chao, 2001 Pulvermüller, 1999, 2002). Durante a compreensão, há também uma representação visual da forma e orientação dos objetos (Dahan & amp Tanenhaus, 2002 Stanfield & amp Zwaan, 2002 Zwaan et al., 2002 Zwaan & amp Yaxley, na imprensa a, b). A informação visual-espacial prima pelo processamento de sentenças (Boroditsky, 2000). Essas representações visuais podem interferir na compreensão (Fincher-Kiefer, 2001). Descobertas de (Glenberg, Meyer, & amp Lindem, 1987 Kaup & amp Zwaan, na imprensa Morrow et al., 1987 Horton & amp Rapp, no prelo Trabasso & amp Suh, 1993 Zwaan et al., 2000) sugerem que a informação que faz parte da situação e do texto é mais ativa na mente do leitor do que a informação que não está incluída. A quarta descoberta da pesquisa é que as pessoas movem os olhos e as mãos durante a compreensão de maneira consistente com a situação descrita. (Glenberg & amp Kaschak, na imprensa Klatzky et al., 1989 Spivey et al., 2000).

O ponto principal do Immersed Experiencer Framework é a ideia de que as palavras ativam experiências com seus referentes. Por exemplo, "uma águia no céu" ativa uma experiência visual de uma águia com asas esticadas, enquanto "uma águia no ninho" ativa uma experiência visual diferente. Segundo Zwaan (2003), o IEF deve ser visto como um motor para fazer previsões sobre a compreensão da linguagem. Essas previsões são então sugeridas para pesquisas futuras.

De acordo com o IEF, o processo de compreensão da linguagem consiste em três componentes, a saber, ativação, construção e integração. Cada componente funciona em um nível diferente. A ativação funciona em nível mundial, a construção é responsável pelo nível da cláusula, enquanto a integração é ativa no nível do discurso. Embora o IEF compartilhe muitos pontos com modelos anteriores de compreensão de linguagem, ele difere em alguns pontos principais. Por exemplo, sugere que a compreensão da linguagem envolve ações e representações perceptivas e não proposições modais (Zwaan, 2003).

Muitas teorias tentam explicar o modelo de situação ou o chamado modelo mental em diferentes representações. Diversas teorias da representação tratam da compreensão desde o texto até o próprio modelo de situação. Quantos níveis são incluídos ou necessários e como o modelo de situação é construído, isso é feito uma vez, como:

Frase → Modelo de situação

Ou há níveis intermediários que precisam ser ultrapassados ​​até que o modelo seja construído? Aqui estão três representações diferentes que tentam explicar a construção do modelo de situação por um texto.

Edição de representação proposicional

A Representação proposicional afirma que uma frase será estruturada de outra maneira e então será armazenada. As informações incluídas não se perdem. Vamos dar uma olhada na frase simples:

“George ama Sally” a representação proposicional é [AMA (GEORGE, SALLY)]

É fácil ver que a representação proposicional é fácil de criar e a informação ainda está disponível.

Três níveis de representação Editar

Esta teoria afirma que existem três níveis de representação: a forma da superfície, a base do texto e o modelo de situação.Neste exemplo, a frase “O sapo comeu o inseto”. Já é a forma superficial. Naturalmente, criamos relações semanticamente para entender a frase (árvore semântica na figura). O próximo nível é a “base de texto”. [EAT (FROG, BUG)] é a representação proposicional e Base de texto aproxima-se desse tipo de representação, exceto que é bastante espacial. Finalmente, o modelo de situação é construído pela representação “base de texto”. Podemos ver que o modelo de situação não inclui nenhum tipo de texto. É uma imagem mental de informações na própria frase.

Dois níveis de representação Editar

Esta teoria é como a teoria dos “três níveis de representações”. Mas o nível “Base de texto” é omitido. A própria teoria afirma que o modelo de situação é criado pela própria sentença e não há nenhum nível de “base de texto” necessário.

Existem outras teorias de modelo de situação que orientam as experiências. Portanto, não apenas a compreensão de texto é feita por modelos de situação, mas o aprendizado por meio da experiência direta também é feito por modelos de situação.

Edição de modelo KIWi

Um modelo unificado, o chamado KIWi-Model, tenta explicar como a representação de texto e a experiência direta interagem com um modelo de situação. Além disso, o conhecimento do domínio é integrado. O conhecimento de domínio é usado para formar um modelo de situação em diferentes tarefas, como a compreensão de frases simples (capítulo: Por que precisamos de Modelos de Situação). O modelo KIWi mostra que existe uma interação permanente entre “representação de texto → modelo de situação” e entre “codificação sensorial → modelo de situação”. Essas interações sustentam a teoria de uma atualização permanente do modelo mental.

A inferência é usada para construir modelos de situação complexos com informações limitadas. Por exemplo: em 1973, John Bransford e Marcia Johnson fizeram um experimento de memória no qual tinham dois grupos lendo variações da mesma frase.

O primeiro grupo leu o texto "John estava tentando consertar a casa do pássaro. Ele era batendo o prego quando seu pai saiu para vê-lo fazer o trabalho"

O segundo grupo leu o texto "John estava tentando consertar a casa do pássaro. Ele era procurando por o prego quando seu pai saiu para vê-lo fazer o trabalho"

Após a leitura, algumas afirmações do teste foram apresentadas aos participantes. Essas declarações continham a palavra martelo que não ocorreu nas frases originais, por exemplo: "John estava usando um martelo para consertar a casa de passarinho. Ele estava procurando o prego quando seu pai saiu para vê-lo". Os participantes do primeiro grupo disseram que viram 57% das afirmações do teste, enquanto os participantes do segundo grupo viram apenas 20% das afirmações do teste.

Como se pode ver, no primeiro grupo existe uma tendência de se acreditar ter visto a palavra martelo. Os participantes deste grupo fizeram a inferência de que John usava um martelo para martelar o prego. Este teste de influência da memória é um bom exemplo para se ter uma ideia do que significa fazer inferências e como elas são usadas para completar modelos de situação.

Ao ler um texto, a inferência cria informações que não são explicitamente declaradas no texto, portanto, é um processo criativo. É muito importante para a compreensão do texto em geral, porque os textos não podem incluir todas as informações necessárias para compreender o sentido de uma história. Os textos geralmente deixam de fora o que é conhecido como conhecimento do mundo. Conhecimento de mundo é o conhecimento sobre situações, pessoas ou itens que a maioria das pessoas compartilha e, portanto, não precisa ser declarado explicitamente. Cada pessoa deve ser capaz de inferir este tipo de informação, como por exemplo que costumamos usar martelos para martelar pregos. Seria impossível escrever um texto, se ele tivesse que incluir todas as informações de que trata se não existisse inferência ou se não fosse feito automaticamente pelo nosso cérebro.


Existem vários tipos diferentes de inferências:

Edição de inferência anafórica

Este tipo de inferência geralmente conecta objetos ou pessoas de uma a outra frase. Portanto, é responsável por conectar informações de frase cruzada. Por exemplo. no "John acertou o prego. Ele estava orgulhoso de seu derrame", inferimos diretamente que" ele "e" seu "se relacionam com" João ". Normalmente fazemos esse tipo de inferência com bastante facilidade. Mas pode haver sentenças em que mais pessoas e outras palavras relacionadas a elas estão misturadas e as pessoas têm problemas compreender a história no início. Isso normalmente é considerado um estilo de escrita ruim.

Edição de inferência instrumental

Este tipo de inferência é sobre as ferramentas e os métodos usados ​​no texto, como o martelo no exemplo acima. Ou, por exemplo, se você ler sobre alguém voando para Nova York, você não inferirá que essa pessoa construiu um voador de dragão e pulou de um penhasco, mas que usou um avião, uma vez que não há mais nada mencionado no texto e um avião é a forma mais comum de voar para Nova York. Se não houver informações específicas sobre ferramentas, instrumentos e métodos, obtemos essas informações de nosso Conhecimento Geral do Mundo

Edição de inferência causal

A inferência causal é a conclusão de que um evento causou outro no texto, como em "Ele bateu na unha. Então o dedo doeu". A primeira frase explica por que a situação descrita na segunda frase ocorreu. Seria mais difícil traçar uma inferência causal em um exemplo como "Ele acertou o prego. Então seu pai fugiu", embora se pudesse criar uma inferência sobre isso com alguma fantasia.

As inferências causais criam conexões causais entre os elementos do texto. Essas conexões são separadas em conexões locais e conexões globais. As conexões locais são feitas em um intervalo de 1 a 3 frases. Isso depende de fatores como a capacidade da memória de trabalho e a concentração devida à leitura. Conexões globais são traçadas entre as informações em uma frase junto com as informações básicas coletadas até agora sobre todo o texto. Podem ocorrer problemas com inferências causais quando uma história é inconsistente. Por exemplo, os veganos que comem bife seriam inconsistentes. Um fato interessante sobre inferências causais (Goldstein, 2005) é que o tipo de inferências que desenhamos aqui e que não são facilmente vistas a princípio são mais fáceis de lembrar. Isso pode ser devido ao fato de que eles exigiram uma maior capacidade de processamento mental para fazer a inferência. Portanto, essa inferência "não tão fácil" parece ser marcada de uma forma que é mais fácil de lembrar.

Edição de inferência preditiva / direta

As inferências preditivas / diretas usam o Conhecimento Geral do Mundo do leitor para construir sua previsão das consequências do que está acontecendo atualmente na história no Modelo de Situação.

Integrando Inferências na Edição de Modelos de Situação

A questão de como os modelos entram em processos inferenciais é altamente controversa nas duas disciplinas de psicologia cognitiva e inteligência artificial. A.I. deu uma visão profunda dos procedimentos psicológicos e desde que as duas disciplinas se cruzaram e dão duas bases principais da ciência cognitiva. Os argumentos nestes são amplamente independentes uns dos outros, embora tenham muito em comum.

Johnson-Laird (1983) faz uma distinção entre três tipos de teorias de raciocínio nas quais a inferência desempenha um papel importante. A primeira classe segue os cálculos lógicos e foi implementada em muitos sistemas formais. A linguagem de programação Prolog surge dessa forma de lidar com o raciocínio e, na psicologia, muitas teorias postulam regras formais de inferência, uma "lógica mental". Essas regras funcionam de maneira puramente sintática e, portanto, são "livres de contexto", cegas para o contexto de seu conteúdo. Um exemplo simples esclarece o problema com este tipo de teoria:

e a conclusão lógica:

Isso é logicamente correto, mas parece falhar em nosso senso comum de lógica.

A segunda classe de teorias postula regras de inferência específicas para o conteúdo. Sua origem está em linguagens de programação e sistemas de produção. Eles trabalham com formas como "Se x é a, então x é b". Se alguém quiser mostrar que x é b, mostrar que x é um subobjetivo desta argumentação. A ideia de basear teorias psicológicas de raciocínio em regras específicas de conteúdo foi discutida por Johnson-Laird e Wason e vários tipos de tais teorias foram propostos. Uma ideia relacionada é que o raciocínio depende do acúmulo de exemplos específicos dentro de uma estrutura conexionista, em que a distinção entre inferência e recordação é confusa.

A terceira classe de teorias é baseada em modelos mentais e não usa nenhuma regra de inferência. O processo de construção de modelos mentais de coisas ouvidas ou lidas. Os modelos estão em permanente mudança de atualizações. Um modelo construído, será equipado com novos recursos das novas informações, desde que não haja informações, o que gera um conflito com aquele modelo. Se for esse o caso, o modelo geralmente é reconstruído, de modo que as informações geradoras de conflito se encaixem no novo modelo.

Dicas lingüísticas versus edição de conhecimento do mundo

Segundo muitos pesquisadores, a linguagem é o conjunto de instruções de processamento sobre como construir o Modelo de Situação da situação representada (Gernsbacher, 1990 Givon, 1992 Kintsch, 1992 Zwaan & amp Radvansky, 1998). Conforme mencionado, os leitores usam as dicas e informações lexicais para conectar as diferentes dimensões situacionais e integrá-las ao modelo. Outro ponto importante aqui é o conhecimento prévio do mundo. O conhecimento do mundo também influencia como as diferentes informações em um modelo de situação estão relacionadas. A relação entre pistas linguísticas e conhecimento de mundo é, portanto, um tópico importante de pesquisas atuais e futuras na área de Modelos de Situação.

Edição de multidimensionalidade

Outro aspecto importante das pesquisas atuais na área de Modelos de Situação é a Multidimensionalidade dos Modelos. O aspecto principal aqui é como as diferentes dimensões se relacionam entre si, como elas influenciam e interagem. A questão aqui é também se eles interagem e quais interagem. A maioria dos estudos na área tratava apenas de uma ou algumas das dimensões situacionais.

Ashwin Ram, et al. (1999) Understanding Language Understanding - capítulo 5

Baggett, P. (1979). Histórias estruturalmente equivalentes em filme e texto e o efeito do meio na recordação. Journal of Verbal Learning and Verbal Behavior, 18, 333-356.

Bertram F. Malle, et al. (2001) Intenções e Intencionalidade - capítulo 9

Boroditsky, L. (2000). Estruturação metafórica: compreensão do tempo por meio de metáforas espaciais. Cognição, 75, 1-28.

Carlson-Radvansky, L. A., & amp Radvansky, G. A. (1996). A influência das relações funcionais na seleção de termos espaciais. Psychological Science, 7, 56-60.

Carreiras, M., et al. (1996). O uso de informações estereotipadas de gênero na construção de um modelo mental: evidências do inglês e do espanhol. Quarterly Journal of Experimental Psychology, 49A, 639-663.

Dahan, D. & amp Tanenhaus, M.K. (2002). Ativação de representações conceituais durante o reconhecimento de palavras faladas. Abstracts of the Psychonomic Society, 7, 14.

Ericsson, K. A., & amp Kintsch, W. (1995). Memória de trabalho de longo prazo. Psychological Review, 102, 211-245.

Farah, M. J., & amp McClelland, J. L. (1991). Um modelo computacional de comprometimento da memória semântica: especificidade da modalidade e especificidade da categoria emergente. Journal of Experimental Psychology: General, 210, 339-357.

Fincher-Kiefer (2001). Componentes perceptivos dos modelos de situação. Memory & amp Cognition, 29, 336-343.

Fincher-Kiefer, R., et al. (1988). Sobre o papel dos conhecimentos prévios e as exigências da tarefa no processamento do texto. Journal of Memory and Language, 27, 416-428.

Garrod, S. C., & amp Sanford, A. J. (1989). Modelos de discurso como interfaces entre a linguagem e o mundo espacial. Journal of Semantics, 6, 147-160.

Gernsbacher, M.A. (1990), Language compreension as structure building. Hillsdale, NJ: Erlbaum.

Glenberg, A. M., & amp Kaschak, M. P. (2002). Linguagem de base em ação. Psychonomic Bulletin & amp Review, 9, 558-565.

Glenberg, A. M., et al. (1987) Os modelos mentais contribuem para o primeiro plano durante a compreensão do texto. Journal of Memory and Language 26: 69-83.

Givon, T. (1992), The grammar of referential coerence as mental processing Instructions, Linguistics, 30, 5-55.

Goldman, S.R., et al. (1996). Ampliando a integração de construção com restrição de capacidade: em direção a modelos "mais inteligentes" e flexíveis de compreensão de texto. Modelos de compreensão de texto (pp. 73–113).

Goldstein, E.Bruce, Cognitive Psychology, Connecting Mind, Research, and Everyday Experience (2005) - ISBN 0-534-57732-6.

Graesser, A. C., Singer, M., & amp Trabasso, T. (1994), Construindo inferências durante a compreensão do texto narrativo. Psychological Review, 101, 371-395.

Holland, John H., et al. (1986) Indução.

Horton, W.S., Rapp, D.N. (no prelo). Oclusão e acessibilidade da informação na compreensão narrativa. Psychonomic Bulletin & amp Review.

Isenberg, N., et al. (1999). A ameaça linguística ativa a amígdala humana. Proceedings of the National Academy of Sciences, 96, 10456-10459.

Johnson-Laird, P. N. (1983). Modelos mentais: Rumo a uma ciência cognitiva da linguagem, inferência e consciência. Cambridge, MA: Harvard University Press.

John R. Koza, et al. (1996) Programação Genética

Just, M. A., & amp Carpenter, P. A. (1992). Uma hipótese de capacidade de compreensão: diferenças individuais na memória de trabalho. Psychological Review, 99, 122-149.

Kaup, B., & amp Zwaan, R.A. (no prelo). Efeitos da negação e presença situacional na acessibilidade da informação textual. Journal of Experimental Psychology: Learning, Memory and Cognition.

Keefe, D. E., & amp McDaniel, M. A. (1993). O curso do tempo e a durabilidade das inferências preditivas. Journal of Memory and Language, 32, 446-463.

Kintsch, W. (1988), O papel do conhecimento na compreensão do discurso: Um modelo de construção-integração, Psychological Review, 95, 163-182.

Kintsch, W., & amp van Dijk, T. A. (1978), Para um modelo de compreensão e produção de texto, Psychological Review, 85, 363-394.

Kintsch, W. (1992), Como os leitores constroem modelos de situação para histórias: o papel das pistas sintáticas e inferências causais. Em A. E Healy, S. M. Kosslyn, & amp R. M. Shiffrin (Eds.), Dos processos de aprendizagem aos processos cognitivos. Ensaios em homenagem a William K. Estes (Vol. 2, pp. 261-278).

Klatzky, R.L., et al. (1989). Você pode espremer um tomate? O papel das representações motoras nos julgamentos de sensibilidade semântica. Journal of Memory and Language, 28, 56-77.

Martin, A., & amp Chao, L. L. (2001). Memória semântica e cérebro: estrutura e processos. Current Opinion in Neurobiology, 11, 194-201.

McRae, K., et al. (1997). Sobre a natureza e o escopo das representações características do significado das palavras. Journal of Experimental Psychology: General, 126, 99-130.

Mehler, Jacques e Franck, Susana. (1995) Cognition on Cognition - capítulo 9

Miceli, G., et al. (2001). A dissociação da cor do conhecimento da forma e da função. Nature Neuroscience, 4, 662-667.

Morrow, D., et al. (1987). Acessibilidade e modelos de situação na compreensão narrativa. Journal of Memory and Language, 26, 165-187.

Pulvermüller, F. (1999). Palavras na linguagem do cérebro. Behavioral and Brain Sciences, 22, 253-270.

Pulvermüller, F. (2002). Uma perspectiva do cérebro sobre os mecanismos da linguagem: dos conjuntos neuronais discretos à ordem serial. Progress in Neurobiology, 67, 85-111.

Radvansky, G. A., & amp Zwaan, R.A. (1998). Modelos de situação.

Schmalhofer, F., MacDaniel, D. Keefe (2002). Um modelo unificado para inferências preditivas e de ponte

Schneider, W. & amp Körkel, J. (1989). A base de conhecimento e a recordação do texto: evidências de um estudo longitudinal de curto prazo. Contemporary Educational Psychology, 14, 382-393.

Singer, M., et al. (1992). Validação de inferências de ponte causal. Journal of Memory and Language, 31, 507-524.

Spivey, M.J., et al. (2000). Movimentos oculares durante a compreensão de descrições de cenas faladas. Proceedings of the Twenty-second Annual Meeting of the Cognitive Science Society (pp. 487-492).

Stanfield, R.A. & amp Zwaan, R.A. (2001). O efeito da orientação implícita derivada do contexto verbal no reconhecimento de imagem. Psychological Science, 12, 153-156.

Talmy, Leonard, (2000) Toward a Cognitive Semantics - Vol. 1 - capítulo 1

van den Broek, P., et al. (1996). Uma visão "paisagem" da leitura: padrões flutuantes de ativação e a construção de uma representação da memória. Em B. K. Britton e A. C. Graesser (Eds.), Modelos de texto de compreensão (pp. 165-187).

Van Dijk, T. A. e W. Kintsch. (1983). Estratégias de compreensão do discurso.

Yekovich, F.R., et al. (1990). A influência do conhecimento do domínio na inferência em indivíduos de baixa aptidão. Em A. C. Graesser & amp G. H. Bower (Eds.), The psychology of learning and Motivation (Vol. 25, pp. 175–196). Nova York: Academic Press.

Zwaan, R.A. (1996). Processando mudanças de tempo narrativas. Journal of Experimental Psychology: Learning, Memory and Cognition, 22, 1196-1207

Zwaan, R.A. (2003), The Immersed Experiencer: Rumo a uma teoria incorporada de compreensão da linguagem.B.H. Ross (Ed.) The Psychology of Learning and Motivation, Vol. 44. Nova York: Academic Press.

Zwaan, R. A., et al. (1998). Construção de um modelo de situação durante a tradução. Manuscrito em preparação, Florida State University.

Zwaan, R. A., et al. (1995). A construção de modelos de situação na compreensão narrativa: um modelo de indexação de eventos. Psychological Science, 6, 292-297.

Zwaan, R. A., et al. (1995). Dimensões da construção de modelos de situação na compreensão narrativa. Journal of Experimental Psychology. "Learning, Memory, and Cognition, 21, 386-397.

Zwaan, R. A., Radvansky (1998), Situation Models in Language Comprehension and Memory. em Psychological Bulletin, Vol.123, No2 p. 162-185.


Como o conhecimento traz mais conhecimento

Quanto mais você sabe, mais fácil será aprender coisas novas. Aprender coisas novas é na verdade um processo contínuo, mas para estudá-lo e entendê-lo melhor, os cientistas cognitivos o abordaram como um processo de três estágios. E eles descobriram que o conhecimento ajuda em todos os estágios: conforme você primeiro absorve novas informações (seja ouvindo ou lendo), conforme você pensa sobre essas informações e o material é armazenado na memória. Vamos considerar cada um desses estágios separadamente.

Como o conhecimento o ajuda a receber novas informações

O primeiro estágio em que o conhecimento factual lhe dá uma vantagem cognitiva é quando você está recebendo novas informações, seja ouvindo ou lendo. Compreender a linguagem oral ou escrita é muito mais do que saber vocabulário e sintaxe. A compreensão exige conhecimento prévio porque a linguagem está repleta de quebras semânticas nas quais o conhecimento é assumido e, portanto, a compreensão depende de fazer inferências corretas.Em uma conversa casual, o ouvinte pode reunir conhecimentos de base ausentes e verificar suas inferências fazendo perguntas (por exemplo, você quis dizer Bob Smith ou Bob Jones? O que você quer dizer quando o descreve como um empresário?) - mas isso não é o caso ao assistir a um filme ou ler um livro. (E às vezes não é o caso em sala de aula quando um aluno fica com vergonha de fazer uma pergunta.)

Para fornecer alguns exemplos concretos e simplificar a discussão, vamos nos concentrar na leitura - mas tenha em mente que os mesmos pontos se aplicam à audição. Suponha que você leia este breve texto: "O rosto de John caiu quando ele olhou para sua barriga protuberante. O convite especificava 'gravata preta' e ele não usava smoking desde seu próprio casamento, 20 anos antes." Você provavelmente vai inferir que John está preocupado com o fato de seu smoking não servir, embora o texto não diga nada diretamente sobre esse problema em potencial. O escritor poderia adicionar os detalhes ("John tinha ganhado peso desde a última vez que vestiu seu smoking e temia que ele não coubesse"), mas eles não são necessários e as palavras adicionadas tornariam o texto enfadonho. Sua mente é capaz de preencher as lacunas porque você sabe que as pessoas costumam ficar mais pesadas 20 anos após o casamento e que ganhar peso geralmente significa que roupas velhas não cabem. Esse conhecimento prévio sobre o mundo está prontamente disponível e, portanto, o escritor não precisa especificá-lo.

Assim, uma forma óbvia pela qual o conhecimento auxilia na aquisição de mais conhecimento está no maior poder que ele proporciona em fazer inferências corretas. Se o escritor presumir que você possui algum conhecimento prévio de que não dispõe, você ficará confuso. Por exemplo, se você lê: "Ele foi um verdadeiro Benedict Arnold sobre isso" e não sabe quem foi Benedict Arnold, você está perdido. Essa implicação de conhecimento prévio é direta e fácil de entender. Não é surpresa, então, que a capacidade de ler um texto e entendê-lo esteja altamente correlacionada com o conhecimento prévio (Kosmoski, Gay e Vockell, 1990). Se você sabe mais, é um leitor melhor.

Na maioria das vezes, você não tem consciência de fazer inferências ao ler. Por exemplo, quando você leu o texto acima, é improvável que você tenha pensado: "Hmmm ... deixe-me ver agora ... por que estou sendo informado sobre a última vez que ele vestiu seu smoking? Por que pensar nisso faria seu rosto cair?" Essas inferências conscientes são desnecessárias porque os processos cognitivos que interpretam o que você lê acessam automaticamente não apenas as palavras literais que você lê, mas também as ideias associadas a essas palavras. Assim, quando você lê "smoking", os processos cognitivos que estão dando sentido ao texto podem acessar não apenas "um traje formal", mas todos os conceitos relacionados em sua memória: Smoking são caros, são usados ​​com pouca frequência, não são confortáveis, podem ser alugados, costumam ser usados ​​em casamentos e assim por diante. Como o texto ilustra, os processos cognitivos que extraem sentido também têm acesso a conceitos representados pelo cruzamento de ideias "smoking" disponibiliza "roupas" e "20 anos após o casamento" disponibiliza "ganhando peso". A interseção de "roupas" e "ganhar peso" gera a ideia de "roupas não cabem" e entendemos por que John não está feliz. Todas essas associações e inferências acontecem fora da consciência. Apenas o resultado desse processo cognitivo - que John está preocupado com o fato de que seu smoking não vai caber mais - entra na consciência.

Às vezes, esse processo subconsciente de fazer inferências falha e as ideias do texto não podem ser conectadas. Quando isso acontece, o processamento é interrompido e um esforço maior é feito para encontrar alguma conexão entre as palavras e ideias no texto. Esse esforço maior requer um processamento consciente. Por exemplo, suponha que mais tarde no mesmo texto que você leu: "John desceu as escadas com cuidado. Jeanine olhou para ele de cima a baixo enquanto esperava. Finalmente, ela disse: 'Bem, estou feliz por ter alguns peixes minha bolsa. '"O comentário de Jeanine pode muito bem interromper o fluxo normal de leitura. Por que ela teria peixe? Você procuraria alguma relação entre carregar peixes para um evento formal e os outros elementos da situação (roupas formais, escadas, bolsas, o que lhe contaram sobre Jeanine e John). Nesta pesquisa, você pode recuperar a noção popular de que usar um smoking pode fazer alguém parecer um pouco com um pinguim, o que imediatamente leva à associação de que pinguins comem peixes. Jeanine está comparando John a um pinguim e, portanto, está brincando com ele. O sentido é feito e a leitura pode continuar. Aqui, então, está um segundo e mais sutil benefício do conhecimento geral: pessoas com conhecimento mais geral têm associações mais ricas entre os conceitos na memória e, quando as associações são fortes, elas se tornam disponíveis para o processo de leitura automaticamente. Isso significa que a pessoa com um rico conhecimento geral raramente precisa interromper a leitura para buscar conscientemente as conexões.

Esse fenômeno foi verificado experimentalmente, fazendo com que os sujeitos leiam textos sobre tópicos com os quais estão ou não muito familiarizados. Por exemplo, Johanna Kaakinen e seus colegas (2003) fizeram os sujeitos lerem um texto sobre quatro doenças comuns (por exemplo, gripe) para as quais provavelmente já estavam familiarizados com os sintomas, e um texto sobre quatro doenças incomuns (por exemplo, tifo) para as quais eles provavelmente não eram. Para cada texto, havia informações adicionais sobre as doenças que os sujeitos provavelmente não sabiam.

Os pesquisadores usaram uma tecnologia sofisticada para medir discretamente onde os sujeitos fixaram seus olhos enquanto liam cada texto. Os pesquisadores, portanto, tinham uma medida precisa da velocidade de leitura e podiam dizer quando os sujeitos voltavam a uma parte anterior do texto para reler algo. Os pesquisadores descobriram que, ao ler textos desconhecidos, os sujeitos reliam com mais frequência partes de frases e voltavam com mais frequência para as frases anteriores. A velocidade de leitura deles também era mais lenta em geral em comparação com quando eles liam textos familiares. Essas medidas indicam que o processamento é mais lento ao ler sobre algo desconhecido para você.

Assim, o conhecimento prévio torna o leitor um melhor leitor de duas maneiras. Em primeiro lugar, significa que há uma probabilidade maior de você ter o conhecimento para fazer com sucesso as inferências necessárias para entender um texto (por exemplo, você saberá que as pessoas costumam ficar mais pesadas 20 anos após o casamento e, portanto, John está preocupado que seu smoking não cabe). Em segundo lugar, um rico conhecimento prévio significa que raramente você precisará reler um texto em um esforço para buscar conscientemente as conexões no texto (por exemplo, você vai perceber rapidamente que, com sua observação de peixe, Jeanine está comparando John a um pinguim).

Como o conhecimento o ajuda a pensar sobre novas informações

Compreender um texto de modo a receber novas informações é apenas o primeiro estágio de aprender essas novas informações, o segundo é pensar sobre elas. Isso acontece no que os cientistas cognitivos chamam de memória de trabalho, o terreno de preparação para o pensamento. A memória de trabalho é freqüentemente referida metaforicamente como um espaço para enfatizar sua natureza limitada, podendo-se manter apenas uma quantidade limitada de informações na memória de trabalho. Por exemplo, leia esta lista uma vez, depois desvie o olhar e veja quantas letras você consegue se lembrar.

Havia 16 letras na lista, e a maioria das pessoas lembra de cerca de sete - não há espaço suficiente na memória de trabalho para manter mais do que isso. Agora tente a mesma tarefa novamente com esta lista.

Muito mais fácil, certo? Se você comparar as duas listas, verá que na verdade elas contêm as mesmas letras. A segunda lista foi reorganizada de uma forma que o incentiva a tratar C, N e N como uma única unidade, em vez de três letras separadas. Colocar os itens juntos desta forma é chamado pedaço. Ele expande muito o quanto cabe na sua memória de trabalho - e, portanto, o quanto você pode pensar. A memória de trabalho de uma pessoa típica pode conter cerca de sete letras ou quase o mesmo número de blocos de várias letras ou informações. Observe, no entanto, que a fragmentação depende do conhecimento prévio. Se você não conhecesse a abreviatura de Federal Bureau of Investigation, não poderia tratar o FBI como um único pedaço.

A capacidade de fragmentar e sua confiança no conhecimento prévio foi testada em vários estudos. Esses estudos mostram que essa habilidade torna as pessoas mais capazes de lembrar brevemente de uma lista de itens, assim como você poderia lembrar de mais letras no segundo exemplo. Esse benefício foi observado em muitos domínios, incluindo xadrez (Chase e Simon, 1973), bridge (Engle e Bukstel, 1978), programação de computador (McKeithen, Reitman, Rueter e Hirtle, 1981), passos de dança (Allard e Starkes, 1991), projeto de circuitos (Egan e Schwartz, 1979), mapas (Gilhooly, Wood, Kinnear e Green, 1988) e música (Sloboda, 1976).

Claro, raramente queremos nos lembrar brevemente de uma lista. O aspecto importante do chunking é que ele deixa mais espaço livre na memória de trabalho, permitindo que esse espaço seja dedicado a outras tarefas, como reconhecer padrões no material. Por exemplo, em um estudo (Recht e Leslie, 1988), os pesquisadores testaram alunos do ensino fundamental que eram bons ou maus leitores (conforme medido por um teste de leitura padrão) e que também sabiam ou não sobre o jogo de beisebol ( medida por um teste criado para o estudo por três jogadores de beisebol semi-profissionais). As crianças leram uma passagem escrita no início da 5ª série que descrevia meia entrada de um jogo de beisebol. A passagem foi dividida em cinco partes e, após cada parte, o aluno foi solicitado a usar uma réplica de um campo de beisebol e jogadores para reconstituir e descrever o que leram. Os pesquisadores descobriram que o conhecimento do beisebol teve um grande impacto no desempenho: leitores fracos com alto conhecimento sobre beisebol demonstraram melhor compreensão do que bons leitores com pouco conhecimento sobre beisebol.

O que está acontecendo aqui? Primeiro, os alunos com muito conhecimento de beisebol foram capazes de ler uma série de ações e dividi-las. (Por exemplo, se alguma parte do texto descreveu o shortstop jogando a bola para o segundo homem base e o segundo homem jogando a bola para o primeiro homem base resultando em dois corredores sendo eliminados, os alunos com conhecimento de beisebol chocariam essas ações, reconhecendo-os como um jogo duplo - mas os alunos sem conhecimento de beisebol teriam que tentar se lembrar de toda a série de ações.) Em segundo lugar, porque eles eram capazes de chunk, os alunos com conhecimento de beisebol tinham espaço livre em sua memória de trabalho que eles poderiam se dedicar ao uso a réplica para reencenar a peça, bem como fornecer uma explicação verbal coerente. Sem serem capazes de chunk, os alunos com pouco conhecimento sobre beisebol simplesmente não tinham espaço livre suficiente em sua memória de trabalho para lembrar simultaneamente de todas as ações, manter o controle de sua ordem, fazer a reconstituição e descrever a reconstituição.

Este estudo ilustra a importância da vantagem da memória de trabalho que o conhecimento prévio confere (ver também Morrow, Leirer e Altieri, 1992, Spilich, Vesonder, Chiesi e Voss, 1979). Na maioria das vezes, quando estamos ouvindo ou lendo, não é suficiente entender cada frase por si só - precisamos entender uma série de frases ou parágrafos e mantê-los em mente simultaneamente para que possam ser integrados ou comparados. Fazer isso é mais fácil se o material puder ser fragmentado, pois ocupará menos do espaço limitado na memória de trabalho. Mas, a fragmentação depende do conhecimento prévio.

Como o conhecimento ajuda você a se lembrar de novas informações

O conhecimento também ajuda quando você chega ao estágio final de aprendizado de novas informações - lembrando-se delas. Simplificando, é mais fácil fixar um novo material em sua memória quando você já tem algum conhecimento do assunto (Arbuckle et al, 1990 Beier e Ackerman, 2005 Schneider, Korkel e Weinert, 1989 Walker, 1988). Muitos estudos nesta área fazem com que indivíduos com alto ou baixo conhecimento em um determinado tópico leiam um novo material e, em seguida, façam um teste sobre ele algum tempo depois, inevitavelmente, aqueles com conhecimento prévio se lembram mais.

Um estudo de David Hambrick (2003) é notável porque analisou a aprendizagem do mundo real e o fez por um período de tempo mais longo do que o típico em tais estudos. Primeiro, Hambrick testou estudantes universitários quanto aos seus conhecimentos sobre basquete. Este teste foi realizado no meio da temporada de basquete universitário. Dois meses e meio depois (no final da temporada), os participantes responderam a questionários sobre sua exposição ao basquete (por exemplo, comparecimento a jogos, assistir televisão e ler revistas ou jornais) e também fizeram testes que mediram seu conhecimento sobre habilidades masculinas específicas eventos de basquete dos dois meses e meio anteriores. Os resultados mostraram (não surpreendentemente) que os indivíduos que relataram interesse no jogo também relataram que tiveram maior exposição às informações do basquete. O achado mais interessante foi que, para um determinado nível de exposição, um maior conhecimento prévio sobre o basquete estava associado a mais novos conhecimentos sobre o basquete. Ou seja, as pessoas que já sabiam muito sobre basquete tendiam a se lembrar mais das notícias relacionadas ao basquete do que as pessoas com a mesma exposição a essas notícias, mas com menos conhecimento prévio. * Como eu disse na introdução, os ricos ficam mais ricos.

O que está por trás desse efeito? Uma rica rede de associações fortalece a memória: o novo material tem maior probabilidade de ser lembrado se estiver relacionado ao que já está na memória. Lembrar informações sobre um tópico totalmente novo é difícil porque não há nenhuma rede existente em sua memória à qual as novas informações possam ser vinculadas. Mas lembrar novas informações sobre um tópico familiar é relativamente fácil porque é fácil desenvolver associações entre sua rede existente e o novo material.

Alguns pesquisadores sugeriram que o conhecimento prévio é tão importante para a memória que pode realmente compensar ou substituir o que normalmente consideramos aptidão. Alguns estudos administraram a mesma tarefa de memória para crianças de alta e baixa aptidão, algumas das quais têm conhecimento prévio do assunto e outras não os estudos descobriram que apenas o conhecimento prévio é importante (Britton, Stimson, Stennett, e Gülgöz, 1998 Recht e Leslie, 1988 Schneider, Korkle e Weinert, 1989 Walker, 1988). Mas alguns pesquisadores discordam. Eles relatam que, embora o conhecimento prévio sempre ajude a memória, não pode eliminar as diferenças de aptidão entre as pessoas. Uma vez que a memória de todos melhora com o conhecimento prévio, assumindo exposição igual a novos conhecimentos (como em uma sala de aula sem suporte extra para alunos mais lentos), o aluno com menor aptidão geral ainda estará atrás do aluno com maior aptidão (Hall e Edmondson, 1992 Hambrick e Engle, 2002 Hambrick e Oswald, 2005 Schneider, Bjorklund e Maier-Brückner, 1996). No final, a questão não está resolvida, mas na prática da escolaridade não importa muito. O que importa é a descoberta central e indiscutível: todos os alunos aprenderão mais se tiverem maior conhecimento prévio.


Representação de conhecimento específico da categoria

A perda de conhecimento específico da categoria também foi relatada (Damasio, 1990 Warrington e Shallice, 1990 Hart, Berndt e Caramazza, 1985). No domínio lexical, isso pertence à dupla dissociação de compreensão e nomeação de nomes de objetos e nomes de ações (Goodglass, Klein, Carey e Jones, 1966 Miceli, Silveri, Villa e Caramazza, 1984). Fracionamento posterior da perda de substantivo também foi relatado (Warrington e Shallice, 1990 Hart, Berndt e Caramazza, 1985 McKenna e Warrington, 1980).

A perda de conhecimento específico da categoria também pode se manifestar como uma incapacidade seletiva de descrever objetos ou eliciar suas imagens mentais (Warrington e Shallice, 1984), ou como agnosia seletiva para certas categorias de objetos, mas não para outras (Nielsen, 1946). A observação mais comum e consistente de perda de conhecimento específica da categoria é que o conhecimento de objetos vivos ou alimentos é mais prejudicado do que o conhecimento de objetos inanimados (Vignolo, 1982 Goldberg, 1989 Hart, Berndt e Caramazza, 1985 Goodglass et al., 1986). No entanto, os pesquisadores também relataram o padrão oposto (Warrington e McCarthy, 1983, 1987).

Para explicar a esmagadora unidirecionalidade da dissociação, com a maioria dos estudos relatando maior preservação do conhecimento sobre coisas inanimadas do que vivas, e muito poucos relatando o padrão oposto, foi proposto que a diferença pode refletir semelhanças perceptuais inerentemente maiores e, portanto, confusibilidade, dentro o domínio vivo do que dentro do domínio inanimado (Riddoch, Humphreys, Coltheart e Funnell, 1988). Alternativamente, foi proposto que a perda de conhecimento específica da categoria pode refletir diferentes padrões de saliência relativa de diferentes modalidades sensoriais para diferentes categorias (Goldberg, 1989, Warrington e McCarthy, 1987). O último ajuda a explicar as dissociações duplas específicas da categoria. Também inter-relaciona aspectos específicos de categoria e sentido das representações mentais.

Os objetos inanimados usados ​​na maioria dos estudos são, na verdade, objetos ou ferramentas feitas pelo homem. Portanto, é difícil saber qual das duas distinções, vivo versus inanimado ou feito pelo homem versus natural, captura melhor as diferenças observadas. A última distinção enfatiza a natureza secundária dos aspectos específicos da categoria relativos aos aspectos específicos da modalidade das representações do conhecimento. Isso ocorre porque as ferramentas feitas pelo homem têm representações somatossensoriais e motoras obrigatórias no cérebro que estão ausentes para a maioria dos objetos naturais ou alimentos. Portanto, as ferramentas são codificadas com base em mais dimensões sensoriais em comparação com a maioria dos objetos naturais, o que tornaria os engramas correspondentes mais robustos.

Ao considerar os tipos mais esotéricos de perda de conhecimento de categoria específica ou preservação de conhecimento (Hart, Berndt e Caramazza, 1985 Yamadori e Albert, 1973 McKenna e Warrington, 1978), deve-se também levar em consideração as possíveis idiossincrasias pré-mórbidas de forças lexicais individuais e fraquezas. Esta pode ser uma fonte potente de artefato na análise do desempenho pós-morbidade.

Finalmente, a perda combinada de conhecimento específico de categoria e modalidade foi relatada em um paciente que teve uma perda seletiva de coisas vivas, mas não de objetos no domínio verbal, mas não visual (McCarthy e Warrington, 1988). Elizabeth Warrington e Tim Shallice (1984) concluem que o conhecimento é organizado tanto nas dimensões sensoriais quanto nas categorias.

O conhecimento da categoria superior do objeto é bem preservado na perda de conhecimento específica da modalidade, específica da categoria e combinada (Warrington, 1975 McCarthy e Warrington, 1988). Essa observação abrangente deu suporte à hipótese de que o conhecimento sobre as coisas é hierárquico. Os pesquisadores propuseram que o acesso a um membro de uma categoria específica invariavelmente começa com o acesso a uma categoria superior (Warrington, 1975).Embora isso possa ser verdade em alguns casos, a observação da preservação relativa do conhecimento superior não exige por si só esta conclusão. Na verdade, uma rota diferente de identificação de objeto também foi proposta, desde a categoria básica até as categorias subordinadas e subordinadas (Rosch, 1978).

Os pesquisadores evocaram as hipóteses de armazenamento degradado (Warrington e Shallice, 1984) e acesso prejudicado (Humphreys, Riddoch e Quinlan, 1988) para explicar a perda de memória específica de categoria e modalidade. Eles sugeriram que uma loja degradada é caracterizada pela uniformidade de respostas em testes de recall e acesso prejudicado por sua variabilidade (Warrington e Shallice, 1984 Cermak e O'Connor, 1983 Shallice, 1988). A possível base neuroanatômica para essa distinção pode estar relacionada ao fato de a lesão crítica afetar os locais neocorticais onde as representações são distribuídas, resultando em armazenamento degradado, ou estruturas subcorticais envolvidas em vários aspectos de ativação e excitação, resultando em acesso prejudicado.

Estudos de neuroimagem funcional em indivíduos normais também apontam para a segregação dos sistemas neurais envolvidos no conhecimento específico da categoria. Os investigadores demonstraram que regiões específicas do córtex ventral temporal respondem diferentemente ao processamento de várias categorias (Chao, Haxby e Martin, 1999). Tem havido algumas indicações de que as dissociações no padrão de ativação seguem a distinção entre categorias animadas e inanimadas (Caramazza e Shelton, 1998), no entanto, os resultados da pesquisa no final da década de 1990 e início de 2000 não conseguiram encontrar evidências de que essas distinções de categoria existem no neural nível (Devlin et al., 2002).

Bibliografia

Beauvois, M. F. (1982). Afasia óptica: um processo de interação entre visão e linguagem. Transações filosóficas da Royal Society (Londres) B298, 35-47.

Bookheimer, S. Y. (1996). Aplicações funcionais da ressonância magnética na epilepsia clínica. Neuroimage 4, S139-146.

Caramazza, A. e Shelton, J. R. (1998). Sistemas de conhecimento de domínio específico no cérebro: A distinção inanimada animada. Journal of Cognitive Neuroscience 10, 1-34.

Cermak, L. S. e O'Connor, M. (1983). A capacidade de recuperação de um paciente com amnésia devido a encefalite. Neuropsychologia 21, 213-234.

Chao, L. L., Haxby, J. V. e Martin, A. (1999). Substratos neurais baseados em atributos no córtex temporal para perceber e saber sobre objetos. Nature Neuroscience 2, 913-919.

Cohen, N. J. e Squire, L. R. (1980). Aprendizagem preservada e retenção da habilidade de análise de padrões na amnésia: dissociação de "saber como" e "saber aquilo". Science 210, 207-209.

Damasio, A. R. (1990). Defeitos de reconhecimento relacionados à categoria como uma pista para os substratos neurais do conhecimento. Tendências em neurociências 13, 95-98.

Devlin, J.T., Russel, R.P. Davis, R.H., Price, C.J., Moss, H.E., Fadili, M.J. e Tyler, L.K. (2002). Existe uma base anatômica para a especificidade da categoria? Estudos de memória semântica em PET e fMRI. Neuropsychologia 40, 54-75.

Goldberg, E. (1989). Abordagem gradual da organização funcional neocortical. Journal of Clinical and Experimental Neuropsychology 11, 489-517.

—— (1990). Agnosias associativas e as funções do hemisfério esquerdo. Journal of Clinical and Experimental Neuropsychology 12, 467-484.

Goodglass, H., Klein, B., Carey, P. e Jones, K. (1966). Categorias de palavras semânticas específicas na afasia. Cortex 2, 74-89.

Goodglass, H., Wingfield, A., Hyde, M. R. e Theurkauf, J. (1986). Dissociação específica da categoria na nomeação e reconhecimento por pacientes afásicos. Cortex 22, 87-102.

Hart, J., Berndt, R. S. e Caramazza, A. (1985). Déficit de nomenclatura específica da categoria após infarto cerebral. Nature 316, 439-440.

Hecaen, H. e Albert, M. L. (1978). Neuropsicologia humana. Nova York: Wiley.

Humphreys, G. W., Riddoch, M. J. e Quinlan, P. T. (1988). Processos em cascata na identificação de imagens. Neuropsicologia Cognitiva 5, 67-103.

Kinsbourne, M. e Wood, F. (1975). Processos de memória de curto prazo e a síndrome amnéstica. Em D. Deutsch e J. A. Deutsch, eds., Memória de curto prazo. Nova York: Academic Press.

Martin, A. (2001). Neuroimagem funcional da memória semântica. Em R. Cabaza e A. Kingstone, eds., Imagem funcional da memória semântica. Cambridge, MA: MIT Press.

McCarthy, R. A. e Warrington, E. K. (1986). Agnosia associativa visual: Um estudo clínico-anatômico de um único caso. Journal of Neurology, Neurosurgery and Psychiatry 49, 1,233-1,240.

—— (1988). Evidência de sistemas de significado de modalidades específicas no cérebro. Nature 334, 428-430.

McKenna, P. e Warrington, E. K. (1978). Preservação de nomenclatura específica da categoria: Um estudo de caso único. Journal of Neurology, Neurosurgery and Psychiatry 41, 571-574.

—— (1980). Teste para disfasia nominal. Journal of Neurology, Neurocirurgia e Psiquiatria 43, 781-788.

Miceli, G., Silveri, M.C., Villa, G. e Caramazza, A. (1984). Com base na dificuldade do agramático em produzir verbos principais. Cortex 20, 207-220.

Nielsen, J. M. (1946). Agnosia, apraxia, afasia: seu valor na localização cerebral, 2ª edição. Nova York: Hoeber.

Riddoch, M. J., Humphreys, G. W., Coltheart, M. e Funnell, E. (1988). Sistemas semânticos ou sistema? Evidência neuropsicológica reexaminada. Neuropsicologia Cognitiva 5, 3-25.

Rosch, E. (1978). Princípios de categorização. Em E. Rosch e B. B. Lloyd, eds., Princípios de categorização. Hillsdale, NJ: Erlbaum.

Schacter, D. L. (1985). Múltiplas formas de memória em humanos e animais. Em N. M. Weinberger, J. L. McGaugh e G. Lynch, eds., Sistemas de memória do cérebro. Nova York: Guilford Press.

—— (1987). Memória implícita: História e estado atual. Journal of Experimental Psychology: Learning, Memory, and Cognition 13, 501-518.

Shallice, T. (1987). Prejuízos do processamento semântico: dissociações múltiplas. Em M. Coltheart, G. Santori e R. J. Job, eds., A neuropsicologia cognitiva da linguagem. Hillsdale, NJ: Erlbaum.

—— (1988). Da neuropsicologia à estrutura mental. Cambridge, MA: Cambridge University Press.

Tulving, E. (1983). Elementos da memória episódica. Oxford: Oxford University Press.

Tulving, E., Kapur, S., Craik, F. I. M., Moscovitch, M. e Houle, S. (1994). Codificação hemisférica / assimetria de recuperação na memória episódica: achados da tomografia por emissão de pósitrons. Anais da Academia Nacional de Ciências dos Estados Unidos da América 91, 2,016-2,020.

Tulving, E. e Schacter, D. L. (1990). Priming e sistemas de memória humanos. Ciência 247, 301-306.

Vignolo, L. A. (1982). Agnosia auditiva. Transações filosóficas da Royal Society (Londres) B298, 16-33.

Warrington, E. K. (1975). O comprometimento seletivo da memória semântica. Quarterly Journal of Experimental Psychology 27, 635-657.

Warrington, E. K. e McCarthy, R. A. (1983). Disfasia de acesso específica da categoria. Brain 106, 859-878.

—— (1987). Categorias de conhecimento: Fracionamentos adicionais e uma tentativa de integração. Brain 110, 1,273-1,296.

Warrington, E. K. e Shallice, T. (1984). Prejuízos semânticos específicos da categoria. Brain 107, 829-853.

Yamadori, A. e Albert, M. L. (1973). Afasia de categoria de palavras. Cortex 9, 112-125.


Onde está armazenado o conhecimento de como o cérebro funciona? - psicologia

Dá uma nova visão da realidade e da ciência em quatro dimensões

Explica a evolução da consciência humana e o surgimento da cultura

Fornece uma estrutura unificadora para mente, cérebro e comportamento

Mapeia as principais dimensões do sistema de relacionamento humano

Fornece um novo grande cinco para personalidade e psicoterapia

Descreve os principais domínios do desenvolvimento da personalidade

Esclarece porque o bem-estar pode ser enquadrado como felicidade com a dignidade de ser feliz

Molda uma abordagem integrativa de atenção plena psicológica que cultiva estados valiosos de ser

O Sistema da Árvore do Conhecimento mapeia os quatro planos fundamentais da existência como Matéria, Vida, Mente e Cultura que correspondem aos comportamentos de.

A Estrutura Unificada não trata exclusivamente da psicologia - em um sentido muito amplo, ela explica muito, muito mais. Na verdade, trata-se de tudo o que existe.

O sistema ToK é uma visão geral do cosmos que nos permite enquadrar as grandes questões da vida, como quem somos nós, de onde viemos, para onde devemos ir.

A Metapsicologia Unificada convida as pessoas a traduzirem a psicologia popular cotidiana na tríade de justificação, investimento e influência.

Gregg fala com Jim Rutt sobre as muitas facetas de sua teoria unificada da psicologia.

Gregg discute discute o Digital-MetaCultural Future com John Vervaeke e Jordan Hall.

Gregg compartilha com Guy Sengstock, o fundador da Circling, como o Sistema ToK surgiu em seu pensamento e seu impacto sobre ele.

Gregg conversa com Gib Gerard sobre a Teoria Unificada do Conhecimento e por que ela é relevante para os tempos atuais.

É importante distinguir entre a Árvore do Sistema do Conhecimento e a Teoria Unificada do Conhecimento (UTOK) mais ampla no trabalho do Professor Henriques & # 39. A Árvore do Sistema do Conhecimento, mostrada no diagrama à direita, é um novo mapa da evolução cósmica. É abreviado como & quotToK, & quot que, quando dito, é soletrado como & quotTee - oh - Kay & quot System.

O Sistema ToK situado na maior Teoria Unificada do Conhecimento (UTOK, dito como uma palavra). O UTOK pode ser considerado uma & quot Estrutura de Metapsicologia Unificada & quot porque nasceu da psicologia e não da filosofia, e funciona como um sistema para resolver o problema da psicologia e oferece um conjunto de ideias que constituem uma abordagem unificada ou consiliente do ser humano conhecimento.

Teoria do Conhecimento: Uma Abordagem Unificada para Psicologia e Filosofia também é o título de um blog popular Psychology Today, onde o Professor Henriques e outros membros da TOK Society publicam ensaios sobre o sistema. Finalmente, há a representação & quot Jardim de UTUA & quot do Professor Henriques & # 39 UTOK. O centro do Jardim de UTUA é a & quot Árvore da Teoria do Conhecimento & quot, mostrada à direita. Ele tem as 8 idéias-chave como & quotculturas de maçãs & quot crescendo a partir dele. A primeira ramificação da Árvore TOK é o Sistema ToK. Veja aqui mais informações sobre a árvore TOK no jardim.

Todos esses significados são específicos para o trabalho da Sociedade TOK e do Professor Henriques & # 39. Esteja ciente de que existe o significado mais geral de teoria do conhecimento na filosofia, que se alinha com as questões da epistemologia e como as pessoas sabem o que sabem e o que justifica algo como conhecimento. Há também um curso de bacharelado internacional denominado "Teoria do Conhecimento", que não está diretamente relacionado ao trabalho da Sociedade TOK.


Vieses relacionados

A maldição do conhecimento é considerada um tipo de preconceito egocêntrico, uma vez que faz com que as pessoas confiem demais em seu próprio ponto de vista quando tentam ver as coisas da perspectiva de outras pessoas. No entanto, uma característica importante da maldição do conhecimento, que o diferencia de alguns outros vieses egocêntricos, é que é assimétrica, no sentido de que influencia aqueles que tentam compreender uma perspectiva menos informada, mas não aqueles que tentam compreender uma perspectiva mais informada.

A maldição do conhecimento também está associada a vários outros vieses cognitivos, como:


Ensaio de psicologia sobre mecanismo cerebral e cérebros artificiais

Inteligência Artificial é a obra de arte de programar computadores pessoais para criar ação inteligente, enquanto a teoria do cérebro é a análise da função do cérebro, para entender a maneira como o cérebro funciona, os estímulos que vão dentro e exatamente como as saídas são produzidas por meio de modelagem numérica e estimulação por computador. Pode-se argumentar que ambos contêm características semelhantes de eficiência, ambos funcionam coletivamente, isso pode ser visto por meio da inteligência não natural usada para entender as funções dos mecanismos cerebrais. Além disso, ambos ficam entusiasmados com processos cognitivos elevados, como raciocínio, tratamento de problemas e tomada de decisões. Embora alguns filósofos tenham aceitado que as máquinas podem fazer qualquer coisa que os humanos podem fazer, alguns discordam dessa visão argumentando que hábitos superiores como o amor, a descoberta de pensamentos e as decisões morais só podem ser completados por humanos.

A IA por muitos anos tem perseguido a análise do comportamento inteligente, mas usando metodologia artificial. A inteligência pode ser definida como a 'capacidade de aprender e compreender, resolver problemas e tomar decisões', tanto a IA quanto a mente compartilham esse atributo. Para estudar o intelecto humano, alguns usam inteligência artificial para compreender os processos humanos. Um dos muitos artigos sobre a inteligência da máquina foi explorado por Alan Turning, no entanto, suas idéias ainda permanecem gerais. Turning (1950) previu que em 2000, um pc poderia ser programado para ter um diálogo com um interrogador humano por cinco minutos e que ele poderia ser capaz de enganar o interrogador que é um humano real, o que sugere uma ligação entre IA e mecanismos cerebrais. Tanto a mente quanto as máquinas são capazes de resolver cálculos matemáticos complexos. Uma máquina pode ser projetada para resolver esses cálculos mais rápido do que a mente. Embora as evidências sugiram que nosso cérebro armazena o equivalente a cerca de mais de 1018 peças e pode processar informações no equivalente a cerca de 1015 peças por segundo. Portanto, os mecanismos de IA e do cérebro podem trabalhar juntos para produzir resultados confiáveis, pois é evidente que ambos aceitam o insight e geram a saída correta. É realmente necessário que uma máquina inteligente ajude o ser humano a tomar decisões, a buscar informações, a regular objetos complexos e, por último, a entender o significado das palavras.

Uma das definições possíveis de IA refere-se aos procedimentos cognitivos e, principalmente, ao raciocínio. Antes de tomar qualquer decisão, as pessoas também raciocinam, portanto, é natural explorar as ligações entre os dois. Desde o início dos anos 1950, tem havido um desenvolvimento massivo de IA, onde se tornou uma ferramenta valiosa para apoiar os humanos na tomada de decisões. Da mesma forma, mecanismos cerebrais específicos ficam entusiasmados com a tomada de decisões no cérebro, pode-se argumentar que trabalhar juntos levará a mais decisões válidas e mais rápidas. Para apoiar isso, a pesquisa mostra que variedades mais superiores e fáceis de usar de tecnologia de auxílio à decisão assistida por computador estão sendo desenvolvidas. Os exemplos incluem sistemas de suporte à decisão e sistema de recuperação de informação externo, que pode funcionar junto com os mecanismos cerebrais.

A IA tem sido amplamente usada para lidar com problemas, tais máquinas foram criadas e podem exceder a capacidade da mente para resolver problemas. Isso inclui a resolução de problemas matemáticos de alta complexidade - eles são programados para fazer exatamente o que queremos que eles façam. A IA agora está envolvida no tratamento de questões da vida real, que geralmente são tratadas por mecanismos mentais, alguns podem sugerir que ela poderia atingir tal ponto que supere os melhores corretores de ações e investidores. Os dados afirmam que eles já estão envolvidos em prever o clima econômico atual e avaliar o risco de crédito, tratando-se apenas de amostras. Este é um campo de rápido crescimento que deve chamar a atenção. Mais dinheiro está sendo alocado para isso, pois as melhorias neste campo têm sido imensas. Sites neurais são um tipo específico de IA que imita muitas características da mente. A pesquisa sugere que as redes neurais são capazes de tirar conclusões de dados que são imperfeitos e podem aprender com as falhas anteriores, imitando assim resultados de desempenho por mecanismos cerebrais.

Os sistemas de IA estão cada vez mais sendo desenvolvidos e aumentando rapidamente, isso se deve à variedade de aplicações que oferece, como raciocínio simbólico, flexibilidade e recursos de explicação, portanto, tanto a IA quanto os mecanismos cerebrais podem trabalhar juntos e produzir resultados eficazes que poderiam fazer todos os dias a vida parece menos fácil e produz resultados mais rápidos. O objetivo de construir provedores de IA era que ele oferecesse eficiência e, essencialmente, funcionasse em paralelo aos mecanismos do cérebro, como por exemplo, contém recursos como capacidades cognitivas que provavelmente estão envolvidas na tomada de decisões e ajudam em situações humanas difíceis e complicadas. Além disso, as capacidades cognitivas, como compreensão, raciocínio, aprendizagem e planejamento, transformam sistemas especializados em sistemas que 'sabem o que estão fazendo', portanto, podem funcionar em paralelo com os mecanismos do cérebro. Ao longo dos anos tem havido vastos desenvolvimentos e mais trabalho está sendo colocado nesses sistemas para poder incluir uma quantidade específica de conhecimento exibido, estudo de experiências anteriores para ser capaz de prevenir problemas anteriormente feitos e para que ele faça melhorias e mudanças adicionais . Além disso, os programadores têm como objetivo desenvolver ainda mais a IA, como justificar as atividades e decisões tomadas, familiarizar-se com as capacidades que inclui e poder refletir sobre o seu comportamento, são as mesmas funções que os mecanismos cerebrais desempenham, por isso pretendem construir um modelo paralelo.

Embora tais avanços tenham sido feitos ao longo de muitos anos, pode-se argumentar que a IA ainda pode não ser capaz de lidar com os recursos avançados dos mecanismos cerebrais. Apesar da velocidade e da capacidade de armazenamento, a IA luta para resistir. O cérebro humano é composto por cerca de 20 bilhões de neurônios, cada neurônio sendo conectado por meio de sinapses de cerca de 10.000 outros neurônios, que a IA não pode imitar. No entanto, tem havido melhorias e melhorias contínuas da IA, um exemplo pode ser o software de aceitação facial, que coleta as fotos que a mente faz isso automaticamente e depende da memória como a IA, onde usa sua área de armazenamento armazenada para coleta. Na IA, isso tem sido usado para fins de segurança, o que tem demonstrado ser muito bem-sucedido. Os avanços anteriores incluem o reconhecimento da fala, que tanto a IA quanto os mecanismos cerebrais mostram. Para a IA, isso não só foi utilizado em termos de segurança, mas também para poder funcionar esses dispositivos e o que o torna mais fácil e conveniente de usar, isso tem sido feito através do uso de diferentes aplicativos, onde envolverá a programação, o mesmo forma os mecanismos mentais programam a fim de realizar funções específicas. Além disso, embora os aplicativos de IA usem muitas técnicas, o bloco de construção fundamental é chamado de rede neural, além disso, os mecanismos do cérebro funcionam da mesma maneira.

Coisas que antes eram difíceis de raciocinar tornaram-se mais simples de entender por meio de inovações tecnológicas. Como o cérebro humano é um mecanismo tão complicado, é difícil ver a atividade do cérebro humano. Novas inovações foram fabricadas nos tempos modernos, sendo a FMRI (Functional Magnetic Resonance Imaging) uma das descobertas que ajudou imensamente a capturar a atividade cerebral, tem sido uma ajuda significativa para a IA, pois permite um entendimento sobre a atividade cerebral, o que pode ajudar avançar e ajudar a imitar os mecanismos cerebrais. Além disso, isso muda o equilíbrio entre a construção de sistemas inteligentes manufaturados e o aprendizado da inteligência natural.É de se esperar que, no futuro, haja numerosos estudos sobre como relacionar a inteligência criada pelo homem à inteligência natural. Evidências atuais mostram que ambos poderiam trabalhar juntos para mostrar expressões cognitivas diferentes em humanos, aqui a inteligência artificial foi usada para aprender algoritmos para distinguir entre vários governos estaduais cognitivos observados por meio de FMRI. Olhando além desta área, a inteligência natural e manufaturada são ambas intimamente relacionadas na maioria dos objetos e na rotina diária em geral. Ambos são afetados se forem atingidos fisicamente. O comportamento humano é considerado artificial às vezes, ambos funcionam por meio do dialeto e da comunicação. A comunicação é vital para o funcionamento da IA ​​e dos mecanismos cerebrais. Por meio da comunicação, eles podem enviar mensagens essenciais, o que ajuda a manter esses sistemas e permite que operem com eficácia e desempenhem um papel fundamental em todos os aspectos.

A IA compartilha muitas características com os mecanismos cerebrais, pode-se argumentar que uma característica essencial que apenas os mecanismos individuais podem produzir são os sentimentos. A emoção é pensada como as emoções e o comportamento de uma pessoa que inclui um impacto direto no desempenho, os pensamentos podem atuar como um obstáculo para criar um resultado final inteligente, portanto, pode-se argumentar que, como a IA não cria emoções, isso pode não ter um impacto, portanto desprovido de influência nos resultados finais que produz. No entanto, é essencial que para ser capaz de emular o comportamento humano e trabalhar ao lado dos humanos que a IA tenha emoções, é necessário que não só pense e raciocine, mas também seja capaz de mostrar emoções.

A evidência geral mostra que tanto os cérebros artificiais quanto os mecanismos cerebrais estão cuidadosamente relacionados, ambos interagem para produzir benefícios eficientes. A IA e os mecanismos cerebrais promovem muitas características-chave, como raciocínio, lidar com problemas e tomada de decisões e cérebros. Evidências recentes afirmam que a IA nos permitiu compreender procedimentos cerebrais complexos, o que permite entender as atividades e decisões do ser humano com mais profundidade. No entanto, muitos analistas ainda argumentam que a cognição avançada só pode ser produzida por mecanismos cerebrais, como emoções e emoções que a IA não produz.


Como o cérebro pensa?

Nossos cérebros não conseguem analisar tudo completamente. É assim que eles pensam em tudo de qualquer maneira.

Um rugido enche o ar e um pequeno objeto voa pelo céu. As pessoas na multidão erguem os olhos e três vozes gritam: “Veja! No céu! É um passaro!" “É um avião!” “É o Superman!”

É o mesmo objeto, o mesmo céu. É até o mesmo rugido. Então, por que três pessoas testemunhando o mesmo evento chegam a conclusões diferentes?

A resposta a essa pergunta está em como nossos cérebros estão programados para pensar. Experimentamos e interpretamos o mundo ao nosso redor com base no que já sabemos, embora às vezes o que sabemos seja falho.

O problema de pensamento

O mundo é um lugar confuso e agitado. Nosso cérebro deve dar sentido a isso, processando um fluxo interminável de informações. Idealmente - porque seria mais preciso - nosso cérebro analisaria tudo completamente. No entanto, eles não podem, porque é muito impraticável.

Pensar leva tempo e muitas vezes nossas decisões devem ser rápidas. Você deve saber imediatamente para atravessar uma estrada rapidamente - até mesmo correr - quando ouvir um carro se aproximando rapidamente.

O pensamento também usa energia - ou capacidade intelectual - e nossos cérebros têm apenas um suprimento limitado. Analisar tudo esgotaria rapidamente nossos estoques de energia.

Essas limitações representam um problema de pensamento: nossos cérebros simplesmente não têm recursos suficientes para entender o mundo sem tomar alguns atalhos mentais.

Nossos cérebros inteligentes e preguiçosos

Nosso cérebro encontra atalhos para superar o problema de pensamento, contando com pensamentos já armazenados em nossa mente, chamados de esquemas. Os esquemas fazem o processamento para o cérebro, como o preenchimento automático, mas para o pensamento.

Usar esquemas é mais eficiente do que analisar todos os aspectos de cada momento. Eles permitem que nosso cérebro processe mais informações com menos esforço, economizando a capacidade do cérebro para outros pensamentos importantes e resolução de problemas.

Nossos cérebros como bibliotecas

Os esquemas são os blocos de construção de nosso conhecimento sobre o mundo. Nossos cérebros contam com diferentes tipos de esquemas para compreender diferentes tipos de situações.

Os esquemas são como livros em sua mente que lhe dizem o que são os diferentes objetos e o que eles fazem. Um esquema de pássaros, por exemplo, pode dizer que os pássaros são "pequenos animais", "têm asas" e "podem voar". Juntos, todos os objetos que você conhece formam uma coleção de livros que preenchem as estantes de uma biblioteca em sua mente.

Nossos cérebros confiam no que esses livros ou esquemas nos dizem quando tentamos compreender os objetos em nosso ambiente. Fazer isso é muito mais rápido e fácil do que analisar suas características novamente, e a conclusão é geralmente - mas nem sempre - a mesma.

Eu vejo as coisas de maneira diferente de você?

Se nossos julgamentos são precisos depende dos esquemas ou livros disponíveis em nossas bibliotecas mentais.

Quando nossos cérebros tentam entender objetos desconhecidos, eles devem confiar em um esquema para um objeto diferente, mas semelhante, porque o esquema correto não está disponível. Se o objeto e o esquema escolhido forem muito próximos, nossos cérebros sem esforço - mas de forma imprecisa - assumem que os dois objetos são iguais.

Uma pessoa que nunca viu um morcego pode presumir que um morcego é um pássaro porque as características do morcego e seu esquema para um pássaro são semelhantes: ambos são pequenos animais com asas e podem voar. Nossos cérebros aceitam imprecisões ocasionais.

Para as duas pessoas que pensaram que o Superman era um pássaro ou um avião, nenhum dos dois havia visto o Superman antes, então nenhum deles tinha um esquema do Superman disponível para confiar. Em vez disso, seus cérebros escolheram esquemas para um pássaro e um avião sem esforço, porque esses esquemas eram a combinação mais próxima do objeto no céu.

Seus cérebros faziam suposições rápidas com base em conhecimento imperfeito. O cérebro humano “pensou” que viu uma coisa, mas, no interesse de pensar rápida e eficientemente, cometeu um erro. Não há mal nenhum em pensar que o Super-homem é um pássaro ou um avião, mesmo que ele não seja. Leva apenas um encontro com o Superman para criar um novo esquema e mudar seu pensamento para sempre.


Alerta de spoiler! The Psychology Of Surprise Endings

Escritores e cineastas que esperam enganar seus fãs com reviravoltas na trama sabem há muito tempo o que os cientistas cognitivos sabem: todos nós temos pontos cegos na maneira como avaliamos o mundo. Nós nos distraímos. Esquecemos como conhecemos as coisas. Vemos padrões que não existem. Como esses pontos cegos estão ligados ao cérebro, eles agem de maneiras previsíveis - tão previsíveis que contadores de histórias de Sófocles a M. Night Shyamalan os usaram para nos desencaminhar.

Nos últimos anos, alguns cientistas começaram a se perguntar: as histórias podem servir como uma espécie de varredura do cérebro? Se uma reviravolta na história funciona explorando nossos preconceitos e atalhos mentais, a observação da mecânica de uma boa história pode revelar algo importante sobre os contornos da mente? "

"As histórias são uma espécie de truque de mágica", diz a cientista cognitiva Vera Tobin. "Quando os dissecamos, podemos descobrir aspectos muito, muito confiáveis ​​desses truques que acabam sendo pistas importantes sobre a maneira como as pessoas pensam."

Algumas das tendências favoritas do contador de histórias:

  • A maldição do conhecimento: Mãe de todos os pontos cegos, essa é a tendência de presumir que os outros sabem o que você sabe.
  • Viés de confirmação: A tendência de buscar informações que confirmem o que você já acredita.
  • Ancoragem: A tendência de se apoiar muito na primeira informação que ouve, deixando de corrigi-la conforme você aprende novos dados.
  • Polarização de disponibilidade: A tendência de acreditar que coisas que vêm à mente são mais plausíveis do que coisas que vêm menos à mente.
  • Viés retrospectiva: A tendência de ver um evento como previsível, uma vez que já se desenrolou. Experimentamos um viés retrospectivo quando olhamos para trás e dizemos: "Eu sabia disso o tempo todo."

Mais leitura:

"Atenção e consciência na magia do palco: transformando truques em pesquisa", por Stephen L. Macknik, Mac King, James Randi, Apollo Robbins, Teller, John Thompson e Susana Martinez-Conde em Nature Reviews Neuroscience

Hidden Brain é apresentado por Shankar Vedantam e produzido por Jennifer Schmidt, Rhaina Cohen, Parth Shah, Thomas Lu, Laura Kwerel e Camila Vargas Restrepo. Nosso produtor supervisor é Tara Boyle. Você também pode nos seguir no Twitter @hiddenbrain.


Assista o vídeo: Memória. Entenda o armazenamento de informações no cérebro Entrevista Rede Vida (Agosto 2022).