Kognitive Modellierung: Unterschied zwischen den Versionen
Wehner (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
Elisa (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| (10 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt) | |||
| Zeile 2: | Zeile 2: | ||
Herzlich Willkommen im Bereich „Kognitive Modellierung“ des E-Learning-Moduls Methoden der Psychologie! | Herzlich Willkommen im Bereich „Kognitive Modellierung“ des E-Learning-Moduls Methoden der Psychologie! | ||
Kognitive Modellierung stellt einen aufstrebenden Zweig in der Psychologie und den kognitiven Neurowissenschaften dar. Modellierung verfolgt das Ziel, die Basis von Kognitionen durch den Aufbau eines detaillierten Verständnisses der unterliegenden Mechanismen zu untersuchen. Dabei werden Modelle entwickelt, welche einen oder mehrere grundlegende kognitive Prozesse oder ihre Interaktionen mechanistisch erklären. | Kognitive Modellierung stellt einen aufstrebenden Zweig in der Psychologie und den kognitiven Neurowissenschaften dar. Modellierung verfolgt das Ziel, die Basis von Kognitionen durch den Aufbau eines detaillierten Verständnisses der unterliegenden Mechanismen zu untersuchen. Dabei werden Modelle entwickelt, welche einen oder mehrere grundlegende kognitive Prozesse oder ihre Interaktionen mechanistisch erklären. | ||
| Zeile 9: | Zeile 10: | ||
* aus grundlegenden Prinzipien der Kognitionsforschung abgeleitet wurden | * aus grundlegenden Prinzipien der Kognitionsforschung abgeleitet wurden | ||
* versuchen, eine Brücke zwischen empirisch erfasstem Verhalten und zugrundeliegenden Mechanismen, u.a. auch neuronalen Grundlagen zu schaffen | * versuchen, eine Brücke zwischen empirisch erfasstem Verhalten und zugrundeliegenden Mechanismen, u.a. auch neuronalen Grundlagen zu schaffen | ||
[[Datei:Puzzle_Modellierung.PNG|center|600 px|link=Ausgelagerte_Bildbeschreibungen#Puzzle_von_Kognitive_Modellierung|Ausgelagerte Bildbeschreibung von Puzzle von Kognitive Modellierung]] | |||
Sie garantieren somit zum einen logisch valide und präzise quantitative Vorhersagen und können zudem lauffähige Rechenmodelle, welche verschiedene Simulationen und virtuelle Experimente ermöglichen. Diese hohe Flexibilität eröffnet eine Vielzahl an Anwendungsmöglichkeiten sowohl innerhalb der Grundlagenforschung als auch der angewandten Wissenschaft. | Sie garantieren somit zum einen logisch valide und präzise quantitative Vorhersagen und können zudem lauffähige Rechenmodelle, welche verschiedene Simulationen und virtuelle Experimente ermöglichen. Diese hohe Flexibilität eröffnet eine Vielzahl an Anwendungsmöglichkeiten sowohl innerhalb der Grundlagenforschung als auch der angewandten Wissenschaft. | ||
Sie finden auf den folgenden Seiten eine Reihe an Informationstexten, welche in die Grundlagen der kognitiven Modellierung einführen und mit interaktiven Simulationen verzahnt sind. Diese [[Simulationen|Simulationen]] bieten Ihnen die Möglichkeit, das Gelesene direkt praktisch auszuprobieren. | |||
Die Artikel [[Aufgaben der Modellierung|„Aufgaben der Modellierung“]] und [[Vorteile formaler Modelle|„Vorteile formaler Modelle“]] beschreiben zunächst die spezifischen theoretischen Grundlagen der kognitiven Modellierung, ihre Ziele und Merkmale. | |||
Daran schließt sich im Artikel [[Modelltypen|„Modelltypen“]] eine Übersicht über Einteilungsmöglichkeiten von Modellen nach unterschiedlichen Gesichtspunkten an. | |||
Die Artikel | Die Gliederung der folgenden Artikel entspricht der Einteilung von Formalmodellen nach Michael Dawson in [[Statistische Modelle|statistische Modelle]], [[Mathematische Modelle|mathematische Modelle]] und [[Synthetische und Explanative Modelle|synthetische / explanative Modelle]]. Jeder dieser Modelltypen besitzt unterschiedliche Merkmale. Statistische Modelle dienen vorwiegend der Beschreibung von Daten bestimmter Fälle. Beispiele, welche innerhalb der einzelnen Artikel erläutert werden, stellen [[Verteilungsmodelle|Verteilungsmodelle]], [[Sequential Sampling Modelle|Sequential Sampling Modelle]] und das [[General Linear Model|GLM]] dar. Mathematische Modelle werden vorwiegend zur Generalisierung und Theoriebildung eingesetzt. Beispiele hierfür finden sich in den Artikeln [[Differentialgleichungsmodelle|„Differentialgleichungsmodelle“]], [[Reinforcement Learning|„Reinforcement Learning“]], [[Kognitive Modelle|„Kognitive Modelle“]] und [[Probabilistische Modelle|„Probabilistische Modelle“]]. Synthetische und explanative Modelle verfolgen das zentrale Ziel, zu erklären, wie Komponenten eines Modells miteinander interagieren, um ein gewünschtes Verhalten hervorzubringen. Dies wird sowohl anhand von [[Neuronale Netze|neuronalen Netzen]] als auch [[Kognitive Architekturen|kognitiven Architekturen]] und [[Agentenmodelle|Agentenmodellen]] erläutert. | ||
Es schließen sich Texte zum Prozess des Fittings und seiner zentralen Themen ([[Objective Functions|Objective Functions]], [[Abweichungsmaße]], [[Algorithmen]], [[Level]]) an. Den Abschluss bilden Informationen zum [[Modellvergleich|Vergleich von Modellen]], welcher sowohl [[Qualitativer Modellvergleich|qualitativ]] als auch [[Quantitativer Modellvergleich|quantitativ]] erfolgen kann. | |||
Viel Spaß und Erfolg beim Lesen, Entdecken und Ausprobieren! | Viel Spaß und Erfolg beim Lesen, Entdecken und Ausprobieren! | ||
Aktuelle Version vom 17. Dezember 2021, 14:01 Uhr
Herzlich Willkommen im Bereich „Kognitive Modellierung“ des E-Learning-Moduls Methoden der Psychologie!
Kognitive Modellierung stellt einen aufstrebenden Zweig in der Psychologie und den kognitiven Neurowissenschaften dar. Modellierung verfolgt das Ziel, die Basis von Kognitionen durch den Aufbau eines detaillierten Verständnisses der unterliegenden Mechanismen zu untersuchen. Dabei werden Modelle entwickelt, welche einen oder mehrere grundlegende kognitive Prozesse oder ihre Interaktionen mechanistisch erklären.
Kennzeichnend für diese Art von Modellen ist, dass sie …
- in formaler mathematischer Sprache oder mithilfe von Computeralgorithmen beschrieben werden
- aus grundlegenden Prinzipien der Kognitionsforschung abgeleitet wurden
- versuchen, eine Brücke zwischen empirisch erfasstem Verhalten und zugrundeliegenden Mechanismen, u.a. auch neuronalen Grundlagen zu schaffen
Sie garantieren somit zum einen logisch valide und präzise quantitative Vorhersagen und können zudem lauffähige Rechenmodelle, welche verschiedene Simulationen und virtuelle Experimente ermöglichen. Diese hohe Flexibilität eröffnet eine Vielzahl an Anwendungsmöglichkeiten sowohl innerhalb der Grundlagenforschung als auch der angewandten Wissenschaft.
Sie finden auf den folgenden Seiten eine Reihe an Informationstexten, welche in die Grundlagen der kognitiven Modellierung einführen und mit interaktiven Simulationen verzahnt sind. Diese Simulationen bieten Ihnen die Möglichkeit, das Gelesene direkt praktisch auszuprobieren.
Die Artikel „Aufgaben der Modellierung“ und „Vorteile formaler Modelle“ beschreiben zunächst die spezifischen theoretischen Grundlagen der kognitiven Modellierung, ihre Ziele und Merkmale. Daran schließt sich im Artikel „Modelltypen“ eine Übersicht über Einteilungsmöglichkeiten von Modellen nach unterschiedlichen Gesichtspunkten an.
Die Gliederung der folgenden Artikel entspricht der Einteilung von Formalmodellen nach Michael Dawson in statistische Modelle, mathematische Modelle und synthetische / explanative Modelle. Jeder dieser Modelltypen besitzt unterschiedliche Merkmale. Statistische Modelle dienen vorwiegend der Beschreibung von Daten bestimmter Fälle. Beispiele, welche innerhalb der einzelnen Artikel erläutert werden, stellen Verteilungsmodelle, Sequential Sampling Modelle und das GLM dar. Mathematische Modelle werden vorwiegend zur Generalisierung und Theoriebildung eingesetzt. Beispiele hierfür finden sich in den Artikeln „Differentialgleichungsmodelle“, „Reinforcement Learning“, „Kognitive Modelle“ und „Probabilistische Modelle“. Synthetische und explanative Modelle verfolgen das zentrale Ziel, zu erklären, wie Komponenten eines Modells miteinander interagieren, um ein gewünschtes Verhalten hervorzubringen. Dies wird sowohl anhand von neuronalen Netzen als auch kognitiven Architekturen und Agentenmodellen erläutert.
Es schließen sich Texte zum Prozess des Fittings und seiner zentralen Themen (Objective Functions, Abweichungsmaße, Algorithmen, Level) an. Den Abschluss bilden Informationen zum Vergleich von Modellen, welcher sowohl qualitativ als auch quantitativ erfolgen kann.
Viel Spaß und Erfolg beim Lesen, Entdecken und Ausprobieren!