Cours 3 Flashcards
Comment on distingue l’apprentissage implicite de l’explicite?
❖ “Un élément-clé de la distinction entre le fonctionnement cognitif explicite et implicite est la présence ou l’absence de conscience”
❖ Méthodes pour tester processus diffèrent
❖ Explicite:
❖ Demander à l’individu de rapporter des événements passés délibérément
❖ Implicite***:
❖ Évaluer la performance à l’aide de tests qui dépendent de façon indirecte de la mémoire d’événements passés, tel que démontré par un changement de comportement
Quel est une expérience qu’on peut faire pour dissocier l’apprentissage implicite de l’explicite?
❖ Condition “Hasard” ❖ Peu d’accélération ❖ Condition “Séquence” ❖ Beaucoup d’accél. ❖ Séquence plus rapide que Hasard dès Bloc 2 ❖ Apprentissage de séquence = rapide ❖ Post-test ❖ Majorité de sujets dans Condition “Séquence” nomment la séquence = explicite
Ensuite, séquence plus difficile;
Conscience: Majorité ne connaissent pas/ne se souviennent pas de la séquence!!! (mais + facile…) = implicite
Quels sont les 2 systèmes d’apprentissage?
❖ Système Non-attentionnel (NA - Implicite)
❖ Abstrait probabilité de présence en une position
❖ Attention non requise
❖ Automatique
❖ Système Attentionnel (ATT - Explicite/Implicite)
❖ Abstrait liens entre positions successives
❖ Attention requise
Quand attention est dispo, niveau de conscience influence le niveau d’apprentissage de séquence
Système NA contribue à la performance dans la tâche de TRS
Quelle est l’approche neurologique pour distinguer les systèmes d’apprentissage?
❖ PET-Scan: Tomographie par Émission de Positrons
❖ Technique d’imagerie cérébrale
❖ Traceur radioactif injecté dans le système sanguin
❖ Signal du traceur indique flot sanguin plus élevé
❖ Niveau plus élevé d’activité cérébrale
❖ Hypothèse neurologique ❖ Buts ❖ Trouver des patrons d’activation différents ❖ Un seul actif durant double tâche ❖ Deux actifs pendant simple tâche
❖ Dissociation neurologique
❖ Deux systèmes cérébraux distincts associés à des systèmes cognitifs distincts
Quels sont les systèmes neurologiques pour l’apprentissage?
❖ Régions cérébrales montrant une augmentation du flot sanguin cérébral corrélé avec l’apprentissage de séquences:
Système ventral: Attentionnel (Activé en simple tâche seul.)
Système dorsal: Non-attentionnel (Activé en simple et double-tâche)
Comment se fait l’apprentissage de séquences?
❖ Dissociation simple: Systèmes séparés
❖ Si on bloque Système ATT, Système NA fonctionne quand même (inverse non démontré)
❖ Système attentionnel
❖ Abstrait associations entre positions (séquence)
❖ Actif en situation de simple tâche seulement
❖ Attention requise
❖ Implicite OU explicite (Influencé par niv. de conscience)
❖ Ventral
❖ Système non-attentionnel
❖ Abstrait fréquence d’apparition par position
❖ Actif en simple ou double tâche
❖ Attention non-requise/Non-influencé par consc.
❖ Toujours implicite (Non-influencé par niv. de consc.)
❖ Dorsal
Quels sont les 3 avantages et désavantages de la neuro cog?
❖ Avantages
❖ Validité supplémentaire pour expér. béhaviorales
❖ Dissociations
❖ Améliore les interactions entre membres de différents champs d’études
❖ Désavantages
❖ Matériel extrêmement dispendieux
❖ Fiabilité de la mesure/des analyses
❖ Niveau de confiance trop élevé envers les données
Qu’est-ce que le traitement ascendant?
❖ Système cognitif peut se baser sur les entrées physiques
❖ Traitement ascendant ou basé sur les données
❖ Traitement basé sur les stimuli entrants (données) et leurs caractéristiques physiques
❖ Déclenché par stimulus atteignant le système visuel
❖ Suit une voie sérielle vers la mémoire
❖ Hypothèse: Théorie d’appariement au gabarit (Template matching theory)
❖ Entrée comparée avec exemplaires mémorisés (gabarits) jusqu’à ce que le système trouve un appariement
Quels sont les problèmes de l’hypothèse de l’appariement au gabarit? (3)
❖ Parcimonie: un gabarit par lettre/objet distinct
❖ Aucun soutien neurologique
❖ Flexibilité
❖ Les gabarits prennent- ils en compte la variabilité?
❖ Taille/Emplacement exacts
❖ Orientation/Forme
On a essayé d’ajouter des ajusteurs mais ça a pas sauvé la théorie
Qu’est-ce que le pandémonium?
❖ Pandémonium (ou “Tous les démons”) ❖ Modèle de reconnaissance basé sur les données (traitement ascendant) ❖ Basé sur l’analyse de caractéristiques ❖ Objets reconnus après analyse de leurs composantes ❖ Modèle de traitement de l’information ❖ Étapes de traitement ❖ Chaque étape prend un temps déterminé ❖ Transformations à chaque étape
❖ Avec un nombre limité de caractéristiques, on peut définir et distinguer toutes les lettres de l’alphabet
Quelles sont les 4 étapes du pandémonium?
- Démons d’image
❖ Enregistre image initiale du signal externe
❖ Récepteurs rétiniens + Mémoire sensorielle - Démons des caractéristiques
❖ Cherchent une caractéristique particulière dans le patron d’entrée
❖ Ligne spécifique
❖ Angle spécifique
❖ Cellules simples + Détecteurs de caractéristiques - Démons cognitifs
❖ Portent attention aux réponses des démons des caractéristiques et recherchent un patron particulier
❖ Mémoire à court terme (Récupération de mémoire à long terme) - Le démon de la décision
❖ Écoute le pandémonium créé par les démons
❖ Réponse déterminée par démon criant le plus fort
❖ Mémoire à court terme
Quels sont 4 arguments soutenant le pandémonium?
❖ Puissance:
❖ Plus parcimonieux
❖ Avec ensemble fini de détecteurs de caractéristiques, reconnaissance possible d’un nombre potentiellement infini d’objets (tels que lettres ou mots)
❖ Flexibilité:
❖ Peut reconnaître lettres même si changement d’orientation, de taille, ou autres distorsions
❖ Support neurologique:
❖ Basé sur les résultats d’Hubel & Wiesel
❖ Cellules simples et complexes
❖ Détecteurs de caractéristiques
❖ Prédiction des erreurs:
❖ Approche basée sur caractéristiques prédit erreurs de confusion
Qu’est-ce que la théorie de reconnaissance par composantes?
❖ Traitement ascendant
❖ Basé sur caractéristiques
❖ Reconnaissance d’objets
❖ Ensemble de blocs de construction représentationnels 2D
❖ de caractéristiques 3D
❖ Reconnaissance d’objets par séparation en 36 géons
❖ Connexions aux vertex
❖ Géons
❖ Assemblés de diverses façons
❖ Forment un nombre pratiquement infini d’objets
Quel est le modèle de la théorie de reconnaissance par composantes?
Analyse des caractéristiques de surface->
Détermination des composantes présents->
Appariement de composants aux représentations d’objets->
Reconnaissance d’objet
Quelles sont les prédictions de la théorie de reconnaissance par composantes?
❖ Reconnaissance = Fonction du nombre de géons
❖ Principe de récupération componentielle
❖ Si assez de géons, reconnaissance se fait
❖ Prédiction: Plus de géons = Moins d’erreurs
❖ Les vertex sont la clé
❖ Caractéristiques diagnostiques importantes de l’image
❖ Retrait de parties a un plus grand effet sur taux d’erreur quand vertex sont manquants
- vertex = + erreurs
