Kognitionspsykologi föreläsningar Flashcards
3 nivåer för analys
- Computational level, vilket problem är systemet utvecklat för att lösa?
- Algorithmic level, Hur löser systemet problemet?
- Implementation level, Hur är lösningen implementerat i systemet?
Koncept
Mental representation av en “verklig” kategori. Exempelvis mitt koncept “Hund” innehåller all information jag har om hundar.
Tänkandets byggstenar.
Koncept används för att?
Identifiera (kategorisera), tolka och predicera
Definitionsteorin
Koncept består av definitioner som definierar vilka egenskaper kategorimedlemmar besitter.
Vårt koncept “Hund” är en ren definition av olika karaktäristika för hundar (fyra ben, päls, 2 ögon osv).
Problem med definitionsteorin
Även om en hund ex saknar ett ben så är det fortfarande en hund även om det inte ingår i vårt koncept, vilket leder till att vi behöver ta in alla möjliga variationer och att vår definition och koncept därmed blir väldigt långt. Även om vi lyckas lagra allt blir det jobbigt att leta fram.
Typikalitetsprincipen är ännu ett problem, vi kommer definiera en blåmes som mer fågel än pingvin trots att de uppfyller samma kriterier för att klassas som fåglar
Prototypteorin
Koncept består av abstrakta prototyper, prototyp som en abstrakt avbild av vanligaste medlemmen av en kategori
Identifierar saker som är lika varandra i samma kategori/koncept, eftersom det inte går att ha en definition som funkar för alla hundar eller spel. Kategorimedlemmar liknar varandra därför effektivt att låta dem representeras av abstrakta representationer av de mest vanliga egenskaperna bland gruppens medlemmar. Jämför ex hund och katt-prototyp, blåmes mer fågel eftersom den stämmer bättre överens med prototypen för fåglar.
Problem prototypteorin
- Hur ska vi uppdatera prototypen? Efter vi byggt koncept och kategorier sen vi var små blir det tvetydigt när vi ex stöter på en pingvin för första gången, hur mycket ska jag ändra mitt koncept? När och till vad? Typ omöjligt med optimaluppdatering. Kan kategorisera objekt till en kategori trots att de delar fler egenskaper med en prototyp från en annan kategori (ex val).
Exemplarteorin
Koncept finns fångade i exemplar som i sin tur motsvarar objekt i miljön
Kategorin “hund” representeras av alla tidigare hundar vi stött på. Om vi ser enhund identifieras den ex med att jämföra med stickprov av tidigare hundar vi stött på.
Går efter lagring, ingen information går förlorad eftersom vi har kvar info och bildar en gruppering i vår kategori av olika hundar vi stöter på. Kan förklara fenomen som används för att motivera prototypteorin. Ex vi ser en blåmes som mer fågel än pingvin eftersom det liknar fler av de exemplar vi stött på.
Kritik Exemplarteorin
Vad är egentligen ett exemplar? Känns fel att lagra varje hund jag ser, om jag ser samma hund 2 gånger lagrar jag den då 2 gånger? Hur lagras det, bild eller egenskaper? Hur mycket kan vi egentligen lagra?
Slutsatser algorithmic level med utgångspunkt i de 3 teorierna
Definitionsteorin är den sämsta kandidaten, prototypteorin kan förklara fenomen som DT inte kan men har även den en del svagheter. Exemplarteorin löser problemen genom att säga att vi har “alla” exemplar men har också problem kopplade till att exemplar lagrade.
Vanlig syn idag är att vi har 2 eller fler parallella system för kategorisering och lagring
Två parallella system för kategorisering och lagring
- Abstrakt system, regler och analys
- Konkret system, likhet
Collin och Quillians semantiska nätverk
Målet var att visa hur kunskap organiseras. Koncept representeras med noder och de koncept som är kopplade till varandra kopplas ihop med olika länkar. Ex “living thing” så grenar det sig nedåt
Collin och Quillian, viktiga principer
- Hierarkisk organisation av kunskap
- Koncept som inte är relaterade är inte heller sammanlänkande
Lax, fisk, djur vad går snabbast? Längre mellan noderna lax och djur än lax och fisk
Spreading activation
När en nod aktiveras sprids aktiveringen till närliggande noder. Koncept som aktiveras kommer primas och vara lättare att minnas.
Empiriska problem C o O semantiska nätverk
- Förklarar inte typikalitetseffekten, blåmes eller pingvin fågel? Eller gris djur eller däggdjur
- Alla prediktioner stämmer inte
Sammanfattning C o O semantiska nätverk predicera och slutsats om
- Kan användas för att predicera en rad beteenden
- Trots det är det ingen bra modell för hur det mänskliga minnet är strukturerat
Konnektionistiska nätverk
- Idag ligger främst fokus på dessa nätverk
- De beskriver nätverk som liknar C o O, hur information kodas och lagras mentalt
Konnektionistiska nätverk principer
- Utgår från enheter/units som utgås motsvara neuron
- Enheterna är länkade som neuroner via synapser
- Enheter kan via sina länkar inhibera eller aktivera andra enheter
- Kunskap programmeras inte direkt in i nätverket utan det lär sig själv
- Kunskap representeras som distribuerad representation/mönster av aktivering
- Distribuerad representation är bra eftersom det gör att nätverket inte havererar om en enhet försvinner och kan använda lagrad kunskap frö att finna struktur i nya miljöer
För och nackdelar konnektionistiska nätverk
Fördelar:
- Bygger på samma principer som mänskliga nervsytemet
- Kan lära sig själv
- Distribuerad representation
Nackdelar:
- Lär sig relativt långsamt
- Uppdateringsproblem
- Svårt att få överblick, vad händer egentligen och varför?
Syfte med semantiska och konnektionistiska nätverk
Fånga hur den mänskliga hjärnan arbetar, nätverk kan användas för att skapa hypoteser som sedan kan undersökas i beteendeexperiment
Komponenter i mänskligt språk, bygga språk
Komponenter kan kombineras för att bygga större enheter. Ljud-ord-meningar-berättelser (i ordning)
Byggande av mänskligt språk, regelstyrt
Komponenter sätts ihop på ett förbestämt vis
Språk är universeellt
- de flesta människor utvecklar ett språk och lär sig följa komplexa regler
- Döva barn hittar på eget teckenspråk
- Universeellt över kulturer
- Liknande språkutveckling i olika samhällen
Vad är ett problem?
- Hinder mellan nuvarande tillstånd och ett mål
- Inte omedelbart uppenbart hur ma tar sig runt det
Well-defined problem
- Finns ett korrekt svar och en viss procedur kommer leda till det, ex räkna ut priset på en rea-vara
Ill-defined problem
Finns flera möjliga lösningar och vägen fram till lösningen är oklar. Ex hur hittar man en livspartner.
Gestaltpsykologi
- Har utgångspunkt i perception
- Hjärnan arbetar med enkla lagar som binder samman delar till en helhet
- Lagarna genererar upplevelsen snarare än summerar den eftersom totala upplevelsen av en händelse är mer än summan av dess delar
Problemlösning enligt gestaltpsykologerna
Problemlösning är baserat på perception:
- Hur man representerar ett problem
- Lösningen involverar omorganisering eller omstrukturering av problempresentationen
- Vilket i sin tur kommer leda till plötslig insikt
Ex Wolfgang Köhlers cirkel, med vad är radien
Varför kan vissa problem vara svåra att lösa? Fixering
- Fixering, tendens att fokusera för mycket på vissa aspekter av problemet som förhindrar en från att lösa uppgiften
- Funktionell fixering, ett objekt används endast på det vi det vanligtvis gör
- Förförståelse/mentala set, problemet genererar ett specifikt mindset
Newell och Simon problemlösning (steg)
- Kom upp med problemlösning som informations-processande
- Konceptualiserade problemlösning som ett sökande, alla steg i processen för problemlösning är viktiga. I kontrast mot gestaltpsykologins “insikt”
Problemlösning via informationsprocessande
- I en problemrymd söker människor efter en lösning
- Vi kan inte föreställa oss hela problemrymden , arbetsminnen begränsar hur många steg i problemrymden vi kan se, tänk en pyramid av steg
Tower of Hanoi, problemrymd/informationsprocessande exempel
Gör en medel-mål-analys för att närma sig problemet. Vi sätter delmål som minskar avståndet mellan slutmål och startpunkten. Ex frigör den stora disken.
Heuristiker (tumregler)
Användandet av kognitiva genvägar och följer tumregler som ex att vi vill röra oss framåt och inte gå tillbaka till ett tidigare steg i problemlösningen.
Problemformulering påverkan på problemlösning
- Hur svårt det är att föreställa sig/visualisera problem och problemlösning påverkar (Gymnasterna problem)
- Representationen spelar roll, mental simulering
- Problemlösning förenklas om problemformuleringen innehåller ett lämpligt sätt att representera problemet
- Analogical problem solving, problemlösning förenklas om man tidigare löst ett problem med samma struktur, cancer och invadering av slott
Problemlösning genom analogier, analogical problem solving
- Notera analogin mellan tidigare problem och mål-problem
- Koppla ihop relevanta delar av problemen till varandra
- Applicera mappningen för att lösa mål-problemet.
Problemlösning, skillnad mellan experter och noviser
- Experter grupperar problemet efter generella egenskaper medan noviser grupperar efter ytliga egenskaper
- Experter är ofta mindre flexibla, därför oftast yngre vetenskapsmän som kommer med innovativa ideer
- Experter lägger mer tid på att förstå problemet, de mappar problemet mot sin befintliga kunskap snarare än att försöka lösa det direkt
Resonemang
Den kognitiva process involveras när människor drar slutsatser som sträcker sig bortom den tillgängliga informationen
Induktivt resonemang
En trolig slutsats dras från en mängd bevis. Är vanligt i forskning på bedömning och beslutsfattande
Deduktivt resonemang
En logisk slutsats dras utifrån en rad premisser. Enklaste formen av deduktivt resonemang involverar syllogismer. En syllogism består av 2 påståenden (premisser) och en slutsats
Normativt (filosofi), forskning inom deduktion
Följer slutsatsen logisk ur premisserna? (är slutsatsen valid?)
Deskriptivt (psykologi), forskning inom deduktion
Hur drar människor deduktiva slutsatser? Vilka systematiska skillnader finns mellan människors slutsatser och de slutsatser som följer av logikens lagar?
3 principer för syllogismer
- Om premisserna är sanna och slutsatsen valid så är slutsatsen sann
- Syllogismens validitet bestäms endast av formen
- För att en syllogism ska vara valid måste slutsatsen hålla för samtliga fall
Valid syllogism exempel
Premiss 1 alla studenter förstår varför denna syllogism är giltig
Premiss 2 Stina är student
Slutsats Stina förstår varför denna syllogism är giltig
Valid men ej sann syllogism exempel
Premiss 1 alla hästar är blå
Premiss 2 Allt som är blått kan flyga
Slutsats alla hästar kan flyga
Invalid syllogism exempel
Premiss 1 alla hästar är blå
Premiss 2 De flesta blåa objekt kan flyga
Slutsats Alla hästar kan flyga
Upplysningsfilosoferna hade fel, varför?
Människors deduktiva resonemang styrs inte av logiska lagar
Belief bias
Bedömning av hur trovärdig en slutsats är baseras ofta inte på logiken i resonemanget utan på hur väl slutsatsen passar in i bedömarens världsbild.
Belief bias exempel
Premiss 1 alla studenter är trötta
Premiss 2 En del trötta är stingsliga
Slutsats En del studenter är stingsliga
Om individen följer logikens lagar: Slutsatsen är felaktig
Om individen uppvisar belief bias.
Slutsatsen är korrekt
Premiss 1 allt som är blått kan flyga
Premiss 2 Alla båtar är blå
Slutsats alla båtar kan flyga
Om individen följer logikens lagar:
Slutsatsen är korrekt
Om individen uppvisar belief bias:
Slutsatsen är felaktig
Omvänd implikation
Om det in facto är så att X innebär Y så tenderar många att även tro att Y innebär X.
Omvänd implikation exempel
Premiss om jag pluggar så klarar jag tentan
Slutsats Jag klarade tentan alltså pluggade jag
Om individen följer logikens lagar: Slutsatsen är trolig men inte korrekt eftersom det kan finnas andra anledningar till att jag klarade tentan
Om individen för omvänd implikation: Slutsatsen är korrekt
Conditional syllogism
- Har 2 premisser och en slutsats precis som vanlig syllogism.
Men först premissen har formen “om… så…”.
Denna typ av deduktivt resonemang är vanligt i vardagen.
Ex Jag lånar Steve 20 euro som han inte betalar tillbaka.
Jag känner Steve och säger till mig själv jag visste det skulle hända, konstaterat i form av en syllogism.
Jag kanske resonerar såhär: Om jag lånar Steve 20 euro får jag inte tillbaka dem, jag lånade Steve 20 euro därför kommer jag inte få tillbaka dem.
Skillnad mellan belief bias och confirmation bias
- Belief bias handlar om hur vi utvärderar hur välgrundad/logisk en slutsats är. Om slutsatsen är förenlig med ens världsbild antas den vara välgrundad/logisk
- Confirmation bias handlar om hur vi söker och utvärderar information och består därmed av två processer:
1. Målet med att söka info är att fina info som stödjer, snarare än motbevisar det vi tror på
2. Vi lägger större vikt vid sån info som stödjer det vi tror på än info som inte gör det. Här ingår även rationalisering.
Modus ponens
Typ av conditional syllogism
Om jag pluggar får jag bra betyg
Jag pluggade
Därför kommer jag få bra betyg
Modus tollens
Typ av conditional syllogism
Om jag pluggar får jag bra betyg
Jag fick dåligt betyg
Därför pluggade jag inte
Deduktion allmänt
Upplysningsfilosoferna hade fel, människors resonerande/deduktiva förmåga styrs inte av logikens lagar.
Ologiska resonemang uppstår ibland pga kontextspecifika aspekter, ex belief bias.
Ologiska resonemang kan även uppstå av avsaknaden av kontext (som i Wason card problemet)
Beslutsfattande process
Allmän kontext (miljö), Uppgiftspecifik kontext (ex allternativ) och minne spelar in till kognitiva processer som leder till bedömning/beslut
Expected utility theory
Teori om förväntad nytta som antyder att målet för homo economicus är nyttomaximering.
- Teorin uttalar sig om hur val görs
- Nytta är ungefär-lika med lycka
- Om man ställs inför fyra alternativ antar teorin att vi gör följande:
1. Vi bedömer förväntad nytta för varje alternativ. Viktigt att förväntade nyttan av ett alternativ beror på förväntade nyttan för de andra alternativen.
2. Vi väljer alternativet med högst förväntad nytta.
Kriterier för att klassas som en rationell individ, bryter individen mot minst ett av dessa måste de klassas som irrationell (för expected utility theory)
Hur människor bryter mot de/motbevisar teorin
- Transitivitet, ex om jag föredrar A före B och föredrar B före C så måste jag föredra A före C. Människors preferenser är inte transitativa, vilket student?
- Regularity, sannolikheten att någon väljer X kan inte öka om man lägger till alternativ Y, stor och liten popcorn, andelen som köper en av storlekarna ska inte öka för vi inför en mellanstor, människor följer inte detta
- Singla slant experimentet visade att folk hatade att förlora saker mer än de älskar att vinna saker
Endowment effect
Fyndet att folk är mer rädda för att förlora något än att vinna något, motbevisar expected utility effect eftersom det antyder att det är svårt att predicera hur mycket nytta och förlust vi kommer få, singla slant experimentet.
Utvärdering av ens alternativ påverkas av irrelevant kontextuell information
- Ex fint väder gör att folk donerar mer pengar
- Antalet personer som vill donera organ är högre i länder där man måste anmäla om man inte vill donera än i länder där man måste anmäla om man vill
- Folk köper hellre ost som är 90% fettfri än ost som innehåller 10% fett, framing effect, om man vill undvika fett alltså
Två skolor för hur bedömning och beslutsfattande ska studeras
- Tumregler och tankefel, heuristics and biases
- Den adaptiva verktygslådan
Tumregler och tankefel som skola
- Människor har 2 parallella beslutsystem, ett analytiskt och ett intuitivt
- Det analytiska systemet använder sig av situationspecifika algoritmer medan det intuitiva använder ej situationsspecifika tumregler. (heuristics)
- Tumreglerna leder oftast till rätt lösning, men pga deras generella karaktär uppstår systematiska fel (biases).
- Om de 2 beslutsystemen kommer fram till olika beslut så väljs det som analytiska systemet genererat
- Tumregler genererar systematiska fel
- Genom att studera tankefel kan man uttala sig om de tumregler som skapat dem
Availability heuristic
En tumregel.
- Händelser som är lätta att minnas bedöms som mer sannolika eller mer ofta förekommande än händelser som är svåra att minnas
Representativeness heuristic
En tumregel.
Sannolikheten att X är medlem av kategori A baseras på hur representativ X är för objekten i kategori A
Konjunktionsfel
Ett tankefel.
Jazz eller jazz och revisor?
De flesta tar alternativ b.
man bedömer R > J&R > J
Den adaptiva verktygslådan
Motreaktion mot tumregler och tankefel.
Tre centrala begrepp:
- Bunden rationalitet
- Representativ design
- Naturliga frekvenser
Bunden rationalitet
För att bedöma om ett beteende är rationellt eller inte krävs det att vi tar in följande aspekter i beaktning:
- Aktörens begränsningar
- Miljöns struktur
- Aktörens mål
Ex ärver pengar, ovan att investera, vill inte förlora pengar (mål), har begränsad kunskap (begränsningar). På aktiemarknaden finns en rad olika alternativ och utfall som inte säkert kan prediceras (miljöns struktur). Då är det rationellt att spara pengarna på ett bankonto istället för det teoretiskt optimal beteendet som är att investera på aktiemarknaden.
Representativ design
- Vi människor är anpassade till den värld vi lever i
- För at studera mänskligt beteende är det viktigt med “naturliga” experimentuppgifter och material
- Visats att många tankefel försvinner om man använder sig av en representativ design
Naturliga frekvenser
- Hur stor andel av alla i klassen har en svart tröja?
- Vårt system är anpassat för att arbeta med en viss sorts information
- Mestadels av informationen vi tar emot och förmodligen alla information en stenåldersmänniska tog emot kommer som naturliga frekvenser
Ekologisk rationalitet
Underbegrepp av bunden rationalitet.
Ett beteende eller en regel har hög ekologisk rationalitet om den fungerar i miljön
Social rationalitet
Underbegrepp inom bunden rationalitet.
Ett beteende som bryter mot sociala konventioner har låg social rationalitet
Huvudpunkter i kritik mot tumregler och tankefel
- Klassisk rationalitet är meningslös norm att jämföra bedömningar och beslut med
- Ger man FD onaturliga uppgifter kommer man få onaturliga resultat, alltså irattionalitet pga försöksledare och inte försöksdeltagare
- Att studera konstiga beteenden i onaturliga uppgifter kan aldrig ge information om kognitiva mekanismer som ligger bakom bedömningar och beslut
- Enkla beslutsregler (tumregler) kan även leda till bättre beslut än om en person försöker använda den klassiskt rationella normativa modellen
Base rate-neglect enligt tumregler och adaptiva verktygslådan
Exempelvis mammografiproblemet.
Tolkning enligt tumregler och tankefel:
Människor ignorerar basfrekvenser. (I detta fall sannolikheten att ha bröstcancer).
Tolkning enligt adaptiva verktygslådan:
Människor är inte vana att arbeta med sannolikheter i %-form, detta eftersom människor arbetar med naturliga frekvenser. Eftersom de inte är vana vid detta kommer de ge konstiga svar på mammografiproblemet.
Hypotes från teorin om den adaptiva verktygslådan: Base-rate neglect problemet försvinner om man gör om mammografiproblemet så det involverar naturliga frekvenser
Språk hierarkiskt system
Komponenter kan kombineras för att bygga större enheter.
Ljud-ord-meningar-berättelser
Språk regelstyrt
Komponenter sätts ihop på förutbestämt sätt