Högre kognitiva funktioner. Olika typer av modeller: Exempel: Flowchart. Beslutsfattande/Bedömningar Resonemang Problemlösning

Transkript

1 Högre kognitiva funktioner Beslutsfattande/Bedömningar Problemlösning Linnea Karlsson, Institutionen för IMB/Psykologi Resonerande & Informationsbehandling HT 14 Psykologiskt perspektiv på Resonerande och informationsbehandling : Vad vet vi om mänsklig förmåga till problemlösning, resonemang och beslutsfattande? Metodaspekter Metodaspekter: Hur studerar man högre kognitiva funktioner? Vanliga metoder: Papper-och-penna experiment Datoriserade experiment 1. Kognitiv modellering 2. Tänka högt Olika typer av modeller: 1. Verbala modeller: tex. Rökning orsakar cancer men bara vid genetisk predisposition 2. Matematiska modeller: tex y = a + bx 3. Flow charts : Visuella representationer som summerar steg i en process 4. Simuleringsmodeller: Datorsimuleringar av processer ofta i real-tid Exempel: Flowchart Viktig distinktion The stage model (Atkinson & Shiffrin, 1968) Iconic buffer Short-term memory Long-term memory Prediktioner: att predicera framtida aspekter av ett fenomen Beskrivning: att beskriva ett fenomen 1

2 Bayesianska modeller Beskriver tänkande utifrån sannolikhetslära (jmfr. Bayes teorem ) Forts. Bayesianska modeller Försöker ge en bild av den verkliga verkligheten och människors uppfattning om verkligheten Motsvarar våra uppfattningar om verkligheten den verkliga verkligheten? Ett av problemen: att formulera de hypoteser som går in i modellen Marr s beräkningsnivåer David Marr (1982) Vision. 1. Computational level: Syftet med processen, vilken funktion R = f(s) som beräknas, VAD som beräknas (R = respons, S = Stimuli) 2. Algorithmic level: De processer och representationer med vilka beräkningen utförs (jmf program), HUR det beräknas 3. Implementation level: I vilket fysiskt system som algoritmen implementeras, VAR det beräknas Den Bayesianska revolutionen David Marr (1982) Vision. 1. Computational level: Syftet med processen, vilken funktion R = f(s) som beräknas, VAD som beräknas (R = respons, S = Stimuli) 2. Algorithmic level: De processer och representationer med vilka beräkningen utförs (jmf program), HUR det beräknas 3. Implementation level: I vilket fysiskt system som algoritmen implementeras, VAR det beräknas Marr s nivåer och kognitiv modellering Klassisk kognitionspsykologi antar oberoende mellan nivåer (ffa. en oberoende algoritmnivå) Konnektionism: Nivåerna VAR och HUR kan inte vara oberoende Bayesiansk modellering: enda sättet att förstå och predicera beteende är genom analys på VAD-nivån Hur studerar man högre kognitiva funktioner? Vanliga metoder: 1. Kognitiv modellering 2. Tänka högt 2

3 Tänka-högtprotokoll Tänka-högtprotokoll Ericson & Simon (1993) Verbal reports as data. Exempel på instruktioner Bedömningar & Beslutsfattande Bedömningar: processer som används för att dra slutsatser från den kunskap och de erfarenheter som finns tillgängliga för oss Beslutsfattande: att välja bland olika möjligheter/alternativ Bedömningar & Beslutsfattande Klassisk beslutsteori Bounded rationality Heuristics & Biases Ekologisk rationalitet Klassisk beslutsteori Homo Economicus (e.g. Peterson & Beach, 1967) Ekonomer, statistiker, filosofer Matematiska modeller Rationell tanke om beslutsfattare: Vet allt om möjligheter och utfall Känner obegränsat av skillnaden mellan olika möjligheter Maximerar vad som betyder något 3

4 Klassisk beslutsteori Klassisk beslutsteori EU(T) (Expected Utility Theory): Sannolikhet x utility = Förväntat värde SEU (Subjective Expected Utility Theory) Seek pleasure, avoid pain Subjektiv utility Subjektiv sannolikhet DOCK: beslutsprocessen mer komplex Klassisk beslutsteori Optimala beslut! Sker detta? Alla möjliga alternativ tas hänsyn till Maximal tillgänglig information beaktas Noggrann vägning av costs & benefits Noggrann beräkning av sannolikheten för olika utfall En maximal nivå av sunt resonemang Kahneman & Tversky (70-talet) Heuristik: mental genväg Bias: tankefel Utgångspunkt 1: HUR fattas beslut? Utgångspunkt 2: Det finns okontroversiella normativa lösningar till alla problem Ekonomiska och effektiva leder dock till systematiska och predicerbara fel Representativeness Availability Anchoring & adjustment Framing effects Representativeness Linda är 31 år gammal, singel, utåtriktad och mycket smart. Som student var hon väldigt engagerad i diskrimineringsfrågor och social rättvisa och deltog även i demonstrationer mot kärnkraft. Rangordna följande alternativ efter hur sannolika de är (1 = mest och 8 = minst) 4

5 Representativeness Linda: a) Lärare b) Bokhandel och tar yoga c) Aktiv i feministrörelsen d) Socialarbetare e) Banktjänsteman p(a) f) Säljer försäkringar g) Feministisk banktjänsteman p(a)>p(a&b) p(a&b) Representativeness Representativeness heuristic leder till sk conjunction fallacy Förklaring: Likhet till eller representativt för populationen Graden till vilket det reflekterar processen (Miss)uppfattning angående slump Fördelning över krona/klave: Vilken händelse är mest sannolik om man singlar slant? a) H H H H H H T T T T T T b) H T T H T H H T T T H H c) H H H H H H H H H H H H Representativeness Availability Anchoring & adjustment Framing effects Många bedömer b som mer sannolik än a och a mer sannolikt än c Måhända är några händelser mer representativa för en slumpmässig händelse [b > a > c] men det är lika stor chans att de inträffar. Availability Availability (Kahneman & Tversky, 1974) Fråga till fp: Finns fler ord i engelska som.. Börjar på r Har r på 3:e plats Typiskt svar Rätt svar Vilken av följande är den vanligaste dödsorsaken? (a) trafikolycka (b) magcancer 5

6 Typisk gissning trafikolycka = 4 x magcancer Faktiska värden Availability (Kahneman & Tversky, 1974) trafikolyckor, magcancerfall i USA Hur rapporterade tidningarna de olika fallen? Availability Sannolikheter och frekvenser bedöms utifrån hur lätt olika instanser kommer oss till minnes Tversky & Kahneman (1973) Förklaring: Lättåtkomst i långtidsminnet Frekvens av tidigare erfarenheter 137 (trafik) mot 1 (magcancer) Representativeness Availability Anchoring & adjustment Framing effects Anchoring and Adjustment (Kahneman & Tversky, 1974) Steg 1: Är andelen Afrikanska medlemsländer i FN högre eller lägre än 65% [10%]? Steg 2: Vad är din bästa gissning för andelen Afrikanska medlemsländer i FN? Anchoring effect: 10% anchor grupp, medelgissning: 25% 65% anchor grupp, medelgissning: 45% Anchoring and Adjustment (Kahneman & Tversky, 1974) Vilken produkt är störst? a = 7 x 6 x 5 x 4 x 3 x 2 x 1 b = 1 x 2 x 3 x 4 x 5 x 6 x 7 Anchoring-and-adjustment Människor utför estimat av ett okänt värde med utgångspunkt från ett känt värde justerar sedan utifrån detta Dock: leder till tankefel: ankaret får för stort inflytande 6

7 Representativeness Availability Anchoring & adjustment Framing effects Framing effects: Framing Hur ett problem är presenterat påverkar hur vi fattar beslut Exempel: bedöm behandlingseffekt Framing Framing 62% 38% 22% 78% Förutsättning: 600 människor riskerar att dö i en epidemi Formulerat som möjlig vinst (risk aversion): Om vaccin A används så räddas livet på 200 Med vaccin B är det en sannolikhet på 33% att alla 600 räddas och en sannolikhet på 66% att alla 600 dör Formulerat som möjlig förlust (risk seeking): Om vaccin C används så dör 400 Med vaccin B är det en sannolikhet på 33% att alla 600 räddas och en sannolikhet på 66% att alla 600 dör Formuleringen av alternativen påverkar oss: Vi undviker att ta risker när ett av alternativen är formulerat i termer av vinst. Vi tar risker när ett av alternativen är formulerat i termer av förlust. Representativeness Availability Anchoring & adjustment Framing effects Slutsatser: människan beter sig ej normativt! Kritik: Vaghet Negativ bild av mänsklig kapacitet Irrationalitet i förhållande till vad? Ignorerar ekologins roll! 7

8 Ekologisk rationalitet All rationalitet måste förstås i relation till den miljö i vilken den rationella handlingen äger rum! Heuristiker används där de passar strukturen i miljön Heuristics that make us smart Gigerenzer, Todd & the Adaptive Behavior and Cognition (ABC) research group (1999): Simple heuristics that make us smart Ekologisk rationalitet Sannolikhetsbegreppet och statistisk teori är relativt nya påfund. Våra förfäder behövde troligen också göra bedömningar under osäkerhet (sannolikhetsbedömningar). I form av frekvenser? (tex 5 av 10 lyckade försök) Frekvenshypotesen Fiedler (1988) genomförde en frekvensversion av Linda-problemet Linda är 31 år gammal, singel, utåtriktad och mycket smart. Som student var hon väldigt engagerad i diskrimineringsfrågor och social rättvisa och deltog även i demonstrationer mot kärnkraft. Originalversionen: Rangordna följande alternativ efter hur sannolika de är (1 = mest och 8 = minst). Frekvensversion: Det finns 200 personer som passar in på beskrivningen ovan. Hur många av dessa är... I orginalversionen svarade 91% att det var högre sannoliket för att Linda var feministisk banktjänsteman än banktjänsteman I frekvensversionen gjorde bara 22% detta misstag Linda-problemet i Umeå Linda-problemet i Umeå 30 personbeskrivningar 4 grupper: Sannolikhet Likhet Frekvens Informerad sannolikhet Färre konjunktionsfel begås i Frekvensbetingelsen men de försvinner inte helt 8

9 Ekologisk rationalitet Kan det vara rationellt att använda heuristiker? Gigerenzer s alternativa förhållningssätt till heuristik skiljer sig från Kahneman och Tversky s strategi: Ekologisk rationalitet i stället för logisk rationalitet. Enkla heuristiker kan vara överlägsna mer informationshungriga processer ( less is more ). Goldstein & Gigerenzer, 2002; Marewski & Schooler, 2011 Fördelen med igenkänningsminne Vilken av dessa amerikanska städer har flest invånare? San Diego or San Antonio Fördelen med att ignorera information Vilken bil har högst kvalitet? Amerikanska deltagare: 62 % correct Tyska deltagare: 100 % correct (!) Goldstein & Gigerenzer, 2002; Marewski & Schooler, 2011 Fördelen med att ignorera information Ignorera information predicerar 20 riktiga data-set Weights Noncompensatory Weights Compensatory Accuracy (% correct) Cues Cues Take The Best Dawes' rule Multiple regression Czerlinski, Gigerenzer, & Goldstein (1999) e.g., professor salaries, homelessness rates, school drop-out rates 9

10 Resonerande Det generella Deduktion Induktion. DEDUKTION Det specifika INDUKTION Deduktion Studeras utifrån LOGIK: problemen som människor får utföra beskrivs i logiska termer Premisser slutsats! Hur gör människor detta? DEDUKTION Det generella Det specifika Om en konsonant på ena sidan så Wason s-selection Task ett jämnt nummer på andra sidan S 3 A 2 p q p q Conditional Reasoning Logiskt giltiga slutledningsregler: Modus ponens Modus tollens p q p q p ~q q ~p Wason s-selection Task Effekter av innehåll: Griggs & Cox (1982) Om en person dricker öl så måste den vara över 18 år ÖL p Cola p q q 10

11 Kategoriska Syllogismer Kategoriska Syllogismer Alla Z är Y Alla Y är X Alla Z är X (valid slutsats) Alla psykologer är löpare Alla löpare är kockar Alla psykologer är kockar (valid slutsats?) Mentala Modeller (Johnson-Laird) Vi försöker skapa mentala modeller utifrån premisserna De mentala modellerna konstrueras utifrån vad som är sant (positiva instanser) Falsifikation sker genom upptäckt av alternativa mentala modeller Arbetsminnet begränsar slutledningsförmågan (dvs antalet alternativa modeller) Induktion Det generella Det Kausala slutledningar specifika Tolkar korrelationer felaktigt men har förmåga att förstå kausala modeller Kategorisering Slutsatser från prototyper eller exemplar INDUKTION Problemlösning 1. Vad borde en problemlösningscykel innehålla? 2. Mänsklig problemlösning i relation till typer av problem 1. Välstrukturerade problem och mentala genvägar 1. General Problem Solver 2. Ostrukturerade problem och insikt 3. Exempel: Matematisk problemlösning Problemlösningscykeln 1. Problemidentifikation 2. Problemdefinition och representation 3. Strategiformulering 4. Organisering av information 5. Resursfördelning 6. Övervakning 7. Utvärdering 11

12 Välstrukturerade problem ( welldefined problems ) Välstrukturerade problem ( welldefined problems ) Har (minst) en tydlig väg till lösning Ork & Hobbit Tower of Hanoi Välstrukturerade problem ( welldefined problems ) Heuristiker (mentala genvägar) används ofta för att lösa välstrukturerade problem General Problem Solver (Newell & Simon, 1972) Huvudsaklig metod: Means-Ends Analysis: 1. Notera skillnaden mellan det aktuella tillståndet och det önskade 2. Formulera ett delmål som reducerar skillnaden 3. Välj en operator som tillåter att uppnå delmålet Ostrukturerade problem ( ill-defined problems ) Insikt ( insight ) viktigt för lösandet av ostrukturerade problem? Saknar en tydlig väg till lösning Insight is a distinctive and sometimes seemingly sudden understanding of a problem or of a strategy that aids in solving the problem Sternberg & Sternberg s

13 Mental set En tendens att välja en särskild strategi eller att mer generellt se saker på ett sätt istället för på ett annat, lika troligt sätt Novis vs expert The string problem Maier, 1930 En novis har inte samma förmåga till mönsterigenkänning som en expert Forskningsfråga (Lithner et al) Matematisk problemlösning: Exempel från en pågående forskningsstudie Hur lärs matematik ut idag? På ett sätt som mest effektivt främjar matematisk förståelse och prestation? (Brousseau, 1997; Niss, 2007; Schoenfeld, 2007) Neurovetenskap: en ökning i antal studier av matematikinlärning (för en översikt, se t.ex. Zamarian, Ischebeck & Delazer, 2009) Algorithmic reasoning (AR): En dominerande metod för matematikinlärning Presentera en lösningsmetod (t.ex. en formel) och låt eleverna öva på den ett flertal gånger (se Lithner, 2003; 2004). Textboksexempel av AR Exempel: Av 80 elever som slutar årskurs nio, 16 sökte till Naturvetenskapsprogrammet. Hur många procent av studenterna var det? Proportion av sökande: 16/80 = 0.20 = 20% Svar: 20% av eleverna sökte till Naturvetenskapsprogrammet. Övning 32: Vid en trafikkontroll utanför en skola fann man att 84 av 400 bilar körde för fort. Hur många procent var det? Är denna metod mest effektiv för att stimulera till matematisk förståelse och prestation? 13

14 Creative mathematically founded reasoning (CMR) En alternativ metod Presentera inte en lösningsmetod utan låt eleverna skapa lösningen själva (Lithner, 2008; Jonsson et al., 2014) Potentiella kognitiva fördelar med CMR över AR? Att skapa svaret själv leder generellt till robusta effekter på prestation ( the generation effect : Slamecka & Graf, 1978; see Bertsch, Pesta, Wiscott & McDaniel, 2007 for a review; Smith & Healy, 1998; Rittle-Johnson & Kmicikewycz, 2008) Self-generation stärker minnet Kan denna potentiella effekt observeras med fmri? Three parietal circuits for number processing Dehaene et al., 2003 Three parietal circuits for number processing Dehaene et al., 2003 Vänstra angular gyrus: verbalt matematiksystem Åtkomst till minnet av aritmetiska fakta och lösningsmetoder Individuella skillnader och matematik Två exempel på starka prediktorer av matematisk prestation: Individuella skillnader och matematik Två exempel på starka prediktorer av matematisk prestation: Arbetsminne (t.ex. Geary, 2011) Arbetsminne (t.ex. Geary, 2011) Skärpan på ett s.k. Approximate Number System (ANS: se t.ex. Halberda, Mazzocco & Feigenson, 2008; Inglis et al., 2011) Skärpan på ett s.k. Approximate Number System (ANS: se t.ex. Halberda, Mazzocco & Feigenson, 2008; Inglis et al., 2011) 14

15 Hypoteser a) CMR bättre prestation vid test än AR b) CMR bör aktivera vänstra angular gyrus relativt mindre än AR c) Arbetsminne och ANS-skärpa signifikanta prediktorer av matematisk prestation Studiedesign Pre-scanning I: Mått på kognitiva färdigheter Ravens OSPAN Ordförråd (SRB1) ANS Senaste mattebetyg, etc. Pre-scanning II: AR Matteträning Pre-scanning II: CMR Matteträning Grupper matchade m.a.p. 1. Ravens 2. Mattebetyg 3. Kön fmri Mattetest 1 vecka senare Metod Deltagare: 73 deltagare, två delgrupper: 40 gymnasieelever år 33 universitetsstudenter år Material: 9 olika matematikuppgifter Exempel på träningsuppgift designad att inbjuda till Algorithmic reasoning (AR) Exempel på träningsuppgift designad att inbjuda till Creative mathematically founded reasoning (CMR) Datum Sidfot 89 15

16 Datum Sidfot 91 Datum Sidfot 92 fmri-test En vecka efter träning Varje deltagare löser 9 testuppgifter, en för varje träningsuppgift Dessutom 9 s.k. baseline-uppgifter (hitta stavfel) for 50 Datum Sidfot 94 Prestation vid fmri-test Kognitiv förmåga och prestation vid fmri-test Deltagare i CMR-betingelsen presterade bättre än i ARbetingelsen (F(1,69) = 5.1; MSE = 15.6; p =.03). Arbetsminne (men inte ANS-skärpa) predicerade också testprestation (β =.30, t(71)=2.5, p=.01). 16

17 Hjärnregioner viktiga för att lösa de matematiska uppgifterna Skillnader mellan AR och CMR inom de regioner som är viktiga för matematik Flera stora regioner (blå) relateras till matematisk problemlösning (One-sample t-test: Matte > Baseline, p<.05 (FWE)) Vänster angular gyrus visar högre aktivitet för AR än CMR (Two-sample t-test: AR Diff-score > CMR Diff-score p=.002 (uncorrected), k=52) Prestation och hjärnaktivitet inom matematiknätverket En korrelations-triad Matematisk prestation generellt r =.34 Arbetsminne (OSPAN) r =.46 r =.33 Aktivitet i högra superiora parietalkortex Region inom superiora parietalkortex (xyz = ) uppvisar en positiv korrelation med matematisk prestation generellt (r =.46; p =.0001). Summering a) CMR bättre prestation vid test än AR (se även Jonsson et al., 2014) b) CMR aktiverar vänstra angular gyrus relativt mindre än AR c) Arbetsminne (men inte ANS-skärpa) signifikant prediktor av matematisk prestation - I en korrelations-triad med högra superiora parietalkortex Matematikinlärning - slutsatser Creative mathematically founded reasoning (CMR): Att skapa lösningen själv stärker minnet för lösningsmetoden (Dehaene et al., 2003; see also Binder et al., 2009; Cabeza, et al., 2008; Ciaramelli, Grady & Moscovitch, 2008; Price, 2010) Högra superiora parietalkortex Viktig hjärnstruktur för matematisk prestation Reflekterar att intakt arbetsminne är viktigt vid komplex matematik 17

18 Beslutsfattande/Bedömningar Problemlösning Linnea Karlsson, Institutionen för IMB/Psykologi Resonerande & Informationsbehandling HT 14 18