Problemlösning, kreativitet

Relevanta dokument
Övningshäfte 2: Induktion och rekursion

Kunskapsrepresentation


Kognition. 11 september 2002

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens Erik Claesson

Upplägg. Binära träd. Träd. Binära träd. Binära träd. Antal löv på ett träd. Binära träd (9) Binära sökträd (10.1)

DD1350 Logik för dataloger. Vad är logik?

Föreläsning 8: Intro till Komplexitetsteori

TJUVSTARTER I AGILITY - en kamp i envishet

de var svåra att implementera och var väldigt ineffektiva.

Olika sätt att lösa ekvationer

Kognitiv psykologi. Kognition / Tänkande. Tänkande

Analys och design. Objekt. Klass. med hjälp av CRC. Klassdiagram

COMPUTABILITY BERÄKNINGSBARHET. Källa: Goldschlager, Lister: Computer Science A Modern Introduction 2. upplaga 1988, Prentice Hall

Utsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section

Lektion 2: Sökagenter. Robin Keskisärkkä

Operatörer och användargränssnitt vid processtyrning

Föreläsning 3.1: Datastrukturer, en översikt

Provmoment: Tentamen Matematik och matematikdidaktik, 3 hp, tillfälle 1

10. Moralisk fiktionalism och ickedeskriptiv

Föreläsning 5: Modellering av frasstruktur. 729G09 Språkvetenskaplig databehandling Lars Ahrenberg

Föreläsning 9: NP-fullständighet

Kritiskt tänkande HTXF04:3 FTEB05. Rekonstruktion av argument

Kursplan för Matematik

8. Moralpsykologi. Några klargöranden:

Realism och anti-realism och andra problem

Matematik Steg: Bas. Mål att sträva mot Mål Målkriterier Omdöme Åtgärder/Kommentarer

Det finns även en massa andra fenomen i ett neuralt nätverk. Decay är en tendens hos noder att återgå till viloläget.

Scouternas gemensamma program

K L Ä M. Klassificeringsmodell för inlärningssvårigheter i matematik

Handledning Det didaktiska kontraktet. 19 september 2012

Operatörer och användargränssnitt vid processtyrning

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående

Ekvivalensrelationer

Bagarmossens skolas kravnivåer beträffande tal och talens beteckningar som eleven ska ha uppnått efter:

INSIKT nr 4 årgång vetlanda.pingst.se

Grafer och grannmatriser

Programmering eller Datalogiskt tänkande

TSFS06: Bayesianska nätverk i GeNIe - kort handledning

Kritiskt tänkande HTXF04:3 FTEB05. Grundläggande semantik II

Praktiskt förnuft. Internalism vad gäller handlingsskäl

CREATING VALUE BY SHARING KNOWLEDGE

Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1

I arbetet hanterar eleven flera procedurer och löser uppgifter av standardkaraktär med säkerhet, både utan och med digitala verktyg.

Placera ditt budskap där din målgrupp finns.

Föreläsning 2: Grafer. Exempel på graf

Kreativitet som Konkurrensmedel

Angående skjuvbuckling

Språkets roll i alla ämnen. Några förutsättningar

Tänkande. Problemlösning. Behavioristiskt perspektiv. Gestaltpsykologiskt perspektiv. Kognitivt perspektiv

Föreläsning G60 Statistiska metoder

729G04 - Diskret matematik. Lektion 4

Moraliskt praktiskt förnuft

FTEA12:4 Vetenskapsteori. Realism och anti-realism

Explorativ övning 5 MATEMATISK INDUKTION

måndag, 2010 oktober 11

TEORINS ROLL I DEN VETENSKAPLIGA KUNSKAPSPRODUKTIONEN

Multipel tilldelning. Introduktion till programmering D0009E. Föreläsning 6: Iteration. while-satsen. Kom ihåg. Snurror kontra rekursion

Skrivtolkad version av telefonintervju med Katarina L Gidlund, professor och digitaliseringsforskare, Mittuniversitetet

Tentamen: Programutveckling ht 2015

Att uttrycka mig Gustav Karlsson

Vad skall en matematiklärare kunna? Översikt. Styrdokument. Styrdokument. Problemlösning

Procedurella Grottor TNM084. Sammanfattning. Alexander Steen

år kropp och den nya tidens justeringar

Kap.6 Grafer. Egenskaper: Handskakningslemmat och Eulers formel Sats om eulerkrets/väg Isomorfi och representation av grafer Graffärgning

Simulering av människor - fokus på mänskliga rörelser

Kreativitet och psykologisk forskning. Lennart Sjöberg

Övningar till avsnitt 3 - Leva inifrån och ut

TDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 11 Jonas Lindgren, Institutionen för Datavetenskap, LiU

Datalogiskt Tänkande i skolan. Fredrik Heintz,

PROBLEMLÖSNING. ! GPS! Mål medel analys! Problemlösning i programmering. Lars-Erik Janlert 2007

Seminarieredovisning om Bergers och Luckmanns Kunskapssociologi (GDK; TRTE11 ht 2008)

Explorativ övning 5 MATEMATISK INDUKTION

NOLLPUNKTSMÄTNING AVESTA BILDNINGSFÖRVALTNING KOMMENTARER I FRITEXT- GRUNDSKOLAN

Viktiga frågor att ställa när ett argument ska analyseras och sedan värderas:

Så här gör du EFT. EFT för självhjälp när du mest behöver det

Föreläsning 9 Exempel. Intervallhalveringsmetoden. Intervallhalveringsmetoden... Intervallhalveringsmetoden...

Bedömning för lärande

Övningshäfte 1: Logik och matematikens språk

Tentaupplägg denna gång

Likhetstecknets innebörd

Spel som interaktiva berättelser

ADHD VAD OCH VARFÖR? EN FÖRELÄSNING AV OCH MED NICKLAS LARSSON 1

Diskret matematik: Övningstentamen 4

Centralt innehåll. Problemlösning. Taluppfattning och tals användning. Tid och pengar. Sannolikhet och statistik. Geometri.

Föreläsning 9 Exempel

TIPS & TRIX. Praktiska tips för att träna dig själv och andra i ett motiverande ledarskap

Uppgifter om funktioner

43 minuter av pretend mode hur gör vi för att bryta låtsasläget?

Lutande torn och kluriga konster!

Arbetsdokument: Effektivisera dina möten

Algebra I, 1MA004. Lektionsplanering

ESSÄ. Min syn på kompetensutveckling i Pu-process. Datum: Produktutveckling med formgivning, KN3060

1 Julias bil har gått km. Hur långt har den gått när den har körts tio (3) kilometer till? Rita en ring runt det största bråket.

Yttrande över Förslag till skolplan för Stockholms stad

Wireframe när, vad, hur och varför?

PCP-satsen på kombinatoriskt manér

Ytterligare fördelar mm. upp till mm

Högre kognitiva funktioner

Matematiken. - Var finns den? Ola Helenius. NCM, Göteborgs universitet Avd. för Matematik, Örebro universitet

Transkript:

Olika fasetter av intelligent tänkande Problemlösning, kreativitet Resonerande (logiskt tänkande) Strikta regler Avgöra om utsaga sann eller falsk Beslutsfattande Välja mellan alternativa handlingar Bestämma sannolikheten för en viss händelse eller olika utfall av en viss handling Problemlösning Inriktad mot ett givet mål, målet är att generera lämpliga svar, och sedan välja ett av dessa Översikt Definition av begreppet problemlösning Reproduktiva problem (algoritmiska) Väldefinierad problemrymd Kan beskrivas i termer av produktionsregler Produktiva problem (kräver kreativitet) Insikt, aha-upplevelse Viktigt med rätt problemrepresentation Olika typer av mentala hinder Ingångsfrågor Vilka typer av problem är svåra/lätta för människan? Finns det sätt att representera problem så att lösningen är lättare att se? Vad är kreativitet för något? Finns det sätt att bli bättre problemlösare? Hur gå till väga? Hjälper det att öva? Forskning om problemlösning Gestaltpsykologin (skola i början på 1900-talet) Skiljer på lätta, rutinmässiga och svåra, kreativitetskrävande problem Lätt: Problem som man kan räkna sig igenom Reproduktiva problem Reproduktion (återanvändning) av sedan förut utarbetade problemlösningssätt Kan tillämpa algoritmer för att lösa problemet Modelleras oftast som en kedja av produktionsregler Reproduktiva problem Ex. på reproduktivt problem: Tower of Hanoi Strategi: Använd ena pinnen till temporär lagring av mindre brickor Ju fler brickor, desto svårare Belastar arbetsminnet Kan all lösas genom tillämpning av känd strategi Sidan 1

Modell m.h.a. produktionsregler Ex. på produktionsregel: villkor handling Flytta_översta_från_pinne1 om överst(bricka1, pinne1) & överst(bricka2, pinne2) & mindre(bricka1, bricka2) så flytta(bricka1, pinne2) Problemrymd Representeras som en trädstruktur Noder = tillstånd (situationer) som kan uppstå Möjliga problemlösningsteg leder till nya tillstånd Skapar nya förgreningar Uppgift: Hitta en väg från initialt tillstånd till mål Problemrymd Exempel på tillstånd Ex på produktionsregel Funkar även för större problem villkor handling Flytta_ner_A om ontop(a, B) & ontop(b, table) & ontop(c, table) så sätt som nytt delmål move(a, table) Nytt delmål skapas när Hittar inga drag Vet inte vilket drag bäst Nytt mål ny problemrymd Sidan 2

Svårt, men fortfarande reproduktivt problem Produktiva problem Produktiva problem Går inte att räkna fram lösningen Lösningen hittas plötsligt: Aha! Kräver kreativitet Extra viktigt hur problemet uppfattas och representeras mentalt Lösning hittas oftast genom omstrukturering av problemrepresentationen Viktigt med representation En tegelsten väger 3 kg minus en halv tegelsten Hur många kg väger en tegelsten? Lite omorganisation Lite omorganisation Visualisering på rätt sätt Visualisering på rätt sätt = 3 kg - = 3 kg Hur många kg väger en tegelsten? Hur många kg väger en tegelsten? Sidan 3

Den mediterande munken En munk går upp i ett berg för att meditera Han börjar gå vid soluppgång Följer en smal stig Återvänder ner nästa dag vid soluppgång Följer samma stig neråt Fråga: Finns det någon punkt på stigen som han passerar vid exakt samma de två dagarna? Representera på rätt sätt Omskriva frågan: Finns samma punkt på stigen som munken passerar Samma stig intresserad av position på stigen berg räcker med att representera Höjden ökar (kanske icke-monotont), minskar Har nu avfokuserat Tid för soluppgång och solnedgång Andra detaljer som stigens utseende, etc. På väg att lösa problemet Aha, nu ser jag Uppföljning Jaa, den här lösningen funkar ju helt enkelt för att endast och är viktig Det här med ramarna Kan lösningen generaliseras? Uppföljning Gäller lösningen även om munken inte startar exakt samma de två dagarna? Sidan 4

Kan starta annan? Kan starta annan? Kan starta annan? Uppföljning Vad hade hänt om munken går olika fort de båda dagarna? Kan gå olika fort? Kan gå olika fort? Sidan 5

Man kan också se det så här Återblick: Hur gick det här till? Viktiga steg mot lösningen: Bortsåg ifrån störande detaljer; hittade kärnan Hittade kritisk dimension: över havet räcker som kodning av position eftersom samma stig Utnyttjade symmetrin: upp- och nerväg Viktigast av allt: Fri, förutsättningslös utforskning av alternativa representationer Problemlösningsfaser Kekulé Regelmässig problemlösning Tillämpning av invanda problemlösningssteg Återvändsgränd Har fastnat; kan ej hitta väg vidare Inkubation Låter det bero; håller på med andra typer av aktiviteter Illumination Aha-upplevelse; Jag har hittat det! Verifiering och uppföljning Håller lösningsidén? Kan lösningen generaliseras? Det här med kreativitet Illumination (aha-upplevelse) Inser plötsligt (mitt i dåsigheten) att problemet har en lösning Lösningen oftast enkel, dvs. ser hela vägen fram till lösningen Aha! Nu ser jag! Heureka!... Förutsätter att man har satsat starkt på att lösa problemet Viktigt med känslomässigt engagemang Kreativitet Händer egentligen under inkubationen Släpper problemet Går och spelar golf Vad händer egentligen? Undermedvetna processer Har tillgång till mer information Inga hämningar Lösgör inbillade begränsningar på vilka typer av lösningar är acceptabla Sidan 6

Hinder för problemlösning Givet denna situation, hur skulle du fästa ljuset vid väggen, så att den sedan kan fungera som väggbelysning? Hinder för problemlösning Uppgift: Du har tre hinkar, 5l, 3l, och 2l Mät upp 4l, dvs. se till att få 4l i en av hinkarna Hinder för problemlösning Functional fixedness En tendens att knyta saker till dessa vanliga funktion En papperslåda används till att förvara saker i Set Lätt att fastna i problemlösningsstrategi som har fungerat igare Ex. Mäta större hink genom att räkna antal mindre hinkar med vatten som går i Hinder för problemlösning Inbillade ramar/hinder Uppgift: Ta bort en 1000 kr-sedel vars hörn ligger inklämd under en stenkruka, utan att rubba eller överhuvudtaget röra krukan Inbillade ramar Inbillade ramar Sidan 7

Svar på frågorna Vilka typer av problem är svåra/lätta för människan? Reproduktiva problem i princip lätta Produktiva problem allmänt svåra (speciellt för datorer) Representation avgör om problemet kan lösas Finns det sätt att representera problem så att lösningen är lätt att se? Oftast, ja Men, inga generella regler Domänberoende och problemberoende Svar på frågorna: Kan man öva upp sig? Omorganisera, omorganisera, omorganisera Brainstorming Generera idéer okritiskt, utan att förkasta dem Låt det bero; gå och spela golf Obs! Måste ha gedigen bakgrundskunskap Måste vilja, måste ha kämpat med problemet Acceptera inte problemramarna Ofta inbillade begränsningar!!! Ofta en massa störande detaljer Sidan 8