Технология ментальных и функциональных репрезентаций как первый этап концептуализации и реализации комплексных научных знаний в инновационных процессах

В инновационных процессах часто встречаются с междисциплинарными темами. Например, инновационный процесс может затрагивать в том числе психологические, нейролингивистические, биологические и инженерные дисциплины, связанные с биокибернетическими системами. Одна из рассматриваемых теорий связана с когнитивными процессами, представлением знаний и с системами самообучения. Менеджерам по инновациям, инженерам, ученым, специалистам по обучению, специалистам по моделированию и заинтересованным сторонам, необходимо легко и быстро понимать, применять, а также обмениваться знаниями по сложным теориям. В связи с этим, в настоящей статье представлен графический инструмент для представления сложных междисциплинарных теорий, концепций и процессов простым, лаконичным и логичным образом с использованием функциональных принципов и графических представлений, которые успешно использовались в инженерных и технологических областях, такие как: системы адаптивного управления, алгоритмические блок-схемы и вычислительная когнитивная нейробиология. После описания моделей, которые обычно используются для представления и моделирования знаний и познания, вводится функциональное когнитивное моделирование, а затем применяются для представления и моделирования сложных когнитивных теорий из психологии и нейробиологии, таких как теория интеллектуального роста Жана Пиаже, гипотеза соматического маркера Антонио Дамасио и модель мягких умений и навыков Данте Дорантесa

Keywords: междисциплинарный, многодисциплинарный, ментальная модель, ментальная репрезентация, функциональная модель.

References

  1. M. W. Eysenck, M. T. Keane. Cognitive Psychology. A student’s handbook. Hove and New York, East Sussex: Psychology Press, 2010. P. 20.
  2. P. N. Johnson-Laird. Mental models in cognitive science//Cognitive Science, 4 (1), 1980. 71-115.
  3. C. Ramirez, B. Valdes. A general knowledge representation model of concepts/In Advances in Knowledge Representation, T. Hobbes (Ed.). Croatia, Rijeka: InTech, 2012. P. 43-76.
  4. T. Hobbes. Elements of Law, Natural and Political. London: Routledge, 1969.
  5. J. A. Fodor. The Language of Thought. Cambridge, MA: Harvard University Press, 1975.
  6. D. N. Osherson, E. E. Smith. On the adequacy of prototype theory as a theory of concepts/Cognitio, 9, 1981. 3-58.
  7. G. L. Murphy, D. L. Medin. The role of theories in conceptual coherence/Psychological Review, 92 (3), 1985. 289-316.
  8. L. S. Vygotsky. Thought and language. A. Kozulin (Ed.). New York, USA: MIT Press, 1986.
  9. A. K. Crisp-Bright. Knowledge selection in category-based inductive reasoning. Ph.D. Dissertation, Durham University, UK, 2010.
  10. A. K. Crisp-Bright. The effects of domain and type of knowledge on category-based inductive reasoning//Proceedings of the Annual Meeting of the Cognitive Science Society, 32, 2010. 67-72.
  11. N. Chomsky. A review of B.F. Skinner’s verbal behavior/In L. A. Jakovits, M. S. Miron (Eds.), Readings in the psychology of language. Englewood Cliffs, N.J.: Prentice-Hall psychology, 1967. P. 142-143.
  12. A. L. Brown. Similarity and analogical reasoning. Edited by S. Vosniadou and A. Ortony. New York, USA: Cambridge University Press, 1989.
  13. J.-P. Doignon, J.-C. Falmagne. Knowledge Spaces. Berlin: Springer Verlag, 1999.
  14. A. Newell. Unified theories of cognition. Cambridge, MA: Harvard University Press, 1994.
  15. J. R. Anderson. The adaptive character of thought (Studies in Cognition Series). London: Psychology Press, 1990.
  16. Y. Wang. The theoretical framework of cognitive informatics//International Journal of Cognitive Informatics and Natural Intelligence, 1 (1), 2007. 1-27.
  17. Y. Wang. On cognitive informatics//Brain and Mind, 4 (2), 2003. 151-167.
  18. J. H. Flavell. Theory-of-mind development: Retrospect and prospect//Merrill-Palmer Quarterly, 50 (3), 2004. 274-290.
  19. J. W. Santrock. Educational Psychology. 5th ed. New York, NY: McGraw-Hill, 2011.
  20. B. Rehder. Causal-based property generalization//Cognitive science, 33 (3), 2009. 301-44.
  21. S. A. Sloman. The empirical case for two systems of reasoning//Psychological Bulletin, 119 (1), 1996. 3-23.
  22. S. J. Russell, P. Norvig. Artificial intelligence: A modern approach. Englewood Cliffs, New Jersey: Prentice Hall, 1995.
  23. M. R. Quillian. Semantic information processing. M. Minsky (Ed.). Cambridge, Massachusetts: MIT Press, 1968. P. 227-270.
  24. G. Gentzen. Untersuchungen ber das logische Schlie en. In The collected works of Gerhard Gentzen. Amsterdam: North-Holland Publishing Co., 1969. P. 68-131.
  25. Y. Wang. The OAR model of neural informatics for internal knowledge representation in the brain//International Journal of Cognitive Informatics and Natural Intelligence, 1(3), 2007. 66-77.
  26. A. Newell, H. A. Simon. Human problem solving. Englewood Cliffs, N.J: Prentice-Hall, 1972.
  27. M. Minsky. A framework for representing knowledge/In P. H. Winston (Ed.), The Psychology of Computer Vision. Massachusetts: McGraw-Hill, 1975. P. 211-277.
  28. R. C. Schank. Conceptual Information Processing. New York, USA: Elsevier Science Inc., 1975.
  29. R. C. Schank. Dynamic memory: A theory of reminding and learning in computers and people. Cambridge: Cambridge University Press, 1982.
  30. T. R. Gruber. Toward principles for the design of ontologies used for knowledge sharing//International Journal Human-Computer Studies, 43 (5-6), 1993. 907-928.
  1. C. M. Chen. Ontology-based concept map for planning a personalised learning path//British Journal of Educational Technology, 40 (6), 2009. 1028-1058.
  2. S. L. Reed, D. B. Lenat. Mapping ontologies into Cyc. In Proceedings of the American Association for Artificial Intelligence 2002 Conference Workshop on Ontologies for The Semantic Web. Edmonton, Canada, 2002. P. 1-6.
  3. H. Helbig, I. Glцckner, R. Oswald. Layer structures and conceptual hierarchies in semantic representation for NLP/In A. Gelbukh (Ed.) Computational Linguistics and Intelligent Text Processing. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer, 2008. P. 4919.
  4. V. Carchiolo, A. Longheu, M. Malgeri. Adaptive formative paths in a web-based learning environment//Educational Technology & Society, 5 (4), 2002. 64-75. https://www.j-ets.net/ets/journals/5_4/carchiolo.html.
  5. K. Van Marcke. GTE: An epistemological approach to instructional modeling//Instructional Science, 26 (3-4), 1998. 147-191.
  6. H. Nwana. Intelligent tutoring systems: an overview. Artificial Intelligence Review, 4 (4), 1990. 251-277.
  7. P. Brusilovsky. Adaptive navigation support: From adaptive hypermedia to the adaptive web and beyond//Knowledge creation diffusionutilization, 2 (1), 2004. 7-23. http://www.psychnology.org/File/psychnology_journal_2_1_brusilovsky.pdf.
  8. A. Zaknich. Principles of adaptive filters and self-learning systems (Advanced textbooks in control and signal processing). London: Springer-Verlag, 2005. P. 20.
  9. J. Piaget. Psychology of intelligence. London and New York: Routledge/Taylor & Francis, 1960. P. 8.
  10. J. Piaget. The origins of intelligence in children. New York: International University Press, 1952. P. 174.
  11. A. R. Damasio. The somatic marker hypothesis and the possible functions of the prefrontal cortex//Philosophical Transactions of the Royal Society B: Biological Sciences, 351 (1346), 1996, 1413-1420.
  12. A. Damasio, G. B. Carvalho. The nature of feelings: Evolutionary and neurobiological origins//Nature Reviews Neuroscience, 14, 2013. 143-152.
  13. J. Panksepp. Affective neuroscience: The foundations of human and animal emotions. New York: Oxford University Press, 1998. P. 50.
  14. H. M. Wellman. The child's theory of mind. Cambridge, MA: MIT Press, 1990. P. 100-109.
  15. K. Bartsch, H. M. Wellman. Children talk about the mind. New York & Oxford: Oxford University Press, 1995. P. 7.

Authors