Tóm tắt tài liệu: A Theory of Causal Learning in Children: Causal Maps and Bayes Nets.
Tác giả: Gopnik, Alison; Glymour, Clark; Sobel, David M.; Schulz, Laura E.; Kushnir, Tamar; Danks, David
Năm xuất bản: 2004
Nguồn: Psychological Review
DOI: https://doi.org/10.1037/0033-295x.111.1.3
Tóm tắt
The authors outline a cognitive and computational account of causal learning in children. They propose that children use specialized cognitive systems that allow them to recover an accurate "causal map" of the world: an abstract, coherent, learned representation of the causal relations among events. This kind of knowledge can be perspicuously understood in terms of the formalism of directed graphical causal models, or Bayes nets. Children's causal learning and inference may involve computations similar to those for learning causal Bayes nets and for predicting with them. Experimental results suggest that 2- to 4-year-old children construct new causal maps and that their learning is consistent with the Bayes net formalism.
Thông tin trích dẫn
Gopnik, A., Glymour, C., Sobel, D. M., Schulz, L. E., Kushnir, T., & Danks, D. (2004). A Theory of Causal Learning in Children: Causal Maps and Bayes Nets. Psychological Review. https://doi.org/10.1037/0033-295x.111.1.3
Liên kết với bài chính
Bài tóm tắt này thuộc bộ sưu tập 84 tài liệu tham khảo của bài nghiên cứu Google Maps cho thế giới bên trong: Hệ thống định hướng từ thực tại hiện tại đến thực tại mong muốn. Bài chính trích dẫn tài liệu này trong luận cứ về hệ thống định hướng và thay đổi hành vi.