MétaCan
Menu
Retour à la cohorte
Enregistrement W1780719601 · doi:10.7551/mitpress/9780262019583.003.0002

How Insight Emerges in a Distributed, Content-Addressable Memory

2013· book-chapter· en· W1780719601 sur OpenAlexfundno aff
Liane Gabora, Apara Ranjan

Notice bibliographique

RevueThe MIT Press eBooks · 2013
Typebook-chapter
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaVlaamse regering
Mots-clésCreativityMAGIC (telescope)Task (project management)Cognitive scienceStimulus (psychology)PsychologyCognitive psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Creativity paradoxically involves studying how someone pulls out of their brain something that was never put into it, something new and useful, or appropriate to the task at hand. Even if we determine which areas of the brain are active and how these areas interact during creative thought, we will not have explained how the brain generates useful novelty. However, since the representational capacity of neurons emerges at a level that is higher than that of individual neurons, the inner workings of neurons is too low a level to explain creativity. Thus, this chapter focuses at a level midway between gross brain regions and neurons. Since creativity involves combining concepts from different domains, or seeing ideas from new perspectives, we examine the neural mechanisms underlying the representation of concepts and ideas, and show how novelty arises through activation of new regions of overlap between distributed aggregates of neurons. Neurons that would be active during associative (or divergent) thought, but not during analytic (or convergent) thought, are referred to as ‘neurds’. We explain why neurds are key to understanding the neural mechanisms underlying creativity, and show with examples how creativity benefits from the capacity to shift between these modes of thought.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,010
Communication savante0,0100,025
Science ouverte0,0020,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,145
Tête enseignante GPT0,310
Écart entre enseignants0,165 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe MIT Press eBooksMême sujetCreativity in Education and NeuroscienceTravaux en français237 207