MétaCan
Menu
Retour à la cohorte
Enregistrement W2914734715 · doi:10.1002/9781118133880.hop204023

Reasoning and Problem Solving

2012· other· en· W2914734715 sur OpenAlexaff
Jacqueline P. Leighton, Robert J. Sternberg

Notice bibliographique

RevueHandbook of Psychology, Second Edition · 2012
Typeother
Langueen
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdaptive reasoningHeuristicsHeuristicRelevance (law)Computer scienceDeductive reasoningReasoning systemContext (archaeology)SituatedPsychology of reasoningCognitive scienceArtificial intelligenceManagement sciencePsychologyKnowledge representation and reasoningModel-based reasoning

Résumé

récupéré en direct d'OpenAlex

This chapter provides a revised review of the psychological literature on reasoning and problem solving. Four classes of deductive reasoning are presented, including rule (mental logic) theories, semantic (mental model) theories, evolutionary theories, and heuristic theories. Major developments in the study of reasoning are also presented such as unified theories of reasoning and neuroscientific evidence for reasoning performance. The section on reasoning concludes with factors that influence reasoning performance, for example, context, instructions, relevance, and emotions. The psychological literature on problem solving is presented by discussing knowledge representations and strategies, including production systems, parallel distributed processing systems, algorithms, and heuristics. Major theories of problem solving are reviewed such as Newell and Simon's theory of problem solving and Anderson's Adaptive Control of Thought—Rational (ACT-R). Next, situated or embodied problem solving, technology-based problem solving, and neuroscientific evidence for problem solving are discussed as new perspectives in the study of problem solving. Finally, the section on problem solving concludes by reviewing mental sets, strategy selection, the effects of experience level, and knowledge on successful problem solving.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,019
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,007
Communication savante0,0080,007
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

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 Opus0,020
Tête enseignante GPT0,284
Écart entre enseignants0,264 · 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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHandbook of Psychology, Second EditionMême sujetCognitive Science and MappingTravaux en français237 207