Peircean anti-psychologism and learning theory
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Taking influence from Peirce’s phenomenological categories (Firstness, Secondness, Thirdness), a notion of what we call bottom-up modeling has become increasingly significant in research areas interested in learning, cognition, and development. Here, following a particular reading of Peircean semiotics (cf. Deacon, Terrence. 1997. The symbolic species: The co-evolution of language and the brain . London and New York: W. W. Norton; Sebeok, Thomas and Marcel Danesi. 2000. The forms of meaning: Modelling systems theory and semiotic analysis . Berlin and New York: Mouton de Gruyter), modeling, and thus also learning, has mostly been thought of as ascending from simple, basic sign types to complex ones (iconic – indexical – symbolic; Firstness – Secondness – Thirdness). This constitutes the basis of most currently accepted (neo-Peircean) semiotic modeling theories and entails the further acceptance of an unexamined a priori coherence between complexity of cognition and complexity of signification. Following recent readings of Peirce’s post-1900 semiotic, we will present, in abbreviated form, a discussion as to the limits of this theoretical approach for theories of learning that draws upon Peirce’s late semiotic philosophy, in particular his late work on iconicity and propositions. We also explore the corollary conceptions of semiotic resources and competences and affordances to develop an ecological perspective on learning that notably does not impose a linear developmental progression from simple to complex. In conclusion, we address some of the implications of this (post-Peircean) conceptualization for transdisciplinary research into learning.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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