MétaCan
Menu
Retour à la cohorte
Enregistrement W3183380213 · doi:10.22215/etd/2021-14605

A Model-Driven Approach to Integrated Cognition

2021· dissertation· en· W3183380213 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueAI-based Problem Solving and Planning
Établissements canadiensCarleton University
Organismes subventionnairesFriends of The Mater Foundation
Mots-clésComputer scienceCognitive architectureCognitionCognitive scienceCognitive modelImplementationTask (project management)Common groundDomain (mathematical analysis)Conceptual modelArtificial intelligenceHuman–computer interactionSoftware engineeringPsychologySystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Cognitive Architectures are used to test theoretical and conceptual frameworks identifying and explaining the underlying components of thought, namely the essential structures, mechanisms, and processes realized through models of human-like information processing. They define and prescribe those boundaries deemed both necessary and sufficient for intelligent agents based on our current understanding of human cognition. The Common Model of Cognition (CMC) attempts to establish a community consensus on theoretical commitments and assumptions built into commonly used architectures, and group the assumptions according to structure and processing, memory, learning, and perceptual interfaces. The CMC remains a verbal-conceptual consensus across broad theories essential for general phenomenon (i.e., a Meta-Model of Cognition), however, lacks a formal specification to support domain-general task model comparisons for evaluation and validation of new theories implemented in new or existing architectures, or specific micro-theoretic implementations as cognitive architecture models and task models. Thus, a lack of a formal model supporting the CMC inhibits exploration of philosophical enquiries iii about core theoretical assumptions, and the adoption of refined peripheral theories across architectures. This thesis presents a formal meta-model specific to the constraints represented at Newell's Cognitive level using the principles of Model-Driven Design (MDD) to encapsulate these entities and relationships across architectures. This formal model can be used as a framework generator, and to specify the abstract interfaces common across Common Model agents, allowing modelers to explore verbal-conceptual theories through experimentation with virtual environments, further supporting a common ground. Frameworks generated through MDD support an empirical evaluation and comparison of variations on the Common Model for the purpose of application to Artificial Intelligence problem domains, lending additional credibility to computational cognitive modeling as a formal discipline, and the Cognitive Science research enterprise as a whole.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil0,900

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,261
Écart entre enseignants0,229 · 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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAI-based Problem Solving and PlanningTravaux en français237 207