MétaCan
Menu
Retour à la cohorte
Enregistrement W4221114631 · doi:10.1111/cogs.13116

The Neural Correlates of Analogy Component Processes

2022· review· en· W4221114631 sur OpenAlexaff
John‐Dennis Parsons

Notice bibliographique

RevueCognitive Science · 2022
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensCarleton UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésAnalogyCognitive scienceComputer scienceInferenceComputational modelSchema (genetic algorithms)CognitionCognitive architectureCognitive neuroscienceComputational neuroscienceDeductive reasoningContext (archaeology)Artificial intelligencePsychologyNeuroscienceMachine learning

Résumé

récupéré en direct d'OpenAlex

Analogical reasoning is a core facet of higher cognition in humans. Creating analogies as we navigate the environment helps us learn. Analogies involve reframing novel encounters using knowledge of familiar, relationally similar contexts stored in memory. When an analogy links a novel encounter with a familiar context, it can aid in problem solving. Reasoning by analogy is a complex process that is mediated by multiple brain regions and mechanisms. Several advanced computational architectures have been developed to simulate how these brain processes give rise to analogical reasoning, like the "learning with inferences and schema abstraction" architecture and the Companion architecture. To obtain this power to simulate human reasoning, theses architectures assume that various computational "subprocesses" comprise analogical reasoning, such as analogical access, mapping, inference, and schema induction, consistent with the structure-mapping framework proposed decades ago. However, little is known about how these subprocesses relate to actual brain processes. While some work in neuroscience has linked analogical reasoning to regions of brain prefrontal cortex, more research is needed to investigate the wide array of specific neural hypotheses generated by the computational architectures. In the current article, we review the association between historically important computational architectures of analogy and empirical studies in neuroscience. In particular, we focus on evidence for a frontoparietal brain network underlying analogical reasoning and the degree to which brain mechanisms mirror the computational subprocesses. We also offer a general vantage on the current- and future-states of neuroscience research in this domain and provide some recommendations for future neuroimaging studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,365
Tête enseignante GPT0,464
Écart entre enseignants0,100 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognitive ScienceMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207