XiaoMi-AI文件搜索系统
World File Search System认知过程
![arXiv:2106.01503v1 [cs.AI] 2021 年 6 月 2 日](/simg/g:\will\search\icon\source\e\e1571bcb5bcb584c2a170e3c51159ee34ba9f241.png)
arXiv:2106.01503v1 [cs.AI] 2021 年 6 月 2 日
向最终用户提供有意义且可操作的解释是实现现实世界中可解释智能系统的基本前提。可解释性是用户与人工智能系统之间的情境交互，而不是静态的设计原则。解释的内容依赖于上下文，必须由有关用户及其上下文的证据来定义。本文试图通过提出一种从用户启发的角度定义解释空间的形成性架构来将这一概念付诸实践。该架构包括五个相互交织的组件，以概述任务的解释要求：（1）最终用户的心理模型，（2）最终用户的认知过程，（3）用户界面，（4）人类解释者代理和（5）代理过程。我们首先定义架构的每个组件。然后，我们介绍抽象解释空间，这是一种建模工具，它聚合了架构的组件，以支持设计人员系统地将解释与最终用户的工作实践、需求和目标保持一致。它指导需要解释的内容（内容 - 最终用户的心理模型）、为什么需要解释（背景 - 最终用户的认知过程）、如何解释（格式 - 人机解释代理和用户界面）以及何时给出解释。然后，我们在飞机维护领域的一个正在进行的案例研究中举例说明了该工具的使用。最后，我们讨论了该工具的可能贡献、已知的限制/改进领域以及未来要做的工作。
牛磺酸和咖啡因在Stroop干扰中的作用
摘要由约翰·里德利·斯特鲁普（John Ridley Stroop）于1935年创建的Stroop测试是对与抑制和注意力有关的认知能力评估之一（Stroop，1935）。在此测试中，参与者必须识别用于尽可能快速打印单词的墨水的颜色，而与单词的内容无关。基于先前研究的发现，咖啡因或咖啡因和牛磺酸的给药可能会对认知过程产生积极影响。它可以改善认知控制，减少干扰效应并增强任务性能，例如Stroop测试。本研究研究了咖啡因和牛磺酸如何影响认知过程，尤其是选择性关注。自变量（IV）是一种兴奋剂（咖啡因或牛磺酸）的消耗或不消耗，而因变量（DV）是完成Stroop测试所花费的时间。单向方差分析用于比较三组（对照，咖啡因和牛磺酸）之间完成Stroop测试的平均时间。60名参与者参加了该实验，并根据序列分配方法完成了Stroop测试，将它们随机分配给了基于它们给出的独立变量水平（IV）的三组之一（咖啡因，牛磺酸或对照[DECAF]）。此程序确保了该研究的标准化和道德化，并且收集的数据是有效的，并且
一个通过...研究设计思维的框架
摘要 本文提出了一个研究设计思维的框架。文中描述了三种测量设计认知过程的典型方法：设计认知、设计生理学和设计神经认知。每种典型方法都有特定的工具和方法。设计认知通过协议分析、黑箱实验、调查和访谈进行探索。设计生理学通过眼动追踪、皮肤电活动、心率和情绪追踪进行测量。设计神经认知使用脑电图、功能性近红外光谱和功能性磁共振成像进行测量。文中给出了一些示例来描述每种方法提供的关于设计思维特征的结果类型，例如设计模式、设计推理、设计创造力、设计协作、问题解决空间的共同演化或设计分析和评估。研究设计思维的三种典型方法的结果的三角测量为理解设计认知过程提供了协同基础。这些研究的结果为设计师、设计教育者和设计科学研究人员提供了反馈来源。新的模型、新的工具和新的研究问题从所提出的综合方法中诞生，并为研究设计思维奠定了未来的挑战。
通过测量设计师的思想、身体和大脑来研究设计思维的框架
摘要 本文提出了一个研究设计思维的框架。文中描述了三种测量设计认知过程的典型方法：设计认知、设计生理学和设计神经认知。每种典型方法都有特定的工具和方法。设计认知通过协议分析、黑箱实验、调查和访谈进行探索。设计生理学通过眼动追踪、皮肤电活动、心率和情绪追踪进行测量。设计神经认知使用脑电图、功能性近红外光谱和功能性磁共振成像进行测量。文中给出了一些示例来描述每种方法提供的关于设计思维特征的结果类型，例如设计模式、设计推理、设计创造力、设计协作、问题解决空间的共同演化或设计分析和评估。研究设计思维的三种典型方法的结果的三角测量为理解设计认知过程提供了协同基础。这些研究的结果为设计师、设计教育者和设计科学研究人员提供了反馈来源。新的模型、新的工具和新的研究问题从所提出的综合方法中诞生，并为研究设计思维奠定了未来的挑战。
教师是提高教学质量的关键 - 学习设计
有效教学的核心在于对大脑自然学习过程的深刻理解。“所有思维的母体”是一个概念框架，它统一了认知过程，并强调了大脑如何整合、组织和应用信息来培养批判性思维和解决问题的能力。通过结合内心语言、苏格拉底方法、翻转教学和一系列思维工具，教育者可以培养自我调节、更深入的理解和积极参与，从而创造一个充满活力的、以学生为中心的学习环境。
计算思维的神经关联
最近的技术进步引起了人们对编程技能的极大关注，尤其是对计算思维 (CT) 的提升，这是一种新的智力能力。然而，对其认知基础的理解是有限的。本研究使用功能性磁共振成像来检查编程的神经相关性，以了解 CT 的认知基础。具体来说，在参与者在心理上解决编程问题时收集磁共振成像信号，我们发现 CT 招募了分布式皮质区域，包括后顶叶皮质、内侧额叶皮质和左侧额叶皮质。这些区域与算术、推理和空间认知任务表现出广泛的单变量和多变量相似性。基于相似性，聚类分析显示，参与 CT 的皮质区域可分为推理、计算、视觉空间和共享组件。此外，在编程过程中，由这四个组件构建的 CT 网络内的连接性增加，而 CT 网络与其他皮质区域之间的连接性降低。总之，我们的研究揭示了 CT 背后的认知成分及其神经相关性，并进一步表明 CT 不是平行认知过程的简单总和，而是整合了一系列智力能力的复合认知过程，特别是科学、技术、工程和数学领域的智力能力。
注意力：多种类型、大脑共振、心理功能和意识状态
本文描述了注意力的神经模型。由于注意力不是一个脱离身体的过程，本文解释了大脑中的意识、学习、期望、注意力、共鸣和同步过程如何相互作用。这些过程表明注意力在我们一生中对动态稳定感知和认知学习起着关键作用。经典的物体和空间注意力概念被原型、边界和表面注意力的机械精确过程所取代。自适应共鸣触发自下而上的识别类别和自上而下的期望的学习，这有助于对我们的经验进行分类，并将原型注意力集中在预测行为成功的关键特征模式上。这些特征类别共鸣也维持了这些学习记忆的稳定性。不同类型的共振在视觉、听觉、感觉和认知过程中会引发功能上不同的意识体验，这些体验会被描述和解释，同时大脑皮层不同部分中注意力和解剖学上的关联也会不同。大脑皮层的所有部分都组织成分层电路。层状计算模型显示了注意力如何体现在典型的层状新皮层电路设计中，该设计整合了自下而上的过滤、水平分组和自上而下的注意力匹配。空间和运动过程遵循匹配和学习法则，这些法则在计算上与感知和认知过程遵循的法则互补。它们的法则适应一生中的身体变化，不支持注意力或意识状态。
非官方学位计划.xlsx
生命与物理科学 (15 小时) 030 3 BIOL 1441 4 3334 认知过程 3 4 3322 大脑与行为 3 4 0 9 3 语言、哲学与文化 (3 小时) ‐ 040 3 第 I 组 3310, 3312, 3314, 3319 3 第 II 组 3304, 3320, 3326, 3356, 4309, 4327 3 创作艺术 (3 小时) ‐ 050 第 III 组 3317, 3318, 4332, 4357 3 3 第 I、II 或 III 组 3 小计 0 12 美国历史 (6 小时) ‐ 060 3 3 PSYC 44XX（参加毕业学期） 4
心理学主要模板 - 亨特学院 - CUNY
o心理24300 - 认知过程* o心理31600 - 认知神经科学o心理32200 - 语言的心理学o心理o心理32400 - 沟通行为32500 o心理32500 - 动物认知o心理32800 o意识状态 - 意识状态 - 心理32900 o PSICONT 32900 o PSICONTIAN 3200认知发展o心理38300 - 认知心理学的当前主题•发展心理学
肯特学术资料库
摘要 伴随前庭功能障碍的失忆症状表明前庭和视觉记忆系统之间存在功能关系。然而，人们对其背后的认知过程知之甚少。作为起点，我们寻找一种跨模态相互作用的证据，这种相互作用通常在其他感觉模态之间观察到，在这种相互作用中，如果先前将目标（在本例中为视觉）与来自另一个感觉域（在本例中为前庭）的独特、时间上一致的刺激相结合，则更容易识别目标。参与者首先执行视觉检测任务，其中刺激出现在计算机网格内的随机位置。参与者不知道，一种特定刺激的开始伴随着短暂的亚感觉脉冲电前庭刺激 (GVS)。在两个视觉搜索实验中，当在先前检测任务中出现 GVS 配对视觉刺激的网格位置呈现时，旧目标和新目标都能更快地被识别。这种位置优势似乎是基于相对而非绝对空间坐标，因为当搜索网格旋转 90° 时，这种效果仍然有效。这些发现共同表明，当个体回到熟悉的视觉场景（此处为 2D 网格）时，如果目标出现在之前与独特的、与任务无关的前庭线索相关联的位置，则视觉判断会得到促进。这种多感官相互作用的新案例对于理解前庭信号如何影响认知过程具有更广泛的意义，并有助于限制 GVS 日益增长的治疗应用。