学校教育と脳科学 討論 寺尾 敦 青山学院大学社会情報学部
教育に寄与する脳科学研究(私見) 教育的な関心に基づいた研究 教育現場で用いられている材料を使う研究 脳科学データと認知モデルの突き合わせ 基礎研究がまだ十分でなくても,そうした研究を始めることは可能 脳科学データと認知モデルの突き合わせ 認知モデルは学校教育に有効な知見を提供 脳科学データだから可能なモデル検証(今井先生?) 教育現場へのフィードバックと実践的検討
ACT-Rのモデル ハイブリッド・システム 各モジュールは並列に走る symbolic(プロダクション) Subsymbolic(ニューラルネットワーク) 各モジュールは並列に走る 各モジュールの一部は,buffer(ex. Imaginal buffer)を通して参照可能 Bufferの内容に対して,プロダクションが発火
Type X=4 ACT-R Modules 3x-5=7 Manual Visual 3x=12 Procedural Module Imaginal Declarative Retrieve 7+5=12 Unwinding Retrieving Goal
Buffer 内容の変化例:28/(10-x)=4
Using fMRI to Test Models of Complex Cognition Simple task を用いた研究だけでは,人間のintellectual capacity が無視される危険がある(Anderson, et al. submitted) Complex task のモデルは複雑で,行動データだけで妥当性を検討することは難しい 反応時間を予測・説明可能であっても,プロセスの検証としては不十分
Using fMRI to Test Models of Complex Cognition モデルで各モジュールが “Active” である時間(長さ)の関数として,fMRIのBOLD信号を予測し,fMRIデータと照合する 利点 実際の課題に関する複雑なモデルの検証 Activeな部位で何が行われているかに関する事前の仮説がある fMRIデータ解析に柔軟性(外的eventでなく,Model でのeventを使用可能)
Type X=4 ACT-R Modules 3x-5=7 Manual Visual 3x=12 Procedural Module Imaginal Declarative Retrieve 7+5=12 Unwinding Retrieving Goal
Type X=4 ACT-R Modules 3x-5=7 Motor Fusiform Gyrus 3x=12 Caudate Parietal Prefrontal Retrieve 7+5=12 Unwinding Retrieving ACC