Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...

instantie? Aan het begin van iedere nieuwe fase heb je dit probleem opnieuw: waar komen de
eerste voorbeelden vandaan die de nieuwe informatie al bevatten? In het determinatorenmodel is
van het volgende principe uitgegaan: er zijn soms situaties waarin de waarden uit de omgeving zo
overduidelijk te bepalen zijn, dat het kind, zodra het bekend is met de juiste dimensies, heel
makkelijk de link kan leggen tussen de gehoorde determinator en de omgevingswaarden. Als het
dan om een functie gaat, die het kind eerst nog niet kende, dan slaat het kind deze gegevens op
als een nieuw soort voorbeeld. In het determinatorenmodel zijn alle slotwaarden strings van
letters, dus wordt voor de nieuwe rol een nieuwe waarde ingevuld, die om de leesbaarheid van het
model te vergroten, semantisch dicht bij de naam van de functie ligt (bijvoorbeeld hoeveelheidaangeven
voor de numerieke functie). Dit is een niet geheel bevredigende oplossing. Het idee, dat
het kind in extreem duidelijke situaties, soms direct een voorbeeld uit de omgeving weet te vissen,
is echter niet ondenkbaar. De (linguïstische) omgeving zit vol met redundantie en dat kan de
hendel zijn, die het hele analogieproces weet aan te zwengelen.
3.4 Vaste slotnamen
In een eerdere paragraaf is al opgemerkt dat de gebruikte analogieregels een soort specialisaties
zijn van meer algemene analogieregels. De zoek-een-voorbeeld-op-en-vul-de-ontbrekende-slotsvan-het-goal-in-acties
van de analogieregels, zou je best kunnen definieren, zonder precies de
slotnamen te gebruiken van het goal en het voorbeeld. In ACT-R is dit helaas niet mogelijk, omdat
slotnamen geen variabelen kunnen zijn. Deze beperking maakt het haast onmogelijk om in een
cognitief model gebruik te maken van heel breed inzetbare heuristieken. Ofwel je moet deze brede
heuristieken eerst met de hand vertalen naar de concrete situatie van het huidige model, of je
moet een extra proceduralisatieproces in het model inbouwen, die deze vertaling zelf uitvoert. Dit
laatste is de oplossing van Van Rijn et al. (in press). Zij combineren dit met generieke slotnamen
(bijvoorbeeld slot1, slot2 enz.) Dit maakt hun model wel een stuk minder makkelijk te begrijpen.
Om die reden, en om me meer op de leerprocessen te kunnen concentreren, heb ik gekozen voor
de andere aanpak: de analogieregels alvast specialiseren naar de huidige taak.
4 Verder onderzoek
De leidraad uit de vorige paragraaf geeft al een mooie voorzet voor toekomstig onderzoek. In deze
paragraaf wordt ingegaan op de wisselwerking tussen simulatiemodellen en empirisch onderzoek
en hoe deze interactie er in de toekomst uit zou kunnen zien.
4.1 De relatie tussen simulatiemodellen en empirisch onderzoek
Simulatiemodellen hebben een innige verhouding met empirisch onderzoek. Dat blijkt wel uit het
determinatorenmodel. Over het algemeen is de gang van zaken als volgt: empirisch onderzoek
levert experimentele resultaten. Er wordt een cognitief model gemaakt dat deze resultaten
repliceert en op grond daarvan worden conclusies getrokken over de cognitieve processen, die
zich in het hoofd van de proefpersonen afspelen. Meestal blijft het hierbij. Met het
determinatorenmodel is dat ook zo. De ambities in het werkveld van het cognitief modelleren
reiken echter verder. Om een cognitief model te maken moet je ontzettend veel aannames doen
en vaak gaat er een hoop formalisatie en theorievorming aan het ontwerpproces vooraf. Soms is
er al een formalisatie bekend, die min of meer aan de psychologische werkelijkheid is getoetst.
Een voorbeeld hiervan zijn de regels van Siegler, die Van Rijn et al. (in press) gebruiken voor hun
model van de taak met de balansschaal. Meestal is zo'n formalisatie echter niet aanwezig of lang
niet gedetailleerd genoeg. Het zou mooi zijn als de formalisatie die gebruikt is in een bepaald
cognitief model, gebruikt kan worden als input voor de psychologie. Het model doet voorspellingen
110