5 Conclusie Wat is intelligentie precies? Deze vraag stelde ik aan het begin van de scriptie en deze vraag zou ik nu weer kunnen stellen. Ook nu, een heleboel bladzijden later, hebben we nog steeds geen duidelijk antwoord op deze vraag. Waar we nu wel wat meer over weten, is hoe het ontwerpen van cognitieve modellen ons dichter bij het antwoord zou kunnen brengen. Het gaat dan met name om cognitieve modellen van ontwikkeling. Immers, als we begrijpen hoe het cognitieve systeem zich ontwikkelt, dan weten we ook meer over hoe de cognitie zelf in elkaar zit. De representational redescription theorie beschrijft de ontwikkeling van menselijke intelligentie. De intelligentie die dieren bezitten is beperkt. Bijen hebben bijvoorbeeld een vrij ingewikkelde dans waarmee ze aan elkaar kunnen doorgeven waar bloemen te vinden zijn. Deze dans verloopt echter volgens een vast stramien en kan alleen maar gebruikt worden om de locatie van bloemen aan te geven. Mensen ontwikkelen in hun leven een veel minder beperkte intelligentie, die overigens ook wel zijn grenzen heeft. Wij gaan voorbij vaste communicatiepatronen en handelingen. Representational redescription zorgt er onder andere voor dat mensen op vele manieren en over vele onderwerpen met elkaar kunnen communiceren, niet alleen over bloemen! Dit afstudeeronderzoek heeft de representaties op de verschillende niveaus van de RRtheorie echt vorm gegeven. Ook over de overgangsmechanismen, de redescriptions, weten we nu meer. Het eerste overgangsmechanisme (van niveau I naar niveau E1) is concreet gemaakt en gebruikt in de modellen. Het tweede overgangsmechanisme (van niveau E1 naar niveau E2/3) is nog niet in dat stadium, maar de modellen geven wel aanknopingspunten voor de invulling van dit mechanisme. Al met al kunnen we concluderen dat het hier beschreven onderzoek een brug heeft gebouwd tussen de RR-theorie en ACT-R en daarmee weer een steentje heeft bijgedragen aan de zoektocht naar de ware aard van menselijke intelligentie. 112
6B: Referenties • Anderson, J.R. (1990). The adaptive character of thought. Hillsdale, NJ: Lawrence Erlbaum. • Anderson, J.R., & Lebiere, C. (1998). The atomic components of thought. Mahwah, NJ: Lawrence Erlbaum Associates. • Clark, A., & Karmiloff-Smith, A. (1993) The cognizer's innards: A psychological and philosophical perspective on the development of thought. Mind & Language, 8(4), 487-519. • Halford, G.S., Smith, S.B., Campbell Dickson, J., Mayberry, M.T., Kelly, M.E., Bain, J.D., & Stewart, J.E.M. (1995). Modeling the development of reasoning strategies: The roles of analogy, knowledge, and capacity. In: T.J. Simon en G.S. Halford (eds.), Developing Cognitive Competence. Hillsdale, NJ: Lawrence Erlbaum Associates. • Johnson-Laird, P.N. (2001). Mental models and deduction. Trends in Cognitive Sciences, 5(10), 434-442. • Karmiloff-Smith, A. (1979a). A functional approach to child language: A study of determiners and reference. Cambridge, MA: Cambridge University Press. • Karmiloff-Smith, A. (1979b). Micro- and macro-developmental changes in language acquisition and other representational systems. Cognitive Science, 3, 81-118. • Karmiloff-Smith, A. (1979c). Problem-solving procedures in children's construction and representation of closed railway circuits. Archives de Psychologie, 1807, 37-59. • Karmiloff-Smith, A. (1990). Constraints on representational change: Evidence from children's drawing. Cognition, 34, 57-83. • Karmiloff-Smith, A. (1992). Beyond modularity: A developmental perspective on cognitive science. Cambridge, MA: MIT/Bradford Books. • Karmiloff-Smith, A. (1994). Précis of Beyond modularity: A developmental perspective on cognitive science. Behavioral and Brain Sciences, 17, 693-745. • Karmiloff-Smith, A., Grant, J., Sims, K., Jones, M.-C., & Cuckle, P. (1996). Rethinking metalinguistic awareness: Representing and accessing knowledge about what counts as a word. Cognition, 58, 197-219. • Karmiloff-Smith, A., & Inhelder, B. (1974/75). If you want to get ahead, get a theory. Cognition, 3, 195-212. • Laird, J.E., Newell, A., & Rosenbloom, P.S. (1987). Soar: An architecture for general intelligence. Artificial Intelligence, 33, 1-64. • Lebiere, C., Wallach, D., & Taatgen, N.A. (1998). Implicit and explicit learning in ACT-R. In Frank Ritter & Richard Young (eds.), Proceedings of the Second European Conference on Cognitive Modelling. Nottingham, UK: Nottingham University Press. • Logan, G.D. (1988). Toward an instance theory of automization. Psychological Review, 95, 492-527. • McClelland, J.L. (1995). A connectionist perspective on knowledge and development. In: T.J. Simon en G.S. Halford (eds.), Developing Cognitive Competence. Hillsdale, NJ: Lawrence Erlbaum Associates. • Reeves, L.M., & Weisberg, R.W. (1994). The role of content and abstract information in analogical transfer. Psychological Bulletin, 115, 381-400. • van Rijn, H., van Someren, M., & van der Maas, H. (in press). Modeling developmental transitions on the balance scale task. Cognitive Science. • Shultz, T.R., Schmidt, W.C., Buckingham, D., & Mareschal, D. (1995). Modeling cognitive development with a generative connectionist algorithm. In: T.J. Simon en G.S. Halford (eds.), Developing Cognitive Competence. Hillsdale, NJ: Lawrence Erlbaum Associates. 113