Lee und Anderson (2001) veröffentlichten einen Artikel, in dem sie argumentierten, dass das Erlernen einer komplexen Fertigkeit als das Erlernen verschiedener Teilfertigkeiten verstanden werden kann. Sie taten dies, indem sie eine hierarchische Aufgabenanalyse der Kanfer-Ackerman Air Traffic Control Task durchführten. Anschließend analysierten sie erneut einen Datensatz, in dem die Teilnehmer die Aufgabe in wiederholten Versuchen durchführten. Durch die Untersuchung von Schlüsselprotokollen konnten sie die Geschwindigkeit ermitteln, mit der Gesamtziele (z. B. Flugzeuge landen) sowie Teilaufgaben (z. B. Flugzeuge durch die Warteschleifen bewegen usw.) erreicht wurden. Anschließend analysierten sie die Beziehung zwischen Übung und Leistung (dh die Lernkurve) sowohl für die Gesamtaufgabe als auch für die Teilaufgaben. Insbesondere passen sie zu Potenzfunktionen mit drei Parametern.
Ich recherchiere derzeit, um Ähnlichkeiten und Unterschiede zwischen Gesamt- und Teilaufgaben-Lernkurven zu untersuchen, und ich bin sehr daran interessiert, andere Artikel zu identifizieren, die die Leistung von Teilaufgaben und Gesamtaufgaben modelliert haben. Die Lern- und Leistungsliteratur ist jedoch ziemlich breit und umfasst mehrere Disziplinen und ist daher etwas schwierig zu durchsuchen. Ich habe auch den zitierten Link für den Artikel auf Google Scholar ausprobiert .
Ich bevorzuge Studien, bei denen die abhängige Variable die Bearbeitungszeit der Aufgabe/Teilaufgabe ist, aber jede abhängige Variable, die die Leistung darstellt, wäre interessant.
Ich habe mich für dieses Thema aus einer anderen Richtung interessiert, nämlich wie man den Erwerb von hierarchisch zerlegbaren Verhaltensweisen des von Ihnen beschriebenen Typs modellieren kann; und wie diese Verhaltensweisen, wenn sie einmal erworben wurden, als „Primitive höherer Ordnung“ verwendet werden können, um anderes Lernen zu starten. Dies ist insbesondere für künstliche Intelligenz und maschinelles Lernen ein wichtiges Thema, um der kombinatorischen Explosion zu begegnen, die mit dem Lernen komplexer Aufgaben in realistischen Bereichen verbunden ist.
Bartoet al. (2004) bieten einen schönen Überblick, der das Standardparadigma des bestärkenden Lernens ändert, um diese hierarchischen Ideen zu berücksichtigen, und eine algorithmische Implementierung für eine einfache, aber nicht triviale Domäne enthält. Oudeyeret al. (2007) erläutern, wie Hierarchizität die Verhaltenserfassung effizienter machen kann, und implementieren ihren Algorithmus in einem Roboter in einem Entwicklungsumfeld. Botvinicket al. (2009) geben einen neueren Überblick über den Stand dieser Arbeit sowie einen Überblick über mögliche neuronale Korrelate einiger der Prozesse.
Zusammengenommen können diese Referenzen für Sie möglicherweise nützlich sein als Mitteilungen aus anderen Bereichen als dem, an dem Sie genau interessiert sind. Ich habe festgestellt, dass solche unterschiedlichen Formulierungen fruchtbare Quellen der Inspiration und Synthese sind.
Basierend auf dem Zitat von Anderson gehe ich davon aus, dass Sie sich ein wenig mehr mit der ACT-R-Literatur befasst haben - die Aufgabenanalyse ist eine häufige Voraussetzung für die Erstellung von ACT-R-Modellen, und Sie werden viele Aufgaben finden, die als eine Reihe von Aufgaben modelliert sind Teilaufgaben in einer Zielhierarchie. Nebenbei kenne ich jedoch keine ACT-R-Artikel, die sich speziell mit Ihrer interessierenden Frage befassen ...
In einem anderen Zusammenhang könnte Catrambone (1998) für Sie von Interesse sein – in diesem Artikel untersucht er, wie die Aufschlüsselung mathematischer Probleme in Teilziele den Schülern hilft, den Stoff besser zu lernen. Eine Behauptung ist, dass das Zerlegen eines Problems in kleinere Komponenten beim Transfer hilft, wenn ein neuartiges Problem aus einigen (aber nicht unbedingt allen) Komponenten besteht. Es eliminiert die Abhängigkeit von Routineleistungen, die häufig Hinweise aus vorherigen Schritten erfordern, um in nachfolgende Schritte übergehen zu können.
Catrambone, R. (1998). Das Teilziel Lernmodell: Bessere Beispiele schaffen, damit Schüler neuartige Probleme lösen können. Zeitschrift für experimentelle Psychologie: Allgemein, 127, 355-376. KOSTENLOSES PDF
Jerome Anglim