文献

J-GLOBAL ID：202202286063591437   整理番号：22A1112986

人間の学習における認知バイアスの進化【JST・京大機械翻訳】

The evolution of cognitive biases in human learning

著者 (1件)： Park Peter S. (Department of Mathematics, Harvard University, 1 Oxford St., Cambridge, MA 02138, USA)
資料名： Journal of Theoretical Biology  (Journal of Theoretical Biology)
巻： 541  ページ： Null  発行年： 2022年 
JST資料番号： A0288B  ISSN： 0022-5193  CODEN： JTBIA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人々が環境フィードバックから学習するのに,持続的欠陥として見たとき,過小推論,ハードエシー効果,および再発性非単調信用のような認知バイアスは,進化的にpulingである。進化的展望からこれらの経験的にロバストな認知バイアスを説明するために,著者らは,先祖的人間認知に作用する一次選択圧力が環境フィードバックから個別に学習しないが,社会的にタスク特異的知識を学習するという文化的進化的理論的仮説に基づく先祖的人間学習のモデルを提案した。このモデルでは,古典的Bayesモデル,すなわち,先祖の人間学習者(学生)は,異なるタスクと役割モデルの間の切り替えのオプションで,役割モデルからタスク特有の知識を学習する試みを試みている。彼らの役割モデルからの学習の学生の方法は,それが成功する模倣学習またはデファクトイノベーション学習のいずれかであり,環境フィードバックを意味的に保持する生態学的適応コストが高いという先験的に不確かである。次に,学生の適合度最大化戦略は,それらの環境フィードバックを保持せず,モデルパラメータの選択に関して,前述の認知バイアスの全てによって特性化できる。特に,この学習環境における信頼の進化的に最適な推定のためには,反復的に非単調であるために,先祖の人間が試みられた模倣学習の正比例が,デファクトイノベーション学習として知識を知らせているので,必要(環境の限界支払い関数が妥当な定量的条件を満足する)が必要である。さらに,選択的社会的学習の生態学的に合理的な戦略は,経験的に文書化された方法において,反復的に非単調である信頼度の進化的に最適な推定を引き起こすことができる:減少の中間期間による一般的増加。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  信頼度 ,  認識 ,  モデル ,  生態学 ,  人間 ,  *バイアス ,  キャラクタリゼーション ,  ロバスト性
準シソーラス用語： 学習環境 ,  学習者 ,  モデルパラメータ ,  適合度 ,  *認知バイアス ,  模倣学習 ,  Bayes法 , 【Automatic Indexing@JST】

著者キーワード (11件)： 認知バイアス ,  過信 ,  不足 ,  ハードエasy効果 ,  非単調信頼 ,  決定理論 ,  因果推論 ,  Bayes更新モデル ,  文化的進化 ,  選択的社会学習 ,  生態学的合理性

分類 (4件)： 進化論一般  (EC03010Q) ,  応用心理学  (AE02000A) ,  神経の基礎医学  (GN01020W) ,  生殖生理一般  (EJ15010E)

タイトルに関連する用語 (4件)： 人間 ,  学習 ,  認知バイアス ,  進化