La asignatura de "Modelos Formales de Procesos Cognitivos" tiene dos objetivos básicos: en primer lugar pretende ser una introducción de los distintos tipos de formalismos en que se pueden expresar las ideas teóricas sobre los procesos psicológicos (modelos de procesamiento de la información, conexionismo, matemáticas, modelos dinámicos, etc.) convirtiendo esas ideas teóricas en modelos; en segundo lugar, pretende mostrar las características que deben disponer esos modelos formales en Psicología para poder realizar predicciones precisas y rigurosas de los fenómenos psicológicos a partir de las derivaciones formales que se realizan desde cada modelo. En consecuencia, no pretende enseñar al alumno modelos concretos de procesos psicológicos (aunque se revisarán algunos de ellos en las prácticas obligatorias para una adecuada comprensión de los conceptos) sino que pretende introducir al alumno en aspectos generales a todos los modelos tales como los requisitos básicos para poder interpretar los modelos correctamente, o los requisitos formales que deben mostrar y que nos permiten diferenciarlos en función de su bondad de ajuste a los datos empíricos.

Se trata de una asignatura de carácter teórico-aplicado debido a que, además de encontrarse dentro de los primeros 60 créditos y ser de carácter introductorio, el alumno estudiará los conceptos básicos sobre los modelos formales de procesos cognitivos desde un punto de vista global así como diversos casos prácticos de modelización aplicada a funciones psicológicas (en las prácticas obligatorias).

Para el seguimiento provechoso de esta asignatura es conveniente que los alumnos tengan conocimiento de los procesos psicológicos básicos (percepción, memoria, aprendizaje, etc.) y que conozcan los fundamentos del análisis de datos (estadística descriptiva e inferencial). Si bien la bibliografía básica está toda en castellano, también sería conveniente un nivel apropiado de lectura en inglés. Finalmente, es muy recomendable, aunque no imprescindible, la familiaridad con conceptos matemáticos de álgebra y cálculo.

 Nombre: Dr. D. José Manuel Reales Avilés.

Departamento: Metodología de las Ciencias del Comportamiento
Despacho: 2.59 
Horario de tutoría:  

Martes: de 10:00 a 14:00 horas.

Miércoles: de 10:00 a 14:00 horas.

Viernes: de 10:00 a 14:00 horas.

Teléfono: 91 398 79 33
Email: jmreales@psi.uned.es

Nota: se ruega al alumno que envíe sus preguntas no sólo a la plataforma Alf sino también al correo del profesor para una contestación más rápida.

Nombre: Dr. D. José Ángel Martínez-Huertas 

Departamento: Metodología de las Ciencias del Comportamiento

Horario de tutoría:  

Martes: de 10:00 a 14:00 horas.

Miércoles: de 10:00 a 14:00 horas.

COMPETENCIAS GENERALES

CGT3 - Saber identificar las necesidades y demandas de los contextos en los que se exige la aplicación de herramientas metodológicas y aprender a proponer las soluciones apropiadas.

CGT5 - Definir, medir y describir variables (personalidad, aptitudes, actitudes, etc.).

CGT7 - Analizar datos identificando diferencias y relaciones. Esto implica conocer las diferentes herramientas de análisis así como su utilidad y aplicabilidad en cada contexto.

COMPETENCIAS ESPECÍFICAS

CE1 - Conocer los principales modelos teóricos que subyacen en los diversos ámbitos específicos de investigación.

CE2 - Conocer los principales métodos y técnicas de investigación específicas y sus aportaciones en contextos científicos particulares.

Este curso, planteado bajo la modalidad a distancia, está basado en el aprendizaje autónomo. El estudio de la materia será a través de los materiales que pondremos en la plataforma informática Alf. Los materiales han sido seleccionados para ajustarse a la metodología a distancia. Como estrategias de aprendizaje de la asignatura se utilizarán:
·        Búsqueda de modelos formales en asignaturas previas de la carrera.
·        Estudio de textos básicos.
·        Aprendizaje cooperativo mediante la propuesta de proyectos de modelado.
 

Plan de trabajo

La distribución de la carga docente se estima de la siguiente forma:
·  Horas de contacto virtual a través de la plataforma (participación en foros, consulta de dudas, prácticas,
   grupos de trabajo, etc.): 1 ECTS (25 horas).
·  Estudio de textos básicos mediante la lectura de los dos trabajos obligatorios, 3 ECTS (75 horas).
·  Realización efectiva de estos trabajos y exámenes 2 (50 horas).

El alumno podrá preparar completamente la asignatura utilizando el material que se encuentra en la plataforma Alf (apartado “Materiales del curso”). Para ampliaciones del mismo, puede consultar la bibliografía complementaria.

           Aracil, J. (1997). Introducción a la dinámica de sistemas. Alianza
        Universidad Textos, Madrid.

Bender, E.A. (2000). An introduction to mathematical modeling (2nd. ed.). Mineola, NY: Dover.

Bossel, H. (2007). Systems and Models. Norderstedt: Books on Demand.

Cobos Cano, P. L. (2005). Conexionismo y Cognición. Madrid: Pirámide (Capítulos 8 y 10).

Dym, C. (2004). Principles of mathematical modeling (2nd. ed.). Burlington, MA: Elsevier/Academic Press.

Ellis, R & Humphreys, G. (1999). Connectionist Psychology. Hove: Psychology Press.

Fowler, A.C. (2008). Mathematical models in the applied sciences (2nd. ed.). Cambridge, UK: Cambridge University Press.

García, J. M. (2003). Teoría y ejercicios prácticos de dinámica de sistemas. Barcelona.

Hannon, B., & Ruth, M. (2001). Dynamic modeling (2nd. ed.). New York: Springer.

Jaber, M., & Sikström, S. (2004). A numerical comparison of three potential learning and forgetting models. International Journal of Production Economics, 92(3), 281-294.

Konar, A. & Lakhmi, J. (2005). Cognitive Engineering. A Distributed Approach to Machine Intelligence. Springer Verlag, London.

Lewandowsky, S. y Farrell, S. (2011). Computational modeling in cognition: Principles and practice. Sage publications.

Luce, R. D. (1999). Where is Mathematical Modeling in Psychology headed? Theory & Psychology, 9(6), 723-737.

McLeod, P, Plunkett, K. & Rolls, E.T. (1998). Introduction to Connectionist Modelling of Cognitive Processes. Oxford: OxfordUniversity Press.

Meerschaert, M.M. (2007). Mathematical modeling (3rd. ed.). San Diego, CA: Academic Press.

Meyer, W.J. (2004). Concepts of mathematical modeling (2nd. ed.). Mineola, NY: Dover.

Morrison, F. (2008). The art of modeling dynamic systems (2nd. ed.). Mineola, NY: Dover.

Neelamkavil, F. (1987). Computer simulation and modelling. John Wiley & Sons, New York.

Neufeld, R. W. J. (2007). Advances in Clinical Cognitive Science. Formal modelling of processes and symptoms. Washington, D.C. American Psychological Association.

Plunkett, K. & Elman, J.L. (1997). Exercises in rethinking innateness. A handbook for Connectionist Simulations. London: MIT Press.

Raaijmakers, J. G. W. & Shiffrin, R. M. (2002). Models of memory. In H. Pashler & D. Medin (Eds.), Stevens´ Handbook of Experimental Psychology, Third Edition, Volume 2: Memory and Cognitive Processes. New York: John Wiley & Sons, Inc., pp. 43-76.

Ríos, S. (1995). Modelización. Alianza Universidad, Madrid. (Capítulo 1).

Tong, K.K. (2007). Topics in mathematical modeling. Princeton, NJ: Princeton University Press.

El curso tiene grabadas todas las clases de la asignatura y están disponibles en la plataforma como video-clases.

Los recursos adicionales de la asignatura son muy amplios y accesibles, básicamente, a través de Internet. Se recomiendan simuladores de procesos cognitivos como COGENT (http://cogent.psyc.bbk.ac.uk/).

En la página Web http://people.cs.uchicago.edu/~wiseman/vehicles/ se puede interactuar mediante ordenador con diversos vehículos Braitenberg, propios del modelado físico, e incluso se pueden construir realmente mediante simples bloques electrónicos.

El programa gratuito OS4 de análisis estadístico dispone de un módulo para trabajar con redes neuronales. Se puede descargar en http://statpages.org/miller/openstat/