NO EXISTEN CAMBIOS
La guía de la asignatura ha sido actualizada con los cambios que aquí se mencionan.
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 educativa 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.
El objetivo general de esta asignatura es el de proporcionar a los estudiantes la formación fundamental en el modelado de procesos cognitivos desde una perspectiva amplia que abarque diversos tipos de modelos matemáticos, conexionistas y otros. Por tanto, el objetivo básico del curso es introducir al alumno en el modelado de los procesos cognitivos. Los objetivos condicionan las competencias que los estudiantes de esta asignatura deben adquirir. Estas son:
a) Competencias generales:
- Comprender qué son los procesos cognitivos y la terminología específica del proceso de modelado.
- Distinguir entre modelos formales vs. no formales de los procesos cognitivos.
- Conocer las características de distintos tipos de modelos (matemáticos, conexionistas, etc.), así como
conocer el proceso de modelización.
- Aprender mediante ejemplos concretos de procesos cognitivos (procesos perceptivos, mnésicos, etc.)
las características inherentes del modelado. Esto se realizará mediante las prácticas obligatorias.
b) Competencias concretas:
- Que el alumno sepa reconocer los rasgos que caracterizan a los modelos
cognitivos y pueda identificarlos en el ámbito de la Psicología.
- Reconocer similitudes y diferencias entre diferentes modelos en Psicología.
- Ser capaz de leer un diagrama de bloques.
- Ser capaz de deducir las consecuencias que se derivan del modelo o sistema.
- Adquirir mayor precisión en el razonamiento desde el modelo psicológico a los datos empíricos
obtenidos en la experimentación.
- Distinguir los distintos tipos de modelos matemáticos.
- Dentro del modelado conexionista, diferenciar el tipo de red conexionista, la regla de aprendizaje
utilizada, el tipo de conexiones y las capas de que consta un modelo concreto.
|
Tema 1
Introducción al modelado computacional en Psicología
Tema 3
Modelos bayesianos en cognición
Tema 4
Sistemas dinámicos en cognición
Tema 5
Modelado cognitivo basado en la lógica
Tem a7
Restricciones en las arquitecturas cognitivas
Tema 7
Estimación de parámetros y comparación de modelos
Tema 8
Modelos en Psicología
8.1.- Pasos en la modelización
8.2..- Exploración del modelo
8.3.- Análisis del modelo
8.4.- Suficiencia del modelo
8.5.- Necesidad del modelo
8.6.- Verosimilitud vs. realidad
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).
TIPO DE PRIMERA PRUEBA PRESENCIAL
|
Tipo de examen |
Tipo de examen |
No hay prueba presencial |
TIPO DE SEGUNDA PRUEBA PRESENCIAL
|
Tipo de examen |
Tipo de examen |
Examen mixto |
Preguntas test |
Preguntas test |
20 |
Preguntas desarrollo |
Preguntas desarrollo |
5 |
Duración |
Duración |
120 (minutos) |
Material permitido en el examen |
Material permitido en el examen |
Ninguno
|
Criterios de evaluación |
Criterios de evaluación |
Corrección y justificación de las preguntas.
|
% del examen sobre la nota final |
% del examen sobre la nota final |
60 |
Nota mínima del examen para aprobar sin PEC |
Nota mínima del examen para aprobar sin PEC |
5 |
Nota máxima que aporta el examen a la calificación final sin PEC |
Nota máxima que aporta el examen a la calificación final sin PEC |
10 |
Nota mínima en el examen para sumar la PEC |
Nota mínima en el examen para sumar la PEC |
4 |
Comentarios y observaciones |
Comentarios y observaciones |
|
CARACTERÍSTICAS DE LA PRUEBA PRESENCIAL Y/O LOS TRABAJOS |
CARACTERÍSTICAS DE LA PRUEBA PRESENCIAL Y/O LOS TRABAJOS
|
Requiere Presencialidad |
Requiere Presencialidad |
Si |
Descripción |
Descripción |
La prueba presencial aporta el 60% de la califiación.
|
Criterios de evaluación |
Criterios de evaluación |
Corrección y justificación de las repsuestas.
|
Ponderación de la prueba presencial y/o los trabajos en la nota final |
Ponderación de la prueba presencial y/o los trabajos en la nota final |
La prueba presencial aportará el 60% del total de la calificación y las PECs el 40% restante |
Fecha aproximada de entrega |
Fecha aproximada de entrega |
La prueba presencial se realizará en la convocatoria de junio |
Comentarios y observaciones |
Comentarios y observaciones |
|
PRUEBAS DE EVALUACIÓN CONTINUA (PEC) |
PRUEBAS DE EVALUACIÓN CONTINUA (PEC)
|
¿Hay PEC? |
¿Hay PEC? |
Si,PEC no presencial |
Descripción |
Descripción |
Se desarrollarán dos trabajos propios del área de modelización con una serie de preguntas que el alumno deberá razonar y contestar. Ambas PECs deberán enviarse al profesor a través de su correo personal con acuse de recibe.
|
Criterios de evaluación |
Criterios de evaluación |
Corrección y razonamiento en las respuestas.
|
Ponderación de la PEC en la nota final |
Ponderación de la PEC en la nota final |
40% |
Fecha aproximada de entrega |
Fecha aproximada de entrega |
En convocatoria ordinaria, el 1 de junio y en extraordinaria el 1 de septiembre |
Comentarios y observaciones |
Comentarios y observaciones |
|
OTRAS ACTIVIDADES EVALUABLES
|
¿Hay otra/s actividad/es evaluable/s? |
¿Hay otra/s actividad/es evaluable/s? |
No |
Descripción |
Descripción |
|
Criterios de evaluación |
Criterios de evaluación |
|
Ponderación en la nota final |
Ponderación en la nota final |
|
Fecha aproximada de entrega |
Fecha aproximada de entrega |
|
Comentarios y observaciones |
Comentarios y observaciones |
|
¿Cómo se obtiene la nota final?
|
Mediante la ponderación entre el resultado de la Prueba Personal (60%) y la media de las dos PECs (40%).
|
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/