개념 학습

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 개념의 유형
3. 현대 심리학 이론
4. 개념 학습의 편향
5. 개념 학습과 귀납적 추론의 문제
6. 한국 사회와 개념 학습
- 6.1. 교육에서의 개념 학습
- 6.2. 인물과 개념 학습
참조

1. 개요

개념 학습은 단순 암기나 구별을 넘어선 학습 과정으로, 구체적 개념과 추상적 개념, 관계적 개념과 연상적 개념, 복잡한 개념 등 다양한 유형이 존재한다. 심리학에서는 행동주의, 인지주의, 신경망 모델 등 다양한 이론을 통해 개념 학습을 설명하며, 규칙 기반 이론, 원형 이론, 사례 이론, 다중 원형 이론, 설명 기반 이론, 베이지안 이론 등이 대표적이다. 개념 학습은 편향의 영향을 받으며, 귀납적 추론과 유사한 문제점을 지닌다. 한국 사회에서는 교육, 사회적 불평등, 정치 등 다양한 분야에서 개념 학습이 중요한 역할을 한다.

더 읽어볼만한 페이지

학습 이론 - 학습이론
학습 이론은 19세기 말 연합설부터 시작하여 S-R설, 인지설을 거쳐 현대의 구성주의, 사회 학습 이론 등으로 발전해 왔으며, 교육학, 심리학, 컴퓨터 과학 등 여러 분야에서 연구된다.
학습 이론 - 학습 스타일
학습 스타일은 개인이 정보를 습득하고 처리하는 선호 방식을 나타내는 개념으로, 피터 허니와 앨런 멈포드의 모델, VAK 모델, VARK 모델 등이 있으며 교육 방법 개선에 활용되지만 과학적 근거 부족 논쟁이 있다.
인지심리학 - 의사결정
의사결정은 특정 결과를 위해 여러 선택지 중 하나를 고르는 과정으로, 불확실성, 인지적 편향, 구조에 따라 분류되며, 합리적, 비합리적 접근과 개인 및 집단 역학의 영향을 받고, 효과적인 의사결정을 위해 객관적인 정보와 인지적 편향 인식이 중요하며, 인공지능 발전으로 윤리적 논의가 필요하다.
인지심리학 - 인지주의
인지주의는 인간의 인지 과정을 정보 처리 모델로 설명하며 지식 획득, 기억, 문제 해결 등을 연구하는 학문으로, 의미있는 학습을 위한 능동적 참여와 메타인지 훈련의 중요성을 강조하지만 계산적 설명에 대한 비판과 철학적 한계 또한 존재하며, 상황인지, 분산 인지 등의 새로운 이론으로 다각적인 이해를 시도한다.
교육심리학 - 문제 해결
문제 해결은 목표 달성을 가로막는 장애물을 극복하는 과정으로, 다양한 분야에서 연구되며 추상화, 유추 등의 전략과 알고리즘을 활용하지만 인지적 장벽과 복잡성으로 인해 어려움을 겪을 수 있으며 집단적 문제 해결이나 꿈을 통해 극복 가능하다.
교육심리학 - 비판적 사고
비판적 사고는 정보를 객관적으로 분석하고 평가하여 합리적인 결론을 도출하는 사고 과정이며, 문제 해결, 의사 결정, 메타인지 등을 포함하고 오류를 피하며 이해하려는 노력을 강조한다.

개념 학습
개념 학습
정의	개념 학습은 인공지능에서 특정 개념이나 범주를 정의하는 속성 집합을 배우는 과정이다.
목표	알고리즘은 훈련 예제를 기반으로 개념의 일반적인 정의를 추론하여 보지 못한 예제도 정확하게 분류하는 것이다.
학습 방법	지도 학습 비지도 학습 강화 학습
적용 분야	패턴 인식 데이터 마이닝 컴퓨터 비전 자연어 처리
개념 학습 전략
스캐닝 전략	가설을 체계적으로 검증하며, 모든 가능한 속성을 고려하여 완벽한 일치를 찾는다.
보수적 초점 전략	초기에 하나의 가설을 설정하고, 예외가 발생하면 가설을 수정한다.
위대한 전략	가장 가능성이 높은 가설부터 시작하여, 반증될 때까지 유지한다.
파티셔닝 전략	여러 가설을 동시에 고려하며, 각 가설을 검증하여 범위를 좁혀나간다.
개념 학습 규칙
결합적 규칙	여러 속성이 동시에 만족되어야 개념에 속한다. (예: "빨간색 AND 큰 것")
분리적 규칙	여러 속성 중 하나 이상이 만족되면 개념에 속한다. (예: "빨간색 OR 큰 것")
관계적 규칙	속성 간의 관계를 기반으로 개념을 정의한다. (예: "A는 B보다 크다")
개념 학습 모델
원형 모델	개념의 가장 대표적인 예시(원형)를 기준으로 판단한다.
예제 모델	과거에 관찰한 모든 예시를 기억하고, 새로운 예시와 비교하여 판단한다.
규칙 기반 모델	명확한 규칙을 정의하여 개념을 판단한다.
개념 습득
개념 습득 단계	개념 형성: 경험을 통해 공통적인 속성을 추출하여 개념을 형성한다. 개념 동화: 새로운 정보를 기존 개념에 통합한다. 개념 조절: 기존 개념이 새로운 정보와 일치하지 않을 때 개념을 수정한다.
관련 연구
연구자	제롬 브루너 조지 밀러 레프 비고츠키
주요 연구	개념 형성 전략 인지 발달 단계 사회문화적 학습 이론

2. 개념의 유형

개념 학습은 단순한 기억이나 구별을 넘어, 귀납적 추론을 통해 개념을 습득하고 정교화하는 과정이다. 사실에 대한 기억 회상은 개념을 나타내는 이전 사례가 변하지 않는 "사소한" 개념적 과정으로 볼 수 있다. 변별 과정은 사례의 반복적인 제시를 통해 개념을 다듬는 데 관여하며, 이는 초기 개념 학습과는 다르지만 밀접하게 관련되어 있다. 개념 습득은 귀납적 학습에 기반을 두고 있으며, 유사한 예와 유사하지 않은 예를 비교하여 주제의 특징을 정의하는 것이 중요하다.^[4]

2. 1. 구체적 개념과 추상적 개념

구체적 개념은 개인의 감각과 지각으로 인식할 수 있는 객체이다. 개인적 상호 작용이 발생하여 개념을 형성하는 의자나 개와 같은 객체가 이에 해당한다.^[4] 개념은 우리가 연관시키기 위해 사용하는 단어에 인식 가능한 실체가 있을수록 더 구체화된다.^[5] 앨런 파이비오의 이중 부호화 이론에 따르면, 구체적 개념은 지각 기억 부호로부터 더 쉽게 기억되는 개념이다.^[6] 단어를 들으면 구체적 개념과 연관되어 이전의 모든 상호 작용을 감각 운동 시스템 내에서 재현한다는 증거가 있다.^[7] 학습에서 구체적 개념의 예로는 덧셈과 뺄셈과 같은 초기 교육 수학 개념이 있다.

추상적 개념은 감정, 성격 특성 및 사건을 다루는 단어와 아이디어이다.^[8] "환상" 또는 "차가움"과 같은 용어는 더 추상적인 개념을 가지고 있다. 모든 사람은 추상적 개념에 대한 개인적인 정의를 가지고 있으며, 이는 끊임없이 변화하고 비교된다. 예를 들어, 차가움은 주변 지역의 물리적 온도일 수도 있고 다른 사람의 행동과 성격을 정의할 수도 있다. 구체적 개념 내에서도 어느 정도의 추상성이 있지만, 구체적 개념과 추상적 개념은 척도로 볼 수 있다. 의자나 개와 같은 일부 아이디어는 지각에서 더 명확하지만, 차가움과 환상과 같은 개념은 더 모호하게 볼 수 있다. 추상적 개념 학습의 예로는 종교와 윤리와 같은 주제가 있다. 추상적 개념 학습은 규칙(예: 동일성, 차이점, 기이함, 큼, 덧셈, 뺄셈)을 기반으로 자극을 비교하고 새로운 자극일 때 나타난다.^[9] 추상적 개념 학습을 통해 자극의 참신함을 정의하기 위한 대체 설명을 배제하기 위해 세 가지 기준이 있다. 첫째, 전이 자극은 개인에게 새롭고, 개인에게 새로운 자극이어야 한다. 둘째, 전이 자극의 복제가 없다. 셋째, 완전한 추상적 학습 경험을 위해서는 기준선 수행과 전이 수행의 양이 동일해야 한다.^[9]

바인더, 웨스트버리, 맥키어난, 포싱 및 메들러(2005)는 fMRI를 사용하여 추상적 개념과 구체적 개념에 대한 어휘 결정을 내리는 동안 개인의 뇌를 스캔했다.^[10] 추상적 개념은 좌측 중심전회, 좌측 하전두회 및 고랑, 좌측 상측두회에서 더 큰 활성을 유발했고, 구체적 개념은 양측 각회, 우측 중측두회, 좌측 중전두회, 양측 후대상회 및 양측 설전부에서 더 큰 활성을 유발했다.

1986년 앨런 파이비오(Allan Paivio)는^[11] 이중 부호화 이론을 가설로 제시했는데, 이 이론은 언어 정보와 시각 정보가 모두 정보를 나타내는 데 사용된다고 주장한다. "개"라는 개념을 생각할 때, "개"라는 단어와 개의 이미지가 모두 떠오른다. 이중 부호화 이론은 추상적 개념이 언어 의미 체계를 포함하고 구체적 개념은 시각적 상상 체계와 추가적으로 관련된다고 가정한다.

2. 2. 관계적 개념과 연상적 개념

관계 개념 및 관련 개념은 어떤 형태로든 연결된 단어, 아이디어, 생각이다. 관계 개념의 경우 보편적인 정의로 연결된다. 일반적인 관계 용어는 위-아래, 좌-우, 음식-저녁 등이 있다. 이러한 아이디어는 어린 시절에 학습되며 어린이가 이해하는 데 중요하다.^[12] 이러한 개념은 보존 과제에 대한 우리의 이해와 추론에 필수적이다.^[13] 동사 및 전치사와 같은 관계 용어는 대상이 어떻게 이해되는지에 큰 영향을 미친다. 이러한 용어는 대상에 대한 더 큰 이해를 만들어낼 가능성이 더 높으며 다른 언어로도 적용될 수 있다.^[14]

연관 개념은 개인의 과거와 자신의 인식에 의해 연결된다. 연상 개념 학습(기능적 개념 학습이라고도 함)은 지각적 유사성과 관계없이 공통적인 반응이나 결과에 따라 자극을 적절한 범주로 분류하는 것을 포함한다.^[15] 이는 이러한 생각과 아이디어를 소수 또는 개인이 이해하는 다른 생각과 아이디어와 연관시키는 것이다. 이의 예시로 초등학교에서 나침반의 방향인 북, 동, 남, 서를 배울 때를 들 수 있다. 교사들은 "젖은 와플은 절대 먹지 마세요(Never Eat Soggy Waffles)", "시고 물렁한 벌레는 절대 먹지 마세요(Never Eat Sour Worms)"와 같은 문구를 사용했고, 학생들은 방향을 배우는 데 도움을 주기 위해 자신만의 버전을 만들 수 있었다.^[16]

2. 3. 복잡한 개념

스키마와 스크립트는 복잡한 개념의 예시이다. 스키마는 더 작은 개념(또는 특징)들의 조직이며, 이해를 돕기 위해 상황 정보에 따라 수정된다. 반면 스크립트는 사람이 원하는 목표를 달성하기 위해 따르는 일련의 행동이다. 스크립트의 예로 CD 구매 과정이 있다. CD를 실제로 구매하기 전에 수행해야 하는 몇 가지 작업이 있으며, 스크립트는 CD 구매에 성공하기 위해 필요한 작업의 순서와 적절한 순서를 제공한다.

3. 현대 심리학 이론

개념 학습에 대한 심리학적 이론은 다양하며, 행동주의, 인지주의, 신경망 모델 등 다양한 관점을 포함한다.

고전적 조건화와 강화 학습은 행동주의적 접근을 대표한다. 인지 심리학은 개념 형성에 대한 컴퓨터와 정보 흐름의 비유를 강조한다. 신경망 모델은 조지 밀러의 Wordnet과 같은 계층적 지식 구성 모델을 발전시켰으며, 요인 분석 또는 컨볼루션을 사용하는 학습의 계산 모델을 기반으로 한다. 또한, 칼 래슐리와 도널드 헵을 따라 학습의 신경과학 및 정신생리학 모델에도 영향을 주었다.

3. 1. 규칙 기반 이론

규칙 기반 개념 학습 이론은 인지 심리학과 if-then 프로덕션 규칙과 같은 계산 문을 사용하여 고급 컴퓨터 언어로 구현될 수 있는 초기 컴퓨터 학습 모델에서 시작되었다.^[1] 이들은 분류 데이터와 규칙 기반 이론을 입력으로 받으며, 이는 보다 정확한 데이터 모델을 생성하기 위한 규칙 기반 학습자의 결과이다.^[1] 개발된 대부분의 규칙 기반 모델은 휴리스틱하며, 이는 합리적인 분석이 제공되지 않았고 모델이 귀납적 통계적 접근 방식과 관련이 없음을 의미한다.^[1] 규칙 기반 모델에 대한 합리적 분석은 개념이 규칙으로 표현된다고 가정할 수 있으며, 그런 다음 합리적인 에이전트가 제공된 일부 관찰된 예와 함께 각 규칙에 어느 정도의 신념을 동의해야 하는지 질문할 것이다.^[1] 규칙 기반 개념 학습 이론은 지각 학습에 더 초점을 맞추고 정의 학습에는 덜 집중한다.^[1] 규칙은 자극이 단순한 것과는 반대로 혼동될 수 있을 때 학습에 사용될 수 있다.^[1] 규칙이 학습에 사용될 때 결정은 속성만을 기반으로 내려지며 많은 메모리가 필요하지 않은 단순한 기준에 의존한다.^[1]

규칙 기반 이론의 예:^[2]

"규칙 기반 분류를 사용하는 방사선 전문의는 X선 이미지의 특정 속성이 특정 기준을 충족하는지 관찰할 것이다. 예를 들어, 의심스러운 영역에서 다른 영역과 비교하여 밝기의 극심한 차이가 있는가? 결정은 그런 다음 이 속성만을 기반으로 한다."

3. 2. 원형 이론

원형 이론은 사람들이 경험한 예시들의 중심 경향(원형)을 추출하여 범주화 결정의 기준으로 삼는다고 주장한다.^[1]

이는 사람들이 모든 것이 정의에 부합하는 목록을 기반으로 범주화하는 것이 아니라, 중심적인 예시(들)과의 의미적 유사성을 기반으로 한 계층적 목록을 기반으로 범주화한다는 것을 의미한다. 원형 이론에서는 사람들이 주어진 범주의 하나 이상의 중심적인 예시를 기준으로 범주화하며, 그 뒤에는 점차 덜 전형적인 예시들의 반원이 따른다고 설명한다.^[1]

3. 3. 사례 이론

사례 이론은 특정 인스턴스(사례)를 저장하며, 새로운 객체는 해당 범주의 특정 알려진 구성원(및 비구성원)과 얼마나 유사한지에 따라서만 평가된다고 주장한다. 이 이론은 학습자가 예시를 '그대로' 저장한다고 가정한다. 이는 개념 학습을 매우 단순하게 보는데, 개별 속성만 표현되기 때문이다. 이러한 개별 속성은 추상적이지 않으며 규칙을 만들지 않는다. 사례 이론의 예로는 "물은 젖다"가 있다. 이는 물의 저장된 예시 중 일부(또는 하나, 또는 전부)가 젖는다는 속성을 가지고 있다는 것을 단순히 알고 있는 것이다. 사례 기반 이론은 지난 몇 년 동안 경험적으로 더 인기를 얻었으며, 인간 학습자가 초기 학습에서만 사례 기반 전략을 사용하고, 나중에 프로토타입과 일반화를 형성한다는 증거가 있다. 심리학 문헌에서 사례 모델의 중요한 결과 중 하나는 개념 학습의 복잡성에 대한 강조가 줄어든 것이다. 개념 학습에 대한 가장 잘 알려진 사례 이론 중 하나는 일반화된 문맥 모델(Generalized Context Model, GCM)이다.

사례 이론의 문제는 사례 모델이 사례 간의 유사성과 그룹 구성원을 결정하는 규칙, 이 두 가지 척도에 크게 의존한다는 것이다. 때로는 이러한 척도를 얻거나 구별하기 어려울 수 있다.

3. 4. 다중 원형 이론

최근 인지 심리학자들은 원형 모델과 사례 모델이 양극단을 형성한다는 생각을 탐구하기 시작했다. 두 극단적인 표현 외에도 사람들이 여러 개의 원형 표현을 형성할 수 있다는 제안이 나왔다. 예를 들어 '숟가락' 범주를 생각해 보자. 숟가락에는 두 개의 뚜렷한 하위 그룹 또는 개념 클러스터가 있다. 숟가락은 크고 나무로 만들어지거나 작고 금속으로 만들어지는 경향이 있다. 그렇다면 전형적인 숟가락은 금속과 나무가 혼합된 중간 크기의 물체가 될 텐데, 이는 분명 비현실적인 제안이다. 대신 '숟가락' 범주의 더 자연스러운 표현은 각 클러스터에 대해 하나씩, 여러 개(최소 두 개)의 원형으로 구성될 것이다. 이와 관련하여 여러 가지 제안이 이루어졌다^[1].^[2].^[3].^[4] 이러한 모델은 사례 모델과 원형 모델 사이의 절충안을 제시하는 것으로 간주될 수 있다.

3. 5. 설명 기반 이론

설명 기반 학습은 새로운 개념을 배우는 것은 그것의 사례들을 경험하고 기본적인 개요를 형성함으로써 이루어진다는 이론이다.^[1] 어떤 것의 특징을 관찰하거나 받음으로써, 마음은 그러한 특징을 가지고 그것에 의해 식별되는 개념을 형성한다.

1986년 미첼(Mitchell), 켈러(Keller) 및 케다르-카벨리(Kedar-Cabelli)가 제안한 원래의 이론은 설명 기반 일반화라고 불리며, 학습은 점진적인 일반화를 통해 발생한다고 한다.^[2] 이 이론은 처음에는 기계가 학습하도록 프로그래밍하기 위해 개발되었다. 인간의 인지에 적용하면 다음과 같이 번역된다. 마음은 하나 이상의 것에 적용되는 정보를 적극적으로 분리하여 사물의 범주에 대한 더 광범위한 설명에 입력한다. 이것은 어떤 것이 범주에 적합한 충분 조건을 식별함으로써 이루어지며, 이는 도식화와 유사하다.

수정된 모델은 일반화, 청킹, 작동화 및 유추의 네 가지 정신 과정의 통합을 중심으로 한다.^[3]

일반화는 개념의 본질적인 특징을 인식하고 라벨을 붙이는 과정이다. 예를 들어, 새는 깃털과 날개를 가지고 있다. 깃털과 날개를 가진 모든 것은 '새'로 식별될 것이다.
유사성 또는 관련성에 의해 정보가 정신적으로 그룹화될 때, 그 그룹을 청크라고 한다. 청크는 부분과 함께 하나의 항목에서 부분과 함께 많은 항목에 이르기까지 크기가 다양할 수 있다.^[4]
개념은 마음이 특징에 의해 그것의 사례를 적극적으로 인식하고 적절하게 라벨을 붙일 수 있을 때 작동화된다.^[5]
유추는 잠재적인 사례들 사이의 유사성을 인식하는 것이다.^[6]

개념 학습에 대한 이 특정 이론은 비교적 새로운 것이며, 그것을 테스트하기 위해 더 많은 연구가 수행되고 있다.

3. 6. 베이지안 이론

베이즈 정리는 인간의 마음이 해당 개념에 대해 본 예를 기반으로 특정 개념 정의에 대한 확률을 생성한다고 제안한다.^[22] 사전 확률에 대한 베이지안 개념은 지나치게 구체적이지 않으며, 가설의 가능도는 정의가 너무 광범위하지 않도록 보장한다.

예를 들어, 부모가 아이에게 세 마리의 말을 보여주고 이것을 "말"이라고 부른다고 가정해 보자. 아이는 이 단어가 어른의 뜻이 무엇인지 정확히 알아내야 한다. 그녀는 부자연스러운 개념인 "Clydedales를 제외한 모든 말"과 같은 이상하고 구체적인 예보다는 "말"이라는 단어를 이러한 유형의 동물 또는 모든 동물을 지칭하는 것으로 정의할 가능성이 훨씬 더 높다. 한편, 표시된 세 동물이 모두 매우 유사할 때 '모든 동물'을 의미하는 '말'이 나올 가능성은 낮다. "말"이라는 단어가 이 종의 모든 동물을 지칭한다는 가설은 합리적인 사전 확률과 주어진 예를 모두 갖고 있기 때문에 가능한 세 가지 정의 중 가장 가능성이 높다.

베이즈 정리는 데이터 분석에만 국한되지 않고 더 큰 관점을 취하는 데이터를 이해하고, 조작하고, 제어할 수 있는 강력한 도구를 제공하기 때문에 중요하다. 접근 방식은 주관적이며 사전 확률에 대한 평가가 필요하므로 매우 복잡하다. 그러나 베이지안이 축적된 증거와 베이즈 법칙의 적용이 충분하다는 것을 보여주면 작업은 관련된 입력의 주관성을 극복할 것이다. 베이지안 추론은 정직하게 수집된 모든 데이터에 사용될 수 있으며 과학적 초점으로 인해 큰 이점을 갖는다.

베이지안 개념 학습 이론을 통합한 모델 중 하나는 존 R. 앤더슨이 개발한 ACT-R 모델이다. ACT-R 모델은 인간 행동의 단계별 시뮬레이션을 생성하여 인간의 마음을 가능하게 하는 기본적인 인지 및 지각 작업을 정의하는 프로그래밍 언어이다. 이 이론은 인간이 수행하는 각 작업이 일련의 개별 작업으로 구성된다는 아이디어를 활용한다. 이 모델은 학습과 기억, 더 높은 수준의 인지, 자연어, 지각과 주의, 인간과 컴퓨터의 상호작용, 교육, 컴퓨터가 생성하는 힘에 적용되었다.

존 R. 앤더슨 외에도 조슈아 테넨바움은 개념 학습 분야에 기여해 왔다. 그는 베이지안 통계 및 확률 이론뿐만 아니라 기하학, 그래프 이론 및 선형 대수학을 통해 성인, 어린이 및 기계의 행동 테스트를 사용하여 인간 학습 및 추론의 계산 기반을 연구했다. 테넨바움은 컴퓨팅 측면에서 인간 학습을 더 잘 이해하기 위해 노력하고 있으며 인간 학습자의 역량에 더 가까운 컴퓨팅 시스템을 구축하려고 노력하고 있다.

4. 개념 학습의 편향

개념 학습은 역사적으로 개념이 갖는다고 가정되는 목표와 기능의 깊은 영향을 받아 연구되어 왔다. 연구는 개념의 기능이 학습 과정에 어떻게 영향을 미치는지 조사했으며, 이는 외부 기능에 초점을 맞춘다. 관련 기사 및 연구를 읽을 때, 잠재적인 편향을 인지하고 자료의 자격을 평가하는 것이 이 주제에서 필요하다.

5. 개념 학습과 귀납적 추론의 문제

일반적으로 기계 학습을 위한 개념 학습의 이론적 문제는 귀납적 추론의 근본적인 문제와 같다. 이러한 문제는 버전 공간, 통계적 학습 이론, PAC 학습, 정보 이론, 그리고 알고리즘 정보 이론과 같은 주제에 대한 문헌을 포함하여 매우 다양한 출판물에서 다루어진다. 몇몇 광범위한 이론적 아이디어는 와타나베(1969, 1985), 솔로모노프(1964a, 1964b), 렌델(1986)에 의해서도 논의되었다.^[1]

6. 한국 사회와 개념 학습

한국 사회에서 개념 학습은 교육 현장에서 중요한 역할을 한다. 특히, 주입식 교육의 문제점을 극복하고 학생들의 능동적인 참여를 유도하기 위해 개념 학습의 중요성이 강조되고 있다.

6. 1. 교육에서의 개념 학습

교육 및 학습에서의 개념 달성은 능동적인 학습 방법이다. 따라서 개념 달성을 구현하기 위해 학습 계획, 방법 및 목표를 선택할 수 있다.

데이비드 퍼킨의 '지식은 설계다' 연구는 다음과 같은 학습 계획 질문을 제시한다.^[17]

질문	내용
1) 개념의 핵심 속성은 무엇인가?
2) 개념의 목적은 무엇인가?
3) 개념의 모델 사례는 무엇인가?
4) 개념을 학습해야 하는 이유는 무엇인가?

M. D. 메릴의 구성 요소 표시 이론(CDT)은 학습자에게 기대되는 수행 수준과 학습해야 할 자료의 내용 유형이라는 두 가지 차원 간의 상호 작용에 초점을 맞춘 인지 행렬이다. 메릴은 학습자의 수행 수준을 찾기, 사용하기, 기억하기로 분류하고, 자료 내용은 사실, 개념, 절차, 원칙으로 분류한다. 이 이론은 또한 네 가지 주요 제시 형태(규칙, 예시, 회상, 연습)와 여러 다른 보조 제시 형태(사전 요구 사항, 목표, 도움말, 기억술, 피드백)를 요구한다. 완전한 학습 내용은 주요 제시 형태와 보조 제시 형태의 조합을 포함하지만, 가장 효과적인 조합은 학습자마다 다르며 개념마다 다르다. CDT 모델의 또 다른 중요한 측면은 학습자가 사용되는 교수 전략을 제어하고 자신의 학습 스타일과 선호도에 맞게 조정할 수 있다는 것이다. 이 모델의 주요 목표는 개념 형성에서 흔히 발생하는 세 가지 오류, 즉 과잉 일반화, 과소 일반화 및 오해를 줄이는 것이었다.

한국 교육 현실에서는 CDT 모델을 적용하여 개념 형성 오류를 줄이고, 학습자 중심의 교육 전략을 개발하는 것이 중요하다. 특히 주입식 교육의 문제점을 개선하고, 학생들의 능동적인 참여를 유도하는 학습 환경을 조성해야 한다.

6. 2. 인물과 개념 학습

존 R. 앤더슨은 ACT-R 모델을 개발하여 개념 학습 이론 발전에 기여했다. ACT-R 모델은 인간 행동의 단계별 시뮬레이션을 생성하여 인지 및 지각 작업을 정의하는 프로그래밍 언어이다. 이 모델은 인간이 수행하는 각 작업이 일련의 개별 작업으로 구성된다는 아이디어를 활용하며, 학습, 기억, 고차 인지, 자연어, 지각 및 주의, 인간-컴퓨터 상호 작용, 교육 등 다양한 분야에 적용되었다.

조슈아 테넨바움은 베이지안 통계, 확률 이론, 기하학, 그래프 이론, 선형 대수학 등을 활용하여 인간 학습 및 추론의 계산적 기초를 연구하며 개념 학습 분야에 기여했다. 그는 인간 학습을 계산적 측면에서 더 잘 이해하고, 인간 학습 능력에 더 가까운 컴퓨팅 시스템을 구축하고자 노력한다.

참조

_[1] 서적 A Study of Thinking https://jan.ucc.nau.[...] Chapman & Hall, Limited 1956
_[2] 웹사이트 Concept Learning https://web.cs.hacet[...]
_[3] 웹사이트 Concept Attainment https://www.csun.edu[...] 2022-08-09
_[4] 서적 Mind and Its Evolution : a Dual Coding Theoretical Approach. Taylor and Francis 2014
_[5] 간행물 Distinct Brain Systems for Processing Concrete and Abstract Concepts 2005-06-01
_[6] 서적 Mind and Its Evolution
_[7] 간행물 Cortex special issue: Language and the motor system 2012-07
_[8] 간행물 Content Differences for Abstract and Concrete Concepts 2005-09-10
_[9] 간행물 Issues in the Comparative Cognition of Abstract-Concept Learning 2007-01-01
_[10] 간행물 Distinct Brain Systems for Processing Concrete and Abstract Concepts 2005-06-01
_[11] 서적 Mental representations: A dual coding approach Oxford University Press 1986
_[12] 서적 The Psychoeducational Assessment of Preschool Children Lawrence Erlbaum associates 2004
_[13] 간행물 The Development of Relational Concepts in Three-and Four-Year-Olds 1979-09
_[14] 간행물 Relational language and the development of relational mapping 2005-06
_[15] 서적 Comparative Cognition Experimental Explorations of Animal Intelligence Oxford University Press 2009-04-08
_[16] 웹사이트 Wind Directions:North, East, South, West https://www.mnemonic[...]
_[17] 문서 Concept attainment - California state university, Northridge https://www.csun.edu[...] 2022-08-09
_[18] 서적 International Encyclopedia of the Social & Behavioral Sciences
_[19] 서적 Structural Biases in Concept Learning
_[20] 간행물 Bayesian modeling of human concept learning http://web.mit.edu/c[...] 2018-01-30
_[21] 웹인용 Jerome Bruner on Concept Attainment Strategies https://jan.ucc.nau.[...] 2022-11-06
_[22] 저널 인용 Bayesian modeling of human concept learning http://web.mit.edu/c[...] 2018-01-30

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com