개념학습

Concept learning

카테고리 학습, 개념 달성, 개념 형성으로도 알려진 개념 학습은 브루너, 굿나우, & 오스틴(1967)에 의해 "다양한 카테고리의 비예시자와 예시를 구별하는 데 사용할 수 있는 속성의 검색 및 목록"으로 정의된다. 좀 더 간단히 말해서, 개념은 우리가 사물, 사건 또는 아이디어를 분류하는데 도움을 주는 정신적 범주로서, 각각의 사물, 사건 또는 아이디어는 일련의 공통적인 관련 특징들을 가지고 있다는 이해를 기반으로 한다. 따라서 개념 학습은 개념 관련 특징을 포함하는 그룹이나 범주를 개념 관련 특징을 포함하지 않는 그룹이나 범주와 비교하고 대조하도록 요구하는 전략이다.

개념 학습 과제에서, 인간 또는 기계 학습자는 클래스 라벨과 함께 일련의 예시 대상들을 보여줌으로써 대상을 분류하도록 훈련 받는다. 학습자는 관찰한 내용을 예시 형식으로 응축하여 단순화한다. 학습한 내용의 단순화된 이 버전은 이후 사례에 적용된다. 개념 학습은 많은 분야에서 이루어지기 때문에 간단하거나 복잡할 수 있다. 개념이 어려울 때는 학습자가 단순화할 수 있는 가능성이 낮아져 학습 가능성이 낮아진다. 구어적으로 그 일은 예에서 배우는 것으로 알려져 있다. 개념 학습의 대부분의 이론은 예시를 저장한 것에 기초하고 어떤 종류의 요약이나 추상화를 피한다.

  • 개념 학습: 입력 및 출력의 교육 예제에서 부울 값 함수 유추.
  • 개념은 주어진 개념을 구성하는 그것의 모든 특징이나 속성을 결합하여 형성된 어떤 것에 대한 개념이다. 모든 개념에는 두 가지 요소가 있다.
    • 속성: 데이터 인스턴스가 긍정적인 개념인지 여부를 결정하기 위해 반드시 찾아야 하는 기능.
    • 규칙: 속성에 대한 제약조건의 결합이 개념의 긍정적인 예로서 적합한 것을 나타낸다.

개념 유형

개념학습은 기억에서 무언가를 암송하거나(리콜) 차이가 나는 두 가지(차별)를 구별하여 학습하는 것과 구별되어야 한다. 그러나, 사실에 대한 기억 리콜은 개념을 대표하는 이전의 예들이 불변하는 "다양한" 개념 과정으로 간주될 수 있기 때문에, 이러한 이슈들은 밀접하게 관련되어 있다. 마찬가지로 차별은 초기 개념 학습과 동일하지 않지만, 차별 과정은 모범 사례의 반복적인 제시를 통해 개념을 다듬는 과정에 관여한다.

구체적 또는 지각적 개념 대 추상적 개념

구체적인 개념은 개인의 감각과 인식에 의해 인식될 수 있는 대상이다. 이것들은 의자나 개와 같은 물체들과 개인적인 상호작용이 일어나 개념을 만들어낸다.[1] 개념은 우리가 그것과 연관시킬 때 사용하는 단어가 인지할 수 있는 실체를 가질수록 더욱 구체화된다.[2] 파이비오의 이중 부호화 이론에 따르면, 구체적인 개념은 그들의 지각 메모리 코드에서 더 쉽게 기억되는 개념이다.[3] 증거는 단어가 들렸을 때 그것들이 구체적인 개념과 연관되어 있고 센서리모터 시스템 내에서 단어와 이전의 모든 상호작용을 재현한다는 것을 보여주었다.[4] 학습에서 구체적인 개념의 예는 덧셈과 뺄셈과 같은 초기 교육 수학 개념들이다.

추상적인 개념은 감정, 성격적 특성, 사건을 다루는 말과 사상이다.[5] "환상"이나 "냉상"과 같은 용어는 그 안에 더 추상적인 개념을 가지고 있다. 모든 사람은 추상적인 개념에 대한 개인적인 정의를 가지고 있다. 예를 들어, 추위는 주변의 물리적 온도를 의미하거나 다른 사람의 행동과 성격을 규정할 수 있다. 구체적인 개념 안에는 여전히 추상성의 수준이 있지만, 구체적이고 추상적인 개념은 척도로 볼 수 있다. 의자나 개와 같은 어떤 아이디어들은 그들의 인식에서 더 잘리고 건조하지만, 차갑고 환상 같은 개념들은 더 불명확한 방법으로 볼 수 있다. 추상적인 개념 학습의 예는 종교와 윤리 같은 주제들이다. 추상 개념 학습은 규칙(예: 정체성, 차이, 홀수성, 보다 큼, 덧셈, 뺄셈)에 근거한 자극의 비교와 새로운 자극일 때를 보는 것이다.[6] 추상 개념 학습에서는 자극의 새로움을 정의하기 위한 대안적 설명을 배제하기 위한 세 가지 기준이 있다. 하나의 전달 자극은 개인에게 새로운 것이어야 한다. 이는 개인에게 새로운 자극제가 되어야 한다는 것을 의미한다. 둘째, 전달 자극의 복제가 없다. 셋째, 마지막으로, 완전한 추상적 학습 경험을 갖기 위해서는 동일한 양의 기준 수행과 이전 수행이 있어야 한다.[6]

바인더, 웨스트베리, 맥키어넌, 포싱, 메들러(2005)는 추상적이고 구체적인 개념에 대해 어휘적인 결정을 내릴 때 fMRI를 사용하여 개인의 뇌를 스캔했다.[7] 추상적 개념은 좌심전두회, 좌하전두회 및 설커스, 좌상두두두회 등에서 더 큰 활성화를 유도한 반면, 구체적인 개념은 양각두회, 우중두두두회, 좌중두두회, 양후두정두회, 양측후두정회 등에서 더 큰 활성화를 이끌어냈다.불안의

1986년 앨런 파이비오는[8] 정보를 나타내기 위해 언어적 정보와 시각적 정보가 모두 사용된다는 이중 부호화 이론을 가설했다. '개'라는 개념을 생각할 때, 개라는 단어와 개의 이미지가 모두 떠오른다. 이중 코딩 이론은 추상적인 개념들이 언어 의미 체계를 포함하고 구체적인 개념들이 시각적 상상 시스템과 추가적으로 관련되어 있다고 가정한다.

정의(또는 관계) 및 관련 개념

관계적 개념과 연관적 개념은 어떤 형태로든 연결되는 단어, 아이디어, 생각들이다. 관계 개념의 경우 그것들은 보편적인 정의로 연결되어 있다. 일반적인 관계 용어는 하향식, 좌우익식, 식객식이다. 이러한 생각들은 우리의 어린시절에 배우며 아이들이 이해하는데 중요하다.[9] 이러한 개념들은 보존 작업에서 우리의 이해와 추론에 필수적이다.[10] 동사와 전치사인 관계용어는 사물이 어떻게 이해되는가에 큰 영향을 미친다. 이러한 용어들은 사물에 대한 더 큰 이해를 창출할 가능성이 높으며 다른 언어로 넘어갈 수 있다.[11]

관련 개념은 개인의 과거와 자신의 인식으로 연결된다. 연상개념학습(기능개념학습이라고도 함)은 지각적 유사성과 무관하게 공통의 반응이나 결과에 근거한 자극을 적절한 범주로 분류하는 것을 포함한다.[12] 이것은 이러한 사상과 사상을 소수나 개인이 이해하는 다른 사상과 연관시키는 것이다. 그 예로 나침반의 방향을 배울 때 초등학교를 들 수 있다. 선생님은 "Never Eat Sogy Waffles," "Never Eat Sour Worms"를 사용했고 학생들은 방향을 배우는 것을 돕기 위해 그들만의 버전을 만들 수 있었다.[13]

복잡한 개념. 스키마나 스크립트와 같은 구성은 복잡한 개념의 예다. 스키마는 더 작은 개념(또는 특징)을 가진 조직이며 이해를 돕기 위해 상황 정보에 의해 수정된다. 반면에 대본은 원하는 목표를 달성하기 위해 사람이 따르는 행동의 목록이다. 대본의 예로는 CD를 구입하는 과정이 있을 것이다. CD를 구입하는 실제 행위 이전에 발생해야 하는 몇 가지 행위가 있으며, 스크립트는 CD를 구입하는데 성공하기 위해 필요한 조치와 적절한 순서를 제공한다.

개념을 배우는 방법

Discovery – 모든 아기들은 손가락 하나 하나가 개별적으로 제어될 수 있거나 돌보는 사람이 개인이라는 것을 발견하는 것과 같은 개념을 스스로 발견한다. 이것이 인식 주도라고는 하지만 개념 형성은 인식 외우기 그 이상이다.

예 – 예시로부터 감독되거나 감독되지 않은 일반화는 새로운 개념을 배우게 할 수 있지만, 개념 형성은 예시로부터 일반화하는 것 이상이다.

단어 – 새로운 단어를 듣거나 읽으면 새로운 개념을 배우게 되지만, 새로운 개념을 형성하는 것은 사전 정의를 배우는 것 이상이다. 사람은 그것에 대한 단어나 구를 접하기 전에 이전에 새로운 개념을 형성했을 수도 있다.

예시 비교 및 대조 – 새로운 범주를 학습하고 새로운 범주 분류 규칙을 유도하는 효율적인 방법은 몇 가지 예시 객체를 비교하는 동시에 범주적 관계에 대한 정보를 얻는 것이다. 두 예가 동일한 범주에서 왔다는 정보를 접하면서 두 예시를 비교하면 범주 내에서 변동성을 예시하기 때문에 범주 구성원이 공유하는 속성을 식별할 수 있다. 한편, 두 예가 서로 다른 범주의 것이라는 정보를 접하면서 두 예시를 대조하면 진단 값을 가진 속성을 식별할 수 있을 것이다. 범주 비교 내에서와 범주 간 대비는 범주 학습에 유사하게 유용하지 않으며(Hammer et al., 2008), 유년기에 이러한 두 가지 형태의 비교 기반 학습 변화를 사용할 수 있는 능력(Hammer et al., 2009).

발명 – 도구가 부족한 선사시대 사람들이 손톱으로 동물을 죽이거나 멜론을 부숴 음식을 긁어낼 때, 부서진 돌이 손톱처럼 날카로워서 음식을 긁기에 적합하다는 것을 알게 되었다. 손톱이 부러지는 것을 피하기 위해 돌로 된 도구를 발명하는 것은 새로운 개념이었다.

이론적 이슈

일반적으로 개념 학습의 기초가 되는 이론적 문제는 그 기초가 되는 유도들이다. 이러한 이슈들은 버전 공간, 통계 학습 이론, PAC 학습, 정보 이론, 알고리즘 정보 이론과 같은 주제에 관한 문헌을 포함하여 많은 다양한 출판물에서 다루어지고 있다. 와타나베(1969,1985), 솔로몬오프(1964a,1964b), 렌델(1986)에 의해서도 폭넓은 이론적 사상의 일부가 논의되고 있다. 아래 참조 목록을 참조하라.

현대 심리학 이론

개념학습의 특정한 심리이론을 이미 가정하지 않고서는 인간(또는 동물) 개념학습에 관한 일반적인 진술을 하기가 어렵다. 철학에서의 개념과 개념 학습에 대한 고전적인 관점이 추상화, 데이터 압축, 단순화, 요약화의 과정을 말하지만, 현재 인기 있는 개념 학습 심리 이론은 이 모든 기본 사항들을 놓고 갈린다. 심리학의 역사는 개념 학습에 관한 많은 이론들의 흥망성쇠를 보아왔다. 고전적 조건화(Pavlov에 의해 정의됨)는 가장 초기 실험 기법을 만들었다. 왓슨이 설명하고 클라크 헐이 상세히 기술한 강화학습은 행동심리학의 지속적인 패러다임을 만들었다. 인지심리학은 개념 형성을 위한 컴퓨터와 정보 흐름 은유를 강조했다. 개념 형성의 신경망 모델과 지식의 구조는 조지 밀러의 워드넷과 같은 지식조직의 강력한 계층적 모델을 열었다. 신경망은 인자 분석이나 콘볼루션을 이용한 학습의 연산 모델에 기초한다. 신경 네트워크는 또한 칼 래슬리와 도널드 헵에 이어 신경과학과 정신생리학 모델의 학습에도 개방되어 있다.

규칙 기반

규칙 기반 개념 학습 이론은 인지 심리학 및 if:그때의 생산 규칙과 같은 계산 문구와 함께 높은 수준의 컴퓨터 언어로 구현될 수 있는 학습의 초기 컴퓨터 모델에서 시작되었다. 이들은 분류 데이터와 규칙 기반 이론을 입력 자료로 받아들인다. 입력 자료는 더 정확한 데이터 모델을 생산하고자 하는 규칙 기반 학습자의 결과물이다(Hekenaho 1997). 개발된 규칙 기반 모델은 대부분 휴리스틱으로, 이는 합리적 분석이 제공되지 않았으며, 유도에 대한 통계적 접근방식과 관련이 없다는 것을 의미한다. 규칙 기반 모델에 대한 합리적 분석은 개념이 규칙으로 표현된다고 가정할 수 있으며, 그리고 나서 몇몇 관찰된 예(Goodman, Griffiths, Feldman, Tenenbaum)와 함께 합리적 대리인이 각 규칙과 어느 정도의 신념을 가져야 하는지를 물을 것이다. 개념 학습의 규칙 기반 이론은 지각 학습에 더 초점을 맞추고 정의 학습에는 더 적게 초점을 맞춘다. 규칙들은 단순한 것과는 반대로 자극이 혼동될 때 학습에 사용될 수 있다. 학습에 규칙을 사용할 때는 속성만으로 의사결정을 하고, 기억력이 많이 필요하지 않은 단순한 기준에 의존한다(Rouder and Ratcliff, 2006).

규칙 기반 이론의 예:

"규칙 기반 범주화를 사용하는 방사선사는 X선 이미지의 특정 특성이 특정 기준을 충족하는지 관찰할 수 있다. 예를 들어 다른 지역에 비해 의심스러운 영역의 밝기 차이가 극심할까? 결정은 이 재산에만 근거한다."(루더와 라트클리프 2006 참조)

프로토타입

개념 학습의 프로토타입 뷰는 사람들이 경험한 사례의 중심 경향(또는 프로토타입)을 추상화하여 이를 분류 결정의 기초로 삼는 것을 말한다.

개념 학습의 프로토타입 뷰는 사람들이 하나 이상의 특정 범주의 중심 예에 기초하여 분류하고, 그 다음에 감소하는 전형적인 예에 대한 음핵을 따른다. 이는 모든 것이 정의에 해당하는 사물의 목록을 바탕으로 분류하는 것이 아니라, 중심 예에 대한 의미적 유사성에 기반한 계층적 인벤토리에 따라 분류한다는 것을 의미한다.

예시르

예시 이론은 특정 인스턴스(exemplar)의 저장이며, 새로운 개체는 카테고리의 특정 알려진 멤버(및 비회원)와 얼마나 밀접하게 유사한지에 대해서만 평가된다. 이 이론은 학습자가 예시를 그대로 저장한다는 가설을 세운다. 이 이론은 개념 학습을 매우 단순하다고 본다. 개별 속성만 표시된다. 이러한 개별적인 속성은 추상적이지 않고 규칙을 만들지 않는다. 예시적 이론의 한 예는 "물이 젖어 있다"이다. 단순히 일부(또는 하나 또는 모든) 저장된 물의 예시가 그 성질을 적신다고 알려져 있다. 예시적 기반 이론은 인간 학습자들이 단지 초기 학습에서만 예시적 기반 전략을 사용한다는 일부 증거와 함께 몇 년 동안 경험적으로 더 인기를 끌었다. 심리학 문헌에서 모범적인 모델들의 중요한 결과는 개념 학습의 복잡성을 강조하지 않는 것이었다. 개념 학습의 가장 잘 알려진 예시 이론 중 하나는 GCM이다.

모범 이론의 문제점은 모범 모델들이 비판적으로 두 가지 척도에 의존한다는 것이다: 모범 모델들 사이의 유사성과 그룹 멤버쉽을 결정하는 규칙을 가지고 있다. 때때로 이러한 조치들을 달성하거나 구별하는 것은 어렵다.

다중-프로토타이프

보다 최근에 인지심리학자들은 프로토타입과 예시모델이 양 극단을 형성한다는 생각을 탐구하기 시작했다. 사람들은 두 극단적 표현 외에도 여러 개의 프로토타입 표현을 구성할 수 있다는 것이 제안되었다. 예를 들어, '스푼' 범주를 생각해 보십시오. 두 개의 뚜렷한 부분군 또는 개념 군집이 있다: 숟가락은 큰 것과 나무로 된 것이거나, 작은 것과 금속으로 만들어지는 경향이 있다. 그 원형 스푼은 금속과 나무의 혼합물로 만들어진 중간 크기의 물체가 될 것이다. 이것은 분명히 비현실적인 제안이다. '스푼' 범주의 보다 자연스러운 표현은 각 군집마다 한 개씩 여러 개(최소 2개)의 프로토타입으로 구성될 것이다. 이와 관련하여 여러 가지 다른 제안이 제시되었다(앤더슨, 1991; 그리피스, 카니니, 산본 & 나바로, 2007; 러브, 메딘 & 구레키스, 2004; 반파멜 & 스톰, 2008). 이러한 모델은 예시 모델과 프로토타입 모델 사이의 절충점을 제공하는 것으로 간주할 수 있다.

설명 기반

해설 기반 학습의 기본이념은 그 예를 경험하고 기본적인 윤곽을 형성함으로써 새로운 개념을 습득한다는 것을 시사한다.1 간단히 말해서, 어떤 사물의 특성을 관찰하거나 받아들임으로써, 정신은 그 자질들을 소유하며 그 특징으로 식별되는 개념을 형성한다.

1986년 미첼, 켈러, 케다-카벨리가 제안하고 설명에 기초한 일반화라고 하는 원론은 학습이 점진적인 일반화를 통해 일어난다는 것이다.2 이 이론은 처음에 기계들을 학습하도록 프로그램하기 위해 개발되었다. 인간의 인식에 적용하면 다음과 같이 해석된다: 마음은 하나 이상의 것에 적용되는 정보를 적극적으로 분리하여 사물의 범주에 대한 더 넓은 설명으로 입력한다. 이것은 도식화와 유사하게 어떤 것이 범주에 들어갈 수 있는 충분한 조건을 식별함으로써 이루어진다.

개정 모델은 일반화, 청킹, 운영화, 유추의3 네 가지 정신 과정의 통합을 중심으로 한다.

  • 일반화는 개념의 기본적 특성을 인식하고 라벨을 붙이는 과정이다. 예를 들어, 새들은 깃털과 날개를 가지고 있다. 깃털과 날개가 있는 것은 무엇이든 '새'로 식별될 것이다.
  • 유사성이든 관련성이든 정보가 정신적으로 그룹화되면 집단을 청크라고 부른다. 청크는 부품이 있는 단일 품목이나 부품이 많은 품목에 따라 크기가 달라질 수 있다.4
  • 어떤 개념은 정신이 특징에 의해 그것의 예를 적극적으로 인식하고 그것에 적절하게 라벨을 붙일 수 있을 때 작동된다.5
  • 유추란 잠재적인 예들 사이의 유사성을 인정하는 것이다.6

이 특별한 개념 학습 이론은 비교적 새롭고 그것을 시험하기 위해 더 많은 연구가 행해지고 있다.

베이시안

베이지안 이론들은 개념 학습에 수학적 접근방식을 취하면서, 그 개념에서 본 예에 기초하여 인간의 마음이 특정 개념 정의에 대한 확률을 생성한다고 제안한다.[14] 베이지안 개념의 사전 확률은 학습자의 가설들이 지나치게 구체화되는 것을 멈추는 반면, 가설의 가능성은 그 정의가 너무 광범위하지 않다는 것을 보장한다.

예를 들어, 한 아이가 부모에 의해 세 마리의 말을 보여주고 이것을 "말"이라고 말한다면, 그녀는 이 단어로 어른의 의미를 정확히 알아낼 필요가 있다. 그녀는 부자연스러운 개념이 될 "클라이드데일스를 제외한 모든 말들"과 같은 이상하리만큼 구체적인 예시보다는 "호르스"라는 단어를 이런 종류의 동물이나 모든 동물을 지칭하는 것으로 정의할 가능성이 훨씬 높다. 한편, 표시된 세 동물이 모두 매우 유사할 때 '모든 동물'을 의미하는 '말'의 가능성은 낮다. "말"이라는 단어가 이 종의 모든 동물을 지칭한다는 가설은, 주어진 예에 따른 합리적 사전 확률과 가능성을 모두 가지고 있기 때문에 가능한 세 가지 정의 중 가장 가능성이 높다.

베이즈의 정리는 데이터 분석에만6 국한되지 않는 보다 큰 시야를 갖는 데이터를 이해하고5, 조작하고, 제어할 수 있는 강력한 도구를 제공하기 때문에 중요하다. 접근방식은 주관적이며, 이것은 사전 확률을6 평가해야 하므로 또한 매우 복잡하다. 그러나 베이지안 사람들이 축적된 증거와 베이지스 법칙의 적용이 충분하다는 것을 보여준다면, 이 작업은 관련된7 투입물의 주관성을 극복하게 될 것이다. 베이지안 추론은 어떠한 정직하게 수집된 데이터에도 사용될 수 있으며 과학적인 초점6 때문에 큰 장점을 가지고 있다.

베이시안 개념 학습 이론을 통합한 하나의 모델은 존 R이 개발한 ACT-R 모델이다. 앤더슨.[citation needed] ACT-R 모델은 인간 행동에 대한 단계별 시뮬레이션을 만들어 인간의 마음을 활성화시키는 기본적인 인지 및 지각 운용을 규정하는 프로그래밍 언어다. 이 이론은 인간이 수행하는 각각의 업무는 일련의 이산적 수술로 이루어진다는 사상을 이용한다. 이 모델은 학습과 기억력, 높은 수준의 인식, 자연 언어, 인식과 관심, 인간과 컴퓨터의 상호작용, 교육, 그리고 컴퓨터 생성 힘에 적용되었다.[citation needed]

존 R 외에. 앤더슨, 조슈아 테넨바움은 개념 학습 분야에 공헌해 왔다; 그는 베이지안 통계와 확률 이론에서 성인, 어린이, 기계의 행동 테스트를 이용한 인간 학습과 추론의 계산적 기초를 연구했다. 그러나 기하학, 그래프 이론, 선형 대수학에서도 연구했다. 테넨바움은 계산 용어로 인간 학습에 대한 더 나은 이해를 달성하기 위해 노력하고 있으며, 인간 학습자의 역량에 더 가까운 계산 시스템을 구축하기 위해 노력하고 있다.

성분표시이론

M. D. Merrill의 구성요소 표시 이론(CDT)은 학습자에게 기대되는 성능 수준과 학습할 자료의 내용 유형 등 두 차원 간의 상호작용에 초점을 맞춘 인지 매트릭스다. Merrill은 학습자의 수행 수준을 사실, 개념, 절차, 원칙과 같은 발견, 사용, 기억 및 물질적 내용으로 분류한다. 그 이론은 또한 4가지 주요 발표 형식과 몇 가지 다른 2차 발표 형식을 요구한다. 주요 발표 양식은 규칙, 예시, 리콜 및 실천요강이다. 2차 프레젠테이션 형식에는 전제 조건, 목표, 도움말, 연상 및 피드백이 포함된다. 완전한 수업은 1차 및 2차 발표 양식의 조합을 포함하지만, 가장 효과적인 조합은 학습자에 따라 학습자에 따라, 그리고 개념에 따라 다르다. CDT 모델의 또 다른 중요한 측면은 학습자가 사용하는 교육 전략을 통제하고 자신의 학습 스타일과 선호도에 맞게 조정할 수 있게 한다는 것이다. 이 모델의 주요 목표는 개념 형성의 세 가지 일반적인 오류를 줄이는 것이었다: 지나친 일반화, 낮은 일반화, 오해.

참고 항목

참조

  1. ^ Paivio, Allan. (2014). Mind and Its Evolution : a Dual Coding Theoretical Approach. Taylor and Francis. ISBN 978-1-317-71690-7. OCLC 868489792.
  2. ^ 바인더, J. R., 웨스트베리, C. F., 맥키어넌, K. A., 포싱, E. T., & 메들러, D. A. (2005) 구체적이고 추상적인 단어 처리를 위한 뚜렷한 뇌 시스템. 인지 신경 과학 저널, 17, 905–917.
  3. ^ Paivio, Allan (2014-01-14). Mind and Its Evolution: A Dual Coding Theoretical Approach (1 ed.). Psychology Press. doi:10.4324/9781315785233. ISBN 978-1-315-78523-3.
  4. ^ Cappa, Stefano F.; Pulvermüller, Friedemann (July 2012). "Cortex special issue: Language and the motor system". Cortex. 48 (7): 785–787. doi:10.1016/j.cortex.2012.04.010. ISSN 0010-9452. PMID 22579224. S2CID 33954008.
  5. ^ Katja Wiemer-Hastings, Katja; Xu, Xu (2005-09-10). "Content Differences for Abstract and Concrete Concepts". Cognitive Science. 29 (5): 719–736. doi:10.1207/s15516709cog0000_33. ISSN 0364-0213. PMID 21702791.
  6. ^ a b Katz, J. S., Wright, A. A., & Sody, K. D. (2007). 추상 개념 학습의 비교 인식에 관한 문제 비교 인식 및 행동 검토, 2, 79–92.
  7. ^ Binder, J. R.; Westbury, C. F.; McKiernan, K. A.; Possing, E. T.; Medler, D. A. (June 2005). "Distinct Brain Systems for Processing Concrete and Abstract Concepts". Journal of Cognitive Neuroscience. 17 (6): 905–917. doi:10.1162/0898929054021102. ISSN 0898-929X. PMID 16021798. S2CID 207624180.
  8. ^ 파비오, A. (1986) 정신적 표현: 이중 코딩 접근법. 뉴욕: 옥스퍼드 대학 출판부.
  9. ^ Boem, Ann(2004). 미취학 아동의 정신교육 평가. London: Lawrence Elbaum의 동료. 페이지 186-203.
  10. ^ 워커, 앨리스 A. (1979-09) "3살과 4살짜리의 관계개념의 발전" 교육 연구 저널 73 (1): 37–40. doi:10.1080/00220671.1979.10885201. ISSN 0022-0671
  11. ^ J. 루웬슈타인, D. 젠트너 관계 언어와 관계 지도 인지 심리학의 개발, 50 (2005), 페이지 315-353
  12. ^ Urcuioli, Peter J. (2009-04-08). "Responses and Acquired Equivalence Classes". Comparative Cognition Experimental Explorations of Animal Intelligence. Comparative CognitionExperimental Explorations of Animal Intelligence. Oxford University Press. pp. 405–422. doi:10.1093/acprof:oso/9780195377804.003.0022. ISBN 978-0-19-537780-4.
  13. ^ "Wind Directions:North, East, South, West".
  14. ^ Tenenbaum, Joshua B. (1999). "Bayesian modeling of human concept learning" (PDF). Advances in Neural Information Processing Systems. 11 (12): 59–65. Retrieved 30 January 2018.