Lopende
afstudeerprojekten
|
Student |
Titel |
Begeleider |
|
Sanne Nolst Trenite |
Een model van ontdekkend leren in ACT-R |
Maarten
van Someren en Hedderik van Rijn |
|
Victor de Boer |
Point process memory models for optimising second language instruction |
|
|
Monika Wiemann |
geen titel |
|
| Jasper Wognum | Een ACT-R model van reactietijden rond fase overgangen in cognitieve ontwikkeling | Maarten van Someren en Han van der Maas |
| Daan van den Berg |
Adaptive rewiring in chaotic networks renders small-world connectivity with consistent clusters
|
Cees van Leeuwen, Han van der Maas, Maarten van Someren |
Begeleider: Jaap Murre
Titel: Point process memory models for optimising second language instruction
Doel van dit onderzoek is het construeren van een simulatie van het geheugen voor het leren van woorden in een tweede taal. Op grond van de simulatie wordt geprobeerd om de aanbieding van leermateriaal te optimaliseren. Fasering van het onderzoek:
Literatuuronderzoek:
Experimentele literatuur (tweede taalverwerving, spacing effecten);
Geheugentheorieën m.b.t. taalverwerving en spacing;
Inlezen in het puntproces geheugenmodel voor herinnering tijdens en na enkelvoudige en meervoudige aanbiedingen (Chessa & Murre);
Bestudering van de huidige versie van het computerprogramma Captain Mnemo (Murre). Hiermee worden oefeningen in een vreemde taal aangeboden (bijv. woordvertaling, gatenteksten), waarna de scores (goed/fout) van elk individueel getoetst item worden opgeslagen.
Ontwikkeling puntproces geheugenmodel met spacing-effecten:
Verfijning van het saturatiemodel voor de initiële encodering van geheugenrepresentaties (Murre & Chessa, 2001), waarin het aantal trials, het tijdstip van aanbieding en de aanbiedingsduur van iedere trial expliciet moeten worden opgenomen;
Parametrisatie aanbiedingsschema’s. We hebben twee mogelijkheden bedacht: (i) leertrials worden op een eindig aantal tijdstippen aangeboden, zoals het dus in werkelijkheid gaat, en (ii) de totale leerstof wordt aangeboden volgens een continue tijdsverdeling. In optie (i) zouden we "online" kunnen optimaliseren, d.w.z. gegeven de optimale aanbiedingstijden tot en met trial n en de geschatte retentiefunctie dient de optimale aanbiedingstijd voor trial n + 1 te worden bepaald. De uitdrukking voor de retentiefunctie wordt echter behoorlijk lang naarmate het aantal trials toeneemt, zodat we zullen beginnen met optie (ii).
Validatie van het verfijnde model door het uitvoeren van statistische toetsen op bestaande multi-trial retentiedata, bijv. Glenberg (1976).
Schatting geheugenparameters en optimalisatie parameters aanbiedingsschema’s:
Ontwikkeling van methoden voor de schatting van de parameters van het puntproces. In principe gaan we uit van verschillende leer- en vergeetparameters voor zowel proefpersonen als leeritems;
Welke factoren m.b.t. de aanbieding van leertrials worden geoptimaliseerd, alleen de aanbiedingstijden van de trials?
Wat is de te optimaliseren doelfunctie? Mogelijkheden: (i) verwachte retentie over een tijdsinterval, (ii) aantal leeritems dat beheerst wordt, uitgaande van een ondergrens voor de verwachte retentie op een bepaald tijdstip of tijdsinterval per item;
Wat voor soort optimalisatiemethoden zouden we voor (c) kunnen gebruiken?
Keuze leermateriaal. Verzameling en opslag data. (In samenspraak met Steve Jansen).
Implementatie van het puntproces model en de schattings- en optimalisatie-methoden. Captain Mnemo op Internet plaatsen m.b.v. programmering in Zope/ Python/MySQL. Dataverzameling zal dus plaatsvinden via Internet.
Data-analyse, validatie geheugenmodel, schrijven afstudeerscriptie.