Бд спиридонов: БД Спиридонов в Челябинске

Содержание

Спиридонов Instagram posts - Picuki.com

Почему бы не сказать правду про свою измену и не быть честным перед своим партнером? ⠀ «Для меня было бы честнее сказать жене, что я ее не люблю. И уйти уже с Богом к другой. Но я не могу сказать правду.» ⠀ И действительно, почему те, кто изменяют, сначала не говорят правду своему партнеру, и с чистой совестью не уходят в другие отношения? ⠀ Да они просто не могут быть честными. В первую очередь перед собой. ⠀ Измена - это про избегание или про сохранение. ⠀ Когда человек лжёт, то он либо хочет чего-то избежать. Либо наоборот сохранить. ⠀ Избежать ссор, злости, конфликтов, претензий, разговоров о том, что не устраивает в отношениях, в сексе. ⠀ Либо сохранить отношения с важным для него человеком, с которым не хватает чего-то в отношениях. Но нет возможности пока это восполнить только как через любовника/цу. С которыми они восполняют дефицит. Или он/она ещё не может определиться, с кем у него/неё какие чувства и не хочет пока никого терять.

⠀ Согласна, что способ справиться со своими внутренними проблемами выбран мягко сказать «неудачный». В нем страдает второй человек. Но вот такой у него способ🤷‍♀️ ⠀ И кто-то действительно искренне мучается от выбора такого способа. А кто-то и нет. Его такой способ устраивает. Но на самом деле он даже не хочет в него заглянуть, чтобы встретиться со своими переживаниями. И прячется от самого себя, сидя на двух стульях одновременно. ⠀ Сохранять отношения с любовницей/любовником всегда легче, чем с законным партнером. Потому что в таких отношениях между ними есть всё, кроме ответственности. Ответственности за отношения. В любовных отношениях живут здесь и сейчас, не задумываясь о будущем, о последствиях, о дальнейших планах и тд ⠀ А вот с ответственностью у человека, который изменяет большие проблемы. Что-то происходило такое в детстве, где ему эту ответственность проявлять не позволяли. Стыдили, например. Или «знали, как ему лучше». Или другой вариант, наказывали за проявление желаний. Отвергали. А желания-то оставались! Приходилось лгать, чтобы их утолить. При этом избегая объяснений, почему он все-таки на это решился. ⠀ Не так-то всё просто с изменой... И измена - это не только про секс! ⠀ Что думаете, мои дорогие? Напишите ⤵️

Title

Детский Благотворительный Фонд в поддержку талантливых детей «Андрюша» имени Андрея Жаботинского  

Адрес: 454091, г. Челябинск, пр. Ленина, 21В (БД Спиридонов), офис 513
Телефоны: +7 (351) 775-45-40, +7 (351) 235-75-55
[email protected]

Жаботинская Юлия Александровна — Председатель Правления фонда
[email protected]

Реквизиты для благотворительных пожертвований:

Сбербанк

Детский Благотворительный Фонд в поддержку талантливых детей «Андрюша» имени Андрея Жаботинского

ИНН/КПП  7451286179/745101001

ОГРН 1097400001270

Реквизиты банка:

р/счет  40703810372000000177

в Челябинском отделении № 8597 Сбербанка России г. Челябинск

к/счет  30101810700000000602

БИК 047501602


Банк "Открытие"

Реквизиты компании

Счёт №: 40703810095455100001

Наименование: Детский Благотворительный Фонд в поддержку талантливых детей "Андрюша" имени Андрея Жаботинского

ИНН: 7451286179

КПП: 745101001

Реквизиты банка

Название: Ф-Л ЗАПАДНО-СИБИРСКИЙ ПАО БАНКА "ФК ОТКРЫТИЕ"

ИНН: 7706092528

КПП: 860143001

БИК: 047162812

Город: Челябинск

Корр. счёт: 30101810465777100812

Dollars

Company Details:

Account number №: 40703840895450100001

Name: CHILDREN CHARITY FUND IN SUPPORT OF TALENTED CHILDREN ANDRYUSHA NAMED AFTER ANDREI ZHABOTINSKY

Bank Details:

Bank name: BANK OTKRITIE FINANCIAL CORPORATION (PUBLIC JOINT-STOCK COMPANY)

SWIFT: JSNMRUMMXXX

Euro
Company Details:

Account number №: 40703978495450100001

Name: CHILDREN CHARITY FUND IN SUPPORT OF TALENTED CHILDREN ANDRYUSHA NAMED AFTER ANDREI ZHABOTINSKY

Bank Details:

Bank name: BANK OTKRITIE FINANCIAL CORPORATION (PUBLIC JOINT-STOCK COMPANY)

SWIFT: JSNMRUMMXXX

ИНФОРМАЦИЯ О РЕЗУЛЬТАТАХ ТОРГОВ В ФОРМЕ ОТКРЫТОГО АУКЦИОНА ОТ 13 НОЯБРЯ 2017 ГОДА

№ п/п

Вид конструкции

Адрес рекламного места

Победитель

1

стела

ул. Свободы, д. 100

Торги признаны несостоявшимися, договор заключается с единственным участником ИП Бажановым Владимиром Николаевичем

2

сити-формат

пересечение Свердловского пр., 84 и ул. Карла Либкнехта

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "Компания Чистая вода"

3

флаги

пр. Ленина, 21, БД "Спиридонов" (АЗС)

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "ЛУКОЙЛ Уралнефтепродукт"

пр. Ленина, БД "Видгоф" (АЗС № 424)

пересечение ул. Чайковского и Комсомольского пр. (АЗС № 432)

пересечение ул. Дачная,37/ ул. Дубравная (АЗС № 435)

4

флаги

Копейское шоссе, поз. 1

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "АВС Моторс"

Копейское шоссе, поз. 2

Копейское шоссе, поз. 3

5

отдельно стоящая щитовая установка

Троицкий тр.,150 м от остановки "Поворот на п. Новосинеглазово"

Торги признаны несостоявшимися, не поступило ни одной заявки

Троицкий тр.,150 м до моста в п. Новосинеглазово

Троицкий тр.,150 м от остановки "Смолино" (в город)

6

отдельно стоящая щитовая установка

Троицкий тр. , напротив д.9

Торги признаны несостоявшимися, договор заключается с единственным участником ЗАО "ИНСИ"

7

отдельно стоящая щитовая установка

Троицкий тр., 23

Торги признаны несостоявшимися, договор заключается с единственным участником ИП Голиковым Вячеславом Валерьевичем

8

отдельно стоящая щитовая установка

Троицкий тр., 46

Торги признаны несостоявшимися, договор заключается с единственным участником ИП Шукуровым Вахиджаном Мурадовичем

9

отдельно стоящая щитовая установка

пересечение  ул. Блюхера и ул. Новоэлеваторная

Торги признаны несостоявшимися, договор заключается с единственным участником ООО ТД "АТБ № 3"

10

отдельно стоящая щитовая установка

ул. Блюхера, 101/1

Торги признаны несостоявшимися, договор заключается с единственным участником АО "Элис"

11

отдельно стоящая щитовая установка

ул. Труда, 3б

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "Гэллэри Сервис"

ул. Блюхера, 49

ул. Блюхера, 150 м до остановки "АМЗ" (в центр)

Бродокалмакский тр.,150м от ост., "Тракторосад-1"

Свердловский тр., 300 м до поворота на пос. Шагол

12

отдельно стоящая щитовая установка

пересечение ул. Героев Танкограда и ул.1-ой Пятилетки, 17

ООО "Урал Стрит"

пересечение ул. Черкасская и ул.50 лет ВЛКСМ, 31

Комсомольский пр., 104

ул. Черкасская, напротив д. 6, на разделит. газоне

пр. Победы, 86

ул. Черкасская, 12

13

отдельно стоящая щитовая установка

пересечение Троицкого тр., 15 и ул. Потребительская, за перекрестком из центра

ООО "Премьер Инвест"

ул. Бр. Кашириных, 109/1

Свердловский тр., 8/1

14

стела

ул. Воровского, 28/1

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "ЛУКОЙЛ Уралнефтепродукт"

15

панель-кронштейн

ул. Карла Либкнехта, 9

Торги признаны несостоявшимися, договор заключается с единственным участником ООО "Компания Чистая вода"

границ | Образовательная робототехника и творчество роботов: междисциплинарный диалог

Введение

Повышение способности генерировать уникальные и полезные идеи как у людей, так и у искусственных агентов - важнейшая задача для решения проблем 21 века. Способы, которыми люди и роботы могут участвовать в творческом процессе и способствовать развитию творческой продуктивности, являются центральным вопросом исследования, который связывает психологию и технологии. Роботы стали неотъемлемой частью современной культуры со времен первых криминального чтива и литературного вклада Айзека Азимова.Интересно, что робот Робби был одной из звезд этого раннего периода и, наконец, стал известным «агентом» в классическом научно-фантастическом фильме 1956 года под названием

Запретная планета . Робби Робби, который был ростом с человека, обладал искусственным интеллектом и умел решать проблемы, помогая людям во время космических миссий. Совсем недавно робот Робби снова появился в миниатюрном формате как игрушка, которую дети могут научиться программировать. Хотя идея включения роботов в нашу повседневную жизнь могла казаться диковинной и абсолютно нереальной несколько десятилетий назад, присутствие робототехники широко распространилось даже на классы.

Педагогическая мотивация для подключения роботов к ученикам - это гипотеза о том, что творческие способности могут быть стимулированы посредством интерактивных обменов человеком и машиной. В научной литературе выделяется ряд экспериментов такого типа, которые, по-видимому, оказывают положительное влияние как на детей, так и на машины. Таким образом, в данной статье делается попытка: 1) на основе синтеза литературы показать, какие аспекты, связанные с творчеством, охватываются областью образовательной робототехники, 2) представить механизмы, лежащие в основе творчества, которые потенциально работают в этих педагогических ситуациях и, таким образом, 3 ) лучше понимать, как дети, а также искусственные агенты могут развивать свой творческий опыт на основе физически и социально обусловленных практик.

Краткий обзор образовательной робототехники

Термин «образовательная робототехника» относится к области исследований, которая направлена ​​на улучшение учебного опыта учащихся за счет создания и реализации мероприятий, технологий и артефактов, связанных с роботами (Angel-Fernandez and Vincze , 2018). На практике эти действия могут включать использование физического робота, который может быть модульной системой, такой как LEGO Mindstorms, или роботов, специально созданных для обозначенных действий.

Такие действия могут быть концептуализированы для студентов от начального до высшего уровня и могут включать дизайн, программирование, применение или эксперименты с роботами. Образовательные мероприятия по робототехнике обычно состоят из использования набора для робототехники, с помощью которого дети учатся создавать и программировать роботов для выполнения конкретной задачи (Jung & Won, 2018). Эти мероприятия могут принимать форму интервенций, внеклассных занятий, добровольных занятий или целого модуля курса, посвященного робототехнике.

Теоретические основы применения образовательных роботов многочисленны, но конструктивистский образовательный подход был нормой (Kafai and Resnick, 1996; Papert, 1981; Danahy et al., 2014). Наборы для робототехники обеспечивают модульный подход к программированию и строительству, часто используемый в школьном контексте в качестве средств повышения творческих способностей. Работая с этими наборами, учащиеся могут проявлять инженерные навыки и находить творческие 1 решения широкого спектра проблем, начиная с того, чтобы заставить робота двигаться из точки А в точку Б.Более того, такие принципы, как проблемно-ориентированное обучение и геймификация, определяют внедрение образовательной робототехники. Последняя, ​​геймификация, описывает использование игровых элементов в неигровых контекстах для стимулирования мотивации (Sailer et al., 2014).

Гуманоидная внешность роботов может способствовать вовлечению студентов (Zawieska et al., 2015). Сами характеристики робототехнических устройств также могут дать интересные эффекты. В интервью со студентами, прошедшими курс, включающий использование робототехники, Apiola et al.(2010) обнаружили, что игровой аспект робототехники в сочетании с физическим воплощением содержания обучения играет важную роль в вовлечении студентов. Предварительное качественное исследование Nemiro et al. (2017) подчеркнули роль робототехники в создании увлекательной атмосферы в классе.

Обзор существующих вмешательств с использованием робототехники для развития творческих способностей

Ранняя теоретическая позиция относительно творческих способностей детей была разработана Выготским (1967), который утверждал, что творческие способности будут развиваться из игровой деятельности, в которой дети участвуют.Во время этой игровой деятельности будет задействован не только прошлый опыт, но и своего рода комбинаторное воображение, охватывающее вновь сформированные впечатления, возникающие из новых реальностей. Гилфорд (1950) спросил, почему школы не уделяют более пристального внимания развитию творческих способностей учащихся.

В 1972 году Паперт и Соломон опубликовали «Двадцать вещей, которые можно сделать с компьютером», в которых они предложили дальнейшую интеграцию информационных и коммуникационных технологий в школьные программы. В статье авторы представили робота под названием «Черепаха», который является ранним примером образовательного робототехнического устройства (Papert and Solomon, 1972).Этого довольно упрощенного и неантропоморфного робота заставили перемещаться с помощью простого в освоении языка программирования под названием «ЛОГОТИП». Паперт и Соломон описали, как «Черепаху» можно запрограммировать для рисования изображений на поверхности, по которой она перемещается, с помощью ручки, расположенной в центре нижней части робота.

В начале 2000-х роботизированные инструменты привлекали все большее внимание в педагогическом контексте (Alimisis, 2013). Ван (2001) описал использование курса робототехники для студентов инженерных специальностей, заявив, что робототехника LEGO будет «отличным средством обучения дизайну, программированию и творчеству» (Ван, 2001, стр. 5). Однако эта работа была сосредоточена в основном на продвижении содержания инженерного образования и не включала стандартизированных критериев творчества.

Адамс и др. (2010) опросили студентов инженерных специальностей, которые прошли добровольный модуль робототехники. Помимо других инженерных задач, модуль включал программирование робота LEGO Mindstorms. После этого модуля 64% участников заявили, что их навыки творческого мышления улучшились.

Cavas et al. (2012) исследовали влияние курса робототехники LEGO Mindstorms на научное творчество студентов.Выборка состояла из 23 учеников в возрасте от двенадцати до тринадцати лет, посещающих турецкую частную школу. В ходе курса студенты познакомились с созданием и программированием роботов. Авторы не указали свой показатель научного творчества, но заявили, что он увеличился у студентов после окончания программы.

Альварес и Ларраньяга (2013) изучили, как вмешательство робототехники с использованием LEGO Mindstorms повлияло на мотивацию учащихся и их улучшение в способностях кодирования алгоритмов. С помощью коротких анкет-самоотчетов авторы установили повышение мотивации и интереса студентов к курсу.

Huei (2014) реализовал пятинедельную программу, в которой новички знакомились с языком программирования для программирования роботов. После программы 93,25% из 74 участников согласились или полностью согласились с тем, что мини-проект улучшил их творческие способности, исследовательские навыки и навыки решения проблем (Huei, 2014). Jagust et al. (2017) представили результаты семинаров для одаренных учеников начальных классов с использованием роботизированных наборов LEGO Mindstorms. Хотя авторы не проводили психометрическую оценку творческих способностей, их качественный анализ показал, что дети были «творчески продуктивными» (Jagust et al., 2017).

В контексте образовательной робототехники термин «программирование» применяется также к младшим школьникам, учитывая, что простые визуальные интерфейсы программирования широко доступны. Используя эти уже имеющиеся или разработанные самостоятельно комплекты робототехники, учащимся часто предлагается решить конкретную проблему. Салливан и Берс (2018) приводят пример такого вмешательства; в их исследовании детей просили запрограммировать робота двигаться в соответствии с заданным танцем. Во время учебной программы исследователи использовали контрольные списки позитивного технологического развития для наблюдения за поведением ученика во время вмешательства.Салливан и Берс (2018) заявили, что частота творческого поведения, наблюдаемая во время учебной программы, была «относительно высокой» (Sullivan and Bers, 2018). Творческое поведение было связано с использованием разнообразных материалов или неожиданным использованием материалов.

В некоторых исследованиях влияние образовательной робототехники на творческие способности учащихся было изучено с использованием стандартных критериев творчества. Алвес-Оливейра (2020) исследовал, могут ли учебные занятия с роботами способствовать развитию творческих способностей детей.Уровень творческих способностей детей оценивался по трем условиям. В первом условии дети выполняли задания STEAM, обучаясь программировать роботов. Во втором условии дети выполняли эти действия, обучаясь конструировать роботов. Третье, контрольное, условие включало детей, занимающихся музыкой. Эволюция творческих способностей до и после тестирования оценивалась с помощью теста на творческое мышление и рисование - TCT-DP (Urban and Jellen, 1996). В TCT-DP экзаменующийся должен завершить незаконченный рисунок, и несколько переменных, включая добавленные новые элементы, оцениваются.Результаты показали, что уровень креативности повышался после каждого вмешательства. При изучении изменения общих оценок креативности, связанных с каждым условием, условие кодирования дало больший размер эффекта, чем контрольное и расчетное условие. TCT-DP оценивает два аспекта творчества, а именно: адаптивность и инновационность (Lubart et al., 2010). Влияние дизайнерского вмешательства на творческие способности детей в основном объяснялось увеличением баллов по параметру инновационности TCT-DP, который связан с нетрадиционным образом мышления.Согласно Алвес-Оливейре (2020), это измерение связано с дивергентным мышлением.

Алвес-Оливейра (2020) утверждал, что природа задачи по кодированию, которая включала обучение методом проб и ошибок, стимулировала нестандартное мышление у детей. В частности, в условиях кодирования этого исследования дети научились использовать «скретч-язык» (Resnick et al., 2009 в Alves-Oliveira, 2020). Юные участники были разделены на группы по 3–4 человека. Каждой группе было поручено запрограммировать робота-доставщика почты.Роботом управляли простые коды, написанные учениками, которые заставляли робота перемещаться с одного места на другое. Согласно Алвес-Оливейре (2020), это способствовало сильному влиянию условия кодирования на «стимуляцию нетрадиционных способов мышления». Автор утверждал, что природа задания по кодированию объясняет большее влияние на «новаторство» детей, наблюдаемое в условиях кодирования; детей заставляли экспериментировать и исследовать во время выполнения заданий по кодированию, и они учились методом проб и ошибок.Алвес-Оливейра (2020) пришел к выводу, что обучение методом проб и ошибок стимулировало нестандартное мышление.

Eteokleous et al. (2018) провели исследование, в котором 32 ученика начальной школы в возрасте от 5 до 12 лет участвовали в 1-часовой неформальной учебной программе по робототехнике один раз в неделю. Чтобы оценить влияние учебной программы на творческие способности учащихся, до и после 36-недельного вмешательства проводился тест творческого мышления Торранса, TTCT (Torrance, 1974). Сравнение оценок креативности до и после вмешательства показало значительное улучшение творческих способностей детей (Eteokleous et al., 2018).

Баделех (2019) изучил влияние курса строительства робототехники на творческие способности и изучение физики 120 студентов. Был использован конструктивистский подход к обучению роботов, что означает, что результаты обучения в основном были получены путем создания и тестирования робота с использованием подготовленного руководства. Badeleh (2019) реализовал дизайн исследования, в котором участвовали экспериментальная и контрольная группы. Контрольная группа получила традиционные занятия по физике. Опросник Torrance Creativity Questionnaire (Torrance, 1974, цитируется в; Badeleh, 2019), оценивающий параметры гибкости, гибкости, новаторства и подробное объяснение, был введен в обе группы до и после вмешательства.Результаты показали, что обучение конструкционистской робототехнике значительно повысило глобальный творческий потенциал студентов.

Hendrik et al. (2020) исследовали, оказывает ли использование робототехники в качестве средств обучения положительное влияние на Фигурное творчество (ФК) у 40 учеников начальной школы. Образовательная робототехника состояла из семи еженедельных занятий по 2–3 часа. После первого вводного урока студенты участвовали в проектах по конструированию роботов. Чтобы оценить возможные изменения ФК, Hendrik et al.(2020) использовали тест на творческое мышление Торранса (Torrance, 1974) до и после вмешательства. Хендрик и др. (2020) заранее определили цели каждого урока и какое из четырех измерений (беглость, гибкость, оригинальность, проработанность) теста Торранса будет использоваться каждый раз. На одном уроке учеников попросили сконструировать антропоморфного робота, используя наборы LEGO Mindstorms. По данным Hendrik et al. (2020), важным результатом этого урока было привлечь внимание учащихся к тому факту, что разные типы роботов (гуманоидные и негуманоидные) могут быть созданы с использованием одного и того же набора робототехники.Сравнение глобальных показателей FC до и после тестирования показало, что они увеличились в группе вмешательства. Таким образом, Hendrik et al. (2020) выступили за включение уроков робототехники в школьную программу.

Подводя итог, можно сказать, что значительный объем работ посвящен образовательной робототехнике (ER). Хотя многие исследования ER включают понятие «креативность», они в основном относятся к способности решать проблемы. Иногда творческие способности оценивались исключительно с помощью самоотчетов.В других исследованиях, которые основывались на стандартизированных инструментах, таких как TCT-DP или TTCT, наблюдалось увеличение инновационности участников (Alves-Oliveira, 2020), Closure и Creative Strength (Eteokleous et al. , 2018). . В целом, исследования, в которых изучали влияние ER на креативность, редко использовали четко определенные конструкции креативности и часто не давали подробного отчета о выявленных эффектах.

В будущих исследованиях можно было бы изучить основные когнитивные аспекты вмешательств ER со ссылкой на стандартизированные меры творчества.Одно направление работы могло бы исследовать конкретное влияние вмешательств ER на беглость мышления, гибкость и оригинальность. Другое направление работы могло бы изучить дифференциальные эффекты определенных типов действий ER, такие как различия между проектированием роботов и программированием комплектов роботов для конкретной задачи. На практике это может привести к изучению когнитивных результатов, связанных с проектированием или программированием роботов. Однако для понимания основных когнитивных процессов вмешательств ER необходимы четко определенные, операционализированные и переносимые теоретические основы.

Многомерный подход к творчеству - модель слияния

В многомерном подходе к творчеству модель слияния (Lubart et al. , 2015) рассматривает, как когнитивные, когнитивные, эмоциональные и экологические аспекты синергетически взаимодействуют с требованиями конкретной области рождают творческий продукт. Когнитивные аспекты относятся к интеллекту, знаниям и способностям обработки информации. Конативные аспекты относятся к личностным качествам и мотивации. Что касается личности, то для творчества особенно важны настойчивость, терпимость к двусмысленности, открытость новому опыту и риск.Однако творческий процесс не разворачивается в вакууме. Окружающая среда играет важную роль в переводе творческого потенциала в творческий продукт.

Образовательная робототехника дает прекрасную возможность изучить, как реальное творчество возникает в результате взаимодействия учащихся с их социальной, физической и культурной средой (рис. 1). В деятельности по робототехнике учащиеся учатся использовать возможности и ограничения робототехнических конструкторов, участвуя в совместном решении проблем, чтобы создать свое подлинное и функциональное роботизированное устройство. Эти действия идеально соответствуют определению творчества Главеану (Glăveanu, 2013, стр.76), которое представляет собой «действие актера или группы актеров в его постоянном взаимодействии с множеством аудиторий и аффордансами материального мира, ведущими к поколению. новых и полезных артефактов ».

РИСУНОК 1 . Модель слияния для образовательной робототехники. Примечание: этот рисунок адаптирован из Nemiro et al. (2017).

Признавая роль когнитивных факторов, в этой работе мы уделим особое внимание когнитивным процессам и стратегиям учащихся, поскольку мы предполагаем, что некогнитивные факторы действуют на когнитивные.В следующих разделах мы рассмотрим творчество как ситуативную практику и объясним положительное влияние образовательной робототехники на когнитивные механизмы учащихся. Однако, прежде чем рассматривать мыслительный процесс, связанный с обучением робототехнике, мы опишем сам творческий процесс.

Существующие модели творческого познания

Одна из первых моделей творческого мышления была предложена Валласом (1926). Его четырехэтапная модель включала подготовку (поиск проблем, анализ проблемы и приобретение навыков и знаний в предметной области), инкубацию (откладывание проблемы на некоторое время без сознательного обдумывания), освещение (внезапный всплеск понимания) и проверку. .Модель Уоллы не только подчеркивала роль метакомпонентов, таких как определение и оценка проблемы, но также подчеркивала роль неконтролируемой бессознательной обработки в генерации идей. Хотя модель интуитивно привлекательна, было отмечено, что не все творческие решения возникают из спонтанного «Ага»! или опыт «Эврики». Творческая идея также может быть результатом целенаправленных усилий по решению проблем (Weisberg, 1986; Finke, 1996; Dietrich, 2004). Таким образом, комплексная модель должна давать более подробный отчет о когнитивных операциях, лежащих в основе процесса поиска решения.Более того, в то время как творческий процесс описывается как линейный, реальное решение творческих проблем динамично, имеет слабо структурированную последовательность и не обязательно следует линейной структуре (Mumford et al. , 1991; Schön, 1983; Corazza and Agnoli , 2018; Любарт, 2018). Несмотря на эти недостатки, модель Валлы (1926) оказала огромное влияние на современные концепции творческого акта и представляет собой первое описание творческого процесса как вовлекающего явные и неявные механизмы.

Основываясь на модели Валласа, Амабайл (1983) предложил различать 1) этапы выявления проблемы и 2) подготовительные этапы.Согласно Amabile, в первом случае происходит определение и построение проблемы, тогда как во втором происходит реактивация знаний и поиск информации, относящейся к задаче. Amabile также заменил фазу освещения черного ящика на 3) фазу генерации ответа и определил ее как поиск и создание потенциальных ответов. Она предположила, что процесс генерации решения представляет собой гибкий (иногда даже случайный) поиск возможных путей и изучение характеристик окружающей среды.Другими словами, этот этап включает поиск продуктивных эвристик, которые определяются как любой принцип или устройство, обеспечивающее полезные ярлыки для решения новых проблем. Амабиле утверждает, что выбор стратегии (набора эвристик) имеет решающее значение, поскольку он определяет уровень новизны окончательного решения. Эта идея основана на модели обработки информации познания Ньюэлла и Саймона (1972) и получила эмпирическую поддержку в исследованиях креативности (Спиридонов, 1997; Gilhooly et al., 2007; Нусбаум и Сильвия, 2011). Ньюэлл и Саймон предположили, что люди могут решать незнакомые проблемы, потому что они могут выбирать среди альтернативных действий, предвидеть результаты этих действий, оценивать их и при необходимости изменять подход. Newell et al. (1962) назвал этот процесс эвристическим поиском в проблемном пространстве. С этой точки зрения, переключение между стратегиями поиска может объяснить творческое решение (Simon, 1986). Заключительный этап творческого процесса, согласно Амабиле, - это 4) проверка ответа, которая аналогична фазе проверки Уоллы и включает оценку возможных ответов на основе фактических знаний и других критериев, а также реализацию и тестирование идеи (Amabile, 1983; Амабиле, 1996).

Что касается фазы инкубации, есть свидетельства того, что некоторые проницательные идеи возникают, когда сложная проблема временно откладывается. В то время как одни авторы связывают этот процесс со способностью отказаться от непродуктивных поисковых стратегий, то есть «продуктивного забывания» (Simon, 1966; Finke, 1996), другие указывают на роль расфокусированного внимания (Martindale, 1999; Sarathy, 2018).

В рамках работы, которая фокусируется на компонентных когнитивных операциях (Sternberg, 1986a; Sternberg, 1986b; Sternberg, 1988), или «подпроцессах», составляющих сложное познание, общий творческий процесс был исследован более подробно (Lubart , 2000).Первая фаза творческого процесса (определение проблемы) включает выборочное кодирование, которое отвечает за обновление релевантной и блокирующей нерелевантной информации (Benedek et al., 2014) и приводит к отображению проблемы в рабочей памяти. Выборочное сравнение отвечает за 1) извлечение релевантных знаний из долговременной памяти и 2) отображение отношений между новыми и существующими знаниями (Markman and Gentner, 1993). Выборочное сравнение позволяет обнаружить новую взаимосвязь между новой и уже полученной информацией.Наконец, новые решения на этапе генерации идей возникают из комбинации и рекомбинации знаний в рабочей памяти (Sternberg, 1988). Мамфорд и др. (1991) далее рассмотрели механизмы комбинирования знаний и предложили, что рассуждение, использование аналогий и дивергентное мышление объясняют творческие решения. Штернберг (1986b) подчеркивает также роль метакомпонентов в поиске проблем, определении проблемы (и переопределении) и выборе стратегии. Некоторые теоретики также называют эти процессы исполнительным функционированием (Miller and Cohen, 2001).

Finke et al. (1992) разработали модель творческого познания Geneplore и разграничили генеративную и исследовательскую фазы творческого поиска. Фаза генерации идей включает в себя такие стратегии, как извлечение знаний, синтез и категориальное сокращение (описание см. В Gilhooly et al., 2007). Генеративная фаза приводит к созданию предизобретательских структур - предварительных моделей, которые характеризуются новизной и неоднозначностью. Эти характеристики превентивных структур предоставляют многочисленные возможности для выборочного сочетания их свойств на этапе исследования.Стратегии, которые позволяют дальнейшее исследование этих структур, включают, например, поиск потенциальных функций, атрибутов или ограничений, проверку гипотез и концептуальную интерпретацию. Поскольку циклы генерации и разведки повторяются, предварительные структуры могут быть частично изменены или полностью заменены новыми.

Повторение циклов генообразования и переключение между генеративными и исследовательскими стратегиями могут сопровождаться изменениями в фокусе внимания. Действительно, есть свидетельства того, что на ранних стадиях творческого процесса могут быть случаи расфокусированного внимания, тогда как на более поздних стадиях может потребоваться более сфокусированное внимание (Dorfman et al., 2008; Кауфман 2011; Забелина и др., 2016).

Мартиндейл (1999) предположил, что творческие люди характеризуются лучшей способностью переключаться между сфокусированным и расфокусированным вниманием в зависимости от требований задачи. Это утверждение получило эмпирическое подтверждение (Забелина, Робинсон, 2010). В терминах модели Geneplore это означает, что эффективный творческий процесс может включать улучшенное переключение между генеративными и исследовательскими стратегиями.

Таким образом, опираясь на работы Sternberg (1986a; 1986b; 1988; 2012), Amabile (1993; 1996), Finke et al.(1992), Beghetto and Corazza (2019), мы далее утверждаем, что творческий процесс - это многоступенчатый динамический процесс, который основывается на существующих знаниях и направляется поиском продуктивной стратегии. Этот поиск характеризуется чередованием генеративного и исследовательского мышления. Важно отметить, что генеративный и исследовательский циклы могут разворачиваться на двух уровнях: стратегия может быть обнаружена путем явного размышления о требованиях задачи и предыдущем опыте решения проблем, то есть на мета-уровне, но это также может происходить на неявном уровне и быть результат поиска методом проб и ошибок и изучения ассоциаций между задачей, действиями и результатами (рис. 2).Этот взгляд напоминает модели двойного процесса (система 1, система 2) человеческого познания (Crowley et al., 1997; Stanovich, West, 2000; Kahneman, 2011).

РИСУНОК 2 . Двухуровневый взгляд на творческий процесс.

Когнитивные компоненты процесса проектирования и программирования роботов

Опираясь на принципы конструкционизма, Колоднер (2002) представил модель обучения, которая включает действия по проектированию и исследованию, организованные в два взаимосвязанных цикла: цикл «Исследуй и исследуй», в котором учащиеся приобретать знания и генерировать идеи, а также цикл «Дизайн / Редизайн», в котором знания применяются.Мы можем отметить, что модель воплощает базовый принцип модели творческого познания Geneplore (Ward et al., 1999), где генеративный поиск чередуется с исследовательскими процессами. Учитывая сходство, кажется разумным применить существующие модели творческого познания для анализа психических процессов, лежащих в основе деятельности робототехники.

Первым шагом в создании и программировании робота является постановка задачи, которую необходимо решить. Например, ученикам дается задание построить мобильного робота и запрограммировать его основные движения.Это может быть, например, создание роботизированной системы, моделирующей человеческое сердце (Куперман и Вернер, 2013 г.), или программирование робота-доставщика почты (Алвес-Оливейра, 2020 г.). Общей чертой этих роботизированных задач является то, что они плохо структурированы, имеют несколько путей решения, то есть могут быть решены с использованием разных стратегий, и не имеют единого критерия для оценки решения.

С когнитивной точки зрения первым шагом в процессе создания роботизированного устройства является идентификация проблемы, при которой лицо, решающее проблему, должно разработать представление проблемы.С точки зрения робототехники это подразумевает анализ требований к системе и перевод этих требований в проектные спецификации (Pahl and Beitz, 2007). С точки зрения обработки информации, этот шаг может быть выполнен путем выборочного кодирования, т. Е. Выбора соответствующих элементов проблемы и подавления тех, которые не имеют отношения к выполнению задачи (Sternberg, 1988; Benedek et al., 2014). Другой важный процесс - извлечение релевантной информации из долговременной памяти (Smith, 1995).Предположительно, это делается путем выборочного сравнения (Sternberg, 1986a; 1986b), в котором средство решения проблем сопоставляет существующие знания и предыдущий опыт решения проблем с характеристиками новой задачи (Holyoak, 1984; Mumford et al., 1991). Он включает сравнение критических элементов, таких как цели, процедуры и ограничения, встречающиеся в аналогичных проблемах. С практической точки зрения, когда речь идет о создании идей для конструкции робота, учащиеся проводят время, размышляя об известных решениях и о том, как их можно повторно использовать в новой задаче (Колоднер, 1994).Этот процесс помогает учащимся выявить пробелы в имеющихся у них знаниях. Когда проблема является новой, а процедурные и диспозиционные знания отсутствуют, приходится много учиться (Amabile, 1983). Например, в исследовании Купермана и Вернера (2013), прежде чем построить роботизированную модель человеческого сердца, студенты должны были провести исследования, чтобы изучить принцип механизма сердцебиения. Если навыки и знания, относящиеся к предметной области, достаточны для изучения ряда возможных путей, учащиеся сразу же начинают процесс создания робота после того, как проблема была определена.

Процесс создания решений в задачах робототехники часто сопровождается реализацией, то есть проектированием роботов. Поскольку проблемы робототехники часто плохо определены, поиск возможных решений для каждой проектной спецификации требует поиска среди множества потенциальных альтернатив в пределах пространства возможностей (Ball et al., 1997). Есть свидетельства того, что генерация небольшого количества идей на этом этапе приводит к ограничению пространства поиска и плохому дизайну, поскольку студенты слишком рано «зацикливаются» на конкретных решениях (Fricke, 1996).

Этап создания робототехники включает мысленный и физический синтез компонентов здания и создание функциональных прототипов. Функциональные прототипы роботов, являющиеся результатом начальных процессов генерации, можно рассматривать как превентивные структуры (Finke et al., 1992), которые оцениваются на соответствие и другие критерии и далее модифицируются на этапе исследования . Оценка прототипов естественным образом возвращает студентов к первым этапам творческого процесса - пересмотру проектных спецификаций, а также сбору информации, относящейся к задаче (Suwa et al., 1999). Этот повторяющийся процесс восприятия возникающего дизайна и внесения в него изменений позволяет изучать новые возможности и часто приводит к неожиданным открытиям (Schön and Wiggins 1992; Kelly and Gero, 2014).

За процессом проектирования робота следует итеративная фаза проб и ошибок программирования движений робота, тестирования и изменения его конструкции и программного кода (Nemiro et al., 2017; Alves-Oliveira, 2020; Chevalier и др., 2020). На более поздних этапах процесса создания модели робота студенты выходят за рамки метода проб и ошибок и начинают разрабатывать собственный эвристический подход, который позволяет им предлагать оригинальные технические решения (Hayes, 1978; Altshuller, 1988 ; Салливан, Лин, 2012; Салливан, 2017).

Барак и Задок (2009) описали три исследовательские стратегии, которые приводят учащихся к изобретательским решениям в роботизированных задачах. Первую стратегию авторы назвали «назначением новой функции», при которой учащиеся находят новое применение для уже существующего движения робота. Вторая стратегия предполагает исключение компонента из системы. Эта эвристика подробно описана в ТРИЗ (Альтшуллер, 1988). Третья стратегия состоит из изучения физических объектов, доступных в окружающей среде, и попытки применить их для решения проблемы.Салливан (2011) назвал эту последнюю стратегию «использование возможностей окружающей среды». Механизмы внимания и, в частности, рассеянное внимание могут быть важны для этой стратегии, поскольку они помогают замечать некоторые внешние сигналы, ведущие к генерации новых идей (Сарати, 2018; Забелина, 2018).

Салливан (2011) описал процесс построения роботизированной модели в терминах циклов устранения неполадок и раундов быстрого прототипирования, в которых студенты плавно перемещаются между 1) написанием кода, 2) тестированием робота, 3) анализом проблем, 4) предложением изменений. к модели и 5) повторное тестирование устройства.Подробный анализ траектории решения автором показывает, что каждый раунд устранения неполадок включает в себя три ключевых этапа: 1) выявление проблемы, 2) генерация идеи и выбор стратегии и 3) размышления о ходе процесса решения проблемы. Салливан (2011) описал случай деятельности по программированию робототехники, в которой процесс решения состоял из 17 циклов устранения неполадок и был двояким: сначала использовалась исследовательская стратегия для обнаружения новых возможностей материалов, а затем проблема была переопределена, т.е.е., применялось метауровневое рассуждение.

Подводя итог, можно сказать, что процесс создания роботизированных моделей можно охарактеризовать как постоянный поиск и перемещение между генеративным и исследовательским мышлением (рис. 3). Создание роботизированной модели включает использование генеративных стратегий, таких как извлечение памяти (Sullivan, 2011), мозговой штурм (Nemiro et al., 2017), ментальный синтез и аналогичный перенос (Barak and Zadok, 2009; Cuperman and Verner, 2013), а также исследовательские стратегии - поиск атрибутов, концептуальная интерпретация (Барак и Задок, 2009; Чан и Шунн, 2015) и использование возможностей окружающей среды (Салливан, 2011). Как показывает наш анализ, поиск решения в процессе создания робота включает не только переключение между генеративными и исследовательскими стратегиями, но также переключение между уровнями мышления, на которых работают эти стратегии. Можно предположить, что практика чередования двух различных способов познания, генеративного и исследовательского, в сочетании с неявными и метакогнитивными процессами, которые работают параллельно, может привести к лучшей координации между этими компонентами и способствовать когнитивной гибкости учащегося.Недавние учебные модели для обучения творчеству с помощью образовательной робототехники также подчеркивают роль генеративных, исследовательских и мета-компонентов (Chevalier et al., 2020; Yang et al., 2020). Другое возможное объяснение, которое может объяснить продвижение творческого потенциала студентов с помощью программ робототехники, заключается в том, что процесс участия в совместном создании робототехнических устройств приводит не только к новым физическим артефактам, но и к появлению новых умственных инструментов - имплицитных и метаидеационных стратегий . Таким образом, участие в физически, технологически и социально обусловленных задачах робототехники может привести к развитию творческих способностей у студентов.

РИСУНОК 3 . Создание и исследование решений.

Этот довольно краткий анализ не ставит своей целью дать исчерпывающее описание процесса построения и программирования роботов. Скорее, мы стремились проиллюстрировать, что траектория решения в задачах робототехники может иметь общие параллели с творческим процессом и может быть описана в терминах когнитивной обработки, которые часто цитируются в концепциях творческого познания.

Творческие процессы в автономных роботах

В предыдущих разделах мы описали творчество как социально и материально обусловленную практику, которая разворачивается во времени посредством восприятия и изучения материальных и технологических возможностей и создания новых артефактов. В дополнение к когнитивным и познавательным факторам учащегося, модель слияния творчества подчеркивает роль окружающей среды в преобразовании творческого потенциала учащегося в новые и полезные продукты. Однако оценка таких моделей человеческого творчества является сложной задачей в естественных условиях из-за этических проблем и трудностей с выделением гипотетических переменных.

Современные алгоритмы машинного обучения позволяют робототехникам разрабатывать автономных агентов, способных обучаться, исследуя свою среду. В отличие от вычислительного творчества, исследования в области робототехники с использованием обучения с подкреплением также расположены в том смысле, что они используют методы, применимые к воплощенным агентам. В этом отношении робот становится идеальным инструментом для изучения и моделирования возникновения творческих способностей.

До сих пор мы использовали термин «робот» в пассивной форме и рассматривали его как инструмент для развития творческих способностей человека. В этом разделе мы изменим нашу точку зрения, чтобы рассматривать робота как испытательную площадку для реализации и проверки нашей модели творческого процесса. Реализация модели для физических экспериментов требует определения всех задействованных внутренних структур и процессов (Fong et al. , 2002).

Основываясь на описании процессов, приведенных в предыдущих разделах, мы утверждаем, что для моделирования творческого процесса автономные агенты должны уметь:

1.Приобретайте новые знания и учитесь.

2. Активировать и повторно использовать знания в широком диапазоне сред.

3. Выберите и измените стратегии решения проблем.

4. Используйте мета-рассуждения для определения и переопределения проблем, оценки процесса и артефактов.

Совокупность автоматических процессов, способных вызывать поведение, которое у людей считалось бы творческим, Уиггинс назвал «творческой системой». Структура творческих систем (Wiggins, 2006) описывает творческую систему в терминах процесса поиска, который проходит через концептуальное пространство для создания артефактов.Этот исследовательский поиск сочетается с процессом метакогнитивного поиска, который работает во всех возможных концептуальных пространствах. Linkola et al. (2020) попытались применить понятие исследовательского поиска Виггинса к обучающимся агентам. Основываясь на концепциях Марковских процессов принятия решений (MDP), Структура выбора творческих действий (Linkola et al., 2020) обеспечивает формальный отчет о выборе действия агента на основе ценности, новизны и достоверности артефактов и концепций.

Некоторые авторы предположили, что современные алгоритмы обучения с подкреплением, основанные на MDP, могут позволить моделировать творческий процесс в автономных агентах (Vigorito, Barto, 2008; Schmidhuber, 2010; Colin et al., 2016). Обучение с подкреплением (RL) напоминает творческий процесс, поскольку оба включают взаимодействие между агентом, принимающим решения, и его динамической неопределенной средой, когда агент ищет решение данной проблемы. В задачах обучения с подкреплением агент исследует пространство возможных стратегий и получает обратную связь, основанную на результатах своего принятия решений. Эта информация используется для вывода оптимальной политики (Kober et al., 2013). По мнению Колина и соавт. (2016), изменения политики агента в алгоритмах иерархического обучения с подкреплением напоминают изменение стратегий, которое происходит во время творческих процессов.

Одна из проблем обучения с подкреплением - это дилемма между разведкой и эксплуатацией (Sutton and Barto, 1998). Чтобы получить больше вознаграждения, агент обучения с подкреплением должен выбрать действия, которые были эффективны в прошлом. Но чтобы обнаружить такие действия и сделать лучший выбор действий в будущем, робот должен пробовать действия, которые он не выбирал раньше. Творческий процесс также отмечен ограничением между новыми и уже существующими стратегиями решения проблем (Collins and Koechlin, 2012) и необходимостью опираться на предыдущий опыт и знания, чтобы расширять их или порвать с ними для создания новизны.

Один из способов решения этой дилеммы - ввести внутреннюю мотивацию в RL, то есть изменить функцию вознаграждения для повышения производительности агента (Singh et al., 2010). В то время как традиционный подход к RL заключается в предоставлении вознаграждения только в случае выполнения задачи, внутренне мотивированные агенты также поощряются «формированием» вознаграждений за обнаружение новых, неожиданных закономерностей в окружающей среде (Ng et al. , 1999). Согласно Шмидхуберу (2010), открытие этих новых закономерностей в исследованиях, движимых любопытством, ознаменовалось бы впечатляющим сокращением вычислительных ресурсов.

Последние достижения в обучении с подкреплением связаны с внедрением глубокого обучения с подкреплением, демонстрирующего, что агенты учатся играть в игры, которые долгое время считались очень сложными для искусственных агентов (Mnih et al., 2015; Silver et al., 2016; Schulman и др., 2017). Однако одним из основных ограничений алгоритмов RL является их высокая вычислительная стоимость для изучения новых сред. Хотя RL успешно используется для автономного решения сложных задач, обучение решению этих задач требует больших временных затрат.Это связано с тем, что для того, чтобы прийти к хорошему решению, агентам RL требуется значительное количество исследовательских взаимодействий с окружающей средой.

Было предложено несколько подходов для сокращения времени обучения с подкреплением; они включают обучение через советы других агентов в общей среде (Saunders, 2012; Silva and Costa, 2019) и обучение на человеческих демонстрациях (Argall et al. , 2009; Fitzgerald et al., 2018). Еще один способ преодолеть недостаток трудоемких исследований - включить алгоритмы машинного обучения с возможностью передачи и повторного использования ранее приобретенных знаний в задачах с использованием подхода аргументации на основе случаев (CBR) (Riesbeck and Schank, 1989; Kolodner, 2014) .

CBR начинается с проблемного представления ситуации, в которой может быть использован кейс. Представление проблемы сравнивается с случаями, хранящимися в базе наблюдений, с использованием указанных мер сходства. Если существуют соответствующие случаи, они извлекаются, корректируются и повторно используются в рассматриваемой проблеме (Aamodt and Plaza, 1994; De Mantaras et al., 2005). Учитывая, что CBR уже был связан со стратегиями решения проблем ТРИЗ и продемонстрировал свой потенциал для ускорения разработки инноваций (Robles et al., 2009; Ching-Hung et al., 2019), его применение для ускорения RL кажется многообещающим.

Недавние попытки объединить преимущества обучения с подкреплением и аргументации на основе конкретных случаев можно найти в Glatt et al. (2020), Bianchi et al. (2018). В то время как алгоритм Deep Case-Based Policy Inference ускоряет обучение, создавая набор политик и используя их для более эффективного изучения новой задачи, последний, эвристически ускоренные алгоритмы обучения с подкреплением (TLHARL), ускоряет процесс RL с помощью CBR. и эвристика.Bianchi et al. (2018) показали, что TLHARL значительно улучшил скорость обучения в двух областях - футбол роботов и обучение стабильности роботов-гуманоидов.

Успех системы, использующей методы CBR, зависит от способности системы извлекать, переопределять и повторно использовать дела. Для обнаружения сбоев в рассуждении, улучшения меры оценки сходства и механизмов адаптации кейса системы CBR используются методы мета-аргументации. Arcos et al. (2011) описали интроспективную модель рассуждений, позволяющую системе CBR обучаться автономно, чтобы улучшить несколько аспектов ее процесса рассуждения.Модель выполняет пять различных функций: 1) мониторинг процесса CBR; 2) оценка качества предлагаемых решений; 3) выявление отказов по причине; 4) постановка целей; и 5) оценка воздействия предложенных улучшений. Благодаря мета-рассуждениям система может выявлять и устранять источники сбоев и, таким образом, постепенно адаптироваться к новой проблемной ситуации. Однако системы

CBR также имеют свои пределы. В то время как они эффективны при работе со случаями, которые имеют сходство с задачей, которая уже выполнялась роботом, системы CBR имеют ограниченную эффективность, когда они сталкиваются с новыми проблемами.Parashar et al. (2018) представили архитектуру, позволяющую агенту справляться с новинками. В работе рассматривается вопрос, поднятый Сарати и Шойц (2018), Конидарис и др. (2018) и сочетает в себе подходы к планированию и обучению с подкреплением. Эта комбинация подходов сверху вниз и снизу вверх делает работу Parashar et al. (2018) особенно актуален в контексте творческого решения задач в робототехнике. Авторы предложили трехуровневую архитектуру агента, в которой: 1) рассуждения на объектном уровне основаны на информации, закодированной из окружающей среды; 2) осмысленное рассуждение, отвечающее за построение плана и действия на основе информации объектного уровня, и 3) уровень мета-рассуждений, отвечающий за построение и реконструкцию проблемы, основанный на информации объектного и рассудочного уровней и истории обучения.Метауровневые рассуждения также позволяют контролировать переключение между стратегиями объектного уровня и стратегиями обсуждения.

В этом разделе мы обрисовали в общих чертах методы, которые могут стать возможной отправной точкой для моделирования творческого процесса в искусственных системах. Предварительная модель системной архитектуры показана на рисунке 4. Комбинация этих или аналогичных методов (Augello et al., 2018; Edmonds et al., 2020; Goel et al., 2020) может привести к гибридному подходу для агентов проектирования. способен решать новинки и решать проблемы типа МакГайвера с помощью аффордансов (Sarathy and Scheutz, 2018).

РИСУНОК 4 . Архитектура системы.

Обсуждение

Мы начали с наблюдения, что, хотя многочисленные исследования показали положительный эффект построения и программирования роботов на творчество, мало внимания уделялось механизмам, которые могут объяснить этот эффект. Образовательная робототехника считалась творческой деятельностью по своей сути. Чтобы восполнить этот пробел, мы изучили процесс проектирования и программирования роботов по отношению к существующим моделям творческого познания.Наш анализ привел к описанию творческого процесса как многоступенчатого процесса, который основывается на существующих знаниях и включает в себя компоненты проб и ошибок, генеративные, исследовательские и метакогнитивные компоненты. Затем мы рассмотрели некоторые недавние методы, позволяющие роботам моделировать творческий процесс, и предположили, что сочетание методов обучения с подкреплением, прецедентных рассуждений и мета-рассуждений может создать роботов, способных решать новинки и решать проблемы типа МакГайвера.

Однако остается много вопросов.Во-первых, как указывает модель слияния (Lubart et al., 2015), сочетание когнитивных механизмов является необходимым условием для появления творческого продукта. Чтобы заниматься творческой работой, необходимо объединить творческий и экологический аспекты. И все же, что еще более поразительно, наше нынешнее понимание человеческого творчества далеко от завершения, поскольку психологи до сих пор не знают точно, как эти многочисленные факторы взаимодействуют вместе, чтобы влиять на творческое производство. Например, каков оптимальный уровень внутренней мотивации и толерантности человека к неопределенности для достижения творческого результата? Улучшает ли внутренняя мотивация использование определенных стратегий? Как контекстные переменные, такие как ресурсы или неблагоприятная среда, изменяют творческий процесс? Есть ли порог для различных предикторов творчества, под которым творчество не может возникнуть? Может ли возникнуть творчество, если полностью отсутствует одна когнитивная или умственная особенность?

В случае робототехники, даже несмотря на то, что определенные когнитивные процессы были имитированы, все еще не ясно, как роботы создают представления о проблемах, какова природа этих представлений и могут ли роботы автономно находить проблемы для решения.Что касается некогнитивных аспектов модели слияния Любарта и др. (2015), возникает вопрос, в какой степени роботы могут быть спроектированы так, чтобы включать конативные аспекты.

В свете концепции роботов, которые должны действовать как социальные агенты, их потенциальная «личность» оказывается в центре внимания. Если генетический вклад в личность ниже, чем в познание (Loehlin and Nichols, 2012), теоретически должно быть проще программировать роботов, которые развивают определенную «личность», и это то, что пытались сделать некоторые исследователи (Goetz and Kiesler, 2002; Ли и др., 2006; Woods et al., 2007; Tapus et al., 2008), особенно в отношении признака интроверсии / экстраверсии (Goetz, Kiesler, 2002; Lee et al., 2006; Tapus et al., 2008). Важный вопрос заключается в том, в какой степени роботы могут имитировать основные черты, связанные с творчеством, включая настойчивость, терпимость к двусмысленности, открытость для нового опыта и готовность к риску (Lubart et al., 2015). Что касается открытости к новому опыту, которая рассматривается как наиболее важная личностная черта для творчества (McCrae, 1987; Feist, 1998; Feist, 1999), прямых попыток запрограммировать робота с «непредубеждением» не предпринималось.Agnoli et al. (2015) обнаружили, что обработка с вниманием кажущейся нерелевантной информации (обработка нерелевантности) действует как модератор между открытостью и творческой эффективностью. Можно вообразить, что роботы могут быть запрограммированы на обработку нерелевантности и, как таковые, олицетворяют определенную «открытость».

Что касается толерантности к двусмысленности, творческая деятельность поощряется за счет поощрения людей не удовлетворяться поспешными, частичными или неоптимальными решениями сложных проблем (Lubart et al., 2015). Переинтерпретированный как метакогнитивный навык, толерантность к двусмысленности относится к «способности справляться с возрастающей чувствительностью к новым особенностям явления, чтобы переопределить предыдущие концептуальные интерпретации, зависящие от доверия и мотивации» (Lakhana, 2012, стр. III). При таком определении можно представить, что роботы могут быть запрограммированы так, чтобы отображать допуск двусмысленности.

Что касается мотивации, то наибольшее внимание уделяется внутренней мотивации как положительному условию творческого участия и достижений у людей (Collins and Amabile, 1999).Как описано в предыдущем разделе, в настоящее время предпринимаются попытки создать внутренне мотивированных роботов с использованием подхода обучения с подкреплением, особенно в отношении их внутренне мотивированного открытого обучения (Schmidhuber, 2010; Santucci et al., 2020). Исследование также отмечено некоторыми обнадеживающими попытками (Parisi and Petrosino, 2010; Kashani et al., 2012; Daglarli, 2020) смоделировать эмоциональные состояния роботов.

Что касается экологических аспектов, способствующих творческой деятельности, как мы уже упоминали в предыдущем разделе, уже существуют роботы, которые сотрудничают и передают знания (Silva and Costa, 2019).Проекты, подобные Curious Whispers (Saunders et al., 2010), изучающие потенциал эволюции искусственного общества в физической, социальной и культурной среде человека, находятся в стадии исследования.

Возможность сравнения людей и роботов с точки зрения творчества традиционно фокусировалась на продуктах обоих, глядя на то, могут ли люди и роботы производить одинаковую или различную творческую работу. Возникают вопросы, касающиеся относительной оригинальности или производительности людей и компьютеров.Напротив, наш фокус был ориентирован на процесс. Привлекают ли люди, участвующие в проекте по созданию роботов, определенные типы познания, способствующие развитию творческих способностей? Участвуют ли роботы, реализующие алгоритмы искусственного интеллекта, в творческой обработке, как люди, спонтанно? Робота лучше всего сравнить с человеческим младенцем, который учится и делает открытия, исследуя окружающую среду. Как утверждали Смит и Гассер (2005), стр.13, «начиная с младенчества, основанного в физическом, социальном и языковом мире, это имеет решающее значение для развития гибкого и изобретательного интеллекта, который характеризует человечество.Мы предполагаем, что полноценное творчество находится в «зоне ближайшего развития» робота (Выготский, 1967): чего робот не может достичь в одиночку, он может достичь с помощью человеческого учителя. Как мы видели, роботы, даже в их простейшей форме, также могут помочь людям в их творческих усилиях. Следовательно, люди и роботы могут плодотворно дополнять друг друга в разработке творческих результатов.

Заключение

В этой работе мы описали творческий процесс с точки зрения информации и когнитивной обработки, предполагая, что информатика и когнитивная психология оказали взаимное влияние друг на друга.Это влияние привело к развитию общего языка среди психологов и инженеров по информатике. Как показывает наш анализ, исследования креативности в психологии накопили большой набор эмпирических данных и теоретических знаний о творческих способностях человека, которые могут быть полезны как для анализа преимуществ дизайна роботов, так и для программирования студентов для развития их собственных творческих способностей. как конструкция искусственных агентов, роботов, которые сами способны к творчеству.Предоставив модели человеческого творчества для проектирования машин, психология смогла получить новое понимание от реализации и проверки этих моделей на воплощенных агентах. Междисциплинарный диалог и сотрудничество между психологами и робототехниками могут способствовать лучшему пониманию творческих способностей и будущего развития как творческих людей, так и творческих роботов.

Заявление о доступности данных

Оригинальные материалы, представленные в исследовании, включены в статью / дополнительные материалы, дальнейшие запросы можно направить соответствующему автору.

Вклад авторов

Все перечисленные авторы внесли существенный, прямой и интеллектуальный вклад в работу и одобрили ее для публикации.

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Рецензент MB заявил о прошлом соавторстве с одним из авторов TL редактору.

Сокращения

CBR, аргументация по делу; ER, образовательная робототехника; ФК, фигуральное творчество; MDP, марковские процессы принятия решений; RL - обучение с подкреплением; TCT-DP, тест на творческое мышление-изготовление рисунков; TLHARL, эвристически ускоренное переносное обучение с подкреплением; TTCT, торранс-тест творческого мышления.

Сноски

1 В этой статье термин «творческий» относится к ответу, который: адаптирован к проблемной ситуации и не был обучен в классе (дети), адаптирован к проблемной ситуации и ранее не применялся. запрограммирован для (робота).

Ссылки

Aamodt, A., and Plaza, E. (1994). Рассуждения на основе прецедентов: основные вопросы, методологические вариации и системные подходы. AI Commun. 7, 39–59. doi: 10.3233 / AIC-1994-7104

CrossRef Полный текст | Google Scholar

Adams, J., Kaczmarczyk, S., Picton, P., and Demian, P. (2010). Решение проблем и творчество в инженерии: выводы трехлетнего проекта, включающего многоразовые обучающие объекты и роботов. англ. Educ. 5 (2), 4–17.doi: 10.11120 / ened.2010.05020004

CrossRef Полный текст | Google Scholar

Agnoli, S., Franchin, L., Rubaltelli, E., and Corazza, G.E. (2015). Отслеживающий анализ обработки нерелевантности как модератор открытости и творческой деятельности. Creativity Res. J. 27 (2), 125–132. doi: 10.1080 / 10400419.2015.1030304

CrossRef Полный текст | Google Scholar

Алимисис, Д. (2013). Образовательная робототехника: открытые вопросы и новые вызовы. Темы Sci.Tech. Educ. 6 (1), 63–71.

Google Scholar

Альтшуллер Г. С. (1988). Творчество как точная наука . Нью-Йорк: Гордон и разрыв.

Альварес А. и Ларраньяга М. (2013). Использование LEGO Mindstorms для привлечения студентов к разработке алгоритмов [Доклад конференции]. Конференция IEEE Frontiers in Education. Оклахома-Сити, Оклахома .. doi: 10.1109 / FIE.2013.6685052

CrossRef Полный текст | Google Scholar

Alves-Oliveira, P. (2020). Развитие детского творчества за счет творческого взаимодействия с социальными роботами . (Лиссабон, Португалия: Лиссабонский университетский институт). [неопубликованная докторская диссертация].

Амабиле, Т. М. (1996). Творчество в контексте . Боулдер, Колорадо: Westview Press.

Амабиле, Т. М. (1993). Мотивационная синергия: к новым концепциям внутренней и внешней мотивации на рабочем месте. Hum. Управление ресурсами. Ред. 3 (3), 185–201. doi: 10.1016 / 1053-4822 (93)

-S

CrossRef Полный текст | Google Scholar

Amabile, T.М. (1983). Социальная психология творчества: компонентная концептуализация. J. Personal. Soc. Psychol. 45 (2), 357–376. doi: 10.1037 / 0022-3514.45.2.357

CrossRef Полный текст | Google Scholar

Апиола М., Латту М. и Пасанен Т. А. (2010). « Креативность и внутренняя мотивация в образовании в области компьютерных наук: эксперименты с роботами [доклад конференции]» в Ежегодной конференции по инновациям и технологиям (Вильнюс, Литва: образование в области компьютерных наук).doi: 10.1145 / 1822090.1822147

CrossRef Полный текст | Google Scholar

Arcos, J. L., Mülâyim, O., and Leake, D. B. (2011). «Использование интроспективных рассуждений для повышения производительности системы CBR» в Metareasoning: Thinking about Thinking . Редакторы М. Т. Кокс и Раджа (Кембридж, Массачусетс: MIT Press), 21–28.

Google Scholar

Аргалл Б. Д., Чернова С., Велозо М. и Браунинг Б. (2009). Обзор обучения роботов на демонстрации. Автономная система робототехники. 57 (5), 469–483. doi: 10.1016 / j.robot.2008.10.024

CrossRef Полный текст | Google Scholar

Аугелло А., Инфантино И., Манискалько У., Пилато Г., Риццо Р. и Велла Ф. (2018). Роботизированный интеллект и вычислительное творчество. Энциклопедия семантических вычислений и роботизированного интеллекта . Мировое научное издательство. 1850011. DOI: 10.1142 / S2529737618500119

Баделех, А. (2019). Влияние обучения робототехнике на творческие способности студентов и обучение физике, Educ.Инф. Technol. 26, 1353–1365. doi: 10.1007 / s10639-019-09972-6

CrossRef Полный текст | Google Scholar

Ball, L.J., St.B.T. Эванс, Дж., Деннис, И., и Ормерод, Т. К. (1997). Стратегии решения проблем и экспертиза в инженерном проектировании. Мышление и рассуждение 3 (4), 247–270. doi: 10.1080 / 135467897394284

CrossRef Полный текст | Google Scholar

Барак, М., и Задок, Ю. (2009). Робототехнические проекты и концепции обучения в науке, технологиях и решении проблем. Внутр. J. Technol. Des. Educ. 19 (3), 289–307. doi: 10.1007 / s10798-007-9043-3

CrossRef Полный текст | Google Scholar

Бегетто, Р. А., и Корацца, Г. Э. (2019). Динамические перспективы творчества . Нью-Йорк: Springer International.

Бенедек М., Яук Э., Соммер М., Арендаси М. и Нойбауэр А. К. (2014). Интеллект, креативность и когнитивный контроль: общее и различное участие исполнительных функций в интеллекте и творчестве. Интеллект 46, 73–83. doi: 10.1016 / j.intell.2014.05.007

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Bianchi, R.A.C, Santos, P.E., da Silva, I.J., Celiberto, L.A., and Lopez de Mantaras, R. (2018). Эвристически ускоренное обучение с подкреплением с помощью прецедентного мышления и трансферного обучения. J. Intell. Robot Syst. 91, 301–312. doi: 10.1007 / s10846-017-0731-2

CrossRef Полный текст | Google Scholar

Кавас, Б., Кесерчиоглу, Т., Холбрук, Дж., Ранникмае, М., Оздогру, Э., и Гоклер, Ф. (2012). «Влияние клуба робототехники на успеваемость учащихся на научный процесс и навыки научного творчества и восприятие роботов, человека и общества», в материалах 3-го международного семинара по обучению робототехнике, обучению робототехнике с интеграцией робототехники в школьную программу. Редакторы М. Моро и Д. Алимизис (Рива дель Гарда, Италия: TRTWR 2012).

Google Scholar

Чан, Дж., И Шунн, К.(2015). Влияние аналогий на создание креативных концепций: уроки in VivoStudy в инженерном дизайне. Cogn. Sci. 39, 126–155. doi: 10.1111 / cogs.12127

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Chevalier, M., Giang, C., Piatti, A., and Mondada, F. (2020). Содействие вычислительному мышлению с помощью образовательной робототехники: модель творческого решения вычислительных задач. Внутр. J. STEM Ed. 7 (39), 1–18. doi: 10.1186 / s40594-020-00238-z

CrossRef Полный текст | Google Scholar

Колин, Т.Р., Бельпеме, Т., Кангелози, А., Хемион, Н. (2016). Иерархическое обучение с подкреплением как творческое решение проблем. Автономная система робототехники. 86, 196–206. doi: 10.1016 / j.robot.2016.08.021

CrossRef Полный текст | Google Scholar

Коллинз, А., Коечлин, Э. (2012). Рассуждение, обучение и творчество: функция лобной доли и принятие решений человеком. Plos Biol. 10 (3), e1001293. doi: 10.1371 / journal.pbio.1001293

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коллинз, М.А. и Амабиле Т. М. (1999). «Мотивация и творчество» в Справочнике по творчеству . Редактор Р. Дж. Стернберг (Нью-Йорк: издательство Кембриджского университета), 297–312.

Google Scholar

Корацца, Г. Э., и Аньоли, С. (2018). «Творческий процесс в науке и технике», в Творческий процесс. Исследования Пэлгрейва в творчестве и культуре . Редактор Т. Любарт (Лондон: Palgrave Macmillan), 155–180. doi: 10.1057 / 978-1-137-50563-7_6

CrossRef Полный текст | Google Scholar

Кортес Роблес, Г., Негни, С., и Ле Ланн, Дж. М. (2009). Рассуждение на основе случаев и ТРИЗ: соединение для инновационной концепции в химической инженерии. Chem. Англ. Процесс. Интенсификация процесса 48 (1), 239–249. doi: 10.1016 / j.cep.2008.03.016

CrossRef Полный текст | Google Scholar

Кроули К., Шрагер Дж. И Зиглер Р. С. (1997). Открытие стратегии как конкурентные переговоры между метакогнитивными и ассоциативными механизмами. Develop. Ред. 17, 462–489. DOI: 10.1006 / древ.1997.0442

CrossRef Полный текст | Google Scholar

Куперман, Д., Вернер, И. М. (2013). Обучение через создание роботизированных моделей биологических систем. Внутр. J. Technol. Des. Educ. 23, 849–866. doi: 10.1007 / s10798-013-9235-y

CrossRef Полный текст | Google Scholar

Дагларли, Э. (2020). Вычислительное моделирование префронтальной коры для мета-познания робота-гуманоида. IEEE Access 8, 98491–98507. doi: 10.1109 / ACCESS.2020.2998396

CrossRef Полный текст | Google Scholar

Данахи, Э., Ван Э., Брокман Дж., Карберри А., Шапиро Б. и Роджерс К. Б. (2014). Робототехника на основе LEGO в высшем образовании: 15 лет творческой деятельности студентов. Внутр. J. Adv. Robotic Syst. 11, 27. doi: 10.5772 / 58249

CrossRef Полный текст | Google Scholar

Дорфман, Л., Мартиндейл, К., Гассимова, В., и Вартанян, О. (2008). Креативность и скорость обработки информации: двойная диссоциация, включающая элементарные и тормозящие когнитивные задачи. Персональный. Индивидуальные различия 44 (6), 1382–1390.doi: 10.1016 / j.paid.2007.12.006

CrossRef Полный текст | Google Scholar

Edmonds, M., Ma, X., Qi, S., Zhu, Y., Lu, H., and Zhu, S.-C. (2020). Причинная передача на основе теории: интеграция индукции на уровне экземпляров и изучения структуры абстрактного уровня [доклад конференции]. (Ванкувер, Канада: Конференция AAAI по искусственному интеллекту).

Этеоклеус, Н., Нисифороу, Э., Христодулу, К., Лю, Л., и Гибсон, Д. (2018). «Содействие творческому мышлению детей: новаторская учебная программа по робототехнике», в Research Highlights in Technology and Teacher Education .Редакторы Л. Лю и Д. К. Гибсон (Уэйнсвилл, Северная Каролина, 89–98.

Google Scholar

Фейст, Г. Дж. (1999). «Аффект в художественном и научном творчестве», в Аффект, творческий опыт и психологическая адаптация . Редактор С. В. Расс (Филадельфия: Тейлор и Фрэнсис), 9–108.

Google Scholar

Финке, Р. А., Уорд, Т. Б. и Смит, С. М. (1992). Креативное познание: теория, исследования и приложения . Кембридж. : The MIT Press.

Фицджеральд, Т., Гоэль, А., Томаз, А. (2018). Отображение объектов под управлением человека для передачи задач. J. Взаимодействие человека и робота. 7 (2), 1–24. doi: 10.1145 / 3277905

CrossRef Полный текст | Google Scholar

Фонг Т., Нурбахш И. и Даутенхан К. (2002). Обзор социально интерактивных роботов. Автономная система робототехники. 42 (3-4), 143–166. DOI: 10.1016 / S0921-8890 (02) 00372-X

Google Scholar

Fricke, G. (1996). Успешные индивидуальные подходы в инженерном проектировании. Res. Англ. Des. 8, 151–165. doi: 10.1007 / BF01608350

CrossRef Полный текст | Google Scholar

Гилхули, К. Дж., Фьорату, Э., Энтони, С. Х. и Винн, В. (2007). Дивергентное мышление: стратегии и участие руководителей в создании новых способов использования знакомых объектов. руб. J. Psychol. 98, 611–625. doi: 10.1111 / j.2044-8295.2007.tb00467.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Glatt, R., Da Silva, F. L., da Costa BianchiCosta, R.А., Коста А. Х. Р. (2020). DECAF: Глубокий политический вывод для передачи знаний в обучении с подкреплением. Expert Syst. Прил. 156, 113420. doi: 10.1016 / j.eswa.2020.113420

CrossRef Полный текст | Google Scholar

Glăveanu, V. (2013). Переписывая язык творчества: концепция пяти А. Rev. Gen. Psychol. 17, 69–81. doi: 10.1037 / a0033646

CrossRef Полный текст | Google Scholar

Goel, A. K., Fitzgerald, T., and Parashar, P.(2020). «Аналогия и мета-рассуждение: когнитивные стратегии для обучения роботов», в человеко-машинных общих контекстах . Редакторы У. Лоулесс, Р. Митту и Д. Софге (Кембридж, Массачусетс: Academic Press), 23–44. doi: 10.1016 / b978-0-12-820543-3.00002-x

CrossRef Полный текст | Google Scholar

Goetz, J., and Kiesler, S. (2002). «Сотрудничество с роботом-помощником [доклад на конференции]» в расширенных тезисах CHI'02 по человеческому фактору в вычислительных системах (Миннеаполис, Миннесота: Ассоциация вычислительной техники).DOI: 10.1145 / 506443.506492

CrossRef Полный текст

Хейс, Дж. Р. (1978). Когнитивная психология мышления и творчества . Хоумвуд: Дорси Пресс.

Хендрик Б., Али Н. М. и Наян Н. М. (2020). Роботизированная технология для повышения фигурного творчества: пример начальной школы. Внутр. J. Adv. Comput. Sci. Прил. 11 (1), 536–543. doi: 10.14569 / ijacsa.2020.0110166

CrossRef Полный текст | Google Scholar

Holyoak, K. J. (1984).«Ментальные модели в решении проблем», в Учебники по обучению и памяти . Редакторы Дж. Р. Андерсон и К. М. Косслин (Нью-Йорк: Фриман)), 193–218.

Google Scholar

Хуэй, Ю. К. (2014). «Преимущества и введение в программирование на Python для новичков, использующих недорогих роботов [доклад конференции]» на Международной конференции по преподаванию IEEE (Веллингтон, Новая Зеландия: оценка и обучение для инженеров).

Google Scholar

Ягуст, Т., Цветкович-Лэй, Дж., Кшич, А. С., Серсич, Д. (2017). «Использование робототехники для развития творческих способностей в дошкольном образовании [доклад конференции]» в Международной конференции по робототехнике и образованию RiE, София, Болгария.

Юнг, С., и Вон, Э.-с. (2018). Систематический обзор тенденций исследований в области робототехнического образования для детей младшего возраста. Sustainability 10, 905. doi: 10.3390 / su10040905

CrossRef Полный текст | Google Scholar

Кафаи, Ю. Б. и Резник, М. (1996). Конструктивизм на практике: проектирование, мышление и обучение в цифровом мире . Махва, Нью-Джерси: Лоуренс Эрлбаум.

Канеман Д. (2011). Мыслить, быстро и медленно . Нью-Йорк, штат Нью-Йорк: Макмиллан.

Kashani, M. M. R., Jangjou, M., Khaefinejad, N., and Laleh, T. (2012). «Авантюрные роботы, оснащенные базовыми эмоциями», на Международной междисциплинарной конференции IEEE по когнитивным методам в ситуационной осведомленности и поддержке принятия решений (Новый Орлеан, Лос-Анджелес: IEEE).doi: 10.1109 / CogSIMA.2012.6188362

CrossRef Полный текст | Google Scholar

Кауфман, С. Б. (2011). «Интеллект и когнитивное бессознательное», в Кембриджский справочник по интеллекту . Редакторы Р. Дж. Стернберг и С. Б. Кауфман (Кембридж, Великобритания: Cambridge University Press), 442–467.

Google Scholar

Келли Н. и Геро Дж. С. (2014). Интерпретация в дизайне: моделирование изменения ситуации в процессе проектирования. Res. Англ. Des. 25 (2), 109–124. doi: 10.1007 / s00163-013-0168-y

CrossRef Полный текст | Google Scholar

Кобер, Дж., Багнелл, Дж. А. и Петерс, Дж. (2013). Обучение с подкреплением в робототехнике: обзор. Внутр. J. Robotics Res. 32 (11), 1238–1274. doi: 10.1177 / 0278364913495721

CrossRef Полный текст | Google Scholar

Колоднер, Дж. Л. (2014). Рассуждения на основе случая . Сан-Матео, Калифорния: Морган Кауфманн.

Колоднер, Дж. Л. (2002). Learning by Design ™: итерации задач проектирования для лучшего обучения научным навыкам. Cogn. Stud. Бык. Jpn. Cogn. Sci. Soc. 9 (3), 338–350. DOI: 10.11225 / jcss.9.338

Google Scholar

Колоднер, Дж. Л. (1994). Понимание творчества: тематический подход. Конспект лекций Вычисл. Sci. 837, 1–20. doi: 10.1007 / 3-540-58330-0_73

CrossRef Полный текст | Google Scholar

Konidaris, G., Kaelbling, L.P., and Lozano-Perez, T. (2018). От навыков к символам: изучение символических представлений для абстрактного высокоуровневого планирования. Джаир 61, 215–289. doi: 10.1613 / jair.5575

CrossRef Полный текст | Google Scholar

Lakhana, A. (2012). Толерантность к неоднозначности в образовательных технологиях: обзор двух концепций социальных наук . [диссертация]. Монреаль, Канада: Университет Конкордия.

Ли, С.-Х., Чен, С.-Х., Ли, Ф., и Ши, А.-Дж. (2020). Индивидуальная и ориентированная на знания модель дизайна услуг, объединяющая аргументацию на основе прецедентов и ТРИЗ. Expert Syst. Прил. 143, 113062.doi: 10.1016 / j.eswa.2019.113062

CrossRef Полный текст | Google Scholar

Lee, K. M., Peng, W., Jin, S.-A., and Yan, C. (2006). Могут ли роботы проявлять личность?: Эмпирический тест распознавания личности, социальных реакций и социального присутствия во взаимодействии человека и робота. J. Commun. 56 (4), 754–772. doi: 10.1111 / j.1460-2466.2006.00318.x

CrossRef Полный текст | Google Scholar

Линкола, С., Гукельсбергер, К., и Кантосало, А. (2020). « Action Selection In the Creative Systems Framework [Conference Paper]» на Одиннадцатой Международной конференции по вычислительному творчеству, Коимбра, Португалия.Редакторы Ф. Амилкар Кардозу, П. Мачадо, Т. Виле и Х. Мигель Кунья.

Google Scholar

Лёлин, Дж. К., и Николс, Р. К. (2012). Наследственность, окружающая среда и личность: исследование 850 пар близнецов . Остин, Техас: Техасский университет Press.

Лопес Де Мантарас Р., МакШерри Д., Бридж Д., Лик Д., Смит Б., Кроу С. и др. (2005). Извлечение, повторное использование, пересмотр и сохранение в рассуждении на основе случая. Knowledge Eng. Ред. 20 (3), 215–240.doi: 10.1017 / S0269888

0646

CrossRef Полный текст | Google Scholar

Lubart, T., Mouchiroud, C., Tordjman, S., and Zenasni, F. (2015). Psychologie de la Créativité . Париж: Арман Колин.

Любарт, Т., Пакто, К., Жаке, А.-Й., и Карофф, X. (2010). Детский творческий потенциал: эмпирическое исследование проблем измерения. ЖЖ. Индивидуальные различия 20 (4), 388–392. doi: 10.1016 / j.lindif.2010.02.006

CrossRef Полный текст | Google Scholar

Любарт, Т.(2018). Творческий процесс: взгляд из разных областей . Лондон: Пэлгрейв Макмиллан.

Маркман, А. Б., и Гентнер, Д. (1993). Структурное выравнивание во время сравнений по сходству. Cogn. Psychol. 25, 431–467. doi: 10.1006 / cogp.1993.1011

CrossRef Полный текст | Google Scholar

Мартиндейл, К. (1999). «Биологические основы творчества» в Справочнике по творчеству . Редактор Р. Дж. Стернберг (Кембридж: издательство Кембриджского университета), 137–152.

Google Scholar

McCrae, R.R. (1987). Творчество, дивергентное мышление и открытость опыту. J. Personal. Soc. Psychol. 52 (6), 1258–1265. doi: 10.1037 / 0022-3514.52.6.1258

CrossRef Полный текст | Google Scholar

Mnih, V., Kavukcuoglu, K., Silver, D., Rusu, A. A., Veness, J., Bellemare, M. G., et al. (2015). Контроль на уровне человека посредством глубокого обучения с подкреплением. Природа 518 (7540), 529–533. DOI: 10.1038 / nature14236

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мамфорд, М.Д., Мобли М. И., Рейтер-Палмон Р., Ульман К. Э. и Доарс Л. М. (1991). Процессно-аналитические модели творческих способностей. Creativity Res. J. 4, 91–122. doi: 10.1080 / 104004134380

CrossRef Полный текст | Google Scholar

Немиро, Дж., Ларрива, К., и Джавахарлал, М. (2017). Развитие творческого поведения у учеников начальной школы с помощью робототехники. J. Creat. Behav. 51 (1), 70–90. doi: 10.1002 / jocb.87

CrossRef Полный текст | Google Scholar

Ньюэлл, А., Шоу, Дж. К., и Саймон, Х. А. (1962). «Процессы творческого мышления» в Современные подходы к творческому мышлению: симпозиум, проведенный в Университете Колорадо . Редакторы Х. Э. Грубер и М. Вертхаймер (Нью-Йорк: Atherton Press), 63–119. doi: 10.1037 / 13117-003

CrossRef Полный текст | Google Scholar

Ньюэлл А. и Саймон Х. (1972). Решение человеческих проблем . Энглвуд Клиффс, Нью-Джерси: Прентис-Холл.

Ng, A. Y., Harada, D., and Russell, S.(1999). Инвариантность политики при преобразованиях вознаграждения: теория и применение к формированию вознаграждения . Берлингтон, Массачусетс: Морган Кауфманн.

Нусбаум, Э. К., и Сильвия, П. Дж. (2011). Действительно ли интеллект и креативность так различаются? ☆ Гибкий интеллект, исполнительные процессы и стратегия использования в дивергентном мышлении. Интеллект 39 (1), 36–45. doi: 10.1016 / j.intell.2010.11.002

CrossRef Полный текст | Google Scholar

Пал Г. и Бейтц В. (2007). Инженерное проектирование: системный подход . Берлин: Springer.

Паперт, С. (1981). Mindstorms: дети, компьютеры и мощные идеи . Великобритания: Harvester Press.

Паперт, С., Соломон, К. (1972). Двадцать вещей, которые нужно сделать с компьютером. Educ. Tech. 12 (4), 9–18.

Google Scholar

Парашар П., Гоэль А. К., Шенеман Б. и Кристенсен Х. И. (2018). К пожизненным адаптивным агентам: использование мета-рассуждений для сочетания планирования, основанного на знаниях, с обучением на местах. Knowledge Eng. Ред. 33, e24. doi: 10.1017 / s0269888918000279

CrossRef Полный текст | Google Scholar

Паризи Д. и Петрозино Г. (2010). Роботы, у которых есть эмоции. Адаптивное поведение. 18 (6), 453–469. doi: 10.1177 / 1059712310388528

CrossRef Полный текст | Google Scholar

Riesbeck, C., and Schank, R. (1989). Рассуждения изнутри . Хиллсдейл, Нью-Джерси: Лоуренс Эрлбаум.

Зайлер, М., Хенсе, Дж., Мандл, Дж., И Клеверс, М.(2014). Психологические перспективы мотивации через геймификацию. Взаимодействие Des. Архитектура J. 19, 28–37.

Google Scholar

Сантуччи, В. Г., Аудейер, П.-Й., Барто, А., и Бальдассар, Г. (2020). От редакции: Внутренне мотивированное открытое обучение в автономных роботах. Фронт. Нейроробот. 13, 115. doi: 10.3389 / fnbot.2019.00115

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сарати, В., и Шойц, М.(2018). Тест МакГайвера: основа для оценки изобретательности машин и творческого решения проблем. arXiv 1704.08350 [Препринт]. Доступно по адресу: https://arxiv.org/abs/1704.08350 (по состоянию на 15 января 2021 г.).

Google Scholar

Saunders, R., Gemeinboeck, P., Lombard, A., Bourke, D., and Kocabali, B. (2010). Любопытный шепот: воплощенная искусственная творческая система [Доклад конференции]. Лиссабон, Португалия: Международная конференция по вычислительному творчеству.

Сондерс, Р.(2012). К автономным творческим системам: вычислительный подход. Cogn. Comput. 4 (3), 216–225. doi: 10.1007 / s12559-012-9131-x

CrossRef Полный текст | Google Scholar

Schmidhuber, J. (2010). Формальная теория творчества, развлечения и внутренней мотивации (1990-2010). IEEE Trans. Auton. Ment. Dev. 2 (3), 230–247. doi: 10.1109 / TAMD.2010.2056368

CrossRef Полный текст | Google Scholar

Schön, D. A. (1983). Рефлексивный практик: как профессионалы думают в действии , Vol.5126. Нью-Йорк: Основные книги.

Шен Д. А. и Виггинс Г. (1992). Виды видения и их функции в проектировании. Des. Stud. 13 (2), 135–156. doi: 10.1016 / 0142-694x (92)

-f

CrossRef Полный текст | Google Scholar

Schulman, J., Wolski, F., Dhariwal, P., Radford, A., and Klimov, O. (2017). Алгоритмы проксимальной оптимизации политики . [препринт] Доступно по адресу: arXiv: 1707.06347 (дата обращения 15 января 2021 г.).

Силва, Ф. Л. Д., и Коста, А.Х. Р. (2019). Обзор передачи обучения для систем многоагентного обучения с подкреплением. jair 64, 645–703. doi: 10.1613 / jair.1.11396

CrossRef Полный текст | Google Scholar

Silver, D., Huang, A., Maddison, C.J., Guez, A., Sifre, L., van den Driessche, G., et al. (2016). Освоение игры в го с глубокими нейронными сетями и поиском по дереву. Nature 529, 7587484–7587489. DOI: 10.1038 / nature16961

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Саймон, Х.(1966). «Научное открытие и психология решения проблем», в Разум и космос: очерки современной науки и философии . Редактор Р. Г. Колодни (Питтсбург, Пенсильвания: University of Pittsburgh Press).

Google Scholar

Саймон, Х. А. (1986). Объяснение обработки информации гештальт-феноменов. Comput. Гм. Behav. 2 (4), 241–255. doi: 10.1016 / 0747-5632 (86) -3

CrossRef Полный текст | Google Scholar

Singh, S., Льюис, Р. Л., Барто, А. Г., и Сорг, Дж. (2010). Внутренне мотивированное обучение с подкреплением: эволюционная перспектива. IEEE Trans. Auton. Ment. Dev. 2 (2), 70–82. doi: 10.1109 / TAMD.2010.2051031

CrossRef Полный текст | Google Scholar

Смит, С. М. (1995). «Фиксация, инкубация и понимание в памяти и творческом мышлении», в Подход творческого познания . Редакторы С. М. Смит, Т. М. Уорд и Р. А. Финке (Кембридж, Массачусетс: MIT Press), 135–156.

Google Scholar

Спиридонов В. Ф. (1997). Роль эвристических устройств в разработке процессов решения творческой задачи. J. Russ. East Eur. Psychol. 35 (2), 66–85. doi: 10.2753 / RPO1061-0405350266

CrossRef Полный текст | Google Scholar

Станович К. Э. и Уэст Р. Ф. (2000). Индивидуальные различия в рассуждениях: последствия для дебатов о рациональности ?. Behav. Brain Sci. 23 (5), 645–665. doi: 10.1017 / s0140525x00003435

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Sternberg, R.Дж. (1988). «Трехгранная модель творчества», в Природа творчества: современные психологические перспективы . Редактор Р. Дж. Стернберг (Кембридж: издательство Кембриджского университета), 125–147.

Google Scholar

Штернберг, Р. Дж. (1986a). «Краткий обзор триархической теории человеческого интеллекта», в Intelligence and Cognition . Редакторы С. Х. Ирвин и С. Э. Ньюстед (Доррехт, Германия: Nijhoff), 161–221.

Google Scholar

Штернберг, Р.J. (2012). «Триархическая теория успешного интеллекта», в Contemporary Intellectual Assessment: теории, тесты и проблемы . Редакторы Д. П. Фланаган и П. Л. Харрисон (Нью-Йорк: Гилфорд Пресс), 156–177.

Google Scholar

Штернберг, Р. Дж. (1986b). К единой теории человеческого разума. Интеллект 10, 281–314. doi: 10.1016 / 0160-2896 (86)

-2

CrossRef Полный текст | Google Scholar

Салливан А. и Берс М.У. (2018). Танцующие роботы: интеграция искусства, музыки и робототехники в сингапурских центрах для детей младшего возраста. Внутр. J. Technol. Des. Educ. 28 (2), 325–346. doi: 10.1007 / s10798-017-9397-0

CrossRef Полный текст | Google Scholar

Салливан, Ф. Р., и Лин, X. Д. (2012). The Ideal Science Student Survey: Изучение взаимосвязи восприятия студентов с их деятельностью по решению проблем в контексте робототехники. J. Интерактивное обучение. Res. 23 (3), 273–308.

Google Scholar

Салливан, Ф.Р. (2011). Серьезное и игривое исследование: эпистемологические аспекты совместного творчества. Educ. Tech. Soc. 14 (1), 55–65.

Google Scholar

Салливан, Ф. Р. (2017). «Творческий характер деятельности робототехники: проектирование и решение проблем», в Робототехника в образовании STEM . Редактор М. С. Хайн (Чам): Издательство Springer International: Springer), 213–230. doi: 10.1007 / 978-3-319-57786-9_9

CrossRef Полный текст | Google Scholar

Саттон, Р., и Барто, А. (1998). Обучение с подкреплением: Введение . Кембридж, Массачусетс: MIT Press.

Сува М., Геро Дж. С. и Перселл Т. (1999). «Неожиданные открытия и S-изобретения требований к дизайну: ключ к творческому дизайну», в Computational Models of Creative Design IV . Редакторы Дж. С. Геро и М-Л. Махер (Сидней: Ключевой центр дизайна, вычислений и познания, Сиднейский университет), 297–320.

Google Scholar

Tapus, A., ăpuş, C., и Матарич, М. Дж. (2008). Подбор личности робота-пользователя и адаптация поведения роботов-помощников для реабилитационной терапии после инсульта. Intel Serv. Робототехника 1 (2), 169–183. doi: 10.1007 / s11370-008-0017-4

CrossRef Полный текст | Google Scholar

Torrance, E. P. (1974). Тесты творческого мышления Торранса - Нормативно-техническое руководство Research Edition . Принстон, Нью-Джерси: Персонал Пресс.

Урбан, К. К., и Джеллен, Х. Г. (1996). Тест на творческое мышление - Производство рисунков (TCTDP) .Лиссе, Нидерланды: Swets and Zeitlinger.

Вигорито, К. М., и Барто, А. Г. (2008). «Иерархические представления поведения для эффективного творческого поиска», в весеннем симпозиуме AAAI: Creative Intelligent Systems (Пало-Альто, Калифорния: AAAI), 135–141.

Google Scholar

Выготский, Л.С. (1967). Игра и ее роль в умственном развитии ребенка. Советский психол. 5, 6–18. doi: 10.2753 / rpo1061-040505036

CrossRef Полный текст | Google Scholar

Wallas, G.(1926). Искусство мысли . Лондон: Дж. Кейп.

Ван Э. (2001). Обучение первокурсников дизайну, творчеству и программированию с помощью Legos и Labview, материалы 31-й ежегодной конференции «Границы образования». 3. Рино, Н.В.: Влияние на инженерное и научное образование, F3G – F11. doi: 10.1109 / FIE.2001.963943

CrossRef Полный текст | Google Scholar

Уорд, Т. Б., Смит, С. М., и Финке, Р. А. (1999). «Творческое познание» в Справочнике по творчеству .Редактор Р. Дж. Стернберг (Кембридж: издательство Кембриджского университета), 189–212.

Google Scholar

Weisberg, R. W. (1986). Творчество: гений и другие мифы . Нью-Йорк: Фриман.

Уиггинс, Г. А. (2006). Предварительные рамки для описания, анализа и сравнения творческих систем. Система знаний, основанная на знаниях. 19, 449–458. doi: 10.1016 / j.knosys.2006.04.009

CrossRef Полный текст | Google Scholar

Woods, S., Dautenhahn, K., Kaouri, C., Boekhorst, R. t., Koay, K. L., and Walters, M. L. (2007). Роботы похожи на людей? Внутр. Исследования. 8 (2), 281–305. doi: 10.1075 / is.8.2.06woo

CrossRef Полный текст | Google Scholar

Янг, Ю., Лонг, Ю., Сан, Д., Алст, Дж., И Ченг, С. (2020). Содействие творчеству студентов с помощью образовательной робототехники: исследование педагогической практики учителей на основе интервью учителей. руб. J. Educ. Technol. 51, 1826–1842. doi: 10.1111 / bjet.12985

CrossRef Полный текст | Google Scholar

Забелина Д.Л. (2018). «Внимание и творчество», в Кембриджский справочник по нейробиологии творчества . Редакторы Р. Э. Юнг и О. Вартанян (Кембридж, Великобритания: Cambridge University Press), 161–179. doi: 10.1017 / 9781316556238.010

CrossRef Полный текст | Google Scholar

Забелина Д. Л. и Робинсон М. Д. (2010). Творчество как гибкий когнитивный контроль. Psychol. Эстетика, творчество, искусство 4, 136–143. doi: 10.1037 / a0017379

CrossRef Полный текст | Google Scholar

Забелина Д., Сапорта, А., Биман, М. (2016). Гибкое или слабое внимание у творческих людей? Разные модели внимания для разных типов творческого мышления. Mem. Cogn. 44, 488–498. doi: 10.3758 / s13421-015-0569-4

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Завиеска, К., Даффи, Б. Р., Зелински, К., Каличиньска, М., и SpringerLink, (2015). «Социальное конструирование творчества в образовательной робототехнике», в Достижения в области интеллектуальных систем и вычислений 351 .Редакторы Р. Шевчик, К. Зелиньски и М. Каличиньска (Швейцария: Springer International Publishing), 329–338. doi: 10.1007 / 978-3-319-15847-1_32

CrossRef Полный текст | Google Scholar

Избегание шаблонов при двоичном заполнении форм сетки

Аннотация

Фигура сетки - это набор ящиков, выбранных из квадратной сетки; любая диаграмма Юнга является примером. Мы рассматриваем понятие избегания паттернов для заполнения форм сетки 0-1, которое обобщает избегание паттернов перестановок.Заполнение позволяет избежать набора шаблонов, если ни одна из его подфигур, полученных путем удаления некоторых строк и столбцов, не соответствует ни одному из шаблонов. Мы ориентируемся на узоры, которые представляют собой пары начинок 2 х 2. Абсолютно неотрицательные клетки Грассмана находятся в биекции с заполнением формы Юнга, что исключает конкретную пару 2 x 2, которые, в свою очередь, равны с заполнением, избегая другой пары 2 x 2. Последние соответствуют ациклическим ориентациям двудольного графа фигуры. Мотивированные этим результатом, благодаря Постникову и Вильямсу, мы доказываем ряд таких аналогов эквивалентности Уилфа для этих объектов, то есть мы показываем, что в определенных классах форм некоторые заполнения, избегающие шаблонов, равны другим.Эквивалентности в этой статье вытекают из двух очень разных биекций и из семейства рекуррентностей, обобщающих результаты Постникова и Вильямса. Мы использовали компьютер, чтобы проверить каждую из описанных эквивалентностей на разнообразном наборе форм. Все наши результаты почти точны в том смысле, что мы не нашли естественных семейств форм, в которых выполнялись бы эквивалентности, но не гипотезы результатов. Одна из этих биекций дает начало некоторой новой комбинаторике на мозаиках скошенных форм Юнга с прямоугольниками, которые мы называем диаграммами Попая.В частном случае это в точности плотные разбиения Хью Томаса при d = 2. Мы показываем, что диаграммы Попая представляют собой решетку и, более того, каждая диаграмма является подрешеткой решетки Тамари. Мы также даем простой результат перечисления.

Описание
Диссертация (Ph. D.) - Массачусетский технологический институт, факультет математики, 2009 г.

Включает библиографические ссылки (стр. 87-88).

Отдел
Массачусетский Институт Технологий. Отделматематики.

Издатель

Массачусетский технологический институт

Перейти к основному содержанию Поиск