چگونه ياد مي‌گيريم؟
يادگيري تغييري است كه بر اثر تجربه يا آموزش در رفتار موجود زنده پديد مي‌آيد
فرآيند يادگيري به ايجاد مداوم مسيرهاي عصبي جديد در ميان شبكه‌ي وسيع نورون‌هاي مغز وابسته است.
یادگیری در انسان
ساختار مغز
مغز
انسان حاوی بيش از ۱۰ بيليون سلول عصبی (nerve cells) يا نورون (neuron)
که هر نورون بوسيله ۱۰.۰۰۰ سيناپس به نورونهای اطراف خود متصل شده است. اين
ساختار شبکه ای نورونهای مغز يک ساختار پردازش موازی اطلاعات بسيار گسترده
را ايجاد می کند
یادگیری در انسان
چگونه مغز انسان می آموزد ؟
در مغز انسان یک سلول سیگنال ها را از طریق dendrites جمع آوری می کند
سلول عصبی جهش سریع فعالیت الکتریکی را در طول یک پایه بلند و نازک که
axon نامیده میشود ، می فرستد. در انتهای هر شاخه ، ساختاری که synapse
نامیده می شود این فعالیت را ازaxon به اثرات الکتریکی تبدیل می کند.
یاد گیر ی با تغییر تاثیر synapses اتفاق می افتد در نتیجه تاثیر یک سلول بر دیگران تغییر میکند.
یادگیری در انسان
انواع يادگيري
خوگيري
شرطي سازي کلاسيک
شرطي سازي عامل
يادگيري پيچيده
یادگیری در انسان
سبک های یادگیری
فعالیت گرا
اهل فکر
نظریه پرداز
پراگماتیست
یادگیری در انسان
دیدگاه
ها نسبت به یادگیریمارتون و سالجو (1997) دو رویکرد یادگیری عمیق و سطحی
راشناسایی کرده اند که اساسا در تصوری که ازمعنی آموزش دارند با هم
متفاوتند. ‘یادگیری عمیق’ رویکرد مطلوب آموزش عالی است. ‘یادگیری سطحی’ در
پیوند با حفظ کردن فرمول‌ها و معلومات بدیهی است.
کسانی که رویکرد عمیق به یادگیری دارند مطالب جدید را با ربط دادن آنها به دانسته های قبلی شان یاد می‌‌گیرند
یادگیری سطحی گردآوری معلومات بی ربط به هم مانند اسم آدم‌ها و مکان‌ها و تاریخ وقایع است.
یادگیری در ماشین
تاریخچه:
از
حدود 1940، نوروفیزیولوژیستها سعی میکردند سیستم یادگیری و تجزیه و تحلیل
مغز را کشف کنند و از سویی ریاضیدانان تلاش می کردند تا مدل ریاضی بسازند
که قابلیت فراگیری و تجزیه تحلیل عمومی مسائل را دارا باشد
حدود 1974 دانش مربوط به نوع اتصال این واحدهای شبه نورونی به یکدیگر تکامل لازم را یافته بود.
یادگیری در ماشین
یک مثال از یادگیری در ماشین
اطلاعات
مربوط به چندین نمونه فرمول شناخته شده ، از قبیل غلظت اجزاء، زمان
فرایندهای مختلف فرمولاسیون، و پارامترهای فیزیکی از قبیل دما و pH را به
یک برنامه کامپیوتر می دهیم. سپس زمان پایداری اندازه گیری شده برای نمونه
ها را هم به این برنامه می دهیم.
برنامه مذکور مدتی ‘فکر می کند’ ،
داده های سیستم شما را تجزیه و تحلیل می کند، روابط پیچیده بین پارامترها
را یافته و مدل ریاضی آنها را می سازد، بطوریکه شما می توانید اطلاعات
مربوط به یک نمونه جدید را به آن وارد کنید وبرنامه پایداری آن را با دقت
قابل قبولی برای شما پیش بینی کند.
