James L. (Jay) McClelland

Voir les publications en ligne


Lucie Stern Professeur en sciences sociales
Directeur, Centre pour l’Esprit, le Cerveau et le Calcul
Département de psychologie
Université de Stanford

344 Jordan Hall, Édifice 420
450 Serra Mall
Stanford, CA 94305
+1-650-725-1232
mcclelland@stanford.edu

Curriculum Vitae et Faits saillants de carrière.
Publications et Ressources pour la simulation et l’auto-apprentissage.
Entrevues et articles de presse et conférence sur le prix Rumelhart.
Site Web du laboratoire PDP et conférence du prix Heineken.

Bienvenue et aperçu

Bienvenue et merci de visiter ma page d’accueil. Je suis professeur au département de psychologie et codirecteur du Centre pour l’Esprit, le Cerveau, le Calcul et la Technologie de Stanford. Mes recherches portent sur un large éventail de sujets en sciences cognitives et en neurosciences cognitives, y compris la perception et la prise de décision perceptuelle; l’apprentissage et la mémoire; langue et lecture; cognition sémantique et mathématique; et le développement cognitif. Je considère les fonctions cognitives comme émergeant de l’activité de traitement parallèle et distribuée des populations neuronales, l’apprentissage se produisant par l’adaptation des connexions entre les neurones participants, comme discuté dans Traitement Distribué Parallèle (Rumelhart, McClelland et PDP Research Group, 1986). La recherche dans mon laboratoire tourne autour des efforts pour développer des modèles informatiques explicites basés sur ces idées; tester, affiner et étendre les principes incarnés dans les modèles; puis d’appliquer les modèles à des questions de recherche de fond par le biais d’expériences comportementales, de simulations informatiques et d’analyses mathématiques.

Les faits saillants de ma carrière sont énumérés ci-dessous. Une liste complète des publications pertinentes est disponible sur ma page de publications, et des liens vers d’autres ressources sont fournis à côté de ma photo ci-dessus.

Cognition mathématique

Récemment, j’ai commencé ce que j’espère être un programme de recherche vaste et à long terme sur la cognition mathématique (regardez cette vidéo ou lisez cet article pour une description de l’approche). Le travail découle de mon intérêt de longue date pour les transitions de développement et de la volonté d’apprendre de nouvelles expériences ainsi que de l’espoir qu’une approche de traitement parallèle distribué peut faire la lumière sur certaines des réalisations les plus impressionnantes de la pensée humaine – – les idées et les systèmes de raisonnement structurés qui ont été créés par les mathématiciens. Dans cet effort, nous combinons des études expérimentales et des études de modélisation informatique. Le laboratoire cherche à recruter des étudiants expérimentaux et/ou informatisés intéressés à contribuer à cet effort.

L’objectif est de comprendre le développement des capacités humaines en mathématiques à tous les niveaux, de la numérosité et les étapes initiales du comptage à l’arithmétique, l’algèbre, la géométrie, et même les mathématiques et le calcul multivariés. Au cœur de l’effort se trouve la croyance selon laquelle il est préférable de considérer les mathématiques comme une question d’apprentissage d’un ensemble de modèles qui caractérisent les objets de la pensée mathématique et leurs propriétés, et d’effectuer des opérations sur des expressions qui ont un sens en termes d’objets représentés avec ces modèles. De ce point de vue, les mathématiques peuvent être considérées comme fournissant un moyen de voir les propriétés d’objets (réels ou imaginaires, souvent idéalisés) ou d’ensembles d’objets qui mettent en évidence des relations utiles qui sont capturées dans des expressions symboliques mais qui sont souvent comprises en termes d’intuitivité. des relations saisies qui donnent à ces expressions leur sens. L’accent est également mis sur la compréhension de la façon dont les processus d’apprentissage progressif peuvent éventuellement conduire à des connaissances et à des niveaux qualitativement différents de compréhension et de capacité mathématique, et sur la détermination de la meilleure façon de soutenir les apprenants lorsqu’ils tentent d’acquérir de tels modèles.

L’approche contraste avec les approches mathématiques basées sur des règles de deux manières: Premièrement, elle traite les systèmes formels de représentation symbolique comme des moyens de noter les éléments d’un système structuré pour représenter les propriétés des objets et leurs relations, plutôt que simplement comme des arrangements de symboles soumis à traitement selon des règles sensibles à la structure. Deuxièmement, il établit une distinction entre la connaissance explicite d’une règle formelle et la connaissance implicite intégrée aux façons acquises de percevoir et de déduire des inférences. Par exemple, nous pouvons consulter une règle explicite correspondant au principe de commutativité (pour tout a et b, a + b = b + a), ou nous pouvons avoir la connaissance implicite que la quantité totale résultant de la combinaison additive de quantités en deux parties est le même quel que soit l’ordre dans lequel les quantités partielles sont combinées. J’adhère à l’idée qu’une règle explicite est utile en tant que partie d’un système pour établir formellement la validité d’une compréhension ou d’un aperçu, mais que la compréhension elle-même peut provenir de la connaissance implicite, plutôt que de la manipulation d’expressions symboliques conformément avec des règles explicites. Ainsi, une partie essentielle de l’enseignement des mathématiques consiste à trouver des moyens de renforcer l’acquisition par les élèves des modèles pertinents, plutôt que de simplement les encourager à mémoriser une liste de formules.

Les projets spécifiques actuellement en cours dans le laboratoire comprennent: (a) une extension de l’apprentissage en profondeur qui capture l’émergence progressive d’une représentation de la numérosité des éléments dans une scène visuelle, capturant le développement de représentations de plus en plus précises de la numérosité au cours des deux premières décennies de la vie; (b) un modèle basé sur l’apprentissage visant à capturer la performance graduelle et dépendante de la magnitude des enfants dans des tâches exploitant leurs connaissances et leur capacité à effectuer correctement des tâches en nombre exact simples censées exploiter le soi-disant ‘principe de cardinalité’; (c) évaluation empirique et fondée sur un modèle des mécanismes de comparaison de la magnitude numérique, appliquée à la comparaison des fractions et des nombres tant négatifs que positifs; et (d) recherches sur le rôle des représentations visuospatiales dans le raisonnement trigonométrique. Des articles sur plusieurs de ces sujets sont en préparation. De plus, j’ai le plan à long terme de créer un agent simulé basé sur un réseau de neurones qui peut apprendre les principes du nombre, de l’algèbre et de la géométrie assez bien pour réussir l’examen de géométrie du Regent de l’État de New York. Certains éléments de ce travail sont décrits dans la conférence mentionnée ci-dessus.

Faits saillants de carrière

James L. (Jay) McClelland a obtenu son doctorat. en psychologie cognitive de l’Université de Pennsylvanie en 1975. Il a fait partie de la faculté de l’Université de Californie à San Diego avant de déménager à Carnegie Mellon en 1984, où il est devenu professeur d’université et titulaire de la chaire Walter Van Dyke Bingham en psychologie et Neuroscience cognitive. Il a été l’un des co-directeurs fondateurs du Centre pour la Base Neurale de la Cognition, un projet conjoint de Carnegie Mellon et de l’Université de Pittsburgh. En 2006, McClelland a rejoint le Département de Psychologie de l’Université de Stanford, où il a fondé le Centre pour l’Esprit, le Cerveau et le Calcul en 2007 et a occupé le poste de président du département de l’automne 2009 à l’été 2012. Il est actuellement professeur Lucie Stern en sciences sociales. et codirecteur du Centre pour l’Esprit, le Cerveau, le Calcul et la Technologie.

Au cours de sa carrière, McClelland a contribué aux littératures expérimentales et théoriques dans un certain nombre de domaines, notamment dans l’application de modèles de traitement distribués connexionnistes/parallèles à des problèmes de perception, de développement cognitif, d’apprentissage des langues et de neurobiologie de la mémoire. Il était co-fondateur avec David E. Rumelhart du groupe de recherche Traitement Distribué Parallèle (PDP) et, avec Rumelhart, il a dirigé les efforts menant à la publication en 1986 du livre en deux volumes, Traitement Distribué Parallèle, dans lequel le un cadre de traitement distribué parallèle a été défini et appliqué à un large éventail de sujets en psychologie cognitive et en neurosciences cognitives. McClelland et Rumelhart ont reçu conjointement la médaille Howard Crosby Warren 1993 de la Société des Psychologues Expérimentaux, le Distinguished Scientific Contribution Award 1996 (voir la citation) de l’Association Américaine de Psychologie, le prix Grawemeyer 2001 en psychologie et le prix IEEE Neural Networks Pioneer Award 2002 pour ce travail.

McClelland a été rédacteur en chef des sciences cognitives, président de la Société des Sciences Cognitives, membre du Conseil Consultatif National de la Santé Mentale et Président de la Fédération des Associations des Sciences du Comportement et du Cerveau (FABBS). Il est membre de la Académie Nationale des Sciences et membre correspondant de la Académie Britannique. Il a reçu le prix APS William James Fellow pour sa contribution à vie aux sciences fondamentales de la psychologie, le prix David E. Rumelhart pour sa contribution aux fondements théoriques des Sciences Cognitives, le prix NAS Atkinson en Sciences Psychologiques et Cognitives et le Prix Heineken en Sciences Cognitives.

McClelland enseigne actuellement l’approche PDP de la cognition et sa base neuronale au Département de Psychologie et au Programme des Systèmes Symboliques à Stanford et mène des recherches sur l’apprentissage, la mémoire, le développement conceptuel, le traitement de la langue et la cognition mathématique à Stanford et en tant que chercheur-conseil. chez DeepMind.


Source de la page: http://stanford.edu/~jlmcc/
Traduit par Jean-Etienne Bergemer

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *