Στο μάθημα αυτό θα γίνει μια διεπιστημονική προσέγγιση του φαινομένου της Συνειδητότητας. Θα αναλυθεί ο όρος, θα συζητηθεί το περιεχόμενο, η διαφορετική χρήση του όρου από διαφορετικά γνωσιακά πεδία και στη συνέχεια θα εξετασθεί το πού και πως μπορεί να συμβάλλει η νευροεπιστήμη στην κατανόηση συνειδησιακών φαινομένων.
Στόχοι:
Περιγραφή/περιεχόμενο:
Το μάθημα θα είναι σε μορφή διαλέξεων και παρουσιάσεων ερευνητικών άρθρων, με εκτενείς συζητήσεις και παρουσιάσεις από τους φοιτητές.
Περιγραφή/περιεχόμενο:
Το μάθημα αυτό θα έχει μεταβλητή και ευέλικτη δομή ώστε να μπορεί να συμπεριλάβει τις τελευταίες εξελίξεις στον χώρο των Νευροεπιστημών, ή/και διαλέξεις από επισκέπτες καθηγητές με ειδικότητες σχετικές με την Γνωσιακή Νευροεπιστήμη που δεν καλύπτονται σε άλλα μαθήματα, ή διαλέξεις σχετικές με μαθήματα που δεν διδάχτηκαν εκείνη τη χρονιά. Στην πρώτη περίπτωση, θα περιγραφεί σε βάθος η κυτταρική και δικτυακή βάση της λειτουργίας του νευρικού συστήματος. Οι διαλέξεις θα χτίσουν πάνω στο υλικό του υποχρεωτικού μαθήματος “Νευροεπιστήμη” και θα εμβαθύνουν σε επιλεγμένα θέματα, όπως: συναπτικοί μηχανισμοί μνήμης/μάθησης, ο ρόλος των νευροτροποποιητών (λ.χ. ντοπαμίνη, σεροτονίνη), τρόποι περιγραφής και μελέτης δικτυακής (δυσ)λειτουργίας, η ισορροπία μεταξύ διέγερσης και αναστολής στην φυσιολογία και παθολογία του εγκεφάλου, ο ρόλος της μοντελοποίησης στην κατανόηση της λειτουργίας του εγκεφάλου, η βιολογία νευρολογικών και ψυχιατρικών παθήσεων, κοκ.
Θα περιγραφούν επίσης τεχνολογίες αιχμής όπως οντογενετική παρέμβαση στην νευρωνική δραστηριότητα, εν τω βάθει εγκεφαλική διέγερση (deep brain stimulation), διακρανιακή μαγνητική διέγερση, κα.
Το μάθημα θα είναι σε μορφή διαλέξεων και παρουσιάσεων ερευνητικών άρθρων, με εκτενείς συζητήσεις.
Θεματολογία: Στο μάθημα αυτό θα γίνει μία συστηματική εξέταση των θεωριών της ψυχολογίας που ασχολούνται με την κατανόηση των διαδικασιών της σκέψης, της λύσης προβλημάτων και της μάθησης. Πώς σκέφτονται οι άνθρωποι; Ποια είναι η σχέση ανάμεσα στη λογική και στην ψυχολογία της νόησης; Ποιος είναι ο ρόλος των νοητικών μοντέλων και πότε οι άνθρωποι χρησιμοποιούν νοητικές αναπαραστάσεις για να λύσουν ένα πρόβλημα; Εξετάζεται η σημασία της προϋπάρχουσας γνώσης και οι θεωρίες γύρω από τα θέματα της αναπαράστασης των γνώσεων, της κατηγοριοποίησης, του σχηματισμού και ανάπτυξης των εννοιών και της εννοιολογικής αλλαγής. Εξετάζουμε την ανάπτυξη των γνώσεων σε συγκεκριμένους γνωστικούς τομείς, όπως η φυσική και τα μαθηματικά και χρησιμοποιούνται παραδείγματα από το χώρο της μάθησης και λύσης προβλημάτων σε αυτούς τους γνωστικούς τομείς.
Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τις βασικές προσεγγίσεις, μεθοδολογίες και τεχνικές που σχετίζονται με τη σύνθεση και το σχεδιασμό της ατομικής νοημοσύνης, δηλαδή όλων των δυνατοτήτων ενός ατόμου να αντιμετωπίζει κάποιο πρόβλημα ατομικά και των αντιστοίχων γνωσιακών λειτουργιών που υπεισέρχονται. Επισκοπούνται κατ' αρχήν οι παλαιότερες κλασικές προσεγγίσεις που βασίζονται ως επί το πλείστον στη λογική και ασχολούνται με θέματα όπως problem-solving, planning, μάθηση, board games κλπ., και εν συνεχεία οι νεώτερες εντοπισμένες (situated) και συμπεριφορικές (behavior-based) προσεγγίσεις που βασίζονται ως επί το πλείστον σε μία συστημική και αλγοριθμική προσέγγιση. Η έμφαση δίνεται στη σύγχρονη μελέτη της προσαρμοστικής συμπεριφοράς (adaptive behavior) που είναι μεθοδολογικά ανιούσα (bottom up), δηλαδή εξετάζει κατ' αρχήν τις γνωσιακές λειτουργίες κατώτερων οργανισμών οι οποίες απαντώνται τελικά εξελικτικά και στους ανώτερους οργανισμούς, και που εντοπίζει το ενδιαφέρον της σε θέματα και προβλήματα όπου η ευελιξία και η προσαρμοστικότητα είναι κεφαλαιώδους σημασίας, όπως η χωρική μάθηση ή η μοντελοποίηση και σύνθεση γνωστικών λειτουργιών όπως η προσοχή και η μίμηση. Ιδιαίτερο βάρος δίνεται στην εργαστηριακή ενασχόληση με πραγματικά συστήματα και μοντέλα και στη σύνθεση, την προσομοίωση και την πειραματική ανάλυση υπολογιστικών προσαρμοστικών μοντέλων.
Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τις βασικές προσεγγίσεις, μεθοδολογίες και τεχνικές που σχετίζονται με τη μοντελοποίηση, τη σύνθεση και το σχεδιασμό ατόμων που υφίστανται και δρουν μέσα σε κοινωνική ομάδα, με έμφαση στις ατομικές γνωσιακές ικανότητές τους καθώς και στη συλλογική, προκύπτουσα νοημοσύνη της κοινωνικής ομάδας). Παρουσιάζονται όλοι οι τομείς έρευνας που αφορούν συστήματα αποτελούμενα από περισσότερα του ενός άτομα: κατανεμημένη τεχνητή νοημοσύνη (distributed AI), αποκεντρωμένη τεχνητή νοημοσύνη (decentralized AI), συστήματα πολλαπλών αντιπροσώπων (multi-agent systems), τεχνητή ζωή (artificial life), κοινωνική προσομοίωση (social simulation), πολύπλοκα προσαρμοστικά συστήματα (complex adaptive systems), πολύπλοκα δίκτυα (complex networks). Εξετάζονται συστήματα και μοντέλα βιολογικά, οικονομικά, επικοινωνιακά, εξελικτικά, μοντέλα ανθρώπινων ομάδων, μοντέλα κοινωνικών δομών τύπου πρότυπα ή νόμοι κλπ. Έμφαση δίνεται στην εργαστηριακή ενασχόληση με πραγματικά συστήματα και μοντέλα από όλο το φάσμα και στη σύνθεση, την προσομοίωση και την πειραματική ανάλυση υπολογιστικών κοινωνικών μοντέλων.
Το εργαστηριακό αυτό μάθημα εισάγει τους φοιτητές με κατ’ αρχήν ισχυρό προγραμματιστικό υπόβαθρο αφενός στα προβλήματα που απαντώνται κατά τη μοντελοποίηση και την υπολογιστική προσομοίωση πολύπλοκων και προσαρμοστικών συστημάτων και αφετέρου σε βασικές μεθοδολογίες και τεχνικές αντιμετώπισης και επίλυσης αυτών των προβλημάτων. Έτσι, παρουσιάζονται θέματα που σχετίζονται με τη διαχείριση του χώρου και του χρόνου σε δυναμικά μοντέλα, με τη μοντελοποίηση αισθητήρων, το σχεδιασμό τεχνητών εξελικτικών διαδικασιών, τα κοινωνικά δίκτυα κλπ. Η μελέτη γίνεται πάνω σε ένα απλό παράδειγμα μοντελοποίησης που αναπτύσσεται κατά τη διάρκεια του εξαμήνου. Μόνο για φοιτητές με ισχυρό προγραμματιστικό υπόβαθρο.
Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τις βασικές προσεγγίσεις, μεθοδολογίες και τεχνικές που σχετίζονται με την τεχνητή τέχνη: οι μεθοδολογίες αυτές ονομάζονται συνήθως generative και βασίζονται σε μεθοδολογίες που χρησιμοποιούνται στην κατανεμημένη τεχνητή νοημοσύνη, την τεχνητή ζωή και τα πολύπλοκα συστήματα, π.χ. τεχνητές εξελικτικές μέθοδοι και συστήματα σωματιδίων. Σε κάθε περίπτωση, ο στόχος είναι το παραγόμενο αποτέλεσμα-έργο να έχει δημιουργηθεί σε κάποιο βαθμό αυτόματα, χωρίς άμεση επέμβαση του δημιουργού σε κάθε στάδιο της δημιουργίας του, αλλά είτε μέσα σε ένα συγκεκριμένο πλαίσιο περιορισμών παραγόμενων μορφών είτε με αλληλεπίδραση με το δημιουργό του σε συγκεκριμένα σημεία. Μέσα στο ίδιο γενικό μεθοδολογικό πλαίσιο παρουσιάζονται και οι βασικές υπολογιστικές τεχνικές γραφικών, επεξεργασίας εικόνας, animation και αλληλεπίδρασης καθώς και στοιχεία από τις θεωρίες υπολογιστικής δημιουργικότητας (computational creativity). Τέλος, παρουσιάζονται επιλεγμένα παραδείγματα από την ιστορία των visual arts που έχουν λειτουργήσει ως πρόγονοι και έμπνευση για αυτές τις μεθόδους (π.χ. πειραματικό animation, σειριακά συστήματα). Μάθημα για πτυχιούχους με ισχυρό προγραμματιστικό ή καλλιτεχνικό υπόβαθρο.
Στόχος του μαθήματος είναι οι φοιτητές να έρθουν σε επαφή με το σύγχρονο κλάδο της υπολογιστικής νευροεπιστήμης, καθώς και να αποκτήσουν δεξιότητες μοντελοποίησης διαδικασιών σχετικών με τη γνωσιακή/αντιληπτική συμπεριφορά και την κωδικοποίηση και επεξεργασία της πληροφορίας σε νευρωνικά συστήματα. Είναι σημαντικό οι φοιτητές να κατέχουν ήδη βασικές προγραμματιστικές γνώσεις. Ενδεικτικές ενότητες αποτελούν: μοντέλο ενός νευρώνα, κωδικοποίηση και αποκωδικοποίηση πληροφορίας σε σύστημα νευρώνων, μοντέλα λήψης αντιληπτικής απόφασης (δύο νευρώνων, Drift Diffusion Model), φυσικά νευρωνικά δίκτυα (π.χ. με σημειακούς νευρώνες), τεχνητά νευρωνικά δίκτυα.
Στο μάθημα αυτό οι φοιτητές θα εμβαθύνουν σε σύγχρονες μεθόδους ανάλυσης πολύπλοκων συστημάτων και δεξιότητες μοντελοποίησης νευρωνικης δραστηριότητας και διαδικασιών σχετικών με τη γνωσιακή/αντιληπτική συμπεριφορά και την επεξεργασία της πληροφορίας σε νευρωνικά συστήματα. Οι φοιτητές/τριες θα πρεπει να κατέχουν βασικές προγραμματιστικές γνώσεις.
Περιεχόμενο Μαθήματος:
Γενικά περι "Γνώσης", Συνοπτική παρουσίαση της γλώσσας prolog, Συστήματα βασισμένα σε γvώση (ανάγκη αναπαράστασης γνώσης και συμπερασμού: η "παραδοσιακή προσέγγιση"), Αναπαράσταση γνώσης και συμπερασμός -Συστήματα κανόνων, Σημασιολογικά δίκτυα, Πλαίσια, Αντικειμενοστραφές μοντέλο, Συνοπτική παρουσίαση του εργαλείου CLIPS, Συνοπτική παρουσίαση του συστήματος FLEX, Προτασιακός λογισμός, Κατηγορηματικός λογισμός, Λογική Πρώτης Τάξης: non-valid inference rules (abduction, induction, analogical inference), Λογικές περιγραφών-, Σημασιολογικός ιστός (ανάγκη αναπαράστασης γνώσης και συμπερασμού: η "σύγχρονη προσέγγιση" ), Συνοπτική παρουσίαση του περιβάλλοντος Protégé, Επαγωγικές βάσεις δεδομένων: η περίπτωση της datalog (η λογική ως μοντέλο δεδομένων), Συλλογιστική με αβεβαιότητα - Θεωρία πιθανοτήτων κατά Bayes, Το μοντέλο του συστήματος PROSPECTOR, Θεωρία μέτρων βεβαιότητας των Buchanan και Shortliff, Θεωρία μαρτυρίας των Dempster και Shafer, Possibilistic λογική, Ασαφής λογική, Λογικές με πολλαπλές τιμές.
Στόχος του μαθήματος είναι οι φοιτητές να γνωρίσουν τις βασικές αρχές της αναπαράστασης γνώσης στους υπολογιστές. Επίσης, να έλθουν σε επαφή με συστήματα βασισμένα σε γνώση και περιβάλλοντα ανάπτυξής τους. Τα παραπάνω αφορούν και γνώση με αβεβαιότητα. Τέλος, ενημερώνονται για σύγχρονες περιοχές εφαρμογών γνώσης.
Περιεχόμενο Μαθήματος:
Το μάθημα εισάγει το μεταπτυχιακό φοιτητή στις μαθηματικές έννοιες καθώς και σε αλγοριθμικές τεχνικές και υπολογιστικά εργαλεία του επιστημονικού πεδίου της μηχανικής μάθησης. Πιο συγκεκριμένα, το μάθημα προσφέρει μία επισκόπηση των βασικών μεθόδων εποπτευόμενης μάθησης ήτοι, μοντέλα παλινδρόμησης και ταξινόμησης καθώς και μοντέλα μη εποπτευόμενης μάθησης τα οποία περιλαμβάνουν αλγορίθμους ομαδοποίησης, παραγοντοποίησης πινάκων, και λανθάνουσας σημασιολογικής ευρετηρίασης. Ακολουθώντας τις ραγδαίες εξελίξεις στο πεδίο της μηχανικής μάθησης, θα παρουσιαστούν επιπλέον και σύγχρονες μεθοδολογίες και αρχιτεκτονικές νευρωνικών δικτύων βάθους. Τα παραπάνω αντικείμενα παρουσιάζονται μέσω διαλέξεων θεωρίας και πρακτικών εργαστηριακών ασκήσεων σε γλώσσα προγραμματισμού Python. Οι πλειοψηφία των παραδειγμάτων και των εφαρμογών που θα συζητηθούν στο πλαίσιο του μαθήματος αφορούν την επεξεργασία και ανάλυση κειμένου, λόγου και εικόνας.
Μαθησιακά Αποτελέσματα:
Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/φοιτήτριες θα είναι σε θέση να:
Διαστάσεις διαφοροποίησης χρηστών. Ανάλυση αναγκών Επικοινωνίας Ανθρώπου-Υπολογιστή για άτομα με αισθητηριακή (όραση, ακοή, αφή), κινητική (μετακίνηση, δεξιότητα, τέντωμα/φτάσιμο) και γνωσιακή (νοητικές λειτουργίες-επικοινωνία) αναπηρία και ηλικιωμένους. Μοντελοποίηση και μετρικές αναπηριών βασισμένα στα πρότυπα του Παγκόσμιου Οργανισμού Υγείας. Αρχές καθολικής σχεδίασης. Ο νόμος 80/20 (αρχή Pareto). Τεχνικές και συσκευές προσβάσιμης αλληλεπίδρασης Ανθρώπου-Υπολογιστή, Υποστηρικτικές Τεχνολογίες Πληροφορικής. Oι νόμοι Fitts και Hick. Χρηστικότητα & ευελιξία. Εφαρμογή της σχεδίασης για όλους για προσβασιμότητα πολυμεσικού περιεχομένου. Κύκλος ζωής προσβάσιμων συστημάτων πληροφορικής βασισμένων σε συστατικά (component-based). Διεθνείς τυποποιήσεις και πρότυπα προσβασιμότητας και χρηστικότητας. Η πρωτοβουλία για προσβασιμότητα (WAI) της Κοινοπραξίας του Παγκόσμιου Ιστού (W3C). Οδηγίες για την Προσβασιμότητα του Περιεχομένου του Παγκόσμιου Ιστού. Νομικές υποχρεώσεις για προσβασιμότητα στο Διαδίκτυο. Ανάπτυξη προσβάσιμων ιστοθέσεων. Εργαλεία αποτίμησης και αξιολόγησης προσβασιμότητας ιστοθέσεων.
Το μάθημα αποτελείται από δύο μέρη, το θεωρητικό και το πρακτικό. Στο θεωρητικό μέρος, η διδακτέα ύλη περιλαμβάνει:
Α) Όλα τα στάδια σχεδίασης μιας πειραματικής έρευνας,
Β) Μέθοδοι για την υλοποίηση μιας πειραματικής μελέτης (π.χ. έργα: διάκρισης, χρονικής σειράς, οπτικής αναζήτησης, κατονομασίας, προέγερσης),
Γ) Κλασσικά και σύγχρονα άρθρα χρήσης των μεθόδων που θα καλυφθούν στο μάθημα.
Στο πρακτικό μέρος, το μάθημα θα περιλαμβάνει την υλοποίηση γνωσιακών πειραμάτων χρησιμοποιώντας τις παραπάνω μεθόδους. Η υλοποίηση πραγματοποιείται μέσω της εκμάθησης ενός λογισμικού ελεύθερης πρόσβασης βασισμένο στη γλώσσα προγραμματισμού Python. Δεν απαιτείται εξοικείωση με το συγκεκριμένο λογισμικό, ούτε πρότερη γνώση προγραμματισμού. Κατά την εκμάθηση των μεθόδων έρευνας και του λογισμικού υλοποίησης, θα καλυφθούν μερικά από τα πιο κλασσικά φαινόμενα/πειράματα στον χώρο της Γνωσιακής Επιστήμης.
Το μάθημα αυτό αποτελεί μια εισαγωγή στη Φωνητική και στη Φωνολογία. Παρουσιάζονται η ανατομία, η φυσιολογία, τα ακουστικά χαρακτηριστικά και η αντιληπτική διάσταση της ανθρώπινης ομιλίας, καθώς επίσης και οι φθόγγοι και η τυπολογία των φθογγικών συστημάτων των γλωσσών μέσα από την καταγραφή τους στο Διεθνές Φωνητικό Αλφάβητο. Στη συνέχεια παρουσιάζεται η οργάνωση των φθόγγων σε σύστημα και οι διάφορες φωνολογικές διεργασίες σε τεμαχιακό και υπερτεμαχιακό επίπεδο. Έτσι ορίζονται βασικές έννοιες, όπως φώνημα, αλλόφωνο, πραγμάτωση, και τα διαφοροποιητικά χαρακτηριστικά των φθόγγων, παρουσιάζονται βασικοί φωνολογικοί κανόνες όπως η αποβολή, η επένθεση, η αφομοίωση, η ανομοίωση, καθώς επίσης και η προσωδιακή ιεραρχία και τα φωνολογικά συστατικά, όπως η συλλαβή, η φωνολογική λέξη και φράση, η επιτονική φράση, και περιγράφονται μια σειρά από φωνολογικά φαινόμενα όπως ο τόνος, η μελωδία, η επιτόνιση, η φωνηεντική αρμονία, κλπ. Μέσα από την πραγμάτευση αυτών των φαινομένων/διεργασιών παρέχεται και μια εισαγωγή στις διάφορες φωνολογικές θεωρίες/προσεγγίσεις όπως η Λεξική Φωνολογία, η Αυτοτεμαχιακή Φωνολογία, η Προσωδιακή Φωνολογία, η Μετρική Φωνολογία, η Θεωρία του Βελτίστου, κλπ.
Το μάθημα αυτό αποτελεί μια εισαγωγή στη θεωρητική ανάλυση του επιπέδου της σύνταξης. Παρουσιάζει τον τρόπο με τον οποίο δομούνται και παράγονται οι φράσεις και οι προτάσεις μιας φυσικής γλώσσας και εμβαθύνει στη μεθοδολογία ανάλυσης συντακτικών φαινομένων. Πραγματεύεται θέματα όπως η φραστική δομή, η πτώση, οι λειτουργικές κατηγορίες και η χαρτογραφία τους, η μετακίνηση και οι περιορισμοί της και η αναφορική δέσμευση. Βασικό πρότυπο περιγραφής αποτελεί η Θεωρία των Αρχών και Παραμέτρων (Principles & Parameters Theory; Chomsky 1981 κ.εξ.) μέσα από την τελευταία διατύπωση του προτύπου της Κυβέρνησης και Αναφορικής Δέσμευσης (Government & Binding; Chomsky & Lasnik 1993) καθώς και τις σύγχρονες εξελίξεις του στο Μινιμαλιστικό Πρόγραμμα (Minimalist Program; Chomsky 1993, 1995 κ.εξ.).
Στόχος του παρόντος μαθήματος είναι η εξοικείωση των φοιτητών με τους διεπιστημονικούς κλάδους της Ψυχογλωσσολογίας και της Νευρογλωσσολογίας. Ειδικότερα, το μάθημα πραγματεύεται τα θέματα σχετικά με την παραγωγή και κατανόηση της ομιλίας, την ανάπτυξη της προφορικής γλώσσας στο παιδί, την απόκτηση γλωσσικών ικανοτήτων στα ζώα, τη μάθηση δεύτερης γλώσσας και τα φαινόμενα διγλωσσίας, διαταραχές στη γλωσσική επικοινωνία είτε αναπτυξιακές είτε επίκτητες, τη σχέση γλώσσας και νόησης, τις εγκεφαλικές βάσεις του λόγου και τη σχέση γλώσσας και άλλων νοητικών συστημάτων, όπως η μουσική. Δίνεται ιδιαίτερη έμφαση στις μεθοδολογικές αλλά και στις θεωρητικές προσεγγίσεις στους δύο κλάδους.
Στο μάθημα αυτό παρουσιάζονται ορισμένα από τα βασικότερα θεωρητικά και μεθοδολογικά ζητήματα που απασχολούν τον επιστημονικό κλάδο ‘Κατάκτηση Πρώτης (ή Μητρικής) Γλώσσας’. Αναλύεται το Λογικό Πρόβλημα της Κατάκτησης, ο ρόλος της έμφυτης προδιάθεσης του ανθρώπου και ο ρόλος του περιβάλλοντος στην απόκτηση της μητρικής γλώσσας. Γίνεται αναφορά στις βασικότερες μεθοδολογικές προσεγγίσεις συλλογής γλωσσικού υλικού για τη μελέτη της γλωσσικής ανάπτυξης. Τέλος, παρουσιάζονται τα βασικότερα στάδια γλωσσικής ανάπτυξης του παιδιού ανά επίπεδο ανάλυσης της γλώσσας (κατάκτηση φωνολογίας, μορφολογίας, σύνταξης, σημασιολογίας και πραγματολογίας) και οι κυριότερες θεωρητικές προσεγγίσεις για την ερμηνεία τους.
Στόχος του μαθήματος είναι η επισκόπηση των σύγχρονων Τεχνολογιών της Υπολογιστικής Γλωσσολογίας και της Επεξεργασίας Φυσικής Γλώσσας. Ο φοιτητής, μετά την επιτυχή παρακολούθηση του μαθήματος, θα πρέπει να είναι σε θέση:
Το μάθημα απευθύνεται σε φοιτητές που έχουν ήδη οικειότητα με το λογισμικό MATLAB και θέλουν να δουν πως αυτό εφαρμόζεται στην πράξη στη πειραματική έρευνα. Θα παρουσιαστούν οι δυνατότητες που παρέχει το λογισμικό αυτό τόσο στο στήσιμο πειραμάτων και την καταγραφή πειραματικών δεδομένων, όσο και στην ανάλυση και παρουσίαση αυτών. Έμφαση θα δοθεί σε πρακτικές εφαρμογές από το χώρο των γνωσιακών επιστημών, μέσα από εργαστηριακές ασκήσεις στις οποίες οι φοιτητές θα καλούνται να επιλύσουν συγκεκριμένα προβλήματα σχεδιασμού πειραματικών έργων καθώς και ανάλυσης και παρουσίασης δεδομένων.
Στο μάθημα εξετάζονται φιλοσοφικά προβλήματα που έχουν προκύψει σε σχέση με το φαινόμενο της αντίληψης. Συνήθως πιστεύουμε ότι η αντίληψη μας φέρνει σε άμεση επαφή με τον κόσμο και ότι μας επιτρέπει να αποκτήσουμε γνώσεις για αυτόν. Αυτή όμως η άποψη φαίνεται να είναι προβληματική αν λάβουμε υπ’ όψη φαινόμενα, όπως αυτά της πλάνης και της παραίσθησης, όπου η αντίληψη δεν κατορθώνει να παρουσιάσει τον κόσμο με ορθό τρόπο. Ο στόχος του μαθήματος είναι η κατανόηση των διαφόρων θεωριών οι οποίες έχουν προσπαθήσει να αντιμετωπίσουν τα ερωτήματα που προκύπτουν για την εγκυρότητα της αντίληψης λόγω αυτών των φαινομένων. Εξετάζονται επίσης θέματα όπως ο ρόλος των εννοιών στην αντίληψη, η φύση του αντιληπτικού περιεχομένου, κλπ.
Το μάθημα εστιάζεται σε θέματα όπως η υπολογιστική θεωρία του νου, η πληροφοριακή ενθυλάκωση, η αντιληπτική μάθηση, και η αξιολόγηση του ρόλου της μηχανιστικής εξήγησης στη γνωσιακή επιστήμη.
Περιεχόμενο
Το μάθημα εστιάζει στην παρουσίαση της εξέλιξης της Νευροψυχολογίας ως ειδικότητα, και στη γνωριμία των κύριων πρακτικών της σήμερα. Θα παρουσιαστούν και θα αναπτυχθούν: η λειτουργική οργάνωση του εγκεφάλου, τα βασικά στοιχεία νευροανατομίας, καθώς και ορισμοί των νοητικών λειτουργιών (π.χ. προσοχή, μνήμη, γλώσσα). Ιδιαίτερη έμφαση θα δοθεί στις θεωρίες των επιτελικών λειτουργιών, στους ορισμούς τους, και στον προεξάρχοντα ρόλο τους ως προς τη ρύθμιση της συμπεριφοράς.
O ρόλος και οι βασικές αρχές της κλινικής νευροψυχολογικής εκτίμησης θα αναπτυχθούν και θα συζητηθούν μέσα από την παρουσίαση της μεθοδολογίας της εκτίμησης (ψυχομετρία, συλλογή δεδομένων) και της χρησιμότητάς της στα διάφορα περιβάλλοντα.
Θα παρουσιαστούν και θα συζητηθούν κλινικά σύνδρομα (π.χ. αμνησία, αφασία, αγνωσία, αμέλεια), και ορισμένες μελέτες περίπτωσης θα συνθέσουν την εξέταση, τη συλλογή δεδομένων, τα αποτελέσματα, την ερμηνεία και τις κλινικές εντυπώσεις.
Η συνεισφορά της Νευροψυχολογίας στην Ψυχιατρική και στη Νευρολογία θα τεκμηριωθεί και θα παρουσιαστεί το status της ειδικότητας στον κόσμο σήμερα.
Μαθησιακά Αποτελέσματα
Οι φοιτητές:
Το μάθημα αφορά στη μελέτη ειδικών θεμάτων αλληλεπίδρασης ανθρώπου-υπολογιστή (AAY ή Human Computer Interaction - HCI) μέσω του σχεδιασμού και της ανάπτυξης διαδραστικών συστημάτων. Δίνεται έμφαση σε εξελιγμένα και σύγχρονα περιβάλλοντα αλληλεπίδρασης, όπως είναι η Εικονική Πραγματικότητα εμβύθισης (immersive Virtual Reality), η Επαυξημένη Πραγματικότητα (Augmented Reality), η Μεικτή Πραγματικότητα (Μixed Reality) και τα ψηφιακά παιχνίδια (computer games), καθώς και σε σχετικά με αυτά θέματα, π.χ. interaction patterns & techniques (selection, manipulation, navigation, multimodal interaction), spatial & temporal perception, immersion & presence, κ.ά. Στα πλαίσια του μαθήματος, οι φοιτητές καλούνται να σχεδιάσουν, να πρωτοτυποποιήσουν και να υλοποιήσουν μια δισδιάστατη ή τρισδιάστατη εφαρμογή (π.χ. διαδραστικό παιχνίδι, εφαρμογή εικονικής πραγματικότητας), ακολουθώντας όλα τα στάδια του επαναληπτικού σχεδιασμού (iterative design) με επίκεντρο τον χρήστη (user-centered design).
Το μάθημα αυτό θα έχει μεταβλητή και ευέλικτη δομή ώστε να μπορεί να συμπεριλάβει τις τελευταίες εξελίξεις στον χώρο της Γνωσιακης Επιστήμης, ή/και διαλέξεις από επισκέπτες καθηγητές με ειδικότητες σχετικές με την Γνωσιακή Επιστήμη που δεν καλύπτονται σε άλλα μαθήματα, ή διαλέξεις σχετικές με μαθήματα που δεν διδάχτηκαν εκείνη τη χρονιά.
