Skip to main navigation Skip to main content Skip to page footer

ΔΠΜΣ στη Γνωσιακή Επιστήμη

ΚΥΡΙΑ ΕΠΙΛΟΓΗΣ

Τα κατ'επιλογήν υποχρεωτικά μπορούν να ληφθούν και ως κύρια επιλογής

Εισαγωγή στη Νευροψυχολογία

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:

  1. Θα γνωρίσουν τις βασικές αρχές και τις κύριες εφαρμογές της Νευροψυχολογίας.
  2. Θα είναι σε θέση να διακρίνουν τα όρια της κλινικής και της ερευνητικής πρακτικής της Νευροψυχολογίας.
  3. Θα διδαχθούν τον ρόλο της ειδικότητας της Νευροψυχολογίας σε ένα σύγχρονο διεπιστημονικό περιβάλλον.
  4. Θα γνωρίσουν τα νοητικά πεδία και τη νευροανατομία μέσα από την παρουσίαση συνδρόμων και μελετών περίπτωσης (case studies).
  5. Θα γνωρίσουν τη χρησιμότητα δημοφιλών Νευροψυχολογικών εργαλείων.
  6. Θα είναι σε θέση να ξεχωρίσουν τον κεντρικό ρόλο των επιτελικών λειτουργιών και τις ιδιαιτερότητες της αξιολόγησής τους.
Γλωσσική Κατάκτηση

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.

Φωνητική – Φωνολογία

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.

Τεχνολογίες Γνώσεων

Το μάθημα αυτό είναι μια εισαγωγή στις τεχνολογίες του Σημασιολογικού Ιστού και των Διασυνδεδεμένων Δεδομένων. Τα θέματα που καλύπτονται είναι: Ανοιχτά δεδομένα. Γράφοι γνώσης. Οντολογίες. Σύγχρονες εφαρμογές. Διασυνδεδεμένα δεδομένα. Το μοντέλο RDF. μοντέλο οντολογιών RDFS. Η γλώσσα επερωτήσεων SPARQL. Γεωχωρικά δεδομένα. Οι γλώσσες επερωτήσεων GeoSPARQL και stSPARQL. Λογικές περιγραφών. Η γλώσσα οντολογιών OWL. Γλώσσες κανόνων. Μηχανική οντολογιών.

Διαδραστικά Συστήματα

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).

Σύνταξη Α

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.).

Ειδικά Θέματα στην Γνωσιακή Επιστήμη

Το μάθημα αυτό θα έχει μεταβλητή και ευέλικτη δομή ώστε να μπορεί να συμπεριλάβει τις τελευταίες εξελίξεις στον χώρο της Γνωσιακής 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.

Νευρογλωσσολογία - Ψυχογλωσσολογία

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.

Φιλοσοφία της Αντίληψης

Η φιλοσοφία της αντίληψης διερευνά τη φύση των αισθητηριακών μας εμπειριών και τη σχέση τους με την πραγματικότητα. Στο μάθημα εισάγεται το αντικείμενο θεματικά, εκθέτοντας τις κύριες θεωρίες της αντίληψης, τα κίνητρά τους και τα συνακόλουθα προβλήματα. Αυτή η περιεκτική επισκόπηση εστιάζει τόσο σε ένα ιστορικό υπόβαθρο συζητήσεων στο πεδίο, όσο και σε πρόσφατες παρουσιάσεις και υπερασπίσεις των διαφορετικών θεωριών. Το μάθημα χωρίζεται σε δύο κύρια μέρη: το πρώτο ασχολείται με τις φιλοσοφικές θεωρίες της αντίληψης και το δεύτερο καλύπτει βασικά θέματα και ζητήματα αντίληψης όπως αυτά συζητούνται στη φιλοσοφία, τη γνωσιακή επιστήμη και την ψυχολογία.

Εφαρμογές Γνωσιακής Επιστήμης στην Εκπαίδευση

Το μάθημα έχει ως στόχο να εισάγει τους φοιτητές και τις φοιτήτριες στα θεωρητικά και πρακτικά ζητήματα που άπτονται της εφαρμοσμένης γνωσιακής επιστήμης στο χώρο της εκπαίδευσης. Θα παρουσιαστούν διδακτικές πρακτικές σύμφωνες με τις διάφορες θεωρίες μάθησης, όπως είναι ο κονστρουκτιβισμός, οι κοινωνικοπολιτισμικές θεωρίες μάθησης, οι θεωρίες επεξεργασίας πληροφοριών, οι θεωρίες κινήτρων, οι αναπτυξιακές θεωρίες και θεωρίες πεδίου και θα συζητηθούν ορισµένα από τα γνωστικά ζητήµατα που είναι σηµαντικά για τη σκέψη και τη µάθηση σε διάφορους σύνθετους επιστηµονικούς τοµείς, όπως τα µαθηµατικά, η φυσική και η µηχανική. Ειδικότερα θα εξεταστούν (i) τα είδη των γνώσεων και των διαδικασιών σκέψης που απαιτούνται για να έχουν οι μαθητευόμενοι καλές επιδόσεις, (ii) οι δυσκολίες που αντιμετωπίζουν οι εκπαιδευόμενοι όταν πρέπει να κατανοήσουν ζητήματα τα οποία είτε τους είναι απολύτως άγνωστα είτε διαθέτουν αφελείς προϋπάρχουσες γνώσεις (iii) οι μέθοδοι διδασκαλίας που μπορούν να βοηθήσουν τους εκπαιδευόμενους να αποκτήσουν γνώσεις και δεξιότητες σκέψης που είναι απαιτούμενες σε κάθε επιστημονικό τομέα και (iv) το πώς μπορούν να εφαρμοστούν αυτές οι μέθοδοι από τους διδάσκοντες.

Θέματα Μοντελοποίησης και Υπολογιστικής Νευροεπιστήμης

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.

Εφαρμογές MATLAB

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.

Υπολογιστική Γλωσσολογία

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:

  1. Να απαριθμεί και να περιγράφει τις βασικές αρχές της Υπολογιστικής Γλωσσολογίας.
  2. Να αναγνωρίζει τις κατηγορίες και τα χαρακτηριστικά Συστημάτων που χρησιμοποιούν τεχνολογίες Επεξεργασίας Φυσικής Γλώσσας.
  3. Να σχεδιάζει, υλοποιεί και αξιολογεί Συστήματα Επικοινωνίας Ανθρώπου-Μηχανής
  4. Να σχεδιάζει και να υλοποιεί Διαλογικά Συστήματα.
  5. Να σχεδιάζει και να επεκτείνει Σημασιολογικά Λεξικά τύπου Wordnet.
  6. Να εφαρμόζει και να χρησιμοποιεί σύγχρονες τεχνολογίες της Υπολογιστικής Γλωσσολογίας, με σκοπό τη βελτίωση υπολογιστικών συστημάτων.
Μηχανική Μάθηση

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. H 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:

  • γνωρίζουν και να κατανοούν τους βασικούς αλγορίθμους παλινδρόμησης, ταξινόμησης και ομαδοποίησης
  • αξιοποιούν μεθόδους μείωσης διαστάσεων και επιλογής χαρακτηριστικών
  • σχεδιάζουν και να εκπαιδεύουν μοντέλα βαθιάς μάθησης
  • χρησιμοποιούν στην πράξη εργαλεία και βιβλιοθήκες μηχανικής μάθησης της Python
Ειδικά Θέματα Νευροεπιστήμης

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.

Εισαγωγή στην Τεχνητή Νοημοσύνη: Αναπαράσταση Γνώσης

Περιεχόμενο: Γενικά περί "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. Συμπερασματικές 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.

Νόηση και Μάθηση υπό το Πρίσμα της Εννοιολογικής Αλλαγής

Στόχος του μαθήματος είναι να διερευνηθούν οι γνωστικοί μηχανισμοί που εμπλέκονται στο είδος εκείνο της μάθησης που απαιτεί να συντελεστούν εννοιολογικές αλλαγές στις αρχικές διαισθητικές θεωρίες του ανθρώπου. Θα παρουσιαστούν οι διάφορες θεωρητικές θέσεις για την ερμηνεία της μάθησης με εννοιολογική αλλαγή καθώς και οι διαφορετικές ερευνητικές μεθοδολογίες που προτείνονται για την διερεύνησή της. Θα μελετηθούν παραδείγματα εννοιολογικής αλλαγής σε διάφορα επιστημονικά πεδία. Τέλος θα συζητηθούν τα είδη των διδακτικών παρεμβάσεων που διευκολύνουν τη διαδικασία της εννοιολογικής αλλαγής και την ανάπτυξη της επιστημονικής σκέψης.

Σημασιολογία και Γλωσσική Ανάπτυξη

Σκοπός του μαθήματος είναι η μελέτη της κατάκτησης/εκμάθησης σημασιολογικών φαινομένων της φυσικής γλώσσας στην προσχολική και σχολική ηλικία. Πιο συγκεκριμένα, θα επικεντρωθούμε σε φαινόμενα όπως είναι η επίλυση της αναφοράς (anaphora resolution), η διάκριση μεταξύ μετρήσιμων και μη μετρήσιμων ονοματικών φράσεων, οριστικών και αόριστων άρθρων, οι ποσοδείκτες, τα συνομιλιακά υπονοήματα, και άλλα. Εργαλεία μελέτης μας θα είναι άρθρα και θεωρητικές και πειραματικές μελέτες αιχμής στα υπό εξέταση φαινόμενα. Παραγόμενα των φοιτητών θα είναι α) η εξέταση του τρόπου με τον οποίον παρουσιάζονται τα φαινόμενα σε σχολικές ή μη γραμματικές και β) η δημιουργία οπτικοακουστικού υλικού για την καλύτερη κατανόηση και διδασκαλία τους.

Ψυχολογία Μάθησης

Το μάθημα εξετάζει τους ψυχολογικούς και νευροεπιστημονικούς μηχανισμούς της μάθησης και της μνήμης, καθώς και τον τρόπο που υλοποιούνται στον εγκέφαλο. Εστιάζει σε κρίσιμες περιόδους μάθησης, την εγκεφαλική πλαστικότητα, τις νοητικές αναπαραστάσεις του κόσμου και την επίδραση της προσοχής, της εμπλοκής, των λαθών και της παγίωσης της πληροφορίας στη διαδικασία της μάθησης.

Κύριες Θεματικές Ενότητες:

  • Μηχανισμοί Μάθησης και Μνήμης
  • Η κωδικοποίηση, αποθήκευση και ανάκτηση γνώσης.
  • Ο ενεργός ρόλος της μνήμης στη διαμόρφωση εμπειριών και γνώσεων.
  • Νοητικά Μοντέλα και Αναπαραστάσεις
  • Γνωσιακοί χάρτες και η ανάπτυξη μοντέλων για κατανόηση εννοιών, αιτίες και λογική.
  • Πώς οι νευρώνες δημιουργούν και προσαρμόζουν εσωτερικές αναπαραστάσεις.
  • Πυλώνες Αποτελεσματικής Μάθησης
  • Προσοχή: Εστίαση σε σημαντικές πληροφορίες.
  • Ενεργή Εμπλοκή: Μάθηση μέσω δοκιμών, πειραμάτων και κριτικής σκέψης.
  • Ανατροφοδότηση Λαθών: Η διόρθωση λαθών ως κλειδί για βελτίωση.
  • Εδραίωση: Ρόλος ύπνου και επανάληψης στη σταθεροποίηση γνώσεων.
  • Μπεϋζιανή Προσέγγιση στη Μάθηση
  • Συνδυασμός προϋπάρχουσας γνώσης με νέα δεδομένα για γενίκευση και προβλέψεις.
  • Ύπνος και Μνήμη
  • Ο ύπνος ως κρίσιμος παράγοντας για την αναδιοργάνωση και ενίσχυση της μνήμης.
  • Μάθηση και Περιέργεια
  • Η περιέργεια και τα συστήματα ανταμοιβής του εγκεφάλου ως κινητήρια δύναμη της εξερεύνησης και ανακάλυψης.
Εγκέφαλος και Συμπεριφορά στον Ψηφιακό Κόσμο

Η ραγδαία ανάπτυξη των διαδικτυακών τεχνολογιών έχει ως αποτέλεσμα να αποτελούν πλέον ένα ουσιαστικό μέρος του τρόπου με τον οποίο ζούμε την καθημερινή μας ζωή. Μέσα από τα ευρήματα πρόσφατων ερευνών, το μάθημα επιχειρεί να απαντήσει σε μια σειρά από σημαντικά ερωτήματα, όπως: α) ποιος είναι ο αντίκτυπος των ψηφιακών τεχνολογιών στη μάθηση, τη μνήμη, την προσοχή, την επίλυση προβλημάτων και τη λήψη αποφάσεων, β) η χρήση του διαδικτύου και των εφαρμογών του σε μεγάλη κλίμακα θα αλλάξει τον τρόπο με τον οποίο σκεφτόμαστε, και γ) μπορεί η ανθρώπινη νόηση να συμβαδίσει με την τεχνολογία; Παράλληλα, διευρευνώνται οι επιδράσεις της πολυδιεργασίας και της υπερβολικής χρήσης του διαδικτύου στην ανατομία και τη λειτουργία του εγκεφάλου, οι σχέσεις μεταξύ των κοινωνικών δικτύων και του κοινωνικά δικτυωμένου εγκεφάλου, όπως και η κυβερνοψυχολογία των ψηφιακών παιχνιδιών.

Τίτλοι ενοτήτων:

  1. Εισαγωγή στις έννοιες που θα μας απασχολήσουν
  2. Ο νους ως επεξεργαστής πληροφοριών
  3. Οι φυλές του κυβερνοχώρου
  4. Εστίαση της προσοχής στο ψηφιακό περιβάλλον
  5. Πολυδιεργασία
  6. Διάσπαση της προσοχής και διακοπές
  7. Ψηφιακά παιχνίδια, εκπαίδευση του εγκεφάλου και νόηση
  8. Στρατηγικές και ευρετικές αναζήτησης πληροφοριών
  9. Λήψη αποφάσεων στο διαδικτυακό περιβάλλον
  10. Ψηφιακές τεχνολογίες και εκπαίδευση
  11. Εγκέφαλος και συμπεριφορά στον ψηφιακό κόσμο – Ευρήματα από νευροφυσιολογικές έρευνες [Α]
  12. Εγκέφαλος και συμπεριφορά στον ψηφιακό κόσμο – Ευρήματα από νευροφυσιολογικές έρευνες [Β]
  13. Προφορικές παρουσιάσεις εργασιών
Εγκέφαλος και Συνείδηση

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:

  1. Ξεκαθάρισμα των πολλαπλών χρήσεων του όρου συνειδητότητα: επίγνωση/αντίληψη (awareness), meta-awareness, αίσθηση εαυτού (σε παρελθόν, παρόν και μέλλον), θεωρία του νου, υποκειμενική εμπειρία, qualia, the hard problem.
  2. Κατανόηση των βασικών παραδοχών στην (νευρο)επιστημονική μελέτη των συνειδησιακών φαινομένων. Διατύπωση των κεντρικών ερωτημάτων που μπορούν να προσεγγιστούν επιστημονικά: Εφικτοί στόχοι και πιθανά όρια. Αναφορά στα διαφορετικά επίπεδα περιγραφής και ανάλυσης εγκεφαλικών και νοητικών φαινομένων.
  3. Κατανόηση νοητικών φαινομένων που χρησιμοποιούνται στην μελέτη της συνειδητότητας: blindsight, inattentional blindness, change blindness, διοφθάλμιος ανταγωνισμός, electrical microstimulation, κοκ
  4. Επισκόπηση νευρωνικών φαινομένων που μπορεί να εμπλέκονται σε συνειδησιακά φαινόμενα: mirror neurons, δίκτυο προ-επιλεγμένης λειτουργίας (default mode network), νευρωνικές ταλαντώσεις, μοτίβα ηλεκτρικής δραστηριότητας, κοκ.

Περιγραφή/περιεχόμενο:
Το μάθημα θα είναι σε μορφή διαλέξεων και παρουσιάσεων ερευνητικών άρθρων, με εκτενείς συζητήσεις και παρουσιάσεις από τους φοιτητές.

Ψυχολογία της Νόησης

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.

Προηγμένη Τεχνητή Νοημοσύνη
  • Εισαγωγή στη βασική τεχνητή νοημοσύνη
    • Μέθοδοι αναζήτησης
    • Αναπαράσταση γνώσης και συμπερασματολογία με λογική πρώτης τάξης
  • Μηχανική μάθηση
    • Ανάλυση διαφορών
    • Χώροι εκδόσεων
    • Δέντρα αναγνώρισης
    • Στοιχεία νευρωνικών δικτύων
    • Γενετικοί αλγόριθμοι
    • Μάθηση με στιγμιότυπα
    • Bayesian ταξινομητές
  • Προγραμματισμός με περιορισμούς
    • Προβλήματα ικανοποίησης περιορισμών
    • Τεχνικές συνέπειας σε πεπερασμένα πεδία
    • Βελτιστοποίηση
    • Λογικός προγραμματισμός με περιορισμούς
    • Εφαρμογές
  • Κατάστρωση σχεδίου
    • STRIPS τελεστές
    • Γραμμικές και μη-γραμμικές προσεγγίσεις
    • Κατάστρωση σχεδίου με στοίβα στόχων
    • Σύστημα TWEAK
  • Κατανόηση φυσικής γλώσσας
    • Λογικές γραμματικές για συντακτική και σημασιολογική ανάλυση
Πολύπλοκα Κοινωνικά Συστήματα

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.

Γνωσιακή μοντελοποίηση και Υπολογιστική Νευροεπιστήμη

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.

Αρχές Τεχνολογίας Γνώσεων

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.