EP2.  Social learning 

Elena Pasquinelli 

Educa4on, cogni4on, cerveau Cogmaster 2010‐2011 

Transmission of generic knowledge •  “There is … a  unique way to acquire generic 

knowledge from a single instance of informa4on intake, namely, when it is transmiEed through human communica4on. 

•  Moreover, the transmission of such generic knowledge is not restricted to linguis4c communica4on. 

•  … you acquire kind‐generalizable  knowledge from a single manifesta4on. 

•  In such cases, the observer does not need to rely on sta4s4cal procedures to extract the relevant informa4on to be generalized as this is selec4vely transmiEed to her by the communica4ve demonstra4on.  

•  Such a short‐cut to  generic knowledge acquisi4on  relies heavily on the communica4ve coopera4on and epistemic benevolence of the communica4ve partner.” (Gergely & Csibra, p. 3) 

•  Induc4on problem: Humans are capable of transmiTng/extrac4ng general knowledge from par4cular instances.  

•  When such instances are repe44ve and frequent, sta$s$cal mechanisms* are invoked. 

•  When this is not the case (single instance) we need a further mechanisms for explaining induc4on. 

•  Such a mechanisms is hypothesized to rely on human‐human communica4on 

•  Verbal and not verbal (demonstra4on) 

A STEP BACK TO EARLY LEARNING MECHANISMS: ‐ STATISTICAL LEARNING 

 ‐ IMPLICIT LEARNING ‐ EXPLANATORY LEARNING 

 ‐ LEARNING BY ANALOGY ‐ LEARNING BY IMITATION 

Learning = modifica4on of behavior as a consequence of experience 

•  “the modifica$on of behavior in the light of experience. Even simple organisms such as Aplysia learn according to this defini4on. In fact, a number of different kinds of learning have been iden4fied in work with animals. These include habitua$on, associa$ve learning, social learning (e.g. by emula4ng others), and “insight” learning, where solu4ons to problems come “in a flash”. Habitua4on and associa4ve learning in infants have already been discussed. In cogni)ve psychology, learning is usually measured in terms of what has been remembered as a result of learning, either via measures of recogni)on, or via measures of recall. We will examine learning by imita$on, learning by analogy, and explana$on‐based learning here, none of which are found in animals (apart perhaps from excep4onal animals such as language‐reared chimps). Explana4on‐based learning is a form of causal learning. Causal learning is extremely important in cogni4ve development, and is found in animals in some forms…” (Goswami, 2008, p. 61‐62) 

•  Learning is a common func4on to different animal species 

•  Different forms of learning: 

–  Habitua4on, associa4on, imita4on, explana4on‐analogy 

Early learning mechanisms  •  “The assump4on will be one of common learning mechanisms, namely  •  sta4s4cal learning,  •  learning by imita4on,  •  explana4on‐based or causal learning  •  and learning by analogy.  •  Using these simple learning mechanisms, the brain appears to build up complex representa4ons 

about how the world is.”  (Goswami, 2008, p. 52) 

•  “At least three types of learning also appear to be func4oning from very early in development. One is associa$ve learning. Babies appear to be able to make connec4ons between events that are reliably associated, even while in the womb. 

•  Once outside the womb, they appear to be able to track sta$s$cal dependencies in the world, such as condi4onal probabili4es between visual events or between sounds. This turns out to be a very powerful learning mechanism.”  

•  “The second type of learning that appears to be available early is learning by imita$on. This may be par4cularly important for the development of social cogni4on.” 

•  “Finally, infants appear to be able to connect causes and effects by using “explana$on based” learning. … The causal inferences made by infants provide an extremely powerful mechanism for learning about the world. Infants are not simply  detec4ng causal regulari4es but appear to be construc4ng causal explana4ons for new phenomena on the basis of their prior knowledge. One mechanism they use is learning by analogy”  (Goswami, 2008, p. 3‐4) 

Sta4s4cal learning •  «  When we make inferences that are not  

necessarily deduc4vely valid (when we go beyond the informa4on given) we are reasoning induc4vely. … For example, when children learn about the category « birds », they may learn about one or two exemplars (e.g. the robins and sparrows in their back garden). However, they are happy to generalize proper4es like « lives in a nest » to other birds... » (Goswami, 2008, p. xvii) 

•  “Younger’s cartoon‐animal experiments demonstrated that infants could code the correla4onal structure between the different features being manipulated by the experimenters. This suggests a form of sta4s4cal learning.” (Goswami, 2008, p. 18) 

•  “Using the regulari4es in input to learn which features co‐occur together.” (Goswami, 2008, p. 18) 

•  “… infants have an impressive ability to keep track of the sta4s4cal structure of the input” 

•  “This experiment with geometrical shapes suggests that infants are able to learn about environmental structure at a fairly abstract level.  

•  The ability to track condi4onal probabili4es provides a very powerful domain‐general learning mechanism for extrac4ng structure from the physical world of objects. ” (Goswami, 2008, p. 19) 

•  Sta4s4cal learning is involved in the processing of interrela4ons between features and the differen4a4on of prototypes 

•  Experiments of Rosch, 1978; Younger & Cohen, 1983; Younger, 1985; Kirkham et al., 2002 

•  Kirkham, et al., 2002: a visual habitua4on task is based on simple colored geometric shapes (blue cross, yellow circle, green triangle)  presented as a con4nuous stream in a par4cular order; each infant saw a stream of 6 shapes  with tree pairings; following habitua4on the infants saw 6 test displays, half of which comprised the familiar sequence and half new sequences with different transi4onal probabili4es. All groups looked significantly longer to the new sequences. 

Language acquisi4on •  Language acquisi4on has provoked a debate 

on nature (Chomsky) vs nurture (Skinner) •  Cri4cal periods in language learning differ in 

the three aspects of language: phone4cs (before 12 months), syntax (18‐36), lexicon (forever) 

•  Why are children beEer than adults? •  Kuhl, 2004: neural commitment 

–  Once perceptual systems are commiEed they filter new informa4on 

–  Commitment is done between 6 and 12 months (for phone4cs): before, children dis4nguish all the phone4c units of all languages 

•  How can children succeed in a difficult task as iden4fying and grouping the more or less 40 phonemes that compose their language? In the middle of a great variability of speech? 

•  Implicit learning processes commit the brain to the proper4es of na4ve language speech  

•  “Humans’ capacity for speech and language provoked classic debates on nature versus nurture by strong proponents of na4vism (Chomsky, 1959) and learning (Skinner, 1957).  

•  Language learning is a deep puzzle that our theories and machines struggle to solve but children accomplish with ease. How do infants discover the sounds and words used in their par4cular language(s) when the most sophis4cated computers cannot? What is it about the human mind that allows a young child, merely one year old, to understand the words that induce meaning in our collec4ve minds, and to begin to use those words to convey their innermost thoughts and desires? A child’s budding ability to express a thought through words is a breath‐taking feat of the human mind. 

•  Studies indicate, for example, that the cri4cal period for phone4c learning occurs prior to the end of the first year, whereas syntac4c learning flourishes between 18 and 36 months of age. Vocabulary development ‘‘explodes’’ at 18 months of age, but does not appear to be as restricted by age as other aspects of language learning—one can learn new vocabulary items at any age. 

•  Work in my laboratory led me to advance the concept of neural commitment, the idea that neural circuitry and overall architecture develops early in infancy to detect the phone4c and prosodic paEerns of speech (Kuhl, 2004; Zhang et al., 2005, 2009). This architecture is designed to maximize the efficiency of processing for the language(s) experienced by the infant. Once established, the neural architecture arising from French or Tagalog, for example, impedes learning of new paEerns that do not conform 

•  Infants’ ability to learn which phone4c units are relevant in the language(s) they are exposed to, while decreasing or inhibi4ng their aEen4on to the phone4c units that do not dis4nguish words in their language, is the necessary step required to begin the path toward language. 

•  These data led to a theore4cal argument that an implicit learning process commits the brain’s neural circuitry to the proper4es of na4ve‐language speech, and that neural commitment has bi‐direc4onal effects – it increases learning for paEerns (such as words) that are compa4ble with the learned phone4c structure, while decreasing percep4on nonna4ve paEerns that do not match the learned scheme (Kuhl, 2004). (Kuhl, 2010) 

Sta4s4cal learning and language •  Sta4s4cal learning (Saffran, et al, 1996) 

applies to the capacity to iden4fy phonemes and to the capacity of segmen4ng words –   Japanese and English infants are both 

exposed to both /r/ and /l/ sounds, but in Japanese the sound /r/ is much more frequent  

–  Babies spot the transi4onal probabili4es between syllables 

•  “Sta4s4cal learning is computa4onal in nature, and reflects implicit rather than explicit learning. It relies on the ability to automa4cally pick up and learn from the sta4s4cal regulari4es that exist in the stream of sensory informa4on we process, and strongly influences both phone4c learning and early word learning. 

•  To illustrate, adult speakers of English and Japanese produce both English r‐ and l‐like sounds, even though English speakers hear /r/ and /l/ as dis4nct and Japanese adults hear them as iden4cal. Japanese infants are therefore exposed to both /r/ and /l/ sounds, even though they do not represent dis4nct categories in Japanese. The presence of a par4cular sound in ambient language, therefore, does not account for infant learning. However, distribu4onal frequency analyses of English and Japanese show differen4al paEerns of distribu4onal frequency; in English, /r/ and /l/ occur very frequently; in Japanese, the most frequent sound of this type is Japanese /r/ which is related to but dis4nct from both the English variants.  

•  studies indicate infants pick up the distribu4onal frequency paEerns in ambient speech, whether they experience them during short‐term laboratory experiments, or over months in natural environments, and can learn from them. 

•  Sta4s4cal learning also supports word learning. Unlike wriEen language, spoken language has no reliable markers to indicate word boundaries in typical phrases. How do infants find words? New experiments show that, before 8‐month‐old infants know the meaning of a single word, they detect likely word candidates through sensi4vity to the transi4onal probabili4es between adjacent syllables. In typical words, like in the phrase, ‘‘preEy baby,’’ the transi4onal probabili4es between the two syllables within a word, such as those between ‘‘pre’’ and ‘‘Ey,’’ and between ‘‘ba’’ and ‘‘by,’’ are higher than those between syllables that cross word boundaries, such and ‘‘Ey’’ and ‘‘ba.’’ Infants are sensi4ve to these probabili4es. When exposed to a 2 min string of nonsense syllables, with no acous4c breaks or other cues to word boundaries, they treat syllables that have high transi4onal probabili4es as ‘‘words’’ (Saffran et al., 1996) ” (Kuhl, 2010) 

Language : sta4s4cal learning is not enough 

•  Sta4s4cal learning can have strong and durable effects on phone4cs at 9 months of age, and with short‐4me exposure to sta4s4cal regulari4es  –  9 months old children can learn to 

dis4nguish Mandarin phonemes from exposure to play and interac4on with a Mandarin speaking tutor 

•  But is sta4s4cal learning enough?  –  9 months old children cannot learn to 

dis4nguish Mandarin phonemes from a Mandarin speaking TV‐canned /audiotaped tutor 

•  Social interac4on is required 

•  At 9 months of age, the age at which the ini4al universal paEern of infant percep4on has changed to one that is more language‐specific, infants were exposed to a foreign language for the first 4me (Kuhl et al., 2003). Nine‐month‐old American infants listened to 4 different na4ve speakers of Mandarin during 12 sessions scheduled over 4–5 weeks. The foreign language ‘‘tutors’’ read books and played with toys in sessions that were unscripted. A control group was also exposed for 12 sessions but heard only English from na4ve speakers. Ayer infants in the experimental Mandarin exposure group and the English control group completed their sessions, all were tested with a Mandarin phone4c contrast that does not occur in English. Both behavioral and ERP methods were used. The results indicated that infants had a remarkable ability to learn from the ‘‘live‐person’’ sessions – ayer exposure, they performed significantly beEer on the Mandarin contrast when compared to the control group that heard only English. In fact, they performed equivalently to infants of the same age tested in Taiwan who had been listening to Mandarin for 10 months (Kuhl et al., 2003). The study revealed that infants can learn from first‐4me natural exposure to a foreign language at 9 months, and answered what was ini4ally the experimental ques4on: can infants learn the sta4s4cal structure of phonemes in a new language given first‐4me exposure at 9 months of age? If infants required a long‐ term history of listening to that language—as would be the case if infants needed to build up sta4s4cal distribu4ons over the ini4al 9 months of life—the answer to our ques4on would have been no. 

•  Would infants learn if they were exposed to the same informa4on in the absence of a human being, say, via television or an audiotape? If sta4s4cal learning is sufficient, the television and audio‐only condi4ons should produce learning. Infants who were exposed to the same foreign‐language material at the same 4me and at the same rate, but via standard television or audiotape only, showed no learning—their performance equaled that of infants in the control group who had not been exposed to Mandarin at all.” (Kuhl, 2010) 

Language : sta4s4cal learning is not enough 

•  “social interac4on creates a vastly different learning situa4on, one in which addi4onal factors introduced by a social context influence learning. Ga4ng could operate by increasing: (1) aEen4on and/ or arousal, (2) informa4on, (3) a sense of rela4onship, and/or (4) ac4va4on of brain mechanisms linking percep4on and ac4on.  

•  Infant aEen4on, measured in the original studies, was significantly higher in response to the live person than to either inanimate source (Kuhl et al., 2003). … AEen4on has been shown to play a role in the sta4s4cal learning studies as well.”  

•  during live exposure, tutors focused their visual gaze on pictures in the books or on the toys as they spoke, and the infants’ gaze tended to follow the speaker’s gaze, as previously observed in social learning studies (Baldwin, 1995; Brooks and Meltzoff, 2002). Referen4al informa4on is present in both the live and televised condi4ons, but it is more difficult to pick up via television, and is totally absent during audio‐only presenta4ons. … Infants who shiyed their gaze between the tutor’s eyes and newly introduced toys during the Spanish exposure sessions showed a more nega4ve MMN (indica4ng greater neural discrimina4on) in response to the Spanish phone4c contrast. Infants who simply gazed at the tutor or at the toy, showing fewer gaze shiys, produced less nega4ve MMN responses. The degree of infants’ social engagement during sessions predicted both phone4c and word learning—infants who were more socially engaged showed greater learning as reflected by ERP brain measures of both phone4c and word learning. 

•  Social interac4on may ac4vate brain mechanisms that invoke a sense of rela4onship between the self and other, as well as social understanding systems that link percep4on and ac4on “ (Kuhl, 2010) 

•  Social interac4on can have an effect on learning through: –  Enhancement of 

aEen4on –  Addi4onal 

informa4on (gaze to object) 

–  Ac4va4on of mirror systems, and other mechanisms for percep4on‐ac4on linking in the brain 

Implicit learning •  “There is no doubt that many of our most fundamental abili4es, whether they 

concern language, percep4on, motor skill, or social behavior, reflect some kind of adapta4on to the regulari4es of the world that evolves without inten4on to learn, and without a clear awareness of what we know. This ubiquitous phenomenon was called ‘implicit learning’ (IL)  by Reber  40 years ago.”  

•  Origina4ng from a different research tradi4on, the term ‘sta4s4cal learning’ (SL) was proposed 10 years ago by Saffran and collaborators to designate the ability of infants to discover the words embedded in a con4nuous ar4ficial language, and this field of research is now growing exponen4al. 

•  There are obvious similari4es between SL and IL. As in IL, par4cipants in SL experiments are faced with structured material without being instructed to l earn. They learn merely from exposure to posi4ve instances, without engaging in analy4cal processes or hypothesis‐tes4ng strategies.” 

•  “Introduc4on There is no doubt that many of our most fundamental abili4es, whether they concern language, percep4on, motor skill, or social behavior, reflect some kind of adapta4on to the regulari4es of the world that evolves without inten4on to learn, and without a clear awareness of what we know. This ubiquitous phenomenon was called ‘implicit learning’ (IL) by Reber 40 years ago. Since then, several studies have explored this form of learning with several experimental paradigms (mainly finite‐state grammars and serial reac4on 4me tasks; for reviews, see).  

•  Ten years ago, it seemed possible to contrast IL and SL on their main issues of interest, namely syntax acquisi4on and lexicon forma4on, respec4vely. Indeed, the to‐be‐ learned material used in ar4ficial grammar learning research is typically governed by rules, that is by organizing principles which are independent of the specific material used in a given instance. If par4cipants learned the rules, then this form of learning would be out of the scope of SL studies, in which the no4on of rules is a priori irrelevant. However, research from the past few years has made it increasingly clear that par4cipants in ar4ficial grammar learning experiments do not need to extract the rules to perform well, even in situa4ons involving transfer across surface forms…” (Pacton & Perruchet, 2006, p. 1) 

•  Implicit learning theories are based on the capacity of extrac4ng regulari4es, e.g. from language: 

•  Reber, 1967, 1989: implicit learning  allows the acquisi4on of complex, abstract knowledge without awareness and effort (extrac4on of abstract rules) 

•  Pacton & Perruchet, 2006: acquisi4on of the ap4tude to correctly answering to certain situa4ons, without the inten4on of learning (no extrac4on of abstract rules; the learning of rules requires explicit learning) 

•  It does not mean one can learn without aEen4on (concurrent aEen4onal tasks lower the capacity of implicit learning)  

•  But the crucial variable is the exposi4on to regulari4es in the environment 

•  It does not mean one can learn without aRen$on (concurrent aEen4onal tasks lower the capacity of implicit learning)  

Implicit & explicit learning •  “This form of learning is unconscious and con4nues 

throughout life.” (Goswami, 2008b, p. 5) •  ‘In one of the most famous early studies comparing 

the effects of "learning a procedure" with "learning with understanding," two groups of children prac4ced throwing darts at a target underwater (Scholckow and Judd, described in Judd, 1908; see a conceptual replica4on by Hendrickson and Schroeder, 1941).  

•  One group received an explana4on of refrac4on of light, which causes the apparent loca4on of the target to be decep4ve. The other group only prac4ced dart throwing, without the explana4on. Both groups did equally well on the prac4ce task, which involved a target 12 inches under water. But the group that had been instructed about the abstract principle did much beEer when they had to transfer to a situa4on in which the target was under only 4 inches of water. Because they understood what they were doing, the group that had received instruc4on about the refrac4on of light could adjust their behavior to the new task.” (Bransford, et al., 2000, p. 44) 

•  Perruchet & Pacton, 2006: Explicit learning completes implicit learning with rules 

•  Perruchet & Pacton, 2006: In any case, explicit learning raises performances in comparison with implicit learning (school instruc4on demands more than above chance performances) 

•  Reber, 1989: introduc4on of explicit instruc4on is expecially useful when informa4on is provided before (rather than during or ayer the implicit learning phase), maybe because it helps direc4ng aEen4on on mearningful aspects 

•  Bransford, Brown, & Cocking, 2000: Judd & Scholckow 1908’s experiment confirms that explicit instruc4on (before training) enhances performances for new situa4ons 

Implicit learning of errors •  “One concern about mul4ple‐choice tests is that 

they rou4nely expose students to wrong answers. If subjects read all choices carefully ,they read three (usually) plausible wrong answers and only one correct answer. Even if subjects pick the correct answer, reading the wrong statements may make those answers seem true later. That is, simply repea4ng statements increases the probability that those statements will be judged true late r(Hasher, Goldstein,&Toppino,1977). Consistent with this analysis, tes4ng increases later ra4ngs of the truth of mul4ple‐choice lures, although they are s4ll rated as less true than known facts (Toppino&Brochin,1989;Toppino& Luipersbeck,1993). Similarly, tes4ng increases the produc4on of mul4ple choice lures as answers to later cued recall ques4ons, even when students are strictly warned against guessing (Roediger&Marsh,2005). Specifically, mul4ple‐choice lures were used to answer 5% of ques4ons when subjects had not been previously tested; tes4ng increased the use of these specific wrong answers to 12% on the later cued recall test.” Marsh, et al., 2007, p. 195) 

•  If implicit learning can happen by repeated exposi4on (with aEen4on), then the repeated exposi4on to errors favors the learning of errors 

•  Mul4ple choice tests enhance learning of good, and bad, answers 

Sta4s4cal learning & Extrac4on of causal structures 

•  “… specific perceptual features of two objects in a “launching” event (where object A impacts object B, causing it to begin to move) may vary, but spa4o‐temporal dynamics (and therefore causal structure, i.e., the fact that A causes B to move) will vary less. The perceptual “illusion” of causality during launching and other visual events noted by MichoEe (1963) is one example of how perceptual covaria4on can yield causal structure (Scholl & Tremoulet, 2000). 

•  Most recently, it has been demonstrated that 6‐month‐old infants who watch geometric shapes (with eyes) that engage in self‐ini4ated mo4on extract causal structure that an be interpreted as “moral” causal structure (“helping” versus “hindering”). For example, in one scenario, the babies watched as a blue circle with eyes tried to move up a “hill” (piece of green apparatus), but repeatedly failed to get beyond a half‐way “plateau”. A yellow triangle with eyes then appeared and “pushed” the blue circle on up the hill (or a red square appeared and pushed the blue circle back down the hill). The babies were then allowed to reach for both the “helper” and the “hinderer”. Twelve out of 12 babies reached for the yellow triangle (the “helper”, see Hamlin, Wynn & Bloom, 2007).  

•  The spa4o‐temporal structure of these objects and their “ac4ons” was sufficient for the infants to interpret the movements as goal‐directed ac4ons with moral content. The level of knowledge that can be abstracted from spa4o‐temporal structure (perceptual causal informa4on) about different en44es has in important cases been transcended by modern physics and biology. A good example is the medieval “impetus” theory of mo4on, which has been supplanted by Newtonian physics (Kaiser, ProfiE & McCloskey, 1985). According to the impetus theory of mo4on, every mo4on must have a cause. ” (Goswami, 2008b, p. 9) 

•  In terms of neural sta4s4cal learning, the infant brain is essen4ally learning about dynamic spa4o‐temporal structure across sensory modali4es 

•  The brain automa4cally generates causal inferences from observed events 

•  Causal structures can be induced from sta4s4cal learning mechanisms 

Explana4on‐based learning •  “Explana4on‐based learning … is the core 

mechanism used by infants to iden4fy new variables as they build their knowledge of the physical world.  

•  As infants experience more and more events, more elaborate representa4ons are developed in which variables that are relevant to the events’ outcomes are iden4fied and represented, such as degree of contact for support events. This process whereby infants iden4fy new variables in event categories is thought to be explana4on‐based learning. 

•  In the field of machine learning, explana4on‐based learning depends on construc4ng causal explana4ons for phenomena on the basis of specific training examples, using prior domain knowledge. 

•  If infants were merely learning condi4on‐outcome rela4ons, as in associa4ve learning, then they would be unable to make predic4ons about novel events.  

•  However, infants who understand why (for example, short covers cannot conceal tall objects should be able to reason about height informa4on in any covering event, even if this event is very remote in perceptual terms form the learning events. 

•  The infants, like the machines, would be able to formulate valid generaliza4ons from single instances.”  (Goswami, 2008, p. 66) 

•  Children  use previous (domain) knowledge in order to construct explana4ons for new situa4ons (generaliza4on) 

•  Iden4fy variables that are relevant for events to happen in a certain way 

•  It is essen4ally causal learning 

Learning by analogy •  “Finding correspondences between two events, situa4ons, or domains 

of knowledge and transferring knowledge from one to another.”  (Goswami, 2008, p. 52) 

•  “In learning by analogy, “we face a situa4on, we recall a similar situa4on, we match them up, we reason, and we learn” (Winston, 1980). We may decide whether a dog has a heart by thinking about whether people have hearts (young children use “personifica4on analogies” to learn about biological kinds, see Inagaki & Hatano, 1988), or we may solve a mathema4cal problem about the interac4on of forces by using an analogy to a tug‐of‐war (young children use familiar physical systems to reason about unfamiliar ones, see Pauen, 1996). Reasoning by analogy has usually been measured in children aged 3 years or older (see Goswami, 1992, 2001, for reviews), but can also be demonstrated in infancy. However, so far, analogy has not been found in the animal kingdom, sugges4ng that it is especially important for human learning. 

•  Early analogies tend to depend on func4onal or causal rela4ons, but once language is acquired analogies can be quite abstract (e.g. 3‐year‐old children deciding how animals can evade predators by using different forms of mimicry, see Brown, 1989). The use of analogy depends crucially on the knowledge base. Children can only use analogies based on familiar rela4ons, rela4ons that they have experienced or that they understand. ” (Goswami, 2008b, p.13‐14) 

•  Children learn by analogy  •  This is a specifically human 

capacity •  It can be found in children before 

language but is powered by language 

Learning by imita4on •  “Learning by imita4on can be defined as B learns from A 

some part of the form of a behavior… One example is learning the use of a novel tool by imita4ng the ac4ons of another user with that tool. Most defini4ons of imita4on require that something new is learned, and such learning has proved remarkably difficult to dis4nguish in animals … (Goswami, 2008, p. 62‐63) 

•  Learning by imita4on is another cri4cal form of early learning. Here the infant or child reproduces observed ac4ons as a way of understanding them beEer. The importance of reproducing observed ac4ons was core to Piaget’s theory of the “sensory motor stage” (0 – 2 years) of cogni4on. (Goswami, 200b8, p. 11) 

•  Piaget argued that inten4onal imita4on emerged at around 18 months, but it has since been shown that babies as young as 1 hour old can imitate facial ac4ons (Meltzoff & Moore, 1983). In Meltzoff and Moore’s classic 1983 study, adults modelled gestures like tongue protrusion and mouth opening in a quiet environment, and the infants reproduced these gestures. By around 9 months, babies can learn how to manipulate novel objects such as experimenter‐built toys by watching others manipulate them (Meltzoff, 1988).  (Goswami, 2008b, p. 11) 

•  Older babies can even imitate intended acts which are never observed.  

•  Infants imitate adults’ behavior •  Children learn by imita4on, e.g. 

the use of tools •  Learning by imita4on is present 

in the human baby by the age of at least 9 months (Meltzoff, 1988) 

•  At 14 months, babies imitate with a delay (1 week) and ra4onally: –  They imitate certain features of 

the ac4on if and only if they consider that they are func4onal to the reaching of the goal, not if they are con4ngent to the situa4on •  (Meltzoff, 2005) •  (Gergely, et al., 2002) 

Imita4on as the basis of mind reading 

•  The like‐me hypothesis states that infants grow to understand others: 

•  First comes imita4on: babies come to understand (or experience)  the intrinsic connec4on between observed and executed acts, as manifest by newborn imita4on  

•  The comes First‐person experience: Infants experience the regular rela4onship between their own acts and underlying mental states. 

•  Finally, arrives the  Understanding Other Minds:  Others who act "like me" have internal states "like me.”  –  (Meltzoff, 2005) 

•  “My thesis is that imita4on and understanding other minds (oyen referred to as a theory of mind or mind reading) are causally related. But which way does the causal arrow run? Some have argued that understanding other minds, especially judgments of others' inten4ons, underlies imita4on (e.g., Tomasello et al., 1993). This puts the cart before the horse, in my opinion. I wish to show that imita4on, and the neural machinery that underlies it, begets an understanding of other minds, not the other way around. ” (Meltzoff, 2005) 

Imita4on, social cogni4on & mirror neurons 

•  “Social cogni4on is currently an ac4ve area of research in developmental cogni4ve neuroscience. Interest has focussed on a neural system called the “mirror neuron system”, which is known to be important for ac4on and imita4on. Mirror neurons were discovered in monkey research on the representa4on of ac4on. These neurons were found to become ac4ve when the monkey performed object‐directed ac4ons such as tearing, grasping, holding and manipula4ng. Furthermore, the same neurons became ac4ve when the animal observed someone else performing these ac4ons, such as someone else tearing paper. Mirror neurons were even ac4vated by the sound of an ac4on, such as the sound of paper ripping (RizzolaT & Craighero, 2004). RizzolaT and his colleagues pointed out that an ac4on implies a goal and an agent, and therefore argued that mirror neurons may play an important role in understanding inten4ons. It has since been shown that mirror neurons are ac4ve during imita4on, and are only ac4vated by biological ac4ons (e.g., a human hand grasping, Tai et al., 2004).  

•  Mirror neurons are not ac4vated by mechanical ac4ons such as a robot hand grasping, and Meltzoff has shown that babies will imitate ac4ons on objects made by human hands but not iden4cal ac4ons made by mechanical hands (Meltzoff, 1995).  

•  It is therefore thought that the mirror neuron system may be a neural substrate for understanding the ac4ons and internal states of others. Interes4ngly, children with disorders of social cogni4on such as au4sm appear to have very liEle mirror neuron ac4vity (DapreEo et al., 2006). It is thus speculated that the mirror neuron system plays a role in the development of empathy.” (Goswami, 2008b, p. 23) 

•  Among the studies on social cogni4on, mirror neurons have gained lot of aEen4on 

•  Mirror neurons are involved in the representa4on of an ac4on 

•  Mirror neurons are ac4vated when observing an ac4on, independently from the specific motor realiza4on of the ac4on 

•  Mirror neurons are related to the goal, and the agent 

•  Mirror neurons could be involved in the understanding of others’ inten4ons 

•  Specula4vely, in empathy 

Learning by imita4on & TV •  “Meltzoff (1988) has evidence that infants of 14 moths of age can indeed learn 

novel ac4ons from watching television.” (Goswami, 2008, p. 62‐63) 

•  “Empirical research conducted using a number of different experimental paradigms has demonstrated that infants, toddlers, and preschool children learn less from television and 2D s4ll images than from live face‐to‐face interac4ons … This has been termed the video deficit effect: Infants’ ability to transfer learning from television to real life situa4ons is rela4vely poor … compared to their impressive transfer of learning from a live demonstra4on to a different situa4on” (Zack, et al. 2009, p. 14) 

•  14 months’ babies can learn the same ac4ons from real experimenters and from experimenters  canned in a TV video (on live) 

•  But they learn less than from live ac4on (video deficit effect) –  Maybe because the processing of 2D 

s4muli is poorer  than the processing of 3D s4muli 

–  Or because 2D s4muli are poorly understood and their rela4on to 3D real objects is not granted 

–  Or because of poor representa4onal flexibility (and memory requirements) 

•  Is that because of 2D/3D encoding differences? What happens with 3D models?  –  An experiments conduced by Zack and 

coll.  would show that the limit comes from the transfer of informa4on from one dimension to another (live adult demonstra4on) 

–  Infants do just as well imita4ng 2D/2D than 3D/3D: 2D is not as impoverished as to block imita4on, and 2D does not represent a poorly understood condi4on in comparison with 3D (but live adult demonstra4on could help the understanding) 

–  Representa4onal flexibility seems to be the problem, thus memory would be the key 

Human imita4on 

•  Tomasello has argued that humans differ profoundly from apes in their skills of imita4on and imita4ve learning, because the ability to learn novel behaviors via imita4on depends on the ability to understand the inten4ons of others. 

•  Most of our knowledge about imita4ve learning in infants comes from the pioneering work of Meltzoff … Many of his more recent experiments depend on the use of deferred imita4on … to see whether infants can reproduce a novel ac4on that they have observed previously even if they are not allowed access to the cri4cal materials at the 4me of learning.”  

•  Older babies can even imitate intended acts which are never observed. Meltzoff manipulated a number of novel events (e.g., inser4ng a string of beads into a cylindrical container) so that the adult demonstrator accidentally failed to demonstrate the event (e.g. fumbled the beads so that they missed the opening). The observing infants took the beads and put them into the container successfully (Meltzoff, 1995). 

•  Empirical studies such as these show that the infants are going beyond what is observed and are aEribu4ng goals and inten4ons to the demonstrator (see also Tomasello and colleagues, e.g. Carpenter, Call & Tomasello, 2005). Understanding the goals of another person transforms their ac4ons into purposive behaviour (Gergely et al., 2002).  

•  Infants understand and imitate adults’ inten4ons 

•  This seems to be a specifically human learning capacity 

•  Learning by imita4on seems to require the understanding of others’ inten4ons (Tomasello, 1990) 

Understanding human inten4ons 

•  “Ac4ng animately. An observer perceives that the actor has generated his mo4on autonomously; that is, she dis4nguishes animate self‐produced ac4on from inanimate, caused mo4on. There is no understanding that the actor has a goal, and so means and ends are not dis4nguished, nor are successful and unsuccessful ac4ons. Although observers may learn from experience what animate actors typically do in familiar situa4ons, predic4ng behavior in novel circum‐ stances is basically impossible.  

•  Pursuing goals. An observer perceives and understands that the actor has a goal and behaves with persistence un4l reality matches the goal; that is, she understands that the actor recognizes the success or failure of his ac4ons with respect to the goal and con4nues to act in the face of failure. This understanding implies that the observer also knows that the actor sees things (e.g., objects with respect to which he has goals, poten4al obstacles to goals, the results of ac4ons) and that this helps to guide ac4on and determine sa4sfac4on with results. Understanding ac4on in this way enables observers to predict what actors will do in at least some novel situa4ons. 

•  Choosing plans. An observer perceives and under‐ stands that the actor considers ac4on plans and chooses which of them to enact in inten4onal ac4on (and these may be more or less ra4onal depending on their fit with perceived reality). She also understands that in ac4ng toward a goal the actor chooses which en44es in its perceptual field to aEend to. In general, the observer understands that actors act and aEend to things for reasons, which enables her to predict what an actor will do in a wide variety of novel situa4ons. (All elements of Fig. 1 present.) Children’s understanding of these different aspects of inten4onal ac4on and percep4on emerge, in this order, at different points in infancy“  

•  “Six‐month‐old infants perceive animate ac4on and follow gaze direc4on, which enables them to build up experiences on the basis of which they predict people’s ac4ons in familiar contexts. By 9 months of age, infants understand that that people have goals and persist in behaving un4l they see that their goal has been reached (avoiding obstacles and persis4ng past accidents and failures in the process) –be‐ ing happy when the goal is reached and disappointed if it is not. By 14 months of age, infants begin to understand full‐ fledged inten4onal ac4on –including the rudiments of the way people make ra4onal decisions in choosing ac4on plans for accomplishing their goals in par4cular reality contexts and selec4vely aEending to goal‐relevant aspects of the situa4on.“ (Tomasello, et al., 2005) 

•  Three levels of imita4on/understaninding others’ ac4ons & reading of inten4ons) –  Perceiving others as actors that 

produce their ac4ons (6 months old children) 

–  Perceiving others as having goals for their ac4ons (9 months) 

–  Perceiving others as making plans for reaching their goal, and choosing the most ra4onal ac4on (14 months) 

(Tomasello, et al. 2005) 

Engaging in shared inten4ons •  3 levels of engagement in 

shared inten4ons: –  Dyadic engagement: 

face to face interac4ons and protoconversa4ons with shared emo4ons 

–  Tryadic engagement: doing things together, but without assigning roles for the reaching of the goal; sharing percep4on and goals  (9‐12 months) 

–  Collabora4ve engagement = sharing ac4on plans (12‐15 months) 

•  “Human infants are extremely sensi4ve to social con4ngencies. In their face‐to‐face interac4ons with adults, infants from just a few months of age display the ability to take turns in the sense of ac4ng when the adult is more passive and being more passive when the adult is ac4ng (Trevarthen 1979). When these con4ngencies are broken –for example, in experiments in which the adult’s behavior is preprogrammed (or played to the infant over delayed video) –infants show various signs of being out of sorts (for reviews, see Gergely & Watson 1999 and Rochat & Striano 1999). Infants’ early social interac4ons thus clearly show mutual responsiveness on the behavioral level. But there is another dimension to these interac4ons that goes beyond simple 4ming and con4ngency. Human infants and adults interact with one another dyadically in what are called protoconversa4ons. These are social interac4ons in which the adult and infant look, touch, smile, and vocalize toward each other in turn‐taking sequences. But as most observers of infants have noted, the glue that holds proto‐ conversa4ons together is not just con4ngency but the exchange of emo4ons (Hobson 2002; Trevarthen 1979). 

•  At around 9 to 12 months of age, as infants are beginning to understand other persons as goal directed, they also begin to engage with them in ac4vi4es that are triadic in the sense that they involve child, adult, and some outside en4ty to‐ ward which they both direct their ac4ons. These are ac4vi4es such as giving and taking objects, rolling a ball back and forth, building a block tower together, puTng away toys together, “pretend” games of ea4ng or drinking, “reading” books, and poin4ng‐and‐naming games (Hay 1979; Hay & Murray 1982; Verba 1994). During these ac4vi4es, infants’ looking becomes coordinated with that of the other person triadically toward the relevant outside objects as well. When researchers focus on this aspect of the joint ac4vity, it is most oyen called “joint aEen4on” (e.g., see papers in Moore & Dunham 1995) –what we will call at this level joint percep4on.  

•  At around 12 to 15 months of age, infants’ triadic engagements with others undergo a At around 12 to 15 months of age, infants’ triadic engagements with others undergo a significant qualita4ve change. In a classic longitudinal study, Bakeman and Adamson (1984) categorized infants’ interac4ons with their mothers as involving, among other things, either “passive joint engagement” or “coordinated joint engagement.” Passive joint engagement referred to triadic interac4ons in general, whereas coordinated joint engagement referred to triadic interac4ons in which the infant was much more ac4ve in the interac4on –not just following adult leads, but also some4mes direc4ng adult behavior and aEen4on as well in a more balanced manner. The empirical finding was that al‐ though 9‐month‐old infants engaged in much passive joint engagement, it was not un4l 12 to 15 months of age that infants engaged in significant amounts of coordinated joint engagement.  

Humanness  •  At the origin of human 

culture and cogni4on stand two capaci4es: 

•  ‐ mind reading, and in par4cular: the capacity of perceiving and understanding others’ inten4ons 

•  ‐ a mo4va4on for engaging in shared inten4on ac4vi4es 

•  So: shared inten4onality is what makes humans special in the animal reign 

•  (Tomasello, 2005) 

•  “We propose that the crucial difference between human cogni4on and that of other species is the ability to par4cipate with others in collabora4ve ac4vi4es with shared goals and inten4ons: shared inten4onality. Par4cipa4on in such ac4vi4es requires not only especially powerful forms of inten4on reading and cultural learning, but also a unique mo4va4on to share psychological states with oth‐ ers and unique forms of cogni4ve representa4on for doing so. The result of par4cipa4ng in these ac4vi4es is species‐unique forms of cultural cogni4on and evolu4on, enabling everything from the crea4on and use of linguis4c symbols to the construc4on of social norms and individual beliefs to the establishment of social ins4tu4ons. In support of this proposal we argue and present evidence that great apes (and some children with au4sm) understand the basics of inten4onal ac4on, but they s4ll do not par4cipate in ac4vi4es involving joint inten4ons and aEen4on (shared inten4onality). Human children’s skills of shared inten4onality develop gradually during the first 14 months of life as two ontogene4c pathways intertwine: (1) the general ape line of understanding others as animate, goal‐directed, and inten4onal agents; and (2) a species‐unique mo4va4on to share emo4ons, experience, and ac4vi4es with other persons. The develop‐ mental outcome is children’s ability to construct dialogic cogni4ve representa4ons, which enable them to par4cipate in earnest in the collec4vity that is human cogni4on” (Tomasello, et al.,  2005) 

Cultural intelligence hypothesis •  “Some other ape species transmit some behaviors socially or culturally , but their 

species‐ typical cogni4on does not depend on par4cipa4ng in cultural interac4ons in the same way as it does in humans, who must  

•  (i) learn their na4ve language in social interac4ons with others,  •  (ii) acquire necessary subsistence skills by par4cipa4ng with experts in established 

cultural prac4ces, and  •  (iii) (in many cultures) acquire skills with wriEen language and mathema4cal symbols 

through formal schooling. •   In the end, human adults will have all kinds of cogni4ve skills not possessed by other 

primates, but this outcome will be due largely to children’s early emerging, specialized skills for absorbing the accumulated skillful prac4ces and knowledge of their social group (so that a child growing up outside of any human culture would develop few dis4nc4vely human cogni4ve skills). Humans’ especially powerful skills of social‐cultural cogni4on early in ontogeny thus serve as a kind of “bootstrap” for the dis4nc4vely complex development of human cogni4on in general. We may call this the cultural intelligence hypothesis”  

•  “However, we should note that because the children were somewhat more skillful than the apes in the causality tasks not involving ac4ve tool manipula4on, as well as in the tasks of social cogni4on, it is possible that what is dis4nc4vely human is not social‐cultural cogni4on as a specialized domain, as we have hypothesized. Rather, what may be dis4nc4ve is the ability to understand unobserved causal forces in general, including (as a special case) the mental states of others as causes of behavior. Even in this case, however, it is a plausible hypothesis that understanding hidden causal forces evolved first to enable humans to understand the mental states of other persons, and this generalized only later to the physical domain”. (Herrmann, et al., 2007) 

•  Baby humans differ from primates on social abili4es 

•  Humans have developed special cogni4ve skills  as a result of the development of  specialized skills for absorbing knowledge and prac4ces of their social group 

Meltzoff • Imita4on is a central feature of human beings, and precedes mind reading and other social capaci4es 

Tomasello •  Mind reading is a crucial social capacity and enables imita4on •  The mo4va4on for sharing of inten4ons is the other crucial social capacity • They both allow  shared inten4onality  • Shared inten4onality has evolved  under the pressure of collabora4on 

Gergely & Csibra • Joint collabora4on requires mind reading • But not a mo4va4on for sharing inten4ons • Rather, the capacity to communicate relevant informa4on • This capacity might have  evolved under the pressure of teaching/learning  of opaque knowledge (technology) 

NATURAL PEDAGOGY:  ‐ THE INDUCTION PROBLEM ‐ THE CONDITIONS FOR NATURAL PEDAGOGY 

Natural pedagogy •  “… human communica4on is specifically 

adapted to fulfil the funciton of transmiTng generic knowledge between individuals.” (Gergely & Csibra, p. 3) 

•  “A new type of communica4ve learning system based on ostensive‐referen4al demonstra4ons of knowledge  … expert user ac4vely guide the novice by selec4vely manifes4ng the informa4on to be acquire and generalized. 

•  … children … are always novices with respect to the accumulated knowledge of their culture. 

•  This is why we call the specific aspects of human communica4on that allow and facilitate the transfer of generic knowledge to novices Natural Pedagogy. ” (Gergely & Csibra, p. 4) 

•  Development of natural pedagogy: 

•  Development of tools’ making prac4ces represents an evolu4ve pressure 

•  Because these prac4ces cannot be learned/transmiEed by other, available mechanisms of learning from imita$on/observa$on* 

•  Because they represent opaque contents for cogni4on 

•  Thus, humans have evolved mechanisms that serve the pedagogical func4on of transmiTng cogni4vely opaque contents  

•  These mechanisms are part of the more general communica4on system 

•  They consist of demonstra4on acts: ostensive‐referen4al demonstra4ons 

Adults/children natural pedagogical system 

•  “When children are shown an ac4on performed in a par4cular style leading to a clear end state (e.g. a mouse is hopping across the table into a house), they tend to reproduce only the end state (put the mouse into the house), oyen ignoring the manner of ac4on (hopping). However, if the relevant informa4on concerning the end state is communicated to them verbally by the actor before the demonstra4on (“the mouse lives in the house”), they reproduce the ac4on style more oyen.  

•  Ostensive communica4on does not only make children pay more aEen4on to the demonstra4on but they also see it as a special opportunity to acquire generalizable knowledge.” (Gergely & Csibra, p. 5) 

•  “recent studies ...demonstrate this preparadness in the form of three kinds of early perceptual and cogni4ve biases: 

•  Children observe and imitate adults –  Children spontaneously imitate causal ac4ons 

that lead to achieve goals, and ignore other components of the global ac4on 

–  The others components of the ac4on are opaque to children’s cogni4on 

–  But, when the “teacher” makes it clear that these components of the ac4on are relevant, children do pay aEen4on, and imitate 

•  Adults use their communica4on system to facilitate children’s learning 

•  Young children are recep4ve to adult’s ostensive demonstra4on before they are able to use it for learning 

•  Ostensive signals allow to –  Disambiguate the nature of the ac4on 

(communica4on, not just using the tool) –  Disambiguate the target of the 

communica4on (you) 

Ostensive signals •  1. preferen4al aEen4on for 

the sources of ostensive signals  

•  Preference for ostensive signals : –  Gaze contact 

•  Newborns preferen4ally look at schema4c face‐like paEerns with direct gaze vs averted gaze; preference disappears when faces are upside‐down; preference disappears when the typical iris/sclera paEers of eyes is inverted 

•  Same neural ac4va4on for infants and adults in response to direct gaze and common neural ac4va4on for two different ostensive s4muli (direct gaze & eye‐brow raise) 

–  Motherese –  Mo4onese 

Referen4al expecta4ons •  2. Referen4al expecta4on 

induced by ostensive contexts •  Eight‐months olds observed 

someone on a computer screen ostensively looking at and gree4ng them before shiying her gaze to llok behind one of two barriers. Following this, an object was revealed either at the targeted or at the other occluded loca4on. Infants’ looking paEern suggested that they expected to find an object at the loca4on where the person’s gaze wwas directed  at, just like older infants do in similar live situa4ons.” (Gergely & Csibra, p. 5‐8) 

–  Infants follow the gaze of interac4ng adults to iden4fy what they are looking at, before they can understand language 

–  Useful for sampling parts of the world that others found interes4ng, and present in other animals 

–  Human infants followgaze shiys only when these are preceded by ostensive signals (gree4ng, gaze contact) 

–  Infants expect to find an object at the “end” of a gaze‐following in an ostensive context –  13 months old Infants expect to 

find the named object (if its name is part of their vocabulary) 

–  But not if the gesture and word are emiEed by different persons 

Interpreta4on bias •  3. interpreta4on bias to 

preferen4ally encode the content of ostensive‐referen4al communica4on as represen4ng generalizable knowledge”  

•  “this is what dis4nguishes our hypothesis in the first place from compe4ng proposals, according to which human communica4on originates evolu4onarily and ontogene4cally from a basic mo4ve to cooperate with others to achieve shared goals.” (Gergely & Csibra, p. 5‐9) 

–  Not only infants are prepared to receive ostensive–referen4al communica4on, but they do expect to learn something generalizable from it (and not just a par4cular instance) = to learn about referent kinds –  When infants (18 months old) observe adults expressing 

emo4onal valence in rela4onship to an object in a non‐communica4ve context, they infer that person’s par4cular preference (she does not like it). But when the same paEern of valence expression is inserted in a communica4ve context, infants aEach the expressed value to the object and expect that other people will react in the same manner to the object  (it is disgus4ng for everybody) 

–  Infants (9 months old) shiy their encoding paEern from loca4on to appearance features when the situa4on shiys from non‐communica4ve to communica4ve. –  They are more likely to detect change in loca4on in 

a non‐communica4ve situa4on, but detect more oyen features change in a communica4ve situa4on and neglect loca4on; and this happens even in situa4ons in which loca4on is important, pragma4cally, such as hiding games 

–  This bias could explain A not‐B task errors: children stop being interested in loca4on and do not mind about the new loca4on, because the communica4ve contexts has made them focus on the features of the object. In fact, once communica4ve cues are removed, the errors diminish.  

–   Appearance features are beEer candidates for later use and object iden4fica4on, thus for generaliza4on.  

–  Communica4on has evolved not only for collabora4on‐purposes but also under the pressure of learning/teaching purposes 

Social learning mechanisms •  “There are many types of social learning 

mechanisms in the animal kingdom, and they all involve some form of observa4onal learning, where the observa4on of an adap4ve behavior of another individual makes it more likely that the observer will produce the same or similar behaviors in the future. In this sense, social learning represents transmission of general knowledge or skills from one individual to another. 

•  Non‐human animals communicate about episodic, non‐generalizable informa4on (that applies only to the here and now), and learn new skills by observa4on  or scaffolded individual learning, they do not seem to use communica4on  to pass on generalizable knowledge to others.” 

•  “ This discrepancy between general claims about the absence of teaching and the actual reports is likely to reflect the enormous differences between teaching in Western socie4es and in more tradi4onal cultures. It is not just that Western educa4on relies heavily on formal schooling but also that it aims to provide verbal explana4on and jus4fica4on for what is being taught. … however, Natural Pedagogy … seems to be universal.”  (Gergely & Csibra, 2009, p. 12‐14) 

•  Social learning mechanisms are common to several animal species 

•  Learning generalizable knowledge from social interac4ons seems to be specific to humans 

•  Natural pedagogy seems to be universal, thus “natural” 

•  “Child development is today conceptualized as an essen4ally social process, based on incremental knowledge acquisi4on driven by cultural experience and social context. We have “social” brains.” (Goswami, 2008b, p. 1) 

LEVELS OF ANALYSIS 

Socially distributed cogni4on “  If we want to explain the informa4on processing proper4es 

of individuals, we have no choice but to aEempt to infer what is inside the individual’s mind. Cogni4ve scien4sts do this by construc4ng carefully selected contexts for elici4ng behavior from which they can aEribute internal states to actors. However, if we take the cockpit system as the unit of analysis, we can look inside it and directly observe many of the phenomena of interest. In par4cular, we can directly observe the many representa4ons that are inside the cockpit system, yet outside the heads of the pilots. We can do a lot of research on the cogni4ve proper4es of such a system (i.e., we can give accounts of the system’s behavioral proper4es in terms of its internal representa4ons), without saying anything about the processes that operate inside individual actors (Hutchins, 1990, 1991, 1995). This suggests that rather than trying to map the findings of cogni4ve psychological studies of individuals directly onto the individual pilots in the cockpit, we should map the conceptualiza4on of the cogni4ve system onto a new unit of analysis: the cockpit as a whole. ” (Hutchins, 1995, p. 267) 

•  Distributed cogni4on:  –  The unit of 

analysis of cogni4ve performances should be extended beyond the individual so as to encompass social and material interac4ons with tools 

Socially distributed cogni4on •  “Let us now apply the cogni4ve science frame to the cockpit as a cogni4ve 

system. How are the speeds represented in the cockpit? How are these representa4ons transformed, processed, and coordinated with other representa4ons in the descent, approach, and landing? How does the cockpit system remember the speeds at which it is necessary to change the configura4on of the wing in order to maintain safe flight?  

•  The observable representa4ons directly involved in the cockpit processes that coordinate airspeed with flap and slat seTngs are: the gross weight display (Figure 2), the speed card booklet (Figure l), the two airspeed indicator instruments with internal and external bugs (Figure 3), the speed select window of the flight guidance control panel, and the speed‐related verbal exchanges among the members of the crew. The speed‐related verbaliza4ons may appear in the communica4on of the values from PNF to PF while seTng the speed bugs, in the ini4al slat extension cross‐check, in the sub‐ sequent configura4on changes, in the cross‐check phase of the before‐landing checklist performance, in the PNF’s approach progress report at 500 feet AFL, and in any required speed devia4on call outs on the final approach segment ayer the selec4on of the landing flap seTng.  

•  In addi4on to the directly observable media listed earlier, we may also assume that some sort of representa4on of the speeds has been created in two media that are not directly observable: the memories of the two pilots, themselves.  ” (Hutchins, 1995, p. 275) 

•  Distributed cogni4on:  –  Remebember

ing the speed is the task and result of cogni4ve processes involving the pilots of the cockpit as well as various instruments 

Distributed cogni4on •  “We will advocate an externalism about mind, but one that is in no way 

grounded in the debatable role of truth‐condi4ons and reference in fixing the contents of our mental states. Rather, we advocate an “ac4ve externalism”, based on the ac4ve role of the environment in driving cogni4ve processes.” 

•  “The informa4on in OEo's notebook, for example, is a central part of his iden4ty as a cogni4ve agent. What this comes to is that OEo himself is best regarded as an extended system, a coupling of biological organism and external resources. 

•  The informa4on in OEo's notebook, for example, is a central part of his iden4ty as a cogni4ve agent. What this comes to is that OEo himself is best regarded as an extended system, a coupling of biological organism and external resources.” (Clark & Chalmers, 1998) 

•  Distributed cogni4on:  –  Performance

s typically described as cogni4ve are significantly worst in absence of interac4on with tools, others, or of epistemic ac4ons that have no other aim than favoring a beEer knowledge of the world 

Social neurosciences •  “Panoramic photographs of the earth from space 

reveal agricultural runoffs that stretch hundreds of miles out to sea …From this ionospheric perspec4ve, one could easily visualize effects that could not be fully comprehended from a closer focal point. This simple example from space sciences illustrates a principle that seems so obvious … but that oyen appears incomprehensible in the psychological sciences and neurosciences. There are phenomena that may be explicable in terms of events at a microlevel of analysis but that are more easily studied and more fully comprehended by reference to broader and mul4ple levels analysis.” (Cacioppo & Berentson, 1992, p. 1019) 

•  “Cogni4ve behavioral and developmental neuroscience, for instance, are all ac4ve areas of research, but social neuroscience strikes some as being an oxymoron (see ScoE, 1991). It is not…” (Cacioppo & Berentson, 1992, p. 1020) 

•  Strong accent on social cogni4on, in cogni4ve sciences and in the new science of learning –  Social neuroscience: importance of 

mul4level, integra4ve analysis of complex psychological phenomena 

Integra4on of levels of analysis •  “… the brain does not exist in isola4on but rather is a fundamental but 

interac4ng component of a developing or aging individual who is a mere actor in the larger theater of life. This theater is undeniably social, beginning with prenatal care, mother‐infant aEachment, and early childhood experiences, and ending with loneliness or social support and with familiar or societal decisions about care for the elderly. … Social psychology, with its panoramic focus on the effects of human associa4on and the impact of society on the individual, is therefore a fundamental although some4mes unaknowledged complement to the neurosciences.” (Cacioppo & Berentson, 1992, p. 1020) 

•  “Cogni4ve behavioral and developmental neuroscience, for instance, are all ac4ve areas of research, but social neuroscience strikes some as being an oxymoron (see ScoE, 1991). It is not…” (Cacioppo & Berentson, 1992, p. 1020) 

•  “… these fields differ in the level at which behavioral phenomena are uni4zed, although they need not differ in terms of the behavioral phenomenon under inves4ga4on. … Consequently, the conceptual units and dimensions of one level seldom map isomorphically into those of another.  

•  Thus, social psychological analyses focus on social structures and processes that characterize func4onal aspects of neurophysiological mechanisms, but a par4cular func4on cannot be readily characterized in the terminology and concepts of neurophysiology. Moreover, a given func4on can be implemented by one or more neurophysiological mechanisms whose boundaries may not be obvious, at least ini4ally, from anatomical considera4ons.” 

•  Important advances have been made and will con4nue to be made using single levels of analysis. … there is an addi4onal benefit to be gained, however, from a mul4level analysis of the phenomenon … from various structural scales or perspec4ves, ranging from the neuroscien4fic (“microscopic”) to the social psychological (“macroscopic”).” (Cacioppo & Berentson, 1992, p. 1021) 

•  Social neuroscience: importance of mul4level, integra4ve analysis of complex psychological phenomena 

–  1. Neurochemical events influence social processes; Social processes influence neurochemical events 

•  Difficulty in  the integra4on of neuroscience and social psychology levels of analysis: different scales into which brain and behavior can be represented  

•  The level of organiza4on of psychological phenomena vary from molecular the organism set into a physical environment and a socio‐cultural context 

•  Neurosciences generally encompass the lower level of the spectrum, social psychology the higher one 

•  Integra4on means that analyses at each level of organiza4on can  inform, refine or constrain inferences in the other levels 

–  2. The study of the elements of the system can fall short of useful and comprehensive explana4ons 

•  In other sciences, the existence of different levels of explana4on (protons/rocks) does not lead to considering geology as a folk theory when compared with molecular level models.  

•  Dis4nc4ve levels of analysis are complementary, not alterna4ve 

–  3. A set of neural events can be a sufficient cause for producing a psychological phenomenon, without being a necessary one 

•  E.g., lying rubustly produces certain electrodermal responses ; but other condi4ons can produce the same electrodermal responses 

•  E.g. schizophrenia is reliably associated with elevated dopamine levels (elevated dopamine levels produce schizophrenia‐like symptoms) but excessive levels of dopamine are not necessarily involved in all cases of schizophrenia 

–  However, when other neurochemical mechanisms are iden4fied that produce schizophrenia‐like symptoms with a different neurochemical basis, it is possible to part the psychological term “schizophrenia” in different pathologies. 

•  In the case of mul4ple determinants of a certain behavior, studies on the sufficiency of a certain neurophysiological condi4on in causing a certain phenomenological phenomenon are impôrtant but lack generalizing power. 

from medicine to educa4on •  “… no single level of behavioral organiza4on is best for all psychological ques4ons. •  An example can be found in the rela4ve u4lity of specifying the sociocogni4ve versus 

the neurophysiological basis of pa4ent delay following the onset of gynecologic cancer. Women can now survive most gynecologic cancers if the disease is diagnosed and treated early. … The form of the representa4on of pa4ent delay offered by neuroscien4fic analyses of pa4ent delay, although perhaps contribu4ng to more complete understanding of the phenomenon, is not op4mal for iden4fying the determinants of pa4ent delay or for developing effec4ve interven4ons to minimize such delay. Huge savings in resources and human suffering are there to be reaped not through a specifica4on of the brain circuits underlying pa4ent delay, but by well‐conceived public health campaings that iden4fy the early signs  of cancer… ” (Cacioppo & Berentson, 1992, p. 1022)  

•  “It follows … that an exclusive focus on a reduc4onis4c (e.g. neurophysiological, molecular, gene4c) level of analysis can mask contribu4ons of other levels of organiza4on to mental order and disorder and thereby constrain theore4cal accounts of psychological phenomena.”  

•  “Hence, without aEen4on to basic social psychological factors and processes, the decade of the brain may yield some spectacular images and experimental effects but rather limited answers to the problems of mental health.” (Cacioppo & Berentson, 1992, p. 1025) 

Emo4ons, sociability, cogni4on •  “recent work in affec4ve and social neuroscience has revealed 

a new view of the mind. Far from divorcing emo4ons from thinking, this research collec4vely suggests that emo4ons, such as anger, fear, happiness and sadness, are cogni4ve and physiological processes that involve both the body and mind (Damasio et al., 2000).  

•  As such, they u4lize brain systems for body regula4on (e.g. for blood pressure, hear t rate, respira4on, diges4on) and sensa4on (e.g. for physical pain or pleasure, for stomach ache). They also influence brain systems for cogni4on, changing thought in characteris4c ways—from the desire to seek revenge in anger, to the search for escape in fear, to the recep4ve openness to others in happiness, to the rumina4ng on lost people or objects in sadness. In each case, the emo4on can be played out on the face and body, a process that can be felt via neural systems for sensing and regula4ng the body, or the emo4on can some4mes involve simula4ons of the body that do not leave the brain. And in each case, these feelings interact with other thoughts to change the mind in characteris4c ways, and to help people learn from their experi‐ ences. Put simply, what affec4ve neuroscience is revealing is that the mind is influenced by an interdependency of the body and brain; both the body and brain are involved, therefore, in learning (Immordino‐Yang & Damasio, 2007).” (Immordino‐Yang,2011, p. 99) 

•  Social neuroscience: importance of emo4ons for ra4onality  

Emo4ons, sociability, cogni4on, and educa4on 

•  “For example, let us take an educa4onally relevant problem—why does a student solve a physics problem? The reasons are fundamentally emo4onal, and range from pleasing his parents, to the intrinsic reward of finding the solu4on, to avoiding punishment or the teacher’s disapproval, to the desire to aEend a good college. Each of these reasons involve an implicit or explicit social or emo4onal value judgment, as the student imagines how others would react to his behavior, or how it would feel to solve the problem. And how does the student solve the problem?  

•  To apply problem‐solving skills usefully in physics, the student must first mo4vate and engage himself sufficiently, must recognize the type of problem that is before him, and must call up informa4on and strategies that will steer him toward a correct solu4on. Emo4on plays a cri4cal role in all of these stages of problem solving, helping the student to evaluate, either consciously or non‐consciously, which knowledge and skills are likely relevant, and which will lead to a correct solu4on, based on his past learning. As he begins thinking through the solu4on, he is emo4onally evalua4ng whether each cogni4ve step is likely to bring him closer to a useful solu4on, or whether it seems to be leading him astray.  (Immordino‐Yang & Damasio, 2007).” (Immordino‐Yang, 2011, p. 99) 

•  Social neuroscience: importance of emo4ons for learning 

•  Mo4va4on 

Mo4va4on, affect system and learning 

•  “Temperament offers a level of analysis and undesrstadning that provides new perspec4ves on children’s educa4on. Built on brain systems that have been increasingly studies in recent years, these individual differences provide the building blocks for mo4va4on and learning experiences. Surgency‐extraversion has been posi4vely linked to mastery mo4va4on; fear and sadness have been nega4vely linked to mastery mo4va4on. Children who are more perceptually sensi4ve and open to experience re also reported to be more competent. One of the most important dimensions of individual differences in temperament is effor�ul control, based on the development of execu4ve aEen4on but also related to the mo4va4onal systems that temperament supports and shapes. ” (Posner & Rothbart, 2007, p.)  

•  Mo4va4on is connected to temperament, as well as to  emo4onal counterparts of learning 

•  Mastery mo4va4on: a psychological force that s4mulates individuals to aEempt independently, in a focused and persistent manner, to solve problems and master a skill or task; a disposi4on to curiosity and interest, taking pleasure in mastering problems and preferring challenging tasks –  Connected to effor�ul control and 

temperament •  Reward and punishment: some 

children are most ac4vated by the one, other children by the other.  

EXAMPLES & ISSUES OF SOCIAL LEARNING ‐ TUTORING 

The 2 sigma problem •  “… under the best learning condi4ons we can devise 

(tutoring), the average student is 2 sigma above the average control student taught under conven4onal group methods of instruc4on. The tutoring process demonstrates that most of the students have the poten4al to reach this high level of learning. I believe an important task of research and instruc4on is to seek ways of accomplishing this under more prac4cal  and realis4c condi4ons than the one‐to‐one tutoring, which is too costly for most socie4es to bear on a large scale. This is the “2 sigma problem”.” (Bloom, 1984, p. 4) 

•  Bloom, 1984 has compared 3 condi4ons of instruc4on:  –  Conven4onal (1:30, periodic tests for marking) –  Mastery learning (1:30, forma4ve tests for measuring 

mastery & immediate feedback) –  Tutoring (1:1 or 1:2 1:3, forma4ve tests and feedback) 

•  He found that the average student under tutoring was above 98% of the students in the control class = 2 standard devia4ons above the average of the control class 

•  The average student under mastery learning was about 1 standard devia4on above the average of the control class (above 84% of the students in the control class) 

•  90% of the tutored students and 70% of the mastery learning students aEained levels of achievement that only 20% of the students in the control class had achieved –  Tutoring would probably not enable the top 20% of 

tradi4onal instruc4on group  students to do beEer; but 80% of tradi4onal classrooms do poorly in comparison to tutoring 

–  Maybe this is because teachers direct their aEen4on to some students, and ignore others