Examining the Learning Effects of Segmented Model Demonstrations on the Motor & Cognitive Learning of the Basketball Jump Shot

The purpose of the present experiment was to determine whether learning is optimized when providing the opportunity to observe either segments, or the whole basketball jump shot. Participants performed 50 jump-shots from the free throw line during acquisition, and returned one day later for a 10 shot retention test and a memory recall test of the jump-shot technique. Shot accuracy was assessed on a 5-point scale and technique assessed on a 7-point scale. The number of components recalled correctly by participants assessed mental representation. Retention results showed superior shot technique and recall success for those participants provided control over the frequency and type of modelled information compared to participants not provided control. Furthermore, participants in the self-condition utilized the part-model information more frequently than whole-model information highlighting the effectiveness of providing the learner control over viewing multiple segments of a skill compared to only watching the whole model.

Examining peer-controlled KR schedules during the learning of a movement-timing task as a function of task experience.

Learners can be provided with feedback in the form of knowledge of results (KR), under self-controlled and peer-controlled schedules. Recently, McRae, Hansen, and Patterson (2015), identified that inexperienced peers can provide KR that can facilitate motor skill acquisition. However, it is currently unknown whether previous task experience differentially impacts how peers present learners with KR and whether this KR impacts motor skill acquisition. In the present study, participants were randomly assigned to become inexperienced peer facilitators, learners with an inexperienced peer, learners with self-control who later became experienced peers, learners with an experienced peer, or learners in a control group. During acquisition learners completed a serial-timing task with a goal of 2500ms and returned approximately twenty four hours later for a delayed retention, time transfer, and pattern transfer test. We predicted that during the delayed tests, learners with self-control would outperform all other groups. Furthermore, we predicted that learners who received KR from experienced peers would outperform learners who received KR from inexperienced peers. However, our results indicated that participants who received peer-controlled and self-controlled KR schedules learned the task in an equivalent manner. Thus, our results are novel as they identify that inexperienced peers can provide KR that is as effective as KR provided by experienced peers and KR requested under self-controlled conditions.

Observational learning of motor skills : Looking for optimal models

L’observation d’un modèle pratiquant une habileté motrice promeut l’apprentissage de l’habileté en question. Toutefois, peu de chercheurs se sont attardés à étudier les caractéristiques d’un bon modèle et à mettre en évidence les conditions d’observation pouvant optimiser l’apprentissage. Dans les trois études composant cette thèse, nous avons examiné les effets du niveau d’habileté du modèle, de la latéralité du modèle, du point de vue auquel l’observateur est placé, et du mode de présentation de l’information sur l’apprentissage d’une tâche de timing séquentielle composée de quatre segments. Dans la première expérience de la première étude, les participants observaient soit un novice, soit un expert, soit un novice et un expert. Les résultats des tests de rétention et de transfert ont révélé que l’observation d’un novice était moins bénéfique pour l’apprentissage que le fait d’observer un expert ou une combinaison des deux (condition mixte). Par ailleurs, il semblerait que l’observation combinée de modèles novice et expert induise un mouvement plus stable et une meilleure généralisation du timing relatif imposé comparativement aux deux autres conditions. Dans la seconde expérience, nous voulions déterminer si un certain type de performance chez un novice (très variable, avec ou sans amélioration de la performance) dans l’observation d’une condition mixte amenait un meilleur apprentissage de la tâche. Aucune différence significative n’a été observée entre les différents types de modèle novices employés dans l’observation de la condition mixte. Ces résultats suggèrent qu’une observation mixte fournit une représentation précise de ce qu’il faut faire (modèle expert) et que l’apprentissage est d’autant plus amélioré lorsque l’apprenant peut contraster cela avec la performance de modèles ayant moins de succès. Dans notre seconde étude, des participants droitiers devaient observer un modèle à la première ou à la troisième personne. L’observation d’un modèle utilisant la même main préférentielle que soi induit un meilleur apprentissage de la tâche que l’observation d’un modèle dont la dominance latérale est opposée à la sienne, et ce, quel que soit l’angle d’observation. Ce résultat suggère que le réseau d’observation de l’action (AON) est plus sensible à la latéralité du modèle qu’à l’angle de vue de l’observateur. Ainsi, le réseau d’observation de l’action semble lié à des régions sensorimotrices du cerveau qui simulent la programmation motrice comme si le mouvement observé était réalisé par sa propre main dominante. Pour finir, dans la troisième étude, nous nous sommes intéressés à déterminer si le mode de présentation (en direct ou en vidéo) influait sur l’apprentissage par observation et si cet effet est modulé par le point de vue de l’observateur (première ou troisième personne). Pour cela, les participants observaient soit un modèle en direct soit une présentation vidéo du modèle et ceci avec une vue soit à la première soit à la troisième personne. Nos résultats ont révélé que l’observation ne diffère pas significativement selon le type de présentation utilisée ou le point de vue auquel l’observateur est placé. Ces résultats sont contraires aux prédictions découlant des études d’imagerie cérébrale ayant montré une activation plus importante du cortex sensorimoteur lors d’une observation en direct comparée à une observation vidéo et de la première personne comparée à la troisième personne. Dans l’ensemble, nos résultats indiquent que le niveau d’habileté du modèle et sa latéralité sont des déterminants importants de l’apprentissage par observation alors que le point de vue de l’observateur et le moyen de présentation n’ont pas d’effets significatifs sur l’apprentissage d’une tâche motrice. De plus, nos résultats suggèrent que la plus grande activation du réseau d’observation de l’action révélée par les études en imagerie mentale durant l’observation d’une action n’induit pas nécessairement un meilleur apprentissage de la tâche.

Harmonisation des langues africaines transfrontalières par les TIC pour un enseignement-apprentissage plus efficient : le cas du Peul

Cette thèse s'inscrit dans le cadre de l'harmonisation des langues africaines transfrontalières à tradition écrite émergente au moyen des Technologies de l’information et de la communication.

Deep learning of representations and its application to computer vision

L’objectif de cette thèse par articles est de présenter modestement quelques étapes du parcours qui mènera (on espère) à une solution générale du problème de l’intelligence artificielle. Cette thèse contient quatre articles qui présentent chacun une différente nouvelle méthode d’inférence perceptive en utilisant l’apprentissage machine et, plus particulièrement, les réseaux neuronaux profonds. Chacun de ces documents met en évidence l’utilité de sa méthode proposée dans le cadre d’une tâche de vision par ordinateur. Ces méthodes sont applicables dans un contexte plus général, et dans certains cas elles on tété appliquées ailleurs, mais ceci ne sera pas abordé dans le contexte de cette de thèse. Dans le premier article, nous présentons deux nouveaux algorithmes d’inférence variationelle pour le modèle génératif d’images appelé codage parcimonieux “spike- and-slab” (CPSS). Ces méthodes d’inférence plus rapides nous permettent d’utiliser des modèles CPSS de tailles beaucoup plus grandes qu’auparavant. Nous démontrons qu’elles sont meilleures pour extraire des détecteur de caractéristiques quand très peu d’exemples étiquetés sont disponibles pour l’entraînement. Partant d’un modèle CPSS, nous construisons ensuite une architecture profonde, la machine de Boltzmann profonde partiellement dirigée (MBP-PD). Ce modèle a été conçu de manière à simplifier d’entraînement des machines de Boltzmann profondes qui nécessitent normalement une phase de pré-entraînement glouton pour chaque couche. Ce problème est réglé dans une certaine mesure, mais le coût d’inférence dans le nouveau modèle est relativement trop élevé pour permettre de l’utiliser de manière pratique. Dans le deuxième article, nous revenons au problème d’entraînement joint de machines de Boltzmann profondes. Cette fois, au lieu de changer de famille de modèles, nous introduisons un nouveau critère d’entraînement qui donne naissance aux machines de Boltzmann profondes à multiples prédictions (MBP-MP). Les MBP-MP sont entraînables en une seule étape et ont un meilleur taux de succès en classification que les MBP classiques. Elles s’entraînent aussi avec des méthodes variationelles standard au lieu de nécessiter un classificateur discriminant pour obtenir un bon taux de succès en classification. Par contre, un des inconvénients de tels modèles est leur incapacité de générer deséchantillons, mais ceci n’est pas trop grave puisque la performance de classification des machines de Boltzmann profondes n’est plus une priorité étant donné les dernières avancées en apprentissage supervisé. Malgré cela, les MBP-MP demeurent intéressantes parce qu’elles sont capable d’accomplir certaines tâches que des modèles purement supervisés ne peuvent pas faire, telles que celle de classifier des données incomplètes ou encore celle de combler intelligemment l’information manquante dans ces données incomplètes. Le travail présenté dans cette thèse s’est déroulé au milieu d’une période de transformations importantes du domaine de l’apprentissage à réseaux neuronaux profonds qui a été déclenchée par la découverte de l’algorithme de “dropout” par Geoffrey Hinton. Dropout rend possible un entraînement purement supervisé d’architectures de propagation unidirectionnel sans être exposé au danger de sur- entraînement. Le troisième article présenté dans cette thèse introduit une nouvelle fonction d’activation spécialement con ̧cue pour aller avec l’algorithme de Dropout. Cette fonction d’activation, appelée maxout, permet l’utilisation de aggrégation multi-canal dans un contexte d’apprentissage purement supervisé. Nous démontrons comment plusieurs tâches de reconnaissance d’objets sont mieux accomplies par l’utilisation de maxout. Pour terminer, sont présentons un vrai cas d’utilisation dans l’industrie pour la transcription d’adresses de maisons à plusieurs chiffres. En combinant maxout avec une nouvelle sorte de couche de sortie pour des réseaux neuronaux de convolution, nous démontrons qu’il est possible d’atteindre un taux de succès comparable à celui des humains sur un ensemble de données coriace constitué de photos prises par les voitures de Google. Ce système a été déployé avec succès chez Google pour lire environ cent million d’adresses de maisons.

Computational Structure of Human Language

The central thesis of this report is that human language is NP-complete. That is, the process of comprehending and producing utterances is bounded above by the class NP, and below by NP-hardness. This constructive complexity thesis has two empirical consequences. The first is to predict that a linguistic theory outside NP is unnaturally powerful. The second is to predict that a linguistic theory easier than NP-hard is descriptively inadequate. To prove the lower bound, I show that the following three subproblems of language comprehension are all NP-hard: decide whether a given sound is possible sound of a given language; disambiguate a sequence of words; and compute the antecedents of pronouns. The proofs are based directly on the empirical facts of the language user's knowledge, under an appropriate idealization. Therefore, they are invariant across linguistic theories. (For this reason, no knowledge of linguistic theory is needed to understand the proofs, only knowledge of English.) To illustrate the usefulness of the upper bound, I show that two widely-accepted analyses of the language user's knowledge (of syntactic ellipsis and phonological dependencies) lead to complexity outside of NP (PSPACE-hard and Undecidable, respectively). Next, guided by the complexity proofs, I construct alternate linguisitic analyses that are strictly superior on descriptive grounds, as well as being less complex computationally (in NP). The report also presents a new framework for linguistic theorizing, that resolves important puzzles in generative linguistics, and guides the mathematical investigation of human language.

Online Learning of Non-stationary Sequences

We consider an online learning scenario in which the learner can make predictions on the basis of a fixed set of experts. The performance of each expert may change over time in a manner unknown to the learner. We formulate a class of universal learning algorithms for this problem by expressing them as simple Bayesian algorithms operating on models analogous to Hidden Markov Models (HMMs). We derive a new performance bound for such algorithms which is considerably simpler than existing bounds. The bound provides the basis for learning the rate at which the identity of the optimal expert switches over time. We find an analytic expression for the a priori resolution at which we need to learn the rate parameter. We extend our scalar switching-rate result to models of the switching-rate that are governed by a matrix of parameters, i.e. arbitrary homogeneous HMMs. We apply and examine our algorithm in the context of the problem of energy management in wireless networks. We analyze the new results in the framework of Information Theory.

Complexity of Human Language Comprehension

The goal of this article is to reveal the computational structure of modern principle-and-parameter (Chomskian) linguistic theories: what computational problems do these informal theories pose, and what is the underlying structure of those computations? To do this, I analyze the computational complexity of human language comprehension: what linguistic representation is assigned to a given sound? This problem is factored into smaller, interrelated (but independently statable) problems. For example, in order to understand a given sound, the listener must assign a phonetic form to the sound; determine the morphemes that compose the words in the sound; and calculate the linguistic antecedent of every pronoun in the utterance. I prove that these and other subproblems are all NP-hard, and that language comprehension is itself PSPACE-hard.

Efficient learning of reactive robot behaviors with a Neural-Q_learning approach

The purpose of this paper is to propose a Neural-Q_learning approach designed for online learning of simple and reactive robot behaviors. In this approach, the Q_function is generalized by a multi-layer neural network allowing the use of continuous states and actions. The algorithm uses a database of the most recent learning samples to accelerate and guarantee the convergence. Each Neural-Q_learning function represents an independent, reactive and adaptive behavior which maps sensorial states to robot control actions. A group of these behaviors constitutes a reactive control scheme designed to fulfill simple missions. The paper centers on the description of the Neural-Q_learning based behaviors showing their performance with an underwater robot in a target following task. Real experiments demonstrate the convergence and stability of the learning system, pointing out its suitability for online robot learning. Advantages and limitations are discussed

WAIS Seminar:Modelling the Web: Examples of modelling language, network evolution and physical-social systems

Speaker(s): Prof. Steffen Staab Organiser: Dr Tim Chown Time: 23/05/2014 10:30-11:30 Location: B53/4025 Abstract The Web is constructed based on our experiences in a multitude of modalities: text, networks, images, physical locations are some examples. Understanding the Web requires from us that we can model these modalities as they appear on the Web. In this talk I will show some examples of how we model text, hyperlink networks and physical-social systems in order to improve our understanding and our use of the Web.

The biofeedback use in motor learning of people with spinal cord injury

The use of biofeedback in the spinal cord injuryperson rehabilitation has been increasing eventhough there are no data about the effi cacy of suchtechnique. The study aimed to evaluate the effi cacyof the technique in the motor rehabilitation ofspinal cord injured patients with different lesions.Using case studies, three participants, two paraplegicsand one quadriplegic, with different lesionlevels and degrees of defi ciency were exposed toelectromyography biofeedback training sessions.Data were obtained from the training sessions withbiofeedback, from three manual test examinationsof the muscles straight and from the reports of theparticipants after the training process. These sourcesof data were compared and the results of all thethree different sources showed improvement forall the participants. The study concluded that theelectromyography biofeedback technique can bean important tool in the rehabilitation process ofpatients with this kind of lesion.

The influence of parents' speech on the development of spoken language in German-speaking children with cochlear implants. 'La influencia del habla de los padres en el desarrollo del lenguaje en niños germanohablantes con implante coclear'.

Resumen en español

Academic and professional writing in English : a study in the pedagogy of second language writing for Spanish university students.

Abarcar la enseñanza de la redacción en inglés como segunda lengua para fines académicos y profesionales en la universidad española. En primer lugar, se establece un marco teórico para la pedagogía de la redacción a base del entendimiento del texto escrito como nexo en una red compleja de relaciones sociales y negociaciones culturales. Luego se lleva a cabo un estudio de la práctica de la redacción en el contexto de la universidad española, con un análisis a fondo de los escritores y sus actitudes y expectativas, por un lado, y sus textos (un ensayo y un informe), por otro. Se analizan los textos usando técnicas cualitativas y cuantitativas. A partir de este estudio inicial, se diseña un proyecto de investigación-acción, en el que dos grupos paralelos de alumnos siguen dos programas diferentes en que se plasman dos aproximaciones distintas a la pedagogía de la redacción: el análisis textual, siguiendo la tradición del inglés para fines específicos y la escuela del género, y el análisis contextual, influenciado por los planteamientos y los procedimientos de la nueva retórica. Los textos resultantes son analizados mediante unas escalas detalladas de evaluación desarrolladas a base de los resultados del primer estudio. Los resultados de los dos programas son positivos, aunque el grupo de análisis contextual demuestra una mejora superior. Para concluir, se esboza una serie de principios que deberán servir de guía para el diseño de los futuros programas de redacción para universitarios españoles.

The handbook of child language.

Primero, se hace una aproximación a distintas teorías y métodos lingüísticos de los últimos treinta años, en los que los investigadores estudian las implicaciones de nuevos modelos, técnicas y de varias disciplinas, psicología, neurociencia cognitiva, inteligencia artificial, filosofía y teoría de la socialización. Después,se ofrece un completo panorama sobre el desarrollo del lenguaje infantil, que abarca todos los aspectos: fonética, fonología, gramática y desarrollo del léxico.

Discourse and context in language teaching : a guide for language teachers.

Este texto recomienda a los profesores de lengua la incorporación del discurso y la pragmática a la enseñanza si quieren aplicar un enfoque comunicativo en las aulas. Los autores señalan que la utilización de estas dos disciplinas puede mejorar la enseñanza de la lingüística y el desarrollo de las habilidades de lectura, escritura, conversación y comprensión. También, trasladan el conocimiento del discurso al desarrollo curricular, a la evaluación del lenguaje y al estudio en el aula.