ACT-R
ACT-R
原作者ジョン・ロバート・アンダーソン
安定版リリース
7.21.6-<3099:2020-12-21> / 2020年12月21日[ 1 ] ( 2020-12-21 )
書かれたコモンリスプ
タイプ認知アーキテクチャ
ライセンスGNU LGPL v2.1
Webサイトact-r .psy .cmu .edu

ACT-R（発音/ˌækt ˈɑr/、「Adaptive Control of Thought—Rational（思考の適応的制御—合理的）」の略）は、カーネギーメロン大学のジョン・ロバート・アンダーソンとクリスチャン・ルビエールによって主に開発された認知アーキテクチャです。他の認知アーキテクチャと同様に、ACT-Rは人間の心を可能にする基本的かつ還元不可能な認知・知覚操作を定義することを目的としています。理論上、人間が実行できるすべてのタスクは、これらの個別の操作の連続で構成されているはずです。

ACT-R の基本的な仮定の大半は認知神経科学の進歩からもヒントを得ており、ACT-R は、個々の処理モジュールが認知を生み出すことができるように脳自体がどのように構成されているかを指定する方法として捉えられ、説明されます。

インスピレーション

ACT-Rはアレン・ニューウェルの研究、特に彼が生涯をかけて、認知の根底を真に解明する唯一の方法として統一理論の考えを擁護したことに触発されています。[ 2 ] 実際、アンダーソンはニューウェルを自身の理論に大きな影響を与えた人物として認めています。

ACT-Rとは

他の影響力のある認知アーキテクチャ（Soar、CLARION、EPICなど）と同様に、ACT-R理論は、特殊なコーディング言語のインタープリタとして計算実装されています。インタープリタ自体はCommon Lispで記述されており、Common Lisp言語ディストリビューションのいずれかにロードできます。

つまり、どの研究者でも ACT-R の Web サイトから ACT-R コードをダウンロードし、それを Common Lisp ディストリビューションにロードして、ACT-R インタープリタの形式で理論に完全にアクセスできることになります。

また、これにより研究者はACT-R言語のスクリプト形式で人間の認知モデルを記述することが可能になります。言語プリミティブとデータ型は、人間の認知に関する理論的仮定を反映するように設計されています。これらの仮定は、認知心理学と脳イメージングの実験から得られた数多くの事実に基づいています。

ACT-Rはプログラミング言語のようにフレームワークです。様々なタスク（例えば、ハノイの塔、テキストまたは単語リストの記憶、言語理解、コミュニケーション、航空機の操縦）に対して、研究者はACT-Rで「モデル」（つまりプログラム）を作成します。これらのモデルは、ACT-Rの認知観におけるタスクに関するモデル作成者の仮定を反映しています。そして、モデルは実行される可能性があります。

モデルを実行すると、人間の行動を段階的に自動的にシミュレーションし、個々の認知操作（記憶の符号化と想起、視覚と聴覚の符号化、運動のプログラミングと実行、心的イメージの操作）を詳細に記述します。各ステップは、潜時と精度の定量的な予測と関連付けられています。モデルは、その結果を行動実験で収集されたデータと比較することで検証できます。

近年、ACT-RはfMRI実験で検出された脳の活性化パターンを定量的に予測できるように拡張されました。特に、ACT-Rは、運動野の手と口の領域、左前頭前皮質、前帯状皮質、基底核など、いくつかの脳領域におけるBOLD反応の形状と時間経過を予測できるように拡張されました。

概要

ACT-R の最も重要な仮定は、人間の知識は、宣言的と手続き的という2 つの還元不可能な種類の表現に分けられるというものです。

ACT-R コード内では、宣言的知識はチャンク、つまり個々のプロパティのベクトル表現の形式で表現され、各チャンクはラベル付きスロットからアクセスできます。

チャンクは、モジュール（つまり、特殊化され、大部分が独立した脳構造） のフロントエンドであるバッファを通じて保持され、アクセス可能になります。

モジュールには 2 つの種類があります。

  • 知覚運動モジュールは、現実世界（つまり、現実世界のシミュレーション）とのインターフェースを担当します。ACT-Rにおいて最も発達した知覚運動モジュールは、視覚モジュールと手動モジュールです。
  • メモリモジュールACT-Rには2種類のメモリモジュールがあります。
    • 宣言的記憶は、ワシントンD.C.がアメリカの首都であること、フランスがヨーロッパの国であること、2+3=5であることなどの事実から構成されます。
    • 手続き記憶は、生成過程から構成されます。生成過程は、物事の進め方に関する知識を表します。例えば、キーボードで「Q」の文字を入力する方法、運転の仕方、加算を実行する方法などです。

すべてのモジュールは、バッファを介してのみアクセスできます。ある瞬間のバッファの内容は、その瞬間のACT-Rの状態を表します。このルールの唯一の例外は、手続き型モジュールです。手続き型モジュールは、手続き型知識を保存および適用します。このモジュールはアクセス可能なバッファを持たず、実際には他のモジュールの内容にアクセスするために使用されます。

手続き的知識は、プロダクションの形で表現されます。「プロダクション」という用語は、ACT-Rをプロダクションシステムとして実装していることを反映していますが、実際には、プロダクションは主に皮質領域（つまりバッファー）から基底核、そして再び皮質へと戻る情報の流れを規定するための形式的な表記法です。

各瞬間において、内部パターンマッチング機構はバッファの現在の状態に一致するプロダクションを検索します。特定の瞬間に実行できるプロダクションは1つだけです。そのプロダクションが実行されると、バッファが変更され、システムの状態が変化する可能性があります。このように、ACT-Rでは、認知はプロダクションの発火の連続として展開されます。

象徴主義対コネクショニスト論争

認知科学において、様々な理論は通常、「記号的」アプローチと「コネクショニスト的」アプローチのいずれかに帰属する。ACT-Rは明らかに「記号的」分野に属し、標準的な教科書やコレクションでもそのように分類されている。[ 3 ]その実体（チャンクとプロダクション）は離散的であり、その操作は統語的である。つまり、表現の意味内容を参照するのではなく、計算への参加が適切であると判断される特性のみを参照する。これは、チャンクスロットとプロダクションにおけるバッファマッチングの特性に明確に表れており、どちらも標準的な記号変数として機能する。

ACT-Rコミュニティのメンバー（開発者を含む）は、ACT-Rを、脳がどのように組織化され、その組織化がどのように心として認識される（そして認知心理学では研究される）ものを生み出すのかを規定する一般的な枠組みとして捉えることを好み、従来の象徴主義／コネクショニストの議論を超えています。当然のことながら、こうしたことはACT-Rを象徴システムとして分類することに反するものではありません。なぜなら、認知に対するあらゆる象徴的アプローチは、脳機能の産物として心を記述することを目指しており、その目的を達成するために特定の種類の実体とシステムを用いているからです。

よくある誤解として、ACT-Rは脳機能の特徴づけを試みるため、記号的システムではないという主張があります。これは2つの点で誤りです。第一に、記号的であろうとなかろうと、認知の計算モデル化へのあらゆるアプローチは、心は脳機能であるため、何らかの形で脳機能を特徴づけなければなりません。第二に、コネクショニストアプローチを含むあらゆるアプローチは、神経レベルではなく、認知レベルの記述において心を特徴づけようとします。なぜなら、重要な一般化は認知レベルにおいてのみ維持されるからです。[ 4 ]

ACT-Rの特定の特性、例えばチャンクが互いに活性化を拡散したり、チャンクやプロダクションが選択に関連する量的特性を持つといった特性が、さらなる誤解を招きます。これらの特性は、ユニット選択、そして最終的には計算における役割に関わらず、これらの実体が記号的であるという根本的な性質に反するものではありません。

理論と実装、そしてVanilla ACT-R

理論そのものとその実装を区別することの重要性は、通常、ACT-R 開発者によって強調されます。

実際、実装の多くは理論を反映していません。例えば、実際の実装では、純粋に計算上の理由からのみ存在する追加の「モジュール」が利用されており、脳内のいかなる機能も反映していないはずです（例えば、ある計算モジュールにはノイズパラメータを生成するための疑似乱数生成器が含まれており、別のモジュールには変数名でアクセス可能なデータ構造を生成するための命名ルーチンが含まれています）。

また、実際の実装は、標準パラメータを変更したり、新しいモジュールを作成したり、既存のモジュールの動作を部分的に変更したりすることによって、研究者が理論を変更できるように設計されています。

最後に、 CMUのアンダーソン研究室はACT-Rの公式コードを保守・公開していますが、この理論の代替実装も公開されています。これらの代替実装には、jACT-R [ 5 ] （海軍研究所のアンソニー・M・ハリソンがJavaで記述）とPython ACT-R（カナダのカールトン大学のテレンス・C・スチュワートとロバート・L・ウェストがPythonで記述）があります。[ 6 ]

同様に、ACT-RN（現在は廃止）は、1993年版の理論を本格的にニューラルネットワークに実装したものでした。[ 7 ] これらのバージョンはすべて完全に機能し、モデルはすべて作成され、実行されています。

このような実装の自由度のため、ACT-R コミュニティでは通常、元の形式のまま採用され、変更されていない「公式」のLispベースの理論バージョンを「Vanilla ACT-R」と呼びます。

アプリケーション

長年にわたり、ACT-Rモデルは700以上のさまざまな科学出版物で使用され、さらに多くの論文で引用されています。[ 8 ]

記憶、注意、実行制御

ACT-R宣言的記憶システムは、その誕生以来、人間の記憶をモデル化するために用いられてきました。長年にわたり、このシステムは多くの既知の効果をモデル化することに成功してきました。例えば、関連情報に対する干渉のファン効果[ 9 ] 、リスト記憶に対するプライマシー効果と近親効果[ 10 ]、そしてシリアルリコール[ 11 ]などが挙げられます。

ACT-Rは、様々な認知パラダイムにおける注意と制御のプロセスをモデル化するために用いられてきました。これには、ストループ課題[ 12 ] [ 13 ] 、課題スイッチング[ 14 ] [ 15 ] 、心理的不応期[ 16 ]、マルチタスク[ 17 ]などが含まれます。

自然言語

多くの研究者がACT-Rを用いて、自然言語の理解と生成の様々な側面をモデル化してきました。それらには、統語解析[ 18 ]、言語理解[ 19 ] 、言語習得[ 20 ]、メタファー理解[ 21 ]などのモデルが含まれます。

複雑なタスク

ACT-Rは、ハノイの塔のような複雑な問題を人間がどのように解決するか[ 22 ]や、代数方程式をどのように解くかを捉えるために使用されてきました。[ 23 ]また、運転や飛行における人間の行動をモデル化するためにも使用されています。[ 24 ]

知覚運動能力の統合により、ACT-Rはヒューマンファクターおよびヒューマンコンピュータインタラクションのモデリングツールとしてますます普及しています。この分野では、様々な条件下での運転行動のモデル化に採用されており、[ 25 ] [ 26 ]、コンピュータアプリケーションにおけるメニュー選択と視覚検索、[ 27 ] [ 28 ] 、ウェブナビゲーション[ 29 ]などが挙げられます。

認知神経科学

最近では、ACT-Rはイメージング実験中の脳の活性化パターンを予測するために使用されています。[ 30 ] この分野では、ACT-Rモデルは、記憶の想起における前頭前野と頭頂葉の活動、[ 31 ]制御操作における前帯状皮質の活動、[ 32 ]練習に関連した脳活動の変化を予測するために効果的に使用されています。[ 33 ]

教育

ACT-Rは、認知指導の基盤としてよく採用されています。[ 34 ] [ 35 ]これらのシステムは、ACT-Rの内部モデルを使用して生徒の行動を模倣し、生徒の指導とカリキュラムを個別化し、生徒が抱えている困難を「推測」して、集中的な支援を提供しようとします。

このような「認知チューター」は、ピッツバーグ学習科学センターの一環として、学習と認知モデリングの研究のためのプラットフォームとして活用されています。数学向け認知チューターなど、最も成功したアプリケーションのいくつかは、全米の数千もの学校で使用されています。

簡単な歴史

初期：1973～1990年

ACT-R は、ジョン・R・アンダーソンによって開発された、精度が増す人間の認知に関する一連のモデルの究極の後継モデルです。

その起源は、1973年にジョン・R・アンダーソンとゴードン・バウアーによって記述されたオリジナルのHAM（人間連想記憶）記憶モデルに遡ります。[ 36 ] HAMモデルは後にACT理論の最初のバージョンに拡張されました。[ 37 ] これは、手続き記憶がオリジナルの宣言的記憶システムに追加された初めてのケースであり、後に人間の脳に当てはまることが証明される計算上の二分法を導入しました。[ 38 ]その後、この理論は人間の認知のACT*モデルにさらに拡張されました。[ 39 ]

合理的分析との統合：1990～1998年

1980年代後半、アンダーソンは認知に対する数学的アプローチの探求と概要の提示に専念し、これを「合理的分析」と名付けました。[ 40 ] 合理的分析の基本仮定は、認知は最適適応的であり、認知機能の正確な推定は環境の統計的特性を反映するというものです。[ 41 ] その後、彼はACT理論の開発に戻り、合理的分析を基礎計算の統一的な枠組みとして用いました。この新しいアプローチがアーキテクチャ形成において重要であることを強調するため、その名称はACT-Rに変更されました。「R」は「合理的」の頭文字です。[ 42 ]

1993年、アンダーソンはコネクショニストモデルの研究者で、スコット・ファーマンと共同でカスケード相関学習アルゴリズムを開発したことで知られるクリスチャン・ルビエールと出会った。彼らの共同研究はACT-R 4.0のリリースへと結実した。[ 43 ]マイク・バーン（現ライス大学）のおかげで、バージョン4.0にはEPICアーキテクチャに着想を得た知覚機能と運動機能のオプションが追加され、理論の応用範囲が大幅に拡大した。

脳画像とモジュール構造：1998～2015年

ACT-R 4.0 のリリース後、ジョン・アンダーソンは、彼の生涯にわたる理論の根底にある神経的妥当性にますます興味を持つようになり、人間の心の計算基盤を理解するという独自の目標を追求して脳画像化技術を使用し始めました。

脳の局在を考慮する必要性から、理論の大幅な改訂が求められました。ACT-R 5.0では、モジュールという概念が導入されました。これは、既知の脳システムにマッピング可能な、手続き的および宣言的表現の特殊な集合です。[ 44 ] さらに、手続き的知識と宣言的知識の相互作用は、一時的にアクティブな情報を保持するための特殊な構造である、新たに導入されたバッファによって媒介されました（上記のセクションを参照）。バッファは皮質活動を反映すると考えられており、その後の一連の研究で、皮質領域の活性化がバッファ上の計算操作とうまく関連付けられることが確認されました。

2005年には、完全に書き直された新しいバージョンのコードがACT-R 6.0として発表されました。このバージョンでは、ACT-Rコーディング言語にも大幅な改良が加えられました。これには、ACT-Rプロダクション仕様における動的パターンマッチングと呼ばれる新しいメカニズムが含まれていました。以前のバージョンでは、プロダクションによってマッチングされるパターンにバッファ内の情報のための特定のスロットを含める必要がありましたが、動的パターンマッチングでは、マッチングされるスロットをバッファの内容によっても指定できるようになりました。ACT-R 6.0の説明と開発の動機については、Anderson (2007)に記載されています。[ 45 ]

ACT-R 7.0: 2015年現在

2015年のワークショップでは、ソフトウェアの変更によりモデル番号をACT-R 7.0に増やす必要があると議論されました。主要なソフトウェア変更は、チャンクを定義済みのチャンクタイプに基づいて指定する必要があるという要件が削除されたことです。チャンクタイプのメカニズムは削除されませんでしたが、アーキテクチャの必須構成要素からソフトウェアのオプションの構文メカニズムに変更されました。これにより、新しい情報の学習を必要とするモデリングタスクにおける知識表現の柔軟性が向上し、動的パターンマッチングによって提供される機能が拡張され、モデルが新しい「タイプ」のチャンクを作成できるようになりました。また、すべてのアクションが同じ構文形式になったため、プロダクション内のアクションを指定するために必要な構文も簡素化されました。ACT-Rソフトウェアはその後更新され、JSON RPC 1.0に基づくリモートインターフェースが追加されました。このインターフェースは、モデルのタスクの構築を容易にし、Lisp 以外の言語から ACT-R を操作するために追加されました。また、ソフトウェアに付属するチュートリアルは、チュートリアル モデルによって実行されるすべてのサンプル タスクの Python 実装を提供するように更新されました。

ワークショップとサマースクール

1995年、カーネギーメロン大学は毎年恒例のACT-Rワークショップとサマースクールの開催を開始しました。[ 46 ] ACT-Rワークショップは現在、毎年開催されるMathPsych/ICCMカンファレンスで開催されており、サマースクールはカーネギーメロン大学のキャンパス内で開催され、バーチャル参加のオプションも用意されています。

スピンオフ

ACT-R 理論の長期にわたる発展により、いくつかの並行した関連プロジェクトが生まれました。

最も重要なのは、アンダーソンの理論を最初に実装したが後に放棄されたPUPS生成システムと、クリスチャン・ルビエールによって開発された理論のニューラルネットワーク実装である ACT-RN [ 7 ]である。

同じくカーネギーメロン大学のLynne M. Reder 氏は、 1990 年代初頭にSACを開発しました。これは、いくつかの仮定が異なるものの、ACT-R コア宣言的システムと多くの特徴を共有する、記憶の概念的および知覚的側面のモデルです。

ペンシルベニア州立大学での博士論文のために、クリストファー・L・ダンシーはACT-R/Phiを開発し、2014年に無事に審査を受けました。[ 47 ]これはACT-Rに生理学的モジュールを追加したもので、ACT-Rが人間の生理学的プロセスとインターフェースすることを可能にします。

ACT-Rのワーキングメモリコンポーネントの軽量なPythonベースの実装であるpyACTUp [ 48 ]は、カーネギーメロン大学のドン・モリソンによって作成されました。このライブラリは、ACT-Rを分類タスクのための単峰型教師あり学習モデルとして実装しています。

注記

  1. ^ 「ACT-R » ソフトウェア」 . ACT-R.psy.cmu.edu . 2021年3月24日閲覧。
  2. ^ニューウェル、アレン (1994). 『認知の統一理論』 ケンブリッジ、マサチューセッツ州: ハーバード大学出版局. ISBN 0-674-92101-1。
  3. ^ TA、ポーク; CM サイフェルト (2002)。認知モデリング。マサチューセッツ州ケンブリッジ：MIT Press。ISBN 0-262-66116-0。
  4. ^ Pylyshyn, ZW (1984).『計算と認知：認知科学の基盤に向けて』 マサチューセッツ州ケンブリッジ：MIT出版. ISBN 0-262-66058-X。
  5. ^ Harrison, A. (2002). jACT-R: Java ACT-R.第8回ACT-Rワークショップ議事録PDF 2008年9月7日アーカイブ、 Wayback Machine
  6. ^ Stewart, TCとWest, RL (2006) ACT-Rの解体.第7回国際認知モデリング会議議事録PDF
  7. ^ a b Lebiere, C., Anderson, JR (1993). ACT-Rプロダクションシステムのコネクショニスト実装.認知科学会第15回年次大会論文集(pp. 635–640). マホワ, ニュージャージー州: ローレンス・エルバウム・アソシエイツ
  8. ^ [1] ACT-R出版物と公開モデル - CMU
  9. ^ Anderson, JR & Reder, LM (1999). ファン効果：新たな結果と新たな理論.実験心理学ジャーナル：一般, 128 , 186–197.
  10. ^ Anderson, JR, Bothell, D., Lebiere, C. & Matessa, M. (1998). リスト記憶の統合理論. Journal of Memory and Language , 38 , 341–380.
  11. ^アンダーソン, JR & マテッサ, MP (1997). 連続記憶の生成システム理論.心理学評論, 104 , 728–748.
  12. ^ Lovett, MC (2005) Stroopの戦略に基づく解釈。認知科学、29、493-524。
  13. ^ Juvina, I., & Taatgen, NA (2009). 修正ストループパラダイムにおける反復抑制による試行間効果の説明. Acta Psychologica, 131(1) , 72–84.
  14. ^ Altmann, EM, Gray, WD (2008). 課題切り替えにおける認知制御の統合モデル.心理学評論, 115 , 602–639.
  15. ^ Sohn, M.-H., & Anderson, JR (2001). 課題準備と課題反復：課題切り替えの2要素モデル.実験心理学ジャーナル：一般.
  16. ^ Byrne, MD, Anderson, JR (2001). 直列モジュールの並列化：心理的不応期と完全な時間共有.心理学評論, 108 , 847–869.
  17. ^ Salvucci, DD, & Taatgen, NA (2008). スレッド化された認知：同時マルチタスクの統合理論.心理学評論, 130(1), 101-130.
  18. ^ Lewis, RL & Vasishth, S. (2005). 文処理における熟練した記憶想起の活性化モデル.認知科学, 29 , 375–419
  19. ^ Budiu, R. & Anderson, JR (2004). 『解釈に基づく処理：意味文処理の統一理論』認知科学, 28 , 1–44.
  20. ^ Taatgen, NA & Anderson, JR (2002). 「なぜ子どもは「broke」と言うようになるのか？フィードバックなしで過去形を学習するモデル」認知研究, 86(2) , 123–155.
  21. ^ Budiu R., Anderson JR (2002). アナフォリックメタファーの理解. Memory & Cognition, 30 , 158–165.
  22. ^ Altmann, EM & Trafton, JG (2002). 目標の記憶：活性化に基づくモデル.認知科学, 26 , 39–83.
  23. ^アンダーソン、JR（2005）統合認知アーキテクチャにおける人間のシンボル操作認知科学、29（3）、313-341。
  24. ^ Byrne, MD, Kirlik, A. (2005). 計算認知モデルを用いた航空エラーの潜在的原因の診断. International Journal of Aviation Psychology, 15 , 135–155. doi : 10.1207/s15327108ijap1502_2
  25. ^ Salvucci, DD (2006). 認知アーキテクチャにおける運転者行動のモデリング.ヒューマンファクターズ, 48 , 362–380.
  26. ^ Salvucci, DD, & Macuga, KL (2001). 携帯電話のダイヤルが運転パフォーマンスに及ぼす影響の予測.第4回国際認知モデル会議論文集, pp. 25–32. マホワ, ニュージャージー州: Lawrence Erlbaum Associates.
  27. ^ Byrne, MD, (2001). ACT-R/PMとメニュー選択：認知アーキテクチャのHCIへの適用. International Journal of Human-Computer Studies , 55 , 41–84.
  28. ^ Fleetwood, MD & Byrne, MD (2002) ACT-R/PMにおけるアイコン検索のモデリング.認知システム研究, 3 , 25–33.
  29. ^ Fu, Wai-Tat; Pirolli, Peter (2007). 「SNIF-ACT: World Wide Webにおけるユーザーナビゲーションの認知モデル」(PDF) .ヒューマンコンピュータインタラクション. 22 (4): 355– 412. 2010年8月2日時点のオリジナル(PDF)からのアーカイブ。
  30. ^アンダーソン, JR, フィンチャム, JM, チン, Y., ストッコ, A. (2008). 心の中心回路.認知科学の動向, 12(4) , 136–143
  31. ^ Sohn, M.-H., Goode, A., Stenger, V. A, Carter, CS, & Anderson, JR (2003). 記憶想起における競合と表象：前頭前皮質と後頭頂皮質の役割, Proceedings of the National Academy of Sciences, 100 , 7412–7417.
  32. ^ Sohn, M.-H., Albert, MV, Stenger, V. A, Jung, K.-J., Carter, CS, & Anderson, JR (2007). 「前帯状皮質と前頭前皮質における葛藤モニタリングの予測」 Proceedings of National Academy of Science, 104 , 10330–10334.
  33. ^ Qin, Y., Sohn, MH, Anderson, JR, Stenger, VA, Fissell, K., Goode, A. Carter, CS (2003). 記号操作課題におけるfMRIの血中酸素濃度依存（BOLD）機能に対する練習効果の予測.米国科学アカデミー紀要. 100(8) : 4951–4956.
  34. ^ Lewis, MW, Milson, R., Anderson, JR (1987). 「教師の弟子：高校数学のためのインテリジェントなオーサリングシステムの設計」GP Kearsley編『人工知能と指導』Reading, MA: Addison-Wesley. ISBN 0-201-11654-5。
  35. ^ Anderson, JR & Gluck, K. (2001). 知的指導システムにおける認知アーキテクチャの役割とは？ D. Klahr & SM Carver (編)『認知と指導：25年間の進歩』 227–262. Lawrence Erlbaum Associates. ISBN 0-8058-3824-4。
  36. ^アンダーソン, JR, バウアー, GH (1973).人間の連想記憶. ワシントンD.C.: ウィンストン・アンド・サンズ.
  37. ^アンダーソン、JR（1976）『言語、記憶、思考』マホワ、ニュージャージー：ローレンス・エルバウム・アソシエイツ 。ISBN 0-89859-107-4。
  38. ^ Cohen, NJ, & Squire, LR (1980). 健忘症におけるパターン分析技能の保持と学習の維持：方法を知ることとそれを知ることの解離. Science , 210(4466) , 207–210
  39. ^アンダーソン, JR (1983).『認知のアーキテクチャ』 ケンブリッジ, マサチューセッツ州: ハーバード大学出版局. ISBN 0-8058-2233-X。
  40. ^アンダーソン、JR (1990)『思考の適応的性質』マホワ、ニュージャージー州：ローレンス・エルバウム・アソシエイツ。ISBN 0-8058-0419-6。
  41. ^アンダーソン, JR, スクーラー, LJ (1991). 記憶における環境の反映.心理科学, 2 , 396–408.
  42. ^アンダーソン、JR (1993).『心のルール』 ヒルズデール、ニュージャージー州: ローレンス・エルバウム・アソシエイツ. ISBN 0-8058-1199-0。
  43. ^アンダーソン, JR, ルビエール, C. (1998).『思考の原子的構成要素』 ヒルズデール, ニュージャージー州: ローレンス・エルバウム・アソシエイツ. ISBN 0-8058-2817-6。
  44. ^アンダーソン、JR、他 (2004) 統合された心の理論心理学評論111 (4) 1036–1060
  45. ^アンダーソン、JR (2007).『人間の心は物理的宇宙においてどのように発生するのか？』ニューヨーク、ニューヨーク：オックスフォード大学出版局. ISBN 0-19-532425-0。
  46. ^ 「ACT-R » ワークショップ」。
  47. ^ Dancy, CL, Ritter, FE, & Berry, K. (2012). ACT-Rへの生理学的基質の追加に向けて.第21回モデリングとシミュレーションにおける行動表現に関する年次会議2012, BRiMS 2012 (pp. 75-82).
  48. ^ Morrison, Don. 「pyactup」 . github.com . 2023年9月15日閲覧。

参考文献

  • アンダーソン、JR（2007年）『人間の心は物理的宇宙においていかにして出現するのか？』ニューヨーク：オックスフォード大学出版局、ISBN 0-19-532425-0。
  • アンダーソン, JR, ボセル, D., バーン, MD, ダグラス, S., ルビエール, C., チン, Y. (2004). 統合された心の理論. 心理学評論, 1036–1060.
「 https://en.wikipedia.org/w/index.php?title=ACT-R&oldid=1332608380」より取得