Sep. 21st, 2016

olegchagin: (Default)

Flock leaders who attempt to give their fellow pigeons incorrect information about their direction of travel can be overruled by the collective wisdom of the group, according to new research from the University of Oxford.

Recent modelling work has predicted that the mistakes of a misinformed leader will propagate down a hierarchical decision-making system such as a pigeon . However, using a method known as 'clock-shifting' that interferes with pigeons' sense of direction, researchers have shown that bad leadership can be overcome, setting the flock back on the correct course.

Research from the same group at Oxford has previously found that the fastest pigeons tend to become flock leaders, rather than the most competent.

The new study is published in the Royal Society journal Biology Letters.

Lead author Isobel Watts, a doctoral candidate in the Oxford Navigation Group in the University's Department of Zoology, said: 'Previous research in homing has identified a navigational leadership hierarchy where an individual's position in the hierarchy reflects its weight of contribution in the decision-making process. In this study, we were interested in how much control the "top" bird actually has over the flock's decisions during homing. Do the top leader's decisions simply cascade down the hierarchy, or are lower-ranked birds also able to influence the direction in which the flock flies? By manipulating the quality of the leader's information, we hoped to discover whether a poorly informed leader was still allowed to lead or whether the flock would "overrule" inaccurate leadership.'

The study, carried out in Oxfordshire, involved eight GPS-tracked flocks of five birds each and made use of the clock-shifting technique to 'jetlag' certain birds. In some experiments, only the leader was clock-shifted, while in others either the whole flock or no birds at all underwent the process.

Isobel Watts said: 'What we found was that when the whole flock was clock-shifted, the flock tended to deviate from its normal homeward flight path, whereas when solely the leader was clock-shifted, the flock was generally able to stay on course. Interestingly, we saw from GPS data on flock positions that misinformed leaders tended to lose their place at the top of the hierarchy, spending less time at the head of the flock and less time being followed in their movements by others.'

She added: 'The exact mechanism by which a flock is able to correct for misinformation coming from its leader is still unclear. However, we can speculate that it may be due to either misinformed flock leaders doubting their own abilities and paying more attention to what their flockmates appear to be doing, or the flock members recognising weakness in the leader and taking more control themselves.'

Co-author Dr Dora Biro, also of the Oxford Navigation Group in the Department of Zoology, said: 'Although homing pigeon flocks have fairly stable hierarchical decision-making structures, our results show that they also demonstrate flexibility, and, crucially, they do so in a situation where the performance of the whole flock would suffer if they were inflexible. Following a "bad" leader could lead the whole flock astray, and the capacity to reorganise the leadership hierarchy in this case allows them to stay on course. This could be particularly important in migratory bird species, where getting lost during a trip could be a matter of life and death.'

Explore further: Pigeon 'backpacks' track flock voting (w/ Video)

More information: Misinformed leaders lose influence over pigeon flocks, Biology Letters,

olegchagin: (Default)
We describe Microsoft's conversational speech recognition system, in which we combine recent developments in neural-network-based acoustic and language modeling to advance the state of the art on the Switchboard recognition task. Inspired by machine learning ensemble techniques, the system uses a range of convolutional and recurrent neural networks. I-vector modeling and lattice-free MMI training provide significant gains for all acoustic model architectures. Language model rescoring with multiple forward and backward running RNNLMs, and word posterior-based system combination provide a 20% boost. The best single system uses a ResNet architecture acoustic model with RNNLM rescoring, and achieves a word error rate of 6.9% on the NIST 2000 Switchboard task. The combined system has an error rate of 6.3%, representing an improvement over previously reported results on this benchmark task.
olegchagin: (Default)

В качестве иллюстрации график, составленный исследователями Хартфордского университета (Коннектикут). На нём представлена кривая, отражающая снижение по годам уровня IQ населения планеты. График был построен по результатам исследований жителей Великобритании, Дании и Австралии.

Dumb and dumber? Evidence suggests that the IQs of people in the UK, Denmark and Australia have declined in the last decade. Opinion is divided as to whether human intelligence will decrease over time. A study by the University of Hartford claims that the larger the global population becomes, the less intelligent we will be, dropping by around eight IQ points by the year 2110 - and other estimates are even more pesimistic
Четыре пункта за 60 лет, с 1950-го года по сегодняшний день - впечатляет. Уже не говоря о том, что начальные 91,7 баллов вообще не впечатляют.

Более того, голландский учёный Nijenhuis из Амстердамского университета вычислил, что с 1884 г. по 2004г. уровень IQ населения Запада снизился на 14 пунктов!

Что ж, Болонская система свою миссию по оглуплению человечества выполняет исправно.

То, что произошло у нас недавно с русским языком при оценке результатов ЕГЭ, для Америки точно так же характерно. У них тест называется SAT: „Reasoning Test (а также «Scholastic Aptitude Test» и «Scholastic Assessment Test», дословно «Академический Оценочный Тест») — стандартизованный тест для приема в высшие учебные заведения в США”.

Всего за 6 лет в период с 2006 г. по 2012 г. число баллов (из максимально возможного результата в 2400 баллов), набранных сдающими экзамен снизилось на 20 пунктов (с 1518 до 1498).

На графике ниже приведена зависимость набранного среднего балла по категории „Чтение/Родной язык”.

Также интересно отметить, что американцы азиатского происхождения по разделу „Математика” набирают в среднем 595 баллов, латиноамериканцы 485, а земляки Обамы лишь 428 баллов (из 800 возможных).

Про белых американцев лишь сказано, что за рассматриваемый период (2006 - 2012 г.г.) их общий результат снизился на 4 пункта, у остальных нацменьшинств за исключением азиатов снизился на 22 балла, а вот азиаты не перестают удивлять: их средний балл повысился на 41 пункт! Вот вам и „узкоглазые”...

Да, приведённый Майклом материал достаточно убедителен. Тем более, что автору есть с чем сравнивать. Он предлагает своим читателям выполнить задания вступительного экзамена для перехода в старшие классы (13 - 14 лет) издания.. 1912 года! Причём приводит ксерокопию экзаменационного листка.

Вот только... честно говоря, подумалось, что мы неправильно перевели оценку Майкла. Тем не менее, ошибки нет. Вот, что он пишет:„Вы можете сами убедиться, что те задания были гораздо сложнее, чем такие же нынче.” Т.е. весьма образованный автор искренне считает, что он „вряд ли смог бы успешно сдать тест 1912 года”.

Тем, кстати, и любопытна ситуация.

Поводом же для оптимизма русского человека может стать... просмотр „сложных” заданий 1912 года! Честно говоря, они вызывают снисходительную улыбку. Если бы в советской школе был такой уровень, то вряд ли мы бы смогли создать атомную бомбу, запускать ракеты в космос и построить ДнепроГЭС!

Приведём несколько образчиков сложнейших задач, перед которым пасуют авторитетные и образованные по-американски блогеры.

I. Произношение
Произнести 40 предложенных слов.

II. Чтение
Прочитать отрывок, данный учителем.

III. Арифметика
Предложены 10 заданий.
1. Написать словами 5 предложенных чисел. Осторожно, в четырёх из них присутствует десятичная дробная часть!
2. Вычислить
35*7 плюс 4;     5*8 плюс 5*14;      59*112.
3. Дана цена метра обоев, размеры стен, двери и двух окон. Сколько стоят обои.
4. Некто купил ферму за 2400 долларов и продал за 2700 долларов. Каков процент полученной прибыли?

И далее в том же духе. Приведём последнее, 10-е задание.

10. Дана цена кубометра дров. Вычислить стоимость покупки дров для сарая, длина, ширина и высота которого даны.

Помнится, в бытность учителем математики, что в 5-ом классе средней школы (12 лет) дети не только знакомятся с формулами объёма или десятичными дробями, но умеют свободно оперировать и с обыкновенными дробями. В американском же задании единственная встретившаяся недесятичная дробь - это 1/2. А ведь экзамен предлагают, напомним, американским школьникам 13-14 лет.

IV. Грамматика
Восемь заданий типа „Какие свойства у глагола” или „Разберите по членам предложения: Джон бежит по мосту”.

Есть ещё разделы „География” с 10-ю вопросами (типа „Назовите в порядке убывания три самых крупных штата Америки”), 10 по истории („К какому президенту применили процедуру импичмента”) и 10 вопросов по административному устройству США („Назовите и дайте определения трёх ветвей власти в США”).

Ещё один аздел - „Физиология”. С такими вопросами:

  • Для чего надо изучать физиологию?

  • Опишите устройство сердца.

  • Какая разница между венами и артериями?

И т.д.

Мы даже не представляем, с какой эпохой России можно сравнивать данные задания, предназначенные для американцев 13 - 14 лет. Понятно, что не с советской, ибо в учебнике Алгебры для 6 класса мы встречаем такие задания:

Советский учебник по математике для 6 класса 3-
Советский учебник по математике для 6 класса 4- Советский учебник по математике для 6 класса 5-

Т.е. американцам до советского уровня как до Луны.

А если попробовать сравнить с заданиями для наших школьников 2-го года школ I ступени? Ну, которым по 8 лет?

Задачи 2-го года I ступени обучения  1 - CopieЗадачи 2-го года I ступени обучения  2 - Copie
Даже содержание „Арифметики Магницкого” будет явно посильней арифметики американской. Посмотрите, в таблице чётко указаны правильные дроби, столь недоступные демократическим учащимся.

Арифметика Магницкого  1
Или здесь:

Арифметика Магницкого  2
Совсем уж неочевидны для отцов будущих разрушителей Нагасаки и Хиросимы следующие задачки, которые решали русские дети в школах Российской империи.

Арифметика Магницкого  5 - Copie
Хотя, американские школьники азиатского происхождения возможно смогут за отведённые на SAT 3 часа 45 минут не только прочитаь условие, но даже и осмыслить содержание.

Арифметика Магницкого  3Арифметика Магницкого  4
olegchagin: (Default)
Стаи животных, в которых вожаки обладают большим влиянием, могут пострадать из-за неправильных решений своего лидера. Очевидно, стае в таком случае стоит переизбрать его, заменив кем-то более компетентным. Но происходят ли такие «перевыборы» в реальности? Биологи из Оксфордского университета, которые уже много лет изучают поведение почтовых голубей, обнаружили, что, по крайней мере, у них вожак вполне подлежит переизбранию.
‹ ›
Кажущаяся на первый взгляд беспорядочной, стая почтовых голубей на самом деле обладает двойной иерархией. На земле, когда птицы кормятся, ведущее положение среди них занимают наиболее крупные и агрессивные особи, а вот в воздухе во время полёта инициативу перехватывают другие. Зоологи пришли к выводу, что вожаками голубей в полёте становятся те, кто летают быстрее всех. Эти результаты были опубликованы в прошлом году в статье в Current Biology.

Раньше считалось, что указания лидера при выборе направления полёта передаются вниз по иерархической лестнице, доходя до каждого члена стаи. Но по итогам нового исследования оказалось, что в действительности всё несколько иначе. Эксперимент заключался в следующем: птиц искусственно сбивали с естественного суточного ритма, так что в итоге они, будучи выпущены на волю, плохо ориентировались и плохо находили правильный путь домой. (По сути, у голубей вызывали джетлаг – синдром смены часовых поясов, который возникает у нас, например, при перелёте через несколько часовых поясов.) Опыт проделали с восемью группами голубей, в каждой из которых было по пять птиц. Контролировали их с помощью GPS-датчиков. В некоторых случаях джетлаг вызывали только у вожака, в других же – у всех особей в стае. При общей дезориентации во времени от правильного направления отклонялась вся группа, но когда чувство времени сбивали только у вожака, стая в большинстве случаев придерживалась верного курса. Иными словами, неверные распоряжения лидера стая игнорировала, чтобы самой лететь туда, куда нужно. Сам же дезориентированный вожак, как правило, меньше времени вёл стаю, за ним следовало всё меньше голубей, он терял влияние, и, в конце концов, и своё положение в группе – лидер отправлялся в отставку. Полностью результаты экспериментов описаны в статье в журнале Biology Letters.

«Предыдущие работы выявили четкую иерархию в руководстве стаи. Каждый голубь занимает определенное место согласно его вкладу в принятие решений при выборе направления полета. Сейчас же мы попытались установить, в какой степени сигналы, поступающие от главной птицы, принимаются всеми членами стаи. Решения голубиного лидера просто спускаются вниз по иерархии или же птицы низкого ранга всё-таки могут контролировать направление полета? Изменяя чувство времени у главной птицы, мы пытались спровоцировать у неё ошибки в навигации, и следили, продолжал дезориентированный лидер занимать ведущее положение, или же стая могла игнорировать его неверные распоряжения», – комментирует полученные результаты Изобель Уоттс (Isobel Watts), под чьим руководством было выполнено исследование. «Точный механизм, который позволяет стае оценить правильность сигналов от вожака, все еще неясен. Однако можно предположить, что сбитый с толку лидер, сомневаясь в своих силах, больше присматривается к действиям других членов стаи или же птицы, чувствуя слабость своего лидера, начинают больше контролировать полёт в нужном направлении.»

«Хотя стаи почтовых голубей, принимая решения, придерживаются довольно стабильной иерархии, нам удалось показать, что иерархия эта в критических случаях становится гибкой. Подобная гибкость позволяет стае придерживаться правильного курса, а не следовать безропотно неверным указаниям вожака, что особенно важно для перелетных птиц, ведь миграция в правильном направлении для них – вопрос жизни и смерти», – добавляет соавтор работы Дора Биро (Dora Biro).
olegchagin: (Default)

A key question in collective behavior is how individual differences structure animal groups, affect the flow of information, and give some group members greater weight in decisions [ 1–8 ]. Depending on what factors contribute to leadership, despotic decisions could either improve decision accuracy or interfere with swarm intelligence [ 9, 10 ]. The mechanisms behind leadership are therefore important for understanding its functional significance. In this study, we compared pigeons’ relative influence over flock direction to their solo flight characteristics. A pigeon’s degree of leadership was predicted by its ground speeds from earlier solo flights, but not by the straightness of its previous solo route. By testing the birds individually after a series of flock flights, we found that leaders had learned straighter homing routes than followers, as we would expect if followers attended less to the landscape and more to conspecifics. We repeated the experiment from three homing sites using multiple independent flocks and found individual consistency in leadership and speed. Our results suggest that the leadership hierarchies observed in previous studies could arise from differences in the birds’ typical speeds. Rather than reflecting social preferences that optimize group decisions, leadership may be an inevitable consequence of heterogeneous flight characteristics within self-organized flocks. We also found that leaders learn faster and become better navigators, even if leadership is not initially due to navigational ability. The roles that individuals fall into during collective motion might therefore have far-reaching effects on how they learn about the environment and use social information.

olegchagin: (Default)

In animal groups where certain individuals have disproportionate influence over collective decisions, the whole group's performance may suffer if these individuals possess inaccurate information. Whether in such situations leaders can be replaced in their roles by better-informed group mates represents an important question in understanding the adaptive consequences of collective decision-making. Here, we use a clock-shifting procedure to predictably manipulate the directional error in navigational information possessed by established leaders within hierarchically structured flocks of homing pigeons (Columba livia). We demonstrate that in the majority of cases when leaders hold inaccurate information they lose their influence over the flock. In these cases, inaccurate information is filtered out through the rearrangement of hierarchical positions, preventing errors by former leaders from propagating down the hierarchy. Our study demonstrates that flexible decision-making structures can be valuable in situations where ‘bad’ information is introduced by otherwise influential individuals.

olegchagin: (Default)


WaveNet is a convolutional neural network, which is a popular system for the trendy artificial intelligence approach of deep learning. After being trained on lots of data, these systems can then make inferences about new data. But they can also be used to generate new data. The method is widely used, often for image recognition, at Google and other companies, like Facebook.

To train the WaveNet, the DeepMind researchers called on Google’s single-speaker North American English and Mandarin TTS data from professional female speakers. Then they put it up against a parametric system that uses a hidden Markov model (HMM) and a concatenative system that relies on a long short-term memory recurrent neural network (LSTM-RNN) — both relying on the same training data. The researchers had people rate how natural the speech sounded, in comparison with natural speech samples.

In both Mandarin and North American English, WaveNet performed “significantly better” than the parametric and concatenative systems, Aäron van den Oord, Sander Dieleman, Heiga Zen, Karen Simonyan, Oriol Vinyals, Alex Graves, Nal Kalchbrenner, Andrew Senior, and Koray Kavukcuoglu wrote in their paper. WaveNet was not perceived to be more human than the actual human recordings.

Indeed, the WaveNet-generated speech samples that DeepMind is providing online today do sound human-like to me, or at least more human than the other systems. (Don’t believe me? Listen for yourself.)

Google DeepMind took WaveNet beyond the domain of TTS and trained it on solo piano music on YouTube to produce new music. The results do not sound robotic; instead they’re surprisingly expressive and passionate. (Again, check out the samples yourself.)

The DeepMind group didn’t stop there. It also applied WaveNet to speech recognition. “We trained WaveNet with two loss terms, one to predict the next sample and one to classify the frame, the model generalized better than with a single loss and achieved 18.8 PER on the test set, which is to our knowledge the best score obtained from a model trained directly on raw audio on TIMIT,” the researchers wrote.

DeepMind did not say if Google has started using WaveNet in its existing products. But that would not be surprising to see. DeepMind’s AI already helps Google reduce energy use inside its data centers.

DeepMind received extensive media attention earlier this year when its AlphaGo artificially intelligent Go player beat high-ranking South Korean Go player Lee Sedol in a five-game series. Google acquired DeepMind for a reported $400 million in 2014. The group collaborates with the separate Google Brain team, although “the time zone difference between London and Mountain View makes really deep collaborations more challenging than one might like,” as Google senior fellow Jeff Dean wrote in a Reddit AMA session last month.

olegchagin: (Default)

IBM aims to enable hybrid clouds with the announcement today of cloud-based Power Systems, storage systems, and new software.

Big Blue is unveiling the products and services at its IBM Edge event in Las Vegas today, all aimed at simplifying the movement of data, applications, and services across a hybrid cloud environment. The new systems use the company’s Power8 processors.

Organizations across all industries are investing in cloud technologies for innovation, growth, and efficiency. Those customers are blending public cloud, private cloud, and traditional information technology platforms. IBM wants to deepen the integration across the hybrid environments.

“Today’s business environment is very dynamic and filled with disruption,” said Tom Rosamilia, senior vice president of IBM Systems, in a statement. “A hybrid cloud model enables clients to continuously adapt while also optimizing on-premises investments. IBM is uniquely able to support the flexibility clients need across IBM Systems and the cloud.”

Above: IBM has new cloud analytics.

Image Credit: IBM

The new systems offerings designed for hybrid cloud include Power Systems for the cloud. With integrated OpenStack-based cloud management and elastic consumption models, these offerings enable clients to transform their IT infrastructure to an on-premises, private cloud for AIX, IBM i, and Linux system of record workloads and extend them securely with rapid access to compute services in the IBM Cloud.

IBM is also launching Z Systems for cloud with Operational Insights and Hybrid Application Performance Management. Cloud-based services analyze Z System performance, provide recommended actions, and enable continuous benchmarking.

IBM is also unveiling IBM Spectrum Copy Data Management and Protect, which allows detailed, easy-to-use management of data copies. Additionally, IBM Spectrum Protect has expanded its extensive hybrid cloud solution integration with cloud object storage options for use in hybrid cloud deployments.

According to IBM, a survey showed that 92 percent of respondents said the most successful cloud projects enable the creation and support of new business models. They expect 45 percent of workloads to remain on dedicated on-premises systems, even as cloud use expands. And 83 percent of the highest performing organizations said cloud initiatives are integrated or highly coordinated.

IBM said it also has a number of new software solutions and partners for an open and collaborative software ecosystem in the cloud. IBM is partnering with Hortonworks, Mirantis, Nginx, and Red Hat.

olegchagin: (Default)

Virtual reality may be generating most of the buzz today, but another major tech shift looms much closer on the horizon: machine learning.

The technology has already made inroads with the public through platforms such as Amazon’s Echo and Google’s Deep Dream Generator. But its influence will extend beyond voice-controlled speakers and AI-enhanced art, effecting a sea of change for businesses of all sizes. It will be a few years before we witness machine learning’s breakthrough moment, but it’s coming — and it will change everything.

A tool for raising human potential

The biggest obstacle to human advancement isn’t intelligence — it’s fatigue. Humans could be incredibly effective given endless timelines, budget, and energy. Until we’ve reached the age of immortality and abundance, however, people need to sleep. Machines, on the other hand, don’t. They can run constant calculations on business forecasts, potential strategies, and new product launches.

Amazon is already harnessing the power of integrated strategy machines. It relies on 21 data science systems to optimize its supply chain functions and profits, forecast inventory and sales, and generate product recommendations. These automated processes have helped Amazon become a $247.6 billion company, and they will become increasingly important to smaller businesses as machine learning becomes more prominent.

Machine learning’s breakthrough moment

Humans already rely on technology to get business done efficiently and accurately. Consider what an accountant’s job would look like without Excel, for example. When that program was introduced, it transformed the role, skyrocketing capacity and facilitating increasingly sophisticated analyses.

Machine learning will have a similarly transformative impact on all businesses once it has its big breakthrough moment. The technology remains hidden in the recesses of academia and the R&D labs of Silicon Valley. Amazon’s Echo and platforms such as, which serve as virtual assistants, have brought pieces of machine learning to the masses. But these operate within a narrow band of application; technology only climbs toward exponential use once it becomes fully accessible to the public.

As machine learning becomes part of the common lexicon, demand for these services will rise. For example, when I used the Deep Dream Generator, which uses AI algorithms to transform photos into art, the sunset never looked stranger, more exciting, or more indicative of the many forms technology can take. Platforms like this are already fueling public interest in machine learning technology — and the ability to better use this technology in a business setting will unleash an eager audience upon the market.

The most valuable business tool

The digital universe increases 40 percent each year, and experts predict that the number of digital bits will equal the stars in the universe by 2020. Human energy is finite, and humans are constantly overwhelmed by this growing influx of customer data, transaction details, performance metrics, and profit forecasts. Decision makers will drown under the weight of this data without a tool to manage it.

No one believes that artificially intelligent machines will be omniscient oracles (not yet, anyway). But they will filter out the noise of our digital reality and identify the most important data so that people — and businesses — can use it effectively.

Algorithms are invaluable when it comes to filtering and analyzing data, but as machine learning becomes more prominent, companies will also rely on them to hone processes. For instance, Algorithmia offers a marketplace of codes that can apply to any intelligent application. It provides microintelligence on different slices of data, helping companies improve their models through seamless incorporation. Intel is also working to empower companies of all sizes to use machine learning platforms to accelerate business solutions by uncovering insights hidden under loads of data.

A bright but unknown future

I recently visited NASA’s Jet Propulsion Laboratory in California, where scientists demonstrated dark matter with a jar of jelly beans.

The jar was mostly filled with black jelly beans illustrating dark matter, with a few pops of color representing what we can observe. The astronomers subtracted the mass of the colored beans from the jar’s total, which represented the mass of the universe, a known quantity. The difference is dark matter. Scientists don’t have to see it to know it’s there.

The same goes for businesses: Intelligent computers will fill in the gaps by identifying patterns that are invisible to humans. To know what we don’t know, we have to start taking indirect measurements to create a canvas of questions we haven’t thought to ask yet.

To prepare for the looming machine learning era, business leaders should start thinking about how the technology can add value now. Here’s how:

1. Envision the future. Help designers and creative technologists think about their roles in the context of automation. What happens when code writes code or when machines design interfaces? Investigate design methods that emphasize creating sustainable innovation through design thinking and orchestration.

2. Get comfortable with the technology. Challenge yourself — and others — to get familiar with the underlying technology and its capabilities. You don’t have to be an expert, but material knowledge is essential to effective design. Choose the method that works best for your company and implement it.

Google, for example, is helping its engineers get their feet wet with its Machine Learning Ninja Program. For six months, select employees are incorporated into Google’s machine learning team, learning the ropes and working on projects.

3. Think bigger. Go beyond asking what problems machine-driven platforms can solve. Explore these questions instead: What area should clients invest in? What problems should the platforms solve? Better questions get at more valuable investments. Designers should be the essential practitioners asking and answering those questions. Find the answers that solve your company’s specific challenges, and put them into action.

Machine learning will relieve humans of the burden of exhaustive exploration and take businesses to new heights. Rather than invest our time and energy in making the leaps of genius we work tirelessly to discover, machines will make those connections for us. Then, it’s up to our teams to create the products and solutions.

Shanon Marks, president of MU/DAI, simplifies technology through design with his team. When he isn’t working, he can be found flying a small plane or surfing at his favorite break.

olegchagin: (Default)
Read more... )
olegchagin: (Default)

The retrieval strategy disruption hypothesis (Basden, Basden, Bryner, & Thomas, 1997) is the most widely cited theoretical explanation for why the memory performance of collaborative groups is inferior to the pooled performance of individual group members remembering alone (i.e., collaborative inhibition). This theory also predicts that several variables will moderate collaborative inhibition. This meta-analysis tests the veracity of the theory by systematically examining whether or not these variables do moderate the presence and strength of collaborative inhibition. A total of 75 effect sizes from 64 studies were included in the analysis. Collaborative inhibition was found to be a robust effect. Moreover, it was enhanced when remembering took place in larger groups, when uncategorized content items were retrieved, when group members followed free-flowing and free-order procedures, and when group members did not know one another. These findings support the retrieval strategy disruption hypothesis as a general theoretical explanation for the collaborative inhibition effect. Several additional analyses were also conducted to elucidate the potential contributions of other cognitive mechanisms to collaborative inhibition. Some results suggest that a contribution of retrieval inhibition is possible, but we failed to find any evidence to suggest retrieval blocking and encoding specificity impact upon collaborative inhibition effects. In a separate analysis (27 effect sizes), moderating factors of postcollaborative memory performance were examined. Generally, collaborative remembering tends to benefit later individual retrieval. Moderator analyses suggest that reexposure to study material may be partly responsible for this postcollaborative memory enhancement. Some applied implications of the meta-analyses are discussed.

(PsycINFO Database Record (c) 2016 APA, all rights reserved)

olegchagin: (Default)
Когда на собеседовании несколько человек опрашивают претендентов на должность, когда присяжные совещаются, виновен или невиновен подсудимый, когда студенты вместе готовятся к экзамену, все они обращаются к их общей памяти: собеседователи вместе вспоминают свои впечатления от претендентов, присяжные вместе обсуждают улики и показания, а студенты спрашивают друг у друга то, что каждый по отдельности забыл из учебного курса.

Кажется, что коллективная память и вместительнее, и надёжнее, чем индивидуальная. Однако на самом деле всё наоборот – существуют десятки психологических исследований, согласно которым в группе наша память работает хуже, чем когда мы одни пытаемся что-то вспомнить.

Психологи из Ливерпульского университета опубликовали в Psychological Bulletin мета-аналитический обзор работ, посвящённых «коллективному подавлению памяти». Основной смысл экспериментов здесь прост: людям дают некий материал для изучения, которые они прорабатывают либо вместе, либо поодиночке, а потом проверяют, что отложилось в голове у тех, кто работал коллективом, и у тех, кто работал индивидуально.

Необходимо подчеркнуть, что коллективную память сравнивают не с единичной, но с суммой отдельных индивидуальностей: например, если с одной стороны была группа из четырёх человек, то их общую память сопоставляют с тем, что удалось запомнить другим четырём людям, которые ту же информацию пытались запомнить порознь друг от друга. Конкретные параметры здесь могут быть различны: например, участники эксперимента могут знать друг друга, а могут не знать, материал для запоминания может быть структурирован или не структурирован и т. д.

Мета-анализ позволяет определить, насколько данные разных работ на одну и ту же тему соответствуют друг другу, согласуются ли с какой-нибудь теорией или гипотезой и есть ли тут какие-то нюансы, на которые авторы каждого отдельного исследования не обратили внимания. В данном случае, как пишут Стефани Марион (Stephanie Marion) и Крейг Торли (Craig Thorley), всё друг с другом согласуется – «коллективное подавление памяти» действительно имеет место.

Психологический механизм у него следующий: разные люди по-разному вспоминают то, что запомнили, кто-то – последовательно от начала до конца, кто-то, наоборот, движется с конца, то есть от того, что запомнил последним, к началу – к той информации, которая отложилась в памяти первой; понятно, что есть и другие способы «вспомнить всё».

И вот, когда несколько людей начинают вспомнить один и тот же материал вместе, общаясь друг с другом, их способы вспоминания входят в противоречие друг с другом и мешают друг другу: грубо говоря, пока один пытается вспомнить то, что было в начале, ему сообщают информацию о том, что было в конце, и в результате в голове возникает непреодолимый блок.

Попутно удалось заметить, что в больших группах общая память работает хуже, чем в малых (что, наверно, вполне очевидно), и что если группа состоит из родственников и друзей, то их групповая память работает эффективнее, нежели среди тех, кто друг друга вообще не знает.

И, наконец, самое любопытное: у тех, кто поработал в группе, собственная память в дальнейшем работает лучше. Человек в любом случае что-то забывает, но в коллективе ему обязательно об этом напомнят. Так что пусть с точки зрения результата – то есть объёма «вспомненной» информации – единая группа проигрывает сумме индивидуальностей, но вот для персональной памяти групповая работа явно идёт на пользу.
olegchagin: (Default)
Министр образования и науки России Ольга Васильева считает необходимым вернуть уроки астрономии в школьную программу «Раньше в школах этот предмет был час в неделю. Даже сомнений нет, что этот час должен вернуться»,— сказала госпожа Васильева сегодня на пресс-конференции.— Пока не знаю, как это будет, но то, что произойдет точно, 100%».

Напомним, на прошедшем в Чебоксарах III Всероссийском съезде учителей сельских школ Ольга Васильева еще раз подчеркнула приоритет воспитания над образованием и пообещала сохранить малокомплектные школы в сельской местности. Учителя приветствовали идею возвращения в школу трудового воспитания, а также новости о возможном закреплении базовой части зарплат, не зависящей от надбавок и премий, на уровне 70%.
olegchagin: (Default)

Зарплата учителей будет состоять на 70% из базовой части и на 30% из стимулирующих выплат

Накануне министр образования и науки РФ Ольга Васильева, выступая на III Всероссийском съезде сельских учителей в Чебоксарах, заявила, что готовится нормативная база, в соответствии с которой зарплата будет состоять на 70% из базовой части и на 30% – из стимулирующих выплат.

Read more... )
olegchagin: (Default)

French researchers have found a way to monitor a neural process involved in the formation of memory.

Read more... )


olegchagin: (Default)

January 2017

1234 567

Style Credit

Expand Cut Tags

No cut tags
Page generated Sep. 21st, 2017 04:05 pm
Powered by Dreamwidth Studios