[심리학] BIAS 컴퓨터 연산을 사용한 정서와 인식 현상의 통합적 서술을 향해

목차

서론
감정-일치 기억
감정과 인지 형태
동화와 적응의 관계에 대한 전체적 설명
경험적 증거를 위해 이론적 모델을 적용하기
- 자기-유발적 정보를 위한 감정과 기억
- 감정과 높은 수준의 기호화
- 감정과 구조적 기억
- 구조적 재인(recognition) 실험
- 인지에의 정서 영향의 이해를 위한 연산적 접근
BIAS 연산
- BIAS로의 감정 도입
- BIAS 논지 안에서 정서와 인식 발견을 재현하기
- 판단에서 감정 도출의 영향과 추론
- 정교함에 미치는 부호화된 정서의 영향
- 사회적 판단에 미치는 부호화된 정서의 효과
- 회상에 미치는 기분의 영향
BIAS접근의 이론적 강점

본문내용

BIAS가 단지 감정 기폭제에 대한 여러 접근들을 바꾸어 말하는 것에 불과한가? 또는 표준적 체계 안으로 줄여지지 않는 독특한 함의에 불과한가? 첫째로 BIAS의 중요한 특징은 총계 효과의 민감성이다. 즉, 어떤 숨은 정보 양상도 기호화된 행렬의 종렬값이 증가함으로써 명백히 보여줄 수 있을 것이다. 총계는 산만한 것들을 걸러 주고, 체계적 변화를 가시 범위 안으로 좁힌다. 이런 점 없이는 유발 기억에서 기호화 추론(동화vs적응)의 영향, 감정 일치 기억, 창조성은 일원적인 원리에 의해서 설명될 수 없다. 그것은 새로운 발상의 창조를 설명하고 긍정적 감정 아래 기호화 기능을 향상시키는 총계이다.
두 번째 중요한 특징은 표상의 자재 상징적 수준이다. 전통적 연결 망에서 교점이 스스로 의미 부여된 반면에, BIAS와 같은 연결적 모델의 단위들은 스스로 의미를 나르지 못하고, 의미가 신호 단위의 양상 위에서 분배된다.(단지 편의를 위해, 신호는 추상적인 어려움을 피하기 위해 의미 붙여진 숫자를 사용했다.) 그것은 개인 감정과 자극 수치의 교점을 설명하는 잠재 상징적 수준이다. 비록 이 두 구조가 상징 수준에서 범주적으로 다를지라도, 그것들의 유사성, 잠재 상징적 수준의 겹치는 신호에 의해 조정된다.
감정-수치 접점에 덧붙여서, 잠재 상징적 표현은 상징 망에서 극복하기 어려운 경험적 문제들을 다룰 수 있다.

참고 자료

없음