Abstrakte Kognitive Modelle

• Antragsteller: Professor Dr. Andreas Podelski
• Fachliche Zuordnung: Softwaretechnik und Programmiersprachen
• Förderung: Förderung von 2016 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 316490981

Ziel des Projekts ist die Erstellung der Grundlagen für die formale, Semantik-basierte Analyse von Modellen in der Kognitionswissenschaft. Insbesondere interessieren wir uns für automatische, auf Model Checking für Hybridsysteme und SMT Solving basierende Methoden zur Analyse von Psychologischen Theorien und Hybriden Kognitiven Modellen.Eine Psychologische Theorie kann als eine informale Beschreibung eines high-level Modells für menschliches Problemlöse-Verhalten gesehen werden. Ein Hybrides Kognitives Modell kann als eine low-level Implementierung einer Psychologischen Theorie gesehen werden. In der Kognitionswissenschaft simuliert man ein Hybrides Kognitives Modell (zum Beispiel in ACT-R), um eine Psychologische Theorie gegenüber empirischen Daten aus psychologischen Experimenten zu validieren. Der Analyse-Ansatz, den das Projekt ausarbeiten wird, kann möglicherweise den bestehenden Simulations-Ansatz verstärken oder ergänzen.Wir entwickeln den Begriff eines Abstrakten Kognitiven Modells, der es uns erlaubt, eine Psychologische Theorie durch ein formales Modell zu beschreiben (ein Modell, auf das man formale, Semantik-basierte Analyse-Methoden anwenden kann). Wir untersuchen einen (auf Model-Checking für Hybridsysteme und SMT Solving basierenden) Ansatz für die Analyse von Abstrakten Kognitiven Modellen. Die Analyse kann für die Erstprüfung einer Psychologischen Theorie eingesetzt werden (vor der Implementierung und Simulation eines Hybriden Kognitiven Modells). Wir untersuchen auch wie der Ansatz, mittels der Synthese der numerischen Parameter in einem Abstrakten Kognitiven Modell, automatisch ein 'per Konstruktion korrektes' Hybrides Kognitives Modell für eine gegebene Psychologische Theorie synthetisieren kann.

• DFG-Verfahren: Sachbeihilfen