An Embodied Model of Young Children’s Categorization and Word Learning

Capítulo que presenta un modelo computacional encarnado (embodied) del aprendizaje de palabras y categorización en niños pequeños. Los autores simulan el comportamiento infantil en una tarea de aprendizaje de palabras mediante el sistema robótico iCub, mostrando cómo el aprendizaje asociativo y los enfoques de sistemas dinámicos explican la categorización infantil. El estudio integra simulaciones computacionales biológicamente plausibles con sistemas robóticos para investigar los procesos cognitivos subyacentes al aprendizaje de palabras en niños, demostrando que las categorías infantiles y sus etiquetas lingüísticas son interdependientes. El trabajo evidencia la validez ecológica de estos modelos al deployarlos en sistemas robóticos y propone que la integración de aproximaciones computacionales y robóticas con la ciencia del desarrollo amplía la comprensión de la cognición infantil.

Puntos clave

• El aprendizaje de palabras en niños pequeños se puede modelar mediante sistemas robóticos encarnados que simulan comportamientos observados en tareas experimentales de desarrollo.
• Las categorías lingüísticas y sus etiquetas son interdependientes, y el aprendizaje asociativo con dinámicas de sistemas explica cómo los niños desarrollan ambas simultáneamente.
• La validez ecológica de simulaciones computacionales biológicamente plausibles se confirma al desplegarlas en sistemas robóticos que reproducen patrones de comportamiento infantil.

Para quién: Estudiantes, investigadores y docentes de psicología del desarrollo, cognición y aprendizaje del lenguaje interesados en enfoques computacionales y robóticos para comprender los procesos cognitivos infantiles.