Curva de aprendizaje
Una curva de aprendizaje es una representación gráfica de cómo un aumento en el aprendizaje (medido en el eje vertical) proviene de una mayor experiencia (el eje horizontal); o cómo más alguien (o algo) realiza una tarea, mejor lo hacen.
El término curva de aprendizaje se usa de dos maneras principales: cuando la misma tarea se repite en una serie de ensayos, o donde se aprende un conjunto de conocimientos a lo largo del tiempo. Hermann Ebbinghaus describió por primera vez la curva de aprendizaje en 1885 en el campo de la psicología del aprendizaje, aunque el nombre no se usó hasta 1903.
En 1936, Theodore Paul Wright describió el efecto del aprendizaje en los costos de producción en el industria aeronáutica. Esta forma, en el que el costo unitario se representa frente a la producción total, a veces se llama una curva de experiencia.
La expresión familiar » una curva de aprendizaje empinada » significa que la actividad es difícil de aprender, aunque una curva de aprendizaje con un inicio empinado en realidad representa un progreso rápido.
En psicología
La primera persona en describir la curva de aprendizaje fue Hermann Ebbinghaus en 1885. Sus pruebas consistieron en memorizar series de sílabas sin sentido y registrar el éxito en varias pruebas. La traducción no utiliza el término curva de aprendizaje, pero presenta diagramas de aprendizaje en función del número de prueba.
También señala que la puntuación puede disminuir o incluso oscilar.
El primer uso conocido del término curva de aprendizaje es de 1903: «Bryan y Harter (6) encontraron en su estudio de la adquisición del lenguaje telegráfico una curva de aprendizaje que tuvo un rápido aumento al principio seguido de un período de retraso, y era así convexo al eje vertical «.
El psicólogo Arthur Bills dio una descripción más detallada de las curvas de aprendizaje en 1934. También discutió las propiedades de los diferentes tipos de curvas de aprendizaje, como la aceleración negativa, aceleración positiva, mesetas y curvas ojivas. (Fig. 1)
En economía
En 1936, Theodore Paul Wright describió el efecto del aprendizaje sobre los costos de producción en la industria aeronáutica y propuso un modelo matemático de la curva de aprendizaje.
En 1968, Bruce Henderson, del Boston Consulting Group (BCG) generalizó el modelo de Costo por Unidad promovido por Wright, y utilizó específicamente una Ley de Energía, que a veces se llama Ley de Henderson. Llamó a esta versión en particular la curva de experiencia. La investigación realizada por BCG en la década de 1970 observó los efectos de la curva de experiencia para varias industrias que variaban del 10 al 25 por ciento.
El aprendizaje económico de la productividad y la eficiencia generalmente sigue los mismos tipos de curvas de experiencia y tiene interesantes efectos secundarios. La eficiencia y la mejora de la productividad se pueden considerar como procesos de aprendizaje de toda la organización o industria o economía, así como para los individuos.
El patrón general es primero acelerar y luego disminuir, a medida que se alcanza el nivel prácticamente alcanzable de mejora de la metodología. El efecto de reducir el esfuerzo local y el uso de recursos mediante el aprendizaje de métodos mejorados paradójicamente a menudo tiene el efecto latente opuesto en el próximo sistema a mayor escala, al facilitar su expansión o crecimiento económico, como se discutió en la paradoja de Jevons en la década de 1880 y se actualizó en Khazzoom -Postulado de golpes en la década de 1980.
Ejemplos y modelos matemáticos
Una curva de aprendizaje es una trama de medidas indirectas para el aprendizaje implícito ( competencia o progresión hacia un límite) con experiencia.
El eje horizontal representa la experiencia directamente como tiempo (tiempo de reloj o el tiempo dedicado a la actividad), o puede relacionarse con el tiempo (una cantidad de pruebas o el número total de unidades producidas).
El eje vertical es una medida que representa el aprendizaje o la competencia u otro proxy de «eficiencia» o «productividad». Puede aumentar (por ejemplo, el puntaje en una prueba) o disminuir (el tiempo para completar una prueba). (Fig. 5)
Para el desempeño de una persona en una serie de pruebas, la curva puede ser errática, con un aumento, disminución o nivelación de la competencia en una meseta. (Figura 1)
Cuando se promedian los resultados de una gran cantidad de ensayos individuales, se obtiene una curva suave, que a menudo se puede describir con una función matemática. (Figura 2)
Fig. 3: Curva S o función sigmoidea
Fig 4: crecimiento exponencial
Fig. 5: aumento exponencial o caída a un límite
Fig 6: Ley de Poder
Se han utilizado varias funciones principales:
La función S-Curve o Sigmoid es la forma general idealizada de todas las curvas de aprendizaje, acumulando lentamente pequeños pasos al principio seguidos de pasos más grandes y luego sucesivamente más pequeños más adelante, a medida que la actividad de aprendizaje alcanza su límite. Eso idealiza la progresión normal del descubrimiento de algo sobre lo que aprender seguido hasta el límite de lo que se aprende al respecto.
Las otras formas de curvas de aprendizaje (4, 5 y 6) muestran segmentos de curvas S sin su extensión completa.
En este caso, la mejora de la competencia comienza lentamente, luego aumenta rápidamente y finalmente se nivela. (Fig. 3)
Crecimiento exponencial
La competencia puede aumentar sin límite, como en el crecimiento exponencial (Fig. 4)
Aumento o caída exponencial a un límite
La competencia puede acercarse exponencialmente a un límite de manera similar a la que un condensador carga o descarga ( decaimiento exponencial ) a través de una resistencia. (Fig. 5)
El aumento en la habilidad o la retención de información puede aumentar rápidamente a su velocidad máxima durante los intentos iniciales, y luego gradualmente se nivela, lo que significa que la habilidad del sujeto no mejora mucho con cada repetición posterior, con menos conocimiento nuevo adquirido con el tiempo.
Ley de potencia
Esto es similar en apariencia a una función de disminución exponencial, y casi siempre se usa para una métrica de rendimiento decreciente, como el costo. (Fig. 6) También tiene la propiedad de que si traza el logaritmo de competencia contra el logaritmo de experiencia, el resultado es una línea recta, y a menudo se presenta de esa manera.
El caso específico de una gráfica de Costo unitario versus Producción total con una Ley de potencia se denominó Curva de experiencia : la función matemática a veces se denomina Ley de Henderson.
Esta forma de curva de aprendizaje se usa ampliamente en la industria para proyecciones de costos.
La página sobre » Efectos de la curva de experiencia » ofrece más discusión sobre la teoría matemática de representarlos como procesos deterministas, y proporciona un buen grupo de ejemplos empíricos de cómo se ha aplicado esa técnica.
En aprendizaje automático
Las tramas que relacionan el rendimiento con la experiencia se usan ampliamente en el aprendizaje automático. El rendimiento es la tasa de error o la precisión del sistema de aprendizaje, mientras que la experiencia puede ser la cantidad de ejemplos de capacitación utilizados para el aprendizaje o la cantidad de iteraciones utilizadas para optimizar los parámetros del modelo del sistema.
La curva de aprendizaje automático es útil para muchos propósitos, incluida la comparación de diferentes algoritmos, elegir los parámetros del modelo durante el diseño, ajustar la optimización para mejorar la convergencia y determinar la cantidad de datos utilizados para el entrenamiento.
Interpretaciones más amplias
Inicialmente introducido en la psicología educativa y conductual, el término ha adquirido una interpretación más amplia a lo largo del tiempo, y expresiones como «curva de experiencia», «curva de mejora», «curva de mejora de costos», «curva de progreso», «función de progreso», «inicio» curva «y» curva de eficiencia «a menudo se usan indistintamente.
En economía, el tema son las tasas de » desarrollo «, ya que el desarrollo se refiere a un proceso de aprendizaje de todo el sistema con diferentes tasas de progresión. En general, todo aprendizaje muestra un cambio incremental a lo largo del tiempo, pero describe una curva «S» que tiene diferentes apariencias dependiendo de la escala de tiempo de observación.equilibrio puntuado y otros tipos de cambio revolucionario en sistemas complejos en general, relacionados con la innovación, el comportamiento organizacional y la gestión del aprendizaje grupal, entre otros campos.
Estos procesos de nueva forma emergente rápidamente parecen tener lugar mediante un aprendizaje complejo dentro de los propios sistemas, que cuando son observables, muestran curvas de tasas cambiantes que aceleran y desaceleran.
Límites generales de aprendizaje
Las curvas de aprendizaje, también llamadas curvas de experiencia, se relacionan con el tema mucho más amplio de los límites naturales de recursos y tecnologías en general. Tales límites generalmente se presentan como complicaciones crecientes que retrasan el aprendizaje de cómo hacer las cosas de manera más eficiente, como los conocidos límites de perfeccionar cualquier proceso o producto o perfeccionar las mediciones.
Estas experiencias prácticas coinciden con las predicciones de la segunda ley de la termodinámica.para los límites de reducción de residuos en general. Al acercarse a los límites de perfeccionar las cosas para eliminar el desperdicio se encuentra un esfuerzo geométricamente creciente para progresar, y proporciona una medida ambiental de todos los factores vistos y no vistos que cambian la experiencia de aprendizaje.
Perfeccionar las cosas se vuelve cada vez más difícil a pesar del esfuerzo creciente a pesar de continuar con resultados positivos, si alguna vez disminuyen. El mismo tipo de progreso lento debido a complicaciones en el aprendizaje también aparece en los límites de las tecnologías útiles y de los mercados rentables que se aplican a la gestión del ciclo de vida del producto y los ciclos de desarrollo de software ).
Los segmentos de mercado restantes o las eficiencias o eficiencias potenciales restantes se encuentran en formas sucesivamente menos convenientes.
Las curvas de eficiencia y desarrollo generalmente siguen un proceso de dos fases de primeros pasos más grandes que corresponden a encontrar las cosas más fácilmente, seguido de pasos más pequeños para encontrar las cosas más difíciles. Refleja estallidos de aprendizaje después de avances que hacen que el aprendizaje sea más fácil seguido de cumplir con las restricciones que hacen que el aprendizaje sea aún más difícil, tal vez hacia un punto de cese.
Límites naturales Uno de los estudios clave en el área se refiere a la disminución de los rendimientos de las inversiones en general, ya sea física o financiera, apuntando a límites de todo el sistema para el desarrollo de recursos u otros esfuerzos. El más estudiado de estos puede ser el Retorno de Energía sobre Energía Invertida o EROEI, discutido en detalle en un artículo de la Enciclopedia de la Tierra y en un artículo y serie de OilDrum también conocidos como curvas de Hubert.
La energía necesaria para producir energía es una medida de nuestra dificultad para aprender cómo hacer que los recursos energéticos restantes sean útiles en relación con el esfuerzo realizado. Los retornos de energía sobre la energía invertida han estado en declive continuo durante algún tiempo, debido a los límites de los recursos naturales y al aumento de la inversión.
La energía es tanto la naturaleza como nuestro principal recurso para hacer que las cosas sucedan. El punto de rendimientos decrecientes es cuando el aumento de la inversión encarece el recurso. A medida que se acercan los límites naturales, se agotan las fuentes fáciles de usar y, en su lugar, deben usarse las que tienen más complicaciones.
Como una señal ambiental que disminuye constantemente, EROI indica un enfoque de los límites de todo el sistema en nuestra capacidad para hacer que las cosas sucedan.
Límites naturales útiles EROEI mide el rendimiento del esfuerzo invertido como una proporción de R / I o progreso del aprendizaje. El I / R inverso mide la dificultad de aprendizaje. La simple diferencia es que si R se acerca a cero, R / I también lo hará, pero I / R se acercará al infinito. Cuando surgen complicaciones para limitar el progreso del aprendizaje, se acerca al límite de los retornos útiles, uR, y R-uR se acerca a cero.
La dificultad del aprendizaje útil I / (R-uR) se acerca al infinito ya que las tareas cada vez más difíciles hacen que el esfuerzo sea improductivo. Ese punto se aborda como una asíntota vertical, en un punto particular en el tiempo, que solo puede retrasarse por un esfuerzo insostenible. Define un punto en el que se ha realizado una inversión suficiente y se realiza la tarea, generalmente planeado para ser el mismo que cuando se completa la tarea.
Para tareas no planificadas, puede preverse o descubrirse por sorpresa. La medida de utilidad, uR, se ve afectada por la complejidad de las respuestas ambientales que solo pueden medirse cuando ocurren a menos que estén previstas.
En cultura
Curva de aprendizaje empinada»
La expresión curva de aprendizaje empinada se usa con significados opuestos. La mayoría de las fuentes, incluido el Oxford English Dictionary, el American Heritage Dictionary of the English Language y el Merriam-Webster’s Collegiate Dictionary, definen una curva de aprendizaje como la velocidad a la que se adquiere la habilidad, por lo que un aumento considerable significaría un rápido incremento de la habilidad.
Sin embargo, el término a menudo se usa en inglés común con el significado de un proceso de aprendizaje inicial difícil.
Podría decirse que el uso común del inglés se debe a la interpretación metafórica de la curva como una colina para escalar. (Una colina más empinada es inicialmente difícil, mientras que una pendiente suave es menos tensa, aunque a veces bastante tediosa. Por consiguiente, la forma de la curva (colina) puede no indicar la cantidad total de trabajo requerida.
En cambio, puede entenderse como un asunto de preferencia relacionada con la ambición, la personalidad y el estilo de aprendizaje).
Fig. 9: curvas de aprendizaje cortas y largas
Fig. 10: El producto A tiene una funcionalidad más baja y una curva de aprendizaje corta. El producto B tiene una mayor funcionalidad pero lleva más tiempo aprender
El término curva de aprendizaje con significados de fácil y difícil se puede describir con adjetivos como corto y largo en lugar de empinado y superficial. Si dos productos tienen una funcionalidad similar, entonces el que tiene una curva «empinada» es probablemente mejor, porque se puede aprender en un tiempo más corto.
Fig. 9) Por otro lado, si dos productos tienen una funcionalidad diferente, entonces uno con una curva corta (poco tiempo para aprender) y una funcionalidad limitada puede no ser tan bueno como uno con una curva larga (mucho tiempo para aprender) y mayor funcionalidad. (Fig. 10)
Por ejemplo, el programa Bloc de notas de Windows es extremadamente simple de aprender, pero ofrece poco después de esto. En el otro extremo está el editor de terminal UNIX vi o Vim, que es difícil de aprender, pero ofrece una amplia gama de características una vez que el usuario ha aprendido cómo usarlo.
En una curva de aprendizaje empinada»
Ben Zimmer analiza el uso del término «en una curva de aprendizaje empinada» en un artículo «Una curva de aprendizaje empinada» para Downton Abbey, concentrándose principalmente en si es un anacronismo. «Matthew Crawley, el presunto heredero de Downton Abbey y ahora copropietario de la finca, dice:» He estado en una curva de aprendizaje empinada desde que llegué a Downton «.
Con esto quiere decir que ha tenido dificultades para aprender las formas de Downton. Desafortunadamente, la gente no comenzó a hablar así hasta la década de 1970 «.
Zimmer también comenta que el uso popular de empinada como difícil es una inversión del significado técnico. Identifica el primer uso de la curva de aprendizaje empinada como 1973, y la ardua interpretación como 1978.
Curvas de dificultad en videojuegos
La idea de las curvas de aprendizaje a menudo se traduce en el juego de videojuegos como una «curva de dificultad», que describe lo difícil que puede ser el juego a medida que el jugador avanza en el juego y requiere que el jugador sea más competente con el juego y obtenga una mejor comprensión de la mecánica del juego, y / o pasar tiempo » moliendo » para mejorar sus personajes.
Establecer la curva de dificultad correcta es parte de lograr el equilibrio del juego dentro de un título. Al igual que con las curvas de aprendizaje en entornos educativos, las curvas de dificultad pueden tener múltiples formas, y los juegos con frecuencia pueden proporcionar varios niveles de dificultad que cambian la forma de esta curva en relación con su valor predeterminado para hacer que el juego sea más difícil o más fácil.
Referencias
Comparar: «Curva de aprendizaje». Diccionario de negocios. Consultado el 8 de diciembre de 2018. Representación gráfica del principio del sentido común de que cuanto más uno hace algo, mejor lo hace. La curva de aprendizaje muestra la tasa de mejora en la realización de una tarea en función del tiempo, o la tasa de cambio en el costo promedio (en horas o dólares) en función de la producción acumulada.
Https://books.google.com/books?id=oRSMDFy3l8C&printsec=frontcover Página 42, Fig. 2
Https://books.google.com/books?id=ikEMAAAAIAAJ&q=%learningcurve%. v=snippet&q=%learning%curve%&f=falseThe American Journal of Psychology, Volumen 14 1903 Por Granville Stanley Hall Edward Bradford Titchene
Wright, TP, «Factores que afectan el costo de los aviones»,Journal of Aeronautical Sciences, 3 (4) (1936): 122–128. Accedido en
Resección laparoscópica del colon al inicio de la curva de aprendizaje»,Ann. Surg. Junio de 2006; 243 (6): 730–737, consulte lasección»Debates», comentario del Dr. Smith sobre el uso del término «curva de aprendizaje empinada»: «Primero, semántica. Una curva de aprendizaje empinada es aquella en la que adquiere competencia en un corto número de ensayos.
Eso significa que la curva es empinada. Creo semánticamente que realmente estamos hablando de una curva de aprendizaje prolongada o larga. Sé que es una distinción sutil, pero no puedo perder la oportunidad de hacer ese punto «.
Http://www.visualthesaurus.com/cm/wordroutes/a-steep-learning-curve-for-downton-abbey/Ben Zimmer, 8 de febrero de 2013
Clásicos en la historia de la psicología.
Https://books.google.com/books?id=oRSMDFy3l8C&printsec=frontcover página 42, Fig. 2
Proyectos de ley, AG (1934). Psicología experimental general. Longmans Psychology Series. (págs. 192-215). Nueva York, NY: Longmans, Green and Co.
Cuál es la ley de Henderson?». Ley de Henderson. Consultado el 2 de junio de 2020.
Https://www.bcgperspectives.com/content/Classics/strategy_the_experience_curve/ BCJ 1968
Grant, Robert M. (2004), Análisis de la estrategia contemporánea, Estados Unidos, Reino Unido, Australia, Alemania : Blackwell Publishing, ISBN 1-4051-1999-3
Hax, Arnoldo C.; Majluf, Nicolas S. (octubre de 1982), «Dinámica de costos competitivos: la curva de la experiencia», Interfaces, 12 (5): 50–61, doi : 10.1287 / inte..5.50.
Http://repository.cmu.edu/cgi/viewcontent.cgi?article=&context=compsci Mecanismos de adquisición de habilidades y la ley de la práctica Newell 1980
Ritter, FE, y Schooler, LJ La curva de aprendizaje. En International Encyclopedia of the Social and Behavioral Sciences (2002), 8602-8605. Amsterdam: Pérgamo
Http://www.bgu.ac.il/: akarniel/pub/LeibowitzetalJMP.pdf
Copia archivada» (PDF). Archivado desde el original (PDF) el 18/07/2013. Consultado el 17 de marzo de 2013. El Manual del Departamento de Defensa Número 5000.2-M, ordena el uso de curvas de aprendizaje para el costo de los programas de defensa (costos variables de producción)
Sammut, Claude; Webb, Geoffrey I. (Eds.) (2011-03-28). Enciclopedia del aprendizaje automático (1ª ed.). Saltador. pags. 578. ISBN 978-0-387-30768-8.
Madhavan, PG (1997). «Un nuevo algoritmo de aprendizaje de red neuronal recurrente para la predicción de series de tiempo» (PDF). Revista de Sistemas Inteligentes. pags. 113 Fig..
Aprendizaje automático 102: consejos prácticos». Tutorial: Aprendizaje automático para astronomía con Scikit-learn.
Meek, Christopher; Thiesson, Bo; Heckerman, David (verano de 2002). «El método de muestreo de la curva de aprendizaje aplicado a la agrupación basada en modelos». Revista de investigación de aprendizaje automático. 2 (3): 397.
Connie JG Gersick 1991 «Teorías del cambio revolucionario: una exploración multinivel del paradigma del equilibrio puntuado» The Academy of Management Review, vol. 16, núm. 1 págs. 10-36 1
Petley, Brian W. (1988). «Hacia los límites de precisión y precisión en la medición«. Física en un mundo tecnológico (88): 291. Bibcode : 1988ptw..conf..P.
Curvas de aprendizaje empinadas». 2009-07-16.
Http://unix.rulez.org/: calver/pictures/curves.jpg Aparentemente de http://blogs.msdn.com/b/steverowe/archive/2004/11/17/code-editor-learning-curves.aspx Code Editor Curvas de aprendizaje SteveRowe 17 Nov 2004 7:59 PM
Http://languagelog.ldc.upenn.edu/nll/?p= anacronismos «Downton Abbey»: más allá de la nitidez, Ben Zimmer, 13 de febrero de 2012
Http://languagelog.ldc.upenn.edu/nll/?p= Comentario de J Oliver: Temporada tres, episodio 5
Larsen, Jimmy Marcus (24 de mayo de 2010). «Curvas de dificultad». Gamasutra. Consultado el 3 de febrero de 2020.
Aponte, Maria-Virginia; Levieux, Guillaume; Natkin, Stéphane (2009). «Escalando el nivel de dificultad en los videojuegos para un jugador» (PDF). En Natkin, S.; Dupire, J. (eds.). Lecture Notes in Computer Science. Conferencia internacional sobre informática de entretenimiento 2009. 5709. Berlín : Springer.
Doi : 10.1007 / 978-3-642-04052-8_3. Consultado el 3 de febrero de 2020.
Fuentes
- Fuente: www.actapress.com
- Fuente: www.eoearth.org
- Fuente: www.theoildrum.com
- Fuente: www.dani2989.com
- Fuente: www.businessdictionary.com
- Fuente: books.google.com
- Fuente: www.uvm.edu
- Fuente: www.pubmedcentral.nih.gov
- Fuente: www.visualthesaurus.com
- Fuente: psychclassics.yorku.ca
- Fuente: www.davidrusseltrask.com
- Fuente: www.bcgperspectives.com
- Fuente: archive.org
- Fuente: doi.org
- Fuente: repository.cmu.edu
- Fuente: ritter.ist.psu.edu
- Fuente: www.bgu.ac.il
- Fuente: web.archive.org
- Fuente: classweb.gmu.edu
- Fuente: www.jininnovation.com
- Fuente: astroml.github.com
- Fuente: connection.ebscohost.com
- Fuente: www.jstor.org
- Fuente: ui.adsabs.harvard.edu
- Fuente: www.grammarphobia.com
- Fuente: unix.rulez.org
- Fuente: blogs.msdn.com
- Fuente: languagelog.ldc.upenn.edu
- Fuente: www.gamasutra.com
- Fuente: link.springer.com
Autor
