成人の認知スキルは、平均的には40代半ばまで増加し、その後わずかに低下する。しかし、スキル使用が高い個人では、高齢期まで認知スキルが増加し続ける。
事象理解には階層的な構造表現と予測メカニズムが重要である。事象スキーマの表現と学習、作業中の事象モデルの更新、活動の構成要素の学習、エピソード記憶の活用、注意制御メカニズムなどが、事象理解を実現するための重要な側面である。
分散潜在変数モデル(DLVM)を用いることで、個人の認知テストパフォーマンスをアイテムレベルでモデル化し、より詳細な認知能力の理解を提供できる。また、DLVMを活用したアクティブラーニングフレームワークにより、より効率的な認知テストの実施が可能となる。
多様なAIシステムは、人間や動物の空間認知に見られるアナログ表現とは異なる命題的表現に基づいているため、視点取得能力に限界がある。
記憶力は子供のころ優れていても、それを実際の問題解決に活かすことは難しい。記憶力と理解力は別物であり、両者のバランスが大切である。
疑うことは知識を深め、新しい可能性を開くための重要な能力である。
個人の信念システムの内的整合性への傾向と社会的伝染理論を結び付けることで、状況に応じて単純および複雑な伝染ダイナミクスが自然に生み出されることが示された。
人々は他者や自律車両についての情報を評価する際に、目的論的な概念を使用し、特に意図的な立場を取ることが示唆される。
スマートフォンの存在を視覚的に取り除くことが、認知的な注意散漫を軽減し、認知パフォーマンスを向上させる可能性がある。
グラフの組合せ構造を利用して、人間の社会的相互作用と空間ナビゲーションに関する事前知識を定量化する。