En las tareas de resolución de problemas del mundo real que mucha gente llama "complejas" (como volar un jet, programar, arreglar un automóvil, apagar un incendio, el tipo investigado por la comunidad de toma de decisiones naturalista), ¿cuáles son las características clave que separan la resolución de problemas en este tipo de tareas y resolución de problemas en tareas de "juguete" o "experimento" donde se presentan uno o dos estímulos a los participantes?
¿Cuáles son las características que hacen que la resolución de problemas complejos sea compleja?
¿Existen niveles de complejidad que puedan capturar las diferencias?
La complejidad del entorno ciertamente es un problema. De acuerdo con AI - Un enfoque moderno , el medio ambiente puede ser
Consulte también WikiDoc para obtener una breve descripción general. En mi opinión, estos criterios se aplican también a la resolución de problemas humanos.
Otra cuestión es el tipo de problema a resolver. Una medida de la complejidad puede ser el número de pasos que se deben anticipar para resolver el problema, por ejemplo, resolver un final de ajedrez es más complejo que resolver tres en raya.
MariaAnt brindó una definición relevante de resolución de problemas complejos en la respuesta a la pregunta "¿ Investigación que operacionaliza el llamado pensamiento estratégico? ", basada en Frensch y Funke (1995).
[La resolución de problemas complejos] ocurre para superar las barreras entre un estado dado y un estado meta deseado por medio de actividades conductuales y/o cognitivas de varios pasos. El estado dado, el estado objetivo y las barreras entre el estado dado y el estado objetivo son complejos, cambian dinámicamente durante la resolución de problemas y no son transparentes. Las propiedades exactas del estado dado, el estado objetivo y las barreras son desconocidas para el solucionador desde el principio. CPS implica la interacción eficiente entre un solucionador y los requisitos situacionales de la tarea, e involucra el conocimiento y las habilidades cognitivas, emocionales, personales y sociales del solucionador.
En la jerga científica moderna, la complejidad y la cualidad de ser complejo pueden tener varios significados diferentes, según el campo y el tema de interés. Estos se remontan a una distinción histórica entre complejidad organizada y desorganizada (Weaver, 1948). En las ciencias cognitivas, un problema es complejo (a veces llamado mal definido ) si las relaciones entre el estado inicial, el estado objetivo y el espacio de estados intermedios son interdependientes, no lineales y/o las propiedades del estado son desconocidas para el solucionador. Generalmente, algo (como un problema) es "complejo" cuando tiene un número moderado de variables interdependientes y temporales.
Los problemas de complejidad desorganizada, argumentó Weaver, se caracterizaban por un gran número de variables y un comportamiento errático, siendo el análisis de las centrales telefónicas un ejemplo prototípico de tales problemas. Mientras tanto, se argumentó que los problemas de complejidad organizada se caracterizaban por “tratar simultáneamente con un número considerable de factores que están interrelacionados en un todo orgánico” y fueron ejemplificados por los sistemas biológicos y sociales. El uso moderno de "complejo" se refiere a (problemas de) complejidad organizada, y esto también es cierto en las ciencias cognitivas.
Los tipos y clases de complejidad se estudian en el contexto de muchos campos, pero no hay mucho acuerdo sobre un marco universal que podamos usar para definir objetivamente los niveles de complejidad. Tampoco hay acuerdo sobre cómo medir la complejidad, aunque se han propuesto y utilizado muchas medidas (Lloyd, 2001).
Lo más parecido a un marco universal es el estudio matemático de las clases de complejidad, que define un gran conjunto de posibles clases de complejidad en términos de cuánto tiempo le tomaría a un solucionador computacional particular resolver el problema para una entrada determinada. Las más famosas de estas clases son probablemente Polynomial-Time (P) y Nondeterministic Polynomial-Time (NP), como en "¿P = NP?" Esto probablemente esté mejor cubierto por CSTheory que CogSci, pero con suerte proporciona un lugar para comenzar a buscar.
También puede ser útil estudiar el trabajo de Herbert Simon, aunque cubrir sus extensas contribuciones a la complejidad y la resolución de problemas está más allá del alcance de esta respuesta.