Search

Text comprehension subsumes different processes, some of which are often implemented unconsciously. Inferences are part of these unconscious mechanisms and constitute deductions carried out by the reader while reading a text. However, these processes are often not made explicit and stay implicit even for the reader himself. Starting from the text comprehension process and the classification of inferences, this paper suggests a method for detecting and analysing these mechanisms in pre-school age; it also aims to highlight which inferences are drawn most easily by children of preschool age.

open, Probabilistic forecasting is a common task. The usual approach assumes a fixed structure for the outcome distribution, often called model, that depends on unseen quantities called parameters. It uses data to infer a reasonable distribution over these latent values. The inference step is not always straightforward, because single-value can lead to poor performances and overfitting while handling a proper distribution with MCMC can be challenging. Variational Inference (VI) is emerging as a viable optimisation based alternative that models the target posterior with instrumental variables called variational parameters. However, VI usually imposes a parametric structure on the proposed posterior. The thesis's first contribution is Hierarchical Variational Inference (HVI) a methodology that uses Neural Networks to create semi-parametric posterior approximations with the same minimum requirements as Metropolis-Hastings or Hamiltonian MCMC. The second contribution is a Python package to conduct VI on time-series models for mean-covariance estimate, using HVI and standard VI techniques combined with Neural Networks. Results on econometric and financial data show a consistent improvement using VI, compared to point estimate, obtaining lower variance forecasting., Prevedere la probabilità di eventi futuri è un problema comune. L'approccio più utilizzato assume una struttura fissa per questa probabilità, detta modello, dipendente da variabili latenti dette parametri. Dopo aver osservato dei dati è possibile inferire una distribuzione per queste variabili non osservabili. Il procedimento di inferenza non è sempre immediato, siccome selezionare un singolo valore per i parametri potrebbe portare a scarsi risultati, mentre approssimare una distribuzione usando MCMC potrebbe essere complicato. L'inferenza variazionale (VI) sta ricevendo una crescente attenzione come alternativa per approssimare la distribuzione a posteriori tramite un problema di ottimo. Tuttavia, VI spesso impone una struttura parametrica alla distribuzione proposta. Il primo contributo della tesi, detto Hierarchical Variational Inference (HVI), è una metodologia che utilizza reti neurali per creare un'approssimazione semi-parametrica della distribuzione a posteriori. HVI richiede gli stessi requisiti minimi di un Metropolis-Hastings o di un Hamiltonian MCMC, per essere applicata. Il secondo contributo è un pacchetto Python per l'inferenza variazionale su serie storiche usando modelli media-covarianza. Questo utilizza HVI e tecniche di VI standard combinate con reti neurali. I risultati sperimentali, su dati econometrici e finanziari, mostrano un consistente miglioramento della previsione usando VI, rispetto a stime puntuali dei parametri, in particolare producendo stimatori con minor variabilità., 0, open, Bolzoni, M

Prevedere la probabilità di eventi futuri è un problema comune. L'approccio più utilizzato assume una struttura fissa per questa probabilità, detta modello, dipendente da variabili latenti dette parametri. Dopo aver osservato dei dati è possibile inferire una distribuzione per queste variabili non osservabili. Il procedimento di inferenza non è sempre immediato, siccome selezionare un singolo valore per i parametri potrebbe portare a scarsi risultati, mentre approssimare una distribuzione usando MCMC potrebbe essere complicato. L'inferenza variazionale (VI) sta ricevendo una crescente attenzione come alternativa per approssimare la distribuzione a posteriori tramite un problema di ottimo. Tuttavia, VI spesso impone una struttura parametrica alla distribuzione proposta. Il primo contributo della tesi, detto Hierarchical Variational Inference (HVI), è una metodologia che utilizza reti neurali per creare un'approssimazione semi-parametrica della distribuzione a posteriori. HVI richiede gli stessi requisiti minimi di un Metropolis-Hastings o di un Hamiltonian MCMC, per essere applicata. Il secondo contributo è un pacchetto Python per l'inferenza variazionale su serie storiche usando modelli media-covarianza. Questo utilizza HVI e tecniche di VI standard combinate con reti neurali. I risultati sperimentali, su dati econometrici e finanziari, mostrano un consistente miglioramento della previsione usando VI, rispetto a stime puntuali dei parametri, in particolare producendo stimatori con minor variabilità., Probabilistic forecasting is a common task. The usual approach assumes a fixed structure for the outcome distribution, often called model, that depends on unseen quantities called parameters. It uses data to infer a reasonable distribution over these latent values. The inference step is not always straightforward, because single-value can lead to poor performances and overfitting while handling a proper distribution with MCMC can be challenging. Variational Inference (VI) is emerging as a viable optimisation based alternative that models the target posterior with instrumental variables called variational parameters. However, VI usually imposes a parametric structure on the proposed posterior. The thesis's first contribution is Hierarchical Variational Inference (HVI) a methodology that uses Neural Networks to create semi-parametric posterior approximations with the same minimum requirements as Metropolis-Hastings or Hamiltonian MCMC. The second contribution is a Python package to conduct VI on time-series models for mean-covariance estimate, using HVI and standard VI techniques combined with Neural Networks. Results on econometric and financial data show a consistent improvement using VI, compared to point estimate, obtaining lower variance forecasting.

The objective of this research was to analyze critical thinking skills from a strategic approach in university students from the state of Zulia, Venezuela, being important the use by the teacher of active and dynamic methodologies that favor the motivationnecessary for students to be willing to build new learning. The theory that underpins the study is based on Morales (2020), Muñoz, Barrientos, Araya and Reyes (2019), Solórzano and López (2019), Rodríguez (2014), Facione (2007), among others. Under the positivist paradigm with quantitative methodology, a descriptive research was assumed with a non-experimental, transectional, field design. The population is made up of 54 subjects, twenty-seven teachers and twenty-seven students in the third semester of education. The data were collected through a questionnaire with 9 items of multiple response alternatives, aimed at teaching staff and reoriented at students, which was evaluated by consulting seven experts; reliability through Cronbach's Alpha coefficient reflected a score of r= 0.97. It was concluded that university teachers fail to support students in the development of verbal reasoning skills, disfavoring decision making and problem solving., L'obiettivo di questa ricerca era di analizzare le capacità di pensiero critico da un approccio strategico negli studenti universitari dello stato di Zulia, Venezuela, essendo importante l'uso da parte dell'insegnante di metodologie attive e dinamiche che favoriscano la motivazione necessaria affinché gli studenti siano disposti a costruire nuovo apprendimento. La teoria alla base dello studio si basa su Morales (2020), Muñoz, Barrientos, Araya e Reyes (2019), Solórzano e López (2019), Rodríguez (2014), Facione (2007), tra gli altri. Secondo il paradigma positivista con metodologia quantitativa, si è ipotizzata una ricerca descrittiva con un disegno di campo non sperimentale, transezionale. La popolazione è composta da 54 soggetti, ventisette insegnanti e ventisette studenti del terzo semestre di istruzione. I dati sono stati raccolti attraverso un questionario con 9 item a risposta multipla alternativa, rivolto al personale docente e riorientato agli studenti, che è stato valutato consultando sette esperti; l'affidabilità attraverso il coefficiente Alpha di Cronbach rifletteva un punteggio di r= 0,97. Si è concluso che i docenti universitari non riescono a supportare gli studenti nello sviluppo delle capacità di ragionamento verbale, sfavorendo il processo decisionale e la risoluzione dei problemi., El objetivo de esta investigación fue analizar las habilidades de pensamiento crítico desde un enfoque estratégico en estudiantes universitarios del estado Zulia, Venezuela, siendo importante el uso por parte del docente, de metodologías activas y dinámicas favorecedoras de la motivación necesaria para que los estudiantes estén dispuestos a construir nuevos aprendizajes. La teoría que fundamenta el estudio se basa en Morales (2020), Muñoz, Barrientos, Araya y Reyes (2019), Solórzano y López (2019), Rodríguez (2014), Facione (2007), entre otros. Bajo el paradigma positivista con metodología cuantitativa se asumió una investigación de tipo descriptiva con un diseño no experimental, transeccional, de campo. La población la integran 54 sujetos, veintisiete docentes y veintisiete estudiantes del tercer semestre de educación. Los datos fueron recolectados mediante un cuestionariocon9 ítems de alternativas de respuestas múltiples, dirigido al personal docente y reorientado a estudiantes, el mismo evaluado mediante la consulta a siete expertos; la confiabilidad mediante el coeficiente Alfa de Cronbach, reflejó un puntaje de r= 0.97. Se concluyó que los docentes universitarios no logran apoyar a los estudiantes en el desarrollo de habilidades el razonamiento verbal desfavoreciendo la toma de decisiones y la solución de problemas.

L'obiettivo di questo capitolo è quello di mostrare didatticamente come costruire un intervallo di confidenza per la media della popolazione in assenza di informazioni su sigma.