Sisällysluettelo:

Oppimisen perusteet: mikä auttaa meitä oppimaan?
Oppimisen perusteet: mikä auttaa meitä oppimaan?

Video: Oppimisen perusteet: mikä auttaa meitä oppimaan?

Video: Oppimisen perusteet: mikä auttaa meitä oppimaan?
Video: Elon Musk - TLDRDEEP 2024, Huhtikuu
Anonim

How We Learn -kirjan kirjoittaja Stanislas Dean hahmotteli oppimisen neljä pilaria. Näitä ovat huomio, aktiivinen sitoutuminen, palaute ja lujittaminen. Luimme kirjan uudelleen ja tarkastelimme tarkemmin näitä ominaisuuksia ja niitä, jotka auttavat vahvistamaan niitä.

Kuva
Kuva

Huomio

Huomio ratkaisee yhden yleisen ongelman: tiedon ylikuormituksen. Aistit välittävät miljoonia bittejä tietoa joka sekunti. Ensimmäisessä vaiheessa neuronit käsittelevät näitä viestejä, mutta syvällisempi analyysi on mahdotonta. Huomiomekanismien pyramidi pakotetaan suorittamaan valikoivaa lajittelua. Jokaisessa vaiheessa aivot päättävät, kuinka tärkeä tietty viesti on, ja kohdistavat resursseja sen käsittelemiseen. Oikea valinta on onnistuneen oppimisen edellytys.

Opettajan tehtävänä on jatkuvasti ohjata ja herättää oppilaiden huomio. Kun kiinnität huomiota opettajan juuri lausumaan vieraaseen sanaan, se pysyy muistissasi. Tiedostamattomat sanat pysyvät aistijärjestelmien tasolla.

Amerikkalainen psykologi Michael Posner tunnistaa kolme pääasiallista huomiojärjestelmää:

  1. hälytys- ja aktivointijärjestelmä, joka määrittää, milloin kiinnittää huomiota;

  2. orientaatiojärjestelmä, joka kertoo, mitä etsiä;
  3. ohjausjärjestelmä, joka määrittää, kuinka vastaanotettu tieto käsitellään.

Huomiohallinta voidaan liittää "keskeytymiseen" (keskittymiseen) tai "itsehallintaan". Executive Control kehittyy, kun prefrontaalinen aivokuori muodostuu ja kypsyy elämämme kahdenkymmenen ensimmäisen vuoden aikana. Plastisuutensa ansiosta tätä järjestelmää voidaan parantaa esimerkiksi kognitiivisten tehtävien, kilpailutekniikoiden, pelien avulla.

Osallistuminen

Passiivinen organismi oppii vähän tai ei ollenkaan. Tehokas oppiminen edellyttää sitoutumista, uteliaisuutta ja aktiivista hypoteesien luomista ja testaamista.

Yksi aktiivisen osallistumisen perusteista on uteliaisuus – sama tiedon jano. Uteliaisuutta pidetään kehon perusvoimana: liikkeellepanevana voimana, joka ajaa toimintaa, kuten nälkää tai turvallisuuden tarvetta.

Psykologit William Jamesista Jean Piagetiin ja Donald Hebbiin ovat pohtineet uteliaisuuden algoritmeja. Heidän mielestään uteliaisuus on "suora osoitus lapsen halusta oppia maailmasta ja rakentaa sen mallia".

Uteliaisuus herää heti, kun aivomme havaitsevat ristiriidan sen välillä, mitä jo tiedämme ja mitä haluaisimme tietää.

Uteliaisuuden kautta ihminen pyrkii valitsemaan toimia, jotka täyttävät tämän tiedon aukon. Päinvastoin on tylsyys, joka menettää nopeasti kiinnostuksensa ja muuttuu passiiviseksi.

Samaan aikaan uteliaisuuden ja uutuuden välillä ei ole suoraa yhteyttä - uudet asiat eivät ehkä houkuttele meitä, mutta meitä houkuttelevat ne, jotka voivat täyttää tiedon aukot. Liian monimutkaiset käsitteet voivat myös olla pelottavia. Aivot arvioivat jatkuvasti oppimisen nopeutta; jos hän huomaa, että edistyminen on hidasta, kiinnostus menetetään. Uteliaisuus työntää sinut saavutettavimmille alueille, kun taas niiden houkuttelevuuden aste muuttuu koulutusprosessin kehittyessä. Mitä selkeämpi yksi aihe on, sitä suurempi on tarve löytää toinen.

Uteliaisuuden mekanismin käynnistämiseksi sinun on oltava tietoinen siitä, mitä et vielä tiedä. Tämä on metakognitiivinen kyky. Olla utelias tarkoittaa haluta tietää, jos haluat tietää, niin tiedät sen, mitä et vielä tiedä.

Palaute

Stanislas Deanin mukaan se, kuinka nopeasti opimme, riippuu saamamme palautteen laadusta ja tarkkuudesta. Tässä prosessissa tapahtuu jatkuvasti virheitä - ja tämä on täysin luonnollista.

Opiskelija yrittää, vaikka yritys olisi tuomittu epäonnistumaan, ja sitten virheen suuruuden perusteella miettii, kuinka tulosta parantaa. Ja tässä virheanalyysin vaiheessa tarvitaan oikeaa palautetta, joka usein sekoitetaan rangaistukseen. Tästä johtuen oppimisen torjuminen ja haluttomuus kokeilla jotain ylipäätään, koska opiskelija tietää, että häntä rangaistaan kaikista virheistä.

Kaksi amerikkalaista tutkijaa, Robert Rescorla ja Allan Wagner, esittivät viime vuosisadan 70-luvulla hypoteesin: aivot oppivat vain, jos ne näkevät kuilun sen välillä, mitä ne ennustavat ja mitä ne vastaanottavat. Ja virhe osoittaa tarkalleen missä odotukset ja todellisuus eivät kohtaa.

Tämä ajatus selittyy Rescorla-Wagnerin teorialla. Pavlovin kokeissa koira kuulee kellon soittoa, joka on aluksi neutraali ja tehoton ärsyke. Sitten tämä kello laukaisee ehdollisen refleksin. Koira tietää nyt, että ääni edeltää ruokaa. Näin ollen runsas syljeneritys alkaa. Rescorla-Wagner-sääntö ehdottaa, että aivot käyttävät aistisignaaleja (kellon tuottamia tuntemuksia) ennustaakseen seuraavan ärsykkeen (ruoan) todennäköisyyden. Järjestelmä toimii seuraavasti:

  • Aivot ennustavat laskemalla saapuvien aistisignaalien määrän.
  • Aivot havaitsevat eron ennusteen ja todellisen ärsykkeen välillä; ennustevirhe mittaa kuhunkin ärsykkeeseen liittyvän yllätyksen asteen.
  • Aivot käyttävät signaalia, virhettä, korjatakseen sisäisen esityksensä. Seuraava ennuste on lähempänä todellisuutta.

Tämä teoria yhdistää oppimisen pilarit: oppiminen tapahtuu, kun aivot poimivat sensorisia signaaleja (huomion kautta), käyttävät niitä ennustamiseen (aktiivinen sitoutuminen) ja arvioivat ennustuksen tarkkuuden (palaute).

Antamalla selkeää palautetta virheistä opettaja ohjaa opiskelijaa, eikä tällä ole mitään tekemistä rangaistuksen kanssa.

Oppilaille kertominen, että heidän olisi pitänyt tehdä näin eikä toisin, ei ole sama asia kuin sanoa heille: "Olet väärässä." Jos opiskelija valitsee väärän vastauksen A, palautteen antaminen muodossa: "Oikea vastaus on B" on kuin sanoisi: "Olet väärässä." On syytä selittää yksityiskohtaisesti, miksi vaihtoehto B on parempi kuin A, joten opiskelija itse tulee siihen tulokseen, että hän erehtyi, mutta samalla hänellä ei ole ahdistavia tunteita ja vielä enemmän pelkoa.

Konsolidointi

Opimmepa sitten kirjoittamaan koskettimistolla, soittamaan pianoa tai ajamaan autoa, liikkeemme ohjaavat aluksi etuotsakuori. Mutta toistamalla ponnistelemme yhä vähemmän, ja voimme tehdä nämä toimet samalla kun ajattelemme jotain muuta. Konsolidointiprosessi ymmärretään siirtymäksi hitaasta, tietoisesta tiedonkäsittelystä nopeaan ja tiedostamattomaan automatisointiin. Vaikka taito hallittaisiin, se vaatii tukea ja vahvistusta, kunnes se muuttuu automaattisesti. Jatkuvalla harjoittelulla ohjaustoiminnot siirtyvät motoriseen aivokuoreen, jossa automaattinen käyttäytyminen tallennetaan.

Automaatio vapauttaa aivoresursseja

Prefrontaalinen aivokuori ei pysty tekemään moniajoa. Niin kauan kuin aivomme keskeinen toimeenpanoelin on keskittynyt tehtävään, kaikki muut prosessit lykätään. Ennen kuin tietty toiminto on automatisoitu, se vaatii vaivaa. Konsolidointi antaa meille mahdollisuuden kanavoida arvokkaat aivoresurssit muihin asioihin. Uni auttaa tässä: joka yö aivomme lujittavat sen, mitä ne ovat vastaanottaneet päivän aikana. Uni ei ole toimettomuuden aikaa, vaan aktiivista työtä. Se käynnistää erityisen algoritmin, joka toistaa kuluneen päivän tapahtumat ja siirtää ne muistiimme.

Kun nukumme, jatkamme oppimista. Ja unen jälkeen kognitiivinen suorituskyky paranee. Vuonna 1994 israelilaiset tutkijat suorittivat kokeen, joka vahvisti tämän. Päivän aikana vapaaehtoiset oppivat havaitsemaan juovan tietyssä verkkokalvon kohdassa. Tehtävän suorituskyky kasvoi hitaasti, kunnes se saavutti tasangon. Heti kun tutkijat kuitenkin lähettivät koehenkilöt nukkumaan, he olivat yllätyksenä: seuraavana aamuna herätessä heidän tuottavuus kasvoi dramaattisesti ja pysyi tällä tasolla muutaman seuraavan päivän ajan, Stanislal Dean kuvaili. Se sanoi, että kun tutkijat herättivät osallistujat REM-unen aikana, parannusta ei tapahtunut. Tästä seuraa, että syvä uni edistää lujittamista, kun taas REM-uni edistää havainnointia ja motorisia taitoja.

Oppiminen on siis neljällä pilarilla:

  • huomio, vahvistamalla sitä tietoa, jolle se on suunnattu;
  • aktiivinen osallistuminen - algoritmi, joka kehottaa aivoja testaamaan uusia hypoteeseja;
  • palaute, jonka avulla ennusteita voidaan verrata todellisuuteen;
  • konsolidointi oppimamme automatisoimiseksi.

Suositeltava: