Podstawy uczenia się: co nam pomaga w nauce?

2024 Autor: Seth Attwood | [email protected]. Ostatnio zmodyfikowany: 2024-01-07 16:28

Autor How We Learn, Stanislas Dean, nakreślił cztery filary uczenia się. Obejmują one uwagę, aktywne zaangażowanie, informacje zwrotne i konsolidację. Ponownie przeczytaliśmy książkę i omówiliśmy bardziej szczegółowo te cechy oraz to, co pomaga je wzmocnić.

Uwaga

Uwaga rozwiązuje jeden powszechny problem: przeładowanie informacji. Zmysły co sekundę przesyłają miliony bitów informacji. Na pierwszym etapie wiadomości te są przetwarzane przez neurony, ale głębsza analiza jest niemożliwa. Piramida mechanizmów uwagi zmuszona jest do sortowania selektywnego. Na każdym etapie mózg decyduje, jak ważna jest konkretna wiadomość i przydziela zasoby do jej przetworzenia. Właściwy dobór jest podstawą udanej nauki.

Zadaniem nauczyciela jest ciągłe kierowanie i przyciąganie uwagi uczniów. Kiedy zwracasz uwagę na obce słowo wypowiedziane przez nauczyciela, zostaje ono utrwalone w Twojej pamięci. Nieświadome słowa pozostają na poziomie systemów sensorycznych.

Amerykański psycholog Michael Posner wyróżnia trzy główne systemy uwagi:

1. system alarmowy i aktywacyjny, który określa, kiedy należy zwrócić uwagę;

2. system orientacji, który podpowiada, czego szukać;
3. system kontroli uwagi, który określa sposób przetwarzania otrzymanych informacji.

Zarządzanie uwagą może być związane z „skupieniem” (koncentracją) lub „samokontrolą”. Kontrola wykonawcza rozwija się wraz z formowaniem się i dojrzewaniem kory przedczołowej w ciągu pierwszych dwudziestu lat naszego życia. Ze względu na swoją plastyczność system ten można udoskonalać np. za pomocą zadań poznawczych, technik rywalizacji, gier.

Uwikłanie

Bierny organizm uczy się niewiele lub wcale. Skuteczne uczenie się obejmuje zaangażowanie, ciekawość oraz aktywne generowanie i testowanie hipotez.

Jednym z fundamentów aktywnego zaangażowania jest ciekawość – to samo pragnienie wiedzy. Ciekawość jest uważana za podstawowy popęd ciała: siłę napędową działania, taką jak głód czy potrzeba bezpieczeństwa.

Psychologowie, od Williama Jamesa po Jeana Piageta i Donalda Hebba, zastanawiali się nad algorytmami ciekawości. Ich zdaniem ciekawość jest „bezpośrednim przejawem chęci dziecka do poznawania świata i budowania jego modelu”.

Ciekawość pojawia się, gdy tylko nasz mózg wykryje rozbieżność między tym, co już wiemy, a tym, co chcielibyśmy wiedzieć.

Poprzez ciekawość człowiek stara się wybrać działania, które wypełnią tę lukę w wiedzy. Przeciwieństwem jest nuda, która szybko traci zainteresowanie i staje się pasywna.

Jednocześnie nie ma bezpośredniego związku między ciekawością a nowością – może nie pociągają nas nowe rzeczy, ale przyciągają nas te, które mogą wypełnić luki w wiedzy. Koncepcje, które są zbyt złożone, mogą również onieśmielać. Mózg nieustannie ocenia szybkość uczenia się; jeśli stwierdzi, że postęp jest powolny, traci zainteresowanie. Ciekawość popycha do najbardziej dostępnych obszarów, a stopień ich atrakcyjności zmienia się wraz z rozwojem procesu edukacyjnego. Im jaśniejszy jest jeden temat, tym większa potrzeba znalezienia innego.

Aby uruchomić mechanizm ciekawości, musisz być świadomy tego, czego jeszcze nie wiesz. To jest zdolność metapoznawcza. Być dociekliwym oznacza chcieć wiedzieć, jeśli chcesz wiedzieć, to wiesz, czego jeszcze nie wiesz.

Sprzężenie zwrotne

Według Stanislas Dean to, jak szybko się uczymy, zależy od jakości i dokładności otrzymywanych informacji zwrotnych. W tym procesie ciągle pojawiają się błędy - i to jest absolutnie naturalne.

Uczeń próbuje, nawet jeśli próba jest skazana na niepowodzenie, a następnie, w oparciu o wielkość błędu, zastanawia się, jak poprawić wynik. I na tym etapie analizy błędów potrzebna jest poprawna informacja zwrotna, która często mylona jest z karą. Z tego powodu pojawia się odrzucenie nauki i niechęć do próbowania czegoś w ogóle, bo uczeń wie, że za każdy błąd zostanie ukarany.

Dwóch amerykańskich badaczy, Robert Rescorla i Allan Wagner, wysunęli w latach 70. ubiegłego wieku hipotezę: mózg uczy się tylko wtedy, gdy widzi lukę między tym, co przewiduje, a tym, co otrzymuje. A błąd wskazuje dokładnie, gdzie oczekiwania i rzeczywistość się nie pokrywały.

Ideę tę wyjaśnia teoria Rescorli-Wagnera. W eksperymentach Pawłowa pies słyszy bicie dzwonka, który początkowo jest neutralnym i nieskutecznym bodźcem. Wtedy ten dzwonek wyzwala odruch warunkowy. Pies wie, że dźwięk poprzedza jedzenie. W związku z tym zaczyna się obfite wydzielanie śliny. Reguła Rescorla-Wagner sugeruje, że mózg wykorzystuje sygnały czuciowe (wrażenia generowane przez dzwonek) do przewidywania prawdopodobieństwa późniejszego bodźca (jedzenia). System działa w następujący sposób:

• Mózg przewiduje, obliczając ilość przychodzących sygnałów sensorycznych.
• Mózg wykrywa różnicę między prognozą a rzeczywistym bodźcem; błąd przewidywania mierzy stopień zaskoczenia związany z każdym bodźcem.
• Mózg wykorzystuje sygnał, błąd, aby poprawić swoją wewnętrzną reprezentację. Następna prognoza będzie bliższa rzeczywistości.

Teoria ta łączy w sobie filary uczenia się: uczenie się następuje, gdy mózg odbiera sygnały sensoryczne (poprzez uwagę), wykorzystuje je do przewidywania (aktywne zaangażowanie) i ocenia dokładność tych przewidywań (informacje zwrotne).

Zapewniając jasną informację zwrotną na temat błędów, nauczyciel prowadzi ucznia, a to nie ma nic wspólnego z karą.

Mówienie uczniom, że powinni byli to zrobić, a nie inaczej, nie jest tym samym, co powiedzenie im: „Mylisz się”. Jeśli uczeń wybierze złą odpowiedź A, to przekazanie informacji zwrotnej w formie: „Prawidłowa odpowiedź to B” jest jak powiedzenie: „Myliłeś się”. Należy szczegółowo wyjaśnić, dlaczego opcja B jest lepsza niż A, aby sam uczeń doszedł do wniosku, że się mylił, ale jednocześnie nie będzie miał opresyjnych uczuć, a tym bardziej lęku.

Konsolidacja

Niezależnie od tego, czy uczymy się pisać na klawiaturze, grać na pianinie, czy prowadzić samochód, nasze ruchy są początkowo kontrolowane przez korę przedczołową. Ale poprzez powtarzanie wkładamy coraz mniej wysiłku i możemy wykonywać te czynności, myśląc o czymś innym. Proces konsolidacji rozumiany jest jako przejście od powolnego, świadomego przetwarzania informacji do szybkiej i nieświadomej automatyzacji. Nawet gdy umiejętność jest opanowana, wymaga wsparcia i wzmocnienia, dopóki nie stanie się automatyczna. Dzięki ciągłej praktyce funkcje kontrolne są przekazywane do kory ruchowej, gdzie rejestrowane jest automatyczne zachowanie.

Automatyzacja uwalnia zasoby mózgu

Kora przedczołowa nie jest zdolna do wielozadaniowości. Dopóki centralny organ wykonawczy naszego mózgu jest skupiony na zadaniu, wszystkie inne procesy są odkładane. Dopóki pewna operacja nie zostanie zautomatyzowana, wymaga wysiłku. Konsolidacja pozwala nam skierować nasze cenne zasoby mózgu na inne rzeczy. Tutaj pomaga sen: każdej nocy nasz mózg konsoliduje to, co otrzymał w ciągu dnia. Sen nie jest okresem bezczynności, ale aktywną pracą. Uruchamia specjalny algorytm, który odtwarza wydarzenia minionego dnia i przenosi je do komory naszej pamięci.

Kiedy śpimy, kontynuujemy naukę. A po śnie poprawia się sprawność poznawcza. W 1994 roku izraelscy naukowcy przeprowadzili eksperyment, który to potwierdził. „W ciągu dnia ochotnicy nauczyli się wykrywać smugę w określonym punkcie siatkówki. Wydajność zadania powoli rosła, aż osiągnęła poziom plateau. Jednak gdy tylko naukowcy wysłali badanych do snu, czekała ich niespodzianka: kiedy obudzili się następnego ranka, ich wydajność dramatycznie wzrosła i pozostała na tym poziomie przez kilka następnych dni”- opisał Stanislal Dean. To powiedziawszy, kiedy naukowcy obudzili uczestników podczas snu REM, nie było żadnej poprawy. Wynika z tego, że sen głęboki sprzyja konsolidacji, podczas gdy sen REM promuje zdolności percepcyjne i motoryczne.

Tak więc nauka opiera się na czterech filarach:

• uwagę, zapewniając wzmocnienie informacji, do której jest kierowana;
• aktywne zaangażowanie – algorytm, który skłania mózg do testowania nowych hipotez;
• feedback, który umożliwia porównanie prognoz z rzeczywistością;
• konsolidacja w celu zautomatyzowania tego, czego się nauczyliśmy.