Αρχάριος προς Έμπειρος

Ένας τρόπος να σκεφτούμε για τη μάθηση είναι στο πλαίσιο της προόδου από το στάσιο του αρχάριου σε αυτό του ειδικού. Οι μαθητές ξεκινούν γενικά ως αρχάριοι σε ένα θέμα και, ως εκπαιδευτικοί, προσπαθούμε να τους μεταφέρουμε σε μεγαλύτερο επίπεδο εμπειρογνωσίας. Οι περισσότεροι μαθητές δεν θα γίνουν ειδικοί, αλλά εργαζόμαστε για να τους βοηθήσουμε συνεχίσουν και να αποκτήσουν επιδεξιότητα.

Πώς αναπτύσσεται η εμπειρογνωσία; «Η εμπειρογνωσία αναπτύσσεται καθώς οι μαθητές συνδυάζουν με ακρίβεια τις απλές ιδέες σε πολύπλοκες.» (Van Merrienboer & Sweller, 2010). Αυτή η πολυπλοκότητα αντικατοπτρίζεται στο σχήμα που διατηρείται στη μακρόχρονη μνήμη μας (π.χ. νοητικά μοντέλα, δίκτυα, κυκλώματα). Για παράδειγμα, ένα νήπιο μπορεί να αποκαλεί κάθε ζώο «σκυλί». Ένα σκυλί είναι ένα σκυλί, μια γάτα είναι ένα σκυλί, μια αγελάδα είναι ένα σκυλί. Το νήπιο έχει ένα πολύ απλό σχήμα του ζώου και του σκύλου – π.χ. ένα μη ανθρώπινο ον με τέσσερα πόδια και τρίχωμα. Καθώς το νήπιο αποκτά εμπειρία, αρχίζει να βελτιώνει το σχήμα του για τα ζώα και τους τύπους ζώων. Εάν δίνει ιδιαίτερη προσοχή, μπορεί να διακρίνει σκύλους, γάτες και αγελάδες.

Ωστόσο, δεν αρκεί μόνο η κατασκευή ενός σχήματος. «Μια καλά σχεδιασμένη διδασκαλία δεν πρέπει μόνο να ενθαρρύνει την κατασκευή σχήματος, αλλά και να υποστηρίζει την αυτοματοποίηση σχημάτων για εκείνες τις πτυχές που είναι σταθερές μεταξύ εργασιών» (Van Merrienboer & Sweller, 2010). Η εμπειρογνωσία αναπτύσσεται καθώς οι μαθητές συνδυάζουν με ακρίβεια τις απλές ιδέες σε πολύπλοκες και έτσι, αυτά τα σχήματα αυτοματοποιούνται. Για παράδειγμα, με μια ματιά, ένας ειδικός μπορεί να πει τη ράτσα του σκύλου και πιθανώς την ηλικία του, τη σωματική του υγεία και την ψυχική του κατάσταση. Ο αυτοματισμός είναι ζωτικής σημασίας για την εμπειρογνωσία, να εξελίσσεσαι από το να γνωρίζεις κάτι στο να το κάνεις και από την εκτέλεση μιας φοράς στην συστηματική εκτέλεση . Ο Anders Ericsson είναι ερευνητής στην επιστήμη της εμπειρογνωσίας. Μελετά με ποιο τρόπο οι άνθρωποι γίνονται ειδικοί σε διάφορους τομείς όπως το σκάκι, τη μουσική και το αθλητισμό. Ο Ericsson δηλώνει ότι, «το κλειδί για τη βελτίωση της νοητικής επίδοσης σχεδόν οποιουδήποτε είδους είναι η ανάπτυξη νοητικών δομών που καθιστούν δυνατή την αποφυγή των περιορισμών της βραχύχρονης μνήμης και την αποτελεσματική αντιμετώπιση μεγάλων ποσοτήτων πληροφοριών ταυτόχρονα» (Ericsson, 2016) .

Εικόνα 18.1. Schema automation is an important part of learning

Όλοι μας έχουμε περιορισμένο διαθέσιμο χώρο στη μνήμη εργασίας. Πόσο; Περίπου τέσσερις μονάδες. Αλλά ένας ειδικός μπορεί να επεξεργαστεί πολύ περισσότερες πληροφορίες ταυτόχρονα. Πώς ξεπερνούν οι ειδικοί τα όρια της βραχύχρονης μνήμης Σε ποιες νοητικές δομές αναφέρεται ο Ericsson; Πιστεύεται ότι ακόμη και ένα πολύ περίπλοκο σχήμα μπορεί να είναι ένα μόνο στοιχείο στη μνήμη εργασίας, γεγονός που μας επιτρέπει να επεξεργαστούμε περισσότερες πληροφορίες ταυτόχρονα (Van Merrienboer & Sweller, 2010). «Η ποσότητα των πληροφοριών που μπορούν να κρατηθούν εξαρτάται σε μεγάλο βαθμό από το εάν τα στοιχεία μπορούν να ομαδοποιηθούν σε μονάδες με νόημα ή «κομμάτια». Δηλαδή, συγκεντρώνοντας πληροφορίες μαζί, μπορεί κανείς να εκμεταλλευτεί προϋπάρχουσες πληροφορίες σχετικά με έννοιες που έχουν ήδη αποθηκευτεί στη μακρόχρονη μνήμη, η οποία επιτρέπει πιο αποτελεσματική αποθήκευση στη μνήμη εργασίας, πιθανώς μειώνοντας τον αριθμό των ενεργών στοιχείων που πρέπει να διατηρηθούν στη μνήμη εργασίας» ( Eriksson et al., 2015). Οι μονάδες της μνήμης εργασίας είναι μια εννοιολογική απλοποίηση. Ένας άλλος τρόπος να το σκεφτούμε είναι ότι έχουμε περιορισμένο αριθμό γνωστικών πόρων και διανέμουμε αυτούς τους πόρους μεταξύ των πραγμάτων που προσέχουμε και επεξεργαζόμαστε. Εάν το σχήμα δεν είναι αυτοματοποιημένο, μπορεί να χρησιμοποιήσει όλους τους πόρους όταν ενεργοποιηθεί χωρίς να υπάρχουν διαθέσιμοι πόροι για την επεξεργασία νέων πληροφοριών. Όσο περισσότερο αυτοματοποιημένο είναι το σχήμα, τόσο λιγότεροι πόροι χρησιμοποιούνται και τόσο περισσότεροι είναι οι διαθέσιμοι πόροι για οποιαδήποτε νέα πληροφορία παρουσιάζεται μπροστά μας. «Η ευκαιρία για αξιοποίηση είτε της μακρόχρονης μνήμης είτε ομαδοποίησης τείνει να αυξάνει την επίδοση, ενώ η απαίτηση για αναφορά πολύ μικρών λεπτομερειών περίπλοκων αντικειμένων τείνει να μειώνει την απόδοση» (Eriksson et al., 2015). Εν ολίγοις, πρέπει να δημιουργούμε σχήματα, αλλά πρέπει επίσης να υποστηρίζουμε τον αυτοματισμό (αυξημένη απόδοση) των σχημάτων που χρειάζεται να χρησιμοποιούμε συχνά.

Τα ακόλουθα αποσπάσματα από τους Eriksson, Prietula και Cokely (2007) απεικονίζουν την αλληλεπίδραση του σχήματος, τη μνήμη εργασίας και την απόδοση των ειδικών. «Οι μονάδες της μνήμης εργασίας είναι παρόμοιες σε όλους μας. Αλλά η πολυπλοκότητα του σχήματος που μπορούμε να εφαρμόσουμε στην κατάσταση που βλέπουμε μπροστά μας θα διαφέρει σημαντικά και αυτό μπορεί σε μεγάλο βαθμό να προβλέψει την επίδοση.» Οι συγγραφείς παρέχουν ένα παράδειγμα από το σκάκι:

«Ένας παίκτης διερευνά όλες τις δυνατότητες για την επόμενη κίνηση του, σκέφτεται τις συνέπειες της κάθε κίνησης και σχεδιάζει την ακολουθία των κινήσεων που μπορεί να ακολουθήσουν. Όλα αυτά απαιτούν μνήμη εργασίας – οι πληροφορίες για την υποστήριξη αυτών των διαδικασιών πρέπει να διατηρούνται στη μνήμη εργασίας. Ένας ειδικός έχει παίξει τόσες πολλές φορές που έχει δει την ίδιο ακριβώς ή τουλάχιστον πολύ παρόμοιες διατάξεις πιονιών στο παρελθόν. Έχει συζητήσει σχετικά με τις συνέπειες των πιθανών κινήσεων και μπορεί να σχεδιάσει τις επόμενες κινήσεις και σενάρια πολύ μακρύτερα στο μέλλον (συχνά έως το τέλος του παιχνιδιού) ενισχύοντας την ικανότητά του να κάνει μια αποτελεσματική επιλογή για τη συγκεκριμένη κίνηση. Για έναν αρχάριο, υπάρχουν πολλές πληροφορίες που πρέπει να ληφθούν, ξεκινώντας από τη θέση των πιονιών, τους κανόνες του παιχνιδιού, τους στόχους – αυτά θέτουν όριο στο πόσο μακριά μπορεί να σχεδιάσει ο παίκτης όταν σκέφτεται την επόμενη κίνηση του. Περισσότεροι πόροι μνήμης εργασίας δαπανώνται για πληροφορίες που δεν χρειάζεται καν να σκεφτεί ένας ειδικός. Αυτό επηρεάζει σημαντικά την ικανότητα εκτέλεσης.»

Έτσι, οι μαθητές όχι μόνο πρέπει να κάνουν συνδέσεις και να τις κάνουν πιο μόνιμες, αλλά πρέπει επίσης να εργαστούν για την αυτοματοποίηση αυτών που θα χρησιμοποιούνται συχνά. Αυτό που διαφοροποιεί συχνά έναν ειδικό από έναν αρχάριο είναι ο αριθμός των αυτοματοποιημένων εργασιών, που τους επιτρέπει να ελευθερώνουν περισσότερους πόρους για νέες πληροφορίες.

Αναφορές

Αρχάριος προς Έμπειρος
  • Van Merriënboer, J. J., & Sweller, J. (2010). Cognitive load theory in health professional education: design principles and strategies. Medical education, 44(1), 85-93.
  • Ericsson, A., & Pool, R. (2016). Peak: Secrets from the new science of expertise. Houghton Mifflin Harcourt.
  • Eriksson, J., Vogel, E. K., Lansner, A., Bergström, F., & Nyberg, L. (2015). Neurocognitive architecture of working memory. Neuron, 88(1), 33-46.
  • Ericsson, K. A., Prietula, M. J., & Cokely, E. T. (2007 July-August). The Making of an Expert. Retrieved from https://hbr.org/2007/07/the-making-of-an-expert