khatam.ac.ir
گردآوریِ دانشِ چگونه آموختن در فناوری آموزشی
متن ذیل، ترجمه مقالهای است با عنوان « Integrating the Science of How We Learn into Education Technology» که در هاروارد بیزینس ریویو(HBR) در اکتبر 2019 به قلم استیفن ام. کاسلین منتشر شده است(لینک اصلی مقاله)
خلاصه
بیش از یک قرن، محققان به طور خستگی ناپذیر تلاش کردهاند تا بفهمند انسان چگونه یاد می گیرد و به یاد می آورد. ادبیات علمی حاصل، هم از نظر دامنه و هم از نظر عمق، چشمگیر است. اما اغلب مشخص نیست که چگونه از این یافته ها در آموزش استفاده کنیم. اینجاست که فناوری می تواند کمک کند و فرصت های بزرگی را برای استفاده از علم یادگیری به روش های جدید باز کند. به عنوان مثال، از فناوریهای جدید میتوان برای ردیابی پیشرفت دانشآموزان در سطح بسیار دقیق، برای شخصیسازی یادگیری آنها در سطح مناسب استفاده کرد - به اصطلاح «نقطه طلایی، جایی که آنها آنقدر به چالش کشیده نمیشوند که ناامید شوند، و نه آنقدر کم که حوصله شان سر برود. برای استفاده از این فرصتها، باید نتایج یادگیری روشنی داشته باشیم، باید پیشرفت هر دانشآموز را در دستیابی به آن نتایج بهصورت کاملاً دقیق اندازهگیری کنیم، و باید به یادگیری فعال توجه کنیم. برای دستیابی به این اهداف، اساتید و مدیران باید تصمیم بگیرند که تدریس موفق یک هدف حیاتی است و مایل به اختصاص زمان، انرژی و منابع لازم برای دستیابی به آن باشند.
برای بیش از یکصد سال، محققان به طور خستگی ناپذیر تلاش کرده اند تا بفهمند انسان ها چگونه یاد می گیرند و به یاد میآورند.ادبیات علمیحاصل، هم از نظر دامنه و هم از نظر عمق، چشمگیر است. در واقع، اکنون آنقدر شناخت گسترش یافته که من شک دارم که هر انسانی بتواند تمام آنچه در این مورد نوشته شده را بخواند و فهم کند. با این حال، طنز غمانگیز آن است که اغلب مشخص نیست که چگونه از یافته های جملگی این تحقیقات در محیط های آموزشی استفاده کنیم.
استفاده از علم یادگیری برای بهبود آموزش با شناسایی برخی اصول کلی آغاز می شود. برخی از این اصول از خاصیتی در مغز ما نشأت میگیرند: هر چه اطلاعات را با شدت بیشتری پردازش کنیم، احتمال اینکه آنها را به خاطر بسپاریم بیشتر میشود. به عنوان مثال، قبل از اینکه شب بخوابید، آیا تا به حال متوجه شده اید که در مورد وقایع روز فکر می کنید؟ اگر چنین است، فکر میکنید چند درصد از آنچه را که به خاطر میآورید، در زمان وقوع رویداد سعی کردهاید به خاطر بسپارید؟ (در مقابل، چقدر بعداً به خاطر میآورید، بدون اینکه قبلاً سعی کرده باشید آن را حفظ کنید؟) وقتی این سوال را با تعداد زیادی از مردم در میان گذاشتم، معمولاً گزارش دادند که عمداً سعی کردهاند حداکثر یک دهم آنچه را که به یاد میآورند، در پایان روز بیاموزند.
بنابراین، بقیه آنچه به یاد می آوریم از کجا آمده است؟ پردازش عمیق صرف توجه کردن و اندیشیدن عمیق به چیزی، شما را به یادآوری آن سوق می دهد. بسیاری از چیزهایی که به یاد می آوریم صرفاً محصول جانبی توجه و فکر کردن در مورد آن چیزهاست.
این ویژگی کلی مغز ما به این معناست که اگر میخواهیم افراد چیزی را یاد بگیرند، باید آنها را وادار کنیم تا روی آن تمرکز کنند و ماهیت و پیامدهای آن را در نظر بگیرند. راههای زیادی برای دستیابی به این امر وجود دارد که از اصول خاص یادگیری که منعکسکننده روشهای خاصی برای تمرکز و پردازش اطلاعات هستند، برگرفته شدهاند. به عنوان مثال، یکی از آنها اصل دشواری مطلوب[1] نامیده میشود، که بیان میکند که افراد زمانی که به چالش کشیده میشوند، بهتر یاد میگیرند، نه آنقدر که ناامید شوند و نه آنقدر کم که حوصلهشان سر برود (بلکه به اصطلاح، در سطح درست) که «نقطه طلایی[2]» نامیده میشود. رساندن افراد به نقطه طلایی به این معنی است که ما آنها را وادار می کنیم تا آنجا که می توانند توجه و پردازش کنند و در نتیجه آن، میزان یادگیری را افزایش دهیم.
اما در اینجا یک مشکل وجود دارد: آنچه به عنوان سطح درست چالش به حساب می آید، برای افراد مختلف متفاوت است. چیزی که برای سام خیلی سخت است ممکن است برای سالی خیلی آسان باشد و بدتر از آن: آنچه که به عنوان سطح درست برای یک فرد به حساب میآید، بسته به اهمیت موضوع، متفاوت است (به طور کلی، هر چه بیشتر در مورد چیزی بدانید، آن مطلب به طور مؤثر، قبل از اینکه فراتر از ظرفیت شما برای پردازش به چالش کشیده شود، دشوارتر می شود).
با وجود این همه متغیر، همانطور که می توانید تصور کنید، به کارگیری این اصل در یک محیط کلاس درس سنتی چالش برانگیز است. اینجاست که فناوری می تواند برای استفاده از اصل دشواری مطلوب برای افزایش یادگیری تعداد زیادی از دانش آموزان، به طور همزمان، وارد عمل شود. اول، شما به راهی برای جمعآوری داده ها در مورد عملکرد دانش آموزان نیاز دارید. به عنوان مثال، دانشآموزان میتوانند پس از هر جلسه کلاس، در یک آزمون کوتاه شرکت کنند و سؤالات مسابقه فردی دقیقاً بر اساس تواناییهایی که آنها را امتحان میکنند، کدگذاری میشوند. این سکو، عملکرد هر دانش آموز را در یک سطح دانهبندی، دنبال می کند.
ثانیاً، میتوان گروههای کوچکی را طراحی کرد که به دانشآموزان اجازه دهند تا در یادگیری فعال شرکت کنند (مانند حل مسئله گروهی، ایفای نقش، و بحث). چنین یادگیری فعالی بارها نشان داده شده که تا حدی به این دلیل که باعث پردازش عمیق می شود، روشی بسیار مؤثر برای یادگیری است. به شکلی قابل نقد، هر فعالیت گروهی را می توان بر اساس شایستگیها طبقهبندی کرد. بنابراین، این سکو میتواند دانشآموزان را در سطوحی با قابلیت مقایسه توانایی مربوطه (برای آن فعالیت) تقسیمبندی کند.
سوم، هر یک از فعالیتهایی که دانشآموزان در گروههای تقسیمبندی شده انجام میدهند، میتواند «چند لایه[3]» باشد (و میتوان کم و بیش عمیق به این [چندلایگی] نزدیک شد). برای مثال، در درس زبان استعاری[4]، ممکن است از دانش آموزان خواسته شود که یک قطعه را بخوانند و تمام تشبیهات و استعاره ها را شناسایی کنند. در این مورد، ظرافت زبان میتواند متفاوت باشد، به طوری که برخی از دانش آموزان ممکن است تنها نمونههای واضح را تشخیص دهند، در حالی که برخی دیگر ممکن است نمونه های ظریفتر را نیز تشخیص دهند.
تعاملات اجتماعی درون هر گروه میتواند به گونهای طراحی شود که دانشآموزان (که در سطوح قابل مقایسه برای آن فعالیت انتخاب میشوند) را به تنظیم عمق پردازش اطلاعات مربوطه سوق دهند (برای جلوگیری از ملالآوری فعالیت، میتوان فعالیتهایی را [نیز] برای تشویق طراحی کرد). دانشآموزان یکدیگر را تشویق میکنند تا به نقطه طلایی جمعشان بروند. مقیاسپذیری این رویکرد بسیار خوب است و مؤلفه اجتماعی را که در یادگیری بسیار اهمیت دارد، در بر میگیرد.
واضح است که فناوری، فرصت های عظیمی را برای استفاده از دانش یادگیری به روش های جدید، پیش مینهد. برای استفاده از این فرصتها، باید نتایج یادگیری روشنی داشته باشیم، پیشرفت هر دانشآموز را در دستیابی به آن نتایج بهطور کاملاً دقیق اندازهگیری کنیم و باید به تمرکز بر یادگیری فعال تغییر جهت دهیم. برای دستیابی به این اهداف، اساتید و مدیران باید تصمیم بگیرند که تدریس موفق یک هدف حیاتی است و مایل به اختصاص زمان، انرژی و منابع لازم برای دستیابی به آن باشند.