Nel post precedente, il processo decisionale 101, ho fornito la prova che l'attenzione selettiva a elementi che sono stati recuperati nella memoria di lavoro sono stati un fattore importante nel prendere buone decisioni. Questo ha generalmente un significato educativo non riconosciuto. Raramente il materiale didattico è impacchettato con la prescienza di come può essere ottimizzato in termini di riduzione del carico cognitivo della memoria di lavoro. Una nuova ricerca da un gruppo di neuroscienze cognitive nel Regno Unito sta dimostrando l'importanza particolare che questo ha per imparare come classificare correttamente il nuovo materiale di apprendimento. Mostrano che l'apprendimento è più efficace quando l'istruzione è ottimizzata ("idealizzata" nella loro terminologia).
Le decisioni spesso richiedono la classificazione di nuovi stimoli, come normale / anormale, amico / nemico, utile / dannoso, giusto / sbagliato o addirittura l'assegnazione a una delle varie opzioni di categoria. Insegnare agli studenti come eseguire correttamente assegnazioni di categoria si basa in genere sulla visualizzazione di esempi per ciascuna categoria. I problemi di categorizzazione sorgono di routine quando l'apprendimento viene testato. Ad esempio, i test comuni a scelta multipla nelle scuole richiedono che venga presa una decisione su ogni risposta potenziale come giusta o sbagliata.
Nel riesaminare la letteratura sull'ottimizzazione della formazione, questi investigatori hanno scoperto che un approccio che funziona è quello di presentare la formazione in un ordine specifico. Ad esempio, insegnando agli studenti come classificare per categoria, le persone ottengono risultati migliori quando viene presentato un numero di esempi da una categoria seguito da un numero di esempi contrastanti dall'altra categoria. Altre manipolazioni degli ordini vengono apprese meglio se i casi semplici e non ambigui in entrambe le categorie vengono presentati insieme all'inizio della formazione, mentre i casi più difficili e più confusi vengono presentati in seguito. Tale formazione rafforza il contrasto tra le due categorie.
Il gruppo britannico si è concentrato sul ruolo della memoria di lavoro nell'apprendimento. La loro idea è che l'ambiguità durante l'apprendimento è un problema. Nelle situazioni del mondo reale che richiedono una corretta identificazione di categoria, le ambiguità naturali rendono difficili le decisioni corrette. Pensa a queste ambiguità come "rumore" cognitivo che interferisce con l'allenamento che viene richiamato nella memoria di lavoro. Questo rumore ingombra la codifica durante l'apprendimento e ingombra il processo di pensiero e altera i processi di pensiero rigorosi che possono essere necessari per fare una distinzione corretta. Nel mondo reale dei giovani a scuola, altre importanti fonti di disturbo cognitivo sono gli stimoli irrilevanti che derivano dalle abitudini multi-tasking così comuni negli studenti di oggi.
La teoria è che quando si esegue un compito appreso, lo studente ricorda ciò che è stato insegnato nella memoria di lavoro. La memoria di lavoro ha una capacità molto limitata, quindi qualsiasi "rumore" associato all'apprendimento iniziale può essere codificato in modo incompleto e il rumore ricordato può anche complicare il pensiero richiesto per funzionare correttamente. Pertanto, la semplificazione del materiale didattico dovrebbe ridurre le ambiguità ricordate, ridurre il carico di memoria di lavoro e consentire un miglior ragionamento e prestazioni del test.
Un esempio di ottimizzazione dell'apprendimento è lo studio di Hornsby and Love (2014) che ha applicato il concetto all'addestramento di persone senza un precedente training medico per decidere se una data mammografia fosse normale o cancerogena. Hanno ipotizzato che l'apprendimento sarebbe più efficace se gli studenti fossero formati su mammografie facilmente identificabili come normali o cancerogene e non includessero esempi in cui la distinzione non fosse così ovvia. La premessa di base è che il processo decisionale comporta il richiamo di esempi passati ricordati nella memoria di lavoro e l'accumulo di prove per la categoria appropriata. Se gli elementi ricordati sono rumorosi (cioè ambigui), il rumore si accumula e rende la decisione più difficile. Pertanto, gli studenti avranno più difficoltà se saranno addestrati su esempi attraverso l'intera gamma di possibilità, da evidenti a oscuri che se fossero addestrati separatamente su esempi chiaramente evidenti come appartenenti ad una categoria o ad un'altra.
Inizialmente un gruppo di studenti è stato addestrato su una gamma completa di mammografie in modo che le immagini possano essere classificate per difficoltà diagnostica come facile o difficile o intermedio. In ciascuna prova sono state mostrate tre mammografie: l'immagine a sinistra era normale, quella a destra era cancerogena e il mezzo era l'elemento di test che richiedeva una diagnosi se fosse normale o cancerogeno.
Nell'effettivo esperimento, un gruppo di studenti è stato addestrato a classificare un insieme rappresentativo di immagini facili, medie e dure, mentre l'altro gruppo è stato addestrato solo su campioni facili. Durante le prove di formazione, gli studenti hanno esaminato i tre mammografi, hanno dichiarato la loro diagnosi per l'immagine centrale e hanno ricevuto un feedback sul fatto che avessero ragione o torto. Dopo aver completato tutte le 324 prove di formazione, i partecipanti hanno completato 18 test, che consistevano in tre elementi inediti facili, medi e difficili di ogni categoria visualizzati in ordine casuale. Le prove di prova hanno seguito la stessa procedura delle prove di allenamento.
Quando entrambi i gruppi sono stati testati su campioni di tutta la gamma in entrambe le condizioni, il gruppo ottimizzato era in grado di distinguere meglio le mammografie normali da quelle cancerose sia nelle immagini facili che medie. Si noti che il gruppo ottimizzato non è stato addestrato su immagini medie. Tuttavia, nessun vantaggio è stato riscontrato nel caso di articoli di prova rigida; entrambi i gruppi hanno commesso molti errori nei casi difficili e una formazione ottimizzata ha prodotto risultati più scarsi rispetto alla formazione regolare.
Dobbiamo spiegare perché questa strategia non sembra funzionare su casi difficili. Sospetto che nei casi facili e medi non sia necessaria molta comprensione. È solo una questione di riconoscimento di schemi, reso più facile perché l'allenamento è stato più diretto e meno ambiguo. Lo studente sta solo creando associazioni visive casuali. Per i casi difficili, uno studente deve conoscere e comprendere i criteri necessari per fare distinzioni. Le sottili differenze non vengono realizzate se i criteri diagnostici non sono esplicitati nella formazione. Nella pratica medica attuale, molti mammogrammi non possono essere distinti dall'ispezione visiva: sono davvero difficili. Sono necessari altri test diagnostici.
La premessa di base di tale ricerca è che gli oggetti di apprendimento o il compito dovrebbero essere ridotti alle basi, eliminando informazioni estranee e ambigue, che costituiscono "rumore" che confonde la capacità di fare categorizzazioni corrette.
In situazioni di apprendimento comuni, una delle principali fonti di rumore sono le informazioni estranee, come i dettagli marginalmente rilevanti. La riduzione di questo rumore si ottiene concentrandosi sul principio sottostante. In realtà, mi sono imbattuto in questa premessa di base della semplificazione più di 50 anni fa, quando ero uno studente che cercava di ottimizzare il mio apprendimento. Quello che ho capito è stata l'importanza di puntare sul principio base di ciò che stavo cercando di imparare dal materiale didattico. Se capissi un principio, potrei usare quella comprensione per pensare a molte delle implicazioni e delle applicazioni.
In altre parole, il principio è: "non memorizzare più di quanto necessario". Utilizzare i principi come modo per capire cosa non è stato memorizzato. Una volta compresi i principi fondamentali, molte delle informazioni di base possono essere dedotte o facilmente apprese. Questo è simile alla pratica standard del passaggio dal generale allo specifico. Anche così, le idee generali dovrebbero enfatizzare i principi.
I libri di testo sono a volte piuttosto poveri in questo senso. Troppi testi contengono così tante informazioni ausiliarie che dovrebbero essere pensati come libri di riferimento. Questo è il motivo per cui ho trovato un buon mercato per il mio libro di testo di neuroscienza a livello universitario, "Core Ideas in Neuroscience", in cui ogni capitolo di 2-3 pagine si basa interamente su ciascuno dei 75 principi fondamentali che coprono l'ampia gamma di membrane biochimica alla cognizione umana .. Un tipico libro di neuroscienza di altri autori può contenere fino a 1.500 pagine.
Fonte:
Hornsby, Adam, and Love, BC (2014). Classificazione migliorata dei mammogrammi dopo un allenamento idealizzato. J. Appl. Res. Memoria e Cognizione. 3 (2): 72-76.
Il dott. Klemm è un professore di neuroscienze presso il Texas A & M. I suoi ultimi libri sono Memory Power 101, (Skyhorse) e Mental Biology (Prometheus). Scrive anche blog di apprendimento e memoria. I suoi post hanno circa 1,5 milioni di visualizzazioni di lettori.