Im vorherigen Post, Decision-making 101, habe ich bewiesen, dass selektive Aufmerksamkeit für Artikel, die in das Arbeitsgedächtnis zurückgeholt wurden, ein wichtiger Faktor für gute Entscheidungen waren. Dies hat im Allgemeinen eine pädagogische Bedeutung nicht erkannt. In seltenen Fällen ist Unterrichtsmaterial mit Vorwissen darüber gepackt, wie es im Hinblick auf die Verringerung der kognitiven Arbeitsgedächtnislast optimiert werden kann. Neue Forschungsergebnisse einer Gruppe kognitiver Neurowissenschaften in Großbritannien zeigen, wie wichtig es ist, zu lernen, wie neues Lernmaterial korrekt kategorisiert werden kann. Sie zeigen, dass Lernen effektiver ist, wenn der Unterricht optimiert wird ("idealisiert" in ihrer Terminologie).
Entscheidungen erfordern oft die Kategorisierung neuer Reize, wie normal / abnormal, Freund / Feind, hilfreich / schädlich, richtig / falsch oder sogar die Zuordnung zu einer von mehreren Kategorieoptionen. Das Unterrichten von Schülern, wie man korrekte Kategorienzuweisungen durchführt, basiert normalerweise darauf, Beispiele für jede Kategorie zu zeigen. Kategorisierungsfragen treten routinemäßig auf, wenn das Lernen getestet wird. Zum Beispiel erfordert der allgemeine Multiple-Choice-Test in Schulen, dass zu jeder möglichen Antwort eine Entscheidung als richtig oder falsch getroffen wird.
Bei der Überprüfung der Literatur zur Optimierung des Trainings fanden diese Forscher Berichte, dass ein Ansatz, der funktioniert, das Training in einer bestimmten Reihenfolge darstellt. Wenn Sie zum Beispiel den Schülern beibringen, wie sie nach Kategorie einzustufen sind, schneiden die Menschen besser ab, wenn eine Reihe von Beispielen aus einer Kategorie zusammen präsentiert werden, gefolgt von einer Reihe von gegensätzlichen Beispielen aus der anderen Kategorie. Andere Ordnungsmanipulationen werden besser erlernt, wenn einfache, unzweideutige Fälle in beiden Kategorien zu Beginn des Trainings zusammen vorgestellt werden, während die härteren, verwirrenderen Fälle im Anschluss vorgestellt werden. Ein solches Training stärkt den Kontrast zwischen den beiden Kategorien.
Die britische Gruppe hat sich auf die Rolle des Arbeitsgedächtnisses beim Lernen konzentriert. Ihre Idee ist, dass Mehrdeutigkeit beim Lernen ein Problem ist. In realen Situationen, die eine korrekte Kategorieidentifizierung erfordern, erschweren natürlich auftretende Mehrdeutigkeiten korrekte Entscheidungen. Stellen Sie sich diese Mehrdeutigkeiten als kognitiven "Lärm" vor, der das Training beeinträchtigt, das in das Arbeitsgedächtnis zurückgerufen wird. Dieses Rauschen verstopft die Codierung während des Lernens und überlagert den Denkprozess und beeinträchtigt die rigorosen Denkprozesse, die nötig sind, um eine korrekte Unterscheidung zu treffen. In der realen Welt der Jugendlichen in der Schule sind andere wichtige Quellen des kognitiven Rauschens die aufgabenunrelevanten Stimuli, die von den heute bei Schülern so häufig anzutreffenden Multitasking-Gewohnheiten herrühren.
Die Theorie besagt, dass der Schüler bei der Ausführung einer erlernten Aufgabe erinnert, was im Arbeitsgedächtnis gelernt wurde. Der Arbeitsspeicher hat eine sehr begrenzte Kapazität, so dass jegliches "Rauschen", das mit dem anfänglichen Lernen verbunden ist, unvollständig codiert ist und das erinnerte Geräusch das Denken erschweren kann, das zur korrekten Ausführung erforderlich ist. Daher sollte die Vereinfachung von Lernmaterial die Anzahl der erinnerten Mehrdeutigkeiten verringern, die Arbeitsspeicherlast verringern und eine bessere Argumentation und Testleistung ermöglichen.
Ein Beispiel für die Optimierung des Lernens ist die Studie von Hornsby and Love (2014), die das Konzept auf die Schulung von Personen ohne vorherige medizinische Ausbildung anwandte, um zu entscheiden, ob ein bestimmtes Mammogramm normal oder krebsartig war. Sie stellten die Hypothese auf, dass Lernen effizienter wäre, wenn die Schüler in Mammogrammen geschult würden, die leicht als normal oder krebsartig identifiziert werden könnten, und sie enthielten keine Beispiele, bei denen die Unterscheidung nicht so offensichtlich war. Die zugrundeliegende Prämisse ist, dass Entscheidungsfindung beinhaltet, erinnerte Vergangenheit Beispiele in Arbeitsgedächtnis und sammeln die Beweise für die entsprechende Kategorie. Wenn die erinnerten Gegenstände laut sind (dh mehrdeutig), sammelt sich auch das Geräusch und erschwert die Entscheidung. Daher werden die Lernenden mehr Schwierigkeiten haben, wenn sie an Beispielen über die gesamte Bandbreite der Möglichkeiten von klar ersichtlich bis unklar unterrichtet werden, als wenn sie getrennt an Beispielen trainiert würden, die eindeutig als in die eine oder andere Kategorie gehörend zu erkennen sind.
Zu Beginn wurde eine Gruppe von Lernenden an einer umfassenden Mischung von Mammogrammen trainiert, so dass die Bilder nach diagnostischen Schwierigkeiten als leicht oder schwer oder dazwischen klassifiziert werden konnten. Bei jedem Versuch wurden drei Mammogramme gezeigt: das linke Bild war normal, das rechte war kanzerös und das mittlere war das Testobjekt, das eine Diagnose erforderte, ob es normal oder krebsartig war.
In dem tatsächlichen Experiment wurde eine Studentengruppe ausgebildet, um eine repräsentative Menge von einfachen, mittleren und harten Bildern zu klassifizieren, während die andere Gruppe nur an einfachen Proben trainiert wurde. Während des Trainings studierten die Lernenden die drei Mammogramme, gaben ihre Diagnose für das mittlere Bild an und erhielten dann eine Rückmeldung, ob sie richtig oder falsch waren. Nach Abschluss aller 324 Trainingsversuche absolvierten die Teilnehmer 18 Testversuche, die aus drei bisher nicht gesehenen leichten, mittleren und harten Gegenständen aus jeder Kategorie in zufälliger Reihenfolge bestanden. Testversuche folgten dem gleichen Verfahren wie Trainingsversuche.
Wenn beide Gruppen an Proben über den Bereich unter beiden Bedingungen getestet wurden, war die optimierte Gruppe besser in der Lage, normale und kanzeröse Mammogramme sowohl in den leichten als auch in den mittleren Bildern zu unterscheiden. Beachten Sie, dass die optimierte Gruppe nicht auf mittleren Bildern trainiert wurde. Bei harten Testobjekten wurde jedoch kein Vorteil gefunden; Beide Gruppen machten viele Fehler in den schweren Fällen, und optimiertes Training ergab schlechtere Ergebnisse als reguläres Training.
Wir müssen erklären, warum diese Strategie in schwierigen Fällen nicht funktioniert. Ich vermute, dass in leichten und mittleren Fällen nicht viel Verständnis erforderlich ist. Es ist nur eine Frage der Mustererkennung, die dadurch erleichtert wird, dass das Training einfacher und weniger zwiespältig ist. Der Lernende macht nur beiläufig visuelle Assoziationen. In schwierigen Fällen muss ein Lerner die Kriterien kennen und verstehen, die für die Unterscheidung erforderlich sind. Die feinen Unterschiede bleiben unerkannt, wenn im Training keine diagnostischen Kriterien explizit gemacht werden. In der tatsächlichen medizinischen Praxis können viele Mammogramme tatsächlich nicht durch visuelle Inspektion unterschieden werden – sie sind wirklich schwer. Andere Diagnosetests sind erforderlich.
Die grundlegende Prämisse einer solchen Forschung ist, dass Lernobjekte oder Aufgaben auf die Grundlagen reduziert werden sollten, um überflüssige und mehrdeutige Informationen zu eliminieren, die "Rauschen" darstellen, das die Fähigkeit zur korrekten Kategorisierung verfälscht.
In allgemeinen Lernsituationen ist eine Hauptquelle von Störgeräuschen eine unwesentliche Information, wie beispielsweise ein marginal relevantes Detail. Die Reduzierung dieses Lärms erfolgt durch Fokussierung auf das zugrunde liegende Prinzip. Tatsächlich stieß ich vor über 50 Jahren auf diese grundlegende Prämisse der Vereinfachung, als ich als Student versuchte, mein eigenes Lernen zu optimieren. Was ich erkannte, war die Wichtigkeit, das Grundprinzip dessen, was ich aus dem Unterrichtsmaterial zu lernen versuchte, herauszufinden. Wenn ich ein Prinzip verstehe, könnte ich dieses Verständnis verwenden, um zu vielen der Implikationen und Anwendungen durchzudenken.
Mit anderen Worten, das Prinzip lautet: "Merken Sie sich nicht mehr, als Sie müssen." Verwenden Sie die Prinzipien, um herauszufinden, was nicht auswendig gelernt wurde. Sobald die Kernprinzipien verstanden sind, können viele grundlegende Informationen abgeleitet oder leicht erlernt werden. Dies entspricht der üblichen Praxis, vom Allgemeinen zum Spezifischen überzugehen. Trotzdem sollten allgemeine Ideen Prinzipien betonen.
Lehrbücher sind in dieser Hinsicht manchmal ziemlich schlecht. Zu viele Texte enthalten so viele Zusatzinformationen, dass sie als Nachschlagewerke gedacht sind. Aus diesem Grund habe ich einen guten Markt für mein elektronisches Lehrbuch auf Hochschulebene, "Core Ideas in Neuroscience", gefunden, in dem jedes 2-3-seitige Kapitel vollständig auf jedem der 75 Kernprinzipien basiert, die den weiten Bereich der Membran abdecken Biochemie zur menschlichen Kognition. Ein typisches neurowissenschaftliches Lehrbuch anderer Autoren kann bis zu 1.500 Seiten umfassen.
Quelle:
Hornsby, Adam und Liebe, BC (2014). Verbesserte Klassifizierung von Mammogrammen nach idealisiertem Training. J. Appl. Res. Gedächtnis und Erkenntnis. 3 (2): 72-76.
Dr. Klemm ist Senior Professor für Neurowissenschaften an der Texas A & M. Seine neuesten Bücher sind Memory Power 101, (Skyhorse) und Mentale Biologie (Prometheus). Er schreibt auch Lern- und Gedächtnisblogs. Seine Beiträge haben fast 1,5 Millionen Leseransichten.
