Na publicação anterior, tomada de decisão 101, forneci evidências de que a atenção seletiva aos itens que foram recuperados na memória de trabalho era um fator importante para tomar boas decisões. Isso geralmente não reconheceu significado educacional. Raramente é material instrumental empacotado com conhecimento prévio de como ele pode ser otimizado em termos de redução da carga cognitiva da memória funcional. Nova pesquisa de um grupo de neurociência cognitiva no Reino Unido está demonstrando a importância particular que isso tem para aprender a classificar corretamente o novo material de aprendizagem. Eles mostram que a aprendizagem é mais eficaz quando a instrução é otimizada ("idealizada" em sua terminologia).
As decisões geralmente requerem categorizar novos estímulos, como normal / anormal, amigo / inimigo, útil / prejudicial, correto / errado ou mesmo atribuição a uma das opções de categoria múltipla. Estudar os alunos como fazer atribuições de categorias corretas normalmente é baseado em mostrar exemplos para cada categoria. Os problemas de categorização geralmente ocorrem quando o aprendizado é testado. Por exemplo, o teste comum de escolha múltipla nas escolas requer que seja tomada uma decisão em cada resposta potencial como correta ou errada.
Ao analisar a literatura sobre a otimização do treinamento, esses pesquisadores descobriram que uma abordagem que funciona é apresentar treinamento em uma ordem específica. Por exemplo, ao ensinar os alunos a classificar por categoria, as pessoas melhoram quando uma série de exemplos de uma categoria são apresentados em conjunto, seguido de uma série de exemplos contrastantes da outra categoria. Outras manipulações de pedidos são aprendidas melhor se casos simples e inequívocos em qualquer categoria forem apresentados juntos no início do treinamento, enquanto os casos mais difíceis e confusos são apresentados posteriormente. Esse treinamento fortalece o contraste entre as duas categorias.
O grupo britânico centrou-se no papel da memória funcional na aprendizagem. A ideia é que a ambiguidade durante o aprendizado é um problema. Em situações do mundo real que exigem uma identificação correta da categoria, as ambiguidades naturais dificultam as decisões corretas. Pense nessas ambiguidades como "ruído" cognitivo que interfere com o treinamento que é lembrado na memória de trabalho. Esse ruído bloqueia a codificação durante a aprendizagem e bloqueia o processo de pensamento e prejudica os rigorosos processos de pensamento que podem ser necessários para fazer uma distinção correta. No mundo real dos jovens na escola, outras fontes importantes de ruído cognitivo são os estímulos irrelevantes para a tarefa que resultam de hábitos multitarefa tão comuns nos estudantes de hoje.
A teoria é que, ao realizar uma tarefa aprendida, o aluno lembra o que foi ensinado na memória de trabalho. A memória de trabalho tem capacidade muito limitada, então qualquer "ruído" associado à aprendizagem inicial pode estar incompletamente codificado e o ruído lembrado também pode complicar o pensamento necessário para executar corretamente. Assim, a simplificação do material de aprendizagem deve reduzir as ambiguidades lembradas, diminuir a carga de memória de trabalho e permitir melhor raciocínio e desempenho de teste.
Um exemplo de otimização do aprendizado é o estudo de Hornsby e Love (2014) que aplicou o conceito para treinar pessoas sem treinamento médico prévio para decidir se uma determinada mamografia era normal ou cancerosa. Eles hipotetizaram que a aprendizagem seria mais eficiente se os alunos fossem treinados em mamografias que fossem facilmente identificadas como normais ou cancerígenas, e não incluíam exemplos em que a distinção não era tão óbvia. A premissa subjacente é que a tomada de decisões envolve lembrar exemplos passados do passado na memória de trabalho e acumulando a evidência para a categoria apropriada. Se os itens lembrados são ruidosos (ou seja, ambíguos), o ruído também se acumula e torna a decisão mais difícil. Assim, os alunos terão mais dificuldade se forem treinados em exemplos em toda a gama de possibilidades, de claramente evidente a obscuro do que se fossem treinados separadamente em exemplos que eram claramente evidentes como pertencendo a uma categoria ou outra.
Inicialmente, um grupo de alunos foi treinado em uma mistura completa de mamografias para que as imagens pudessem ser classificadas por dificuldade de diagnóstico como simples ou difíceis ou intermediários. Em cada experimento, três mamografias foram mostradas: a imagem esquerda era normal, a direita era cancerosa e o meio era o item de teste que exigia o diagnóstico de se era normal ou cancerígeno.
No experimento real, um grupo de alunos foi treinado para classificar um conjunto representativo de imagens fáceis, médias e difíceis, enquanto o outro grupo foi treinado apenas em amostras fáceis. Durante os ensaios de treinamento, os alunos examinaram as três mamografias, declararam seu diagnóstico para a imagem do meio e receberam comentários sobre se eles estavam certos ou errados. Depois de completar todos os 324 ensaios de treino, os participantes completaram 18 testes, que consistiam em três itens simples, médios e difíceis, previamente invisíveis, de cada categoria exibida em uma ordem aleatória. Os ensaios de teste seguiram o mesmo procedimento que os ensaios de treinamento.
Quando ambos os grupos foram testados em amostras em todo o intervalo em ambas as condições, o grupo otimizado foi melhor capaz de distinguir mamografias normais de cancerosas tanto em imagens fáceis como médias. Observe que o grupo otimizado não foi treinado em imagens médias. No entanto, nenhuma vantagem foi encontrada no caso de itens de teste difíceis; ambos os grupos fizeram muitos erros nos casos difíceis, e o treinamento otimizado produziu resultados mais pobres do que o treinamento regular.
Precisamos explicar por que essa estratégia não parece funcionar em casos difíceis. Eu suspeito que em casos fáceis e médios, não é necessário muito entendimento. É apenas uma questão de reconhecimento de padrões, facilitada porque o treinamento foi mais direto e menos ambíguo. O aluno está apenas fazendo associações visuais ocasionais. Para casos difíceis, um aluno deve conhecer e compreender os critérios necessários para fazer distinções. As diferenças sutis não são realizadas se os critérios de diagnóstico não forem explicitados no treinamento. Na prática médica real, muitas mamografias realmente não podem ser distinguidas pela inspeção visual – eles são realmente difíceis. São necessários outros testes de diagnóstico.
A premissa básica de tal pesquisa é que aprender objetos ou tarefas deve ser reduzido ao básico, eliminando informações estranhas e ambíguas, que constituem "ruído" que confunde a capacidade de fazer categorizações corretas.
Em situações de aprendizagem comuns, uma grande fonte de ruído é a informação estranha, como pormenores marginalmente relevantes. Reduzir esse ruído é alcançado por foco no princípio subjacente. Na verdade, eu me deparei com essa premissa básica de simplificação há mais de 50 anos, quando era estudante tentando otimizar minha própria aprendizagem. O que eu percebi foi a importância de abordar o princípio básico do que eu estava tentando aprender com material didático. Se entendesse um princípio, eu poderia usar esse entendimento para pensar em muitas das implicações e aplicações.
Em outras palavras, o princípio é: "não memorize mais do que você precisa". Use os princípios como forma de descobrir o que não foi memorizado. Uma vez que os princípios fundamentais são entendidos, grande parte da informação básica pode ser deduzida ou facilmente aprendida. Isso é semelhante à prática padrão de passar do geral para o específico. Mesmo assim, idéias gerais devem enfatizar os princípios.
Os livros de texto às vezes são bastante pobres a esse respeito. Muitos textos têm tanta informação acessória neles que devem ser pensados como livros de referência. É por isso que encontrei um bom mercado para meu livro de texto eletrônico de neurociência de nível universitário, "Idéias básicas na neurociência", em que cada capítulo de 2-3 páginas se baseia inteiramente em cada um dos 75 princípios fundamentais que cobrem o largo espaço da membrana bioquímica para a cognição humana .. Um livro de texto típico de neurociência por outros autores pode atingir até 1.500 páginas.
Fonte:
Hornsby, Adam e Love, BC (2014). Melhor classificação de mamografias após o treinamento idealizado. J. Appl. Res. Memória e Cognição. 3 (2): 72-76.
Dr. Klemm é professor sênior de neurociência no Texas A & M. Seus últimos livros são Memory Power 101, (Skyhorse) e Mental Biology (Prometheus). Ele também escreve blogs de aprendizagem e memória. Suas postagens possuem cerca de 1,5 milhão de visualizações de leitores.
