Теория когнитивной нагрузки: как легко освоить сложные навыки

Почему обучение требует усилий? Почему мы с трудом учимся вычислять, но легко осваиваем родной язык? Как легко научиться сложным навыкам? Теория когнитивной нагрузки — эффективная система, основанная на знаниях психологии, отвечает на эти вопросы. Теория когнитивной нагрузки была разработана в 80-е годы психологом Джоном Свеллером. Она стала главным принципом, лежащим в основе процессов обучения. В […] …

Почему обучение требует усилий? Почему мы с трудом учимся вычислять, но легко осваиваем родной язык? Как легко научиться сложным навыкам? Теория когнитивной нагрузки — эффективная система, основанная на знаниях психологии, отвечает на эти вопросы.

Теория когнитивной нагрузки была разработана в 80-е годы психологом Джоном Свеллером. Она стала главным принципом, лежащим в основе процессов обучения. В этом эссе дается объяснение  теории, основные ее прогнозы и потенциальные способы применения на практике.

Почему учиться сложно?

Главная идея теории когнитивной нагрузки в том, что наши возможности усваивать новую информацию ограничены, но при работе с ранее усвоенным материалом таких преград нет.

Скажем, когда вы впервые увидели алгебраическое выражение (например, 4 + x = 7), вас, вероятно, озадачил «x». Идея переменной, возможно, показалась странной, так как до этого вам приходилось вычислять только то, что находится справа от знака равенства.

Однако, обратите внимание, был момент который вас не смутил: вы уже знали цифры. И вы знали, что означает знак «+». Эти вещи даже не выделялись особо, поскольку вы их уже понимали. А теперь представьте, насколько сложнее было бы понять алгебру, не зная цифр.

Этот феномен объясняет, почему мы справляемся с трудными задачами. Предположим, у нас не хватает основательных моделей в долговременной памяти. В этом случае обучение может потребовать от нас жонглирования слишком многими фактами одновременно. Они ускользнут из рабочей памяти, и мы не усвоим новую информацию.

Почему некоторые вещи изучаются без усилий?

Система рабочей памяти — это форма сознательного обучения. Но не всякое обучение является таким. Психологи давно изучают способность детей к идеальному произношению звуков родного языка или умение распознавать лица. Люди приобщаются к культуре, при этом не всегда могут озвучить конкретные правила, принятые в сообществе.

Сторонники теории когнитивной нагрузки утверждают, что мы эволюционно предрасположены к тому, чтобы усваивать определенные модели информации. Некоторые из этих навыков и понятий усваиваются без умственных усилий.

Другие навыки (такие как грамотность и счет) появились сравнительно недавно, и у нас нет врожденных механизмов обучения им. Вместо этого мы приобретаем эти навыки, полагаясь на те, что в нас уже заложены природой (вероятно, способность распознавать буквы задействует те же участки головного мозга, которые отвечают за способность различать лица), а также более общие способы обучения, включающие умственные усилия.

Эта разница и позволяет объяснить, почему некоторым вещам мы учимся, не прилагая усилий, а на некоторые уходят годы специальной подготовки.

Три типа когнитивной нагрузки

Теория когнитивной нагрузки различает три разных требования, которые предъявляются к ограниченным способностям нашей рабочей памяти любым обучением:

  1. Внутренняя когнитивная нагрузка — совокупное внимание, необходимое для того, чтобы усвоить материал, который будет помещен в долговременную память.
  2. Внешняя когнитивная нагрузка — необязательные факторы, отвлекающие внимание от процесса обучения. Очевидные вещи, которые сжирают объем рабочей памяти, такие как работающий телевизор на заднем плане, делают процесс обучения более сложным. Но внешняя нагрузка также включает в себя лишние умственные усилия, которые тратятся на изучение предмета. Плохо организованные учебные материалы могут увеличивать умственные усилия. В качестве примера можно привести необходимость перелистывать страницы, чтобы понять диаграмму, или вычисление закономерностей, которые можно было просто объяснить.
  3. Релевантная когнитивная нагрузка — усилия, улучшающие результат обучения, но не являющиеся строго необходимыми, чтобы усвоить материал. Некоторые виды релевантной нагрузки включают объяснение самому себе и повторение изученного. Это также требует усилий, но увеличивает способность легко вспомнить изученное в дальнейшем.

Сначала мне показалось, что релевантная когнитивная нагрузка сбивает с толку. Если чрезмерная когнитивная нагрузка мешает обучению, то не является ли категория «релевантной» нагрузки просто хитрым способом объяснить, что иногда это не так?

Не совсем так. У рабочей памяти фиксированный объем. Если внутренняя нагрузка занимает все доступное пространство, любой дополнительный материал является вредным. Но если количество нагрузки на рабочую память не приближается к максимуму, то «свободный» объем можно использовать для деятельности, углубляющей обучение.

Рассмотрим вариативную практику, когда навык отрабатывается с расширенным кругом задач и в разных ситуациях. Это сложнее, чем учиться чему-либо, решая однотипные задачи. И в то же время, есть доказательства, что вариативная практика ведет к лучшим знаниям и передаче информации.

Однако, все преимущества обучения вариативной практики могут быть получены только тогда, когда когнитивная нагрузка еще не исчерпала свой объем. В противном случае предпочтительнее использовать простые формы обучения.

Ключевые исследования в теории когнитивной нагрузки

За последние несколько десятилетий теория когнитивной нагрузки в результате экспериментов обогатилась множеством интересных эффектов с броскими названиями. Вот несколько из них:

1. Эффект отработанного примера

Традиционно в обучении математике основное внимание уделяется тому, чтобы учащиеся решали задачи, это помогает хорошо усвоить материал. Свеллер и Купер выступили против этой идеи, показав, что изучение отработанных примеров (задач с подробными решениями) зачастую более эффективно.

С тех пор отработанные примеры стали мощным инструментом во многих областях. Обоснование заключается в том, что решение задач — это деятельность, требующая больших познавательных усилий. Она создает много посторонней нагрузки, и труднее сосредоточиться на общем процессе решения.

Свеллер и Купер, конечно, согласны с тем, что практика полезна. Но они выступают за то, чтобы сначала показать много примеров. Согласно их модели, нужно показать несколько примеров решения, чтобы учащиеся могли делать по образцу. И, наконец, практика без доступных решений становится полезной, когда материал усвоен достаточно хорошо, чтобы усилия по его поиску были релевантной нагрузкой, а не просто излишней.

2. Эффект отсутствия цели

Одна из причин, почему проблему сложно решить, заключается в том, что вам постоянно приходится помнить о цели, насколько далеко вы продвинулись, какие следующие шаги нужно предпринять на пути. Это создает большую когнитивную нагрузку, которая усложняет процесс решения.

Если исключить явную цель задачи, то можно уменьшить когнитивную нагрузку. Например, классическая задачка тригонометрии — это найти определенный угол. В «отсутствии конкретной цели» можно попросить учащихся найти как можно больше углов.

Исследования показывают, что задачи без конкретной цели на раннем этапе процесса обучения приводят к лучшему усвоению материала, что соответствует теории когнитивной нагрузки.

Недостатком этого эффекта является то, что если возможных действий слишком много, то большинство из них не принесет никакой пользы. Решение задачи по геометрии с несколькими неизвестными полезно. Но изучение программирования путем случайного ввода команд — нет. Эффект проработанного примера, как правило, служит более универсальным инструментом, поскольку позволяет не угадывать, а изучать полезные закономерности.

3. Эффект разделенного внимания

Когнитивная нагрузка возникает не только в процессе решения задач. Плохо организованные учебные материалы увеличивают нагрузку, распыляя внимание учащегося.

Процесс обучения идет легче, если для понимания информации не требуется дополнительных усилий.

4. Эффект обратного действия

Теория когнитивной нагрузки утверждает, что для новичков, впервые получающих информацию, отработанный пример гораздо лучше, чем решение задачи. Но интересно, что этот эффект меняется на противоположный по мере накопления опыта.

Одно из объяснений — избыточность. Если шаблон решения уже хранится в долгосрочной памяти, то осмысление отработанного примера мало чем поможет. В этом случае гораздо лучше извлечь ответ непосредственно из памяти, чем вновь решать пример.

Другое объяснение заключается в том, что если проблемы достаточно легко решаются, то проработанный пример не вызывает глубоких процессов. Само по себе решение задачи является релевантной нагрузкой, сродни поиску решения.

Применение теории когнитивной нагрузки в процессе обучения

Основное применение теории когнитивной нагрузки — это разработка учебных программ. Как следует преподавать предмет, чтобы студенты эффективно усваивали знания? Теория когнитивной нагрузки отдает предпочтение прямому обучению, быстрой обратной связи и применению на практике.

Однако в процессе учебы нам часто просто дают учебные материалы. Что мы можем сделать, чтобы оптимизировать когнитивную нагрузку, если идеальные объяснения и ресурсы для изучения не всегда доступны?

Вот несколько предложений:

1. Изучите примеры до того, как решать задачи.

Хотя зачастую единственным путем может быть «разобраться, что и как», это может затруднить усвоение ключевых понятий. Есть несколько инструментов, которые вы можете использовать в процессе обучения, чтобы было легче:

  • Поищите примеры в сети. Множество сайтов предлагают подробные инструкции и примеры решения распространенных задач.
  • Ищите сборники задач с решениями. Это было важной частью моей программы MIT Challenge. Подробные сборники задач с решениями позволяют переключаться между изучением шагов отработанного примера и самостоятельной практикой. Такой подход, как правило, выигрывает у инструкций, которые просто на общем уровне объясняют решение задачи (и опускают конкретику рабочего примера). Это также позволяет вам перейти к самостоятельному решению задач, когда вы хорошо усвоите материал.
  • Объясняйте самому себе выполненную работу, после того как получили обратную связь по домашней работе. В традиционном обучении ответы предоставляются только после того, как вы выполнили работу самостоятельно. В этом случае получив решения, потратьте время на то, чтобы подробно объяснить себе решение задач, которые показались вам сложными. Такое объяснение — это релевантная когнитивная нагрузка, которая гарантирует, что полученная обратная связь будет полезной.

Такой подход можно использовать не только в математических дисциплинах. Когда я учился живописи, я максимально использовал видеоуроки, где работал над тем же изображением, что и преподаватель. Обычно я сначала самостоятельно просматривал видео, а уже потом смотрел второй раз, выполняя все действия вместе с учителем.

2. Если тема сбивает с толку, прорабатывайте основы

По моему опыту, модель обучения Фейнмана работает главным образом за счет замедления процессов. Концепция может показаться запутанной во время лекции, потому что важнейшие положения не сформулированы четко, или пропущены промежуточные шаги. Пройдя через объяснение самостоятельно, вы сможете понять, где именно запутались.

Сложные занятия — это те, в которых ваша когнитивная нагрузка стремится к максимуму. Иногда это приводит к путанице. Вовремя поймать этот момент и проработать его — большая часть успеха обучения. И поскольку то, что вы упустили на раннем этапе, часто используется в дальнейшем, это может привести к тому, что время обучения будет потрачено зря.

3. Готовьтесь заранее и отрабатывайте навыки

Теория когнитивной нагрузки особенно важна в тех областях, где есть много интерактивных элементов. Это значит, что есть множество элементов информации, которые необходимо разложить по полочкам, чтобы решить проблему. А у человека наоборот могут быть серьезные проблемы с этим. В этом случае информации может быть действительно много, но она вряд ли понадобится вся и сразу.

В математике и естественных науках множество таких элементов, поэтому владение ими считается признаком высокого интеллекта. Рабочая память тоже связана с уровнем интеллекта, обладатели большой рабочей памяти могут оперировать немного большим количеством данных. И хотя это дает относительно скромное преимущество в краткосрочной перспективе, более легкое изучение базовых понятий становится значительным преимуществом в долгосрочной перспективе.

Если вы испытываете сложности с большим количеством интерактивных элементов, то лучше всего вернуться назад и отработать базовые навыки. Это поможет вам более свободно ориентироваться в отдельных элементах и освободит рабочую память для усвоения новых тем.