Дата публикации: 01.04.2024

Теория когнитивной нагрузки: оптимизация обучения с помощью алгоритмов решения задач и последовательности обучения

Аннотация

В статье дается краткий обзор теории когнитивной нагрузки, представляются результаты эмпирического исследования с использованием экспериментального дизайна: контрольная группа обучалась в соответствии с «традиционной» последовательностью, экспериментальная группа — в соответствии с принятой в проблемно-ориентированном обучении логикой. Результаты исследования подтверждают гипотезу об эффективности алгоритма решения задач, на их основе приводятся рекомендации по включению таких заданий в преподавание различных областей знаний.




Введение

Исследовательский и практический интерес к педагогическому дизайну растет, что во многом обусловлено отсутствием в процессе обучения в онлайн-среде личного контакта между обучающимися и преподавателем, а также ускорением темпов развития онлайн-образования. Улучшение качества педагогического дизайна невозможно без теоретического обоснования и глубокого понимания процессов обработки новой информации. Одной из научных парадигм, в рамках которой изучаются различные аспекты образовательного опыта и того, какие существуют взаимосвязи между педагогическими технологиями и обучением, является теория когнитивной нагрузки [26]. Указанная теория определяет механизмы обучения и факторы, которые оказывают влияние на когнитивную нагрузку и, как следствие, на процесс обучения [15]. Так, одним из механизмов, или эффектов, обучения, который способствует более эффективному обучению, является алгоритм решения задач [6]. Также известны различные подходы к последовательности представления учебных материалов и задач: в классической парадигме [5] преподаватель сначала объясняет новый материал, потом приводит примеры и дает задачу для самостоятельного решения. Другие подходы включают в себя проблемно-ориентированное и исследовательское обучение, когда занятие начинается с самостоятельного решения задачи [15].

На данный момент в исследованиях последовательности обучения имеются противоречивые данные [5] и, хотя эффективность использования алгоритмов решения задач была доказана эмпирически [9], остается открытым вопрос о применении этого инструмента при различных типах последовательности и его влиянии на когнитивную нагрузку. Кроме того, взаимодействие между теорией когнитивной нагрузки и алгоритмами решения задач при обучении гуманитарным наукам является недостаточно изученной областью, особенно в российской литературе.

Литературный обзор

Теория когнитивной нагрузки исследует различные типы когнитивной нагрузки, а также факторы, способствующие эффективной передаче информации из рабочей памяти в долговременную в процессе обучения [7]. Теория когнитивной нагрузки исходит из положений об ограничениях рабочей памяти человека [20]. Центральным компонентом теории когнитивной нагрузки является понятие взаимосвязанных элементов [27], отражающее количество элементов, которые человек обрабатывает в рабочей памяти одновременно. Предполагается, что при одинаковом числе взаимосвязанных элементов когнитивная нагрузка обучающегося остается неизменной независимо от способа представления этих элементов [5]. В то же время увеличение количества взаимосвязанных элементов может привести к росту нежелательной когнитивной нагрузки, когда само количество элементов превосходит возможности когнитивной обработки информации.

Список литературы

1. Leahy, W. Cognitive Load Theory, Resource Depletion and the Delayed Testing Effect / W. Leahy, J. Sweller // Educational Psychology Review. — 2019. — Vol. 31, № 2. — P. 457–478.
2. Wouters, P. How to optimize learning from animated models : A review of guidelines based on cognitive load / P. Wouters, F. Paas, J. J. G. van Merriënboer // Review of Educational Research. — 2008. — Vol. 78, № 3. — P. 645–675.
3. Sweller, J. Cognitive load theory and educational technology / J. Sweller // Education Technology Research Development. — 2020. — Vol. 68, № 1. — P. 1–16.
4. Sweller, J. Cognitive Architecture and Instructional Design : 20 Years Later / J. Sweller, J. J. G. van Merriënboer, F. Paas // Educational Psychology Review. — 2019. — Vol. 31, № 2. — P. 261–292.
5. Sweller, J. Cognitive Load Theory : Explorations in the Learning Sciences, Instructional Systems and Performance Technologies / J. Sweller, P. Ayres, S. Kalyuga. — New York : Springer, 2011. — 274 p.
6. Sweller, J. Natural Information Processing Systems / J. Sweller, S. Sweller // Evolutionary Psychology. — 2006. — Vol. 4, № 1. — P. 434–458.
7. Sweller, J. Cognitive load during problem solving : Effects on learning / J. Sweller // Cognitive Science. — 1988. — Vol. 12, № 2. — P. 257–285.
8. Sinha, T. When problem solving followed by instruction works : Evidence for productive failure / T. Sinha, M. Kapur // Review of Educational Research. — 2021. — Vol. 91, № 5. — P. 761–798.
9. Retnowati, E. Can collaborative learning improve the effectiveness of worked examples in learning mathematics? / E. Retnowati, P. Ayres, J. Sweller // Journal of Educational Psychology. — 2017. — Vol. 109, № 5. — P. 666–679.
10. Paas, F. Cognitive-load theory : Methods to manage working memory load in the learning of complex tasks / F. Paas, J. J. G. van Merriënboer // Current Directions in Psychological Science. — 2020. — Vol. 29, № 4. — P. 394–398.
11. Paas, F. Cognitive Load Theory and Instructional Design : Recent Developments / F. Paas, A. Renkl, J. Sweller // Educational Psychologist. — 2003. — Vol. 38, № 1. — P. 1–4.
12. Miller, G. A. The magical number seven, plus or minus two : Some limits on our capacity for processing information / G. A. Miller // Psychological Review. — 1956. — Vol. 63, № 2. — P. 81–97.
13. Merriënboer, J. J. G. van. Research on cognitive load theory and its design implications for e-learning / J. J. G. van Merriënboer, P. Ayres // Educational Technology Research and Development. — 2005. — Vol. 53, № 3. — P. 5–13.
14. Martin, A. J. Load reduction instruction policy / A. J. Martin, P. Evans // Building Better Schools with Evidence-based Policy / ed. by K. Allen [et al.]. — London, 2021. — P. 26–32.
15. Loibl, K. Towards a Theory of When and How Problem Solving Followed by Instruction Supports Learning / K. Loibl, I. Roll, N. Rummel // Educational Psychology Review. — 2017. — Vol. 29, № 4. — P. 693–715.
16. Abrahamson, D. Reinventing discovery learning: a field-wide research program / D. Abrahamson, M. Kapur // Instructional Science. — 2018. — Vol. 46, № 1. — P. 1–10. — <a href="https://doi.org/10.1007/s11251-017-9444-y" target="_blank">https://doi.org/10.1007/s11251-017-9444-y</a>
17. Lazonder, A. W. Meta-Analysis of Inquiry-Based Learning : Effects of Guidance / A. W. Lazonder, R. Harmsen // Review of Educational Research. — 2016. — Vol. 86, № 3. — P. 681–718.
18. Kirschner, P. A. Work : An analysis of the failure of constructivist, discovery, problembased, experiential, and inquiry-based teaching / P. A. Kirschner, R. E. Clark, J. Sweller // Educational Psychologist. — 2006. — Vol. 41, № 2. — P. 75–86.
19. Kalyuga, S. Cognitive Load Theory : How Many Types of Load Does It Really Need? / S. Kalyuga // Educational Psychology Review. — 2011. — Vol. 23, № 1. — P. 1–19.
20. Interleaving Worked Examples and Cognitive Tutor Support for Algebraic Modeling of Problem Situations / A. Corbett, S. Reed, B. Hoffman [et al.] // Proceedings of the Annual Meeting of the Cognitive Science Society. — Portland, 2010. — URL: <a href="https://es" target="_blank">https://es</a>
21. Hmelo-Silver, C. Scaffolding and Achievement in Problem-Based and Inquiry Learning : A Response to Kirschner, Sweller, and Clark (2006) / C. Hmelo-Silver, R. Duncan, C. Chinn // Educational Psychologist. — 2007. — Vol. 42, № 2. — P. 99–107.
22. Gog, T. van. Example-Based Learning : Integrating Cognitive and Social-Cognitive Research Perspectives / T. van Gog, N. Rummel // Educational Psychology Review. — 2010. — Vol. 22, № 2. — P. 155–174.
23. Gerjets, P. Designing instructional examples to reduce intrinsic cognitive load : Molar versus modular presentation of solution procedures / P. Gerjets, K. Scheiter, R. Catrambone // Instructional Science. — 2004. — Vol. 32, № 1. — P. 33–58.
24. Development of an instrument for measuring different types of cognitive load / J. Leppink, F. Paas, C. P. M. Van der Vleuten [et al.] // Behavioral Research Methods. — 2013. — Vol. 45, № 4. — P. 1058–1072.
25. Chen, X. Investigating the Effect of Agency on Learning from Worked Examples, Erroneous Examples and Problem Solving / X. Chen, A. Mitrovic, M. Mathews // International Journal of Artificial Intelligence in Education. — 2019. — Vol. 29, № 3. — P. 396–4
26. Chen, O. Exploring factors influencing the effectiveness of explicit instruction first and problem-solving first approaches / O. Chen, S. Kalyuga // European Journal of Psychology of Education. — 2020. — Vol. 35, № 3. — P. 607–624.
27. Chen, O. Element interactivity as a factor influencing the effectiveness of worked example-problem solving and problem solving-worked example sequences / O. Chen, E. Retnowati, S. Kalyuga // British Journal of Educational Psychology. — 2020. — Vol. 90,
28. Chen, O. When Instructional Guidance is Needed / O. Chen, S. Kalyuga, J. Sweller // The Educational and Developmental Psychologist. — 2016. — Vol. 33, № 2. — P. 149–162.
29. Instructional Visualizations, Cognitive Load Theory, and Visuospatial Processing / J. Castro-Alonso, P. Ayres, J. Sweller // Visuospatial Processing for Education in Health and Natural Sciences. — Cham, 2019. — P. 111–143.
30. Castro-Alonso, J.

Остальные статьи