降低認知負擔(CLT),增強學習效率!

減輕認知壓力,學習更有效率!


前言

  • CLT 理論認為有 3 種類型的認知負荷:
    1. 內部認知負荷:學習元素間的交互作用。可以類比為學習者自己腦中的小劇場,是學習材料與學習者領域知識的互動。(e.g. 學到的「分配律」知識和「交換律」知識在腦中互動,像是比較兩者之異同,並與以前學過的數學法則互動)
    2. 外部認知負荷:來自外界教材的認知負荷。
    3. 有效認知負荷:透過教學的設計來吸引學習者專注在學習過程,雖然會增加認知負荷,但這是對建立長期記憶有相當的幫助。(順帶一提,有效認知負荷算是一種外部認知負荷,但屬於特別有效的那種)

→ 原則:3 種總負荷不超過學習者個體能承受的認知負荷(負荷值因人而異),

重點 — 透過設計降低認知負擔

  • 只要開始學習,認知就開始「負擔」了。
  • 工作記憶相當有限,只有 7 +- 2 的 Chunk 可以記住事物。(【發想】大腦一次只能處理1個「chunk」的任務
    • 更「悲慘」的是,雖然人腦短期可以記住 7 +- 2 的東西,但一次只能「有效地」處理一件事。(記憶體可以記住 7 +- 2 組工作 ,但 CPU 一次只能拿一組工作出來執行,從記憶體的 stack 後進先出取得工作記憶)
    • 因此,降低學習時的無效認知負擔會是首要任務,把過程中不必要的資訊屏除,新東西一次學習一部分(最好是 5 項以內)就好。

⭐ 所以,該怎麼透過 CLT 理論來設計課程,以有效提高學習效果?

  1. 我們知道,首要的是降低無效的「外部認知負擔」,可以透過「降低隨機變化」來做(by MBA 智庫的 Sample)
    1. 梯度式問題:跟上面的做法「相反」,把複雜的問題切成子問題,再切成子子問題…。這樣可以讓學習者的「關注點」分離,一次學會一個問題,把 N * N * N … 的可能性,個別解決後,就能降低為 N + N + N … 的變化可能性。
    2. 避免冗余:同一個概念若用太多表達方式呈現,反而會造成認知負擔。研究發現,圖片搭配語音,會比圖片搭配文字的學習績效來得更好。
  2. 此外,增加「有效負荷」也是個好辦法:
    1. 減少 Chunk:整合的訊息優於分散訊息,像是一整張豐富資訊的圖文並茂圖表,優於資訊零散的個別訊息。 → 關注在一整張圖會讓負荷加重,但可以「更有效」提高資訊 Schema 建立。
    2. 促進有效的「相關認知負荷」:圖片搭配聽覺,兩個感官加重了負荷,卻可以更有效學習。
    3. 適當的示例做引導,適當範圍內自由答題:給一個足夠清楚的範例,再讓學習者依照其範例的 context 做自由發揮。 (e.g. 設計一個新型 OK 蹦,讓其變得比現在「更好用」,範例為鉛筆的痛點產生了自動鉛筆的發明改良。 → 先定義何謂更好用,先從原本使用的需求痛點著手,再從這個利基點著手進行設計發想。)

舉例

  • 資訊融入教學中的認知負荷,提出各項認知負荷的教材設計方式。

應用

回顧自己進公司後的學習歷程

為什麼短時間內無法熟悉公司產品的後端系統? → 認知負擔太大

(雖然現在還是不太能獨立作業,但至少知道怎麼依樣畫葫蘆,當初連葫蘆長怎樣都有障礙。)

  • 後端語言 → 不熟,佔去 5 個以上的工作 Chunk
  • 服務架構 → 不熟
  • 語言框架 → 不熟
  • DDD 概念 → 不熟

→ 順整個流程時,每每進到一個程式碼區塊,都會增強認知負擔,有太多「不認識」的東西了。上一個程式碼的意圖還沒搞清楚,又多了新的東西,認知負擔「持續加重」,因此學習起來相當有障礙。

→ 問題出在哪? 只能自己看,而沒有足夠的時間做完整的問題拆解。 → 總結,該怎麼做更好?:大問題 * N → 小問題 * N * N → 一個個解決變成長期記憶 → 回到小問題(標示為解決) → 大問題知道怎麼做…

關於被程式打槍的「認知失調」 → 深有同感!

REF:https://ruddyblog.wordpress.com/2022/04/25/了解工程師的負荷/#comments

  • 雖然知道對方講的可能是對的,但還是會有抗拒感。
  • 一方面是難以避免的「稟賦效應」,覺得自己親手寫出來的程式碼「相當有價值」。
  • 另一方面,可能是因為「沒有及時回饋」,導致一下子回饋的太多,而讓認知的負荷過大,產生極大的抗拒感。

REF