Pitkäkestoinen muisti: Varastointi (tiedonkäsittelyteoria)

Tässä osiossa käsitellään tiedon tallennusta pitkäkestoisessa muistissa (Long-Term Memory, LTM). Vaikka tietomme LTM:stä ovat rajalliset, koska meillä ei ole pääsyä aivoihin, tutkimus on luonut kohtuullisen johdonmukaisen kuvan tallennusprosessista.

LTM:n luonnehdinta tässä oppitunnissa sisältää rakenteen, jossa tieto esitetään paikkoina tai solmuina verkoissa, ja verkot on yhdistetty (assosioitu) toisiinsa. Huomaa samankaltaisuus näiden kognitiivisten verkkojen ja aiemmin kurssilla käsiteltyjen hermoverkkojen välillä. Verkostoista puhuttaessa käsittelemme pääasiassa deklaratiivista ja proseduraalista tietoa. Ehdollinen tieto käsitellään kurssin osassa 7 yhdessä metakognitiivisten toimintojen kanssa, jotka valvovat ja ohjaavat kognitiivista prosessointia. Oletetaan, että suurin osa tiedosta on tallennettu LTM:ään verbaalisessa muodossa, mutta myös mielikuvituksen roolia käsitellään tämän oppitunnin lopussa.

Propositioiden luonne

Propositio on pienin informaatioyksikkö, jonka voidaan arvioida olevan totta tai väärää. Propositiot ovat tiedon ja merkityksen perusyksiköitä pitkäkestoisessa muistissa (LTM) (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Jokainen seuraavista on propositio:

• Itsenäisyysjulistus allekirjoitettiin vuonna 1776.
• .
• Täti Frieda vihaa nauriita.
• Olen hyvä matematiikassa.
• Päähenkilöt esitellään aikaisin tarinassa.

Nämä propositioesimerkit voidaan arvioida tosiksi tai vääriksi. On kuitenkin huomattava, että ihmiset voivat olla eri mieltä arvioistaan. Carlos saattaa uskoa olevansa huono matematiikassa, mutta hänen opettajansa saattaa uskoa hänen olevan erittäin hyvä.

Propositioiden tarkkaa luonnetta ei ymmärretä hyvin. Vaikka niitä voidaan pitää lauseina, on todennäköisempää, että ne ovat lauseiden merkityksiä (Anderson, 1990). Tutkimus tukee sitä, että tallennamme tietoa muistiin propositioina ennemmin kuin kokonaisina lauseina. Kintsch (1974) antoi osallistujille luettavaksi lauseita, jotka olivat yhtä pitkiä, mutta joiden propositioiden määrä vaihteli. Mitä enemmän propositioita lause sisälsi, sitä kauemmin osallistujilla kesti ymmärtää se. Tämä viittaa siihen, että vaikka opiskelijat voivat tuottaa lauseen “Itsenäisyysjulistus allekirjoitettiin vuonna 1776”, heidän muistiinsa on todennäköisesti tallentunut propositio, joka sisältää vain olennaisen tiedon (Itsenäisyysjulistus: allekirjoitettu—1776). Tietyin poikkeuksin (esim. runon ulkoa opettelu) näyttää siltä, että ihmiset yleensä tallentavat merkityksiä ennemmin kuin tarkkoja sanamuotoja.

Propositiot muodostavat verkostoja, jotka koostuvat yksittäisistä nodeista tai sijainneista. Nodet voidaan ajatella yksittäisinä sanoina, vaikka niiden tarkka luonne on tuntematon, mutta todennäköisesti abstrakti. Esimerkiksi historian kurssia suorittavilla opiskelijoilla on todennäköisesti “historian kurssi” -verkosto, joka sisältää solmuja, kuten “kirja”, “opettaja”, “sijainti”, “oikealla puolella istuvan opiskelijan nimi” ja niin edelleen.

Propositionaaliset verkostot

Propositiot muodostetaan sääntöjen mukaisesti. Tutkijat ovat eri mieltä siitä, mitkä säännöt muodostavat joukon, mutta he uskovat yleisesti, että säännöt yhdistävät nodet propositioiksi ja edelleen propositiot korkeamman tason rakenteiksi tai verkostoiksi, jotka ovat joukko toisiinsa liittyviä propositioita.

Andersonin ACT-teoria (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996) ehdottaa ACT-R (Adaptive Control of Thought-Rational) -verkostomallia pitkäkestoiselle muistille, jolla on propositionaalinen rakenne. ACT-R on kognitiivisen arkkitehtuurin malli, joka pyrkii selittämään, kuinka kaikki mielen osat toimivat yhdessä tuottaakseen johdonmukaisen kognition (Anderson et al., 2004). Propositio muodostetaan yhdistämällä kaksi nodetta subjektin ja predikaatin linkillä tai assosiaatiolla; yksi node muodostaa subjektin ja toinen node predikaatin. Esimerkkejä ovat (implisiittinen tieto suluissa): “Fred (on) rikas” ja “Shoppailu (vie) aikaa.” Toinen assosiaatiotyyppi on suhde–argumenttilinkki, jossa suhde on (merkitykseltään) verbi ja argumentti on suhteen vastaanottaja tai se, johon suhde vaikuttaa. Esimerkkejä ovat “syö kakku” ja “ratkaise pulmia.” Suhdeargumentit voivat toimia subjekteina tai predikaatteina muodostaen monimutkaisia propositioita. Esimerkkejä ovat “Fred syö kakun” ja “pulmien ratkaiseminen (vie) aikaa.”

Propositiot ovat toisiinsa yhteydessä, kun niillä on yhteinen elementti. Yhteisten elementtien avulla ihmiset voivat ratkaista ongelmia, selviytyä ympäristön vaatimuksista, tehdä analogioita ja niin edelleen. Ilman yhteisiä elementtejä siirtoa ei tapahtuisi; kaikki tieto tallennettaisiin erikseen ja tiedonkäsittely olisi hidasta. Ei tunnistettaisi, että yhdellä alueella oleva tieto on merkityksellistä myös muilla alueilla.

Kuvio “Esimerkki propositionaalisesta verkostosta” näyttää esimerkin propositionaalisesta verkostosta. Yhteinen elementti on “kissa”, koska se on osa propositioita “Kissa käveli etupihan poikki” ja “Kissa pyydysti hiiren.” Voidaan kuvitella, että edellinen propositio on linkitetty muihin propositioihin, jotka liittyvät omaan taloon, kun taas jälkimmäinen on linkitetty hiiriä koskeviin propositioihin.

Todisteet viittaavat siihen, että propositiot on järjestetty hierarkkisiin rakenteisiin. Collins ja Quillian (1969) osoittivat, että ihmiset tallentavat tietoa korkeimmalla yleisyystasolla. Esimerkiksi “eläin” -pitkäkestoisen muistin verkostossa olisi tallennettu korkeimmalle tasolle sellaisia faktoja kuin “liikkuu” ja “syö”. Tämän luokan alle tulisivat sellaiset lajit kuin “linnut” ja “kalat”. “Lintujen” alle on tallennettu “on siivet”, “vat lentää” ja “on höyhenet” (vaikka on poikkeuksia—kanat ovat lintuja, mutta ne eivät lennä). Sitä, että linnut syövät ja liikkuvat, ei ole tallennettu “linnun” tasolle, koska kyseinen tieto on tallennettu korkeammalle eläinten tasolle. Collins ja Quillian havaitsivat, että hakuaika kasvoi, mitä kauemmin käsitteet oli tallennettu muistiin.

Hierarkkisen organisaation ideaa on muutettu tutkimuksella, joka osoittaa, että tieto ei ole aina hierarkkista. Näin ollen “collie” on lähempänä “nisäkästä” kuin “eläintä” eläinhierarkiassa, mutta ihmiset ovat nopeampia myöntämään, että collie on eläin kuin myöntämään, että se on nisäkäs (Rips, Shoben & Smith, 1973).

Lisäksi tuttu tieto voidaan tallentaa sekä käsitteen yhteyteen että korkeimmalle yleisyystasolle (Anderson, 1990). Jos sinulla on lintulauta ja katselet usein lintujen syömistä, sinulla saattaa olla “syö” tallennettuna sekä “lintujen” että “eläinten” yhteyteen. Tämä havainto ei vähennä keskeistä ajatusta siitä, että propositiot on järjestetty ja yhdistetty toisiinsa. Vaikka osa tiedosta voidaan järjestää hierarkkisesti, suuri osa tiedosta on todennäköisesti järjestetty vähemmän systemaattisesti propositionaalisissa verkostoissa.

Deklaratiivinen tieto

Deklaratiivinen tieto (tieto siitä, että jokin asia on näin) sisältää faktoja, uskomuksia, mielipiteitä, yleistyksiä, teorioita, hypoteeseja ja asenteita itseään, muita ja maailman tapahtumia kohtaan (Gupta & Cohen, 2002; Paris ym., 1983). Sitä hankitaan, kun uusi väite tallennetaan pitkäkestoiseen muistiin (LTM), yleensä liittyvään väiteverkostoon (Anderson, 1990). ACT-teoria olettaa, että deklaratiivinen tieto esitetään kokonaisuuksina, jotka sisältävät perustiedot ja niihin liittyvät kategoriat (Anderson, 1996; Anderson, Reder & Lebiere, 1996).

Varastointiprosessi toimii seuraavasti. Ensinnäkin oppija saa uutta tietoa, esimerkiksi kun opettaja tekee lausunnon tai oppija lukee lauseen. Seuraavaksi uusi tieto käännetään yhdeksi tai useammaksi väitteeksi oppijan työmuistissa (WM). Samanaikaisesti LTM:ssä olevat liittyvät väitteet aktivoituvat. Uudet väitteet yhdistetään liittyviin väitteisiin WM:ssä aktivaation leviämisen avulla (käsitellään seuraavassa osiossa). Tässä vaiheessa oppijat voivat luoda uusia väitteitä. Lopuksi kaikki uudet väitteet – ne, jotka on vastaanotettu ja ne, jotka oppija on luonut – tallennetaan yhdessä LTM:ään (Hayes-Roth & Thorndyke, 1979).

Kuvio 'Deklaratiivisen tiedon varastointi' havainnollistaa tätä prosessia. Oletetaan, että opettaja esittelee Yhdysvaltain perustuslakia käsittelevää yksikköä ja sanoo luokalle: "Yhdysvaltain varapresidentti toimii senaatin puheenjohtajana, mutta ei äänestä, ellei ole tasatilanne." Tämä lausunto voi aktivoida muita opiskelijoiden muistiin tallennettuja väitteitä, jotka liittyvät varapresidenttiin (esim. valitaan presidentin kanssa, hänestä tulee presidentti, kun presidentti kuolee tai eroaa, voidaan asettaa virkasyytteeseen maanpetosrikoksista) ja senaattiin (esim. 100 jäsentä, kaksi valitaan jokaisesta osavaltiosta, 6 vuoden toimikaudet). Yhdistämällä nämä väitteet opiskelijoiden tulisi päätellä, että varapresidentti äänestäisi, jos 50 senaattoria äänestäisi lakiehdotuksen puolesta ja 50 sitä vastaan.

Varastointiongelmia voi ilmetä, kun opiskelijoilla ei ole olemassa olevia väitteitä, joihin he voisivat yhdistää uutta tietoa. Opiskelijat, jotka eivät ole kuulleet Yhdysvaltain perustuslaista eivätkä tiedä, mikä perustuslaki on, ovat tyhjän päällä, kun he kuulevat sanan ensimmäistä kertaa. Käsitteellisesti merkityksetöntä tietoa voidaan tallentaa LTM:ään, mutta opiskelijat oppivat paremmin, kun uusi tieto liittyy johonkin, jonka he tuntevat. Yhdysvaltain perustuslain faksimilen näyttäminen opiskelijoille tai sen yhdistäminen johonkin, mitä he ovat opiskelleet (esim. itsenäisyysjulistus) antaa heille viitteen, johon he voivat yhdistää uuden tiedon.

Vaikka opiskelijat olisivat opiskelleet aiheeseen liittyvää materiaalia, he eivät välttämättä automaattisesti yhdistä sitä uuteen tietoon. Usein yhteydet on tehtävä selväksi. Keskustellessaan varapresidentin tehtävästä senaatissa opettajat voisivat muistuttaa opiskelijoita Yhdysvaltain senaatin kokoonpanosta ja varapresidentin muista rooleista. Väitteet, joilla on yhteinen elementti, yhdistetään LTM:ssä vain, jos ne ovat aktiivisia WM:ssä samanaikaisesti. Tämä seikka auttaa selittämään, miksi opiskelijat eivät ehkä näe, miten uusi materiaali liittyy vanhaan materiaaliin, vaikka yhteys on opettajalle selvä. Opetus, joka parhaiten luo väiteverkostoja oppijoiden mielissä, sisältää kertausta, materiaalin organisointia ja muistutuksia asioista, jotka he tietävät, mutta eivät ajattele nyt.

Kuten monissa muistiprosesseissa, merkityksellisyys, organisointi ja elaboraatio helpottavat tiedon tallentamista muistiin. Merkityksellisyys on tärkeää, koska merkityksellinen tieto voidaan helposti yhdistää olemassa olevaan tietoon muistissa. Näin ollen vähemmän harjoittelua on tarpeen, mikä säästää tilaa ja aikaa tiedon WM:ssä. Aloitus skenaariossa käsitellyillä opiskelijoilla on ongelmia algebran merkityksellistämisessä, ja opettajat ilmaisevat turhautumisensa siihen, että he eivät opeta sisältöä merkityksellisellä tavalla.

Bransfordin ja Johnsonin (1972) tutkimus tarjoaa dramaattisen kuvan merkityksellisyyden roolista varastoinnissa ja ymmärtämisessä. Harkitse seuraavaa kohtaa:

Menettely on itse asiassa melko yksinkertainen. Ensinnäkin järjestät asiat eri ryhmiin. Tietysti yksi pino voi riittää riippuen siitä, kuinka paljon tekemistä on. Jos sinun on mentävä muualle tilojen puutteen vuoksi, se on seuraava vaihe, muuten olet melko hyvin valmis. On tärkeää olla liioittelematta asioita. Toisin sanoen on parempi tehdä liian vähän asioita kerralla kuin liian monta. Lyhyellä aikavälillä tämä ei ehkä vaikuta tärkeältä, mutta komplikaatioita voi helposti syntyä. Virhe voi olla myös kallis. Aluksi koko menettely tuntuu monimutkaiselta. Pian siitä tulee kuitenkin vain yksi elämän puoli. On vaikea ennakoida tämän tehtävän välttämättömyyden loppua lähitulevaisuudessa, mutta koskaan ei voi tietää. Kun menettely on suoritettu, materiaalit järjestetään uudelleen eri ryhmiin. Sitten ne voidaan laittaa oikeille paikoilleen. Lopulta niitä käytetään vielä kerran ja koko sykli on sitten toistettava. Se on kuitenkin osa elämää. (s. 722)

Ilman ennakkotietoa tätä kohtaa on vaikea ymmärtää ja tallentaa muistiin, koska sen yhdistäminen olemassa olevaan tietoon muistissa on vaikeaa. Kuitenkin, kun tiedetään, että se kertoo "vaatteiden pesusta", muistaminen ja ymmärtäminen helpottuvat. Bransford ja Johnson havaitsivat, että opiskelijat, jotka tiesivät aiheen, muistivat noin kaksi kertaa enemmän kuin ne, jotka eivät olleet tietoisia siitä. Merkityksellisyyden tärkeys oppimisessa on osoitettu lukuisissa muissa tutkimuksissa (Anderson, 1990; Chiesi, Spilich & Voss, 1979; Spilich, Vesonder, Chiesi & Voss, 1979).

Organisointi helpottaa varastointia, koska hyvin järjestetty materiaali on helpompi yhdistää olemassa oleviin muistiverkostoihin kuin huonosti järjestetty materiaali (Anderson, 1990). Siltä osin kuin materiaali voidaan järjestää hierarkkiseksi järjestelyksi, se tarjoaa valmiin rakenteen hyväksyttäväksi LTM:ään. Ilman olemassa olevaa LTM-verkostoa uuden LTM-verkoston luominen on helpompaa hyvin organisoidulla tiedolla kuin huonosti organisoidulla tiedolla.

Elaboraatio eli tiedon lisääminen opittavaan materiaaliin parantaa varastointia, koska elaboroimalla tietoa oppijat voivat pystyä yhdistämään sen johonkin, jonka he tietävät. Aktivaation leviämisen avulla elaboroitu materiaali voidaan nopeasti yhdistää muistissa olevaan tietoon. Esimerkiksi opettaja voi keskustella Etna-tulivuoresta. Opiskelijat, jotka voivat elaboroida tätä tietoa yhdistämällä sen henkilökohtaiseen tietoon tulivuorista (esim. Mt. St. Helens) voivat yhdistää uuden ja vanhan tiedon muistissa ja säilyttää uuden materiaalin paremmin.

Aktivaation leviäminen

Aktivaation leviäminen auttaa selittämään, miten uusi tieto yhdistetään tietoon LTM:ssä (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). Perustavanlaatuiset periaatteet ovat seuraavat (Anderson, 1984):

• Ihmisen tieto voidaan esittää solmujen verkostona, jossa solmut vastaavat käsitteitä ja linkit näiden käsitteiden välisiä yhteyksiä.
• Tämän verkon solmut voivat olla eri tiloissa, jotka vastaavat niiden aktivaatiotasoja. Aktiivisemmat solmut prosessoidaan "paremmin".
• Aktivaatio voi levitä pitkin näitä verkkopolkuja mekanismin avulla, jossa solmut voivat aiheuttaa naapurisolmujensa aktivoitumisen. (s. 61)

Anderson (1990) mainitsee esimerkin yksilöstä, jolle esitetään sana koira. Tämä sana on assosiatiivisesti linkitetty sellaisiin muihin käsitteisiin yksilön LTM:ssä kuin luu, kissa ja liha. Jokainen näistä käsitteistä puolestaan on linkitetty muihin käsitteisiin. Koiran aktivoituminen LTM:ssä leviää koiran ulkopuolelle linkitettyihin käsitteisiin, ja leviäminen vähenee kauempana koirasta olevien käsitteiden kanssa.

Kokeellista tukea aktivaation leviämisen olemassaololle saivat Meyer ja Schvaneveldt (1971). Nämä tutkijat käyttivät reaktioaikatehtävää, jossa osallistujille esitettiin kaksi kirjainjonoa ja pyydettiin heitä päättämään, olivatko molemmat sanoja. Assosiatiivisesti linkitetyt sanat (leipä, voi) tunnistettiin nopeammin kuin sanat, jotka eivät olleet linkitettyjä (sairaanhoitaja, voi).

Aktivaation leviäminen johtaa siihen, että suurempi osa LTM:stä aktivoidaan kuin tieto, joka liittyy välittömästi WM:n sisältöön. Aktivoitu tieto pysyy LTM:ssä, ellei sitä ole tarkoituksella käytetty, mutta tämä tieto on helpommin WM:n käytettävissä. Aktivaation leviäminen helpottaa myös tiedon siirtämistä eri domeeneihin. Siirto riippuu siitä, että samat vihjeet aktivoivat väiteverkostot LTM:ssä, joten opiskelijat ymmärtävät, että tieto on sovellettavissa domeeneissa.

Skeemat

Väiteverkostot edustavat pieniä tietokokonaisuuksia. Skeemat ovat suuria verkostoja, jotka edustavat objektien, henkilöiden ja tapahtumien rakennetta (Anderson, 1990). Rakenne esitetään sarjalla "paikkoja", joista jokainen vastaa attribuuttia. Talojen skeemassa tai paikassa joitain attribuutteja (ja niiden arvoja) voisivat olla seuraavat: materiaali (puu, tiili), sisältö (huoneet) ja toiminto (ihmisten asuminen). Skeemat ovat hierarkkisia; ne on yhdistetty yläkäsitteisiin (rakennus) ja alakäsitteisiin (katto).

Brewer ja Treyens (1981) löysivät tutkimustukea skeemojen taustalla olevalle luonteelle. Yksilöitä pyydettiin odottamaan toimistossa lyhyen aikaa, minkä jälkeen heidät tuotiin huoneeseen, jossa he kirjoittivat muistiin kaiken, mitä he muistivat toimistosta. Muistiinpano heijasti toimistoskeeman voimakasta vaikutusta. He muistivat oikein, että toimistossa oli työpöytä ja tuoli (tyypillisiä attribuutteja), mutta eivät sitä, että toimistossa oli kallo (epätyypillinen attribuutti). Kirjat ovat tyypillinen toimistojen attribuutti; vaikka toimistossa ei ollut kirjoja, monet ihmiset muistivat virheellisesti kirjoja.

Skeemat ovat tärkeitä opetuksessa ja siirrossa (Matlin, 2009). Kun opiskelijat oppivat skeeman, opettajat voivat aktivoida tämän tiedon, kun he opettavat mitä tahansa sisältöä, johon skeema on sovellettavissa. Oletetaan, että ohjaaja opettaa yleisen skeeman maantieteellisten muodostumien kuvaamiseen (esim. vuori, tulivuori, jäätikkö, joki). Skeema voi sisältää seuraavat attribuutit: korkeus, materiaali ja aktiivisuus. Kun opiskelijat oppivat skeeman, he voivat käyttää sitä luokitellakseen uusia muodostumia, joita he opiskelevat. Näin tehdessään he luovat uusia skeemoja eri muodostumille.

Proseduraalinen tieto

Proseduraalinen tieto eli tieto siitä, miten suorittaa kognitiivisia toimintoja (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris ym., 1983), on keskeistä suurelle osalle koulun oppimista. Käytämme proseduraalista tietoa matemaattisten ongelmien ratkaisemiseen, tiedon tiivistämiseen, lukujen silmäilyyn ja laboratoriotekniikoiden suorittamiseen.

Proseduraalinen tieto voidaan tallentaa sanallisina koodeina ja kuvina, pitkälti samalla tavalla kuin deklaratiivinen tieto tallennetaan. ACT-teoria olettaa, että proseduraalinen tieto tallennetaan tuotantojärjestelmänä (Anderson, 1996; Anderson, Reder & Lebiere, 1996). Tuotantojärjestelmä (tai tuotanto) on ehto–toimintosekvenssien (sääntöjen) verkosto, jossa ehto on olosuhteiden joukko, joka aktivoi järjestelmän, ja toiminto on toimintojen joukko, joka tapahtuu (Anderson, 1990; Andre, 1986; katso seuraava osio). Tuotantojärjestelmät vaikuttavat käsitteellisesti samanlaisilta kuin hermoverkot.

Tuotantosäännöt ja konnektionistiset mallit tarjoavat paradigmoja kognitiivisten oppimisprosessien toiminnan tutkimiseen (Anderson, 1996, 2000; Smith, 1996). Konnektionistiset mallit edustavat suhteellisen uutta näkökulmaa kognitiiviseen oppimiseen. Tähän mennessä konnektionistisista malleista on tehty vain vähän koulutuksen kannalta merkityksellistä tutkimusta. Lisälähteet tarjoavat lisätietoja konnektionistisista malleista (Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

Tuotantosäännöt

ACT – aktivaatioteoria – määrittelee, että tuotantosääntöjärjestelmä (tai tuotantosääntö) on tila–toiminto-jaksojen (sääntöjen) verkosto, jossa tila on joukko olosuhteita, jotka aktivoivat järjestelmän, ja toiminto on joukko tapahtumia (Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). Tuotantosääntö koostuu jos–niin-lauseista: Jos-lauseet (tila) sisältävät tavoite- ja testilauseet, ja niin-lauseet ovat toimintoja. Esimerkiksi:

• JOS näen kaksi numeroa ja ne on laskettava yhteen,
• NIIN päätä, kumpi on suurempi, aloita siitä numerosta ja laske seuraavaan. (Farnham-Diggory, 1992, s. 113)

Vaikka tuotantosäännöt ovat menettelyllisen tiedon muotoja, joihin voidaan liittää ehtoja (ehdollinen tieto), ne sisältävät myös deklaratiivista tietoa.

Taitojen suorittamiseen tarvittavien menettelyjen oppiminen tapahtuu usein hitaasti (J. Anderson, 1982). Ensinnäkin oppijat esittävät toimintasarjan deklaratiivisen tiedon avulla. Jokainen sarjan vaihe esitetään propositiona. Oppijat jättävät vähitellen pois yksittäisiä vihjeitä ja integroivat erilliset vaiheet jatkuvaksi toimintasarjaksi. Esimerkiksi lapset, jotka oppivat laskemaan yhteen numerokolumnia, suorittavat aluksi jokaisen vaiheen hitaasti, mahdollisesti jopa ääneen lausuen. Kun heistä tulee taitavampia, yhteenlaskemisesta tulee osa automaattista, sujuvaa sarjaa, joka tapahtuu nopeasti ja ilman tietoista, tarkoituksellista huomiota. Automatisoituminen on monien kognitiivisten prosessien (esim. huomio, haku) keskeinen piirre (Moors & De Houwer, 2006). Kun prosesseista tulee automaattisia, tämä mahdollistaa prosessointijärjestelmän omistautumisen tehtävien monimutkaisille osille.

Suuri rajoitus taitojen oppimisessa on työmuistin (WM) kokorajoitus (Baddeley, 2001). Menettelyt opittaisiin nopeammin, jos WM pystyisi samanaikaisesti pitämään kaikki deklaratiivisen tiedon propositiot. Koska se ei pysty, opiskelijoiden on yhdistettävä propositioita hitaasti ja pysähdyttävä ajoittain miettimään (esim. ”Mitä minun pitäisi tehdä seuraavaksi?”). WM:ssä ei ole riittävästi tilaa suurten menettelyjen luomiseen oppimisen alkuvaiheissa. Kun propositioita yhdistetään pieniksi menettelyiksi, jälkimmäiset tallennetaan WM:ään samanaikaisesti muiden propositioiden kanssa. Tällä tavalla suurempia tuotantosääntöjä rakennetaan vähitellen.

Nämä ideat selittävät, miksi taitojen oppiminen etenee nopeammin, kun opiskelijat voivat suorittaa edellytyksenä olevat taidot (eli kun niistä tulee automaattisia). Kun jälkimmäiset ovat vakiintuneita tuotantosääntöjä, ne aktivoidaan WM:ssä samanaikaisesti integroitavien uusien propositioiden kanssa. Pitkän jakolaskun ratkaisemisen oppimisessa opiskelijat, jotka osaavat kertoa, yksinkertaisesti muistavat menettelyn tarvittaessa; sitä ei tarvitse oppia yhdessä pitkän jakolaskun muiden vaiheiden kanssa. Vaikka tämä ei näytä olevan ongelma avauskäsikirjoituksessa, algebran oppiminen on vaikeaa opiskelijoille, joilla on perustaitojen puutteita (esim. yhteenlasku, kertolasku), koska jopa yksinkertaisista algebraongelmista tulee vaikeita vastata oikein. Lukihäiriöisillä lapsilla näyttää olevan puute kyvyssä käsitellä ja tallentaa tietoa tehokkaasti samaan aikaan (de Jong, 1998).

Joissakin tapauksissa vaiheiden määrittely yksityiskohtaisesti on vaikeaa. Esimerkiksi luova ajattelu ei välttämättä noudata samaa järjestystä jokaiselle opiskelijalle. Opettajat voivat mallintaa luovaa ajattelua sisällyttämään sellaisia itsekysymyksiä kuin ”Onko muita mahdollisuuksia?”. Aina kun vaiheet voidaan määrittää, opettajan esittelyt menettelyn vaiheista, joita seuraa opiskelijoiden harjoittelu, ovat tehokkaita (Rosenthal & Zimmerman, 1978).

Yksi ongelma menettelyjen oppimisessa on se, että opiskelijat saattavat pitää niitä lukittuina sarjoina, joita on noudatettava riippumatta siitä, ovatko ne tarkoituksenmukaisia. Gestaltpsykologit osoittivat, kuinka funktionaalinen kiinnittyminen eli joustamaton lähestymistapa ongelmaan haittaa ongelmanratkaisua (Duncker, 1945). Järjestyksen ehdoton noudattaminen oppimisen aikana voi auttaa sen hankinnassa, mutta oppijoiden on myös ymmärrettävä olosuhteet, joissa muut menetelmät ovat tehokkaampia.

Joskus opiskelijat ylioppivat taitomenettelyjä siihen pisteeseen asti, että he välttävät käyttämästä vaihtoehtoisia, helpompia menettelyjä. Samaan aikaan on vain vähän, jos ollenkaan, vaihtoehtoja monille menettelyille, joita opiskelijat oppivat (esim. sanojen purkaminen, numeroiden lisääminen, subjektin ja verbin kongruenssin määrittäminen). Näiden taitojen ylioppiminen automaattisen tuotannon pisteeseen asti on opiskelijoille etu ja helpottaa uusien taitojen oppimista (esim. päätelmien tekeminen, esseiden kirjoittaminen), jotka edellyttävät näiden perustaitojen hallintaa.

Voidaan väittää, että ongelmanratkaisu- tai päättelytaitojen opettaminen opiskelijoille, joilla on puutteita matematiikan perustiedoissa ja purkutaidoissa, on järkevää. Tutkimukset osoittavat, että perustietojen huono hallinta liittyy heikkoon suoritukseen monimutkaisissa aritmeettisissa tehtävissä (Romberg & Carpenter, 1986), ja hidas purkaminen liittyy heikkoon ymmärrykseen (Calfee & Drum, 1986; Perfetti & Lesgold, 1979). Taitojen oppiminen ei ainoastaan vaikuta, vaan myös itseluottamus kärsii.

Harjoittelu on olennaista perusmenettelyllisen tiedon juurruttamisessa (Lesgold, 1984). Oppimisen alkuvaiheissa opiskelijat tarvitsevat korjaavaa palautetta, jossa korostetaan menettelyn osia, jotka he toteuttivat oikein, ja niitä, jotka vaativat muokkausta. Usein opiskelijat oppivat joitain osia menettelystä, mutta eivät toisia. Opiskelijoiden saadessa taitoja opettajat voivat tuoda esiin heidän edistymistään ongelmien ratkaisemisessa nopeammin tai tarkemmin.

Menettelyllisen tiedon siirtyminen tapahtuu, kun tieto on linkitetty pitkäkestoiseen muistiin (LTM) eri sisällön kanssa. Siirtymistä auttaa, kun opiskelijat soveltavat menettelyjä eri sisältöön ja muuttavat menettelyjä tarpeen mukaan. Yleiset ongelmanratkaisustrategiat ovat sovellettavissa monipuoliseen akateemiseen sisältöön. Opiskelijat oppivat niiden yleisyydestä soveltamalla niitä eri aiheisiin (esim. lukeminen, matematiikka).

Tuotantosäännöt ovat merkityksellisiä kognitiiviselle oppimiselle, mutta useita kysymyksiä on käsiteltävä. ACT-teoria olettaa yhden kognitiivisten prosessien joukon, joka selittää erilaisia ilmiöitä (Matlin, 2009). Tämä näkemys on ristiriidassa muiden kognitiivisten näkökulmien kanssa, jotka erottavat erilaisia prosesseja oppimistyypin mukaan (Shuell, 1986). Rumelhart ja Norman (1978) tunnistivat kolme oppimisen tyyppiä. Akreetio sisältää uuden tiedon koodaamisen olemassa olevien skeemojen mukaisesti; uudelleenrakentaminen (skeeman luominen) on uusien skeemojen muodostamisen prosessi; ja hienosäätö (skeeman evoluutio) viittaa skeemojen hitaaseen muokkaamiseen ja jalostamiseen, jota tapahtuu, kun niitä käytetään eri yhteyksissä. Nämä sisältävät erilaisia määriä harjoittelua: paljon hienosäätöä varten ja vähemmän akreetiota ja uudelleenrakentamista varten.

ACT on pohjimmiltaan tietokoneohjelma, joka on suunniteltu simuloimaan oppimista johdonmukaisella tavalla. Sellaisenaan se ei välttämättä käsittele kaikkia ihmisen oppimiseen liittyviä tekijöitä. Yksi kysymys koskee sitä, miten ihmiset tietävät, mitä tuotantosääntöä käyttää tietyssä tilanteessa, varsinkin jos tilanteet antavat mahdollisuuden käyttää erilaisia tuotantosääntöjä. Tuotantosäännöt voidaan järjestää todennäköisyyden mukaan, mutta on oltava käytettävissä keino päättää, mikä tuotantosääntö on paras olosuhteet huomioon ottaen. Huolta aiheuttaa myös kysymys siitä, miten tuotantosääntöjä muutetaan. Jos esimerkiksi tuotantosääntö ei toimi tehokkaasti, hylkäävätkö oppijat sen, muokkaavatko he sitä vai säilyttävätkö he sen, mutta etsivätkö he lisää todisteita? Mikä on mekanismi, joka päättää, milloin ja miten tuotantosääntöjä muutetaan?

Toinen huolenaihe liittyy Andersonin (1983, 1990) väitteeseen, jonka mukaan tuotantosäännöt alkavat deklaratiivisena tietona. Tämä oletus vaikuttaa liian vahvalta, kun otetaan huomioon todisteet siitä, että tätä järjestystä ei aina noudateta (Hunt, 1989). Koska taitomenettelyjen esittäminen deklaratiivisen tiedon osina on pohjimmiltaan välietappi matkalla hallintaan, voidaan kyseenalaistaa, pitäisikö opiskelijoiden oppia yksittäisiä vaiheita. Yksittäisiä vaiheita ei lopulta käytetä, joten aikaa voidaan käyttää paremmin antamalla opiskelijoiden harjoitella niitä. Opiskelijoiden varustaminen vaiheiden luettelolla, johon he voivat viitata, kun he vähitellen kehittävät menettelyä, helpottaa oppimista ja parantaa itseluottamusta (Schunk, 1995).

Lopuksi voidaan kyseenalaistaa, ovatko tuotantosääntöjärjestelmät yleensä ottaen mitään muuta kuin monimutkaisia ärsyke-reaktio (S-R) -assosiaatioita (Mayer, 1992). Propositiot (menettelyllisen tiedon osat) linkittyvät muistiin siten, että kun yksi osa on vihjattu, myös muut aktivoituvat. Anderson (1983) tunnusti tuotantosääntöjen assosiationistisen luonteen, mutta uskoo, että ne ovat kehittyneempiä kuin yksinkertaiset S-R-assosiaatiot, koska ne sisältävät tavoitteita. Tätä näkökulmaa tukee se, että ACT-assosiaatiot ovat analogisia hermoverkkoyhteyksien kanssa. Ehkä, kuten behaviorististen teorioiden kohdalla, ACT voi selittää suorituskyvyn paremmin kuin se voi selittää oppimisen. Näitä ja muita kysymyksiä (esim. motivaation rooli) on tutkittava ja yhdistettävä akateemisten taitojen oppimiseen, jotta tuotantosääntöjen hyödyllisyys koulutuksessa voidaan todeta paremmin.

Konnektionistiset Mallit

Viimeaikainen teoretisointi monimutkaisista kognitiivisista prosesseista sisältää konnektionistisia malleja (tai konnektionismin, mutta ei pidä sekoittaa Thorndiken konnektionismiin, jota käsiteltiin aiemmin kurssilla; Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996). Kuten tuotantosäännöt, konnektionistiset mallit edustavat oppimisprosessien tietokonesimulaatioita. Nämä mallit linkittävät oppimisen hermojärjestelmän prosessointiin, jossa impulssit laukeavat synapsien yli muodostaen yhteyksiä. Oletuksena on, että korkeamman asteen kognitiiviset prosessit muodostuvat yhdistämällä suuri määrä peruselementtejä, kuten neuroneita (Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). Konnektionistiset mallit sisältävät tiedon hajautetut esitykset (eli levinneet laajaan verkkoon), rinnakkaisen prosessoinnin (monia operaatioita tapahtuu samanaikaisesti) ja vuorovaikutukset suurten määrien yksinkertaisten prosessointiyksiköiden välillä (Siegler, 1989). Yhteydet voivat olla eri aktivaatiovaiheissa (Smith, 1996) ja linkitetty järjestelmän syöttöön, tulosteeseen tai yhteen tai useampaan välikerroksen.

Rumelhart ja McClelland (1986) kuvasivat rinnakkaisen hajautetun prosessoinnin (PDP) järjestelmän. Tämä malli on hyödyllinen luokitteluarvioiden tekemiseen muistissa olevasta tiedosta. Nämä kirjoittajat antoivat esimerkin, joka koski kahta jengiä ja tietoja jengiläisistä, mukaan lukien ikä, koulutus, siviilisääty ja ammatti. Muistissa kunkin yksilön samankaltaiset ominaisuudet on linkitetty. Esimerkiksi jäsenet 2 ja 5 linkitettäisiin, jos he olisivat molemmat suunnilleen samanikäisiä, naimisissa ja osallistuisivat samanlaiseen jengitoimintaan. Jäsen 2:ta koskevien tietojen hakemiseksi voisimme aktivoida muistiyksikön henkilön nimellä, mikä puolestaan aktivoisi muita muistiyksiköitä. Aktivoinnin leviämisen kautta luotu malli vastaa yksilön muistiesitystä. Borowsky ja Besner (2006) kuvasivat PDP-mallin leksikaalisten päätösten tekemiseen (esim. päätettäessä, onko ärsyke sana).

Konnektionistisilla yksiköillä on jonkin verran samankaltaisuutta tuotantosääntöjen kanssa siinä mielessä, että molemmat sisältävät muistin aktivoinnin ja linkitetyt ideat. Samaan aikaan on olemassa eroja. Konnektionistisissa malleissa kaikki yksiköt ovat samanlaisia, kun taas tuotantosäännöt sisältävät ehtoja ja toimintoja. Yksiköt erotetaan mallin ja aktivoinnin asteen perusteella. Toinen ero koskee sääntöjä. Tuotantosääntöjä ohjaavat säännöt. Konnektionismilla ei ole asetettuja sääntöjä. Neuronit ”tietävät”, miten malleja aktivoidaan; jälkikäteen voimme antaa säännön nimeksi sarjan (esim. aktivoidut mallit nimeävät säännöt; Farnham-Diggory, 1992).

Yksi ongelma konnektionistisessa lähestymistavassa on selittää, miten järjestelmä tietää, mitkä monista muistissa olevista yksiköistä aktivoidaan ja miten nämä useat aktivoinnit linkitetään integroituihin jaksoihin. Tämä prosessi vaikuttaa yksinkertaiselta vakiintuneiden mallien tapauksessa; esimerkiksi neuronit tietävät, miten reagoida soivaan puhelimeen, kylmään tuuleen ja opettajaan, joka ilmoittaa: ”Kaikki huomio!”. Vähemmän vakiintuneiden mallien kohdalla aktivoinnit voivat olla ongelmallisia. Voimme myös kysyä, miten neuronit aktivoituvat itsestään alun perin. Tämä kysymys on tärkeä, koska se auttaa selittämään yhteyksien roolia oppimisessa ja muistissa. Vaikka yhteyksien käsite vaikuttaa uskottavalta ja perustuu siihen, mitä tiedämme neurologisesta toiminnasta, tähän mennessä tämä malli on ollut hyödyllisempi havainnon selittämisessä kuin oppimisessa ja ongelmanratkaisussa (Mayer, 1992). Jälkimmäiset sovellukset vaativat huomattavaa tutkimusta.