Memoria a Lungo Termine: Archiviazione (Teoria dell'Elaborazione dell'Informazione)

Questa sezione tratta l'archiviazione delle informazioni nella MLT (Memoria a Lungo Termine). Sebbene la nostra conoscenza della MLT sia limitata poiché non abbiamo una finestra sul cervello, la ricerca ha delineato un quadro ragionevolmente coerente del processo di archiviazione.

La caratterizzazione della MLT in questa lezione coinvolge una struttura in cui la conoscenza è rappresentata come posizioni o nodi in reti, con reti connesse (associate) tra loro. Si noti la somiglianza tra queste reti cognitive e le reti neurali discusse in precedenza nel corso. Quando si discutono le reti, ci occupiamo principalmente della conoscenza dichiarativa e della conoscenza procedurale. La conoscenza condizionale è trattata nella sezione 7 del corso, insieme alle attività metacognitive che monitorano e dirigono l'elaborazione cognitiva. Si presume che la maggior parte della conoscenza sia memorizzata nella MLT in codici verbali, ma il ruolo dell'immaginario viene affrontato anche alla fine di questa lezione.

La Natura delle Proposizioni

Una proposizione è la più piccola unità di informazione che può essere giudicata vera o falsa. Le proposizioni sono le unità di base della conoscenza e del significato nella MLT (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Ciascuna delle seguenti è una proposizione:

• La Dichiarazione di Indipendenza fu firmata nel 1776.
• .
• Zia Frieda odia le rape.
• Sono bravo in matematica.
• I personaggi principali vengono introdotti all'inizio di una storia.

Queste proposizioni di esempio possono essere giudicate vere o false. Si noti, tuttavia, che le persone possono non essere d'accordo sui loro giudizi. Carlos può credere di essere negato in matematica, ma il suo insegnante può credere che sia molto bravo.

La natura esatta delle proposizioni non è ben compresa. Sebbene possano essere pensate come frasi, è più probabile che siano significati di frasi (Anderson, 1990). La ricerca supporta l'idea che memorizziamo le informazioni nella memoria come proposizioni piuttosto che come frasi complete. Kintsch (1974) ha dato ai partecipanti frasi da leggere che avevano la stessa lunghezza ma variavano nel numero di proposizioni che contenevano. Più proposizioni conteneva una frase, più tempo impiegavano i partecipanti per comprenderla. Ciò implica che, sebbene gli studenti possano generare la frase, “La Dichiarazione di Indipendenza fu firmata nel 1776,” ciò che molto probabilmente hanno memorizzato è una proposizione contenente solo le informazioni essenziali (Dichiarazione di Indipendenza: firmata—1776). Con alcune eccezioni (ad esempio, memorizzare una poesia), sembra che le persone di solito memorizzino significati piuttosto che formulazioni precise.

Le proposizioni formano reti composte da singoli nodi o posizioni. I nodi possono essere pensati come singole parole, sebbene la loro natura esatta sia sconosciuta ma probabilmente astratta. Ad esempio, gli studenti che frequentano un corso di storia probabilmente hanno una rete di “corso di storia” comprendente nodi come “libro,” “insegnante,” “posizione,” “nome dello studente seduto alla loro sinistra” e così via.

Reti Proposizionali

Le proposizioni sono formate secondo una serie di regole. I ricercatori non sono d'accordo su quali regole costituiscano l'insieme, ma generalmente credono che le regole combinino i nodi in proposizioni e, a loro volta, le proposizioni in strutture o reti di ordine superiore, che sono insiemi di proposizioni interrelate.

La teoria ACT di Anderson (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996) propone un modello di rete ACT-R (Adaptive Control of Thought-Rational) di MLT con una struttura proposizionale. ACT-R è un modello di architettura cognitiva che tenta di spiegare come tutte le componenti della mente lavorano insieme per produrre una cognizione coerente (Anderson et al., 2004). Una proposizione è formata combinando due nodi con un collegamento soggetto-predicato, o associazione; un nodo costituisce il soggetto e un altro nodo il predicato. Esempi sono (informazioni implicite tra parentesi): “Fred (è) ricco” e “Fare shopping (richiede) tempo.” Un secondo tipo di associazione è il collegamento relazione-argomento, dove la relazione è un verbo (in significato) e l'argomento è il destinatario della relazione o ciò che è influenzato dalla relazione. Esempi sono “mangiare torta” e “risolvere enigmi.” Gli argomenti della relazione possono fungere da soggetti o predicati per formare proposizioni complesse. Esempi sono “Fred mangia torta,” e “risolvere enigmi (richiede) tempo.”

Le proposizioni sono interrelate quando condividono un elemento comune. Gli elementi comuni consentono alle persone di risolvere problemi, affrontare le esigenze ambientali, trarre analogie e così via. Senza elementi comuni, il trasferimento non si verificherebbe; tutta la conoscenza sarebbe memorizzata separatamente e l'elaborazione delle informazioni sarebbe lenta. Non si riconoscerebbe che la conoscenza rilevante per un dominio è rilevante anche per altri domini.

La Figura 'Esempio di rete proposizionale' mostra un esempio di rete proposizionale. L'elemento comune è “gatto” perché fa parte delle proposizioni, “Il gatto ha attraversato il prato,” e “Il gatto ha catturato un topo.” Si può immaginare che la prima proposizione sia collegata ad altre proposizioni relative alla propria casa, mentre la seconda è collegata a proposizioni sui topi.

Le prove suggeriscono che le proposizioni sono organizzate in strutture gerarchiche. Collins e Quillian (1969) hanno dimostrato che le persone memorizzano le informazioni al più alto livello di generalità. Ad esempio, la rete MLT per “animale” avrebbe memorizzato al livello più alto fatti come “si muove” e “mangia.” Sotto questa categoria rientrerebbero specie come “ucelli” e “pesci.” Memorizzati sotto “ucelli” ci sono “ha le ali,” “può volare” e “ha le piume” (anche se ci sono eccezioni—i polli sono uccelli ma non volano). Il fatto che gli uccelli mangino e si muovano non è memorizzato a livello di “uccello” perché tale informazione è memorizzata al livello più alto di animale. Collins e Quillian hanno scoperto che i tempi di recupero aumentavano quanto più i concetti erano memorizzati distanti nella memoria.

L'idea dell'organizzazione gerarchica è stata modificata dalla ricerca che mostra che le informazioni non sono sempre gerarchiche. Pertanto, “collie” è più vicino a “mammifero” che a “animale” in una gerarchia animale, ma le persone sono più veloci ad essere d'accordo sul fatto che un collie è un animale piuttosto che ad essere d'accordo sul fatto che sia un mammifero (Rips, Shoben, & Smith, 1973).

Inoltre, le informazioni familiari possono essere memorizzate sia con il loro concetto sia al più alto livello di generalità (Anderson, 1990). Se hai una mangiatoia per uccelli e spesso guardi gli uccelli che mangiano, potresti avere “mangiare” memorizzato sia con “ucelli” sia con “animali.” Questa scoperta non sminuisce l'idea centrale che le proposizioni siano organizzate e interconnesse. Sebbene alcune conoscenze possano essere organizzate gerarchicamente, molte informazioni sono probabilmente organizzate in modo meno sistematico nelle reti proposizionali.

Conoscenza dichiarativa

La conoscenza dichiarativa (sapere che qualcosa è il caso) include fatti, credenze, opinioni, generalizzazioni, teorie, ipotesi e atteggiamenti su se stessi, sugli altri e sugli eventi mondiali (Gupta & Cohen, 2002; Paris et al., 1983). Viene acquisita quando una nuova proposizione viene memorizzata nella MLT, solitamente in una rete proposizionale correlata (Anderson, 1990). La teoria ACT postula che la conoscenza dichiarativa sia rappresentata in blocchi comprendenti le informazioni di base più le categorie correlate (Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

Il processo di memorizzazione funziona come segue. Innanzitutto, chi apprende riceve nuove informazioni, ad esempio quando l'insegnante fa un'affermazione o chi apprende legge una frase. Successivamente, le nuove informazioni vengono tradotte in una o più proposizioni nella memoria di lavoro (ML) di chi apprende. Allo stesso tempo, vengono richiamate le proposizioni correlate nella MLT. Le nuove proposizioni sono associate alle proposizioni correlate nella ML attraverso il processo di diffusione dell'attivazione (discusso nella sezione seguente). A questo punto, chi apprende potrebbe generare ulteriori proposizioni. Infine, tutte le nuove proposizioni, quelle ricevute e quelle generate da chi apprende, vengono memorizzate insieme nella MLT (Hayes-Roth & Thorndyke, 1979).

La figura 'Memorizzazione della conoscenza dichiarativa' illustra questo processo. Si supponga che un insegnante stia presentando un'unità sulla Costituzione degli Stati Uniti e dica alla classe: "Il vicepresidente degli Stati Uniti funge da presidente del Senato, ma non vota a meno che non ci sia un pareggio". Questa affermazione può richiamare altre conoscenze proposizionali memorizzate nella memoria degli studenti relative al vicepresidente (ad esempio, eletto con il presidente, diventa presidente quando il presidente muore o si dimette, può essere messo in stato di accusa per crimini di tradimento) e al Senato (ad esempio, 100 membri, due eletti da ogni stato, mandati di 6 anni). Mettendo insieme queste proposizioni, gli studenti dovrebbero dedurre che il vicepresidente voterebbe se 50 senatori votassero a favore di un disegno di legge e 50 votassero contro.

I problemi di memorizzazione possono verificarsi quando gli studenti non hanno proposizioni preesistenti a cui collegare nuove informazioni. Gli studenti che non hanno mai sentito parlare della Costituzione degli Stati Uniti e non sanno cosa sia una costituzione rimarranno spiazzati quando sentiranno la parola per la prima volta. Informazioni concettualmente prive di significato possono essere memorizzate nella MLT, ma gli studenti imparano meglio quando le nuove informazioni sono correlate a qualcosa che conoscono. Mostrare agli studenti un facsimile della Costituzione degli Stati Uniti o collegarla a qualcosa che hanno studiato (ad esempio, la Dichiarazione di indipendenza) fornisce loro un riferimento a cui collegare le nuove informazioni.

Anche quando gli studenti hanno studiato materiale correlato, potrebbero non collegarlo automaticamente a nuove informazioni. Spesso i collegamenti devono essere resi espliciti. Quando si discute della funzione del vicepresidente nel Senato, gli insegnanti potrebbero ricordare agli studenti la composizione del Senato degli Stati Uniti e gli altri ruoli del vicepresidente. Le proposizioni che condividono un elemento comune sono collegate nella MLT solo se sono attive contemporaneamente nella ML. Questo punto aiuta a spiegare perché gli studenti potrebbero non vedere come il nuovo materiale si collega al vecchio materiale, anche se il collegamento è chiaro per l'insegnante. L'istruzione che stabilisce al meglio le reti proposizionali nella mente di chi apprende incorpora la revisione, l'organizzazione del materiale e i promemoria di cose che conoscono ma a cui non stanno pensando ora.

Come con molti processi di memoria, la significatività, l'organizzazione e l'elaborazione facilitano la memorizzazione delle informazioni nella memoria. La significatività è importante perché le informazioni significative possono essere facilmente associate a informazioni preesistenti nella memoria. Di conseguenza, è necessaria meno ripetizione, il che consente di risparmiare spazio e tempo di informazioni nella ML. Gli studenti di cui si parla nello scenario di apertura hanno un problema a rendere l'algebra significativa e gli insegnanti esprimono la loro frustrazione per non aver insegnato il contenuto in modo significativo.

Uno studio di Bransford e Johnson (1972) fornisce un'illustrazione drammatica del ruolo della significatività nella memorizzazione e nella comprensione. Si consideri il seguente passaggio:

La procedura è in realtà abbastanza semplice. Innanzitutto, si dispongono le cose in gruppi diversi. Naturalmente, una pila può essere sufficiente a seconda di quanto c'è da fare. Se si deve andare da qualche altra parte a causa della mancanza di strutture, questo è il passo successivo, altrimenti si è abbastanza a posto. È importante non esagerare. Cioè, è meglio fare troppe poche cose alla volta che troppe. Nel breve periodo questo potrebbe non sembrare importante, ma possono facilmente sorgere complicazioni. Anche un errore può essere costoso. All'inizio l'intera procedura sembrerà complicata. Presto, tuttavia, diventerà solo un'altra sfaccettatura della vita. È difficile prevedere una fine alla necessità di questo compito nell'immediato futuro, ma poi non si può mai dire. Dopo che la procedura è stata completata, si dispongono nuovamente i materiali in gruppi diversi. Quindi possono essere rimessi al loro posto appropriato. Alla fine saranno usati ancora una volta e l'intero ciclo dovrà quindi essere ripetuto. Tuttavia, questa è una parte della vita. (p. 722)

Senza una conoscenza pregressa, questo passaggio è difficile da comprendere e memorizzare perché è difficile collegarlo alle conoscenze esistenti nella memoria. Tuttavia, sapere che si tratta di “lavare i vestiti” rende più facile ricordare e comprendere. Bransford e Johnson hanno scoperto che gli studenti che conoscevano l'argomento ricordavano circa il doppio di quelli che non ne erano a conoscenza. L'importanza della significatività nell'apprendimento è stata dimostrata in numerosi altri studi (Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

L'organizzazione facilita la memorizzazione perché il materiale ben organizzato è più facile da collegare alle reti di memoria preesistenti rispetto al materiale scarsamente organizzato (Anderson, 1990). Nella misura in cui il materiale può essere organizzato in una disposizione gerarchica, fornisce una struttura pronta per essere accettata nella MLT. Senza una rete MLT esistente, creare una nuova rete MLT è più facile con informazioni ben organizzate che con informazioni scarsamente organizzate.

L'elaborazione, o il processo di aggiunta di informazioni al materiale da apprendere, migliora la memorizzazione perché elaborando le informazioni chi apprende può essere in grado di collegarle a qualcosa che conosce. Attraverso la diffusione dell'attivazione, il materiale elaborato può essere rapidamente collegato alle informazioni nella memoria. Ad esempio, un insegnante potrebbe discutere del vulcano Etna. Gli studenti che possono elaborare tale conoscenza collegandola alla loro conoscenza personale dei vulcani (ad esempio, il Monte Sant'Elena) saranno in grado di associare le informazioni nuove e vecchie nella memoria e di conservare meglio il nuovo materiale.

Diffusione dell'attivazione

La diffusione dell'attivazione aiuta a spiegare come le nuove informazioni sono collegate alla conoscenza nella MLT (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). I principi fondamentali sottostanti sono i seguenti (Anderson, 1984):

• La conoscenza umana può essere rappresentata come una rete di nodi, in cui i nodi corrispondono a concetti e i collegamenti ad associazioni tra questi concetti.
• I nodi in questa rete possono essere in vari stati che corrispondono ai loro livelli di attivazione. I nodi più attivi vengono elaborati “meglio”.
• L'attivazione può diffondersi lungo questi percorsi di rete mediante un meccanismo in base al quale i nodi possono far sì che i loro nodi vicini diventino attivi. (p. 61)

Anderson (1990) cita l'esempio di un individuo a cui viene presentata la parola cane. Questa parola è associativamente collegata ad altri concetti nella MLT dell'individuo, come osso, gatto e carne. A sua volta, ciascuno di questi concetti è collegato ad altri concetti. L'attivazione di cane nella MLT si diffonderà oltre cane ai concetti collegati, con la diffusione che diminuisce con i concetti più lontani da cane.

Il supporto sperimentale per l'esistenza della diffusione dell'attivazione è stato ottenuto da Meyer e Schvaneveldt (1971). Questi ricercatori hanno utilizzato un compito di tempo di reazione che ha presentato ai partecipanti due stringhe di lettere e ha chiesto loro di decidere se entrambe fossero parole. Le parole associate (pane, burro) sono state riconosciute più velocemente delle parole non associate (infermiera, burro).

La diffusione dell'attivazione si traduce in una porzione più ampia di MLT attivata rispetto alla conoscenza immediatamente associata al contenuto della ML. Le informazioni attivate rimangono nella MLT a meno che non vi si acceda deliberatamente, ma queste informazioni sono più facilmente accessibili alla ML. La diffusione dell'attivazione facilita anche il trasferimento di conoscenza a diversi domini. Il trasferimento dipende dalle reti proposizionali nella MLT che vengono attivate dallo stesso segnale, quindi gli studenti riconoscono che la conoscenza è applicabile nei domini.

Schemi

Le reti proposizionali rappresentano piccoli pezzi di conoscenza. Gli schemi (o schemata) sono grandi reti che rappresentano la struttura di oggetti, persone ed eventi (Anderson, 1990). La struttura è rappresentata con una serie di “spazi”, ciascuno dei quali corrisponde a un attributo. Nello schema o spazio per le case, alcuni attributi (e i loro valori) potrebbero essere i seguenti: materiale (legno, mattoni), contenuto (stanze) e funzione (abitazione umana). Gli schemi sono gerarchici; sono uniti a idee sovraordinate (edificio) e subordinate (tetto).

Brewer e Treyens (1981) hanno trovato supporto nella ricerca per la natura sottostante degli schemi. Alle persone è stato chiesto di aspettare in un ufficio per un breve periodo, dopo di che sono state portate in una stanza dove hanno scritto tutto ciò che potevano ricordare dell'ufficio. Il ricordo rifletteva la forte influenza di uno schema per l'ufficio. Ricordavano correttamente che l'ufficio aveva una scrivania e una sedia (attributi tipici) ma non che l'ufficio conteneva un teschio (attributo non tipico). I libri sono un attributo tipico degli uffici; sebbene l'ufficio non avesse libri, molte persone ricordavano erroneamente i libri.

Gli schemi sono importanti durante l'insegnamento e per il trasferimento (Matlin, 2009). Una volta che gli studenti imparano uno schema, gli insegnanti possono attivare questa conoscenza quando insegnano qualsiasi contenuto a cui lo schema è applicabile. Supponiamo che un istruttore insegni uno schema generale per descrivere le formazioni geografiche (ad esempio, montagna, vulcano, ghiacciaio, fiume). Lo schema potrebbe contenere i seguenti attributi: altezza, materiale e attività. Una volta che gli studenti imparano lo schema, possono impiegarlo per classificare nuove formazioni che studiano. In tal modo, creerebbero nuovi schemi per le varie formazioni.

Conoscenza procedurale

La conoscenza procedurale, o conoscenza di come eseguire attività cognitive (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983), è centrale per gran parte dell'apprendimento scolastico. Usiamo la conoscenza procedurale per risolvere problemi matematici, riassumere informazioni, esaminare passaggi e eseguire tecniche di laboratorio.

La conoscenza procedurale può essere memorizzata come codici verbali e immagini, più o meno allo stesso modo in cui viene memorizzata la conoscenza dichiarativa. La teoria ACT postula che la conoscenza procedurale sia memorizzata come un sistema di produzione (Anderson, 1996; Anderson, Reder, & Lebiere, 1996). Un sistema di produzione (o produzione) è una rete di sequenze condizione–azione (regole), in cui la condizione è l'insieme delle circostanze che attivano il sistema e l'azione è l'insieme delle attività che si verificano (Anderson, 1990; Andre, 1986; vedere la sezione successiva). I sistemi di produzione sembrano concettualmente simili alle reti neurali.

I sistemi di produzione e i modelli connessionisti forniscono paradigmi per esaminare il funzionamento dei processi di apprendimento cognitivo (Anderson, 1996, 2000; Smith, 1996). I modelli connessionisti rappresentano una prospettiva relativamente nuova sull'apprendimento cognitivo. Ad oggi, ci sono poche ricerche sui modelli connessionisti rilevanti per l'istruzione. Ulteriori fonti forniscono maggiori informazioni sui modelli connessionisti (Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

Sistemi di produzione

ACT, una teoria dell'attivazione, specifica che un sistema di produzione (o produzione) è una rete di sequenze condizione-azione (regole), in cui la condizione è un insieme di circostanze che attivano il sistema e l'azione è l'insieme di attività che si verificano (Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). Una produzione consiste in istruzioni if-then: le istruzioni If (la condizione) includono l'obiettivo e le istruzioni di test e le istruzioni then sono le azioni. Ad esempio:

• SE vedo due numeri e devono essere sommati,
• ALLORA decidi quale è più grande e inizia con quel numero e conta fino al successivo. (Farnham-Diggory, 1992, p. 113)

Sebbene le produzioni siano forme di conoscenza procedurale a cui possono essere associate condizioni (conoscenza condizionale), includono anche conoscenza dichiarativa.

Le procedure di apprendimento per eseguire abilità spesso si verificano lentamente (J. Anderson, 1982). In primo luogo, gli studenti rappresentano una sequenza di azioni in termini di conoscenza dichiarativa. Ogni passaggio della sequenza è rappresentato come una proposizione. Gli studenti gradualmente abbandonano i singoli indizi e integrano i passaggi separati in una sequenza continua di azioni. Ad esempio, i bambini che imparano ad aggiungere una colonna di numeri tendono inizialmente a eseguire ogni passaggio lentamente, possibilmente anche verbalizzandolo ad alta voce. Man mano che diventano più abili, l'aggiunta diventa parte di una sequenza automatica e fluida che si verifica rapidamente e senza attenzione deliberata e cosciente. L'automaticità è una caratteristica centrale di molti processi cognitivi (ad esempio, attenzione, recupero) (Moors & De Houwer, 2006). Quando i processi diventano automatici, ciò consente al sistema di elaborazione di dedicarsi a parti complesse delle attività.

Un vincolo importante sull'apprendimento delle abilità è la limitazione delle dimensioni della WM (Baddeley, 2001). Le procedure verrebbero apprese più rapidamente se la WM potesse contenere simultaneamente tutte le proposizioni di conoscenza dichiarativa. Poiché non può, gli studenti devono combinare le proposizioni lentamente e fermarsi e pensare periodicamente (ad esempio, "Cosa faccio dopo?"). La WM contiene spazio insufficiente per creare procedure ampie nelle prime fasi dell'apprendimento. Man mano che le proposizioni vengono combinate in piccole procedure, queste ultime vengono memorizzate nella WM simultaneamente con altre proposizioni. In questo modo, vengono gradualmente costruite produzioni più ampie.

Queste idee spiegano perché l'apprendimento delle abilità procede più velocemente quando gli studenti possono eseguire le abilità prerequisiti (cioè, quando diventano automatici). Quando questi ultimi esistono come produzioni consolidate, vengono attivati nella WM contemporaneamente alle nuove proposizioni da integrare. Nell'apprendimento di come risolvere problemi di divisione lunga, gli studenti che sanno come moltiplicare semplicemente richiamano la procedura quando necessario; non deve essere appreso insieme agli altri passaggi della divisione lunga. Sebbene questo non sembri essere il problema nello scenario di apertura, l'apprendimento dell'algebra è difficile per gli studenti con carenze di abilità di base (ad esempio, addizione, moltiplicazione), perché anche i semplici problemi di algebra diventano difficili da risolvere correttamente. I bambini con difficoltà di lettura sembrano non avere la capacità di elaborare e memorizzare efficacemente le informazioni contemporaneamente (de Jong, 1998).

In alcuni casi, specificare i passaggi in dettaglio è difficile. Ad esempio, il pensiero creativo potrebbe non seguire la stessa sequenza per ogni studente. Gli insegnanti possono modellare il pensiero creativo per includere domande come, "Ci sono altre possibilità?". Ogni volta che i passaggi possono essere specificati, le dimostrazioni degli insegnanti dei passaggi in una procedura, seguite dalla pratica degli studenti, sono efficaci (Rosenthal & Zimmerman, 1978).

Un problema con l'apprendimento delle procedure è che gli studenti potrebbero vederle come sequenze rigide da seguire indipendentemente dal fatto che siano appropriate. Gli psicologi della Gestalt hanno mostrato come la fissità funzionale, o un approccio inflessibile a un problema, ostacola la risoluzione dei problemi (Duncker, 1945. Seguire rigidamente una sequenza durante l'apprendimento può aiutare la sua acquisizione, ma gli studenti devono anche comprendere le circostanze in cui altri metodi sono più efficienti.

A volte gli studenti sovraimparano le procedure di abilità al punto da evitare di utilizzare procedure alternative più semplici. Allo stesso tempo, ci sono poche, se non nessuna, alternative per molte delle procedure che gli studenti imparano (ad esempio, decodificare le parole, aggiungere numeri, determinare l'accordo soggetto-verbo). Sovraimparare queste abilità al punto della produzione automatica diventa una risorsa per gli studenti e rende più facile l'apprendimento di nuove abilità (ad esempio, trarre inferenze, scrivere tesine) che richiedono la padronanza di queste abilità di base.

Si potrebbe sostenere che insegnare agli studenti abilità di risoluzione dei problemi o di inferenza che sono carenti nei fatti matematici di base e nelle abilità di decodifica, rispettivamente, ha poco senso. La ricerca mostra che una scarsa comprensione dei fatti numerici di base è correlata a scarse prestazioni in compiti aritmetici complessi (Romberg & Carpenter, 1986) e una decodifica lenta è correlata a una scarsa comprensione (Calfee & Drum, 1986; Perfetti & Lesgold, 1979). Non solo l'apprendimento delle abilità è influenzato, ma anche l'autoefficacia ne risente.

La pratica è essenziale per stabilire la conoscenza procedurale di base (Lesgold, 1984). Nelle prime fasi dell'apprendimento, gli studenti richiedono un feedback correttivo che evidenzi le parti della procedura che hanno implementato correttamente e quelle che richiedono modifiche. Spesso gli studenti imparano alcune parti di una procedura ma non altre. Man mano che gli studenti acquisiscono abilità, gli insegnanti possono sottolineare i loro progressi nella risoluzione dei problemi più rapidamente o più accuratamente.

Il trasferimento di conoscenza procedurale si verifica quando la conoscenza è collegata nella LTM con contenuti diversi. Il trasferimento è facilitato facendo applicare agli studenti le procedure ai diversi contenuti e alterando le procedure se necessario. Le strategie generali di risoluzione dei problemi sono applicabili a vari contenuti accademici. Gli studenti imparano la loro generalità applicandole a diverse materie (ad esempio, lettura, matematica).

Le produzioni sono rilevanti per l'apprendimento cognitivo, ma devono essere affrontate diverse questioni. La teoria ACT postula un singolo insieme di processi cognitivi per spiegare diversi fenomeni (Matlin, 2009). Questa visione è in conflitto con altre prospettive cognitive che delineano processi diversi a seconda del tipo di apprendimento (Shuell, 1986). Rumelhart e Norman (1978) hanno identificato tre tipi di apprendimento. L'accrescimento implica la codifica di nuove informazioni in termini di schemi esistenti; la ristrutturazione (creazione di schemi) è il processo di formazione di nuovi schemi; e l'affinamento (evoluzione dello schema) si riferisce alla lenta modifica e al perfezionamento degli schemi che si verifica quando li si utilizza in vari contesti. Questi comportano diverse quantità di pratica: molta per l'affinamento e meno per l'accrescimento e la ristrutturazione.

ACT è essenzialmente un programma per computer progettato per simulare l'apprendimento in modo coerente. In quanto tale, potrebbe non affrontare la gamma di fattori coinvolti nell'apprendimento umano. Una questione riguarda come le persone sanno quale produzione utilizzare in una determinata situazione, specialmente se le situazioni si prestano all'impiego di diverse produzioni. Le produzioni possono essere ordinate in termini di probabilità, ma deve essere disponibile un mezzo per decidere quale produzione è la migliore data la circostanza. Di interesse è anche la questione di come le produzioni vengono alterate. Ad esempio, se una produzione non funziona in modo efficace, gli studenti la scartano, la modificano o la conservano ma cercano più prove? Qual è il meccanismo per decidere quando e come le produzioni vengono cambiate?

Un'altra preoccupazione riguarda l'affermazione di Anderson (1983, 1990) secondo cui le produzioni iniziano come conoscenza dichiarativa. Questo presupposto sembra troppo forte data l'evidenza che questa sequenza non è sempre seguita (Hunt, 1989). Poiché rappresentare le procedure di abilità come pezzi di conoscenza dichiarativa è essenzialmente una stazione di sosta lungo la strada verso la padronanza, ci si potrebbe chiedere se gli studenti debbano imparare i singoli passaggi. I singoli passaggi alla fine non verranno utilizzati, quindi il tempo potrebbe essere speso meglio consentendo agli studenti di esercitarli. Fornire agli studenti un elenco di passaggi a cui possono fare riferimento mentre sviluppano gradualmente una procedura facilita l'apprendimento e migliora l'autoefficacia (Schunk, 1995).

Infine, ci si potrebbe chiedere se i sistemi di produzione, come generalmente descritti, non siano altro che elaborate associazioni stimolo-risposta (S-R) (Mayer, 1992). Le proposizioni (frammenti di conoscenza procedurale) vengono collegate nella memoria in modo che quando un pezzo viene spunto, anche gli altri vengono attivati. Anderson (1983) ha riconosciuto la natura associazionista delle produzioni, ma ritiene che siano più avanzate delle semplici associazioni S-R perché incorporano obiettivi. A sostegno di questo punto, le associazioni ACT sono analoghe alle connessioni della rete neurale. Forse, come nel caso delle teorie comportamentiste, ACT può spiegare le prestazioni meglio di quanto possa spiegare l'apprendimento. Queste e altre domande (ad esempio, il ruolo della motivazione) devono essere affrontate dalla ricerca e correlate all'apprendimento delle abilità accademiche per stabilire meglio l'utilità delle produzioni nell'istruzione.

Modelli connessionisti

Una linea di teorizzazione recente sui processi cognitivi complessi coinvolge i modelli connessionisti (o connessionismo, ma da non confondere con il connessionismo di Thorndike discusso in precedenza nel corso; Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996). Come le produzioni, i modelli connessionisti rappresentano simulazioni al computer dei processi di apprendimento. Questi modelli collegano l'apprendimento all'elaborazione del sistema neurale in cui gli impulsi si accendono attraverso le sinapsi per formare connessioni. Il presupposto è che i processi cognitivi di ordine superiore siano formati collegando un gran numero di elementi di base come i neuroni (Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). I modelli connessionisti includono rappresentazioni distribuite della conoscenza (cioè, distribuite su una vasta rete), elaborazione parallela (molte operazioni si verificano contemporaneamente) e interazioni tra un gran numero di unità di elaborazione semplici (Siegler, 1989). Le connessioni possono essere in diverse fasi di attivazione (Smith, 1996) e collegate all'input nel sistema, all'output o a uno o più livelli intermedi.

Rumelhart e McClelland (1986) hanno descritto un sistema di elaborazione distribuita parallela (PDP). Questo modello è utile per formulare giudizi categorici sulle informazioni nella memoria. Questi autori hanno fornito un esempio che coinvolge due bande e informazioni sui membri della banda, tra cui età, istruzione, stato civile e occupazione. Nella memoria, le caratteristiche simili di ogni individuo sono collegate. Ad esempio, i membri 2 e 5 sarebbero collegati se entrambi avessero circa la stessa età, fossero sposati e fossero impegnati in attività di banda simili. Per recuperare informazioni sul membro 2, potremmo attivare l'unità di memoria con il nome della persona, che a sua volta attiverebbe altre unità di memoria. Il modello creato attraverso questa diffusione dell'attivazione corrisponde alla rappresentazione della memoria per l'individuo. Borowsky e Besner (2006) hanno descritto un modello PDP per prendere decisioni lessicali (ad esempio, decidere se uno stimolo è una parola).

Le unità connessioniste hanno una certa somiglianza con le produzioni in quanto entrambe coinvolgono l'attivazione della memoria e le idee collegate. Allo stesso tempo, esistono differenze. Nei modelli connessionisti tutte le unità sono uguali, mentre le produzioni contengono condizioni e azioni. Le unità sono differenziate in termini di modello e grado di attivazione. Un'altra differenza riguarda le regole. Le produzioni sono governate da regole. Il connessionismo non ha regole fisse. I neuroni sanno come attivare i modelli; dopo il fatto possiamo fornire una regola come etichetta per la sequenza (ad esempio, regole per la denominazione dei modelli attivati; Farnham-Diggory, 1992).

Un problema con l'approccio connessionista è spiegare come il sistema sa quale delle molte unità nella memoria attivare e come queste molteplici attivazioni vengono collegate in sequenze integrate. Questo processo sembra semplice nel caso di modelli consolidati; ad esempio, i neuroni sanno come reagire a un telefono che squilla, a un vento freddo e a un insegnante che annuncia: "Tutti prestino attenzione!". Con modelli meno consolidati le attivazioni possono essere problematiche. Potremmo anche chiederci come i neuroni diventano auto-attivanti in primo luogo. Questa domanda è importante perché aiuta a spiegare il ruolo delle connessioni nell'apprendimento e nella memoria. Sebbene la nozione di connessioni sembri plausibile e radicata in ciò che sappiamo sul funzionamento neurologico, ad oggi questo modello è stato più utile nello spiegare la percezione piuttosto che l'apprendimento e la risoluzione dei problemi (Mayer, 1992). Le ultime applicazioni richiedono una notevole ricerca.