장기 기억: 저장 (정보 처리 이론)

본 섹션에서는 장기 기억(LTM)에서의 정보 저장에 대해 논의합니다. 뇌를 들여다볼 수 있는 창이 없기 때문에 장기 기억에 대한 우리의 지식은 제한적이지만, 연구를 통해 저장 과정에 대한 상당히 일관된 그림이 그려졌습니다.

본 강의에서 장기 기억의 특징은 지식이 네트워크의 위치 또는 노드로 표현되고, 네트워크들이 서로 연결(연상)되어 있는 구조를 포함합니다. 이러한 인지 네트워크와 앞서 강의에서 논의된 신경 네트워크 간의 유사점에 주목하십시오. 네트워크를 논의할 때, 우리는 주로 선언적 지식과 절차적 지식을 다룹니다. 조건적 지식은 인지 처리 과정을 감시하고 지시하는 메타인지 활동과 함께 강의의 7장에서 다룹니다. 대부분의 지식은 언어적 코드로 장기 기억에 저장되지만, 이미지의 역할도 본 강의의 마지막 부분에서 다룹니다.

명제의 본질

명제는 참 또는 거짓으로 판단할 수 있는 가장 작은 정보 단위입니다. 명제는 장기 기억(LTM)에서 지식과 의미의 기본 단위입니다(Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). 다음 각각은 명제입니다:

• 독립 선언서는 1776년에 서명되었습니다.
• .
• 프리다 이모는 순무를 싫어합니다.
• 저는 수학을 잘합니다.
• 주인공은 이야기 초반에 소개됩니다.

이러한 표본 명제들은 참 또는 거짓으로 판단될 수 있습니다. 그러나 사람들은 자신의 판단에 동의하지 않을 수 있습니다. 카를로스는 자신이 수학을 못한다고 믿을 수 있지만, 그의 선생님은 그가 매우 잘한다고 믿을 수 있습니다.

명제의 정확한 본질은 잘 이해되지 않았습니다. 비록 문장으로 생각할 수 있지만, 문장의 의미일 가능성이 더 큽니다(Anderson, 1990). 연구는 우리가 정보를 완전한 문장보다는 명제로 기억 속에 저장한다는 점을 뒷받침합니다. Kintsch(1974)는 참가자들에게 길이가 같지만 포함된 명제의 수가 다른 문장들을 읽도록 했습니다. 문장에 포함된 명제가 많을수록 참가자들이 이해하는 데 더 오래 걸렸습니다. 이는 학생들이 “독립 선언서는 1776년에 서명되었습니다”라는 문장을 생성할 수 있지만, 그들이 기억 속에 저장했을 가능성이 가장 높은 것은 필수 정보만 포함하는 명제(독립 선언서: 서명—1776)라는 것을 암시합니다. 특정한 예외(예: 시 암기)를 제외하고, 사람들은 보통 정확한 표현보다는 의미를 저장하는 것으로 보입니다.

명제는 개별 노드 또는 위치로 구성된 네트워크를 형성합니다. 노드는 개별 단어로 생각할 수 있지만, 그 정확한 본질은 알려져 있지 않지만 아마도 추상적일 것입니다. 예를 들어, 역사 수업을 듣는 학생들은 “역사 수업” 네트워크를 가지고 있을 가능성이 높으며, 여기에는 “책,” “선생님,” “장소,” “왼쪽에 앉은 학생의 이름” 등과 같은 노드가 포함됩니다.

명제 네트워크

명제는 일련의 규칙에 따라 형성됩니다. 연구자들은 어떤 규칙이 그 집합을 구성하는지에 대해 의견이 분분하지만, 일반적으로 규칙이 노드를 명제로 결합하고, 결과적으로 명제를 더 높은 수준의 구조 또는 네트워크(상호 관련된 명제의 집합)로 결합한다고 믿습니다.

Anderson의 ACT 이론(Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996)은 명제 구조를 가진 LTM의 ACT-R(Adaptive Control of Thought-Rational) 네트워크 모델을 제안합니다. ACT-R은 마음의 모든 구성 요소가 어떻게 협력하여 일관된 인지를 생성하는지 설명하려는 인지 아키텍처 모델입니다(Anderson et al., 2004). 명제는 주어–술어 연결 또는 연관을 통해 두 노드를 결합하여 형성됩니다. 하나의 노드는 주어를 구성하고 다른 노드는 술어를 구성합니다. 예는 (함축된 정보는 괄호 안에): “프레드(는) 부자(이다)” 및 “쇼핑(은) 시간(이 걸린다).” 두 번째 유형의 연관은 관계–논항 연결이며, 여기서 관계는 (의미상) 동사이고 논항은 관계의 수혜자이거나 관계에 의해 영향을 받는 것입니다. 예는 “케이크 먹기” 및 “퍼즐 풀기”입니다. 관계 논항은 복잡한 명제를 형성하기 위해 주어 또는 술어로 사용될 수 있습니다. 예는 “프레드는 케이크를 먹는다,” 및 “퍼즐 풀기(는) 시간(이 걸린다).”

명제는 공통 요소를 공유할 때 상호 관련됩니다. 공통 요소를 통해 사람들은 문제를 해결하고, 환경적 요구에 대처하고, 비유를 도출하는 등 할 수 있습니다. 공통 요소가 없으면 전이가 발생하지 않습니다. 모든 지식이 개별적으로 저장되고 정보 처리가 느려질 것입니다. 한 영역과 관련된 지식이 다른 영역과도 관련이 있다는 것을 인식하지 못할 것입니다.

그림 '표본 명제 네트워크'는 명제 네트워크의 예를 보여줍니다. 공통 요소는 “고양이”입니다. 왜냐하면 그것은 “고양이가 앞마당을 가로질러 걸어갔다”와 “고양이가 쥐를 잡았다”라는 명제의 일부이기 때문입니다. 전자의 명제는 자신의 집과 관련된 다른 명제와 연결되어 있고, 후자는 쥐에 대한 명제와 연결되어 있다고 상상할 수 있습니다.

증거는 명제가 계층적 구조로 조직되어 있음을 시사합니다. Collins와 Quillian(1969)은 사람들이 정보를 가장 높은 수준의 일반성으로 저장한다는 것을 보여주었습니다. 예를 들어, “동물”에 대한 LTM 네트워크는 “움직인다” 및 “먹는다”와 같은 사실을 가장 높은 수준으로 저장했을 것입니다. 이 범주 아래에는 “새”와 “물고기”와 같은 종이 올 것입니다. “새” 아래에는 “날개가 있다,” “날 수 있다,” 및 “깃털이 있다”가 저장됩니다(닭은 새이지만 날지 못한다는 예외가 있지만). 새가 먹고 움직인다는 사실은 “새” 수준에 저장되지 않습니다. 왜냐하면 그 정보는 더 높은 수준의 동물에 저장되기 때문입니다. Collins와 Quillian은 개념이 메모리에 저장된 거리가 멀수록 검색 시간이 증가한다는 것을 발견했습니다.

계층적 조직 아이디어는 정보가 항상 계층적이지 않다는 것을 보여주는 연구에 의해 수정되었습니다. 따라서 “콜리”는 동물 계층에서 “동물”보다 “포유류”에 더 가깝지만, 사람들은 콜리가 포유류라는 데 동의하는 것보다 동물이라는 데 더 빨리 동의합니다(Rips, Shoben, & Smith, 1973).

또한, 친숙한 정보는 해당 개념과 가장 높은 수준의 일반성 모두에 저장될 수 있습니다(Anderson, 1990). 새 모이통이 있고 새가 먹는 것을 자주 본다면 “먹는다”를 “새”와 “동물” 모두와 함께 저장할 수 있습니다. 이 발견은 명제가 조직되고 상호 연결되어 있다는 중심 아이디어를 훼손하지 않습니다. 일부 지식은 계층적으로 조직될 수 있지만, 많은 정보는 명제 네트워크에서 덜 체계적인 방식으로 조직될 가능성이 높습니다.

선언적 지식

선언적 지식(무엇이 사실임을 아는 것)에는 사실, 신념, 의견, 일반화, 이론, 가설, 그리고 자신, 타인 및 세계 사건에 대한 태도가 포함됩니다(Gupta & Cohen, 2002; Paris et al., 1983). 이는 새로운 명제가 LTM에 저장될 때 획득되며, 보통 관련 명제 네트워크에 저장됩니다(Anderson, 1990). ACT 이론은 선언적 지식이 기본 정보와 관련 범주를 포함하는 덩어리로 표현된다고 가정합니다(Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

저장 과정은 다음과 같이 작동합니다. 먼저, 학습자는 교사가 진술하거나 학습자가 문장을 읽을 때와 같이 새로운 정보를 받습니다. 다음으로, 새로운 정보는 학습자의 WM에서 하나 이상의 명제로 번역됩니다. 동시에, LTM의 관련 명제가 큐됩니다. 새로운 명제는 확산 활성화 과정을 통해 WM의 관련 명제와 연결됩니다(다음 섹션에서 설명). 이 시점에서 학습자는 추가 명제를 생성할 수 있습니다. 마지막으로, 모든 새로운 명제, 즉 학습자가 받은 명제와 생성한 명제가 함께 LTM에 저장됩니다(Hayes-Roth & Thorndyke, 1979).

그림 '선언적 지식 저장'은 이 과정을 보여줍니다. 교사가 미국 헌법에 대한 단원을 발표하면서 반 학생들에게 “미국 부통령은 상원 의장 역할을 하지만, 가부 동수일 경우에만 투표합니다.”라고 말한다고 가정합니다. 이 진술은 부통령(예: 대통령과 함께 선출, 대통령이 사망하거나 사임할 경우 대통령이 됨, 반역죄로 탄핵될 수 있음)과 상원(예: 100명의 의원, 각 주에서 2명씩 선출, 임기 6년)과 관련된 학생들의 기억에 저장된 다른 명제적 지식을 큐할 수 있습니다. 이러한 명제를 종합하면, 학생들은 50명의 상원 의원이 법안에 찬성하고 50명이 반대할 경우 부통령이 투표할 것이라고 추론해야 합니다.

학생들이 새로운 정보를 연결할 기존 명제가 없을 때 저장 문제가 발생할 수 있습니다. 미국 헌법에 대해 들어본 적이 없고 헌법이 무엇인지 모르는 학생은 처음 그 단어를 들을 때 아무것도 떠오르지 않을 것입니다. 개념적으로 무의미한 정보는 LTM에 저장될 수 있지만, 학생들은 새로운 정보가 자신이 아는 것과 관련될 때 더 잘 배웁니다. 학생들에게 미국 헌법의 복사본을 보여주거나 학생들이 공부한 것(예: 독립 선언문)과 관련시키면 새로운 정보와 연결할 참조 대상을 제공합니다.

학생들이 관련 자료를 공부했더라도 새로운 정보와 자동으로 연결하지 않을 수 있습니다. 종종 연결 고리를 명시적으로 만들어야 합니다. 상원에서 부통령의 기능을 논의할 때 교사는 학생들에게 미국 상원의 구성과 부통령의 다른 역할에 대해 상기시킬 수 있습니다. 공통 요소를 공유하는 명제는 WM에서 동시에 활성화된 경우에만 LTM에서 연결됩니다. 이 점은 교사에게는 연결 고리가 분명하더라도 학생들이 새로운 자료가 이전 자료와 어떻게 관련되는지 파악하지 못하는 이유를 설명하는 데 도움이 됩니다. 학습자의 마음속에 명제 네트워크를 가장 잘 구축하는 교육은 복습, 자료 구성, 그리고 그들이 알고 있지만 지금은 생각하지 않는 것들에 대한 상기를 통합합니다.

많은 기억 과정과 마찬가지로, 의미성, 조직화 및 정교화는 정보를 기억 속에 저장하는 데 도움이 됩니다. 의미 있는 정보는 기억 속의 기존 정보와 쉽게 연결될 수 있기 때문에 의미성이 중요합니다. 결과적으로, 더 적은 리허설이 필요하며, 이는 WM에서 정보의 공간과 시간을 절약합니다. 개시 시나리오에서 논의되는 학생들은 대수를 의미 있게 만드는 데 어려움을 겪고 있으며, 교사들은 내용을 의미 있는 방식으로 가르치지 못하는 것에 대해 좌절감을 표합니다.

Bransford와 Johnson(1972)의 연구는 저장과 이해에서 의미성의 역할을 극적으로 보여줍니다. 다음 구절을 고려해 보십시오:

절차는 실제로 매우 간단합니다. 먼저 물건을 여러 그룹으로 정리합니다. 물론, 해야 할 일이 얼마나 많은지에 따라 한 무더기로 충분할 수도 있습니다. 시설 부족으로 다른 곳으로 가야 한다면 다음 단계입니다. 그렇지 않으면 거의 준비가 된 것입니다. 지나치게 하지 않는 것이 중요합니다. 즉, 한 번에 너무 많은 일을 하는 것보다 너무 적은 일을 하는 것이 좋습니다. 단기적으로는 이것이 중요하지 않게 보일 수 있지만, 합병증이 쉽게 발생할 수 있습니다. 실수는 비용이 많이 들 수 있습니다. 처음에는 전체 절차가 복잡하게 보일 것입니다. 그러나 곧 그것은 삶의 또 다른 측면이 될 것입니다. 가까운 미래에 이 작업의 필요성이 끝날 것이라고 예상하기는 어렵지만, 아무도 모릅니다. 절차가 완료되면 재료를 다시 다른 그룹으로 정리합니다. 그런 다음 적절한 장소에 놓을 수 있습니다. 결국 그들은 다시 한 번 사용될 것이고 전체 주기를 반복해야 할 것입니다. 그러나 그것은 삶의 일부입니다. (p. 722)

사전 지식이 없으면 이 구절을 이해하고 기억에 저장하기 어렵습니다. 왜냐하면 기억 속의 기존 지식과 관련시키기가 어렵기 때문입니다. 그러나 그것이 '세탁'에 관한 것이라는 것을 알면 기억하고 이해하기가 더 쉬워집니다. Bransford와 Johnson은 주제를 아는 학생들이 주제를 모르는 학생들보다 약 두 배나 많이 회상한다는 것을 발견했습니다. 학습에서 의미성의 중요성은 수많은 다른 연구에서 입증되었습니다(Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

잘 조직된 자료는 잘 조직되지 않은 자료보다 기존 기억 네트워크와 더 쉽게 관련될 수 있기 때문에 조직화는 저장을 용이하게 합니다(Anderson, 1990). 자료가 계층적 배열로 구성될 수 있는 한, LTM에 수용될 준비가 된 구조를 제공합니다. 기존의 LTM 네트워크가 없으면, 잘 조직된 정보로 새로운 LTM 네트워크를 만드는 것이 잘 조직되지 않은 정보보다 쉽습니다.

정교화, 즉 배울 자료에 정보를 추가하는 과정은 학습자가 알고 있는 것과 관련시킬 수 있기 때문에 저장을 향상시킵니다. 확산 활성화를 통해 정교화된 자료는 기억 속의 정보와 빠르게 연결될 수 있습니다. 예를 들어, 교사는 에트나 산 화산에 대해 논의할 수 있습니다. 화산에 대한 개인적인 지식(예: 세인트 헬렌스 산)과 관련시켜 지식을 정교화할 수 있는 학생은 기억 속에서 새 정보와 이전 정보를 연관시키고 새 자료를 더 잘 유지할 수 있습니다.

확산 활성화

확산 활성화는 새로운 정보가 LTM의 지식과 어떻게 연결되는지 설명하는 데 도움이 됩니다(Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). 기본적인 기본 원리는 다음과 같습니다(Anderson, 1984):

• 인간의 지식은 노드 네트워크로 표현될 수 있으며, 여기서 노드는 개념에 해당하고 링크는 이러한 개념 간의 연관성에 해당합니다.
• 이 네트워크의 노드는 활성화 수준에 해당하는 다양한 상태에 있을 수 있습니다. 더 활성적인 노드는 '더 잘' 처리됩니다.
• 활성화는 노드가 인접 노드를 활성화할 수 있는 메커니즘에 의해 이러한 네트워크 경로를 따라 확산될 수 있습니다. (p. 61)

Anderson(1990)은 개인이 '개'라는 단어를 제시받은 예를 인용합니다. 이 단어는 뼈, 고양이, 고기와 같은 개인의 LTM에 있는 다른 개념과 연관되어 있습니다. 차례로, 이러한 각 개념은 다른 개념과 연결되어 있습니다. LTM에서 개의 활성화는 개에서 연결된 개념으로 확산되며, 확산은 개에서 멀리 떨어진 개념으로 갈수록 줄어듭니다.

확산 활성화의 존재에 대한 실험적 지원은 Meyer와 Schvaneveldt(1971)에 의해 얻어졌습니다. 이 연구자들은 참가자에게 두 개의 문자열을 제시하고 둘 다 단어인지 결정하도록 요청하는 반응 시간 작업을 사용했습니다. 연관적으로 연결된 단어(빵, 버터)는 연결되지 않은 단어(간호사, 버터)보다 빠르게 인식되었습니다.

확산 활성화는 WM의 내용과 즉시 연관된 지식보다 더 많은 LTM 부분을 활성화합니다. 활성화된 정보는 의도적으로 액세스하지 않는 한 LTM에 유지되지만, 이 정보는 WM에 더 쉽게 액세스할 수 있습니다. 확산 활성화는 또한 지식을 다른 영역으로 전송하는 데 도움이 됩니다. 전송은 LTM의 명제 네트워크가 동일한 큐에 의해 활성화되는지에 달려 있으므로 학생들은 지식이 해당 영역에서 적용 가능하다는 것을 인식합니다.

스키마

명제 네트워크는 작은 지식 조각을 나타냅니다. 스키마(또는 스키마타)는 객체, 사람 및 이벤트의 구조를 나타내는 큰 네트워크입니다(Anderson, 1990). 구조는 일련의 '슬롯'으로 표현되며, 각 슬롯은 속성에 해당합니다. 주택에 대한 스키마 또는 슬롯에서 일부 속성(및 해당 값)은 다음과 같습니다. 재료(목재, 벽돌), 내용물(방), 기능(인간 거주지). 스키마는 계층적입니다. 상위 아이디어(건물)와 하위 아이디어(지붕)에 연결됩니다.

Brewer와 Treyens(1981)는 스키마의 근본적인 본질에 대한 연구 지원을 발견했습니다. 사람들은 잠시 동안 사무실에서 기다리라는 요청을 받았고, 그 후 사무실에 대해 기억할 수 있는 모든 것을 적어 놓은 방으로 옮겨졌습니다. 회상은 사무실에 대한 스키마의 강한 영향을 받았습니다. 그들은 사무실에 책상과 의자가 있다는 것을 정확하게 회상했지만(일반적인 속성), 사무실에 해골이 있다는 것은 회상하지 못했습니다(비정형적인 속성). 책은 사무실의 일반적인 속성입니다. 사무실에 책이 없었음에도 불구하고 많은 사람들이 책을 잘못 회상했습니다.

스키마는 교육과 전송 중에 중요합니다(Matlin, 2009). 학생이 스키마를 배우면 교사는 스키마가 적용 가능한 모든 콘텐츠를 가르칠 때 이 지식을 활성화할 수 있습니다. 강사가 지리적 형성을 설명하기 위한 일반적인 스키마(예: 산, 화산, 빙하, 강)를 가르친다고 가정합니다. 스키마에는 높이, 재료, 활동과 같은 속성이 포함될 수 있습니다. 학생이 스키마를 배우면 스키마를 사용하여 공부하는 새로운 형성을 분류할 수 있습니다. 그렇게 함으로써 다양한 형성에 대한 새로운 스키마를 만듭니다.

절차적 지식

절차적 지식, 즉 인지 활동을 수행하는 방법에 대한 지식(Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983)은 많은 학교 학습의 중심입니다. 우리는 수학 문제를 풀고, 정보를 요약하고, 구절을 대충 읽고, 실험실 기술을 수행하기 위해 절차적 지식을 사용합니다.

절차적 지식은 선언적 지식이 저장되는 방식과 거의 같은 방식으로 언어 코드와 이미지로 저장될 수 있습니다. ACT 이론은 절차적 지식이 프로덕션 시스템으로 저장된다고 가정합니다(Anderson, 1996; Anderson, Reder, & Lebiere, 1996). 프로덕션 시스템(또는 프로덕션)은 조건-작업 시퀀스(규칙) 네트워크이며, 여기서 조건은 시스템을 활성화하는 환경 집합이고 작업은 발생하는 활동 집합입니다(Anderson, 1990; Andre, 1986; 다음 섹션 참조). 프로덕션 시스템은 개념적으로 신경망과 유사해 보입니다.

생산 시스템과 연결주의 모델은 인지 학습 과정의 작동을 검토하기 위한 패러다임을 제공합니다(Anderson, 1996, 2000; Smith, 1996). 연결주의 모델은 인지 학습에 대한 비교적 새로운 관점을 제시합니다. 현재까지 교육과 관련된 연결주의 모델에 대한 연구는 거의 없습니다. 추가 자료는 연결주의 모델에 대한 추가 정보를 제공합니다(Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

생산 시스템

ACT(활성화 이론)는 생산 시스템(또는 생산)이 조건-행동 시퀀스(규칙)의 네트워크이며, 여기서 조건은 시스템을 활성화하는 일련의 상황이고 행동은 발생하는 활동 세트라고 명시합니다(Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). 생산은 if-then 문으로 구성됩니다. If 문(조건)에는 목표 및 테스트 문이 포함되고 then 문은 행동입니다. 예를 들면 다음과 같습니다.

• 만약 두 숫자를 보고 그것들을 더해야 한다면,
• 어느 것이 더 큰지 결정하고 그 숫자로 시작하여 다음 숫자까지 세어라. (Farnham-Diggory, 1992, p. 113)

프로덕션은 조건(조건부 지식)을 가질 수 있는 절차적 지식의 형태이지만, 선언적 지식도 포함합니다.

기술 수행을 위한 학습 절차는 종종 느리게 발생합니다(J. Anderson, 1982). 먼저 학습자는 일련의 행동을 선언적 지식의 관점에서 나타냅니다. 시퀀스의 각 단계는 명제로 표현됩니다. 학습자는 점차 개별 신호를 버리고 별도의 단계를 연속적인 행동 시퀀스로 통합합니다. 예를 들어, 숫자 열을 더하는 법을 배우는 어린이는 처음에는 각 단계를 천천히 수행하고 심지어 소리 내어 말할 수도 있습니다. 능숙해짐에 따라 덧셈은 의도적이고 의식적인 주의 없이 빠르고 부드럽게 발생하는 자동 시퀀스의 일부가 됩니다. 자동성은 많은 인지 과정(예: 주의, 검색)의 핵심 기능입니다(Moors & De Houwer, 2006). 프로세스가 자동화되면 처리 시스템이 작업의 복잡한 부분에 집중할 수 있습니다.

기술 학습의 주요 제약 조건은 WM의 크기 제한입니다(Baddeley, 2001). WM이 모든 선언적 지식 명제를 동시에 보유할 수 있다면 절차가 더 빨리 학습될 것입니다. 그럴 수 없기 때문에 학생들은 명제를 천천히 결합하고 주기적으로 멈춰서 생각해야 합니다(예: “다음에 무엇을 해야 하지?”). WM에는 학습 초기 단계에서 큰 절차를 만들기에 충분한 공간이 없습니다. 명제가 작은 절차로 결합됨에 따라 후자는 다른 명제와 동시에 WM에 저장됩니다. 이러한 방식으로 더 큰 프로덕션이 점차적으로 구성됩니다.

이러한 아이디어는 학생들이 필수 기술을 수행할 수 있을 때(즉, 자동화될 때) 기술 학습이 더 빨리 진행되는 이유를 설명합니다. 후자가 잘 확립된 프로덕션으로 존재하면 통합될 새로운 명제와 동시에 WM에서 활성화됩니다. 긴 나눗셈 문제를 해결하는 법을 배울 때 곱셈 방법을 아는 학생은 필요할 때 절차를 단순히 회상합니다. 긴 나눗셈의 다른 단계와 함께 배울 필요가 없습니다. 이것이 오프닝 시나리오의 문제는 아닌 것 같지만, 기본 기술 부족(예: 덧셈, 곱셈)이 있는 학생들에게는 대수학 학습이 어렵습니다. 왜냐하면 간단한 대수학 문제조차도 올바르게 답하기 어려워지기 때문입니다. 읽기 장애가 있는 어린이는 정보를 효과적으로 처리하고 저장하는 능력이 부족한 것 같습니다(de Jong, 1998).

어떤 경우에는 단계를 자세히 지정하기가 어렵습니다. 예를 들어, 창의적으로 생각하는 것은 각 학생마다 동일한 순서를 따르지 않을 수 있습니다. 교사는 “다른 가능성이 있습니까?”와 같은 자기 질문을 포함하도록 창의적 사고를 모델링할 수 있습니다. 단계를 지정할 수 있을 때마다 절차의 단계를 교사가 시연하고 학생이 연습하는 것이 효과적입니다(Rosenthal & Zimmerman, 1978).

절차 학습의 한 가지 문제점은 학생들이 절차가 적절한지 여부에 관계없이 따라야 할 고정된 시퀀스로 간주할 수 있다는 것입니다. 형태 심리학자들은 기능적 고착성, 즉 문제에 대한 비탄력적인 접근 방식이 문제 해결을 방해하는 방법을 보여주었습니다(Duncker, 1945). 학습하는 동안 시퀀스를 완강하게 따르는 것은 습득에 도움이 될 수 있지만, 학습자는 다른 방법이 더 효율적인 상황도 이해해야 합니다.

때때로 학생들은 대체적이고 더 쉬운 절차를 사용하는 것을 피할 정도로 기술 절차를 과도하게 학습합니다. 동시에 학생들이 배우는 많은 절차(예: 단어 해독, 숫자 더하기, 주어-동사 일치 결정)에 대한 대안은 거의 또는 전혀 없습니다. 이러한 기술을 자동 생산 시점까지 과도하게 학습하는 것은 학생들에게 자산이 되고 이러한 기본 기술의 숙달이 필요한 새로운 기술(예: 추론 그리기, 논문 작성)을 배우는 것을 더 쉽게 만듭니다.

기본 수학적 사실과 해독 기술이 부족한 학생들에게 문제 해결 또는 추론 기술을 가르치는 것은 의미가 없다고 주장할 수 있습니다. 연구에 따르면 기본 숫자 사실에 대한 이해 부족은 복잡한 산술 작업에서 낮은 성과와 관련이 있고(Romberg & Carpenter, 1986), 느린 해독은 열악한 이해와 관련이 있습니다(Calfee & Drum, 1986; Perfetti & Lesgold, 1979). 기술 학습에 영향을 미칠 뿐만 아니라 자기 효능감도 저하됩니다.

연습은 기본 절차적 지식을 확립하는 데 필수적입니다(Lesgold, 1984). 학습 초기 단계에서 학생들은 절차의 어떤 부분을 올바르게 구현했는지, 어떤 부분을 수정해야 하는지를 강조하는 교정적 피드백이 필요합니다. 종종 학생들은 절차의 일부는 배우지만 다른 부분은 배우지 못합니다. 학생들의 기술이 향상됨에 따라 교사는 문제를 더 빠르고 정확하게 해결하는 데 있어 학생들의 진전을 지적할 수 있습니다.

절차적 지식의 전이는 지식이 LTM에서 다른 내용과 연결될 때 발생합니다. 전이는 학생들이 절차를 다른 내용에 적용하고 필요에 따라 절차를 변경함으로써 촉진됩니다. 일반적인 문제 해결 전략은 다양한 학문적 내용에 적용할 수 있습니다. 학생들은 다양한 과목(예: 읽기, 수학)에 적용하여 일반성에 대해 배웁니다.

프로덕션은 인지 학습과 관련이 있지만 해결해야 할 몇 가지 문제가 있습니다. ACT 이론은 다양한 현상을 설명하기 위해 단일한 인지 과정 세트를 가정합니다(Matlin, 2009). 이 견해는 학습 유형에 따라 다른 프로세스를 설명하는 다른 인지적 관점과 충돌합니다(Shuell, 1986). Rumelhart와 Norman(1978)은 세 가지 유형의 학습을 확인했습니다. 부착은 기존 스키마의 관점에서 새로운 정보를 인코딩하는 것을 포함합니다. 재구축(스키마 생성)은 새로운 스키마를 형성하는 과정입니다. 조정(스키마 진화)은 다양한 맥락에서 사용할 때 발생하는 스키마의 느린 수정 및 개선을 의미합니다. 여기에는 다양한 양의 연습이 포함됩니다. 조정을 위해서는 많은 연습이 필요하고, 부착 및 재구축에는 더 적은 연습이 필요합니다.

ACT는 본질적으로 일관된 방식으로 학습을 시뮬레이션하도록 설계된 컴퓨터 프로그램입니다. 따라서 인간 학습과 관련된 광범위한 요소를 다루지 않을 수 있습니다. 한 가지 문제는 사람들이 주어진 상황에서 어떤 프로덕션을 사용해야 하는지, 특히 상황이 다른 프로덕션이 사용되기에 적합한 경우를 어떻게 아는가입니다. 프로덕션은 가능성 측면에서 순서대로 정렬될 수 있지만, 상황에 따라 어떤 프로덕션이 가장 적합한지 결정할 수 있는 수단이 있어야 합니다. 또한 프로덕션이 변경되는 방식도 우려됩니다. 예를 들어, 프로덕션이 효과적으로 작동하지 않으면 학습자는 프로덕션을 버리거나 수정하거나 유지하지만 더 많은 증거를 찾습니까? 프로덕션이 언제 어떻게 변경되는지 결정하는 메커니즘은 무엇입니까?

또 다른 우려는 Anderson(1983, 1990)이 프로덕션이 선언적 지식으로 시작된다는 주장과 관련이 있습니다. 이 가정은 이 시퀀스가 항상 따르지 않는다는 증거를 감안할 때 너무 강한 것 같습니다(Hunt, 1989). 기술 절차를 선언적 지식 조각으로 표현하는 것은 본질적으로 숙달로 가는 길가의 방법이기 때문에 학생이 개별 단계를 배워야 하는지 의문을 제기할 수 있습니다. 개별 단계는 결국 사용되지 않으므로 학생이 연습하는 데 시간을 투자하는 것이 좋습니다. 학생들이 절차를 점진적으로 개발함에 따라 참조할 수 있는 단계 목록을 제공하면 학습이 촉진되고 자기 효능감이 향상됩니다(Schunk, 1995).

마지막으로, 일반적으로 설명되는 생산 시스템이 정교한 자극-반응(S-R) 연관성일 뿐인지 의문을 제기할 수 있습니다(Mayer, 1992). 명제(절차적 지식 조각)는 메모리에서 연결되어 한 조각이 신호를 받으면 다른 조각도 활성화됩니다. Anderson(1983)은 프로덕션의 연관주의적 특성을 인정했지만 목표를 통합하기 때문에 단순한 S-R 연관성보다 더 발전되었다고 믿습니다. 이 점을 뒷받침하기 위해 ACT 연관성은 신경망 연결과 유사합니다. 아마도 행동주의 이론의 경우처럼 ACT는 학습보다 수행을 더 잘 설명할 수 있습니다. 이러한 질문과 다른 질문(예: 동기 부여의 역할)은 교육에서 프로덕션의 유용성을 더 잘 확립하기 위해 연구에서 다루고 학문적 기술 학습과 관련되어야 합니다.

연결주의 모델

복잡한 인지 과정에 대한 최근 이론화의 한 줄은 연결주의 모델(또는 연결주의, 그러나 과정 초기에 논의된 Thorndike의 연결주의와 혼동하지 마십시오. Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996)을 포함합니다. 프로덕션과 마찬가지로 연결주의 모델은 학습 과정의 컴퓨터 시뮬레이션을 나타냅니다. 이러한 모델은 학습을 시냅스를 가로질러 발화하여 연결을 형성하는 신경 시스템 처리와 연결합니다. 가정은 고차 인지 과정이 뉴런과 같은 많은 기본 요소를 연결하여 형성된다는 것입니다(Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). 연결주의 모델에는 지식의 분산된 표현(즉, 광범위한 네트워크에 걸쳐 분산됨), 병렬 처리(많은 작업이 동시에 발생) 및 많은 수의 간단한 처리 장치 간의 상호 작용이 포함됩니다(Siegler, 1989). 연결은 활성화의 다른 단계에 있을 수 있으며(Smith, 1996) 시스템에 대한 입력, 출력 또는 하나 이상의 중간 계층에 연결될 수 있습니다.

Rumelhart와 McClelland(1986)는 병렬 분산 처리(PDP) 시스템을 설명했습니다. 이 모델은 메모리의 정보에 대한 범주적 판단을 내리는 데 유용합니다. 이 저자들은 두 갱단과 연령, 교육, 결혼 여부 및 직업을 포함한 갱단원에 대한 정보를 포함하는 예를 제공했습니다. 메모리에서 각 개인의 유사한 특성이 연결됩니다. 예를 들어, 구성원 2와 5는 나이가 같고 결혼했으며 유사한 갱 활동에 참여한 경우 연결됩니다. 구성원 2에 대한 정보를 검색하기 위해 사람의 이름으로 메모리 장치를 활성화할 수 있으며, 이는 차례로 다른 메모리 장치를 활성화합니다. 이 활성화 확산을 통해 생성된 패턴은 개인에 대한 메모리 표현에 해당합니다. Borowsky와 Besner(2006)는 어휘 결정을 내리기 위한 PDP 모델(예: 자극이 단어인지 결정)을 설명했습니다.

연결주의 단위는 메모리 활성화 및 연결된 아이디어를 포함한다는 점에서 프로덕션과 약간 유사합니다. 동시에 차이점이 있습니다. 연결주의 모델에서는 모든 단위가 동일하지만 프로덕션에는 조건과 작업이 포함됩니다. 단위는 패턴과 활성화 정도에 따라 차별화됩니다. 또 다른 차이점은 규칙에 있습니다. 프로덕션은 규칙에 따라 관리됩니다. 연결주의에는 설정된 규칙이 없습니다. 뉴런은 패턴을 활성화하는 방법을 “알고” 있습니다. 나중에 시퀀스에 대한 레이블로 규칙을 제공할 수 있습니다(예: 활성화된 패턴 이름 지정 규칙, Farnham-Diggory, 1992).

연결주의 접근 방식의 한 가지 문제점은 시스템이 메모리에서 어떤 많은 단위를 활성화할지, 그리고 이러한 여러 활성화가 통합된 시퀀스에서 어떻게 연결되는지 설명하는 것입니다. 이 프로세스는 잘 확립된 패턴의 경우에 간단해 보입니다. 예를 들어, 뉴런은 울리는 전화, 찬 바람, 교사가 “모두 집중하세요!”라고 발표하는 것에 어떻게 반응하는지 알고 있습니다. 덜 확립된 패턴의 경우 활성화에 문제가 있을 수 있습니다. 또한 뉴런이 처음에 어떻게 스스로 활성화되는지 물어볼 수도 있습니다. 이 질문은 학습과 기억에서 연결의 역할을 설명하는 데 도움이 되기 때문에 중요합니다. 연결의 개념은 타당하고 신경학적 기능에 대해 우리가 아는 것에 근거한 것으로 보이지만, 현재까지 이 모델은 학습 및 문제 해결보다는 지각을 설명하는 데 더 유용했습니다(Mayer, 1992). 후자의 적용에는 상당한 연구가 필요합니다.