Ilgtermiņa atmiņa: Uzglabāšana (Informācijas apstrādes teorija)

Šajā sadaļā tiek apspriesta informācijas uzglabāšana ilgtermiņa atmiņā (ITM). Lai gan mūsu zināšanas par ITM ir ierobežotas, jo mums nav piekļuves smadzenēm, pētījumi ir snieguši diezgan konsekventu priekšstatu par uzglabāšanas procesu.

ITM raksturojums šajā nodarbībā ietver struktūru, kurā zināšanas tiek attēlotas kā atrašanās vietas vai mezgli tīklos, un tīkli ir savienoti (saistīti) savā starpā. Ievērojiet līdzību starp šiem kognitīvajiem tīkliem un neironu tīkliem, kas tika apspriesti kursa sākumā. Apspriežot tīklus, mēs galvenokārt nodarbojamies ar deklaratīvajām zināšanām un procesuālajām zināšanām. Nosacījuma zināšanas ir aplūkotas kursa 7. sadaļā kopā ar metakognitīvajām aktivitātēm, kas uzrauga un virza kognitīvo apstrādi. Tiek pieņemts, ka lielākā daļa zināšanu ITM tiek uzglabāta verbālos kodējumos, bet šīs nodarbības beigās tiek aplūkota arī tēlainības loma.

Propozīciju būtība

Propozīcija ir mazākā informācijas vienība, kuru var novērtēt kā patiesu vai nepatiesu. Propozīcijas ir pamatvienības zināšanām un nozīmei ilgtermiņa atmiņā (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Katra no šīm ir propozīcija:

• Neatkarības deklarācija tika parakstīta 1776. gadā.
• .
• Aunt Frieda hates turnips.
• Man labi padodas matemātika.
• Galvenie varoņi tiek iepazīstināti stāsta sākumā.

Šīs propozīcijas var novērtēt kā patiesas vai nepatiesas. Tomēr jāņem vērā, ka cilvēkiem var būt atšķirīgi viedokļi. Karloss var uzskatīt, ka viņam nesokas matemātikā, bet viņa skolotājs var uzskatīt, ka viņam ļoti labi padodas.

Propozīciju precīza būtība nav labi izprotama. Lai gan par tām var domāt kā par teikumiem, visticamāk, tās ir teikumu nozīmes (Anderson, 1990). Pētījumi apstiprina, ka informāciju atmiņā glabājam kā propozīcijas, nevis kā pilnus teikumus. Kintsch (1974) deva dalībniekiem lasīt teikumus, kuriem bija vienāds garums, bet atšķīrās propozīciju skaits. Jo vairāk propozīciju bija teikumā, jo ilgāk dalībniekiem vajadzēja to saprast. Tas nozīmē, ka, lai gan studenti var ģenerēt teikumu “Neatkarības deklarācija tika parakstīta 1776. gadā,” visticamāk, atmiņā viņiem ir saglabāta propozīcija, kas satur tikai būtisko informāciju (Neatkarības deklarācija: parakstīta—1776). Ar noteiktiem izņēmumiem (piemēram, iegaumējot dzejoli) šķiet, ka cilvēki parasti glabā nozīmes, nevis precīzus formulējumus.

Propozīcijas veido tīklus, kas sastāv no atsevišķiem mezgliem vai atrašanās vietām. Mezglus var uzskatīt par atsevišķiem vārdiem, lai gan to precīza būtība nav zināma, bet, iespējams, ir abstrakta. Piemēram, studentiem, kuri apmeklē vēstures nodarbības, visticamāk, ir “vēstures nodarbību” tīkls, kas ietver tādus mezglus kā “grāmata,” “skolotājs,” “vietu,” “vārds studentam, kurš sēž viņiem kreisajā pusē” un tā tālāk.

Propozicionālie tīkli

Propozīcijas veido saskaņā ar noteikumu kopumu. Pētnieki nepiekrīt, kuri noteikumi veido šo kopumu, bet viņi parasti uzskata, ka noteikumi apvieno mezglus propozīcijās un, savukārt, propozīcijas augstāka līmeņa struktūrās vai tīklos, kas ir savstarpēji saistītu propozīciju kopumi.

Andersona ACT teorija (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996) piedāvā ACT-R (Adaptive Control of Thought-Rational) tīkla modeli ilgtermiņa atmiņai ar propozicionālu struktūru. ACT-R ir kognitīvās arhitektūras modelis, kas mēģina izskaidrot, kā visi prāta komponenti darbojas kopā, lai radītu saskaņotu izziņu (Anderson et al., 2004). Propozīciju veido, apvienojot divus mezglus ar subjekta–predikāta saiti jeb asociāciju; viens mezgls veido subjektu, bet otrs mezgls predikātu. Piemēri ir (netiešā informācija iekavās): “Freds (ir) bagāts” un “Iepirkšanās (prasa) laiku.” Otrs asociācijas veids ir attiecību–argumentu saite, kur attiecība ir darbības vārds (pēc nozīmes), un arguments ir attiecību saņēmējs vai tas, ko attiecības ietekmē. Piemēri ir “ēst kūku” un “atrisināt mīklas.” Attiecību argumenti var kalpot kā subjekti vai predikāti, lai veidotu sarežģītas propozīcijas. Piemēri ir “Freds ēd kūku” un “mīklu risināšana (prasa) laiku.”

Propozīcijas ir savstarpēji saistītas, kad tām ir kopīgs elements. Kopīgi elementi ļauj cilvēkiem risināt problēmas, tikt galā ar vides prasībām, vilkt analoģijas un tā tālāk. Bez kopīgiem elementiem pārnese nenotiktu; visas zināšanas tiktu glabātas atsevišķi, un informācijas apstrāde būtu lēna. Nevarētu atpazīt, ka zināšanas, kas attiecas uz vienu jomu, attiecas arī uz citām jomām.

Attēlā “Propozicionālā tīkla paraugs” ir parādīts propozicionālā tīkla piemērs. Kopīgais elements ir “ķeris”, jo tas ir daļa no propozīcijām “Ķeris gāja pāri zālienam” un “Ķeris noķēra peli.” Var iedomāties, ka pirmā propozīcija ir saistīta ar citām propozīcijām, kas attiecas uz māju, savukārt otrā ir saistīta ar propozīcijām par pelēm.

Pierādījumi liecina, ka propozīcijas ir organizētas hierarhiskās struktūrās. Collins un Quillian (1969) parādīja, ka cilvēki glabā informāciju vispārības augstākajā līmenī. Piemēram, ilgtermiņa atmiņas tīklā “dzīvnieks” augstākajā līmenī tiktu glabāti tādi fakti kā “kustas” un “ēd.” Zem šīs kategorijas būtu tādas sugas kā “putni” un “zivis.” Zem “putni” ir saglabāti “ir spārni,” “var lidot” un “ir spalvas” (lai gan ir izņēmumi—vistas ir putni, bet nelido). Fakts, ka putni ēd un kustas, netiek glabāts “putnu” līmenī, jo šī informācija tiek glabāta augstākā dzīvnieku līmenī. Collins un Quillian atklāja, ka atgūšanas laiks palielinājās, jo tālāk viens no otra atmiņā tika glabāti jēdzieni.

Hierarhiskās organizācijas ideju ir modificējuši pētījumi, kas parāda, ka informācija ne vienmēr ir hierarhiska. Tādējādi “kolijs” ir tuvāk “zīdītājam” nekā “dzīvniekam” dzīvnieku hierarhijā, bet cilvēki ātrāk piekrīt, ka kolijs ir dzīvnieks, nekā piekrīt, ka tas ir zīdītājs (Rips, Shoben, & Smith, 1973).

Turklāt pazīstama informācija var tikt glabāta gan ar tās jēdzienu, gan vispārības augstākajā līmenī (Anderson, 1990). Ja jums ir putnu barotava un jūs bieži vērojat, kā putni ēd, jums varētu būt “ēst” saglabāts gan ar “putniem,” gan ar “dzīvniekiem.” Šis atklājums neatņem galveno domu, ka propozīcijas ir organizētas un savstarpēji saistītas. Lai gan dažas zināšanas var būt hierarhiski organizētas, daudz informācijas, iespējams, ir organizēta mazāk sistemātiski propozicionālos tīklos.

Deklaratīvās zināšanas

Deklaratīvās zināšanas (zināšanas, ka kaut kas ir tā) ietver faktus, uzskatus, viedokļus, vispārinājumus, teorijas, hipotēzes un attieksmes pret sevi, citiem un pasaules notikumiem (Gupta & Cohen, 2002; Paris et al., 1983). Tās tiek iegūtas, kad jauns apgalvojums tiek saglabāts LTM, parasti saistītā apgalvojumu tīklā (Anderson, 1990). ACT teorija postulē, ka deklaratīvās zināšanas ir attēlotas kā fragmenti, kas ietver pamatinformāciju un saistītās kategorijas (Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

Uzglabāšanas process darbojas šādi. Pirmkārt, apmācāmais saņem jaunu informāciju, piemēram, kad skolotājs izdara paziņojumu vai apmācāmais lasa teikumu. Tālāk jaunā informācija tiek pārvērsta vienā vai vairākos apgalvojumos apmācāmā WM. Vienlaikus tiek aktivizēti saistītie apgalvojumi LTM. Jaunie apgalvojumi tiek saistīti ar saistītajiem apgalvojumiem WM, izmantojot izplatīšanās aktivācijas procesu (kas apskatīts nākamajā sadaļā). Šajā brīdī apmācāmie var ģenerēt papildu apgalvojumus. Visbeidzot, visi jaunie apgalvojumi — tie, kas saņemti un tie, ko ģenerējis apmācāmais — tiek glabāti kopā LTM (Hayes-Roth & Thorndyke, 1979).

Attēls 'Deklaratīvo zināšanu uzglabāšana' ilustrē šo procesu. Pieņemsim, ka skolotājs pasniedz nodarbību par ASV Konstitūciju un saka klasei: “Amerikas Savienoto Valstu viceprezidents ir Senāta priekšsēdētājs, bet nebalso, ja nav neizšķirta.” Šis paziņojums var aktivizēt citas apgalvojumu zināšanas, kas glabājas studentu atmiņās un ir saistītas ar viceprezidentu (piemēram, ievēlēts kopā ar prezidentu, kļūst par prezidentu, kad prezidents mirst vai atkāpjas no amata, var tikt impīčments par nodevības noziegumiem) un Senātu (piemēram, 100 locekļi, divi ievēlēti no katra štata, 6 gadu termiņi). Apvienojot šos apgalvojumus, studentiem vajadzētu secināt, ka viceprezidents balsotu, ja 50 senatori balsotu par likumprojektu un 50 balsotu pret to.

Uzglabāšanas problēmas var rasties, ja studentiem nav iepriekšēju apgalvojumu, ar kuriem saistīt jaunu informāciju. Studenti, kuri nav dzirdējuši par ASV Konstitūciju un nezina, kas ir konstitūcija, paliks neziņā, kad pirmo reizi dzirdēs šo vārdu. Jēdzieniski bezjēdzīgu informāciju var uzglabāt LTM, bet studenti mācās labāk, ja jauna informācija ir saistīta ar kaut ko, ko viņi zina. Parādot studentiem ASV Konstitūcijas faksimilu vai saistot to ar kaut ko, ko viņi ir studējuši (piemēram, Neatkarības deklarāciju), viņi iegūst atsauci, ko saistīt ar jauno informāciju.

Pat ja studenti ir studējuši saistīto materiālu, viņi var automātiski to nesaistīt ar jaunu informāciju. Bieži vien saites ir jāpadara skaidras. Apspriežot viceprezidenta funkcijas Senātā, skolotāji varētu atgādināt studentiem par ASV Senāta sastāvu un citām viceprezidenta lomām. Apgalvojumi, kuriem ir kopīgs elements, ir saistīti LTM tikai tad, ja tie vienlaikus ir aktīvi WM. Šis punkts palīdz izskaidrot, kāpēc studenti var neizdoties saprast, kā jauns materiāls ir saistīts ar veco materiālu, pat ja saikne ir skaidra skolotājam. Mācību process, kas vislabāk izveido apgalvojumu tīklus apmācāmo prātos, ietver pārskatīšanu, materiāla organizēšanu un atgādinājumus par lietām, ko viņi zina, bet par kurām pašlaik nedomā.

Tāpat kā daudziem atmiņas procesiem, jēgpilnība, organizācija un izstrāde atvieglo informācijas uzglabāšanu atmiņā. Jēgpilnība ir svarīga, jo jēgpilnu informāciju var viegli saistīt ar iepriekš pastāvošu informāciju atmiņā. Līdz ar to ir nepieciešams mazāk mēģinājumu, kas ietaupa vietu un laiku informācijai WM. Studentiem, par kuriem tiek runāts ievada scenārijā, ir problēmas padarīt algebru jēgpilnu, un skolotāji pauž savu neapmierinātību par to, ka viņi nepasniedz saturu jēgpilnā veidā.

Bransforda un Džonsona (1972) pētījums sniedz dramatisku ilustrāciju par jēgpilnības lomu uzglabāšanā un izpratnē. Apsveriet šādu fragmentu:

Procedūra patiesībā ir diezgan vienkārša. Vispirms jūs sakārtojat lietas dažādās grupās. Protams, viena kaudze var būt pietiekama atkarībā no tā, cik daudz darāmā ir. Ja jums jāiet kaut kur citur iekārtu trūkuma dēļ, tas ir nākamais solis, pretējā gadījumā jūs esat diezgan labi sagatavots. Ir svarīgi nepārspīlēt. Tas ir, labāk darīt pārāk maz lietu vienlaikus nekā pārāk daudz. Īstermiņā tas var nešķist svarīgi, bet komplikācijas var viegli rasties. Kļūda var būt arī dārga. Sākumā visa procedūra šķitīs sarežģīta. Tomēr drīz tā kļūs tikai par vēl vienu dzīves aspektu. Ir grūti paredzēt jebkādu šī uzdevuma nepieciešamības beigas tuvākajā nākotnē, bet tad nekad nevar zināt. Pēc procedūras pabeigšanas jūs atkal sakārtojat materiālus dažādās grupās. Pēc tam tos var ievietot attiecīgajās vietās. Galu galā tos izmantos vēlreiz, un viss cikls pēc tam būs jāatkārto. Tomēr tā ir daļa no dzīves. (722. lpp.)

Bez iepriekšējām zināšanām šo fragmentu ir grūti saprast un uzglabāt atmiņā, jo ir grūti to saistīt ar esošajām zināšanām atmiņā. Tomēr, zinot, ka tas ir par “drēbju mazgāšanu”, atcerēties un saprast ir vieglāk. Bransford un Džonsons atklāja, ka studenti, kuri zināja tēmu, atcerējās apmēram divreiz vairāk nekā tie, kuri par to nezināja. Jēgpilnības nozīme mācībās ir pierādīta daudzos citos pētījumos (Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

Organizācija atvieglo uzglabāšanu, jo labi organizētu materiālu ir vieglāk saistīt ar iepriekš pastāvošiem atmiņas tīkliem nekā slikti organizētu materiālu (Anderson, 1990). Tādā mērā, ka materiālu var organizēt hierarhiskā secībā, tas nodrošina gatavu struktūru, ko pieņemt LTM. Bez esoša LTM tīkla jauna LTM tīkla izveide ir vieglāka ar labi organizētu informāciju nekā ar slikti organizētu informāciju.

Izstrāde jeb informācijas pievienošanas process mācību materiālam uzlabo uzglabāšanu, jo, izstrādājot informāciju, apmācāmie var to saistīt ar kaut ko, ko viņi zina. Izmantojot izplatīšanās aktivāciju, izstrādāto materiālu var ātri saistīt ar informāciju atmiņā. Piemēram, skolotājs varētu apspriest Etnas vulkānu. Studenti, kuri var izstrādāt šīs zināšanas, saistot tās ar savām personīgajām zināšanām par vulkāniem (piemēram, Sv. Helēnas kalns), varēs saistīt jauno un veco informāciju atmiņā un labāk saglabāt jauno materiālu.

Izplatīšanās aktivācija

Izplatīšanās aktivācija palīdz izskaidrot, kā jauna informācija ir saistīta ar zināšanām LTM (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). Pamatā esošie principi ir šādi (Anderson, 1984):

• Cilvēka zināšanas var attēlot kā mezglu tīklu, kur mezgli atbilst jēdzieniem un saites atbilst asociācijām starp šiem jēdzieniem.
• Šī tīkla mezgli var būt dažādos stāvokļos, kas atbilst to aktivācijas līmeņiem. Aktīvākie mezgli tiek apstrādāti “labāk”.
• Aktivācija var izplatīties pa šiem tīkla ceļiem ar mehānismu, kurā mezgli var izraisīt to kaimiņu mezglu aktivizēšanos. (61. lpp.)

Andersons (1990) min piemēru par indivīdu, kuram tiek pasniegts vārds suns. Šis vārds asociatīvi ir saistīts ar tādiem citiem jēdzieniem indivīda LTM kā kauls, kaķis un gaļa. Savukārt katrs no šiem jēdzieniem ir saistīts ar citiem jēdzieniem. Suņa aktivācija LTM izplatīsies ārpus suņa uz saistītiem jēdzieniem, un izplatība samazināsies ar jēdzieniem, kas ir tālāk no suņa.

Meyer un Schvaneveldt (1971) ieguva eksperimentālu atbalstu izplatīšanās aktivācijas esamībai. Šie pētnieki izmantoja reakcijas laika uzdevumu, kurā dalībniekiem tika pasniegtas divas burtu virknes un lūdza viņiem izlemt, vai abi ir vārdi. Asociatīvi saistīti vārdi (maize, sviests) tika atpazīti ātrāk nekā nesaistīti vārdi (māsa, sviests).

Izplatīšanās aktivācijas rezultātā tiek aktivizēta lielāka LTM daļa nekā zināšanas, kas ir tieši saistītas ar WM saturu. Aktivizētā informācija paliek LTM, ja vien tai nav apzināti piekļūts, bet šī informācija ir vieglāk pieejama WM. Izplatīšanās aktivācija arī atvieglo zināšanu pārnesi uz dažādām jomām. Pārnese ir atkarīga no tā, vai vienāds signāls aktivizē apgalvojumu tīklus LTM, tāpēc studenti atzīst, ka zināšanas ir piemērojamas jomās.

Shēmas

Apgalvojumu tīkli attēlo mazas zināšanu daļas. Shēmas (vai shemata) ir lieli tīkli, kas attēlo objektu, personu un notikumu struktūru (Anderson, 1990). Struktūra ir attēlota ar virkni “slotiem”, no kuriem katrs atbilst atribūtam. Māju shēmā vai slotā daži atribūti (un to vērtības) varētu būt šādi: materiāls (koks, ķieģelis), saturs (istabas) un funkcija (cilvēka mājoklis). Shēmas ir hierarhiskas; tās ir savienotas ar augstākām idejām (ēka) un zemākām idejām (jumts).

Brēvers un Treijens (1981) atrada pētījumu atbalstu shēmu pamatā esošajai būtībai. Personām tika lūgts īsu brīdi pagaidīt birojā, pēc tam viņi tika ievesti telpā, kur viņi pierakstīja visu, ko varēja atcerēties par biroju. Atmiņā atspoguļojās spēcīga biroja shēmas ietekme. Viņi pareizi atcerējās, ka birojā ir galds un krēsls (tipiski atribūti), bet ne to, ka birojā bija galvaskauss (netipisks atribūts). Grāmatas ir tipisks biroju atribūts; lai gan birojā nebija grāmatu, daudzi cilvēki kļūdaini atcerējās grāmatas.

Shēmas ir svarīgas mācīšanas laikā un pārnesei (Matlin, 2009). Kad studenti apgūst shēmu, skolotāji var aktivizēt šīs zināšanas, kad viņi māca jebkuru saturu, kuram shēma ir piemērojama. Pieņemsim, ka instruktors māca vispārēju shēmu ģeogrāfisko veidojumu aprakstīšanai (piemēram, kalns, vulkāns, ledājs, upe). Shēmā varētu būt šādi atribūti: augstums, materiāls un aktivitāte. Kad studenti apgūst shēmu, viņi var to izmantot, lai kategorizētu jaunus veidojumus, ko viņi pēta. Tādējādi viņi izveidotu jaunas shēmas dažādiem veidojumiem.

Procedūrālās zināšanas

Procedūrālās zināšanas jeb zināšanas par to, kā veikt kognitīvās darbības (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983), ir būtiskas lielai daļai skolas mācību. Mēs izmantojam procedūrālās zināšanas, lai risinātu matemātiskus uzdevumus, apkopotu informāciju, pārlūkotu fragmentus un veiktu laboratorijas metodes.

Procedūrālās zināšanas var uzglabāt kā verbālus kodus un attēlus, līdzīgi kā tiek uzglabātas deklaratīvās zināšanas. ACT teorija postulē, ka procedūrālās zināšanas tiek uzglabātas kā ražošanas sistēma (Anderson, 1996; Anderson, Reder, & Lebiere, 1996). Ražošanas sistēma (vai ražošana) ir nosacījumu un darbību secību (noteikumu) tīkls, kurā nosacījums ir apstākļu kopums, kas aktivizē sistēmu, un darbība ir darbību kopums, kas notiek (Anderson, 1990; Andre, 1986; skatiet nākamo sadaļu). Ražošanas sistēmas šķiet jēdzieniski līdzīgas neironu tīkliem.

Ražošanas sistēmas un konekcionistu modeļi nodrošina paradigmas kognitīvo mācīšanās procesu darbības izpētei (Andersons, 1996, 2000; Smits, 1996). Konekcionistu modeļi attēlo relatīvi jaunu perspektīvu uz kognitīvo mācīšanos. Līdz šim ir maz pētījumu par konekcionistu modeļiem, kas ir saistīti ar izglītību. Papildu avoti sniedz tālāku informāciju par konekcionistu modeļiem (Borns, 1992; Farnhema-Digorija, 1992; Matlins, 2009; Sīglers, 1989).

Ražošanas sistēmas

ACT — aktivācijas teorija — norāda, ka ražošanas sistēma (vai ražošana) ir nosacījumu-darbību secību (noteikumu) tīkls, kurā nosacījums ir apstākļu kopums, kas aktivizē sistēmu, un darbība ir darbību kopums, kas notiek (Andersons, 1990, 1996, 2000; Andersons, Reders, & Lebjērs, 1996; Andrē, 1986). Ražošana sastāv no ja-tad apgalvojumiem: Ja apgalvojumi (nosacījums) ietver mērķi un testa apgalvojumus, un tad apgalvojumi ir darbības. Kā piemērs:

• JA es redzu divus skaitļus un tie ir jāsaskaita,
• TAD nolemjiet, kurš ir lielāks, un sāciet ar šo skaitli un skaitiet līdz nākamajam. (Farnhema-Digorija, 1992, 113. lpp.)

Lai gan ražošanas ir procedūru zināšanu formas, kurām var būt pievienoti nosacījumi (nosacījuma zināšanas), tās ietver arī deklaratīvās zināšanas.

Prasmju veikšanas procedūru apguve bieži notiek lēnām (J. Andersons, 1982). Pirmkārt, izglītojamie darbību secību attēlo deklaratīvo zināšanu veidā. Katrs solis secībā tiek attēlots kā priekšlikums. Izglītojamie pakāpeniski atmet atsevišķus norādījumus un integrē atsevišķus soļus nepārtrauktā darbību secībā. Piemēram, bērni, kas mācās saskaitīt skaitļu kolonnu, sākumā katru soli veic lēnām, iespējams, pat skaļi to verbalizējot. Kļūstot prasmīgākiem, saskaitīšana kļūst par automātisku, vienmērīgu secību, kas notiek ātri un bez apzinātas, apzinātas uzmanības. Automatizācija ir daudzu kognitīvo procesu centrālā iezīme (piemēram, uzmanība, izgūšana) (Mūrs & De Hauvers, 2006). Kad procesi kļūst automātiski, tas ļauj apstrādes sistēmai veltīt sevi sarežģītām uzdevumu daļām.

Galvenais ierobežojums prasmju apguvei ir WM lieluma ierobežojums (Badlijs, 2001). Procedūras tiktu apgūtas ātrāk, ja WM varētu vienlaikus saturēt visus deklaratīvo zināšanu priekšlikumus. Tā kā tas nevar, studentiem priekšlikumi ir jāapvieno lēnām un periodiski jāapstājas un jādomā (piemēram, “Kas man jādara tālāk?”). WM nav pietiekami daudz vietas, lai sākotnējos mācīšanās posmos izveidotu lielas procedūras. Tā kā priekšlikumi tiek apvienoti mazās procedūrās, pēdējās tiek uzglabātas WM vienlaikus ar citiem priekšlikumiem. Tādā veidā pakāpeniski tiek konstruētas lielākas ražošanas.

Šīs idejas izskaidro, kāpēc prasmju apguve notiek ātrāk, ja studenti var veikt priekšnoteikumu prasmes (ti, kad tās kļūst automātiskas). Kad pēdējās pastāv kā labi izveidotas ražošanas, tās tiek aktivizētas WM vienlaikus ar jauniem priekšlikumiem, kas jāintegrē. Mācoties risināt garās dalīšanas uzdevumus, studenti, kuri zina, kā reizināt, vienkārši atceras procedūru, kad tas ir nepieciešams; tas nav jāapgūst kopā ar citiem soļiem garajā dalīšanā. Lai gan šķiet, ka tā nav problēma sākuma scenārijā, algebra ir grūta studentiem ar pamata prasmju trūkumiem (piemēram, saskaitīšana, reizināšana), jo pat vienkāršus algebras uzdevumus ir grūti atbildēt pareizi. Šķiet, ka bērniem ar lasīšanas traucējumiem trūkst spējas efektīvi apstrādāt un uzglabāt informāciju vienlaikus (de Jongs, 1998).

Dažos gadījumos ir grūti precizēt soļus sīki. Piemēram, radošā domāšana var neievērot vienu un to pašu secību katram studentam. Skolotāji var modelēt radošo domāšanu, iekļaujot tādus pašjautājumus kā “Vai ir vēl kādas iespējas?” Ikreiz, kad soļus var precizēt, skolotāju demonstrācijas par procedūras soļiem, kam seko studentu prakse, ir efektīvas (Rosentāls & Cimmermans, 1978).

Viena problēma ar procedūru apguvi ir tā, ka studenti var uzskatīt tās par fiksētām secībām, kas jāievēro neatkarīgi no tā, vai tās ir piemērotas. Gestalta psihologi parādīja, kā funkcionāla fiksācija jeb neelastīga pieeja problēmai kavē problēmu risināšanu (Dankers, 1945). Stingri ievērojot secību mācīšanās laikā, var palīdzēt to apgūt, bet izglītojamajiem ir arī jāsaprot apstākļi, kādos citas metodes ir efektīvākas.

Dažreiz studenti pārmācās prasmju procedūras tādā mērā, ka izvairās no alternatīvu, vieglāku procedūru izmantošanas. Tajā pašā laikā ir maz, ja vispār ir, alternatīvu daudzām procedūrām, ko studenti apgūst (piemēram, vārdu atšifrēšana, skaitļu saskaitīšana, priekšmeta un darbības vārda saskaņošanas noteikšana). Šo prasmju pārmācīšanās līdz automātiskai ražošanai kļūst par ieguvumu studentiem un atvieglo jaunu prasmju apguvi (piemēram, secinājumu izdarīšana, referātu rakstīšana), kas prasa šo pamata prasmju apguvi.

Varētu apgalvot, ka problēmu risināšanas vai secināšanas prasmju mācīšana studentiem, kuriem trūkst matemātisko faktu un atšifrēšanas prasmju, attiecīgi, nav īpaši lietderīga. Pētījumi rāda, ka slikta izpratne par matemātiskiem faktiem ir saistīta ar zemu sniegumu sarežģītos aritmētiskajos uzdevumos (Rombergs & Carpenters, 1986), un lēna atšifrēšana ir saistīta ar sliktu izpratni (Kalfijs & Drums, 1986; Perfeti & Lesgolds, 1979). Tiek ietekmēta ne tikai prasmju apguve, bet arī pašefektivitāte.

Prakse ir būtiska, lai ieviestu pamata procedūru zināšanas (Lesgolds, 1984). Mācīšanās sākuma posmos studentiem ir nepieciešama koriģējoša atgriezeniskā saite, izceļot tās procedūras daļas, kuras viņi ir pareizi ieviesuši, un tās, kuras jāmaina. Bieži vien studenti apgūst dažas procedūras daļas, bet ne citas. Studentiem iegūstot prasmes, skolotāji var norādīt uz viņu progresu problēmu risināšanā ātrāk vai precīzāk.

Procedūru zināšanu pārnese notiek, kad zināšanas ir saistītas LTM ar atšķirīgu saturu. Pārnesi veicina tas, ka studenti piemēro procedūras atšķirīgam saturam un vajadzības gadījumā maina procedūras. Vispārējas problēmu risināšanas stratēģijas ir piemērojamas dažādam akadēmiskam saturam. Studenti uzzina par to vispārīgumu, piemērojot tos dažādiem priekšmetiem (piemēram, lasīšana, matemātika).

Ražošanas ir svarīgas kognitīvajai mācīšanās, bet ir jārisina vairāki jautājumi. ACT teorija pieņem vienu kognitīvo procesu kopumu, lai izskaidrotu daudzveidīgas parādības (Matlins, 2009). Šis viedoklis ir pretrunā ar citām kognitīvajām perspektīvām, kas iezīmē dažādus procesus atkarībā no mācīšanās veida (Šuels, 1986). Rumelharts un Normans (1978) identificēja trīs mācīšanās veidus. Akrēcija ietver jaunas informācijas kodēšanu esošo shēmu veidā; restrukturizācija (shēmas izveide) ir jaunu shēmu veidošanas process; un noskaņošana (shēmas evolūcija) attiecas uz lēnu shēmu modificēšanu un uzlabošanu, kas notiek, izmantojot tās dažādos kontekstos. Tie ietver dažādu prakses apjomu: daudz noskaņošanai un mazāk akrēcijai un restrukturizācijai.

ACT būtībā ir datorprogramma, kas paredzēta, lai saskaņotā veidā simulētu mācīšanos. Tādējādi tas var neattiekties uz virkni faktoru, kas saistīti ar cilvēku mācīšanos. Viens jautājums ir par to, kā cilvēki zina, kuru ražošanu izmantot noteiktā situācijā, it īpaši, ja situācijas veicina dažādu ražošanu izmantošanu. Ražošanu var pasūtīt pēc varbūtības, bet ir jābūt pieejamam līdzeklim, lai izlemtu, kura ražošana ir vislabākā, ņemot vērā apstākļus. Bažas rada arī jautājums par to, kā ražošanas tiek mainītas. Piemēram, ja ražošana nedarbojas efektīvi, vai izglītojamie to atmet, pārveido vai saglabā, bet meklē vairāk pierādījumu? Kāds ir mehānisms, lai izlemtu, kad un kā ražošanas tiek mainītas?

Vēl vienas bažas ir saistītas ar Andersona (1983, 1990) apgalvojumu, ka ražošanas sākas kā deklaratīvās zināšanas. Šis pieņēmums šķiet pārāk spēcīgs, ņemot vērā pierādījumus, ka šī secība ne vienmēr tiek ievērota (Hants, 1989). Tā kā prasmju procedūru attēlošana kā deklaratīvo zināšanu fragmenti būtībā ir pieturas punkts ceļā uz meistarību, varētu apšaubīt, vai studentiem vajadzētu apgūt atsevišķus soļus. Atsevišķi soļi galu galā netiks izmantoti, tāpēc laiku varētu labāk pavadīt, ļaujot studentiem tos praktizēt. Nodrošinot studentiem soļu sarakstu, uz kuru viņi var atsaukties, pakāpeniski attīstot procedūru, tas atvieglo mācīšanos un uzlabo pašefektivitāti (Šunks, 1995).

Visbeidzot, varētu apšaubīt, vai ražošanas sistēmas, kā tās parasti tiek aprakstītas, ir nekas vairāk kā izstrādātas stimulu-reakciju (S-R) asociācijas (Meiers, 1992). Priekšlikumi (procedūru zināšanu fragmenti) tiek saistīti atmiņā tā, lai, kad viens fragments tiek ievadīts, tiek aktivizēti arī citi. Andersons (1983) atzina ražošanas asociacionistu raksturu, bet uzskata, ka tās ir progresīvākas par vienkāršām S-R asociācijām, jo tās ietver mērķus. Atbalstot šo viedokli, ACT asociācijas ir analogas neironu tīkla savienojumiem. Iespējams, tāpat kā behavioristu teoriju gadījumā, ACT var labāk izskaidrot sniegumu, nekā tas var izskaidrot mācīšanos. Šie un citi jautājumi (piemēram, motivācijas loma) ir jārisina pētījumos un jāsaista ar akadēmisko prasmju apguvi, lai labāk noteiktu ražošanas noderīgumu izglītībā.

Konekcionistu modeļi

Nesenās teorijas līnija par sarežģītiem kognitīviem procesiem ietver konekcionistu modeļus (vai konekcionismu, bet to nevajadzētu sajaukt ar Torndika konekcionismu, kas apspriests iepriekš kursā; Badlijs, 1998; Farnhema-Digorija, 1992; Smits, 1996). Tāpat kā ražošanas, konekcionistu modeļi attēlo mācīšanās procesu datoru simulācijas. Šie modeļi saista mācīšanos ar neironu sistēmas apstrādi, kur impulsi izplatās pāri sinapsēm, veidojot savienojumus. Tiek pieņemts, ka augstāka līmeņa kognitīvie procesi tiek veidoti, savienojot lielu skaitu pamatelementu, piemēram, neironus (Andersons, 1990, 2000; Andersons, Reders, & Lebjērs, 1996; Borns, 1992). Konekcionistu modeļi ietver izplatītus zināšanu attēlojumus (ti, izplatītus plašā tīklā), paralēlu apstrādi (daudzas operācijas notiek vienlaikus) un mijiedarbību starp lielu skaitu vienkāršu apstrādes vienību (Sīglers, 1989). Savienojumi var būt dažādos aktivācijas posmos (Smits, 1996) un saistīti ar ievadi sistēmā, izvadi vai vienu vai vairākiem starpslāņiem.

Rumelharts un Maklelends (1986) aprakstīja paralēlās izplatītās apstrādes (PDP) sistēmu. Šis modelis ir noderīgs, lai veiktu kategoriskus spriedumus par informāciju atmiņā. Šie autori sniedza piemēru, kas ietver divas bandas un informāciju par bandu locekļiem, ieskaitot vecumu, izglītību, laulības statusu un nodarbošanos. Atmiņā tiek saistītas katra indivīda līdzīgās īpašības. Piemēram, 2. un 5. dalībnieks tiktu saistīti, ja viņi abi būtu aptuveni vienāda vecuma, precējušies un iesaistīti līdzīgās bandu aktivitātēs. Lai izgūtu informāciju par 2. dalībnieku, mēs varētu aktivizēt atmiņas vienību ar personas vārdu, kas savukārt aktivizētu citas atmiņas vienības. Modelis, kas izveidots, izplatot šo aktivāciju, atbilst atmiņas attēlojumam indivīdam. Borovskis un Besners (2006) aprakstīja PDP modeli leksisko lēmumu pieņemšanai (piemēram, izlemjot, vai stimuls ir vārds).

Konekcionistu vienībām ir zināma līdzība ar ražošanu, jo abas ietver atmiņas aktivizāciju un saistītas idejas. Tajā pašā laikā pastāv atšķirības. Konekcionistu modeļos visas vienības ir vienādas, savukārt ražošanas ietver nosacījumus un darbības. Vienības tiek diferencētas pēc aktivācijas modeļa un pakāpes. Vēl viena atšķirība attiecas uz noteikumiem. Ražošanas regulē noteikumi. Konekcionismam nav noteiktu noteikumu. Neironi “zina”, kā aktivizēt modeļus; pēc fakta mēs varam sniegt noteikumu kā secības etiķeti (piemēram, noteikumus aktivizēto modeļu nosaukšanai; Farnhema-Digorija, 1992).

Viena problēma ar konekcionistu pieeju ir izskaidrot, kā sistēma zina, kuras no daudzajām vienībām atmiņā aktivizēt un kā šīs daudzās aktivizācijas tiek saistītas integrētās secībās. Šis process šķiet vienkāršs labi izveidotu modeļu gadījumā; piemēram, neironi zina, kā reaģēt uz zvanošu telefonu, aukstu vēju un skolotāju, kurš paziņo: “Visi pievērsiet uzmanību!” Ar mazāk izveidotiem modeļiem aktivizācijas var būt problemātiskas. Mēs varētu arī jautāt, kā neironi vispār kļūst pašaktivizējoši. Šis jautājums ir svarīgs, jo tas palīdz izskaidrot savienojumu lomu mācīšanās un atmiņā. Lai gan savienojumu jēdziens šķiet ticams un balstīts uz to, ko mēs zinām par neiroloģisko darbību, līdz šim šis modelis ir bijis noderīgāks, lai izskaidrotu uztveri, nevis mācīšanos un problēmu risināšanu (Meiers, 1992). Pēdējiem lietojumiem ir nepieciešams ievērojams pētījums.