Rozwiązywanie Problemów (Procesy Poznawcze) - Strategie i Metody

Jednym z najważniejszych rodzajów przetwarzania poznawczego, które często zachodzi podczas uczenia się, jest rozwiązywanie problemów. Rozwiązywanie problemów od dawna jest przedmiotem badań — materiały historyczne są omówione w tej sekcji — ale zainteresowanie tym tematem gwałtownie wzrosło wraz z rozwojem kognitywnych teorii uczenia się. Niektórzy teoretycy uważają rozwiązywanie problemów za kluczowy proces w uczeniu się, szczególnie w dziedzinach takich jak nauki ścisłe i matematyka (Anderson, 1993). Chociaż „rozwiązywanie problemów” i „uczenie się” nie są synonimami, to pierwsze często jest zaangażowane w to drugie, szczególnie gdy uczący się mogą w pewnym stopniu samodzielnie regulować proces uczenia się oraz gdy uczenie się wiąże się z wyzwaniami i nieoczywistymi rozwiązaniami. W scenariuszu otwierającym Meg zaleca większy nacisk na rozwiązywanie problemów.

Problem istnieje, gdy występuje „sytuacja, w której próbujesz osiągnąć jakiś cel i musisz znaleźć sposób, aby to zrobić” (Chi & Glaser, 1985, s. 229). Problem może polegać na udzieleniu odpowiedzi na pytanie, obliczeniu rozwiązania, zlokalizowaniu obiektu, zdobyciu pracy, nauczaniu ucznia i tak dalej. Rozwiązywanie problemów odnosi się do wysiłków ludzi zmierzających do osiągnięcia celu, dla którego nie mają automatycznego rozwiązania.

Niezależnie od obszaru treści i złożoności, wszystkie problemy mają pewne cechy wspólne. Problemy mają stan początkowy — aktualny status lub poziom wiedzy osoby rozwiązującej problem. Problemy mają cel — to, co osoba rozwiązująca problem próbuje osiągnąć. Większość problemów wymaga również od osoby rozwiązującej problem podzielenia celu na podcele, które po opanowaniu (zwykle sekwencyjnie) prowadzą do osiągnięcia celu. Wreszcie, problemy wymagają wykonywania operacji (czynności poznawczych i behawioralnych) na stanie początkowym i podcelach, które zmieniają charakter tych stanów (Anderson, 1990; Chi & Glaser, 1985).

Biorąc pod uwagę tę definicję, nie wszystkie czynności związane z uczeniem się obejmują rozwiązywanie problemów. Rozwiązywanie problemów prawdopodobnie nie jest zaangażowane, gdy umiejętności uczniów stają się tak dobrze ugruntowane, że automatycznie wykonują czynności w celu osiągnięcia celów, co zdarza się w przypadku wielu umiejętności w różnych dziedzinach. Rozwiązywanie problemów może również nie występować w uczeniu się na niskim poziomie (prawdopodobnie trywialnym), gdzie uczniowie wiedzą, co robić, aby się uczyć. Wydaje się, że jest to problem w Nikowsky Middle School, ponieważ nauczyciele koncentrują się na podstawowych umiejętnościach potrzebnych do testów. Jednocześnie uczniowie uczą się nowych umiejętności i nowych zastosowań dla wcześniej nabytych umiejętności, więc wiele zajęć szkolnych może obejmować rozwiązywanie problemów w pewnym momencie podczas uczenia się.

Niektóre historyczne perspektywy rozwiązywania problemów są analizowane jako tło dla obecnych poglądów kognitywnych: metoda prób i błędów, wgląd i heurystyki.

Metoda prób i błędów

Badania Thorndike'a (1913b) z kotami wymagały rozwiązywania problemów; problemem było, jak uciec z klatki. Thorndike postrzegał rozwiązywanie problemów jako metodę prób i błędów. Zwierzę było zdolne do wykonywania pewnych zachowań w klatce. Z tego repertuaru behawioralnego zwierzę wykonywało jedno zachowanie i doświadczało konsekwencji. Po serii losowych zachowań kot dokonywał reakcji, która otwierała właz prowadzący do ucieczki. Wraz z powtarzanymi próbami kot popełniał mniej błędów przed wykonaniem zachowania ucieczki, a czas potrzebny na rozwiązanie problemu malał. Zachowanie ucieczki (reakcja) połączyło się ze wskazówkami (bodźcami) w klatce.

Czasami używamy metody prób i błędów do rozwiązywania problemów; po prostu wykonujemy działania, aż jedno zadziała. Ale metoda prób i błędów nie jest niezawodna i często nie jest skuteczna. Może marnować czas, może nigdy nie doprowadzić do rozwiązania, może prowadzić do rozwiązania mniej niż idealnego i może mieć negatywne skutki. W desperacji nauczyciel może zastosować metodę prób i błędów, próbując różnych materiałów do czytania z Kaylą, aż zacznie lepiej czytać. Podejście to może być skuteczne, ale może również narazić ją na materiały, które okażą się frustrujące i tym samym opóźnią jej postępy w czytaniu.

Wgląd

Uważa się często, że rozwiązywanie problemów wiąże się z wglądem, czyli nagłym uświadomieniem sobie prawdopodobnego rozwiązania. Wallas (1921) badał wielkich rozwiązywaczy problemów i sformułował czterostopniowy model w następujący sposób:

Etapy Wallasa były opisowe i nie zostały poddane weryfikacji empirycznej. Psychologowie Gestalt również postulowali, że wiele ludzkiego uczenia się było oparte na wglądzie i obejmowało zmianę percepcji. Uczący się początkowo myśleli o składnikach niezbędnych do rozwiązania problemu. Integrowali je na różne sposoby, aż problem został rozwiązany. Kiedy uczący się dochodzili do rozwiązania, robili to nagle i z wglądem.

Wielu rozwiązujących problemy zgłasza, że ma chwile wglądu; Watson i Crick mieli momenty wglądu, odkrywając strukturę DNA (Lemonick, 2003). Ważnym zastosowaniem edukacyjnym teorii Gestalt był obszar rozwiązywania problemów, czyli myślenie produktywne (Duncker, 1945; Luchins, 1942; Wertheimer, 1945). Podejście Gestalt podkreślało rolę zrozumienia — pojmowania znaczenia jakiegoś zdarzenia lub uchwycenia zasady lub reguły leżącej u podstaw wykonania. W przeciwieństwie do tego, uczenie się na pamięć — choć często stosowane przez uczniów — było nieefektywne i rzadko stosowane w życiu poza szkołą

Badania Katony (1940) wykazały użyteczność uczenia się reguł w porównaniu z zapamiętywaniem. W jednym badaniu uczestnicy zostali poproszeni o nauczenie się ciągów liczb (np. 816449362516941). Niektórzy uczyli się ciągów na pamięć, podczas gdy inni otrzymywali wskazówki ułatwiające naukę (np. „Pomyśl o liczbach podniesionych do kwadratu”). Uczący się, którzy ustalili regułę generowania ciągów, zachowywali je lepiej niż ci, którzy zapamiętywali.

Reguły prowadzą do lepszego uczenia się i zapamiętywania niż zapamiętywanie, ponieważ reguły dają prostszy opis zjawiska, więc trzeba się nauczyć mniej informacji. Ponadto reguły pomagają organizować materiał. Aby przypomnieć sobie informacje, przypomina się regułę, a następnie uzupełnia szczegóły. W przeciwieństwie do tego, zapamiętywanie wiąże się z przypominaniem sobie większej ilości informacji. Zapamiętywanie jest generalnie nieefektywne, ponieważ większość sytuacji ma jakąś organizację (Wertheimer, 1945). Problemy rozwiązuje się, odkrywając organizację sytuacji i związek elementów z rozwiązaniem problemu. Poprzez aranżowanie i przestawianie elementów, uczący się w końcu zyskują wgląd w rozwiązanie.

Köhler (1926) wykonał znaną pracę nad rozwiązywaniem problemów z małpami na wyspie Teneryfie podczas I wojny światowej. W jednym eksperymencie Köhler umieścił banana poza zasięgiem małpy w klatce; małpa mogła zdobyć banana, używając długiego kija lub łącząc dwa kije. Köhler doszedł do wniosku, że rozwiązywanie problemów było oparte na wglądzie: zwierzęta zbadały sytuację, nagle „zobaczyły” środki do osiągnięcia celu i przetestowały rozwiązanie. Pierwsze próby rozwiązywania problemów przez małpy nie powiodły się, ponieważ próbowały różnych nieskutecznych strategii (np. rzucanie kijem w banana). Ostatecznie zobaczyły kij jako przedłużenie swoich ramion i użyły go odpowiednio.

W innej sytuacji (Köhler, 1925) zwierzę mogło zobaczyć cel, ale nie mogło go osiągnąć bez odwrócenia się i obrania okrężnej drogi. Na przykład zwierzę mogło znajdować się w pokoju z oknem i widzieć jedzenie na zewnątrz. Aby osiągnąć cel, zwierzę musi wyjść z pokoju przez drzwi i przejść korytarzem prowadzącym na zewnątrz. Przechodząc od fazy przed rozwiązaniem do fazy rozwiązania, zwierzę może wypróbować kilka alternatyw przed ustaleniem jednej i zastosowaniem jej. Wgląd nastąpił, gdy zwierzę przetestowało prawdopodobne rozwiązanie.

Barierą w rozwiązywaniu problemów jest fiksacja funkcjonalna, czyli niezdolność do postrzegania różnych zastosowań przedmiotów lub nowych konfiguracji elementów w sytuacji (Duncker, 1945). W klasycznym badaniu Luchins (1942) dał osobom problemy, które wymagały od nich uzyskania określonej ilości wody przy użyciu trzech słoików o różnych rozmiarach. Osoby w wieku od 9 lat do dorosłości z łatwością nauczyły się wzoru, który zawsze dawał prawidłową ilość. W zestawie problemów wymieszano kilka problemów, które można było rozwiązać za pomocą prostszego wzoru. Osoby na ogół kontynuowały stosowanie oryginalnego wzoru. Uświadomienie im, że może istnieć łatwiejsze rozwiązanie, doprowadziło niektórych do odkrycia prostszych metod, chociaż wielu upierało się przy oryginalnym wzorze. Badania te pokazują, że kiedy uczniowie nie rozumieją zjawiska, mogą ślepo stosować znany algorytm i nie rozumieć, że istnieją łatwiejsze metody. Tę ograniczoną procedurą naturę rozwiązywania problemów można przezwyciężyć, gdy podczas nauczania podkreśla się różne procedury (Chen, 1999).

Teoria Gestalt miała niewiele do powiedzenia na temat tego, jak uczą się strategie rozwiązywania problemów lub jak można uczyć uczniów, aby byli bardziej wnikliwi. Wertheimer (1945) uważał, że nauczyciele mogą wspomagać rozwiązywanie problemów, aranżując elementy sytuacji w taki sposób, aby uczniowie chętniej dostrzegali, jak części odnoszą się do całości. Taka ogólna rada może nie być pomocna dla nauczycieli.

Innym sposobem rozwiązywania problemów jest stosowanie heurystyk, czyli ogólnych metod rozwiązywania problemów, które wykorzystują zasady (praktyczne reguły), które zazwyczaj prowadzą do rozwiązania (Anderson, 1990). Lista operacji umysłowych Polyi (1945/1957) związanych z rozwiązywaniem problemów przedstawia się następująco:

• Zrozum problem.
• Opracuj plan.
• Zrealizuj plan.
• Spójrz wstecz.

Zrozumienie problemu obejmuje zadawanie pytań typu “Co jest niewiadomą?” i “Jakie są dane?” Często pomocne jest narysowanie diagramu przedstawiającego problem i dane informacje. Opracowując plan, należy spróbować znaleźć związek między danymi a niewiadomą. Podział problemu na podcele jest użyteczny, podobnie jak myślenie o podobnym problemie i sposobie jego rozwiązania (tj. wykorzystanie analogii). Problem może wymagać przeformułowania. Podczas realizacji planu ważne jest sprawdzanie każdego kroku, aby upewnić się, że jest on właściwie wdrażany. Spojrzenie wstecz oznacza zbadanie rozwiązania: Czy jest ono poprawne? Czy istnieje inny sposób jego osiągnięcia?

Bransford i Stein (1984) sformułowali podobną heurystykę znaną jako IDEAL (ideal):

• Zidentyfikuj problem.
• Zdefiniuj i przedstaw problem.
• Zbadaj możliwe strategie.
• Działaj zgodnie ze strategiami.
• Spójrz wstecz i oceń skutki swoich działań.

Model Kreatywnego Rozwiązywania Problemów (CPS) oferuje kolejny przykład ogólnych ram rozwiązywania problemów (Treffinger, 1985; Treffinger & Isaksen, 2005). Model ten składa się z trzech głównych komponentów: zrozumienie wyzwania, generowanie pomysłów i przygotowanie do działania (Treffinger, 1995; Treffinger & Isaksen, 2005). Komponenty metakognitywne (np. planowanie, monitorowanie, modyfikowanie zachowania) są obecne w całym procesie.

Zrozumienie wyzwania zaczyna się od ogólnego celu lub kierunku rozwiązywania problemu. Po uzyskaniu ważnych danych (np. faktów, opinii, obaw) formułuje się konkretny cel lub pytanie. Znakiem rozpoznawczym generowania pomysłów jest myślenie dywergencyjne w celu wytworzenia opcji osiągnięcia celu. Przygotowanie do działania obejmuje badanie obiecujących opcji i poszukiwanie źródeł pomocy oraz sposobów pokonania oporu.

Ogólne heurystyki są najbardziej przydatne, gdy pracuje się z nieznaną treścią (Andre, 1986). Są one mniej skuteczne w znanym obszarze, ponieważ w miarę rozwoju umiejętności specyficznych dla danej dziedziny studenci coraz częściej korzystają z ugruntowanej wiedzy proceduralnej. Ogólne heurystyki mają przewagę dydaktyczną: Mogą pomóc uczniom stać się systematycznymi rozwiązującymi problemów. Chociaż podejście heurystyczne może wydawać się nieelastyczne, w rzeczywistości istnieje elastyczność w sposobie realizacji kroków. Dla wielu studentów heurystyka będzie bardziej systematyczna niż ich obecne podejścia do rozwiązywania problemów i doprowadzi do lepszych rozwiązań.

Newell i Simon (1972) zaproponowali model przetwarzania informacji dotyczący rozwiązywania problemów, który obejmował przestrzeń problemu ze stanem początkowym, stanem docelowym i możliwymi ścieżkami rozwiązania prowadzącymi przez podcele i wymagającymi zastosowania operacji. Osoba rozwiązująca problem tworzy umysłową reprezentację problemu i wykonuje operacje w celu zmniejszenia rozbieżności między stanem początkowym a docelowym. Proces operowania na reprezentacji w celu znalezienia rozwiązania jest znany jako poszukiwanie (Andre, 1986).

Pierwszym krokiem w rozwiązywaniu problemu jest utworzenie umysłowej reprezentacji. Podobnie jak pierwszy krok Polyi (zrozumienie problemu), reprezentacja wymaga przetłumaczenia znanych informacji na model w pamięci. Reprezentacja wewnętrzna składa się z propozycji i ewentualnie obrazów w PM. Problem można również reprezentować zewnętrznie (np. na papierze, ekranie komputera). Informacje w PM aktywują powiązaną wiedzę w DPM, a rozwiązujący ostatecznie wybiera strategię rozwiązywania problemu. Podczas rozwiązywania problemów ludzie często zmieniają swoją początkową reprezentację i aktywują nową wiedzę, zwłaszcza jeśli ich rozwiązywanie problemów nie kończy się sukcesem. Zatem rozwiązywanie problemów obejmuje ocenę postępów w realizacji celu.

Reprezentacja problemu determinuje, jaka wiedza jest aktywowana w pamięci, a co za tym idzie, jak łatwo jest rozwiązać problem (Holyoak, 1984). Jeśli rozwiązujący nieprawidłowo reprezentują problem, nie biorąc pod uwagę wszystkich aspektów lub dodając zbyt wiele ograniczeń, proces poszukiwania prawdopodobnie nie zidentyfikuje poprawnej ścieżki rozwiązania (Chi & Glaser, 1985). Bez względu na to, jak jasno rozwiązujący rozumują następnie, nie osiągną poprawnego rozwiązania, chyba że utworzą nową reprezentację. Nic dziwnego, że programy szkoleniowe w zakresie rozwiązywania problemów zazwyczaj poświęcają dużo czasu fazie reprezentacji (Andre, 1986).

Podobnie jak umiejętności (omówione wcześniej), strategie rozwiązywania problemów mogą być ogólne lub specyficzne. Strategie ogólne można zastosować do problemów w różnych dziedzinach, niezależnie od treści; strategie specyficzne są przydatne tylko w określonej dziedzinie. Na przykład, podział złożonego problemu na podproblemy (analiza podcelów) jest strategią ogólną, którą można zastosować do problemów takich jak pisanie pracy semestralnej, wybór kierunku studiów i decyzja o miejscu zamieszkania. Z kolei testy, które można wykonać w celu klasyfikacji próbek laboratoryjnych, są specyficzne dla danego zadania. Profesjonalny rozwój nauczycieli Nikowsky'ego prawdopodobnie obejmował strategie ogólne i specyficzne.

Strategie ogólne są przydatne, gdy pracuje się nad problemami, których rozwiązania nie są od razu oczywiste. Przydatne strategie ogólne to strategie generuj-i-testuj, analiza środków i celów, rozumowanie analogiczne i burza mózgów. Strategie ogólne są mniej przydatne niż strategie specyficzne dla danej dziedziny, gdy pracuje się z bardzo dobrze znaną treścią. Przykłady rozwiązywania problemów w kontekście uczenia się podano w bloku poniżej:

Strategia generuj-i-testuj

Strategia generuj-i-testuj jest przydatna, gdy można przetestować ograniczoną liczbę rozwiązań problemu, aby sprawdzić, czy osiągają one cel (Resnick, 1985). Ta strategia działa najlepiej, gdy wiele rozwiązań można uszeregować pod względem prawdopodobieństwa i przynajmniej jedno rozwiązanie jest w stanie rozwiązać problem.

Na przykład, załóżmy, że wchodzisz do pokoju, przełączasz włącznik światła, ale światło się nie zapala. Możliwe przyczyny to: żarówka jest przepalona; prąd jest wyłączony; przełącznik jest zepsuty; gniazdo lampy jest uszkodzone; wyłącznik obwodu został wyzwolony; bezpiecznik jest przepalony; lub okablowanie ma zwarcie. Prawdopodobnie wygenerujesz i przetestujesz najbardziej prawdopodobne rozwiązanie (wymień żarówkę); jeśli to nie rozwiąże problemu, możesz wygenerować i przetestować inne prawdopodobne rozwiązania. Chociaż treść nie musi być bardzo dobrze znana, pewna wiedza jest potrzebna, aby skutecznie korzystać z tej metody. Wiedza uprzednia ustala hierarchię możliwych rozwiązań; aktualna wiedza wpływa na wybór rozwiązania. Tak więc, jeśli zauważysz w swojej okolicy samochód elektryczny, sprawdzisz, czy prąd jest wyłączony.

Analiza środków i celów

Aby użyć analizy środków i celów, porównuje się bieżącą sytuację z celem i identyfikuje różnice między nimi (Resnick, 1985). Ustanawia się podcele, aby zmniejszyć różnice. Wykonuje się operacje, aby osiągnąć podcel, po czym proces jest powtarzany, aż do osiągnięcia celu.

Newell i Simon (1972) badali analizę środków i celów oraz sformułowali Ogólny Program Rozwiązywania Problemów (GPS) – program symulacji komputerowej. GPS dzieli problem na podcele, z których każdy reprezentuje różnicę w stosunku do bieżącego stanu. GPS zaczyna od najważniejszej różnicy i używa operacji, aby wyeliminować tę różnicę. W niektórych przypadkach operacje muszą najpierw wyeliminować inną różnicę, która jest warunkiem wstępnym dla ważniejszej.

Analiza środków i celów jest potężną heurystyką rozwiązywania problemów. Gdy podcele są odpowiednio identyfikowane, analiza środków i celów najprawdopodobniej rozwiąże problem. Jedną z wad jest to, że w przypadku złożonych problemów analiza środków i celów obciąża pamięć roboczą (WM), ponieważ trzeba śledzić kilka podcelów. Zapomnienie podcelu udaremnia rozwiązanie problemu.

Analiza środków i celów może przebiegać od celu do stanu początkowego (praca wstecz) lub od stanu początkowego do celu (praca do przodu). W pracy wstecz zaczyna się od celu i pyta, jakie podcele są konieczne do jego osiągnięcia. Następnie pyta się, co jest konieczne do osiągnięcia tych podcelów i tak dalej, aż do osiągnięcia stanu początkowego. Aby pracować wstecz, planuje się serię ruchów, z których każdy ma na celu osiągnięcie podcelu. Skuteczna praca wstecz wymaga sporej wiedzy w danej dziedzinie problemu, aby określić warunki wstępne celu i podcelu.

Praca wstecz jest często używana do udowadniania twierdzeń geometrycznych. Zaczyna się od założenia, że twierdzenie jest prawdziwe, a następnie pracuje się wstecz, aż do osiągnięcia postulatów. Przykład geometryczny pokazano na rysunku 'Analiza środków i celów zastosowana do problemu geometrii' Problemem jest rozwiązanie dla kąta m. Pracując wstecz, uczniowie zdają sobie sprawę, że muszą określić kąt n, ponieważ kąt m = 180° jest kątem n (linia prosta = 180°). Kontynuując pracę wstecz, uczniowie rozumieją, że ponieważ linie równoległe przecinają się, odpowiadający kąt d na linii q jest równy kątowi n. Opierając się na swojej wiedzy geometrycznej, uczniowie ustalają, że kąt d = kąt a, który wynosi 30°. Zatem kąt n = 30°, a kąt m = 180° - 30° = 150°.

Innym przykładem pracy wstecz jest sytuacja, w której ktoś ma napisać pracę semestralną w ciągu 3 tygodni. Ostatnim krokiem przed oddaniem jest korekta (dzień przed terminem oddania). Krokiem poprzedzającym jest wpisanie i wydrukowanie kopii finalnej (zarezerwuj 1 dzień). Wcześniej dokonuje się ostatecznych poprawek (1 dzień), poprawia się pracę (3 dni) i wpisuje i drukuje kopię roboczą (1 dzień). Kontynuując pracę wstecz, możemy zarezerwować 5 dni na napisanie wersji roboczej, 1 dzień na konspekt, 3 dni na badania biblioteczne i 1 dzień na wybór tematu. Rezerwujemy łącznie 17 dni na pracę nad częścią pracy. Musimy więc zacząć za 4 dni.

Drugim rodzajem analizy środków i celów jest praca do przodu, czasami nazywana wspinaczką po wzgórzu (Matlin, 2009; Mayer, 1992). Osoba rozwiązująca problem zaczyna od bieżącej sytuacji i zmienia ją w nadziei na zbliżenie się do celu. Zwykle konieczne jest kilka zmian, aby osiągnąć cel. Jednym z zagrożeń jest to, że praca do przodu czasami opiera się na powierzchownej analizie problemu. Chociaż każdy krok stanowi próbę osiągnięcia niezbędnego podcelu, można łatwo zboczyć z kursu lub dotrzeć do ślepego zaułka, ponieważ zazwyczaj nie widać wielu alternatyw przed sobą, a jedynie następny krok (Matlin, 2009).

Jako przykład strategii pracy do przodu, rozważmy uczniów w laboratorium, którzy mają różne substancje w słoikach. Ich celem jest oznaczenie substancji w słoikach. Aby to zrobić, wykonują serię testów na substancjach, które, jeśli zostaną wykonane prawidłowo, doprowadzą do rozwiązania. Stanowi to strategię pracy do przodu, ponieważ każdy test przybliża uczniów do celu, jakim jest klasyfikacja substancji. Testy są uporządkowane, a wyniki pokazują, czym substancje nie są, a także czym mogą być. Aby uniemożliwić uczniom zboczenie z właściwej drogi, nauczyciel starannie przygotowuje procedurę i upewnia się, że uczniowie rozumieją, jak wykonywać testy.

Inną ogólną strategią rozwiązywania problemów jest stosowanie rozumowania analogicznego, które polega na tworzeniu analogii między sytuacją problemową (celem) a sytuacją, z którą się jest zaznajomionym (bazą lub źródłem; Anderson, 1990; Chen, 1999; Hunt, 1989). Rozwiązuje się problem w znanym obszarze, a następnie odnosi rozwiązanie do sytuacji problemowej (Holyoak & Thagard, 1997). Rozumowanie analogiczne polega na dostępie do sieci znanego obszaru w Długotrwałej Pamięci (LTM) i odwzorowywaniu jej (odnoszeniu jej) na sytuację problemową w Pamięci Roboczej (WM) (Halpern, Hansen, & Riefer, 1990). Skuteczne zastosowanie wymaga, aby znana sytuacja była strukturalnie podobna do sytuacji problemowej, chociaż sytuacje mogą różnić się cechami powierzchownymi (np. jedna może dotyczyć Układu Słonecznego, a druga struktur molekularnych). Podcele w tym podejściu to odnoszenie kroków w oryginalnym (znanym) obszarze do kroków w obszarze transferu (problemu). Studenci często używają metody analogii do rozwiązywania problemów w podręcznikach. Przykłady są rozwiązywane w tekście (znany obszar), a następnie studenci odnoszą te kroki do problemów, które muszą rozwiązać.

Gick i Holyoak (1980, 1983) zademonstrowali siłę analogicznego rozwiązywania problemów. Przedstawili oni uczniom trudny problem medyczny i, jako analogię, rozwiązany problem wojskowy. Samo podanie im problemu analogicznego nie skłoniło ich automatycznie do jego użycia. Jednak danie im wskazówki, aby użyli problemu wojskowego do rozwiązania problemu medycznego, poprawiło rozwiązywanie problemów. Gick i Holyoak odkryli również, że danie studentom dwóch analogicznych historii prowadziło do lepszego rozwiązywania problemów niż danie jednej historii. Jednak streszczenie analogicznej historii, podanie im zasady leżącej u podstaw historii podczas jej czytania lub dostarczenie im diagramu ilustrującego zasadę problem-rozwiązanie nie poprawiło rozwiązywania problemów. Wyniki te sugerują, że w nieznanym obszarze studenci potrzebują wskazówek dotyczących używania analogii i że wiele przykładów zwiększa prawdopodobieństwo, że studenci połączą przynajmniej jeden przykład z problemem do rozwiązania.

Aby rozumowanie analogiczne było jak najbardziej efektywne, wymaga dobrej wiedzy na temat znanego obszaru i obszaru problemu. Studenci często mają wystarczające trudności z używaniem analogii do rozwiązywania problemów, nawet gdy strategia rozwiązania jest podkreślona. Przy niedostatecznej wiedzy studenci prawdopodobnie nie zobaczą związku między problemem a analogią. Nawet zakładając dobrą wiedzę, analogia najprawdopodobniej zawiedzie, gdy znane obszary i obszary problemu są koncepcyjnie różne. Uczący się mogą rozumieć, jak walka (problem wojskowy) jest podobna do walki z chorobą (problem medyczny), ale mogą nie rozumieć innych analogii (np. walki z próbą wrogiego przejęcia firmy).

Dowody rozwojowe wskazują, że pomimo trudności dzieci mogą stosować rozumowanie analogiczne (Siegler, 1989). Nauczanie analogii dzieci—w tym dzieci z trudnościami w uczeniu się—może poprawić ich późniejsze rozwiązywanie problemów (Grossen, 1991). Wykorzystanie studiów przypadków i rozumowania opartego na przypadkach może pomóc w rozwoju myślenia analogicznego (Kolodner, 1997). Skuteczne techniki wykorzystywania analogii obejmują werbalizację przez dorosłego nauczyciela i dziecko zasady rozwiązania, która leży u podstaw oryginalnego i transferowego problemu, skłanianie dzieci do przypominania sobie elementów struktury przyczynowej oryginalnego problemu oraz przedstawianie dwóch problemów w taki sposób, aby struktury przyczynowe przebiegały od najbardziej do najmniej oczywistych (Crisafi & Brown, 1986). Inne sugestie obejmują używanie podobnych oryginalnych i transferowych problemów, przedstawianie kilku podobnych problemów i używanie obrazków do przedstawiania relacji przyczynowych.

Nie sugeruje to, że wszystkie dzieci mogą stać się ekspertami w używaniu analogii. Zadanie jest trudne, a dzieci często tworzą nieodpowiednie analogie. W porównaniu ze starszymi uczniami, młodsi potrzebują więcej wskazówek, są bardziej skłonni do rozproszenia przez nieistotne cechy percepcyjne i przetwarzają informacje mniej efektywnie (Crisafi & Brown, 1986). Sukces dzieci zależy w dużej mierze od ich wiedzy na temat oryginalnego problemu i ich umiejętności kodowania i dokonywania porównań mentalnych, które wykazują szerokie różnice indywidualne (Richland, Morrison, & Holyoak, 2006; Siegler, 1989). Dzieci uczą się strategii rozwiązywania problemów lepiej, gdy je obserwują i wyjaśniają, niż gdy tylko obserwują (Crowley & Siegler, 1999).

Analogiczne rozwiązywanie problemów jest przydatne w nauczaniu. Nauczyciele często mają w swoich klasach uczniów, których językiem ojczystym nie jest język angielski. Nauczanie uczniów w ich języku ojczystym jest niemożliwe. Nauczyciele mogą odnieść ten problem do nauczania uczniów, którzy mają trudności w uczeniu się. Z tymi ostatnimi uczniami nauczyciele postępowaliby powoli, używaliby konkretnych doświadczeń, gdy tylko to możliwe, i zapewnialiby dużo indywidualnego nauczania. Mogą spróbować tych samych taktyk z uczniami o ograniczonej znajomości języka angielskiego, jednocześnie ucząc ich angielskich słów i zwrotów, aby mogli nadążyć za innymi uczniami w klasie.

Ta analogia jest odpowiednia, ponieważ uczniowie z problemami w uczeniu się i uczniowie, którzy słabo mówią po angielsku, mają trudności w klasie. Inne analogie mogą być nieodpowiednie. Uczniowie bez motywacji również mają trudności w uczeniu się. Używając ich do analogii, nauczyciel mógłby oferować uczniom o ograniczonej znajomości języka angielskiego nagrody za naukę. To rozwiązanie prawdopodobnie nie będzie skuteczne, ponieważ problem z uczniami o ograniczonej znajomości języka angielskiego jest raczej instruktażowy niż motywacyjny.

Burza mózgów to ogólna strategia rozwiązywania problemów, która jest przydatna do formułowania możliwych rozwiązań problemu (Isaksen & Gaulin, 2005; Mayer, 1992; Osborn, 1963). Kroki w burzy mózgów są następujące:

• Zdefiniuj problem.
• Wygeneruj jak najwięcej rozwiązań, nie oceniając ich.
• Ustal kryteria oceny potencjalnych rozwiązań.
• Użyj tych kryteriów, aby wybrać najlepsze rozwiązanie.

Skuteczna burza mózgów wymaga, aby uczestnicy wstrzymywali się od krytyki pomysłów, dopóki wszystkie pomysły nie zostaną wygenerowane. Ponadto uczestnicy mogą generować pomysły, które bazują na sobie nawzajem. Dlatego należy zachęcać do “dzikich” i nietypowych pomysłów (Mayer, 1992).

Podobnie jak w przypadku analogicznego rozwiązywania problemów, ilość wiedzy na temat danej dziedziny problemu wpływa na sukces burzy mózgów, ponieważ lepsza wiedza domenowa pozwala na generowanie większej liczby potencjalnych rozwiązań i kryteriów oceny ich wykonalności. Burza mózgów może być stosowana indywidualnie, chociaż interakcja grupowa zwykle prowadzi do większej liczby rozwiązań.

Burza mózgów dobrze nadaje się do wielu decyzji instruktażowych i administracyjnych podejmowanych w szkołach. Jest najbardziej przydatna do generowania wielu różnorodnych – i być może unikalnych – pomysłów (Isaksen & Gaulin, 2005). Załóżmy, że nowy dyrektor szkoły zauważa niski poziom morale wśród personelu. Członkowie personelu zgadzają się, że potrzebna jest lepsza komunikacja. Liderzy poszczególnych poziomów klas spotykają się z dyrektorem, a grupa dochodzi do następujących potencjalnych rozwiązań: organizowanie cotygodniowych spotkań z personelem, wysyłanie cotygodniowego (elektronicznego) biuletynu, wywieszanie ogłoszeń na tablicy ogłoszeń, organizowanie cotygodniowych spotkań z liderami poziomów klas (po których spotykają się oni z nauczycielami), częste wysyłanie informacyjnych wiadomości e-mail, wygłaszanie ogłoszeń przez system nagłośnieniowy. Grupa formułuje dwa kryteria: (a) minimalnie czasochłonne dla nauczycieli oraz (b) minimalnie zakłócające zajęcia. Mając na uwadze te kryteria, decydują, że dyrektor powinien wysyłać cotygodniowy biuletyn i częste wiadomości e-mail oraz spotykać się z liderami poziomów klas jako grupa. Chociaż zajmą one trochę czasu, spotkania między dyrektorem a liderami poziomów klas będą bardziej skoncentrowane niż spotkania między dyrektorem a całym personelem.

Rozwiązywanie problemów często jest związane z uczeniem się, ale pojęcia te nie są synonimami. Zgodnie ze współczesnym poglądem przetwarzania informacji (Anderson, 1990, 1993, 2000), rozwiązywanie problemów obejmuje nabywanie, zachowywanie i wykorzystywanie systemów produkcji, które są sieciami sekwencji warunek–akcja (reguł), w których warunki są zbiorami okoliczności, które aktywują system, a akcje są zbiorami czynności, które zachodzą (Anderson, 1990; Andre, 1986). System produkcji składa się z instrukcji if-then (jeśli-to). Instrukcje if (warunek) obejmują cel i instrukcje testowe, a instrukcje then (to) są akcjami.

Produkcje są formami wiedzy proceduralnej, które obejmują wiedzę deklaratywną i warunki, w których te formy mają zastosowanie. Produkcje są reprezentowane w LTM (pamięci długotrwałej) jako sieci propozycjonalne i są nabywane w ten sam sposób, co inna wiedza proceduralna. Produkcje są również zorganizowane hierarchicznie z produkcjami podrzędnymi i nadrzędnymi. Aby rozwiązać dwa równania z dwiema niewiadomymi, najpierw przedstawia się jedną niewiadomą w kategoriach drugiej niewiadomej (produkcja podrzędna), po czym rozwiązuje się drugą niewiadomą (produkcja) i używa tej wartości do rozwiązania pierwszej niewiadomej (produkcja nadrzędna).

Produkcje mogą być ogólne lub szczegółowe. Szczegółowe produkcje odnoszą się do treści w dobrze zdefiniowanych obszarach. Natomiast heurystyki są ogólnymi produkcjami, ponieważ mają zastosowanie do różnorodnych treści. Analiza środków i celów może być reprezentowana następująco (Anderson, 1990):

Jeśli celem jest przekształcenie obecnego stanu w stan docelowy, a D jest największą różnicą między stanami -> Wtedy ustaw jako podcele:

1. Aby wyeliminować różnicę D
2. Aby przekształcić wynikowy stan w stan docelowy.

Druga produkcja będzie wtedy musiała zostać zastosowana z instrukcją if-then, „Jeśli celem jest wyeliminowanie różnicy D”. Ta sekwencja trwa, dopóki podcele nie zostaną zidentyfikowane na szczegółowym poziomie; następnie stosowane są reguły specyficzne dla domeny. Krótko mówiąc, ogólne produkcje są rozbijane, aż do poziomu, na którym stosowana jest wiedza specyficzna dla domeny. Systemy produkcji oferują sposób łączenia ogólnych z szczegółowymi procedurami rozwiązywania problemów. Inne strategie rozwiązywania problemów (np. rozumowanie analogiczne) również mogą być reprezentowane jako produkcje.

Uczenie się w szkole, które jest wysoce regulowane, może nie wymagać rozwiązywania problemów. Rozwiązywanie problemów nie ma zastosowania, gdy uczniowie mają cel i jasny sposób jego osiągnięcia. Rozwiązywanie problemów staje się ważniejsze, gdy nauczyciele odchodzą od sztywnego, wysoce zrygoryzowanego nauczania i zachęcają uczniów do bardziej oryginalnego i krytycznego myślenia. Nad tym pracowali nauczyciele w Nikowsky po spotkaniu z Meg. W edukacji istnieje ruch na rzecz zachęcania uczniów do rozwiązywania problemów, a wielu edukatorów uważa, że ten trend będzie się utrzymywał. W międzyczasie uczniowie muszą nauczyć się zarówno ogólnych, jak i szczegółowych strategii rozwiązywania problemów, aby mogli sprostać tym dodatkowym wymaganiom związanym z uczeniem się.

Podobnie jak w przypadku nabywania umiejętności, badacze zidentyfikowali różnice między nowicjuszami a ekspertami w rozwiązywaniu problemów (Anderson, 1990, 1993; Bruning i in., 2004; Resnick, 1985). Jedna z różnic dotyczy obciążenia pamięci roboczej (WM). Eksperci w rozwiązywaniu problemów nie aktywują dużych ilości potencjalnie istotnych informacji; identyfikują kluczowe cechy problemu, odnoszą je do wiedzy ogólnej i generują jedno lub niewielką liczbę potencjalnych rozwiązań (Mayer, 1992). Eksperci redukują złożone problemy do rozmiarów, którymi można zarządzać, oddzielając przestrzeń problemu od szerszego środowiska zadania, które obejmuje domenę faktów i wiedzy, w której problem jest osadzony (Newell & Simon, 1972). W połączeniu z faktem, że eksperci mogą przechowywać więcej informacji w WM (Chi, Glaser & Farr, 1988), proces redukcji zachowuje istotne informacje, odrzuca nieistotne informacje, mieści się w granicach WM i jest wystarczająco dokładny, aby umożliwić rozwiązanie.

Eksperci często stosują strategię postępowania naprzód, identyfikując format problemu i generując podejście, które do niego pasuje (Mayer, 1992). Zazwyczaj wiąże się to z podzieleniem problemu na części i rozwiązywaniem ich sekwencyjnie (Bruning i in., 2004). Nowicjusze w rozwiązywaniu problemów często próbują rozwiązywać problemy fragmentarycznie, częściowo z powodu słabszej organizacji w ich pamięci. Mogą używać metody prób i błędów lub próbować pracować wstecz od tego, co próbują znaleźć, do danych problemu – nieskuteczna strategia, jeśli nie są świadomi potrzebnych podetapów (Mayer, 1992). Ich analizy środków i celów często opierają się na cechach powierzchniowych problemów. W matematyce nowicjusze generują wzory z pamięci, gdy mają do czynienia z zadaniami tekstowymi. Próba przechowywania nadmiaru informacji w WM zaśmieca ich myślenie (Resnick, 1985).

Eksperci i nowicjusze różnią się również wiedzą specyficzną dla danej dziedziny, chociaż wydają się być porównywalnie biegli w znajomości ogólnych strategii rozwiązywania problemów (Elstein, Shulman & Sprafka, 1978; Simon, 1979). Eksperci mają bardziej rozbudowane i lepiej zorganizowane struktury LTM w swojej dziedzinie wiedzy (Chi i in., 1981). Im większą ilość wiedzy eksperci mogą wykorzystać do rozwiązywania problemów, tym większe prawdopodobieństwo, że je rozwiążą, a lepsza organizacja pamięci ułatwia wydajność.

Jakościowe różnice są widoczne w sposobie strukturyzacji wiedzy w pamięci (Chi, Glaser & Rees, 1982). Wiedza ekspertów jest bardziej hierarchicznie zorganizowana. Eksperci mają tendencję do klasyfikowania problemów według “głębokiej struktury”, podczas gdy nowicjusze bardziej polegają na cechach powierzchniowych (Hardiman, Dufresne & Mestre, 1989). Co ciekawe, szkolenie nowicjuszy w rozpoznawaniu głębokich cech poprawia ich wyniki w porównaniu z wynikami niewyszkolonych nowicjuszy.

Nowicjusze zazwyczaj reagują na problemy w zależności od sposobu ich prezentacji; eksperci reinterpretują problemy, aby ujawnić podstawową strukturę, która najprawdopodobniej pasuje do ich własnej sieci LTM (Resnick, 1985). Nowicjusze próbują przetłumaczyć podane informacje bezpośrednio na wzory i rozwiązać dla brakujących wielkości. Zamiast generować wzory, eksperci mogą początkowo rysować diagramy, aby wyjaśnić relacje między aspektami problemu. Często konstruują nową wersję problemu. Zanim będą gotowi do wykonywania obliczeń, zwykle upraszczają problem i wykonują mniej obliczeń niż nowicjusze. Podczas pracy eksperci lepiej monitorują swoje wyniki, aby ocenić postęp w realizacji celu i wartość używanej strategii (Gagné i in., 1993).

Wreszcie, eksperci spędzają więcej czasu na planowaniu i analizowaniu. Są bardziej rozważni i nie postępują, dopóki nie mają na myśli żadnej strategii. Moore (1990) odkrył, że doświadczeni nauczyciele spędzają więcej czasu na planowaniu niż mniej doświadczeni nauczyciele, a także więcej czasu na eksploracji nowych klas. Takie planowanie ułatwia wdrażanie strategii.

Podsumowując, różnice między nowicjuszami a ekspertami w rozwiązywaniu problemów są liczne. W porównaniu z nowicjuszami, eksperci:

• Posiadają większą wiedzę deklaratywną
• Mają lepszą hierarchiczną organizację wiedzy
• Spędzają więcej czasu na planowaniu i analizowaniu
• Łatwiej rozpoznają formaty problemów
• Reprezentują problemy na głębszym poziomie
• Staranniej monitorują swoje wyniki
• Lepiej rozumieją wartość stosowania strategii

Rozumowanie odnosi się do procesów mentalnych zaangażowanych w generowanie i ocenę argumentów logicznych (Anderson, 1990). Rozumowanie prowadzi do wniosku z myśli, spostrzeżeń i twierdzeń (Johnson-Laird, 1999) i obejmuje rozwiązywanie problemów, aby wyjaśnić, dlaczego coś się stało lub co się stanie (Hunt, 1989). Umiejętności rozumowania obejmują klarowność, podstawy, wnioskowanie i ocenę (Ennis, 1987; Quellmalz, 1987).

Wyjaśnienie

Wyjaśnienie wymaga identyfikacji i formułowania pytań, analizowania elementów oraz definiowania terminów. Te umiejętności obejmują określanie, które elementy w danej sytuacji są ważne, co oznaczają i jak są powiązane. Czasami zadawane są pytania naukowe, ale innym razem uczniowie muszą formułować pytania takie jak “Na czym polega problem, hipoteza lub teza?” Wyjaśnienie odpowiada fazie reprezentacji rozwiązywania problemów; uczniowie definiują problem, aby uzyskać jasną reprezentację mentalną. Niewiele produktywnego rozumowania ma miejsce bez jasnego sformułowania problemu.

Podstawa

Wnioski ludzi na temat problemu są poparte informacjami z osobistych obserwacji, wypowiedziami innych osób i wcześniejszymi wnioskami. Ważna jest ocena wiarygodności źródła. Czyniąc to, należy odróżnić fakt, opinię i uzasadniony osąd. Załóżmy, że podejrzany uzbrojony w broń zostaje zatrzymany w pobliżu miejsca zabójstwa. Fakt, że podejrzany miał broń w momencie aresztowania, jest faktem. Badania laboratoryjne broni, pocisków i ofiary prowadzą do uzasadnionego osądu, że broń została użyta w przestępstwie. Osoba prowadząca dochodzenie w sprawie może być zdania, że podejrzany jest mordercą.

Wnioskowanie

Rozumowanie naukowe przebiega indukcyjnie lub dedukcyjnie. Rozumowanie indukcyjne odnosi się do opracowywania ogólnych zasad, reguł i koncepcji na podstawie obserwacji i wiedzy o konkretnych przykładach (Pellegrino, 1985). Wymaga określenia modelu i powiązanych z nim reguł wnioskowania (Hunt, 1989). Ludzie rozumują indukcyjnie, gdy wyodrębniają podobieństwa i różnice między konkretnymi obiektami i zdarzeniami oraz dochodzą do uogólnień, które są testowane przez zastosowanie ich do nowych doświadczeń. Jednostki zachowują swoje uogólnienia tak długo, jak są one skuteczne, i modyfikują je, gdy doświadczają sprzecznych dowodów.

Niektóre z bardziej popularnych typów zadań używanych do oceny rozumowania indukcyjnego to problemy z klasyfikacją, koncepcjami i analogiami. Rozważmy następującą analogię (Pellegrino, 1985):

• cukier : słodki :: cytryna : ______
• żółty kwaśny owoc wycisnąć herbata

Odpowiednie operacje mentalne reprezentują rodzaj systemu produkcyjnego. Początkowo uczeń mentalnie reprezentuje krytyczne atrybuty każdego terminu w analogii. Aktywuje sieci w Długotrwałej Pamięci (LTM) związane z każdym terminem, które zawierają krytyczne atrybuty terminów, w tym koncepcje podrzędne i nadrzędne. Następnie porównuje cechy pierwszej pary, aby określić związek. “Słodki” to właściwość cukru, która dotyczy smaku. Następnie przeszukuje sieć “cytryna”, aby ustalić, która z pięciu wymienionych cech odpowiada znaczeniem “cytrynie”, tak jak “słodki” odpowiada “cukrowi”. Chociaż wszystkie pięć terminów są najprawdopodobniej przechowywane w jego sieci “cytryna”, tylko “kwaśny” bezpośrednio dotyczy smaku.

Dzieci zaczynają wykazywać podstawowe rozumowanie indukcyjne około 8 roku życia. Wraz z rozwojem dzieci mogą rozumować szybciej i z bardziej złożonym materiałem. Dzieje się tak, ponieważ ich sieci LTM stają się bardziej złożone i lepiej powiązane, co z kolei zmniejsza obciążenie Pamięci Operacyjnej (WM). Aby pomóc w rozwoju myślenia indukcyjnego, nauczyciele mogą zastosować podejście oparte na odkrywaniu z przewodnikiem, w którym dzieci uczą się różnych przykładów i próbują sformułować ogólną zasadę. Na przykład dzieci mogą zbierać liście i formułować ogólne zasady dotyczące łodyg, żyłek, rozmiarów i kształtów liści z różnych drzew. Nauczyciele mogą postawić uczniom problem, taki jak “Dlaczego metal tonie w wodzie, ale metalowe statki unoszą się na wodzie?” Zamiast mówić uczniom, jak rozwiązać problem, nauczyciel może dostarczyć materiały i zachęcić ich do formułowania i testowania hipotez podczas pracy nad zadaniem. Phye (1997; Klauer & Phye, 2008) omówili skuteczne metody nauczania i programy, które były używane do nauczania rozumowania indukcyjnego uczniów.

Rozumowanie dedukcyjne odnosi się do stosowania reguł wnioskowania do formalnego modelu problemu, aby zdecydować, czy konkretne przypadki wynikają logicznie. Kiedy jednostki rozumują dedukcyjnie, przechodzą od ogólnych koncepcji (przesłanek) do konkretnych przypadków (wniosków), aby ustalić, czy te ostatnie wynikają z tych pierwszych. Dedykcja jest ważna, jeśli przesłanki są prawdziwe i jeśli wniosek wynika logicznie z przesłanek (Johnson-Laird, 1985, 1999).

Procesy językowe i dedukcyjne są ze sobą ściśle powiązane (Falmagne & Gonsalves, 1995; Polk & Newell, 1995). Jednym z rodzajów problemu dedukcyjnego jest seria trójwyrazowa (Johnson-Laird, 1972). Na przykład,

• Jeśli Karen jest wyższa niż Tina, i ->; (generowanie wzoru)
• Jeśli Mary Beth nie jest tak wysoka jak Tina, to ->; (potwierdzenie wzoru)
• Kto jest najwyższy? => (wzór kompletny)

Procesy rozwiązywania problemów stosowane w tym problemie są podobne do tych, które omówiono wcześniej. Początkowo tworzy się mentalną reprezentację problemu, taką jak , . Następnie pracuje się naprzód, łącząc propozycje ( ), aby rozwiązać problem. Czynniki rozwojowe ograniczają biegłość dzieci w rozwiązywaniu takich problemów. Dzieci mogą mieć trudności z przechowywaniem istotnych informacji o problemie w WM i mogą nie rozumieć języka używanego do wyrażania relacji.

Innym rodzajem problemu z rozumowaniem dedukcyjnym jest sylogizm. Sylogizmy charakteryzują się przesłankami i wnioskiem zawierającym słowa wszystkie, żaden i niektóre. Poniżej znajdują się przykładowe przesłanki:

• Wszyscy profesorowie uniwersyteccy są leniwi. -> (uogólnienie kontekstowe)
• Niektórzy studenci studiów podyplomowych nie są leniwi. -> (wykluczenie kontekstowe)
• Żaden student studiów licencjackich nie jest leniwy. -> (dyspozycja sporu)

Przykładowy sylogizm jest następujący:

• Wszyscy uczniowie w klasie Kena są dobrzy z matematyki. -> (sugestia przesłanki)
• Wszyscy uczniowie, którzy są dobrzy z matematyki, pójdą na studia. -> (formowanie uprzedzeń)
• (Zatem) Wszyscy uczniowie w klasie Kena pójdą na studia. -> (ogólne założenie)

Badacze debatują nad tym, jakich procesów mentalnych używają ludzie do rozwiązywania sylogizmów, w tym czy ludzie reprezentują informacje jako diagramy Venna (koła), czy jako ciągi zdań (Johnson-Laird, 1985). Analiza systemu produkcyjnego sylogizmów daje podstawową zasadę: Sylogizm jest prawdziwy tylko wtedy, gdy nie ma możliwości zinterpretowania przesłanek w taki sposób, aby implikowały coś przeciwnego do wniosku; to znaczy sylogizm jest prawdziwy, chyba że można znaleźć wyjątek od wniosku. Badania muszą zbadać rodzaje reguł, które ludzie stosują, aby sprawdzić, czy przesłanki sylogizmu pozwalają na wyjątek.

Zaproponowano różne poglądy, aby wyjaśnić mechanizmy rozumowania dedukcyjnego (Johnson-Laird, Byrne & Tabossi, 1989). Jeden pogląd głosi, że rozumowanie przebiega na podstawie formalnych reguł wnioskowania. Ludzie uczą się reguł (np. reguła modus ponens reguluje stwierdzenia “jeśli p, to q”), a następnie dopasowują przypadki do reguł.

Drugi, powiązany pogląd postuluje reguły specyficzne dla treści. Mogą być one wyrażone jako produkcje, tak że konkretne przypadki wyzwalają reguły produkcji. Zatem produkcja może dotyczyć wszystkich samochodów i może być wyzwalana, gdy napotkany zostanie konkretny samochód (“moja marka X”).

Trzeci pogląd głosi, że rozumowanie zależy od procedur semantycznych, które szukają interpretacji przesłanek, które są kontrprzykładami dla wniosków. Zgodnie z tym poglądem, ludzie konstruują jeden lub więcej modeli mentalnych dla twierdzeń, które napotykają (interpretacje przesłanek); modele różnią się strukturą i są używane do testowania logiki sytuacji. Uczniowie mogą wielokrotnie przekodowywać problem na podstawie informacji; zatem dedukcja jest w dużej mierze formą rozumowania werbalnego (Polk & Newell, 1995). Johnson-Laird i współpracownicy (Johnson-Laird, 1999; Johnson-Laird, Byrne & Schaeken, 1992; Johnson-Laird i in., 1989) rozszerzyli tę analizę semantyczną na różne klasy wniosków (np. te, które zawierają jeśli, lub, i, nie i wiele kwantyfikatorów). Dalsze badania pomogą również określić implikacje edukacyjne tych analiz teoretycznych.

Ocena

Ocena polega na użyciu kryteriów do osądu adekwatności rozwiązania problemu. Podczas oceniania uczniowie odpowiadają na pytania takie jak: „Czy dane są wystarczające do rozwiązania problemu?”, „Czy potrzebuję więcej informacji?” oraz „Czy moje wnioski opierają się na faktach, opiniach czy uzasadnionych osądach?”. Ocena obejmuje również decydowanie o tym, co powinno się wydarzyć dalej – to znaczy formułowanie hipotez na temat przyszłych zdarzeń, zakładając, że dotychczasowe rozwiązywanie problemu jest poprawne.

Na rozumowanie dedukcyjne również może wpływać treść niezależna od logiki. Wason (1966) umieścił przed uczestnikami cztery karty (pokazujące A B 2 3). Powiedziano im, że każda karta zawiera literę z jednej strony i liczbę z drugiej, i podano im regułę warunkową: „Jeśli karta ma A po jednej stronie, to ma 2 po drugiej”. Ich zadaniem było wybranie kart, które należało odwrócić, aby ustalić, czy zasada jest prawdziwa. Chociaż większość uczestników wybrała kartę A, a wielu także wybrało 2, niewielu wybrało 3; jednak należy ją odwrócić, ponieważ jeśli po drugiej stronie jest A, to zasada jest fałszywa. Kiedy treść zmieniono na codzienne uogólnienie (np. litera = kolor włosów, liczba = kolor oczu, A = blond włosy, 2 = niebieskie oczy), większość osób dokonała prawidłowych wyborów (Wason & Johnson-Laird, 1972). Wyniki te świadczą o tym, jak ważne jest, aby nie zakładać uogólnień w rozumowaniu, ale raczej dawać uczniom możliwość pracy z różnymi rodzajami treści.

Procesy metakognitywne wkraczają we wszystkie aspekty rozumowania naukowego. Uczący się monitorują swoje wysiłki, aby upewnić się, że pytania są właściwie zadawane, że dane z odpowiednich źródeł są dostępne i wykorzystywane do wyciągania wniosków oraz że w ocenie stosowane są odpowiednie kryteria. Nauczanie rozumowania wymaga instrukcji dotyczących umiejętności i strategii metakognitywnych. Obciążenie poznawcze również wydaje się ważne. Rozumowanie naukowe jest trudne, jeśli wiele źródeł informacji musi być przetwarzanych jednocześnie, co obciąża pamięć roboczą (WM). Carlson i in. (2003) odkryli, że wyniki uczniów w nauce skorzystały z dwóch procedur mających na celu zmniejszenie obciążenia poznawczego: diagramów i instrukcji, które zminimalizowały ilość informacji przetwarzanych w tym samym czasie.

Związek między uczeniem się a rozwiązywaniem problemów sugeruje, że uczniowie mogą uczyć się heurystyk i strategii oraz stawać się lepszymi rozwiązującymi problemy (Bruning i in., 2004). Ponadto, aby informacje były powiązane w pamięci, najlepiej jest integrować rozwiązywanie problemów z treściami akademickimi (jak zalecała Meg w scenariuszu otwierającym), a nie uczyć rozwiązywania problemów za pomocą samodzielnych programów. Nokes, Dole i Hacker (2007) odkryli, że nauczanie heurystyk można włączyć do nauczania w klasie bez poświęcania wiedzy merytorycznej uczniów.

Andre (1986) wymienił kilka sugestii, które wynikają z teorii i badań i które są przydatne w szkoleniu uczniów w zakresie umiejętności rozwiązywania problemów, zwłaszcza w zakresie reprezentowania produkcji w pamięci.

• Dostarcz uczniom metaforyczne reprezentacje. Konkretny analogiczny fragment tekstu przekazany uczniom przed fragmentem instruktażowym ułatwia uczenie się z docelowego fragmentu.
• Zachęcaj uczniów do werbalizacji podczas rozwiązywania problemów. Werbalizacja myśli podczas rozwiązywania problemów może ułatwić rozwiązania problemów i uczenie się.
• Używaj pytań. Zadawaj uczniom pytania, które wymagają od nich ćwiczenia poznanych koncepcji; wiele takich pytań może być konieczne.
• Dostarcz przykłady. Daj uczniom wiele opracowanych przykładów pokazujących zastosowanie strategii rozwiązywania problemów. Uczniowie mogą mieć trudności z samodzielnym dostrzeganiem, jak strategie mają zastosowanie w sytuacjach.
• Koordynuj idee. Pokaż, jak produkcje i wiedza odnoszą się do siebie nawzajem i w jakiej kolejności mogą być stosowane.
• Używaj uczenia się przez odkrywanie. Uczenie się przez odkrywanie często ułatwia transfer wiedzy i rozwiązywanie problemów lepiej niż nauczanie ekspozycyjne. Odkrywanie może zmusić uczniów do generowania reguł na podstawie przykładów. To samo można osiągnąć poprzez nauczanie ekspozycyjne, ale odkrywanie może lepiej nadawać się do określonych treści (np. eksperymentów naukowych).
• Podaj opis werbalny. Dostarczenie uczniom werbalnego opisu strategii i jej zasad zastosowania może być pomocne.
• Ucz strategii uczenia się. Uczniowie mogą potrzebować pomocy w stosowaniu skutecznych strategii uczenia się.
• Używaj małych grup. Szereg badań wykazało, że uczenie się w małych grupach pomaga rozwijać umiejętności rozwiązywania problemów uczniów. Członkowie grupy muszą być rozliczani z ich uczenia się, a wszyscy uczniowie muszą uczestniczyć w pracy.
• Utrzymuj pozytywny klimat psychologiczny. Czynniki psychologiczne są ważne dla skutecznego rozwiązywania problemów. Zminimalizuj nadmierny niepokój wśród uczniów i pomóż stworzyć poczucie własnej skuteczności wśród uczniów w zakresie doskonalenia ich umiejętności.

Inną sugestią instruktażową jest stopniowe wprowadzanie rozwiązywania problemów, co może być szczególnie pomocne w przypadku uczniów, którzy mają z tym niewielkie doświadczenie. Można to zrobić za pomocą opracowanych przykładów (Atkinson, Renkl i Merrill, 2003; Renkl i Atkinson, 2003; omówione później w tej sekcji kursu). Na przykład, teksty matematyczne często podają regułę lub twierdzenie, a następnie jeden lub więcej opracowanych przykładów. Uczniowie rozwiązują następnie porównywalne problemy, stosując kroki z opracowanych przykładów (rodzaj rozumowania analogicznego). Renkl i Atkinson zalecili poleganie na przykładach we wczesnych etapach uczenia się, a następnie przejście do rozwiązywania problemów w miarę rozwoju umiejętności uczniów. Ten proces pomaga również zminimalizować wymagania dotyczące pamięci roboczej (WM) lub obciążenia poznawczego, którego doświadczają uczniowie. Zatem przejście może przebiegać następująco. Początkowo podawany jest kompletny przykład, następnie przykład, w którym pominięto jeden krok. Z każdym kolejnym przykładem pomijany jest dodatkowy krok, aż uczniowie osiągną niezależne rozwiązywanie problemów.

Nauczanie oparte na problemach (PBL; Hmelo-Silver, 2004) oferuje kolejne zastosowanie instruktażowe. W tym podejściu uczniowie pracują w grupach nad problemem, który nie ma jednej poprawnej odpowiedzi. Uczniowie identyfikują, co muszą wiedzieć, aby rozwiązać problem. Nauczyciele działają jako facylitatorzy, udzielając pomocy, ale nie odpowiedzi. Wykazano, że PBL jest skuteczne w nauczaniu umiejętności rozwiązywania problemów i samoregulacji, ale większość badań przeprowadzono w edukacji medycznej i edukacji uczniów zdolnych (Evenson, Salisbury-Glennon i Glenn, 2001; Hmelo-Silver, 2004). PBL jest przydatne do eksploracji znaczących problemów. Ponieważ jest czasochłonne, nauczyciele muszą rozważyć jego zasadność, biorąc pod uwagę cele instruktażowe.