기술 습득 (인지 학습 과정)

어떤 영역에서든 능력을 개발하는 것은 기술 습득의 과정을 나타냅니다. 먼저 일반 기술과 특정 기술의 습득과 관련된 문제를 살펴보겠습니다.

기술은 특수성의 정도에 따라 구별될 수 있습니다. 일반 기술은 광범위한 분야에 적용되며, 특정 기술은 특정 영역에서만 유용합니다. 도입 시나리오에서 논의된 바와 같이, 문제 해결 및 비판적 사고는 다양한 인지적, 운동적, 사회적 기술을 습득하는 데 유용하므로 일반 기술인 반면, 다항식 인수분해 및 제곱근 문제 해결은 제한적인 수학적 응용만 있으므로 특정 기술과 관련됩니다.

일반 기술의 습득은 여러 면에서 학습을 촉진합니다. Bruner(1985)는 “체스 두는 법 배우기, 플루트 연주법 배우기, 수학 배우기, Gerard Manley Hopkins의 운율시에서 도약 운율 읽는 법 배우기”(pp. 5–6)와 같은 과제는 주의력, 기억력, 끈기가 필요하다는 점에서 유사하다고 언급했습니다.

동시에 각 유형의 기술 학습에는 고유한 특징이 있습니다. Bruner(1985)는 학습에 대한 관점이 명확하게 옳거나 그른 것이 아니라, 학습할 과제의 성격, 달성해야 할 학습 유형, 학습자가 상황에 가져오는 특성과 같은 조건에 비추어 평가될 수 있다고 주장했습니다. 화학에서 방정식 균형 맞추기 학습과 체조에서 균형대 위에서 균형 잡기 학습과 같이 과제 간의 많은 차이점으로 인해 학습을 설명하기 위해 다른 프로세스가 필요합니다.

영역 특수성은 다양한 방식으로 정의됩니다. Ceci(1989)는 이 용어를 개별적인 선언적 지식 구조를 지칭하는 데 사용했습니다. 다른 연구자들은 절차적 지식을 포함하고 특수성을 지식의 유용성과 관련이 있다고 봅니다(Perkins & Salomon, 1989). 이 문제는 일반 기술과 특정 기술 모두 학습에 관련되어 있다는 것을 알고 있기 때문에 한 입장을 입증하거나 반증하는 문제가 아닙니다(Voss, Wiley, & Carretero, 1995). 오히려 문제는 모든 유형의 학습이 일반 기술 및 특정 기술과 관련된 정도, 이러한 기술이 무엇인지, 그리고 습득 과정이 어떻게 되는지를 명시하는 것입니다.

Perkins & Salomon(1989)이 설명했듯이 기술 특수성이 연속선상에 있다고 생각하는 것이 좋습니다.

일반 지식에는 문제 해결, 창의적 사고, 의사 결정, 학습 및 훌륭한 정신 관리(때로는 자기 통제, 자기 조절 또는 메타인지라고 함)에 대한 널리 적용 가능한 전략이 포함됩니다. 예를 들어 체스에서 매우 특정한 지식(종종 로컬 지식이라고 함)에는 게임 규칙과 다양한 오프닝 및 체크메이트 달성 방법과 같은 무수한 특정 상황을 처리하는 방법에 대한 정보가 포함됩니다. 중간 정도의 일반성에는 체스에 다소 특수하지만 유추에 의해 광범위한 적용을 유도하는 전략적 개념(예: 중앙 제어)이 있습니다. (p. 17)

그렇다면 학습 성공을 보장하는 데 가장 중요한 것은 무엇일까요? 약간의 로컬 지식이 필요합니다. 분수 연산(예: 더하기, 빼기)을 지배하는 규칙을 배우지 않고는 분수에 능숙해질 수 없습니다. 그러나 Perkins와 Salomon(1989)이 언급했듯이 더 중요한 질문은 다음과 같습니다. 숙달을 개발하는 데 병목 현상은 어디에 있습니까? 영역별 지식만으로 전문가가 될 수 있습니까? 그렇지 않다면 일반적인 능력이 중요해지는 시점은 언제입니까?

Ohlsson(1993)은 과제 관련 행동 생성, 오류 식별 및 오류 수정의 세 가지 하위 기능으로 구성된 연습을 통한 기술 습득 모델을 제시했습니다. 이 모델에는 일반 프로세스와 과제별 프로세스가 모두 포함됩니다. 학습자는 연습하면서 현재 상태를 이전 지식과 비교하여 진행 상황을 모니터링합니다. 이것은 일반적인 전략이지만 학습이 진행됨에 따라 특정 과제 조건에 점점 더 적응됩니다. 오류는 종종 일반 절차를 부적절하게 적용하여 발생하지만(Ohlsson, 1996) 이전 영역별 지식은 학습자가 오류를 감지하고 오류를 유발한 조건을 식별하는 데 도움이 됩니다. 따라서 연습과 학습을 통해 일반적인 방법이 더욱 전문화됩니다.

문제 해결은 많은 콘텐츠 영역에서 기술을 배우는 데 유용하지만 과제 조건은 종종 전문성 개발을 위해 특정 기술을 필요로 합니다. 많은 경우 두 가지 유형의 기술을 병합해야 합니다. 연구에 따르면 전문가 문제 해결자는 익숙하지 않은 문제에 직면했을 때 일반적인 전략을 사용하는 경우가 많으며 일반적인 메타인지적 질문(예: “지금 무엇을 하고 있습니까?” “그것이 나를 어디로 데려가고 있습니까?”)은 문제 해결을 촉진합니다(Perkins & Salomon, 1989). 이러한 긍정적인 결과에도 불구하고 일반적인 원칙은 종종 이전되지 않습니다(Pressley et al., 1990; Schunk & Rice, 1993). 이전에는 자기 모니터링에 대한 지침 및 특정 컨텍스트에서의 연습과 같은 요소와 일반적인 전략을 결합해야 합니다. 도입 시나리오의 목표는 학생들이 일반적인 전략을 배우면 특정 설정에 적용할 수 있다는 것입니다.

요컨대, 전문성은 대부분 영역별입니다(Lajoie, 2003). 여기에는 영역의 사실, 개념 및 원칙을 포함하는 풍부한 지식 기반과 다른 영역에 적용할 수 있고 각 영역에 맞게 조정해야 할 수 있는 학습 전략이 결합되어야 합니다. 도움을 구하고 목표 진행 상황을 모니터링하는 것과 같은 전략이 이질적인 영역(예: 미적분학과 장대 높이뛰기)에서 동일한 방식으로 작동할 것이라고 기대할 수 없습니다. 동시에 Perkins와 Salomon(1989)은 일반적인 전략이 영역에서의 전반적인 능력 수준에 관계없이 다른 영역에서 비정형적인 문제에 대처하는 데 유용하다고 지적했습니다. 이러한 결과는 학생들이 일반적인 문제 해결 및 자기 조절 전략뿐만 아니라 기본 콘텐츠 영역 지식에 대한 충분한 기초를 갖추어야 함을 시사합니다(Ohlsson, 1993).

인지적 및 구성주의적 학습 관점이 성장함에 따라 연구자들은 학습을 차별적 강화로 인한 반응의 변화로 보는 것에서 벗어나 학습 과정에서 학생들의 신념과 사고 과정에 관심을 갖게 되었습니다. 학습 연구의 초점이 그에 따라 바뀌었습니다.

학문적 학습을 조사하기 위해 많은 연구자들이 다음과 같은 단계를 거치는 초보자-전문가 방법론을 사용했습니다.

• 배울 기술을 식별합니다.
• 전문가(즉, 기술을 잘 수행하는 사람)와 초보자(작업에 대해 어느 정도 알고 있지만 제대로 수행하지 못하는 사람)를 찾습니다.
• 초보자가 가능한 한 효율적으로 전문가 수준으로 이동할 수 있는 방법을 결정합니다.

이 방법론은 직관적으로 타당합니다. 기본적인 아이디어는 특정 분야에서 더 능숙해지는 방법을 이해하고 싶다면 해당 기술을 잘 수행하는 사람을 면밀히 연구해야 한다는 것입니다. 그렇게 함으로써 그 또는 그녀가 어떤 지식을 가지고 있는지, 어떤 절차와 전략이 유용한지, 어려운 상황을 처리하는 방법, 실수를 수정하는 방법을 배울 수 있습니다. 이 모델은 현실 세계의 많은 대응물을 가지고 있으며 도제, 직장 내 교육 및 멘토링에 반영됩니다.

더 유능한 사람과 덜 유능한 사람이 특정 영역에서 어떻게 다른지에 대한 많은 지식은 부분적으로 이 방법론의 가정에 기반한 연구에서 비롯됩니다(VanLehn, 1996). 초보자와 비교하여 전문가는 더 광범위한 영역 지식을 가지고 있으며, 자신이 모르는 것에 대한 이해도가 높고, 문제를 초기 분석하는 데 더 많은 시간을 소비하며, 문제를 더 빠르고 정확하게 해결합니다(Lajoie, 2003). 연구는 또한 기술 습득 단계의 차이를 식별했습니다. 이러한 연구를 수행하는 것은 학습자를 시간에 걸쳐 연구해야 하기 때문에 노동 집약적이고 시간이 많이 걸리지만 풍부한 결과를 산출합니다.

동시에 이 모델은 설명적이라기보다는 기술적입니다. 즉, 학습자가 왜 그렇게 하는지 설명하기보다는 학습자가 무엇을 하는지 설명합니다. 또한 이 모델은 주어진 영역에서 전문성을 구성하는 고정된 기술 집합이 존재한다고 암묵적으로 가정하지만 항상 그런 것은 아닙니다. 교육과 관련하여 Sternberg와 Horvath(1995)는 단일 표준이 존재하는 것이 아니라 전문가 교사는 전형적인 방식으로 서로 유사하다고 주장했습니다. 이는 일반적으로 여러 면에서 다른 숙련된 교사에 대한 우리의 경험을 고려할 때 의미가 있습니다.

마지막으로 이 모델은 자동으로 교육 방법을 제시하지 않습니다. 따라서 교실 교육 및 학습에 대한 유용성이 제한적일 수 있습니다. 학습에 대한 설명과 그에 상응하는 교육 제안은 이론에 확고하게 근거해야 하며 중요한 개인적 및 환경적 요인을 식별해야 합니다. 이러한 요소는 이 과정의 이 강의 및 다른 강의에서 강조됩니다.

전문가와 초보자의 차이를 탐구하기에 좋은 분야는 과학입니다. 과학 분야 연구는 전문가의 구성 요소를 파악하기 위해 초보자와 전문가를 비교하는 방식으로 많이 진행되어 왔습니다. 연구자들은 또한 과학적 지식에 대한 학생들의 구성, 문제 해결 및 학습 과정에서 사용하는 암묵적 이론 및 추론 과정에 대해서도 연구해 왔습니다 (Linn & Eylon, 2006; Voss et al., 1995; White, 2001; C. Zimmerman, 2000).

과학 분야의 전문가는 지식의 양과 구성에서 초보자와 차이를 보입니다. 전문가는 더 많은 특정 영역 지식을 보유하고 있으며 이를 계층적으로 구성하는 경향이 있는 반면, 초보자는 과학적 개념 간의 중복성이 거의 없는 경우가 많습니다.

Chi, Feltovich, and Glaser (1981)는 전문가와 초보자에게 물리 교과서 문제를 원하는 방식으로 분류하도록 했습니다. 초보자는 피상적인 특징(예: 장치)을 기준으로 문제를 분류했습니다. 반면 전문가는 문제를 해결하는 데 필요한 원리를 기준으로 분류했습니다. 전문가와 초보자는 선언적 지식 메모리 네트워크에서도 차이를 보였습니다. 예를 들어, 초보자의 기억 속에서 “경사면”은 “질량”, “마찰”, “길이”와 같은 설명적 용어와 관련이 있었습니다. 전문가는 이러한 설명자를 기억 속에 가지고 있었지만, 역학 원리(예: 에너지 보존, 뉴턴의 힘 법칙)도 저장했습니다. 전문가의 더 풍부한 원리에 대한 지식은 원리에 종속된 설명자와 함께 구성되었습니다.

초보자는 문제를 해결하기 위해 원리를 잘못 사용하는 경우가 많습니다. McCloskey와 Kaiser (1984)는 대학생들에게 다음과 같은 질문을 했습니다.

기차가 계곡을 가로지르는 다리를 빠른 속도로 지나가고 있습니다. 기차가 움직이는 동안 승객이 창밖으로 몸을 기울여 돌을 떨어뜨립니다. 돌은 어디에 떨어질까요?

학생들의 약 3분의 1은 돌이 똑바로 아래로 떨어질 것이라고 말했습니다. 그들은 밀거나 던진 물체는 힘을 얻지만 움직이는 차량에 의해 운반되는 물체는 힘을 얻지 못하므로 똑바로 아래로 떨어진다고 믿었습니다. 학생들이 만든 비유는 가만히 서 있는 사람이 물건을 떨어뜨리면 똑바로 아래로 떨어진다는 것이었습니다. 그러나 움직이는 기차에서 떨어진 돌의 하강 경로는 포물선입니다. 물체가 힘을 얻는다는 생각은 잘못된 생각입니다. 물체는 움직이는 운반체와 같은 방향과 속도로 움직이기 때문입니다. 돌이 떨어지면 중력이 아래로 당길 때까지 기차와 함께 계속 앞으로 나아갑니다. 초보자는 자신의 기본 지식을 일반화하여 잘못된 해결책에 도달했습니다.

이 강의의 뒷부분에서 논의하겠지만, 초보자와 전문가의 또 다른 차이점은 문제 해결 전략의 사용과 관련이 있습니다 (Larkin, McDermott, Simon, & Simon, 1980; White & Tisher, 1986). 과학적 문제에 직면했을 때, 초보자는 종종 수단-목표 분석을 사용하여 문제의 목표를 결정하고 해당 목표에 도달하는 데 유용할 수 있는 공식을 결정합니다. 그들은 거꾸로 작업하여 목표 공식의 양을 포함하는 공식을 회상합니다. 진행 방법을 확신할 수 없게 되면 문제를 포기하거나 현재 지식을 기반으로 문제를 해결하려고 시도할 수 있습니다.

전문가는 문제 형식을 빠르게 인식하고 중간 하위 목표를 향해 나아가며 해당 정보를 사용하여 최종 목표에 도달합니다. 과학적 문제를 해결하는 경험은 문제 유형에 대한 지식을 구축합니다. 전문가는 종종 익숙한 문제 기능을 자동으로 인식하고 필요한 생산을 수행합니다. 문제를 해결하는 방법을 덜 확신하는 경우에도 전문가는 문제에 주어진 일부 정보로 시작하여 해결책을 향해 나아갑니다. 전문가가 취하는 마지막 단계는 종종 초보자의 첫 번째 단계입니다. Klahr와 Simon (1999)은 과학적 발견 과정이 문제 해결의 한 형태이며 일반적인 휴리스틱 접근 방식은 영역에 따라 크게 다르지 않다고 주장했습니다.