18 Oppiminen ja asiantuntijuus

Yksi konteksti, jossa oppimista voi tarkastella, on kehitys aloittelijasta asiantuntijaksi. Oppilaat ovat yleensä aloittelijoita uuden aiheen parissa, ja opettajien tarkoituksena on auttaa heitä kohti asiantuntijuutta. Suurimmasta osasta oppilaita ei tule asiantuntijoita, mutta tavoitteena on auttaa heitä tulemaan taitavammiksi opittavassa asiassa.

“Asiantuntijuus kehittyy, kun oppijat oppivat virheettömästi yhdistelemään yksinkertaisia ideoita monimutkaisiksi kokonaisuuksiksi” (Van Merrienboer & Sweller, 2010). Tämä monimutkaisuus heijastuu säilömuistin skeemoissa (eli sisäisissä malleissa, verkostoissa). Esimerkiksi taaperoikäinen lapsi saattaa kutsua kaikkia eläimiä koiraksi – hänelle niin koira, kissa kuin lehmä ovat koiria. Lapsen skeemat eläimestä ja koirasta ovat hyvin yksinkertaisia: esimerkiksi ei-ihminen, jolla on neljä jalkaa ja turkki. Kun lapselle kertyy kokemuksia, eläimen ja eri eläintyyppien skeemat alkavat jalostua. Tällöin lapsi pystyy keskittyessään erottamaan toisistaan koiran, kissan ja lehmän.

Pelkästään skeemojen rakentaminen ei kuitenkaan riitä. “Hyvin suunnitellun ohjauksen ei tulisi vain edistää skeemojen rakentamista, vaan tukea myös toistuvien ja pysyvien skeemojen automatisoitumista” (Van Merrienboer & Sweller, 2010). Kuten yllä todettiin, asiantuntijuus kehittyy, kun oppijat oppivat yhdistelemään yksinkertaisia ideoita virheettömästi monimutkaisiksi kokonaisuuksiksi ja nämä skeemat automatisoituvat. Asiantuntija pystyy nopealla silmäyksellä kertomaan koiran rodun, ja todennäköisesti myös sen iän, terveydentilan ja mielentilan. Automatisoituminen on erittäin tärkeää asiantuntijuudelle, ja se etenee tietämisestä käytännössä tekemiseen ja yksittäisestä suorituksesta säännölliseen suoriutumiseen. Anders Ericsson tutkii, miten ihmisistä tulee asiantuntijoita eri aloilla kuten shakissa, musiikissa ja urheilussa. Ericsson (2016) on todennut, että “avain parempaan suoritukseen lähes millä tahansa ajattelun alueella on kehittää sellaisia rakenteita, jotka mahdollistavat lyhytkestoisen muistin rajoitusten kiertämisen ja suuren tietomäärän tehokkaan käsittelyn yhtäaikaisesti”.

Kuva 18.1. Skeeman automaatio on tärkeä osa oppimista.

Kaikilla ihmisillä on käytössä rajallinen määrä tilaa työmuistissa – noin neljä vapaata paikkaa. Silti asiantuntija pystyy käsittelemään paljon suuremman tietomäärän kerrallaan. Kiinnostavaa onkin, miten asiantuntijat kiertävät lyhytkestoisen muistin rajoitteet ja mihin mielen rakenteisiin Ericsson edellisessä lainauksessa viittaa. Uskotaan, että jopa erittäin monimutkainen skeema voi muodostaa yhden tietoyksikön työmuistissa, mikä mahdollistaa suuremman tietomäärän käsittelyn yhtäaikaisesti (Van Merrienboer & Sweller, 2010). Muistissa ylläpidettävä tietomäärän ajatellaan olevan vahvasti riippuvainen siitä, voidaanko asiat yhdistää mielekkäiksi tietoyksiköiksi (Eriksson ym., 2015). Täten tietoa yhdistelemällä voidaan hyödyntää jo aiemmin säilömuistiin tallennettua tietoa, mikä mahdollistaa tehokkaamman varastoinnin työmuistissa, oletettavasti vähentämällä työmuistissa ylläpidettävien aktiivisten osasten määrää. Työmuistin paikat ovat käsitteellinen yksinkertaistus. Voi myös ajatella, että kognitiiviset resurssit ovat rajalliset, ja jaamme resursseja niille asioille, joita käsitellään ja joihin tarkkaavuus suunnataan. Jos skeemat eivät ole automatisoituneet, ne saattavat aktivoituessaan käyttää kaikki resurssimme, jolloin uuden tiedon käsittelylle ei jää resursseja. Mitä pidemmälle skeemat ovat automatisoituneet, sitä vähemmän resursseja ne käyttävät, ja sitä enemmän resursseja jää vastaantulevan uuden tiedon käsittelyyn. On todettu, että mahdollisuus käyttää joko säilömuistia tai yhditellä muistettavia asioita parantaa suoriutumista, kun taas vaatimus erotella monimutkaisten asioiden yksityiskohtia heikentää suoriutumista (Eriksson ym., 2015). Kaiken kaikkeaan niin uusien skeemojen rakentamisen kuin usein käytettävien skeemojen automatisoitumisen (eli tehokkuuden parantaminen) edistäminen on tärkeää.

Seuraavat katkelmat Erikssonin, Prietulan ja Cokelyn (2007) artikkelista havainnollistavat skeemojen, työmuistin ja asiantuntijuuden vuorovaikutusta. “Työmuistin paikat ovat samanlaisia meillä kaikilla. Mutta hyödynnettävien skeemojemme monimutkaisuus vaihtelee huomattavasti – ja tämä voi pitkälti ennustaa suoriutumista.” Kirjoittajat kuvaavat shakkiin liittyvää esimerkkiä:

“Pelaaja tarkastelee seuraavaksi siirrokseen kaikkia vaihtoehtoja ajatellen kunkin siirron seurauksia ja suunnitellen sen jälkeen mahdollisesti tulevien siirtojen sarjaa. Tämä kaikki vaatii työmuistia – näihin prosesseihin vaadittavia tietoja täytyy pitää työmuistissa. Asiantuntija on pelannut niin monta kertaa, että on nähnyt täysin saman asetelman tai vähintäänkin samankaltaisia peliasetelmia. Hän on pohtinut mahdollisten siirtojen seurauksia ja pystyy suunnittelemaan seuraavia siirtoja ja skenaarioita pitkälle tulevaisuuteen (usein jopa pelin loppuun), mikä parantaa hänen kykyään tehdä toimivia ratkaisuja tämän tietyn siirron kohdalla. Aloittelijalla omaksuttavaa tietoa on runsaasti, alkaen shakkinappuloiden sijainneista, pelin säännöistä ja tavoitteista – tämä asettaa rajan sille, miten pitkälle eteenpäin pelaaja pystyy suunnittelemaan miettiessään seuraavaa siirtoa. Työmuistiresursseista suurempi osa käytetään tietoon, jota asiantuntijan ei tarvitse ajatella. Tämä vaikuttaa huomattavasti suorituskykyyn.”

Näin ollen oppijoiden täytyy luoda yhteyksiä ja tehdä niistä pysyvämpiä sekä myös tehdä töitä automatisoidakseen usein käytettyjä yhteyksiä. Useimmiten automatisoituneiden tehtävien määrä erottaa  asiantuntijan aloittelijasta: mitä enemmän niitä on, sitä enemmän resursseja vapautuu uudelle tiedolle.

Lähteet: Osa 4

  • Van Merriënboer, J. J., & Sweller, J. (2010). Cognitive load theory in health professional education: design principles and strategies. Medical education, 44(1), 85-93.
  • Ericsson, A., & Pool, R. (2016). Peak: Secrets from the new science of expertise. Houghton Mifflin Harcourt.
  • Eriksson, J., Vogel, E. K., Lansner, A., Bergström, F., & Nyberg, L. (2015). Neurocognitive architecture of working memory. Neuron, 88(1), 33-46.
  • Ericsson, K. A., Prietula, M. J., & Cokely, E. T. (2007 July-August). The Making of an Expert. Retrieved from https://hbr.org/2007/07/the-making-of-an-expert

License

Share This Book