Öğrenmek neden yorucudur?

Aynı çaba sarf edildiği halde neden biri çok çabuk öğrenirken, diğeri zor öğrenir? Hafızamıza kazınmış bilgiler, öğrenmemizi zorlaştıracak bir durum teşkil ederler mi? Zihinsel çabayı ölçmenin bir yolu var mı? Bilgisayar modelleri bize bu konuda neler söyleyebilir? Dijital çağ öğrenmemizi etkiliyor mu?

Öğrenmek, öz itibariyle bilgi edinmek ve bu edinilen bilgiyi işlemektir. Yaşantılar sonucunda bireyin davranışlarında meydana gelen uzun süreli değişmelerdir.

Kimileri için öğrenmek, su içmek kadar kolay ve kendiliğindendir. Kimileri içinse hayli zor.

Sınav öncesi yaşanan heyecanı hangimiz unutabilir ki… Gergin ruh hali… Ezber üstüne ezber… “Bildiklerimi de unutur muyum” heyecanı… Önceki bilgilerimize yenileri eklemek neredeyse imkânsız gibi gelir.

Peki, sahiden bu kadar zor mudur öğrenme?

Prof. Dr. Maria Wirzberger, IM – The Inquisitive Mind adlı site için bu konuyu yazmış.

Yazıdan önce çıkan bölümleri aktarıyoruz:

“Bir sınavda öncesinde, aklımız karışmış halde kıpkırmızı bir yüzle masanın başında oturup kalmak, herhalde çoğumuzun aşina olduğu bir deneyimdir. Ama neden yeni bilgileri kafamıza sokmak için bu kadar çok çalışmak zorunda kalıyoruz ki? Matematiksel modellerle birleştirilen görüntüleme yöntemleri, bilgisayar simülasyonları aracılığıyla beyinde gerçekleşen süreçler hakkında fikir sahibi olmayı mümkün kılıyor. Bu sayede öğrenme sırasında hangi faktörlerin özellikle çok sayıda kaynak tükettiği de tespit edilebiliyor.

Öğrenme görevinde ustalaşma

Öğrenmek yorucudur aslında, elbette hepimiz bunu kendi deneyimlerimize göre çok iyi belirleyebiliriz. Bununla birlikte, her zaman aynı çabayı göstermek zorunda olmadığımızın da farkındayızdır, çünkü bazılarımız öğrenmeyi çok zor bulurken, bazıları için bu üzerinde düşünülmeye bile gerek görülmeyecek kadar basit bir beceridir. Bir sınıfın önünde duran ve bazı öğrencilerin belirli zorluklar yaşadığını fark eden bir öğretmen, genellikle onları mümkün olduğunca desteklemek ister. Ancak bunu yaparken de, kişinin belirli bir öğrenme görevinde ustalaşması adına çaba sarf etmesi gerekip gerekmediğini ve bunun o kişi açısından ne kadar zor olup olmadığını bilmesi gerekmektedir. Peki, ama bu nasıl belirlenebilir? Aslında bu zamana kadar yapılan psikolojik araştırmalardan öğrenmenin beyinde gerçekleştiğini, ancak tüm vücudumuzu da etkilediğini bilmekteyiz. Örneğin kelime dağarcığımıza yabancı dil kelimeleri eklemek için çok uğraşırsak, vücudumuzda kalbimizin daha hızlı atması, terlemeye başlaması, daha sık ve daha uzun süre ara vermemiz ve yeni kelimeler söylediğimizde daha yavaş konuşmamız gibi bazı değişikliklerin yaşandığını gözlemleyebiliriz.

Öğrenmek neden her şeyden önce bu kadar yorucudur ve insanlar bunun için ne kadar çaba sarf etmeleri gerektiği konusunda neden farklılık gösterirler? Öğrenme sürecine bu şekilde daha yakından bakacak olursak, yeni bilgiler edindiğimizde kafamızda bir dizi sürecin gerçekleştiğini, duyu organlarımızın inanılmaz miktarda bilgiyi emerek, bu selden önemli içeriği filtrelemek, arkasındaki anlamı tanımak ve mevcut bilgilerle karşılaştırmak için nasıl bir çaba sarf ettiğini görebiliriz. Belki de kafamızda yeni bilgiyi gömebileceğimiz yapılar zaten mevcuttur, ancak böyle bir durum söz konusu değil ise, o zaman yeni yapılar oluşturmak zorunda kalırız. Tüm bu işlemler kaynak gerektirir, bir bilgisayar söz konusu olduğunda bilgi işlem gücünden bahsediyoruz mesela, bu hesaplama gücü için tüm insanlar ve görevler açısından aynı olan standart bir boyut yoktur, çünkü hepimiz birbirimizden önemli ölçüde farklıyızdır.

Duyu organlarımızın ne kadar iyi çalıştığı ve bilgilerin filtrelenmesi ve yorumlanmasının başarılı olup olmadığı konusunda da farklılıklar bulunuyor. Ancak kafamızdaki süreçler için elimizdeki kaynaklar sadece kişiden kişiye değişmekle kalmaz, aynı zamanda genellikle sınırlıdır da. Bu yüzden onları mantıklı ve düşünceli bir şekilde kullanmayı öğrenmemiz gerekiyor. Çünkü sonuç olarak bu durum, kullanılabilir daha fazla kaynak yoksa veya mevcut kaynaklar elverişsiz bir şekilde dağıtılırsa, aşırı yüklenmeye yol açacaktır. Öğrenme sürecindeki hatalar, özellikle karmaşık görevlerde daha sık meydana gelmektedir.

Zihinsel çabayı nasıl ölçebiliriz?

Şimdi asıl soru, öğrenenin kafasındaki sınırlı kaynakları mümkün olduğunca verimli kullanmak için öğrenme durumlarının nasıl tasarlanması gerektiğidir. Öğrencileri her zaman en iyi şekilde destekleyebilmek istiyorsak, o zaman o öğrencinin öğrenme dağarcığında gerçekte hangi kaynakların mevcut olduğunu ve şu anda sahip olduğu bu kaynakları ne kadar kullanıldığını anlamamız gerekir. Sadece öğrencinin performansına bakmak yeterli değildir. Beyinde meydana gelen süreçlere bir bakış, öğrenme sırasında sınırlı kaynaklarımız için hangi faktörlerin özellikle zorlandığını bize gösterir. Çünkü bir kişinin bir konu hakkında çok az ön bilgisi varsa, aynı anda birçok yeni ve ilgili bilgi parçasını öğrenmek o kişi açısından çok zorlayıcı olur. Öğrenme materyalindeki ilgili bilgiler birbirinden çok büyük uzaysal mesafelerde sunulduğunda veya bir öğrenme durumunda dikkat dağıtıcı birçok şey olduğunda da kişinin bir şeyleri öğrenebilmesi için çabası artar.

Sosyal medya ve mobil cihazlar çağında, kısa mesajlar, aramalar veya reklam mesajları şeklindeki dikkat dağıtıcı şeyler her yerdedir. Ayrıca, doğru düzeyde destek sağlamak için öğrenmenin kendisi aracılığıyla meydana gelen değişikliklerini de dikkate almamız gerekiyor. Örneğin, konuya zaten aşina olduklarında, öğrencilere yapılan ek açıklamaların onlar açısından sadece gereksiz yere yük olabileceği araştırmalar sonucunda ortaya çıkmıştır. Özellikle bir öğrenme durumunda bu tür potansiyel olarak stresli faktörlerin tam olarak kaydedilmesi söz konusu olduğunda, çeşitli ölçüm yaklaşımlarına rağmen hala cevaplanmamış aşağıdaki gibi birçok soru bulunmaktadır: Kaynak kullanımının farklı faktörleri nasıl etkileşime girer? Bunlar hangi işleme mekanizmalarına dayanmaktadır? Öğrenme sürecinde kaynak kullanımındaki zamansal değişiklikler tam olarak neye benzer?

Bu sorunu meslektaşlarımla birlikte ele aldım ve bu amaçla farklı öğrenme görevleriyle bir dizi çalışma yürüttüm. Farklı önlemlerin bir kombinasyonunu kullanarak, belirli bir durumda bir görevin öğrenci için ne kadar yorucu olduğunu hep birlikte detaylıca araştırdık. Araştırmalarımızda, bilişsel bilimdeki temel araştırmalardan açıkça yapılandırılmış ve kolayca kontrol edilebilir öğrenme materyallerini kullandık. Araştırmamız esnasında görevimizi iki bölüme ayırdık. İlk bölümde örneğin bir daire ve bir üçgenin gösterildiği ve ikinci bölümde de bir yıldızın cevabını oluşturduğu sembol kombinasyonlarından oluşan bir dizi materyal kullandık. Deneklerden, bir dizi deneme boyunca bu ve benzeri kombinasyonları hatırlamalarını istedik. Bu tür soyut öğrenme görevlerinin avantajı, görev başlamadan önce bile, görevin hangi özelliklerinin bir kişinin kaynaklarını ne ölçüde gerektirdiğini kesin olarak değerlendirebilmesini sağlamasıdır. Bunun arkasındaki mantık da çok basittir: Eklenen her sembol ile kaynak gereksinimi artar ve öğrenme daha da zorlaşır. Bu temel mekanizmaların bilgisi daha sonra aynı yapıya sahip daha karmaşık görevlere aktarılabilir. Bu varyasyonların etkilerine bakmak için denekleri doğru cevabın ne sıklıkta ve ne kadar hızlı verildiğine, kalbin ne kadar hızlı attığına, ter bezlerinin ne kadar aktif çalıştığına veya insanların ne kadar hızlı ve akıcı konuştuğuna bakarak inceledik. Bu sırada bir öğrenme durumundaki ek gereksinimlerin etkilerini de dikkate aldık. Aynı anda ikinci bir görevi yapmaya çalıştıklarında kişilerin öğrenme sürecinin tekrar tekrar kesintiye uğradığının bilincindeydik. Bu durumun özellikle bilgisayarda öğrenirken sık sık meydana geldiği zaten bilinmekteydi. Ek gereksinim olarak da, yeni sayı dizilerini ezberlemeyi ve sembol kombinasyonlarını öğrenirken bunları yüksek sesle söylemeyi örnek olarak gösterebiliriz.

Sonuçlar, deneklerin kalp atışlarının zamanla yavaşladığını ve daha az terlediklerini gösterdi. Bu, çalışma boyunca, her iki görevi aynı anda gerçekleştirmek için daha az çabaya ihtiyaç duyduklarını gözlemledik. Ayrıca sayı sıralarını söylerken konuşma akışında daha az duraklamalar oldu, duraklamaların süresi kısaldı ve konuşma hızı arttı.

Her iki görevdeki performans istikrarlı bir şekilde arttı, bu da diğer önlemlerle birlikte her iki görev için giderek daha fazla kapasitenin mevcut olduğunu bizlere göstermiş oldu. Genel olarak, böyle bir model, hâlihazırda geri çekilip mevcut bilgi yapılarını kullanabilirsek, bir görevin daha az yorucu hale geldiğini ortaya çıkarmış oldu. Bu ayrıca bize yan görevlerle daha iyi başa çıkmak için gerekli kaynakları da sağlamış oldu.

Bilgisayar modelleri bize bu konuda neler söyleyebilir?

Öğrenme kafada gerçekleştiği için, öğrenirken kafanın içine bakmak ve beyni iş başında izlemek tabiri caizse çok heyecan vericidir. Bu, EEG veya fMRT gibi nörofizyolojik ve görüntüleme yöntemleriyle mümkündür. Bu hedefe yaklaşmanın bir başka yolu da bilgisayar simülasyonlarıdır. Bunlar genellikle beynimizin nasıl yapılandırıldığını ve içinde hangi süreçlerin gerçekleştiğini açıklamak için matematiksel formüller kullanarak, sonuçlarını bizlerin gözleri önüne sunarlar. Bu sözde bilişsel modeller alanında çeşitli yaklaşımlar da bulunmaktadır. Özellikle sağlam temellere dayanan ve yaygın olarak kullanılan bir yaklaşım, John R. Anderson (2007) tarafından yazılan ACT-R gibi bilişsel mimarilerdir.

Yapı, tümü merkezi bir koridordan açılan birkaç odadan oluşan bir daire olarak hayal edilebilir. Her oda belirli bir içeriğe sahiptir ve koridora bir kapı ile bağlantısı sağlanmıştır. Bu kapıdan bir seferde yalnızca bir bilgi parçası içeri girebilir. Odalar, bellekten bilgi alma, görev hedeflerini izleme, el hareketlerini gerçekleştirme veya gözlerden bilgi toplama gibi açıkça tanımlanmış görevlere sahip modülleri temsil eder. Bu modüllerin tümü, beyinde tam olarak bu görevleri üstlenen belirli bölgeleri temsil etmeyi amaçlamaktadır. Bu korelasyonlar, görüntüleme yöntemleri kullanılarak tekrar tekrar incelenmiş ve araştırmalarımız neticesinde doğrulanmıştır. Ortadaki koridor, belirli bir zamanda odalarda hangi içeriğin olduğunu bulmak ve buna göre tepki vermek gibi önemli bir göreve sahiptir. Bu, uygun koşullar sağlandığında belirli eylemlerin gerçekleştirilmesine izin veren “eğer-öyleyse” kuralları kullanılarak yapılır. Örneğin, kırmızı bir trafik ışığı gördüğümüzde caddeyi yalnızca sinyal yeşil olduğunda geçmemize izin verildiği bilgisini hatırlamamız gayet kolaydır. Bu bilgiyle donanmış olarak, bir sonraki adımda trafik ışığı düğmesine basabiliriz, böylece trafik ışığı sinyalimiz kısa sürede kırmızıdan yeşile döner ve caddeyi güvenli bir şekilde geçebiliriz.

Modüllerin her biri için ne yaptığının, ne zaman ve ne kadar süreyle aktif olduğunun sabit bir kaydını tutmak mümkündür. Altta yatan beyin bölgelerindeki kan oksijen konsantrasyonu, matematiksel bir dönüşüm yoluyla bu bilgilerden simüle edilebilir. Örneğin, bilgiyi bellekten geri aldığımızda, bu, diğer şeylerin yanı sıra prefrontal korteksle, yani beynimizin önündeki serebral korteksin bir parçası ile bağlantılıdır. Biz bu yöntemi kullanarak örneğin, hafızanın geri alınması sırasında prefrontal korteksteki simüle edilmiş kan oksijen konsantrasyonunun sembolün turlarının ilk üçte birinde önemli ölçüde arttığını gayet net bir biçimde belirleyebildik. Koşuların ortasında ve son üçte birinde, bu artış, kıyaslandığında gözle görülür şekilde daha zayıftı. Buradan da, öğrenme süreci ilerledikçe, görevle ilgili bilgilere erişimin giderek daha az yorucu hale geldiği sonucuna varabildik.

Peki, bu örnek nereden geliyor?

Daha önce de belirtildiği gibi, öğrenme süreci boyunca beynimizde her daim bilgi yapıları oluşturulur. Bu yapılar hâlihazırda mevcutsa ve sıklıkla kullanılmışsa, doğru bilgiye daha hızlı ulaşabiliriz. Birkaç ay sonra, karanlıkta bile, yatak odasından banyoya otomatik olarak ve düşünmeden yolumuzu bulmamız gibi, hafızamıza kazınan bilgiler, bizim öğrenmemizi zorlaştıracak bir durum teşkil etmezler.

Ayrıca bir görevin zorluğunun etkisi de bu sayede incelenebilmiştir. Bilgisayar simülasyonu, daha zor görevlerin bellekten bilgi almak için sürekli olarak daha fazla çaba gerektirdiğini göstermiştir. Ancak burada da, gereksinimlerin üstesinden gelmek için öğrenme süreci boyunca giderek daha az kaynağa ihtiyaç duyulduğu gözlemlenmiştir. Örneğin başka bir görevden dolayı öğrenme sürecinde kesintiler olduysa, bu görev değişikliği de daha fazla çaba gösterilmesine neden olmuştur. Apartmandaki aslında tanıdık yollar, uzun bir aradan sonra tekrar alışmayı gerektiriyorsa, asıl görevin bilgi yapılarına, ek kaynaklar tüketen bir kesintiden sonra tekrar erişmek aradan geçen zaman zarfında giderek daha da zorlaşmaktadır.

İşte bu model, Altmann ve Trafton tarafından tam olarak tanımlanabilmiştir: Bir kişi kesintiyle başa çıkmak için asıl görevinden ne kadar uzun süre uzak kalırsa, orijinal hedefler o kadar gözden kaybolmuş olur.

Simüle edilmiş verilere bir bakış atacak olursak, onlarda bizlere bir kesintiden önceki fazlar ile karşılaştırıldığında, bir kesintiden sonra hafıza geri alımındaki simüle edilmiş kan oksijen konsantrasyonu önemli ölçüde daha yüksek olduğuna dair benzer bir resim göstermiştir. Bir sonraki adımda, modelin bu tahminleri, gerçek insan beyni aktivite verileriyle karşılaştırılabilir hale gelmiştir. Bu sayede modelin ne kadar doğru olduğunun belirlenmesi ve daha sonra hedefe yönelik bir şekilde iyileştirilmesi mümkün olmuştur.

Peki, buna neden ihtiyacımız var?

Öğrenmemizi de etkileyen ve değiştiren dijital bir çağda yaşıyoruz artık. Örneğin okullarda dijitalleşmenin yaygınlaştırılması, özellikle COVID-19 zamanlarında eğitim politikası için önemli bir konu haline geldi. Bilgisayar ve İnternet destekli öğrenme dünyası zengin uyum seçenekleri sunduğundan, özellikle engelli öğrenciler için sosyal katılım ve eşit fırsatlar kolayca sağlanabiliyor. Öte yandan, ek tasarım ve etkileşim seçeneklerinin çeşitliliği, öğrencilerin kaynaklarını bunaltabilir. Bu nedenle, dijital (öğrenme) sistemler, aşırı çaba ve bunalmadan kaçınmak için tüm öğrencilere doğru miktarda yardımı uygun bir şekilde verdiklerinde özellikle etkili olduklarını gözler önüne sermiştir. Bunun tespit edilmesinde ise bir öğrencinin kafasındaki kaynakların belirli bir zaman diliminde ne kadar kullanıldığına ve bunu hangi faktörlerin etkilediğine dair güvenilir modellerin oluşturulması gerekmiştir. Bu tür modeller daha sonra kaynaklarımızı serbest bırakan ve öğrenirken kendimizi aşırı yormamızı engelleyen akıllı eğitim teknolojilerinin temeli olarak kullanılabilir.

Sonuç olarak, çabayı azaltmak için ek açıklamalar yapılabilir veya egzersizlerin zorluğu kasıtlı olarak azaltılabilir ve böyle bir yaklaşımla da, tüm öğrenciler, potansiyellerini her zaman en iyi şekilde geliştirmeleri için etkin bir şekilde desteklenebilir.”

Bu yazı ilk kez 28 Temmuz 2022’de yayımlanmıştır.

 

Prof. Dr. Maria Wirzberger’in IM – The Inquisitive Mind adlı sitede yayımlanan “Warum Lernen (manchmal mehr, manchmal weniger) anstrengend ist” başlıklı yazısından öne çıkan bazı bölümler Meral Harzem tarafından çevrilmiş ve editoryal katkısıyla yayına hazırlanmıştır. Yazının orijinaline ve tamamına aşağıdaki linkten erişebilirsiniz: https://de.in-mind.org/article/warum-lernen-manchmal-mehr-manchmal-weniger-anstrengend-ist

Fikir Turu
Fikir Turuhttps://fikirturu.com/
Fikir Turu, yalnızca Türkiye’deki düşünce hayatını değil, dünyanın da ne düşündüğünü, tartıştığını okurlarına aktarmaya çalışıyor. Bu amaçla, İngilizce, Arapça, Rusça, Almanca ve Çince yazılmış önemli makalelerin belli başlı bölümlerini çevirerek, editoryal katkılarla okuruna sunmaya çalışıyor. Her makalenin orijinal metnine ve değerli çevirmen arkadaşlarımızın bilgilerine makalenin alt kısmındaki notlardan ulaşabilirsiniz.

YORUMLAR

Subscribe
Bildir
guest

0 Yorum
Inline Feedbacks
View all comments

Son Eklenenler

Öğrenmek neden yorucudur?

Aynı çaba sarf edildiği halde neden biri çok çabuk öğrenirken, diğeri zor öğrenir? Hafızamıza kazınmış bilgiler, öğrenmemizi zorlaştıracak bir durum teşkil ederler mi? Zihinsel çabayı ölçmenin bir yolu var mı? Bilgisayar modelleri bize bu konuda neler söyleyebilir? Dijital çağ öğrenmemizi etkiliyor mu?

Öğrenmek, öz itibariyle bilgi edinmek ve bu edinilen bilgiyi işlemektir. Yaşantılar sonucunda bireyin davranışlarında meydana gelen uzun süreli değişmelerdir.

Kimileri için öğrenmek, su içmek kadar kolay ve kendiliğindendir. Kimileri içinse hayli zor.

Sınav öncesi yaşanan heyecanı hangimiz unutabilir ki… Gergin ruh hali… Ezber üstüne ezber… “Bildiklerimi de unutur muyum” heyecanı… Önceki bilgilerimize yenileri eklemek neredeyse imkânsız gibi gelir.

Peki, sahiden bu kadar zor mudur öğrenme?

Prof. Dr. Maria Wirzberger, IM – The Inquisitive Mind adlı site için bu konuyu yazmış.

Yazıdan önce çıkan bölümleri aktarıyoruz:

“Bir sınavda öncesinde, aklımız karışmış halde kıpkırmızı bir yüzle masanın başında oturup kalmak, herhalde çoğumuzun aşina olduğu bir deneyimdir. Ama neden yeni bilgileri kafamıza sokmak için bu kadar çok çalışmak zorunda kalıyoruz ki? Matematiksel modellerle birleştirilen görüntüleme yöntemleri, bilgisayar simülasyonları aracılığıyla beyinde gerçekleşen süreçler hakkında fikir sahibi olmayı mümkün kılıyor. Bu sayede öğrenme sırasında hangi faktörlerin özellikle çok sayıda kaynak tükettiği de tespit edilebiliyor.

Öğrenme görevinde ustalaşma

Öğrenmek yorucudur aslında, elbette hepimiz bunu kendi deneyimlerimize göre çok iyi belirleyebiliriz. Bununla birlikte, her zaman aynı çabayı göstermek zorunda olmadığımızın da farkındayızdır, çünkü bazılarımız öğrenmeyi çok zor bulurken, bazıları için bu üzerinde düşünülmeye bile gerek görülmeyecek kadar basit bir beceridir. Bir sınıfın önünde duran ve bazı öğrencilerin belirli zorluklar yaşadığını fark eden bir öğretmen, genellikle onları mümkün olduğunca desteklemek ister. Ancak bunu yaparken de, kişinin belirli bir öğrenme görevinde ustalaşması adına çaba sarf etmesi gerekip gerekmediğini ve bunun o kişi açısından ne kadar zor olup olmadığını bilmesi gerekmektedir. Peki, ama bu nasıl belirlenebilir? Aslında bu zamana kadar yapılan psikolojik araştırmalardan öğrenmenin beyinde gerçekleştiğini, ancak tüm vücudumuzu da etkilediğini bilmekteyiz. Örneğin kelime dağarcığımıza yabancı dil kelimeleri eklemek için çok uğraşırsak, vücudumuzda kalbimizin daha hızlı atması, terlemeye başlaması, daha sık ve daha uzun süre ara vermemiz ve yeni kelimeler söylediğimizde daha yavaş konuşmamız gibi bazı değişikliklerin yaşandığını gözlemleyebiliriz.

Öğrenmek neden her şeyden önce bu kadar yorucudur ve insanlar bunun için ne kadar çaba sarf etmeleri gerektiği konusunda neden farklılık gösterirler? Öğrenme sürecine bu şekilde daha yakından bakacak olursak, yeni bilgiler edindiğimizde kafamızda bir dizi sürecin gerçekleştiğini, duyu organlarımızın inanılmaz miktarda bilgiyi emerek, bu selden önemli içeriği filtrelemek, arkasındaki anlamı tanımak ve mevcut bilgilerle karşılaştırmak için nasıl bir çaba sarf ettiğini görebiliriz. Belki de kafamızda yeni bilgiyi gömebileceğimiz yapılar zaten mevcuttur, ancak böyle bir durum söz konusu değil ise, o zaman yeni yapılar oluşturmak zorunda kalırız. Tüm bu işlemler kaynak gerektirir, bir bilgisayar söz konusu olduğunda bilgi işlem gücünden bahsediyoruz mesela, bu hesaplama gücü için tüm insanlar ve görevler açısından aynı olan standart bir boyut yoktur, çünkü hepimiz birbirimizden önemli ölçüde farklıyızdır.

Duyu organlarımızın ne kadar iyi çalıştığı ve bilgilerin filtrelenmesi ve yorumlanmasının başarılı olup olmadığı konusunda da farklılıklar bulunuyor. Ancak kafamızdaki süreçler için elimizdeki kaynaklar sadece kişiden kişiye değişmekle kalmaz, aynı zamanda genellikle sınırlıdır da. Bu yüzden onları mantıklı ve düşünceli bir şekilde kullanmayı öğrenmemiz gerekiyor. Çünkü sonuç olarak bu durum, kullanılabilir daha fazla kaynak yoksa veya mevcut kaynaklar elverişsiz bir şekilde dağıtılırsa, aşırı yüklenmeye yol açacaktır. Öğrenme sürecindeki hatalar, özellikle karmaşık görevlerde daha sık meydana gelmektedir.

Zihinsel çabayı nasıl ölçebiliriz?

Şimdi asıl soru, öğrenenin kafasındaki sınırlı kaynakları mümkün olduğunca verimli kullanmak için öğrenme durumlarının nasıl tasarlanması gerektiğidir. Öğrencileri her zaman en iyi şekilde destekleyebilmek istiyorsak, o zaman o öğrencinin öğrenme dağarcığında gerçekte hangi kaynakların mevcut olduğunu ve şu anda sahip olduğu bu kaynakları ne kadar kullanıldığını anlamamız gerekir. Sadece öğrencinin performansına bakmak yeterli değildir. Beyinde meydana gelen süreçlere bir bakış, öğrenme sırasında sınırlı kaynaklarımız için hangi faktörlerin özellikle zorlandığını bize gösterir. Çünkü bir kişinin bir konu hakkında çok az ön bilgisi varsa, aynı anda birçok yeni ve ilgili bilgi parçasını öğrenmek o kişi açısından çok zorlayıcı olur. Öğrenme materyalindeki ilgili bilgiler birbirinden çok büyük uzaysal mesafelerde sunulduğunda veya bir öğrenme durumunda dikkat dağıtıcı birçok şey olduğunda da kişinin bir şeyleri öğrenebilmesi için çabası artar.

Sosyal medya ve mobil cihazlar çağında, kısa mesajlar, aramalar veya reklam mesajları şeklindeki dikkat dağıtıcı şeyler her yerdedir. Ayrıca, doğru düzeyde destek sağlamak için öğrenmenin kendisi aracılığıyla meydana gelen değişikliklerini de dikkate almamız gerekiyor. Örneğin, konuya zaten aşina olduklarında, öğrencilere yapılan ek açıklamaların onlar açısından sadece gereksiz yere yük olabileceği araştırmalar sonucunda ortaya çıkmıştır. Özellikle bir öğrenme durumunda bu tür potansiyel olarak stresli faktörlerin tam olarak kaydedilmesi söz konusu olduğunda, çeşitli ölçüm yaklaşımlarına rağmen hala cevaplanmamış aşağıdaki gibi birçok soru bulunmaktadır: Kaynak kullanımının farklı faktörleri nasıl etkileşime girer? Bunlar hangi işleme mekanizmalarına dayanmaktadır? Öğrenme sürecinde kaynak kullanımındaki zamansal değişiklikler tam olarak neye benzer?

Bu sorunu meslektaşlarımla birlikte ele aldım ve bu amaçla farklı öğrenme görevleriyle bir dizi çalışma yürüttüm. Farklı önlemlerin bir kombinasyonunu kullanarak, belirli bir durumda bir görevin öğrenci için ne kadar yorucu olduğunu hep birlikte detaylıca araştırdık. Araştırmalarımızda, bilişsel bilimdeki temel araştırmalardan açıkça yapılandırılmış ve kolayca kontrol edilebilir öğrenme materyallerini kullandık. Araştırmamız esnasında görevimizi iki bölüme ayırdık. İlk bölümde örneğin bir daire ve bir üçgenin gösterildiği ve ikinci bölümde de bir yıldızın cevabını oluşturduğu sembol kombinasyonlarından oluşan bir dizi materyal kullandık. Deneklerden, bir dizi deneme boyunca bu ve benzeri kombinasyonları hatırlamalarını istedik. Bu tür soyut öğrenme görevlerinin avantajı, görev başlamadan önce bile, görevin hangi özelliklerinin bir kişinin kaynaklarını ne ölçüde gerektirdiğini kesin olarak değerlendirebilmesini sağlamasıdır. Bunun arkasındaki mantık da çok basittir: Eklenen her sembol ile kaynak gereksinimi artar ve öğrenme daha da zorlaşır. Bu temel mekanizmaların bilgisi daha sonra aynı yapıya sahip daha karmaşık görevlere aktarılabilir. Bu varyasyonların etkilerine bakmak için denekleri doğru cevabın ne sıklıkta ve ne kadar hızlı verildiğine, kalbin ne kadar hızlı attığına, ter bezlerinin ne kadar aktif çalıştığına veya insanların ne kadar hızlı ve akıcı konuştuğuna bakarak inceledik. Bu sırada bir öğrenme durumundaki ek gereksinimlerin etkilerini de dikkate aldık. Aynı anda ikinci bir görevi yapmaya çalıştıklarında kişilerin öğrenme sürecinin tekrar tekrar kesintiye uğradığının bilincindeydik. Bu durumun özellikle bilgisayarda öğrenirken sık sık meydana geldiği zaten bilinmekteydi. Ek gereksinim olarak da, yeni sayı dizilerini ezberlemeyi ve sembol kombinasyonlarını öğrenirken bunları yüksek sesle söylemeyi örnek olarak gösterebiliriz.

Sonuçlar, deneklerin kalp atışlarının zamanla yavaşladığını ve daha az terlediklerini gösterdi. Bu, çalışma boyunca, her iki görevi aynı anda gerçekleştirmek için daha az çabaya ihtiyaç duyduklarını gözlemledik. Ayrıca sayı sıralarını söylerken konuşma akışında daha az duraklamalar oldu, duraklamaların süresi kısaldı ve konuşma hızı arttı.

Her iki görevdeki performans istikrarlı bir şekilde arttı, bu da diğer önlemlerle birlikte her iki görev için giderek daha fazla kapasitenin mevcut olduğunu bizlere göstermiş oldu. Genel olarak, böyle bir model, hâlihazırda geri çekilip mevcut bilgi yapılarını kullanabilirsek, bir görevin daha az yorucu hale geldiğini ortaya çıkarmış oldu. Bu ayrıca bize yan görevlerle daha iyi başa çıkmak için gerekli kaynakları da sağlamış oldu.

Bilgisayar modelleri bize bu konuda neler söyleyebilir?

Öğrenme kafada gerçekleştiği için, öğrenirken kafanın içine bakmak ve beyni iş başında izlemek tabiri caizse çok heyecan vericidir. Bu, EEG veya fMRT gibi nörofizyolojik ve görüntüleme yöntemleriyle mümkündür. Bu hedefe yaklaşmanın bir başka yolu da bilgisayar simülasyonlarıdır. Bunlar genellikle beynimizin nasıl yapılandırıldığını ve içinde hangi süreçlerin gerçekleştiğini açıklamak için matematiksel formüller kullanarak, sonuçlarını bizlerin gözleri önüne sunarlar. Bu sözde bilişsel modeller alanında çeşitli yaklaşımlar da bulunmaktadır. Özellikle sağlam temellere dayanan ve yaygın olarak kullanılan bir yaklaşım, John R. Anderson (2007) tarafından yazılan ACT-R gibi bilişsel mimarilerdir.

Yapı, tümü merkezi bir koridordan açılan birkaç odadan oluşan bir daire olarak hayal edilebilir. Her oda belirli bir içeriğe sahiptir ve koridora bir kapı ile bağlantısı sağlanmıştır. Bu kapıdan bir seferde yalnızca bir bilgi parçası içeri girebilir. Odalar, bellekten bilgi alma, görev hedeflerini izleme, el hareketlerini gerçekleştirme veya gözlerden bilgi toplama gibi açıkça tanımlanmış görevlere sahip modülleri temsil eder. Bu modüllerin tümü, beyinde tam olarak bu görevleri üstlenen belirli bölgeleri temsil etmeyi amaçlamaktadır. Bu korelasyonlar, görüntüleme yöntemleri kullanılarak tekrar tekrar incelenmiş ve araştırmalarımız neticesinde doğrulanmıştır. Ortadaki koridor, belirli bir zamanda odalarda hangi içeriğin olduğunu bulmak ve buna göre tepki vermek gibi önemli bir göreve sahiptir. Bu, uygun koşullar sağlandığında belirli eylemlerin gerçekleştirilmesine izin veren “eğer-öyleyse” kuralları kullanılarak yapılır. Örneğin, kırmızı bir trafik ışığı gördüğümüzde caddeyi yalnızca sinyal yeşil olduğunda geçmemize izin verildiği bilgisini hatırlamamız gayet kolaydır. Bu bilgiyle donanmış olarak, bir sonraki adımda trafik ışığı düğmesine basabiliriz, böylece trafik ışığı sinyalimiz kısa sürede kırmızıdan yeşile döner ve caddeyi güvenli bir şekilde geçebiliriz.

Modüllerin her biri için ne yaptığının, ne zaman ve ne kadar süreyle aktif olduğunun sabit bir kaydını tutmak mümkündür. Altta yatan beyin bölgelerindeki kan oksijen konsantrasyonu, matematiksel bir dönüşüm yoluyla bu bilgilerden simüle edilebilir. Örneğin, bilgiyi bellekten geri aldığımızda, bu, diğer şeylerin yanı sıra prefrontal korteksle, yani beynimizin önündeki serebral korteksin bir parçası ile bağlantılıdır. Biz bu yöntemi kullanarak örneğin, hafızanın geri alınması sırasında prefrontal korteksteki simüle edilmiş kan oksijen konsantrasyonunun sembolün turlarının ilk üçte birinde önemli ölçüde arttığını gayet net bir biçimde belirleyebildik. Koşuların ortasında ve son üçte birinde, bu artış, kıyaslandığında gözle görülür şekilde daha zayıftı. Buradan da, öğrenme süreci ilerledikçe, görevle ilgili bilgilere erişimin giderek daha az yorucu hale geldiği sonucuna varabildik.

Peki, bu örnek nereden geliyor?

Daha önce de belirtildiği gibi, öğrenme süreci boyunca beynimizde her daim bilgi yapıları oluşturulur. Bu yapılar hâlihazırda mevcutsa ve sıklıkla kullanılmışsa, doğru bilgiye daha hızlı ulaşabiliriz. Birkaç ay sonra, karanlıkta bile, yatak odasından banyoya otomatik olarak ve düşünmeden yolumuzu bulmamız gibi, hafızamıza kazınan bilgiler, bizim öğrenmemizi zorlaştıracak bir durum teşkil etmezler.

Ayrıca bir görevin zorluğunun etkisi de bu sayede incelenebilmiştir. Bilgisayar simülasyonu, daha zor görevlerin bellekten bilgi almak için sürekli olarak daha fazla çaba gerektirdiğini göstermiştir. Ancak burada da, gereksinimlerin üstesinden gelmek için öğrenme süreci boyunca giderek daha az kaynağa ihtiyaç duyulduğu gözlemlenmiştir. Örneğin başka bir görevden dolayı öğrenme sürecinde kesintiler olduysa, bu görev değişikliği de daha fazla çaba gösterilmesine neden olmuştur. Apartmandaki aslında tanıdık yollar, uzun bir aradan sonra tekrar alışmayı gerektiriyorsa, asıl görevin bilgi yapılarına, ek kaynaklar tüketen bir kesintiden sonra tekrar erişmek aradan geçen zaman zarfında giderek daha da zorlaşmaktadır.

İşte bu model, Altmann ve Trafton tarafından tam olarak tanımlanabilmiştir: Bir kişi kesintiyle başa çıkmak için asıl görevinden ne kadar uzun süre uzak kalırsa, orijinal hedefler o kadar gözden kaybolmuş olur.

Simüle edilmiş verilere bir bakış atacak olursak, onlarda bizlere bir kesintiden önceki fazlar ile karşılaştırıldığında, bir kesintiden sonra hafıza geri alımındaki simüle edilmiş kan oksijen konsantrasyonu önemli ölçüde daha yüksek olduğuna dair benzer bir resim göstermiştir. Bir sonraki adımda, modelin bu tahminleri, gerçek insan beyni aktivite verileriyle karşılaştırılabilir hale gelmiştir. Bu sayede modelin ne kadar doğru olduğunun belirlenmesi ve daha sonra hedefe yönelik bir şekilde iyileştirilmesi mümkün olmuştur.

Peki, buna neden ihtiyacımız var?

Öğrenmemizi de etkileyen ve değiştiren dijital bir çağda yaşıyoruz artık. Örneğin okullarda dijitalleşmenin yaygınlaştırılması, özellikle COVID-19 zamanlarında eğitim politikası için önemli bir konu haline geldi. Bilgisayar ve İnternet destekli öğrenme dünyası zengin uyum seçenekleri sunduğundan, özellikle engelli öğrenciler için sosyal katılım ve eşit fırsatlar kolayca sağlanabiliyor. Öte yandan, ek tasarım ve etkileşim seçeneklerinin çeşitliliği, öğrencilerin kaynaklarını bunaltabilir. Bu nedenle, dijital (öğrenme) sistemler, aşırı çaba ve bunalmadan kaçınmak için tüm öğrencilere doğru miktarda yardımı uygun bir şekilde verdiklerinde özellikle etkili olduklarını gözler önüne sermiştir. Bunun tespit edilmesinde ise bir öğrencinin kafasındaki kaynakların belirli bir zaman diliminde ne kadar kullanıldığına ve bunu hangi faktörlerin etkilediğine dair güvenilir modellerin oluşturulması gerekmiştir. Bu tür modeller daha sonra kaynaklarımızı serbest bırakan ve öğrenirken kendimizi aşırı yormamızı engelleyen akıllı eğitim teknolojilerinin temeli olarak kullanılabilir.

Sonuç olarak, çabayı azaltmak için ek açıklamalar yapılabilir veya egzersizlerin zorluğu kasıtlı olarak azaltılabilir ve böyle bir yaklaşımla da, tüm öğrenciler, potansiyellerini her zaman en iyi şekilde geliştirmeleri için etkin bir şekilde desteklenebilir.”

Bu yazı ilk kez 28 Temmuz 2022’de yayımlanmıştır.

 

Prof. Dr. Maria Wirzberger’in IM – The Inquisitive Mind adlı sitede yayımlanan “Warum Lernen (manchmal mehr, manchmal weniger) anstrengend ist” başlıklı yazısından öne çıkan bazı bölümler Meral Harzem tarafından çevrilmiş ve editoryal katkısıyla yayına hazırlanmıştır. Yazının orijinaline ve tamamına aşağıdaki linkten erişebilirsiniz: https://de.in-mind.org/article/warum-lernen-manchmal-mehr-manchmal-weniger-anstrengend-ist

Fikir Turu
Fikir Turuhttps://fikirturu.com/
Fikir Turu, yalnızca Türkiye’deki düşünce hayatını değil, dünyanın da ne düşündüğünü, tartıştığını okurlarına aktarmaya çalışıyor. Bu amaçla, İngilizce, Arapça, Rusça, Almanca ve Çince yazılmış önemli makalelerin belli başlı bölümlerini çevirerek, editoryal katkılarla okuruna sunmaya çalışıyor. Her makalenin orijinal metnine ve değerli çevirmen arkadaşlarımızın bilgilerine makalenin alt kısmındaki notlardan ulaşabilirsiniz.

YORUMLAR

Subscribe
Bildir
guest

0 Yorum
Inline Feedbacks
View all comments

Son Eklenenler

0
Would love your thoughts, please comment.x