Waarom is zelfstudie zo effectief?
Laatst beoordeeld: 16.10.2021
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
In de afgelopen jaren hebben leraren meer aandacht besteed aan praktische oefeningen, laboratoriumexperimenten en studentenonderzoek. Dit komt doordat studenten het materiaal veel beter leren als ze de mogelijkheid hebben om de intensiteit van zelfstandig verkrijgen van kennis te beheersen.
Zelfgestuurde training had de tijd om zichzelf te bewijzen aan de positieve kant, maar de redenen voor dit fenomeen zijn slecht begrepen.
Sommige wetenschappers suggereren dat zelfgestuurd leren effectief is vanwege de motivatie van de persoon om te leren. Om de relatie tussen zelfgestuurd leren en cognitieve processen, met name geheugen- en aandachtsprocessen, te identificeren, zijn gegevens van specialisten echter niet voldoende.
Douglas Markant en Todd Gurekis, wetenschappers van de New York University, probeerden de redenen voor de effectiviteit van dit proces van het bestuderen van het materiaal te onderzoeken. Ze benaderden de studie van dit soort leren vanuit computationeel en cognitief oogpunt.
Specialisten stelden verschillende hypotheses voor waarom zelfgestuurd leren voordelen heeft ten opzichte van andere soorten materiële beheersing.
Zelfgestuurd en onafhankelijk begrip van informatie helpt een persoon om zijn ervaring te optimaliseren en zich te concentreren op het bestuderen van materialen die we nog niet hebben begrepen. Bovendien stelt de aard van zelfgestuurd leren u in staat om de informatie die u hebt gestudeerd gedurende een langere periode te bewaren.
Dit soort training is echter niet altijd effectief. Een persoon kan fouten maken bij het nemen van een beslissing over de informatie die hij gaat bestuderen. De reden hiervoor kunnen cognitieve fouten zijn.
Onderzoekers merken op dat de basis voor het bestuderen van hoe mensen verschillende informatiebronnen evalueren en de gegevens beoordelen waarnaar ze op zoek zijn, de computationele modellen kunnen zijn die vaak worden gebruikt in machine learning-onderzoeken.
Analyse met behulp van machine learning technieken kan helpen bij het bepalen van de negatieve en positieve momenten van zelfgestuurd leren.
Een gezamenlijke studie, die een beoordeling van dit soort inzicht in termen van cognitieve en computerprocessen omvat, zal deskundigen helpen de essentie te begrijpen van de processen die de basis vormen voor onafhankelijk, zelfgestuurd leren.
Ook hopen wetenschappers dat door het begrijpen van deze processen, hulpmethoden kunnen worden ontwikkeld voor onafhankelijke studie van het materiaal.