วิธีเพิ่มการคงอยู่ของความจำโดยไม่ต้องเพิ่มเวลาเรียน
(files.eric.ed.gov)- เพื่อเพิ่มความจำระยะยาว แทนที่จะยึดติดกับเนื้อหาเดิมซ้ำ ๆ อาจมีประสิทธิภาพมากกว่าหากเรียนจนถึงระดับที่ ทำได้โดยไม่มีข้อผิดพลาด แล้วแบ่งช่วงเวลาทบทวนออกไป
- การเรียนเกินเกณฑ์ (overlearning) คือการทำซ้ำเนื้อหาเดิมต่อทันทีหลังถึงเกณฑ์แล้ว วิธีนี้ช่วยผลลัพธ์หลัง 1 สัปดาห์ แต่หลัง 4 สัปดาห์ประโยชน์แทบหายไป
- แม้เวลาเรียนรวมเท่ากัน ความจำระยะยาวจะดีขึ้นเมื่อ ระยะห่างระหว่างเซสชัน (ISI) ระหว่างสองเซสชัน และ ระยะคงอยู่ (RI) ตั้งแต่เรียนครั้งสุดท้ายจนถึงการทดสอบสอดคล้องกัน โดยในการทดลอง ISI ที่เหมาะสมอยู่ราว 10–30% ของ RI
- ในการเรียนคณิตศาสตร์ การเรียนเกินเกณฑ์ด้วยการทำโจทย์เพิ่มเติมแบบรวดเดียวไม่ได้เพิ่มคะแนนหลัง 1 สัปดาห์หรือ 4 สัปดาห์ แต่กลุ่มที่แบ่งจำนวนโจทย์เท่ากันไปทำห่างกัน 1 สัปดาห์ได้คะแนนหลัง 1 สัปดาห์สูงกว่า คือ 74% เทียบกับ 49%
- ตำราและชั้นเรียนควรเหมาะกับความจำระยะยาวมากกว่า หากไม่รวมโจทย์ประเภทเดียวกันไว้ทีเดียว แต่จัดให้พบเนื้อหาเดิมซ้ำตลอดหลายสัปดาห์หรือหลายเดือน และสลับโจทย์หลายประเภทเข้าด้วยกัน
การเรียนเกินเกณฑ์มีประสิทธิภาพต่ำสำหรับความจำระยะยาว
- ผู้เรียนต้องตัดสินใจว่าจะหยุดเมื่อใดเมื่อศึกษาเนื้อหาหรือทักษะหนึ่ง ๆ ในครั้งเดียว
- ตัวอย่างเช่น สถานการณ์ที่ทบทวนรายการคำศัพท์จนสามารถนึกคำนิยามทั้งหมดได้ถูกต้องอย่างน้อยหนึ่งครั้ง แล้วต้องตัดสินใจว่าจะทำซ้ำรายการเดิมอีกหรือไม่
- การเรียนเกินเกณฑ์ คือการเรียนเนื้อหาเดิมต่อไปแม้เพิ่งถึงระดับที่ทำได้โดยไม่มีข้อผิดพลาดแล้ว
- นักการศึกษาจำนวนมากมองว่าการเรียนเกินเกณฑ์ช่วยเพิ่มความจำระยะยาว
- ในสภาพแวดล้อมที่มีโจทย์ประเภทเดียวกันจำนวนมาก เช่น งานคณิตศาสตร์ นักเรียนจะใช้เวลาไม่น้อยไปกับการเรียนเกินเกณฑ์
- วรรณกรรมการทดลองตลอดราว 80 ปีพบอยู่บ่อยครั้งว่าการเรียนเพิ่มเติมหลังถึงเกณฑ์ช่วยเพิ่มผลลัพธ์ในการทดสอบภายหลัง
- อย่างไรก็ตาม งานวิจัยเรื่องการเรียนเกินเกณฑ์ส่วนใหญ่ทดสอบภายใน 1 สัปดาห์หลังเรียน และหลายกรณีภายใน 1 ชั่วโมง
- หากต้องการดูผลต่อการคงอยู่ระยะยาว จำเป็นต้องเว้น ระยะคงอยู่ (RI) ระหว่างการเรียนกับการทดสอบให้ยาวขึ้น
ผลหลัง 1 สัปดาห์และ 4 สัปดาห์ที่เห็นจากการทดลองเรียนคำศัพท์
- ในการทดลองหนึ่ง ผู้เข้าร่วมเรียนคู่คำศัพท์-คำนิยามอย่าง
cicatrix-scarด้วยการทดสอบซ้ำคล้ายแฟลชการ์ด- เงื่อนไข การเรียนพอดีเกณฑ์ คือวนรายการ 5 รอบ
- เงื่อนไข การเรียนเกินเกณฑ์ คือวนรายการ 10 รอบ
- ผู้เรียนแบบพอดีเกณฑ์โดยทั่วไปแทบไม่มีรอบการเรียนที่ทำได้สมบูรณ์เกิน 1 รอบ ส่วนผู้เรียนเกินเกณฑ์ส่วนใหญ่ทำได้สมบูรณ์อย่างน้อย 3 รอบ
- จากนั้นมีการทดสอบหลังผ่านไป 1 สัปดาห์หรือ 4 สัปดาห์
- การเรียนเกินเกณฑ์ให้ประโยชน์ชัดเจนในการทดสอบหลัง 1 สัปดาห์
- หลัง 4 สัปดาห์ ประโยชน์นั้นแทบตรวจพบไม่ได้
- การทดลองอื่น ๆ ก็แสดงรูปแบบที่ประโยชน์ของการเรียนเกินเกณฑ์ลดลงเมื่อเวลาผ่านไป
- ระยะเวลาที่ตรวจพบประโยชน์จะแตกต่างกันตามรายละเอียดของขั้นตอนการทดลอง
- เนื่องจากการเรียนเกินเกณฑ์ต้องใช้เวลาเรียนมากขึ้น จึงควรเทียบกับผลลัพธ์เมื่อใช้เวลาเท่ากันในวิธีอื่น
- โดยทั่วไป การทบทวนเนื้อหาที่เคยเรียนไปเมื่อหลายสัปดาห์ หลายเดือน หรือหลายปีก่อน มีแนวโน้มให้ประโยชน์มากกว่าการเรียนเนื้อหาที่เพิ่งเรียนมาอย่างต่อเนื่อง
- นี่ไม่ได้หมายความว่าควรลดเวลาเรียน หรือปฏิเสธการฝึกซ้ำโดยตัวมันเอง
- ประเด็นคือประสิทธิภาพของการฝึกเนื้อหาเดิมต่อทันทีหลังถึงระดับที่ทำได้โดยไม่มีข้อผิดพลาด
- ยังมีสถานการณ์ที่การเรียนเกินเกณฑ์เหมาะสม
- หากเป้าหมายคือผลลัพธ์ระยะสั้น ไม่ใช่ความจำระยะยาว ก็อาจมีประโยชน์
- ในกรณีที่ข้อผิดพลาดหรือการตอบสนองล่าช้าอาจก่อผลร้ายแรง เช่น ขั้นตอนฉุกเฉินของนักบิน ทหาร หรือพยาบาล อาจเป็นสิ่งที่พึงประสงค์หรือจำเป็น
ผลของการเว้นระยะทำให้เวลาเท่าเดิมคงอยู่ได้นานขึ้น
- งานวิจัยเรื่องการกระจายเวลาเรียนมักแบ่งเวลาเรียนรวมที่กำหนดไว้เป็นสองเซสชัน และปรับ ระยะห่างระหว่างเซสชัน (ISI) ระหว่างสองเซสชันนั้น
- หาก ISI เป็น 0 จะถือว่าเป็นการเรียนแบบรวดเดียว
- ระยะคงอยู่ (RI) จะวัดเป็นเวลาตั้งแต่เซสชันเรียนครั้งที่สองจนถึงการทดสอบเสมอ
- โดยทั่วไป ผลการทดสอบภายหลังดีกว่ามากเมื่อเรียนแบบเว้นระยะ มากกว่าเรียนแบบรวดเดียว
- ผลลัพธ์นี้เรียกว่า ผลของการเว้นระยะ (spacing effect)
- มีหลายทฤษฎีที่อธิบายผลของการเว้นระยะ แต่การอภิปรายส่วนนั้นอยู่นอกขอบเขตงานวิจัยนี้
- สำหรับความจำระยะยาว คำถามว่าควรเว้นสองเซสชันการเรียนให้ห่างกันเท่าใดยังเป็นประเด็นที่รู้กันไม่มาก
- การทดลองต่าง ๆ ใช้ระยะคงอยู่ที่ยาวเพื่อจัดการกับคำถามนี้
ระยะห่างที่เหมาะสมขึ้นอยู่กับเวลาที่เหลือจนถึงการทดสอบ
- ในการทดลองเรื่องระยะห่างครั้งแรก มีการเรียนคู่คำภาษาสวาฮิลี-อังกฤษ
- ISI อยู่ตั้งแต่ 5 นาทีถึง 14 วัน
- RI ถูกกำหนดคงที่ที่ 10 วัน
- การนึกคืนครั้งสุดท้ายขึ้นอยู่กับ ISI อย่างมาก และดีที่สุดที่ ISI 1 วัน
- ในการทดลองที่สอง มีการเรียนชื่อของวัตถุที่ไม่เป็นที่รู้จักมากนัก
- RI คือ 6 เดือน
- ISI อยู่ตั้งแต่ 5 นาทีถึง 6 เดือน
- ผลมีขนาดใหญ่กว่าการทดลองแรก และ ISI ที่เหมาะสมอยู่ที่ประมาณ 1 เดือน
- ในทั้งสองการทดลอง ISI ที่เหมาะสมอยู่ที่ราว 10–20% ของ RI
- เมื่อ RI 10 วัน ISI 1 วันเหมาะสมที่สุด ซึ่งเท่ากับ 10% ของ RI
- เมื่อ RI 6 เดือน ISI 1 เดือนเหมาะสมที่สุด ซึ่งเท่ากับ 17% ของ RI
- ผลเบื้องต้นจากการทดลองบนเว็บที่กำลังดำเนินการกับผู้เข้าร่วมราว 1,300 คนก็ชี้ไปในทิศทางเดียวกัน
- ISI เปลี่ยนแปลงได้สูงสุดถึง 15 สัปดาห์ และ RI สูงสุดถึง 50 สัปดาห์
- ISI ที่เหมาะสมแตกต่างกันตาม RI และอยู่ในช่วงราว 10–30% ของ RI
- ความสัมพันธ์นี้สรุปได้เป็นสามรูปแบบ
- ไม่ว่า ISI จะเป็นค่าใด เมื่อ RI ยาวขึ้น คะแนนทดสอบจะลดลง
- หาก RI คงที่ เมื่อ ISI ยาวขึ้น คะแนนจะเพิ่มขึ้นก่อนแล้วจึงลดลงอีกครั้ง
- เมื่อ RI ยาวขึ้น ISI ที่เหมาะสมก็ยาวขึ้นตามไปด้วย
การเปลี่ยนแปลงต่อการออกแบบการสอน ตำรา และซอฟต์แวร์
- ผลของการเว้นระยะปรากฏอย่างชัดเจนแม้ในช่วงเวลายาวที่สอดคล้องกับระยะเวลาการศึกษาจริง
- ระยะห่างที่สั้นเกินไปอาจให้ผลลัพธ์แย่กว่าระยะห่างที่ยาวเกินไป
- ยิ่งดูความจำระยะยาว ผลของการเว้นระยะมีแนวโน้มใหญ่ขึ้นมากกว่าจะเล็กลง
- ในการสอนระดับประถมและมัธยม การจัดเนื้อหาเดียวกันแบบเว้นห่างเป็นช่วง ๆ ตลอดหลายเดือนอาจเป็นประโยชน์ต่อนักเรียนมากกว่าวิธีที่ให้รายการสะกดคำหรือคำศัพท์ต่างกันทุกสัปดาห์
- หากวิชาระดับมหาวิทยาลัยไม่มีการสอบปลายภาคแบบสะสม แรงจูงใจในการกลับไปเรียนเนื้อหาเดิมจะลดลง
- การสอบแบบสะสมอาจช่วยกระตุ้นให้เรียนซ้ำเนื้อหาก่อนหน้า
- หลักสูตรภาษาต่างประเทศแบบเข้มข้นสร้างระยะห่างให้เพียงพอได้ยากเพราะมีช่วงเวลาสั้น
- ระดับการเรียนรู้ช่วงแรกอาจดูสูง แต่ภายหลังอาจนำไปสู่การลืมอย่างรวดเร็ว
- ในการเรียนคณิตศาสตร์ก็พบรูปแบบเดียวกัน
- ในการทดลองที่ให้นักเรียนซึ่งเรียนโจทย์เรื่องการเรียงสับเปลี่ยนทำ 3 ข้อหรือ 9 ข้อ โจทย์เพิ่มเติม 6 ข้อทำให้เกิดการเรียนเกินเกณฑ์อย่างมาก แต่ตรวจไม่พบการเพิ่มคะแนนหลัง 1 สัปดาห์หรือ 4 สัปดาห์
- ในการทดลองอื่นของโจทย์เดียวกัน กลุ่มที่แบ่งโจทย์ 4 ข้อออกเป็นสองเซสชันห่างกัน 1 สัปดาห์ ได้คะแนนสอบหลัง 1 สัปดาห์สูงกว่ากลุ่มที่ทำทั้งหมดในเซสชันเดียว คือ 74% เทียบกับ 49%
- กลุ่มที่ทำ 4 ข้อในเซสชันเดียวไม่ได้สูงกว่ากลุ่มที่ทำเพียงครึ่งหนึ่งอย่างน่าเชื่อถือ โดยคะแนนคือ 49% เทียบกับ 46%
- ตำราคณิตศาสตร์ส่วนใหญ่รวมโจทย์ที่เกี่ยวข้องกับบทก่อนหน้าไว้ในชุดโจทย์เดียว ซึ่งกระตุ้นทั้งการเรียนแบบรวดเดียวและการเรียนเกินเกณฑ์พร้อมกัน
- ทางเลือกคือ รูปแบบสับเปลี่ยน ที่กระจายแบบฝึกหัดของบทหนึ่งไปทั่วส่วนที่เหลือของตำรา
- ตัวอย่างเช่น หลังบทพาราโบลาทันที อาจวางโจทย์พาราโบลาไว้เพียงบางส่วน และจัดโจทย์พาราโบลาที่เหลือไว้ในชุดแบบฝึกหัดภายหลัง
- เมื่อสลับประเภทโจทย์เข้าด้วยกัน จะเกิด การเรียนรู้เพื่อจำแนก นอกเหนือจากระยะห่างของเวลา
- ในรูปแบบมาตรฐาน หลังบท one-sample t-test จะมีแต่โจทย์ one-sample t-test ตามมา ทำให้ขาดการฝึกแยกแยะว่าลักษณะโจทย์ใดชี้ไปสู่การเลือกขั้นตอนใด
- ในรูปแบบสับเปลี่ยน ประเภทโจทย์จะผสมกัน ทำให้นักเรียนต้องค้นหากลยุทธ์ที่เหมาะกับแต่ละโจทย์
- ประโยชน์นี้ดูเหมือนเป็นอิสระจากผลของระยะห่างเชิงเวลา
- ในการเตรียมสอบ การฝึกเรียกคืน ด้วยตนเองก่อนดูคำตอบ โดยทั่วไปเป็นกลยุทธ์ที่ดี
- หลังทำผิด ควรได้รับฟีดแบ็กคำตอบที่ถูกต้อง
- การศึกษาที่ใช้คอมพิวเตอร์มีการฝึกเรียกคืนและฟีดแบ็กอย่างรวดเร็วอยู่มากแล้ว แต่โอกาสในการจัดวางเซสชันการเรียนเพื่อปรับความจำระยะยาวให้เหมาะสมยังไม่ได้ถูกใช้ประโยชน์อย่างเพียงพอ
- การปฏิบัติด้านการศึกษาสามารถขยับเข้าใกล้หลักฐานเชิงประจักษ์ได้มากกว่าการยึดตามประเพณีและกระแส
2 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ไม่ใช่การวิจารณ์งานวิจัยชิ้นนี้โดยตรง แต่โดยเฉพาะเมื่อพูดถึง “การเพิ่มประสิทธิภาพ” ก็ควรคำนึงถึงบริบททั้งหมด
การ “ปรับการเรียน ระยะเวลาคงอยู่ของความจำ และการทดสอบ” ให้เหมาะที่สุดเพื่อเพิ่มการคงอยู่ของความรู้ ณ เวลาสอบที่ล่าช้าออกไป กับการเพิ่ม คุณค่า ของความรู้ที่เรียนมาให้สูงสุดนั้นเป็นคนละเรื่องกัน
หากต้องการเพิ่มคุณค่าของการเรียน ควรเรียนสิ่งที่นำไปใช้ได้ทันทีและผสานเข้ากับการเรียนรู้อื่นได้ในทันที ยิ่งใช้ได้เร็วและใช้ได้มากเท่าไร คุณค่าก็ยิ่งสูงขึ้นและยิ่งจำได้ดีขึ้น
หากต้องเรียนความรู้สำคัญที่ไม่มีโอกาสใช้ในระยะสั้น เช่น วิธีรับมือภาวะแทรกซ้อนจากการผ่าตัดสมองที่พบไม่บ่อย ก็ควรสร้างวิธีใช้ความรู้นั้นขึ้นมา อาจทำโปรเจกต์ที่มีประโยชน์ซึ่งทำให้ได้กลับมาดูมันอีกครั้งในช่วง “ระยะคงอยู่” และคอยอัปเดตสรุปการรับมือสถานการณ์ที่พบไม่บ่อยอยู่เรื่อย ๆ
ดังนั้นเพื่อให้ได้คุณค่าการเรียนรู้โดยรวมสูงสุด จึงควรปรับให้เหมาะที่สุดทั้ง การเลือกหัวข้อ, ลำดับความก้าวหน้าของหัวข้อ, และ “เรียน ทดสอบแบบเลือกสรร ใช้ ใช้ ใช้” โดย “การใช้” คือการรวมกันของแรงจูงใจ การทดสอบ การทบทวน และการทำให้เกิดคุณค่า
สำหรับเด็ก การท่องสูตรคูณแบบอัดเข้มอาจสมเหตุสมผล
มันช่วยชี้นำให้เรียนคำศัพท์ใหม่ในบริบทจากสื่อเจ้าของภาษาที่สนใจ แทนที่จะเป็นเนื้อหาในตำรา และช่วยให้สร้างคลังข้อความส่วนตัวจากประโยคที่เจอจริงได้
เร็ว ๆ นี้มีแผนจะขยายไปยังสื่ออื่นนอกจากเว็บและ epub เช่น YouTube, มังงะ, อินพุต HDMI, เกมอีมูเลเตอร์ เป็นต้น
แม้จะนำเข้าบัตรคำศัพท์ที่คนอื่นทำไว้ ก็ยังมีเครื่องมือให้ค้นหาประโยคที่เกี่ยวข้องได้ง่ายขึ้นจากสื่อดั้งเดิมที่น่าจะสนใจหรือจากคลังข้อความของตัวเอง และจะเพิ่มการวิเคราะห์ติดตามในระดับคำศัพท์·คันจิอีก โดยเป็นแบบ offline-first และเป็นมิตรต่อความเป็นส่วนตัว
[Mods: it might be helpful to tag this paper as written in 2007]
บทความนี้ดูเหมือนงานเขียนที่อธิบายแนวคิด spaced repetition สำหรับการเรียนรู้ และในวัฒนธรรมด้าน productivity/learning ปัจจุบันก็แพร่หลายพอสมควรแล้ว เช่นจากกรณีของ Ali Abdaal
ตรงที่บอกว่า “แม้แต่ตำราคณิตศาสตร์ก็สามารถใช้รูปแบบที่กระตุ้นให้เกิดการเว้นระยะได้ง่าย” นั้น หากเคยสอนพิเศษคณิตให้เด็กมัธยมต้นจะเห็นว่ามีอยู่ในตำราแล้ว มีแบบทดสอบทบทวนบททั่วไปที่ท้ายแต่ละบท แล้วต่อด้วย “Cumulative Practice” ที่ทบทวนหัวข้อจากบทก่อน ๆ
อย่างที่งานวิจัยเน้น โครงสร้างแบบนี้ช่วยให้นักเรียนเก็บหัวข้อนั้นไว้ใน ความจำระยะยาว ได้เป็นพิเศษ
ส่วนประเด็นที่ว่าการศึกษาแบบใช้คอมพิวเตอร์ยังใช้โอกาสในการจัดวางเซสชันการเรียนเพื่อเพิ่มการคงอยู่ระยะยาวได้ไม่เต็มที่นั้น ซอฟต์แวร์ยอดนิยมอย่าง Anki ก็ใช้โปรโตคอลแบบ “spaced repetition” นี้โดยตรง
data model ของ Anki ค่อนข้างแปลก ซึ่งเกี่ยวข้องกับความยืดหยุ่นของมัน แต่ก็มาพร้อมข้อเสียและหลุมพรางที่คาดไม่ถึงด้วย
มากกว่าการเขียน backend ใหม่ด้วย Rust ผมอยากได้เครื่องมือ spaced repetition ที่มีแนวคิดชัดเจนขึ้นอีกนิดและ UI ที่ขัดเกลามากกว่านี้
โดยส่วนตัวแล้ว กลยุทธ์การคงอยู่ระยะยาวที่ดีที่สุดสำหรับผมคือ การสอนคนอื่น ในสิ่งที่ตัวเองพยายามจะเรียนให้ดีขึ้น
ฟังเผิน ๆ เหมือนเป็นเหตุผลที่มีเหตุมีผลและฉลาด แต่เหตุผลจริงคือ คำสาปของความรู้ คนที่อยู่ในระบบจะมองระบบจากภายนอกไม่ได้ พวกเขาตั้งสมมติฐานไว้ก่อน ใช้คำที่คลุมเครือหรือถึงขั้นชวนให้เข้าใจผิด และใช้เหตุผลแบบวนกลับไปมา
คนใหม่ไม่รู้ศัพท์หรือเหตุผลแบบวนเหล่านั้น จึงมักเขียนคำอธิบายที่คนเข้ามาทำงานคนถัดไปเข้าใจง่ายกว่าสิ่งที่ผมอธิบายเสียอีก และเอกสารที่เขียนแบบนั้นก็ยังช่วยให้ผมมองระบบจากมุมใหม่ด้วย บางทีระบบนี้อาจไม่จำเป็นต้องทำงานแบบนี้ก็ได้
ผู้ช่วยสอนพูดกับนักศึกษาว่า “ดูสิ ฉันอธิบายให้เธอฟังอยู่นานจนสุดท้ายฉันเองก็เข้าใจมันแล้ว!”
น่าสนใจ แต่คาดหวังหลักฐานมากกว่านี้ บทความพูดถึง วิธีสลับ โดยผสมเนื้อหาให้เกิดช่วงเว้นระยะและกลับมาเจออีกครั้ง แต่ส่วนที่บอกว่ามันช่วยเพิ่มการคงอยู่ของความจำจริง ๆ นั้นดูเหมือนเป็นความเห็นมากกว่า
อีกอย่าง ผมไม่เข้าใจเลยว่า “ปฏิสัมพันธ์เชิงสมมติฐานระหว่าง ISI กับ RI” คืออะไรกันแน่ ทำการทดลองให้พอแล้วพล็อตออกมาจริง ๆ ไม่ได้หรือ? กราฟปฏิสัมพันธ์เชิงสมมติฐานใคร ๆ ก็วาดได้
ถ้าสนใจเนื้อหาในบทความนี้หรือ การเรียนรู้เกี่ยวกับการเรียนรู้ ขอแนะนำอย่างยิ่งให้ไปอ่านบล็อกของผู้ส่งบทความ: https://www.justinmath.com/blog/
ไม่ได้มีแค่สิ่งที่ทำได้ด้วยแอป spaced repetition อัตโนมัติแบบอาศัยอินพุตอย่างเดียว เช่น spaced repetition, interleaving, active recall แต่ยังรวมถึงการฝึกแบบ elaboration ที่ซับซ้อนกว่า เช่น dual coding ที่ผสมองค์ประกอบภาพกับองค์ประกอบอื่น ๆ และ free recall
เพื่อจะนำองค์ประกอบเหล่านี้ไปใช้ รวมถึงองค์ประกอบที่ช่วยให้เข้าใจแรงจูงใจ ความคืบหน้า และความเข้าใจผิดที่เป็น “blindspot” ของผู้เรียนที่ตรวจพบได้ ผมจึงพัฒนา Revision.ai ร่วมกับหลักสูตรปริญญาโทด้านจิตวิทยามาตั้งแต่ก่อนยุค GPT-3
https://www.justinmath.com/why-is-the-edtech-industry-so-dam...
นี่เป็นเพียงบทความ 4 หน้าเกี่ยวกับ กลยุทธ์การเรียนแบบเว้นระยะ แบบหนึ่งเท่านั้น ไม่ได้ถึงกับพลิกวงการ และก็ไม่ได้รวบรวมเทคนิคต่าง ๆ อย่างครอบคลุม
สำหรับข้อความที่ว่า “ผู้คนลืมสิ่งที่เรียนไปเป็นสัดส่วนมาก นักเรียนจึงอาจได้ประโยชน์จากกลยุทธ์การเรียนที่ช่วยให้ความรู้คงอยู่ได้นาน แต่กลับแทบไม่เป็นที่รู้กันเลยว่าจะบรรลุการคงอยู่ระยะยาวอย่างมีประสิทธิภาพสูงสุดได้อย่างไร” ผมคิดมาโดยตลอดว่าปัญหาที่แท้จริงคือ ความเกี่ยวข้องของข้อมูล เสมอ
คนเราต้องการเหตุผลเชิงปฏิบัติว่าทำไมจึงควรจำอะไรบางอย่าง นอกเหนือจากการสอบไร้สาระแบบประดิษฐ์ขึ้นมา เทคนิคที่มีประสิทธิภาพก็ดีอยู่หรอก แต่แทบไม่มีอะไรบั่นทอนแรงจูงใจได้เท่ากับการไม่มีเหตุผลให้เรียน นอกจากแค่ “ต้องเรียนเพราะเขาบอกให้เรียน”
เวลาคุณเรียนสิ่งที่คุณสนใจจริง ๆ คุณไม่จำเป็นต้องใช้แฟลชการ์ด โน้ตมหาศาล หรือมองหาเทคนิคขั้นสูง มันแทบจะถูกจำได้ทันทีโดยไม่ต้องพยายาม
มันเหมือนมีอุปกรณ์บางอย่างที่คอยวัดความเกี่ยวข้องของข้อมูลโดยไม่รู้ตัว และปรับระดับการดูดซึมเชิงกายภาพได้ พูดอีกแบบก็คือเป็น “อัตราการเรียนรู้” ชนิดหนึ่ง
เวลาสอนนักเรียนที่ถูกมองว่าเป็น “หัวกะทิที่สุดในบรรดาหัวกะทิ” การใช้คำว่า ความสนุก ฟังดูเจ็บปวดพอสมควร แต่ถึงอย่างนั้นความสนุกก็ยังสำคัญ และอย่างน้อยในช่วงเวลาส่วนใหญ่ของภาคการศึกษา มันมีผลกับนักเรียนมากกว่าความมีประสิทธิภาพเสียอีก เพราะพวกเขาแค่ “ถูกบอกให้เรียน”
โดยพื้นฐานแล้ว ตลอด 70% ของภาคการศึกษา นักเรียนส่วนใหญ่ไม่ได้อ่านหนังสือ 40 ชั่วโมง งานจริงอาจมีแค่ราว 30 ชั่วโมง และที่ทำได้อย่างมีประสิทธิผลอาจเหลือเพียง 15 ชั่วโมง เพราะในวิชาที่ความสนใจไม่ได้เกิดขึ้นเองตามธรรมชาติ มันไม่มีสะพานที่จะทำให้พวกเขาสนใจหรือเกิดแรงจูงใจ
ในปี 2021 ผมเริ่มใช้ GPT-3 สร้างการ์ดสร้างแรงจูงใจแบบ “ทำไมต้องเรียนแนวคิดนี้” ใส่ไว้ในแอปแฟลชการ์ด Revision.ai คุณอ่านได้ในข้อที่สาม: https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
เหตุผลที่ปิดการ์ดเหล่านี้ก็ง่ายมาก คือผมหาจังหวะที่เหมาะจะโชว์ให้ตรงเวลาที่นักเรียนต้องการจริง ๆ ไม่ได้ ถ้าแอปถูกปิดอยู่ แปลว่าเขาไม่มีแรงจูงใจและจะไม่เห็นการ์ด แต่ถ้าแสดงมันระหว่างช่วงเรียน การ์ดหรือแม้แต่ตัวอย่างที่ AI สร้างก็จะตัดจังหวะการไหลของการเรียน [https://www.instagram.com/p/CVVlIuVg31W/]
ผมยังลองแนะนำวิดีโอ YouTube แบบสั้นหรือความยาวปานกลางที่เกี่ยวข้อง เพื่อใช้เป็นสื่อภาพหรือเป็น “ช่วงพัก” จากการเรียนแบบอัดแน่นเกินไป แต่ก็ไม่ได้ช่วยเพิ่มผลลัพธ์ของนักเรียน สุดท้ายดูเหมือนว่ายังแก้ความรู้สึกว่าเป็นสิ่งที่ถูกสั่งให้ทำ มากกว่าจะไหลไปสู่การเรียนอย่างเป็นธรรมชาติไม่ได้อยู่ดี
ถ้าใครมีไอเดียเชิงเทคนิคหรือเชิงแนวคิดที่จะช่วยเพิ่มความสนใจของนักเรียน ผมอยากฟัง ผมพบว่าถ้าเปลี่ยนสไลด์บรรยายเป็นชุดแบบฝึกหัดที่มีองค์ประกอบภาพชัดเจน [https://www.instagram.com/p/C5ByftwiJ00/] แบ่งเนื้อหาให้ย่อยลง และแสดงความคืบหน้า นักเรียนจะมีแรงจูงใจให้เรียนมากขึ้น งานวิจัยที่เกี่ยวข้องยังชี้ว่ามันอาจช่วยลดความกังวลและความตึงเครียดจากการสอบได้ด้วย
ถ้าสิ่งที่ทำให้มีแรงจูงใจเป็นสิ่งที่ฝึกปฏิบัติได้ คุณก็อาจจำได้ดีขึ้นจากการลงมือทำจริง ซึ่งสิ่งนี้ก็ทำงานเหมือน spaced repetition รูปแบบหนึ่ง แต่ในสาขาอย่างดาราศาสตร์ฟิสิกส์หรือเศรษฐศาสตร์มหภาค การทำแบบนั้นทำได้ยากกว่า
ถ้ามีแรงจูงใจ คุณก็มีแนวโน้มจะหยิบหนังสือเล่มอื่นในหัวข้อเดียวกันมาอ่านมากขึ้น ซึ่งนี่ก็เป็นอีกแบบหนึ่งของ spaced repetition
ที่ การเรียนเกินจำเป็น แพร่หลาย อาจไม่ใช่เพราะมันเป็นประโยชน์ต่อผู้เรียนแต่ละคนมากนัก แต่เพราะมันเป็นวิธีที่ครูใช้จัดการนักเรียนจำนวนมากพร้อมกัน
การจะวัดปริมาณการเรียนที่พอดีเป๊ะได้ ครูต้องทำงานกับนักเรียนแต่ละคนเป็นรายบุคคล และให้แบบฝึกหัดตามคุณภาพของความรู้ที่เพิ่งก่อตัวขึ้นใหม่
แต่โดยมากระบบถูกออกแบบมาให้เหมาะกับ การศึกษาแบบมวลชน ซึ่งมุ่งขยายอิทธิพลของครูเป็นหลัก
กำลังพัฒนา Manabi Reader เครื่องมือ iOS/macOS สำหรับเรียนรู้ผ่านการอ่านภาษาญี่ปุ่นแบบเต็มเวลา: https://reader.manabi.io
มันผสานการอ่านเข้ากับแฟลชการ์ด เพื่อติดตามคำศัพท์และคันจิทั้งหมดที่คุณได้อ่านและเรียนรู้ จากนั้นจะวิเคราะห์ว่าควรเรียนรู้อะไรบ้างเพื่อให้อ่านบทความบางชิ้นได้หรือบรรลุเป้าหมาย JLPT พร้อมทั้งไฮไลต์คำที่ไม่รู้และคำที่กำลังเรียนอยู่ในข้อความ
งานถัดไปของแฟลชการ์ดคือการเปลี่ยนอัลกอริทึม SM2 เป็น FSRS และทำให้การอ่านคอนเทนต์เพียงอย่างเดียวสามารถนับเป็นการทบทวนแฟลชการ์ดแบบพาสซีฟได้
มองว่าการทบทวนแฟลชการ์ดทีละใบเป็นเวลาหลายชั่วโมงอาจพลาดบางอย่างไปในแง่ของความเร็วในการเรียนรู้ นอกจากการทบทวนแฟลชการ์ดแบบพาสซีฟระหว่างอ่านแล้ว ยังมีแผนจะทดลองเทคนิคการทบทวนแบบอื่น เช่น การดูคำศัพท์ปริมาณหนึ่งหน้าพร้อมคำตอบที่ปิดไว้ได้ในครั้งเดียว
จิตใจของเรายังซึมซับข้อมูลได้จากการกวาดตามองและรับข้อมูลจำนวนมากพร้อมกันในบริเวณรอบนอกของการมองเห็น จึงไม่มั่นใจว่ารูปแบบสุดท้ายของแอปการเรียนรู้ที่อิงงานวิจัยเรื่องเส้นโค้งการลืมจะลงเอยที่ UI ของแฟลชการ์ด แบบปัจจุบัน
กำลังทำฟีเจอร์ Reader อย่างมังงะ, PDF, YouTube, เกมอีมูเลเตอร์ และการขยายไปยังทุกภาษาอยู่ด้วย
ถ้าสนใจงานวิจัยที่คล้ายกัน ลองดู https://supermemo.guru ได้ หน้า “about” ที่ค่อนข้างซ่อนอยู่คือ https://supermemo.guru/wiki/SuperMemo_Guru:About
ผู้เขียนเป็นคนที่ใช้เวลากับหัวข้อนี้และประวัติของมันค่อนข้างมาก รวมถึงลงมือเขียนแอปพลิเคชันด้วย
https://supermemo.guru/wiki/School_damages_your_brain
ในฐานะคนที่ตีพิมพ์งานด้านประสาทวิทยาศาสตร์ นี่คือขยะล้วน ๆ
ผมเคยศึกษามาก่อนว่าควรเรียนรู้อย่างไร และนี่ก็เป็นงานวิจัยเกี่ยวกับ spacing learning ที่ได้รู้จักในตอนนั้นครับ มีหนังสือเล่มหนึ่งที่รวบรวมเนื้อหาประเภทนี้แบบเข้มข้นไว้ ใครที่สนใจก็ลองหาอ่านกันได้ครับ
แปลไทย: เรียนอย่างไรให้ได้ผล
ต้นฉบับ: Make It Stick
https://www.yes24.com/Product/Goods/15341766