چرخاندن شمشیرهای نور مجازی و مشت زدن، یادگیری مبتنی بر الگو را در تستهای VR بهبود میبخشد
بر اساس تحقیقات جدید کالج مهندسی و علوم کامپیوتر دانشگاه آتلانتیک فلوریدا که فرضیات دیرینه در مورد نحوه یادگیری افراد را به چالش می کشد، مشت زدن به جعبه پاسخ مجازی یا چرخاندن یک شمشیر نوری مجازی می تواند یادگیری در برخی از وظایف را به طور چشمگیری بهبود بخشد.
ویرایش شده توسط گابی کلارک، بررسی توسط رابرت ایگان
این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
بر اساس تحقیقات جدید کالج مهندسی و علوم کامپیوتر دانشگاه آتلانتیک فلوریدا که فرضیات دیرینه در مورد نحوه یادگیری افراد را به چالش می کشد، مشت زدن به جعبه پاسخ مجازی یا چرخاندن یک شمشیر نوری مجازی می تواند یادگیری در برخی از وظایف را به طور چشمگیری بهبود بخشد.
تصمیم گیری در مورد اینکه آیا جاده لغزنده است، تشخیص ضایعه بالقوه خطرناک در اسکن پزشکی یا تعیین اینکه آیا یک تکه میوه رسیده است ممکن است تنها وظایف ذهنی به نظر برسد. اما در زندگی روزمره، طبقهبندی آنچه میبینیم اغلب با نحوه حرکت و تعامل ما با دنیای اطرافمان مرتبط است.
علیرغم این ارتباط، دههها تحقیق عمدتا یادگیری مقولهای را بهعنوان یک فرآیند شناختی تلقی کردهاند که حرکت فیزیکی تنها برای بیان یک تصمیم پس از اتخاذ آن عمل میکند. با کمال تعجب، تحقیقات کمی بررسی کرده است که آیا اعمال فیزیکی افراد در هنگام طبقه بندی اطلاعات می تواند بر میزان یادگیری آنها تأثیر بگذارد یا خیر.
اکنون، محققان دانشگاه فلوریدا آتلانتیک و براون دریافتهاند که حرکات بزرگتر میتواند به طور قابل توجهی یادگیری را بهبود بخشد. با این حال، مزیت بستگی به نوع دسته ای دارد که آموخته می شود.
این یافتهها که در Science Advances منتشر شده است، نظریههای سنتی یادگیری مقولهای را به چالش میکشد، که عموما بر نحوه بازنمایی و تشخیص ذهنی اشیاء توسط افراد تمرکز میکنند و حرکت را به عنوان آخرین مرحله در این فرآیند تلقی میکنند. در عوض، این تحقیق نشان میدهد که پاسخهای فیزیکی ممکن است نقش فعالی در شکلدهی به آموختههای افراد داشته باشند.
برای بررسی، محققان یک آزمایش واقعیت مجازی همهجانبه را توسعه دادند که در آن شرکت کنندگان یاد گرفتند که الگوهای بصری را با فشار دادن دکمه های ساده یا حرکات بازوهای بزرگتر دسته بندی کنند. شرکتکنندگان یا یک شمشیر نوری مجازی را برای برخورد به یک هدف تاب میدادند یا بدون اینکه مستقیما با محرک بصری تعامل داشته باشند، به جعبه پاسخ ضربه زدند. محققان دو نوع یادگیری دسته بندی را آزمایش کردند. یکی بر قوانین صریح تکیه می کند، مانند شناسایی یک شی بر اساس ویژگی های خاص.
مورد دیگر مستلزم آن است که افراد الگوها را بشناسند و ویژگی های متعددی را برای قضاوت ادغام کنند، اغلب بدون اینکه بتوانند دقیقا نحوه رسیدن به یک تصمیم را بیان کنند.
نتایج تفاوت قابل توجهی را نشان داد. شرکتکنندگانی که از حرکات بازوی بزرگتر استفاده میکردند، مقولههای مبتنی بر شباهت را مؤثرتر یاد گرفتند و به دقت بیشتری نسبت به کسانی که با فشار دادن دکمههای ساده پاسخ دادند، دست یافتند. با این حال، حرکات بزرگتر هیچ سود معناداری برای یادگیری دستهها بر اساس قوانین صریح نداشتند، حتی زمانی که محققان آن کار را چالشبرانگیزتر کردند.
لوک روزدال، دکترا، نویسنده مسئول، استادیار دپارتمان مهندسی بیومدیکال FAU، عضو هیأت علمی موسسه شهرهای هوشمندتر، فضاها و سلامت FAU و یکی از اعضای مؤسسه مغزی FAU Stiles-Nicholson گفت: «چیزی که من را بیش از همه شگفت زده کرد این بود که تأثیر انتخابی چقدر بود.
"ما دریافتیم که حرکات بزرگتر زمانی که افراد مجبور بودند الگوها را با ادغام چندین ویژگی تشخیص دهند، یادگیری را به طور قابل توجهی بهبود می بخشد، اما وقتی افراد دسته بندی ها را با استفاده از قوانین صریح یاد می گیرند، هیچ فایده معنی داری ارائه نمی دهد. حتی جالب تر، این مزیت رخ می دهد که شرکت کنندگان به سمت هدف تاب می خوردند یا جعبه پاسخ جداگانه ای را مشت می کردند. به نظر می رسید که خود حرکت مهم است، نه اینکه آیا مستقیما با چیزی که یاد می گرفتند تعامل داشته باشد."
محققان آزمایشهای بیشتری انجام دادند تا تعیین کنند که آیا این بهبود میتواند با عوامل دیگری توضیح داده شود یا خیر. آنها مدت زمانی که شرکت کنندگان هر تصویر را مشاهده کردند را کنترل کردند، تفاوت در سرعت پاسخگویی را در نظر گرفتند و کار مبتنی بر قانون را پیچیده تر کردند. مزیت حرکات بزرگتر، مختص یادگیری مبتنی بر شباهت بود.
شاید مهمتر از همه، شرکتکنندگانی که با استفاده از حرکات بزرگتر تمرین کردهاند، حتی پس از تغییر به فشار دادن دکمههای ساده، مزیت خود را حفظ کردند. این نشان میدهد که حرکت به جای سادهتر کردن پاسخ صحیح در لحظه، به تقویت خود یادگیری کمک کرد.
روزدال میگوید: «برای دههها، یادگیری دستهبندی عمدتا بهعنوان فرآیندی مورد مطالعه قرار گرفته است که در آن مغز تصمیم میگیرد چیزی چیست و سپس بدن را راهنمایی میکند که چگونه پاسخ دهد. "یافتههای ما حاکی از آن است که حرکت میتواند خود یادگیری را نیز شکل دهد. با نشان دادن اینکه حرکت برای برخی از انواع یادگیری مفید است اما برای انواع دیگر مفید نیست، میتوانیم تئوریهای موجود را اصلاح کنیم و بهتر درک کنیم که چگونه ادراک، تصمیمگیری و سیستمهای حرکتی با هم کار میکنند. همچنین باید بپرسیم که آیا وظایف سنتی فشار دادن دکمهها راههای بهبود یادگیری را نادیده گرفتهاند."
این یافتهها میتواند آموزش برای وظایف پیچیدهای را که افراد را ملزم به ادغام اطلاعات و شناخت الگوها، از جمله تشخیص پزشکی و هوانوردی میکند، راهنمایی کند. یادگیری این وظایف می تواند دشوار باشد و در برابر روش های تدریس سنتی مقاوم باشد. در تحقیقات قبلی، Rosedahl دریافت که ارائه دستورالعمل های مکتوب در مورد نحوه دقیق انجام یک کار، عملکرد را بهبود نمی بخشد.
Rosedahl می گوید: «ترکیب حرکت می تواند راهی ساده برای بهبود یادگیری در شرایطی باشد که رویکردهای مرسوم کوتاهی می کنند.
این یافتهها همچنین طرحهای تمرینی سنتی را که حرکت را به حداقل میرسانند، به چالش میکشند و نشان میدهند که انجام این کار ممکن است به طور ناخواسته عملکرد را محدود کند. واقعیت مجازی همهجانبه میتواند راهی برای گنجاندن حرکت هدفمند در آموزش ارائه دهد، اگرچه تحقیقات بیشتری برای تعیین اینکه آیا این مزایا به تنظیمات دنیای واقعی نیز گسترش مییابد، مورد نیاز است.
Stella Batalama، Ph.D.، رئیس دانشکده مهندسی و علوم کامپیوتر FAU گفت: "این مطالعه ما را به چالش می کشد تا در مورد چیزی اساسی در مورد یادگیری تجدید نظر کنیم: رابطه بین فکر و عمل." درک اینکه چگونه حرکت یادگیری را شکل میدهد میتواند به رویکردهای جدیدی برای آموزش مهارتهای پیچیده و آمادهسازی افراد برای تصمیمگیری در موقعیتهای سخت و واقعی منجر شود.»
نویسندگان این مطالعه عبارتند از: یوکا ساساکی، دکترا، و تاکئو واتانابه، دکترای تخصصی، هر دو با دانشگاه براون.
لوک روزدال، یادگیری با حرکت: حرکت فیزیکی یادگیری دسته را تسریع میکند، پیشرفت علم (2026). DOI: 10.1126/sciadv.aed4003. www.science.org/doi/10.1126/sciadv.aed4003
کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →
لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →
متن اصلی (انگلیسی)
Swinging virtual lightsabers and punching improve pattern-based learning in VR tests
Punching a virtual response box or swinging a virtual lightsaber can dramatically improve learning on certain tasks, according to new research from Florida Atlantic University's College of Engineering and Computer Science, which challenges long-standing assumptions about how people learn.