コーチングプラクティス: ワーキングメモリと熟達の関係
取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「ワーキングメモリと熟達の関係」については、現在のプラクティスライブラリからの最適な一致をご覧ください。
役立つかもしれないプラクティス
- 作業記憶:脳がどう思考を維持するのか
アラン・バドリーとグラハム・ヒッチの作業記憶モデルは、情報を一時的に保持し操作する認知的なワークスペースを記述する——それは単なるバッファではなく、限られた容量を持つ能動的なシステムだ。その構造を理解することは、なぜマルチタスクがパフォーマンスを低下させるのか、なぜ特定の学習デザインが裏目に出るのか、そしてどう脳に合わせて学習を構造化するかを説明する。 - メンタル表象:専門家の内的な地図
アンダース・エリクソンが『PEAK』で描写したメンタル表象とは、専門家がリアルタイムで自分のパフォーマンスを計画し、モニターし、自己修正するために使う内的な認知構造です。一般的な知識を持つ初心者とは異なり、専門家は豊かで詳細な領域特化型のモデルを持っており、それが彼らのパフォーマンスをより速く、より正確に、より自己修正的にします。これらの表象は意図的な練習を通じて築かれ、それが今度はさらなる練習をより効率的にします。 - 自分のメンタル表象を使って、リアルタイムで自分のパフォーマンスをモニターする
自分がしていることを、するべきことの表象と比較することに、注意の一部を保つ。
メンタル表象:専門家の内的な地図 - 作業記憶に使わせる前に情報をチャンク化する
組み立てが作業記憶に収まるよう、組み合わせる前に部品を習得する。
作業記憶:脳がどう思考を維持するのか - 独力で問題を解く前にワークト・イグザンプルを学ぶ
新しいことを学ぶときは、すぐに問題解決するのではなく、まず解答済みの例を学ぶ。
作業記憶:脳がどう思考を維持するのか - 思考発話モデリング
熟達者が課題を実行しながらリアルタイムで自分の推論を語り、見えない認知を聞こえるものにする。
認知的徒弟制:思考を可視化して学ぶ - 認知的なオーバーヘッドを減らすためタスク切り替えを訓練する
関連するタスク間の切り替えを意図的に練習し、移行のコストを下げる。
作業記憶:脳がどう思考を維持するのか - 拡散的な繋がりのためにワーキングメモリを解放するようチャンクを構築する
基礎を自動化されるまで訓練し、より高次の統合のための認知リソースを解放する。
集中思考と拡散思考 - 物語やストーリーでモダリティを横断して統合する
バラバラの情報を一貫したストーリーや文脈に結びつけ、保持し思い出しやすくする。
作業記憶:脳がどう思考を維持するのか - プレッシャー下で達人の直感的反応をルールへの後退から守る
達人は訓練された直感を信頼するときに最も力を発揮する。プレッシャー下で明示的なルールに後退することは、しばしば退行に当たる。
ドレイファスモデル:初心者から熟達者までの5段階
関連する悩み
- ジョン・スウェラーのワーキングメモリ理論
ジョン・スウェラーが開発した認知負荷理論は、学習がワーキングメモリによってボトルネック化されると説明する。ワーキングメモリは同時に約4〜7個の項目しか保持できない。この理論は、教材に内在する負荷、提示の悪さによって生じる外在的負荷、スキーマ構築による本質的負荷を区別する。効果的な学習と指導は外在的負荷を最小化し、解放された容量を真の理解へと向ける。
認知負荷理論:ワーキングメモリの限界の中で学ぶ
- ワーキングメモリとは
アラン・バドリーとグラハム・ヒッチの作業記憶モデルは、情報を一時的に保持し操作する認知的なワークスペースを記述する——それは単なるバッファではなく、限られた容量を持つ能動的なシステムだ。その構造を理解することは、なぜマルチタスクがパフォーマンスを低下させるのか、なぜ特定の学習デザインが裏目に出るのか、そしてどう脳に合わせて学習を構造化するかを説明する。
作業記憶:脳がどう思考を維持するのか
- 新しい仕事で頭の中の情報を整理するには
アラン・バドリーとグラハム・ヒッチの作業記憶モデルは、情報を一時的に保持し操作する認知的なワークスペースを記述する——それは単なるバッファではなく、限られた容量を持つ能動的なシステムだ。その構造を理解することは、なぜマルチタスクがパフォーマンスを低下させるのか、なぜ特定の学習デザインが裏目に出るのか、そしてどう脳に合わせて学習を構造化するかを説明する。
- バドリーのワーキングメモリ理論
アラン・バドリーとグラハム・ヒッチの作業記憶モデルは、情報を一時的に保持し操作する認知的なワークスペースを記述する——それは単なるバッファではなく、限られた容量を持つ能動的なシステムだ。その構造を理解することは、なぜマルチタスクがパフォーマンスを低下させるのか、なぜ特定の学習デザインが裏目に出るのか、そしてどう脳に合わせて学習を構造化するかを説明する。
- ワーキングメモリの中央実行系
関連するタスク間の切り替えを意図的に練習し、移行のコストを下げる。
認知的なオーバーヘッドを減らすためタスク切り替えを訓練する
- 作業記憶を外部化する
外部に書き出すことで、作業記憶をストレージではなく思考のために自由にしておく。
周辺的な情報を外部化して作業記憶を解放する
自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。