Текст книги "Десять шагов комплексного обучения. Четырехкомпонентная модель дизайна обучения"

3.4. «Десять шагов» в контексте дизайна обучения

«Десять шагов» будут часто применяться в контексте дизайна обучения. ADDIE-модели дизайна обучения делят процесс разработки учебных систем на пять этапов: анализ, дизайн, разработка, внедрение и оценка (Van Merriënboer, 2013a). При этом формирующая оценка проводится на всех этапах. «Десять шагов» сосредоточены только на первых двух этапах процесса разработки учебных материалов – на анализе и дизайне. В частности, это анализ сложного навыка или профессиональной компетенции, которому необходимо обучить, в рамках интегрированного процесса анализа задач и материалов (также называемого когнитивным анализом задач; Clark et al., 2008) и преобразование результатов этого анализа в готовый к разработке и внедрению проект обучения. Модель десяти шагов лучше всего применять в сочетании с дополняющей ее моделью дизайна обучения, например включающей оценку и анализ потребностей, разработку учебных материалов, внедрение и предоставление материалов, а также итоговую оценку реализованной программы.

На начальном этапе предполагается, что существует проблема в работе, которую можно решить с помощью обучения, и что существует общая цель обучения, а именно обучение сложному навыку или профессиональной компетенции. Если это предположение не может быть полностью обосновано, желательно провести оценку потребностей до выполнения десяти шагов, чтобы найти ответы на такие вопросы, как (Barbazette, 2006):

• Чему учащиеся должны научиться после обучения?

• Возможно, они это уже делают, но существует проблема с производительностью?

• Каковы возможные причины проблем успеваемости?

• Можно ли решить проблему успеваемости с помощью обучения?

После подобной оценки потребностей следует провести детальный анализ задач. Методы анализа, обсуждаемые в этой книге (главы 5–6, 8–9 и 11–12), полностью интегрированы в модель десяти шагов, но имеют много общего с другими комплексными моделями анализа задач, такими как модель интегрированного анализа задач (Ryder & Redding, 1993) и модель концепций, процессов и принципов (Clark et al., 2008; Yates & Feldon, 2010).

В итоге результатом десяти шагов становится очень подробный план обучения, который служит основой для создания учебной среды и подготовки учебных материалов. В терминологии дизайна обучения это означает переход от этапа дизайна к этапу разработки или внедрения.

3.5. Резюме

• Дизайн обучения состоит из десяти действий: разработка учебных задач, разработка поддерживающей информации, разработка процедурной информации, разработка частичной практики, разработка оценок эффективности, создание последовательности задач, анализ когнитивных стратегий, анализ ментальных моделей, анализ когнитивных правил и анализ необходимых знаний.

• Динамика системы обучения показывает, что результат каждого действия влияет на все остальные действия. В реальных проектах дизайна встречаются итерации, уровни необходимости и переключение между видами деятельности – так называемый зигзагообразный дизайн.

• Модель «камень в пруду» – это версия традиционного дизайна обучения, ориентированная на материалы, которая сразу определяет одну или несколько учебных задач, а не только абстрактные цели обучения. Таким образом, процесс начинается с того, что в пруд учебного проектирования бросают камень – одну или несколько целостных учебных задач. Процесс разворачивается, как круги по воде от этого камня.

• Десять шагов, упорядоченные в соответствии с моделью «камень в пруду», включают следующие действия:

1. Разработка учебных задач;

2. Определение критериев оценки эффективности деятельности;

3. Создание последовательности задач;

4. Разработка поддерживающей информации;

5. Анализ когнитивных стратегий;

6. Анализ ментальных моделей;

7. Проектирование процедурной информации;

8. Анализ когнитивных правил;

9. Анализ предварительных знаний;

10. Разработка частичной практики.

• Десять шагов лучше всего применять в сочетании с дополняющей их моделью дизайна обучения, например включающей оценку и анализ потребностей, разработку учебных материалов, внедрение и предоставление материалов, а также итоговую оценку реализованной программы.

Ключевые понятия

Быстрое прототипирование; дизайн обучения; динамика системы обучения; зигзагообразный дизайн; итерация; модель «камень в пруду»; модель ADDIE; открытые образовательные ресурсы (ООР); уровень необходимости

Глава 4.
Шаг 1: разработка учебных задач

Необходимое условие

Учебные задачи – первый компонент дизайна обучения, они обеспечивают основу вашего плана обучения. Вы всегда должны выполнять этот шаг.

Традиционные школьные задачи тщательно сконструированы, хорошо проработаны, компактны, ориентированы на индивидуальное выполнение и разработаны таким образом, чтобы наилучшим образом отражать конкретный учебный материал, а не реальность. Архетипическая задача такого типа:

Два поезда, идущие навстречу друг другу со скоростью v км/ч, покидают свои станции, находящиеся на расстоянии s км. Когда они столкнутся?

Такие задачи считаются весьма подходящими для приобретения базовых навыков, но они не репрезентируют реальных проблем, актуальных для учащихся (если только вы не железнодорожный диспетчер, планирующий время столкновения поездов), и не считаются эффективными для приобретения сложных навыков и компетенций или для достижения переноса обучения на реальную жизнь.

В этой главе представлены рекомендации по разработке учебных задач – первого и важнейшего компонента «Десяти шагов». Это и есть тот самый камень, который бросают в пруд. Именно из этих задач становится ясно, чем придется заниматься учащимся в процессе обучения и после него. Традиционные модели дизайна обучения обычно основаны на изложении предмета как основе обучения, к которой добавляются учебные задачи, часто называемые элементами практики. В отличие от них, «Десять шагов» начинаются с разработки значимых практических задач – будущей основы, на которой объединяются остальные компоненты дизайна, включая сам предмет.

Эта глава устроена следующим образом. В разделе 4.1 описывается, как реальные задачи становятся основой для разработки учебных задач. В разделе 4.2 обсуждается, как учащиеся выполняют эти задачи в реальной и (или) смоделированной среде. Среды могут быть разной степени сложности, но они всегда должны позволять учащимся работать над учебными задачами. В разделе 4.3 подчеркивается важность разнообразия учебных задач – вариативность практики является, вероятно, самым мощным методом достижения переноса обучения на реальную жизнь. В разделе 4.4 объясняются концепции встроенной поддержки задач и руководства для разрешения проблем. В разделах 4.5 и 4.6 рассматриваются учебные задачи с различными уровнями встроенной поддержки, включая обычные задачи, задачи на имитацию, кейс-стади и т. д., а также различные подходы к руководству для разрешения проблем. В разделе 4.7 объясняется принцип, согласно которому в процессе скаффолдинга поддержка и руководство должны угасать по мере накопления опыта учащимися. Глава завершается кратким резюме.

4.1. Задачи из реальной жизни

Задачи из реальной жизни, рассматриваемые в этой книге, отличаются от типичных школьных задач как минимум по трем параметрам. Во-первых, они почти всегда плохо структурированы. Во-вторых, они не относятся к одной дисциплине, а являются междисциплинарными. В-третьих, они бывают не только индивидуальными, но и командными.

Плохо структурированные задачи

Школьные задачи обычно хорошо структурированы – они предоставляют учащемуся все элементы проблемы, требуют применения ограниченного числа правил и (или) процедур и имеют известные, понятные решения. Кроме того, они по своей природе конвергентны, то есть имеют один правильный ответ. Реальные задачи, напротив, плохо структурированы, они сталкивают исполнителя с неизвестными элементами, могут иметь несколько приемлемых решений или совсем не иметь решения, предлагают множество критериев для оценки решений и часто требуют от учащихся вынесения суждений (Jonassen, 1997). Риттел и Уэббер (1973) сделали еще один шаг вперед, обсуждая так называемые коварные проблемы, которые не только сложны, но иногда неразрешимы из-за неполных, противоречивых и (или) меняющихся требований.

Таким образом, плохо структурированные (и коварные) проблемы нельзя решить путем применения правил или процедур, они требуют знания области (ментальных моделей) и подходов к проблемам этой области (когнитивных стратегий), чтобы найти приемлемое решение. Поэтому в «Десяти шагах» сложные навыки и составляющие их умения обычно рассматриваются как неповторяющиеся. Эти навыки основаны на знаниях и могут позволить решать проблемы в определенной области, но не гарантируют этого, поскольку являются эвристическими, а не алгоритмическими. Это означает, что они не следуют определенному набору правил и процедур для решения задач, а используют общий метод, достаточный для их решения, но не гарантирующий оптимального или идеального решения.

Теоретически хорошо понятно, чем отличаются решения плохо структурированных и хорошо структурированных задач, но реальные задачи почти всегда требуют сочетания обоих подходов (Van Merriënboer, 2013b). При этом исполнитель должен сам координировать когнитивные процессы, ответственные за решение плохо структурированных задач (то есть неповторяющиеся навыки) и хорошо структурированных задач (то есть повторяющиеся навыки). Когда профессионалы используют свои ментальные модели и когнитивные стратегии для решения реальных задач, они применяют известные им правила или автоматизированные схемы для выполнения знакомых, рутинных аспектов решения проблемы, при этом «освобождая мыслительные ресурсы для новых аспектов решения проблемы» (Frederiksen, 1984, p. 365).

Мультидисциплинарные задачи

Хорошо структурированные проблемы часто бывают ограничены одной предметной областью или дисциплиной, но реальные задачи почти всегда требуют знаний из разных дисциплин. Врач, который ставит диагноз пациенту, использует знания анатомии, физиологии, патологии, фармакологии и других дисциплин, связанных с медициной. Кроме того, для работы с пациентом ему необходимо знание этики, права и социальной психологии. Исследователю, который ставит эксперимент, необходимы знания из его теоретической области, а также методологии, статистики, исследовательской этики и других дисциплин. При этом он должен уметь излагать свои выводы – то есть использовать навыки письма, логики, риторики и т. д. А парикмахеру, который делает стрижки, нужны знания современных причесок, текущих общественных тенденций, химии (для работы с краской и средствами укладки волос), методов оплаты и других областей. Таким образом, когда в качестве основы для разработки учебных задач используются реальные задачи, это неизбежно приводит к тому, что поддерживающая информация для этих задач имеет междисциплинарный характер.

Командные задачи и интерпрофессиональное обучение

Реальные задачи часто выполняются не отдельным человеком, а командой. Понятно, почему это норма для полиции, пожарных и военных, но часто это происходит и во многих других областях. Кроме того, командные задачи часто требуют сотрудничества профессионалов из разных областей. В бригадах скорой помощи вместе работают врачи, медсестры и парамедики, в командах разработчиков в веб-дизайне – креативные дизайнеры, ИТ-специалисты и программисты, в командах разработчиков новых продуктов – социологи, материаловеды, инженеры, маркетологи и юристы, в командах разработки политик охраны окружающей среды – экологи, медики, юристы и др. И если реальные жизненные задачи решаются командами, то, согласно «Десяти шагам», учебные задачи, основанные на этих реальных задачах, также будут командными. Следовательно, образовательные программы, разработанные на основе «Десяти шагов», могут включать интерпрофессиональное обучение (Hammick et al., 2007), при котором над учебными задачами совместно работают люди, обучающиеся разным дисциплинам.

От реальных задач к учебным задачам

Определять, какие реальные задачи можно взять за основу для разработки учебных задач, лучше всего путем опроса профессионалов и преподавателей из данной предметной области. При подготовке обычно изучают такие материалы, как технические руководства, рабочие документы и описания обязанностей, а также, чтобы избежать дублирования работы, существующие образовательные программы и открытые образовательные ресурсы. Изучение документов обеспечивает разработчика программы обучения достаточной исходной информацией для последующего интервьюирования профессионалов. На более поздних этапах дизайна стоит привлекать экспертов в предметной области из разных дисциплин, чтобы в полной мере отразить междисциплинарный характер задач.

Использование реальных жизненных задач как основы для учебных задач гарантирует, что учащиеся будут отрабатывать базовые навыки, а не изучать общую информацию о них. Такой дизайн также гарантирует, что для выполнения задачи потребуется обучение – то есть внимание учащихся будет сосредоточено на когнитивных процессах обучения, а не только на выполнении задач. Это достигается (Kirschner, Sweller, & Clark, 2006):

• изменением реальной или смоделированной среды, в которой выполняются задачи;

• обеспечением вариативности практики;

• оказанием надлежащей поддержки и руководства.

4.2. Реальная и смоделированная среда выполнения задач

Основная цель учебных задач – помочь учащимся индуктивно построить когнитивные схемы на основе их конкретного опыта. Таким образом, среда выполнения задач должна позволять учащимся работать над учебными задачами, которые предлагают такой конкретный опыт. Вот почему такая среда называется основной средой обучения. Это может быть либо реальная среда с ее обычными инструментами и объектами, либо ее имитация. В некоторых случаях реальная среда вполне подходит для выполнения учебных задач – например, разработке ПО можно обучаться в обычной среде программирования, техническому обслуживанию автомобилей – в реальном гараже, а ремонту электронных схем – на обычном рабочем месте. Тем не менее существует ряд причин для отработки учебных задач в смоделированной среде:

• образовательные (например, чтобы шире отразить проблемы, с которыми может столкнуться учащийся);

• практические (например, недостаток рабочих мест для обучения всех учащихся);

• инструментальные (например, опасность обучения в реальной среде).

В этих случаях может помочь симуляция, и тогда в процессе дизайна обучения важно решить, какой степенью достоверности (сходства с реальной средой задачи) она должна обладать.

Смоделированные среды выполнения задач

Смоделированная среда выполнения задач может предлагать более благоприятные возможности для обучения, чем реальная среда, – особенно на ранних этапах процесса обучения. В таблице 4.1 перечислены основные причины использования смоделированной среды. Оказывается, реальная среда иногда неблагоприятна для обучения – в ней бывает сложно или невозможно контролировать последовательность учебных задач (как при обучении авиадиспетчеров непосредственно в аэропорту), из-за чего учащимся приходится выполнять слишком сложные или слишком простые для них задачи. Иногда реальная среда не обеспечивает достаточную вариативность практики (например, при обучении преподавателей только с одной группой учащихся). Может быть затруднено оказание обучающимся необходимой поддержки или руководства (например, при обучении начинающих пилотов на одноместном самолете или в ситуации дефицита квалифицированных кадров). В реальной среде возможны опасные ситуации (например, при выполнении операции реальному пациенту). Реальные учебные ситуации могут быть неэффективны из-за того, что они требуют слишком много времени (например, проведение химического опыта при медленном протекании химической реакции). Они могут повлечь слишком крупные материальные затраты (например, реальное обучение пожарных тушению горящего самолета). Необходимые ситуации могут слишком редко встречаться в реальной жизни (к примеру, стихийные бедствия или непредсказуемые технические проблемы). Наконец, в реальной среде выполнения задачи могут быть недоступны материалы, необходимые для обучения (например, при обучении огранке и полировке алмазов). Таким образом, часто имеет смысл использовать смоделированную среду выполнения учебных задач, безопасную и контролируемую, в которой учащиеся могут развивать и совершенствовать навыки, проходя последовательную, хорошо спланированную практику.

Таблица 4.1. Причины использования смоделированной среды выполнения учебных задач

Достоверность среды выполнения учебных задач

Смоделированные среды для выполнения задач различаются по степени достоверности – то есть степени соответствия тех или иных характеристик моделируемой среды реальному миру. Обычно различают психологическую, функциональную и физическую достоверность (Hays & Singer, 1989). Психологическая достоверность – это степень, с которой смоделированная среда задачи воспроизводит психологические факторы, испытываемые в реальной среде задачи (то есть не только навыки, которым необходимо обучиться, но и такие факторы, как стресс, страх, скука и т. д.). Функциональная достоверность – это степень сходства смоделированной среды задачи и реальной среды в плане задач, выполняемых обучающимся (например, когда моделирование химического процесса приводит к точно таким же результатам, как и в лаборатории). Физическая достоверность – это степень сходства, с которой смоделированная среда задачи выглядит, звучит, ощущается или даже пахнет как реальная среда (см. рис. 4.1).

Рис. 4.1. Парашютный тренажер виртуальной реальности (VR) с высокой физической достоверностью

Согласно «Десяти шагам», смоделированная среда должна позволять учащемуся выполнять аутентичные задачи, основанные на реальных жизненных задачах, с самого начала обучения. Как правило, это дает желаемый психологический эффект, поскольку выполнение учебных задач похоже на выполнение реальных задач и существует четкое соответствие когнитивных процессов выполнения учебной задачи в смоделированной среде и выполнения реальной задачи в реальной среде. При этом функциональная и физическая достоверность хорошо разработанных учебных задач может быть довольно низкой. Студентам-медикам необходимо с самого начала учиться диагностировать и лечить заболевания, и тем не менее нецелесообразно или даже невозможно, чтобы они сразу же начали практиковаться с реальными пациентами в больнице. Они могут начинать с теоретических задач или описаний случаев пациентов, по которым они должны поставить диагноз и составить план лечения. Так обычно делается в проблемно-ориентированных медицинских учебных программах (Loyens, Kirschner, & Paas, 2011). Хотя теоретические задачи имеют очень низкую функциональную и физическую достоверность, они основаны на реальных жизненных задачах и поэтому имеют приемлемо высокую психологическую достоверность.

В целом для эффективного обучения сложным когнитивным навыкам физическая достоверность смоделированной среды наименее важна (McGaghie et al., 2010). Более того, среда выполнения задач с высокой степенью достоверности может даже мешать обучающимся, поскольку она содержит слишком много «соблазнительных деталей», которые отвлекают, создают слишком большой объем информации и вызывают стресс, который мешает обучению (как симулятор кабины пилота Airbus 380 по сравнению с компьютерным симулятором). Исключение избыточных, нерелевантных и (или) отвлекающих деталей в начале обучения часто положительно сказывается на результатах обучения и переносе обучения на реальную жизнь (Mayer, Heiser, & Lonn, 2001). Чем больше опыта у обучаемых, тем большее значение приобретает степень детализации – им необходимо практиковаться в условиях, физически напоминающих реальную среду выполнения задачи (Gulikers, Bastiaens, & Martens, 2005). Сталкиваясь с нерелевантными и (или) отвлекающими деталями и стрессовым давлением в условиях симуляции высокой степени сложности, более опытные учащиеся начинают игнорировать их и справляться со стрессом. Таким образом, согласно «Десяти шагам», психологическая достоверность всегда должна быть высокой, а функциональная и физическая достоверность поначалу может быть относительно низкой, а затем постепенно увеличиваться по мере накопления опыта обучающимися (ср. Maggio et al., 2015; Maran & Glavin, 2003).

Таким образом, на начальном этапе учащиеся могут начинать обучение и практику в среде с относительно низкой функциональной и физической достоверностью. Такая среда предоставляет только те аспекты реальной среды, которые строго необходимы для выполнения учебных задач. Она не содержит тех деталей или особенностей, которые не имеют значения на данном этапе процесса обучения, но могут привлечь внимание учащихся и тем самым нарушить процесс обучения. Для студентов-медиков это могут быть описания пациентов с задачами поставить диагноз и составить план лечения, а для студентов-экономистов – кейс-стади компании с финансовыми проблемами и задача проанализировать кейс-стади и разработать бизнес-стратегию повышения прибыли.

На втором этапе учащиеся могут продолжить практику в среде задач с более высокой функциональной достоверностью – в интерактивной среде, которая реагирует в ответ на действия учащихся. Например, студенты-медики могут работать с так называемыми виртуальными пациентами – компьютерными симуляциями пациентов, которых можно расспрашивать, запрашивая лабораторные анализы и т. д. (Huwendiek et al., 2009). Возможны ролевые игры с симулированными пациентами (студентами того же курса обучения). Студентам, изучающим бизнес-администрирование, управленческие игры позволяют не только разрабатывать, но и проверять бизнес-стратегии. Так называемые виртуальные компании (Westera, Sloep, & Gerrissen, 2000) позволяют учащимся работать над реальными проектами в веб-среде, более или менее напоминающей реальность. Наконец, для приобретения навыков презентации существуют такие среды, как The Presentation Trainer (Schneider et al., 2016) – набор инструментов дополненной реальности для обучения и отработки невербальных навыков публичного выступления (см. рис. 4.2). Программа отслеживает и анализирует позу и движения тела, темп речи и громкость голоса пользователя, чтобы на экране дать обучающую обратную связь по навыкам невербальной коммуникации (сенсорное обучение) во время и после практики.

Рис. 4.2. Тренажер на основе дополненной реальности (AR)

На третьем этапе, с ростом мастерства учащихся, требуется все больше и больше деталей реальной среды выполнения задачи. Это может привести к необходимости выполнения учебных задач в смоделированной среде с высокой степенью детализации. Например, студенты-медики в ролевых играх могут столкнуться с профессиональными актерами, которые имитируют настоящих пациентов или реальные жертвы несчастных случаев. Для отработки навыков реанимации в качестве пациентов могут фигурировать аниматронные манекены, которые реагируют как настоящие пациенты (см. рис. 4.3). Для студентов-экономистов симуляция с высокой степенью достоверности может проходить в смоделированном офисе, где проектные группы работают над реальной задачей, поставленной коммерческим клиентом. Такие виды симуляции плавно переходят в среду реальных задач, где студенты-медики работают с реальными пациентами в больнице, а студенты-бизнесмены – с реальными клиентами в компаниях.

Рис. 4.3. Команда скорой помощи отрабатывает навыки реанимации на манекене, управляемом компьютером

Смоделированная среда задач с высокой степенью достоверности и реальная среда задач могут быть неотличимы друг от друга. Это, например, относится к визуализации данных спутникового радара, где единственное различие может заключаться в том, что имитационная среда задачи использует базу сохраненных спутниковых данных и изображений, а реальная среда задачи – спутниковые данные и изображения реального времени.

Компьютерные симуляторы и серьезные игры

Изложенные принципы применимы и к компьютерным симуляционным средам задач, включая серьезные игры – симуляционные игры, разработанные для получения или совершенствования сложных навыков в таких областях, как наука и инженерия, экологическая политика, здравоохранение, управление чрезвычайными ситуациями и т. д. В таблице 4.2 приведены примеры компьютерных симуляционных сред для выполнения задач, расположенных в порядке от низкой до высокой функциональной и физической достоверности.

Таблица 4.2. Примеры смоделированных на компьютере сред выполнения задач, упорядоченных от низкой до высокой функциональной и физической достоверности

Среды с низкой степенью достоверности, такие как интернет-сайты, предоставляют учащимся реалистичные учебные задачи и проблемы с ограниченной интерактивностью (например, Holtslander et al., 2012).

Среды со средней степенью достоверности обычно реагируют на действия учащихся (то есть обеспечивают высокую функциональную достоверность) и, в случае командных задач, позволяют учащимся взаимодействовать друг с другом. Многие серьезные игры – хорошие примеры компьютерных симуляторов с высокой функциональной, но низкой физической достоверностью. Они привлекательны тем, что их разработка и использование обходятся дешевле, чем симуляторы с высокой достоверностью, они включают игровые элементы, которые повышают мотивацию обучающихся, и могут задействоваться большим количеством пользователей, находящихся в разных местах (Lukosch, van Bussel, & Meijer, 2013).

Симуляции с высокой физической достоверностью, как правило, используются только в ситуациях, когда их относительно легко создать – или когда не может быть и речи о практике в реальной среде.

В целом к концу программы учебные задачи так или иначе переходят в реальную среду – студенты-медики лечат реальных пациентов в больницах, студенты-пилоты управляют реальными самолетами, а студенты-финансисты имеют дело с реальными клиентами и проводят реальные финансовые аудиты. Дело в том, что даже симуляция с высокой степенью достоверности обычно не может конкурировать с реальным миром. Исключение можно сделать для учебных задач, которые крайне редко встречаются в реальном мире (например, ликвидация последствий стихийных бедствий, устранение сбоев в сложных технических системах, проведение редких хирургических операций), задач, связанных с очень высокими затратами (например, запуск ракеты, остановка крупного завода), и задач, где моделируемая среда неотличима от реальной (например, обработка спутниковых изображений, роботизированная хирургия). Для таких задач может применяться моделирование с высокой степенью детализации с использованием виртуальной реальности и усовершенствованными средствами ввода-вывода (например, VR-шлемы, виртуальные перчатки) и сложные программные модели, работающие в фоновом режиме.