Autor: Kacper Pakuła-Chełstowski, student II roku psychologii na Uniwersytecie SWPS w Warszawie

Współczesne systemy edukacji, zarówno na etapie ich projektowania przez organy formalne, jak i późniejszej — codziennej — realizacji, koncentrują się przede wszystkim na standaryzacji metod oceniania i maksymalizacji mierzalnych wyników (Wiliam, 2010). W wielu rozwiniętych państwach wyniki akademickie stanowią podstawowy wskaźnik efektywności, choć wyższe oceny nie muszą odzwierciedlać jakościowych zmian w procesie uczenia (Brookhart i in., 2016). Konsekwencje stosowania nieadekwatnych praktyk dydaktycznych szczególnie wyraźnie ujawniają się na poziomie jednostki; wzrost ocen można bowiem uzyskać poprzez modyfikację warunków zadania, która ułatwia jego wykonanie, bez konieczności wzrostu kompetencji. W szczególności obniżenie trudności (np. przez uproszczenie treści) zwykle przekłada się na natychmiastową poprawę wykonania, lecz efekt ten może dotyczyć głównie wydajności wykonania, a nie trwałej zmiany w uczeniu (Soderstrom i Bjork, 2015).

Skuteczność owych praktyk ułatwiających można wyjaśnić mechanizmami funkcjonowania pamięci roboczej (WM), będącej jednym z najistotniejszych predyktorów osiągnięć szkolnych (Alloway i Alloway, 2010). Praktyki, które ułatwiają procedurę rozwiązania, zmniejszają zapotrzebowanie na zasoby WM, natomiast zadania przekraczające jej możliwości prowadzą do przeciążenia i spadku wykonania. Zależność tę opisał Sweller (2019), w ramach teorii obciążenia poznawczego (CLT), w której definiuje on obciążenie poznawcze (CL) jako koszt przetwarzania w pamięci roboczej oraz klasyfikuje składowe CL na wewnętrzne i zewnętrzne. W perspektywie długofalowej redukcja CL poprzez uproszczenie złożoności i interakcyjności elementów zadania (obciążenie wewnętrzne) lub formatu instrukcji i organizacji materiału (obciążenie zewnętrzne), zazwyczaj, choć nie zawsze, poprawia bieżące wykonanie i może sprzyjać uczeniu (Sweller, 2019). Poprawa wyników może jednak tworzyć iluzję nabywania kompetencji; wynika to z faktu, że metapoznanie — monitoring i kontrola własnego myślenia — nie ulega inicjacji, gdy zadanie jest zbyt łatwe (Nelson i Narens, 1990; Metcalfe i Kornell, 2005). Istotą problemu jest więc ciąg przyczynowo-skutkowy, w którym system edukacyjny, konsekwentnie faworyzujący redukcję obciążenia poznawczego, przesłania wynikami deficyty metapoznawcze uczniów.

Wspomniana teoria Swellera (2019) stała się podstawą wielu badań edukacyjnych. Funkcjonalne operacjonalizacje obciążenia poznawczego, oparte na CLT, powszechnie wykorzystują miary wysiłku umysłowego używanego w WM (np. paradygmat zadania wtórnego) oraz skalę subiektywnego wysiłku jako przybliżone wskaźniki CL. Metaanaliza efektów integracji informacji pokazuje, że zmniejszanie kosztów integracji (czyli redukcja zewnętrznego CL) ma istotne, powtarzalne efekty na uczenie (Ginns, 2006). Chen i współpracownicy (2018) wykazali natomiast, że praktyka rozłożona w czasie (w porównaniu z praktyką skumulowaną) poprawia wykonanie, jednocześnie obniżając raportowane subiektywne poczucie trudności.

Modyfikacje warunków zadania mogą więc mieć istotny, pozytywny wpływ na wykonanie; poprawa ta nie odzwierciedla jednak jakościowych zmian w uczeniu się (Soderstrom i Bjork, 2015). W obrębie badań nad CLT istnieją znaczące przesłanki na zmienną skuteczność stosowania tego samego ułatwienia. Egzemplifikacją jest badanie Kalyugi i współpracowników (2003), w którym opisano expertise reversal effect, wskazując, że instruktaż redukujący obciążenie pamięci roboczej bywa korzystny dla nowicjuszy, lecz wraz ze wzrostem wiedzy może stać się redundantny i generować dodatkowe obciążenie zewnętrzne. Oznacza to, że redukcja CL często poprawia wynik, jednak konsekwencje dla uczenia zależą od alokacji zasobów poznawczych; zasoby mogą zostać poświęcone na czynniki istotne dla uczenia bądź jedynie na zwiększenie sprawności wykonania.

W procesie nauki, rozumianym jako świadome nabywanie kompetencji, centralne stają się procesy metapoznawcze — monitoring i kontrola. Dane empiryczne wskazują, że ograniczenia WM wpływają na trafność monitorowania; Komori (2016) wykazał, że osoby o wyższej pojemności WM osiągają lepszą trafność sądów pewności w warunkach interferencji wielozadaniowej. Wprawdzie zbyt obciążające poznawczo wymagania zadania ograniczają zdolność monitorowania, jednak zależność ta nie jest liniowa. Sytuacja przeciwna — skrajne uproszczenie zadania — również skutkuje spadkiem aktywności metapoznawczej (Metcalfe i Kornell, 2005). Szczególnie istotna jest liczba momentów umożliwiających zestawienie przewidywań z wynikami, która dodatnio koreluje z trafnością ocen metapoznawczych (Maniscalco i Lau, 2012; Metcalfe i Finn, 2008; Soderstrom i Bjork, 2015). Wyniki te sugerują, że inicjacja procesów metapoznawczych zależy od warunków zadania i generowanej niepewności (Desender, Van Opstal i Van den Bussche, 2014), co potwierdza również przegląd neurokognitywistyczny Yeung i Summerfield (2012).

Całokształt dowodów empirycznych tworzy spójną przesłankę, iż regularna redukcja obciążenia poznawczego indukowanego przez zadanie może prowadzić do systematycznego maskowania deficytów na gruncie metapoznawczym uczniów (Bjork i Bjork, 1994; Bjork i Bjork, 2020). Techniki dydaktyczne takie jak nadmierna segmentacja materiału, pełna proceduralizacja czy arkusze o niskiej złożoności redukują zapotrzebowanie na zasoby pamięci roboczej, co sprzyja wzrostowi wykonania, niekoniecznie jednak prowadząc do trwałego wzrostu kompetencji poznawczych. Uwzględniając poziom metapoznawczy jednostki, kluczowego znaczenia nabiera fakt, że zarówno nadmierne przeciążenie WM, jak i skrajne uproszczenie zadania prowadzą do obniżenia trafności monitorowania. Badania wskazują, że liczba momentów umożliwiających konfrontację przewidywań z wynikiem (np. opóźnione sądy o uczeniu, błędy wymagające korekty) jest kluczowym predyktorem trafności monitorowania metapoznawczego (Metcalfe i Finn, 2008; Rhodes i Tauber, 2011).

Szczególnie istotny jest aspekt manifestacji behawioralnej; zarówno deficyty poznawcze (ograniczenia WM), jak i deficyty metapoznawcze wyrażają się w wykonaniu zadania w podobny sposób — błędami, spowolnieniem wykonania i niską poprawnością odpowiedzi. Badania różnicujące poziom obiektywnego wykonania i subiektywnej pewności dowodzą, że trafność monitorowania metapoznawczego może być niezależna od poprawności odpowiedzi, co uniemożliwia zewnętrznym obserwatorom identyfikację źródła trudności na podstawie wyniku zadania (Maniscalco i Lau, 2012; Fleming, 2024). Dodatkowo liczne dane wskazują, że uczniowie nie są świadomi własnych deficytów metapoznawczych. Trafność sądów pewności i sądów o uczeniu (JOL) bywa niska, szczególnie w zadaniach o niskiej trudności, co sprzyja powstawaniu iluzji kompetencji (Koriat, 1997).

Przedstawiona analiza wskazuje, że systematyczna redukcja obciążenia poznawczego w edukacji sprzyja krótkoterminowej poprawie wyników, jednocześnie ograniczając warunki sprzyjające inicjacji monitorowania i korekcji deficytów metapoznawczych. W konsekwencji oceny szkolne funkcjonują przede wszystkim jako wskaźnik wydajności wykonania, a nie jakości procesów uczenia się, co prowadzi do maskowania rzeczywistych trudności uczniów. Mechanizm ten, co więcej, ma charakter samopodtrzymujący i utrzymuje się do momentu konfrontacji ucznia z wymaganiami przekraczającymi jego zdolności regulacyjne lub do zmiany warunków dydaktycznych w sposób wymuszający aktywne zaangażowanie procesów metapoznawczych.

Bibliografia

Alloway, T. P., Alloway, R. G. (2010). Investigating the predictive roles of working memory and IQ in academic attainment. Journal of Experimental Child Psychology, 106(1), 20–29. https://doi.org/10.1016/j.jecp.2009.11.003

Bjork, R. A., Bjork, E. L. (1994). Desirable difficulties in theory and practice. Current Directions in Psychological Science, 3(4), 145–152.

Bjork, R. A., Bjork, E. L. (2020). Desirable difficulties in theory and practice. Journal of Applied Research in Memory and Cognition, 9(4), 475–479. https://doi.org/10.1016/j.jarmac.2020.09.003

Brookhart, S. M., Guskey, T. R., Bowers, A. J., McMillan, J. H., Smith, J. K., Smith, L. F., Stevens, M. T., Welsh, M. E. (2016). A century of grading research: Meaning and value in the most common educational measure. Review of Educational Research, 86(4), 803–848. https://doi.org/10.3102/0034654316672069

Chen, O., Castro-Alonso, J. C., Paas, F., Sweller, J. (2018). Extending cognitive load theory to incorporate working memory resource depletion: Evidence from the spacing effect. Educational Psychology Review, 30(2), 483–501. https://doi.org/10.1007/s10648-017-9426-2

Desender, K., Van Opstal, F., Van den Bussche, E. (2014). Feeling the conflict: The crucial role of conflict experience in adaptation. Psychological Science, 25(3), 675–683. https://doi.org/10.1177/0956797613511468

Fleming, S. M. (2024). Metacognition and confidence: A review and synthesis. Annual Review of Psychology, 75, 241–268. https://doi.org/10.1146/annurev-psych-022423-03242

Ginns, P. (2006). Integrating information: A meta-analysis of the spatial contiguity and temporal contiguity effects. Educational Psychology Review, 18(3), 313–331. https://doi.org/10.1007/s10648-006-9016-3

Kalyuga, S., Ayres, P., Chandler, P., & Sweller, J. (2003). The expertise reversal effect. Educational Psychologist, 38(1), 23–31. https://doi.org/10.1207/S15326985EP3801_4

Komori, M. (2016). Effects of working memory capacity on metacognitive monitoring: A study of group differences using a listening span test. Frontiers in Psychology, 7, Article 285. https://doi.org/10.3389/fpsyg.2016.00285

Koriat, A. (1997). Monitoring one’s own knowledge during study: A cue-utilization approach to judgments of learning. Journal of Experimental Psychology: General, 126(4), 349–370. https://doi.org/10.1037/0096-3445.126.4.349

Maniscalco, B., Lau, H. (2012). A signal detection theoretic approach for estimating metacognitive sensitivity from confidence ratings. Consciousness and Cognition, 21(1), 422–430. https://doi.org/10.1016/j.concog.2011.09.021

Metcalfe, J., Finn, B. (2008). Evidence for judgments of learning being based on the ease of processing. Memory & Cognition, 36(5), 904–914. https://doi.org/10.3758/PBR.15.1.174

Metcalfe, J., Kornell, N. (2005). A region of proximal learning model of study time allocation. Journal of Memory and Language, 52(4), 463–477. https://doi.org/10.1016/j.jml.2004.12.001

Nelson, T. O., Narens, L. (1990). Metamemory: A theoretical framework and new findings. W: G. H. Bower (red.), Psychology of learning and motivation (t. 26, s. 125–173). Academic Press. https://doi.org/10.1016/S0079-7421(08)60053-5

Rhodes, M. G., Tauber, S. K. (2011). The influence of delays on judgments of learning: A meta-analysis. Psychological Bulletin, 137(1), 131–148. https://doi.org/10.1037/a0021705

Soderstrom, N. C., Bjork, R. A. (2015). Learning versus performance: An integrative review. Perspectives on Psychological Science, 10(2), 176–199. https://doi.org/10.1177/1745691615569000

Sweller, J., van Merriënboer, J. J. G., Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31(2), 261–292. https://doi.org/10.1007/s10648-019-09465-5

Wiliam, D. (2010). Standardized testing and school accountability. Educational Psychologist, 45(2), 107–122. https://doi.org/10.1080/00461521003703060

Yeung, N., Summerfield, C. (2012). Metacognition in human decision-making: Confidence and error monitoring. Philosophical Transactions of the Royal Society B, 367(1594), 1310–1321. https://doi.org/10.1098/rstb.2011.0416