2.2. ТРАНСФОРМАЦИОННАЯ  ТЕОРИЯ ОБУЧЕНИЯ И  СТРУКТУРНОЙ ДИНАМИКИ СИСТЕМ

■а Анализ характерной для каждой стратегии зависимости между психологическим фактором и критерием сложности выполнения заданий и выявления оптимального значения фактора позволяет определить предельные возможности совершенствования (эволюции) каждой стратегии и характер трансформаций стратегий — перехода обучаемого к другим стратегиям. В качестве примера рассмотрим кратко экспериментальные данные о зависимости между психологическим фактором и критерием сложности выполнения заданий при разных стратегиях его выполнения. Подробные описания таких экспериментов приведены в   работе 1161.

Зависимости времени t решевия оперативных задач от числа отдельных информационных единиц К), воспринимаемых операторам при решении задач по мнемосхеме, показаны на рис. 2.2, а. Стратегия А, с которой начинается обучение, характеризуется поэлементным восприятием информации от мнемосхемы. При использовании стратегии А минимальное время решения ta rai0 = — 51 с получается при naopt^7-i-8.

На следующем этапе обучения оператор осваивает стратегию Ь, при которой воспринимаемые элементы объединяются в целостные функциональные группы (tb шт ^ 39 с при пь opt = =~. 4).

Наилучшие показатели решения достигаются операторами, когда они обучаются воспринимать снмультанно всю мнемосхему н опознавать в целом состояние объекта ((с ш1п —22 с).

Необходимо обратить внимание на особые точки на кривых (рис. 2.2, б) — общую точку аЬ стратегий а и Ь и общую точку be стратегий 6 нс. Координаты этих точек соответствуют одинаковым показателям решения при использовании двух различных стратегий. Указанные точки можно рассматривать в качестве точек перехода в процессе обучения от одной стратегии к другой, более совершенной (от а к Ь и от Ь к с).

Возникает естественный вопрос, каким образом смена стратегий позволяет снижать оптимальный уровень сложности {ta mm > (ь mm > U mw), максимально достижимый при каждой стратегии?

Допустим, мы обучаем испытуемого опознанию (диагностике) 16 различных состояний некоторого объекта. Объект отображен посредством 30 информационных элементов, каждый нз которых может быть в двух различных состояниях: параметр в норме и параметр   в патологии.

На первом этапе обучения испытуемый оценивает состояние объекта перебором состояний всех 30 элементов. Информационное содержание сигнала — конкретного воспринимаемого со-стоявня  комплекса параметров — выразится как

На втором этапе обучения испытуемый группирует 30 информационных элементов в пять функциональных групп, каждая из которых может быть в четырех различных состояниях. Информационное содержание того же сигнала — конкретного состояния системы отображения информации (СОИН) — выразится в этом случае как 1Ь — 5 log2 4 — 10 дв. ед.

Наконец, на третьем этапе испытуемый обучается опознавать в целом состояние всей комбинации на 30 информационных элементов, причем общее число возможных состояний этой комбинации составляет 16. Иогда информационное содержание сигнала

Подпись:

Таким образом, по сравнению с целостной оценкой каждого из 16 состояний избыточность информационного содержания сигнала иа первом этапе

а на втором этапе

Стратегия опознания состояний объекта по состоянию информационного комплекса, применяемая испытуемым на третьем этапе обучения, более специализирована — она приспособлена для опознания Q0 16 конкретных состояний путем определения их различия.

Стратегия, используемая на втором этапе, более универсальна, чем стратегия третьего этапа; с ее помощью на данном СОИН могут различаться Qb — 2010 состояний объекта. Однако вторая стратегия более специализирована, чем первая, с помощью которой можег распознаваться в 280 раз больше состояний, чем с помощью второй стратегии (Qa = 2м).

Отсюда видно, каким значительным ограничением числа степеней свободы СОИН оплачивается сравнительно небольшое уменьшение времени опознания ситуаций:

Таким образом, один из вариантов когнитивного прогресса (накопления умений но решению определенного класса задач) может состоять в том, что каждая последующая стратегия обеспечивает снижение сложности выполнения заданий за счет ее большей специализации по сравнению с предыдущими. Конечно, этот вариант не единственный. Эффективность решения может иногда увеличиваться за счет возрастания используемой информации.

Поскольку по мере обучения эффективность решения повышается, а в паузах или при возникновении нестандартных (например, стрессовых) условий она снижается, следует говорить о когнитивном прогрессе, регрессе и в целом — о когнитивной динамике.

Если вернуться к анализу решения задач но мнемосхеме, то когнитивный прогресс выражается еще в том, что раструб кривой стратегии Sb (интервал значений, при которых стратегия Sb позволяет успешно справиться с задачей) уже, чем раструб кривой стратегии Sa (см. рис. 2.2). Соответственно интервал значений п, при которых может быть реализована стратегия Sc, меньше, чем эти интервалы для стратегий Sa и Sb.

Иначе говоря, стратегия Sa имеет оптимум хуже, чем стратегии Sb и Sc (*aopt > tbopi > ^opt). однако она может быть, хоть и с трудом (при t > *aopt), реализована при существенных отклонениях п от nopt = 7; 8. На рнс. 2.2 видно, что этот ннтер-

вал для стратегии Sa составляет Art =» 6 (п = 5-г-П), а для стратегии Sr лишь Лп -= 2 (л — 1-г-З).

На рис. 2.2, б справа показана кривая обучения, т. е. кривая изменения среднего времени ( решения задач по мнемосхеме с течением времени обучения Т. Левая часть рис. 2.2 является исход-нон, В правую часть мы переносим значения (йЯ — время решения задач в начале обучения, ia mm, tab, ib mln, (Ьс, tcma.

Число информационных элементов в данном случае рассматривается обобщенно в качестве психологического фактора сложности: Kjp — реальное значение психологического фактора сложности; К/т — его теоретически оптимальное значение для 1-й стратегии (( — а, Ь, с); К% и К% — значения психологического фактора сложности, общие для двух стратегий. Стрелками в левой части рис. 2.2, б показано направление изменения ( (К/г,) в ходе обучения. Переход от одной стратегии к другой в данном

случае происходит при К°1 < К% и К% < /С/т, т. е. прн уменьшении реального значения психологического фактора сложности по сравнению с его оптимальным значением для данной Стратегии. Вследствие этого fb > Cm и ^с > йн„. Этим и объясняется возникновение «горбов» нри переходе от стратегии Sa к стратегии Sb и от стратегии Sb к стратегии S0 с максимумами в моменты  ТаЬ  и ТЬс.

В целнх экспериментальной проверки гипотезы о возникновении «горбов» прн переходе от одной стратегии к другой и зависимости высоты «горба» от удаленности стратегии друг от друга по оптимальным значениям ведущего фактора сложности были проведены обучающие опыты с использованием разных типов задач.

Было проведено сравнение процессов обучения операторов тепловых электростанций с применением обычных мнемосхем (рис. 2.3, кривая 1), мнемосхем с высвечиванием актуальных контуров, относящихся к задаче (кривая 2), и командно-информационных мнемосхем (кривая 3), наглядно отображающих алгоритм решении задачи 1161. Эксперименты показали, что предварительное упорядочение зрительного материала на стадии проектирования мнемосхемы снижает число стратегий, последовательно осваиваемых обучаемыми, а при отображении однозначных алгоритмов решения происходит лишь эволюция единственно возможной стратегии, жестко обусловленной структурой информационной системы, поэтому кривая 3 имеет монотонный асимптотический характер.

Анализ немонотонных кривых обучения указывает на то, что абсолютного значения критерия сложности решения (например, времени) недостаточно для оценки уровня обученности человека решению задач. Допустим, что обучаемый оператор нри работе с обычной мнемосхемой (см. рис. 2.3, кривая 1) показал в эксперименте t = 132 с. Проведем на рис. 2.3 горизонтальную

линию, соответствующую этому значению. Оказывается, что такое значение времени решения может быть достигнуто при пяти совершенно разных качественно способах решения. Точка а соответствует плато стратегии Л1( когда обучаемый надежно владеет этой стратегией. Эксперименты показали, что если обучаемый находится на уровне оптимума одной из стратегий (в данном случае стратегии Ai), то структура и показатели решения им оперативных задач всех исследованных типов (мыслительных, перцептивных н сенсомоторных) наиболее устойчивы к воздействию стрессовых факторов, минимально зависят от психофизиологического состояния человека.

Точка Ь на рис. 2.3 соответствует тому же абсолютному значению i = 132 с, однако она лежит в начале перехода от стратегии Ai к стратегии Ви что связано с отходом от структуры решения, оптимальной для стратегии Аи частичным разрушением и преобразованием (трансформацией) этой структуры. Дисперсия показателей решения в этой точке, как н в точке с (на крутом участке совершенствования стратегии В,) больше, чем в точке а. Показатели в точках Ь и с более подвержены влиянию стрессовых факторов, воздействующих иа человека в процессе решения задач (в качестве таковых в экспериментах со студентами использовались условия экзаменов).

Точки due лежат на гребне перехода от стратегии Bi к Сх. Здесь дисперсия показателей наибольшая.

Анализ кривой обучения / на рнс. 2.3 показывает, что учет абсолютного значения критерия сложности решения недостаточен для суждения об уровне подготовки обучаемого, необходимы качественный и количественный анализы стратегии, с помощью которой это значение критерия достигается.

При значении ( = 132 с обучение может быть приостановлено только в одной из пяти точек, соответствующих на кривой 1 этому значению, а именно, в точке а, когда обучаемым надежно освоена стратегия Alt хотя эта стратегия наименее перспективна из возможного набора {Аи Ви CL).

В точке с прерывать обучение нецелесообразно, поскольку достаточно еще небольшого интервала обучения (около двух суток), чтобы значение ( существенно уменьшилось и стабилизировалось. Если прерывать обучение в точке Ь, а еще хуже в d или е, обучаемый оказывается в очень трудном положении — он че владеет надежно ни одной стратегией.

Многозначность величины показателя сложности (ta — tb -- tc — tt = t) должна учитываться не только прн организации процесса обучения, но и прн решении проблемы переноса лабораторных результатов в практику организации реальной трудовой деятельности

Таким образом, и при организации процесса обучения, выборе его продолжительности, желаемого конечного уровня показателей и при решении вопроса о практической применимости прикладных лабораторных психологических экспериментов наряду с абсолютными значениями показателей должны сравниваться стратегии решения, с помощью которых дачные значения показателен достигаются.

Особое внимание необходимо уделять анализу процессов трансформации стратегий как наиболее сложных и неустойчивых зон в ходе обучения.

Следует оговорить, что понятия устойчивости и неустойчивости являются, конечно, относительными, они должны дополняться количественными оценками. В экспериментах выявлено, что на сходных фазах освоения разных стратегий дисперсия меньше прн использовании более совершенной (точнее, более специализированной) стратегии: ota > о(ь > aic.

Кроме того, обнаружена существенная неравномерность устойчивости показателей решения в ходе осноення одной стратегии. Например, прн обучении решению оперативных задач по командно-информационной мнемосхеме, которое характеризуется постоянством стратегии, имеется несколько зон с уменьшением дисперсии показателей. Это позволяет сделать предположение о том, что возможно несколько уровней детальности изучения процессов обучения. Если мы изучаем в целом процесс совершенствования способов достижения определенного класса целей и решения соответствующих задач, возможные прн этом стратегии могут быть объединены более общим понятием политики решения. На уровне анализа политики решения переходы между стратегиями можно рассматривать приближенно как монотонные. Собственно, именно это предлагают авторы работы [131, разрабатывающие макроподход к анализу процессов обучения.

В то же время изучение не только политики решения, но и стратегий может оказаться недостаточно детализированным при исследовании индивидуально адаптированных методов обучения, управления экспериментами и т. п. В этом случае стратегия должна быть разделена на тактики — более узкие классы приемов решения. В этом случае иногда удается обнаружить «горбы» даже на таких гладких монотонных кривых, как Л3 (см. рис. 2.3).

В свою очередь, тактики разделяют на конкретные приемы и акты решения, и они тоже могут быть представлены «горбатыми» кривыми. Здесь, видимо, проявляется общи я закономерность колебательности процессов решения вообще. U -образные кривые, подобные тем, которые приведены в левой части рис. 2.2, а, н П -образные на рис. 2.2,6 отражают качественно динамику политики в целом, стратегий, тактик, конкретного решения и даже отдельного шага в решении. Если Q трактовать как вероятность успеха на каждом шаге решения, то кривая будет отражать траекторию колебаний — поисковых шагов вокруг максимума вероятности успеха. Такая траектория отражает закономерный (а не методом слепых проб и ошибок) поиск решения, основанный на использовании освоенных данным индивидом н его предшественниками политик, стратегий, тактик, приемов решения задач, подобных тем, которые встретились в конкретном случае. Каждый шаг решения может быть связан с оптимальным значением частного психологического фактора сложности.

Необходимо вновь подчеркнуть условность применяемого нами плоского изображения зависимостей t (Kjp), Q (Kjp) — во всех случаях мы должны были рассматривать параллельно н взаимосвязано несколько графиков по числу психологических факторов сложности, существенно влннющнх на выбранный критерий сложности (t, Q н др.). В работе [16[ на примере анализа решения оперативных задач рассматривалось 15 разных Kj?. Необходимо создать специальные методы графического отображения таких многофакториых процессов оптимизации информационной основы решения, прн которой решение становится доступным конкретному инднвнду в конкретном опыте (при индивидуально-оперативном уровне анализа), конкретному ннднвнду (прн индивидуальном уровне анализа), группе, контингенту специалистов нлн «среднему» человеку (цри тотальном уровне анализа и обобщения данных).

Изучение сложной динамики эволюции н трансформации стратегий прн обучении имеет важное значение, в частности, для решения проблемы оптимального управления процессом обучения.

Процесс обучения может описываться традиционными монотонными моделями лишь в частных случаях, на этапах эволюции каждой конкретной стратегии.

Монотонная н немонотонная (с промежуточными плато и «горбами») формы кривых в значительной степени зависят от уровня психологического анализа процессов обучения. Практически всегда может быть найден достаточно высокий уровень обобщения, позволяющий аппроксимировать процесс обучения гладкой, монотонной кривой. Причем всегда могут быть выбраны такой уровень анализа и такая степень детализации процесса обучения, прн которых будут выявлены переходные процессы, представляющие особый интерес для психологической теории обучения.

Для анализа этапов трансформации стратегий должны быть разработаны новые типы моделей, в том числе графоаналитического типа. Главным сейчас является накопление экспернментального материала без давления прежних традиций «сглаживания» кривых обучения н нх «всеобщего усреднения», маскирующих наиболее интересные психологические особенности процессов обучения. Применение системного подхода предполагает изучение процессов обучения на разных уровнях: от тотальиого до индивидуально-оперативного, от политики до отдельного шага в конкретиом акте решения и под разиыми углами: сложности, устойчивости,  эффективности решений

На осиове предложенной трансформационной теории обучения построены диаграммы расчета кривых обучения (правые части рис. 2 2, а и б) по характеристическим кривым различных возможных стратегий решения задач (левые части рис 2 2, а и б)

В дальнейшем предполагается применить использованный здесь метод анализа процессов обучения к более широкому классу познавательных процессов как метод анализа когнитивной динамики в научном и техническом творчестве, технологическом прогрессе н других областях (см. гл 4)

Применение трансформационной теории в обучении н воспитании позволит целенаправленно воздействовать на психофизиологическое состояние, волю студентов, применять дополнительные способы стимулирования, оказания помощи студентам со стороны преподавателей, особенно в периоды трансформации навыков, умений, во время переходов к более прогрессивным способам решения теоретических н практических задач.

Требования при оценке знаний, умеиий, навыков должны изменяться пропорционально нормативной кривой обучения, снижаясь в периоды трансформаций Таким образом, трансформационная теория обучения н дннамнки систем (ТТОДС) позволяет планировать согласованные меры по обучению и воспитанию студентов

Важный вывод нз ТТОДС состоит в том, что участие преподавателей в учебном процессе, их влияние иа студентов, доля аудиторных занятий должны изменяться с учетом кривой обучения. При трансформациях преподаватель должен быть как можно ближе к студентам, в этот период должна возрастать доля аудиторных занятий Воспитатели должны оказать действенную поддержку студентам в этн критические периоды. Когда новая структура-стратегия умении, навыков — уже в основном сформирована, студент может шлифовать ее все более н более самостоятельно В этот период должна увеличиваться доля внеаудиторных самостоятельных занятий студентов.