3. CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN TẢI NHẬN THỨC
Mặc dù các nghiên cứu về tải nhận thức đều phục vụ cho một mục đích giúp cho việc dạy và học, việc truyền tải thông tin một cách hiệu quả nhất. Đối với Ba, hiểu được CLT sẽ giúp mình đi ngược lại tính hiệu quả của thông tin với mục đích làm WM sụp đổ, nhấn chìm vọng tâm 😊. Cho nên, ngoài chuyện hiểu được thành phần của tải WM Ba sẽ liệt kê cụ thể hơn các yếu tố ảnh hưởng đến tải. Ba tiếp tục dựa trên sách của Sweller et al (2011) để làm việc này.
Khái niệm bao trùm liên quan đến tải chính là Element Interactivity, sự tương tác của các đơn vị (gói, hum, mảng, lớp[1]) thông tin với nhau.
A. Thuộc phạm trù của tải nội tại IL là các yếu tố:
(1) Độ khó của bài toán (Task Difficulty). Sự khó hay dễ tùy thuộc vào:
(1.1) Số lượng đơn vị thông tin hay chiều dài của các chuỗi thông tin cần xử lý (vd. cộng 2 + 2 thì dễ nhưng cộng 2 + 3 + 14 + 29 thì khó hơn).
(1.2) Độ phức tạp của bài toán (vd. 12 + 35 + 24 so với 12 x 35 x 24. Độ phức tạp tăng lên nếu, ta đổi ngược thành 21 x 53 x 42, hoặc 15 x 34 x 22, tức là ghép các số chéo.)
(1.3) Số lượng các bước cần tính toán trước sau (vd. tính 3! so với (3! + 5) / 7 – 2).
(1.4) Tính phụ thuộc lẫn nhau giữa các bước (vd. 23 + 45 gồm 3 bước toán: (i) 3 + 5 = 8, (ii) 20 + 40 = 60, (iii) 60 + 8 = 68. Bước 3 phụ thuộc vào kết quả của bước 1 và 2. Nếu là 1463 + 7624 thì số bước ít nhất là 5 và bước số 5 sẽ phụ thuộc vào 4 bước trước. Vd. khác là 24 + 56 + 76 + 31: số bước quay lại sẽ tùy vào cách mình cộng.) Nếu gọi k là số bước cần (nhớ) quay lại để lấy thông tin, k càng lớn hình ảnh thông tin (con số) càng mờ, các chi tiết càng mất đi, và khả năng quên càng cao (đây chính là quy luật tiến hóa của trí nhớ, Progressive Memory[2]). Càng cố nhớ lại (Regressive Memory) thì tải càng nặng, áp lực càng cao.
(1.5) Yêu cầu cụ thể hay không về bài toán. Chẳng hạn, với 25 và 76 mình có thể yêu cầu là cộng lại với nhau (dễ), hoặc bắt buộc cái WM là thế nào để từ 2 số đó tạo ra được một kết quả là 108 (25 + 76 = 101, tiếp tục 101 + 2 + 5 = 108). Hoặc chẳng có yêu cầu thì cụ thể (Goal-Free), muốn cộng trừ nhân chia gì cũng được.
(2) Sự hiểu biết (Understanding) giữa các bước thông tin. Ví dụ, nếu chỉ đơn thuần làm toán cộng 2 x 3=6 thì tải sẽ ít. Nhưng nếu muốn hiểu tại sao ra được đáp số đó (2 x 3 = 2 + 2 + 2 = 3 + 3 = 6) thì tải lên WM sẽ tăng lên. Càng cố ý muốn tìm hiểu tường tận các bước kết quả thì tải nội tại càng tăng cao, áp lực đè lên WM càng lớn.
B. Thuộc phạm trù của tải bên ngoài EL là các yếu tố:
(1) Áp lực thời gian. nếu bài toán cần giải trong một khoảng thời gian nhất định nào đó thôi thì yêu cầu này có thể tạo một áp lực rất lớn lên WM. Hoặc đơn giản mình chỉ cho mình một thời gian ngắn để nhìn và nhớ tất cả các thông tin (vd. một dãy số dài), trước khi nhắm mắt, nhớ lại để làm toán.
(2) Phương cách thông tin được truyền tải. Trong nghiên cứu thì phương cách thường hay nói đến là âm thanh hoặc/và hình ảnh (Dual Modality).
(2.1) Đổi font. Ví dụ, thay vì chọn 2 + 4, mình có thể thay bằng 2 + IV, II + 4, 2 + 4.
(2.2) Đổi loại. Mình có thể làm ví dụ trên khó hơn nữa khi đổi 2 + 4 thành: II + hình vuông, 2 + d (số 4 vì a là số 1, b là số 2, v.v.), hoặc 2 + (. . . . _) (mã Morse cho số 4). Vì các đơn vị thông tin hình vuông, d, mã Morse không có giá trị về số học, WM sẽ phải chia ra làm 2 phần (Split Attention): một phần chú ý vào con số thông thường (số 2), mặt khác phải chuyển đổi các thông tin không phải số ra số trước khi cộng lại ra kết quả 6.[3]
(2.3) Đổi cách. Mình có thể cho số 2 hiển thị rõ, to, còn số 4 thì chớp xoay, mờ dần. Hoặc quay ngược màn hình để nhìn các con số. Làm vậy, khi quán để nhớ lại sẽ khó hơn.
(2.4) Nghe và nhìn. Trong phương pháp tập làm toán, Ba thấy không cần thiết để sử dụng âm thanh và Ba chưa bao giờ thử cách này cả. Dù vậy, trong ví dụ toán cộng trên, Ba có thể áp dụng cái này bằng cách nghe con số 2 và cố nhớ cách/giọng/nhịp điệu đọc con số đó trong khi nhìn con số 4. Khi vào tập, vừa vẽ số vừa nhớ lại cái âm thanh.[4]
C. Thuộc phạm trù của tải hữu dụng GL là các yếu tố:
(1) Thông tin dư thừa (Redundancy). Trong giáo dục, các thông tin dư thừa nên được loại bỏ. Nhưng trong tập thiền, việc ghi nhớ và quán tưởng các thông tin này sẽ làm nặng thêm tải hữu dụng. Ví dụ, nếu các con số cần ghi nhớ cho bài toán cộng như trên có mang các màu sắc khác nhau (2 vàng + 4 đỏ), khi mình cố nhớ ý nghĩa con số (2 tức là 2 đơn vị) và cả cái màu vàng của nó thì WM sẽ mệt hơn nhiều. Chưa tính đến chuyện các con số có những hình tướng khác nhau mà mình bắt mình phải nhớ rõ.
(2) Tính cũ mới, quen thuộc hay lạ lẫm của thông tin hoặc bài toán cần làm. Nên nhớ rằng sau mỗi lần mình làm xong một bài toán (hay học được một điều gì) thì các thông tin đó (Schema[5]) được chuyển xuống phần trí nhớ dài hạn (trong phần tiềm thức hoặc vô thức), cấu thành kinh nghiệm và kiến thức của mình. Các thông tin này (vd. cách xử lý vấn đề, phương cách giải bài toán) sẽ được gọi lên và trưng dụng nhanh bởi trí nhớ ngắn hạn mà không phải chịu nhiều tải. Cho nên nếu mình chỉ giải một bài toán quen thuộc, hay dùng các phương pháp quen thuộc[6] thì việc nhấn chìm mảng nổi của ý thức (nơi các con khỉ vọng tâm nhảy loi nhoi) sẽ khó thực hiện được. Luôn luôn thay đổi bài toán, hoặc làm nó khó lên. Với tất cả các yếu tố ảnh hưởng đến tải nhận thức đã trình bày ở trên, Ba nghĩ mình có rất là nhiều cách để thay đổi đề mục toán/số của mình.
Ngoài ra các
yếu tố về con người như tuổi tác, sức khỏe, khả năng trí tuệ, tiếng ồn từ giọng
nói, và cả giấc ngủ[7] cũng có
thể tác động đến khả năng làm việc (và tất nhiên, ngưỡng sụp đổ) của WM. Vậy
thì đâu là tải tối đa của WM mà nếu vượt ngưỡng
đó thì ý thức sụp đổ? Kết quả nghiên cứu có khác nhau tùy theo tác giả[8]
nhưng con số có vẻ rất thấp: chỉ giao động từ 3–4 đến 7–9, ‘gói’ (chunk) thông
tin.
(Hết phần 4/8)
Ghi chú:
[1] Gọi chung là ‘chunks of information’. Xem Miller, 1956. The magical number seven, plus or minus two: Some limits on our capacity for processing information. The Psychology Review 63(2), 81–97. https://en.wikipedia.org/wiki/George_Armitage_Miller
[2] Xem Bergson, 1911. Matter and memory. London. https://plato.stanford.edu/entries/bergson/
Xem Linde-Domingo, Treder, Kerren, and Wimber, 2019. Evidence that neural information flow is reversed between object perception and object reconstruction from memory. Nature Communications, 1–10. Trong bài nghiên cứu này các tác giả tìm hiểu về cách bộ não tái lập lại hình ảnh từ trí nhớ. Khi nhìn hình ảnh thì bộ não chú ý vào chi tiết (vd. màu sắc, đường nét) trước rồi mới đến các tổng quan (vd. nhóm đối tượng). Khi nhớ lại thì quá trình bị đảo ngược: các yếu tố tổng quan được tập hợp trước rồi mới đến các chi tiết.
[3] Xem Shen, Popov, Delahay, and Reder, 2018. Item strength affects working memory capacity. Memory & Cognition 46(2), 204–215.
[4] Âm thanh có lẽ hữu dụng trong các phương pháp vừa quán vừa đọc trong tâm (câu chú, câu niệm, hay tên đề mục).
[5] https://en.wikipedia.org/wiki/Schema_(psychology); https://www.verywellmind.com/what-is-a-schema-2795873?print
[6] Xem Norris, Hall, and Gathercole, 2019. Can short-term memory be trained? Memory & Cognition 47, 1012–1023.
[7] Xem Xie, Berry, Lustig, Deldin, and Zhang, 2019. Poor sleep quality and compromised visual working memory capacity. Journal of the International Neuropsychological Society 25, 583–594. Boyer, Paubel, Ruiz, Yagoubi, and Daurat, 2018. Human voice as a measure of mental load level. Journal of Speech, Language, and Hearing Research 61, 2722–2734.
[8] Xem Miller, 1956. The magical number seven, plus or minus two: Some limits on our capacity for processing information. The Psychology Review 63(2), 81–97. Cowan, 2001. The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and Brain Sciences 24, 87–185.