Neuroeducation ແມ່ນພາກສະຫນາມຂອງການສຶກສາທີ່ກ່ຽວຂ້ອງກັບກິດຈະກໍາທີ່ເກີດຂຶ້ນໃນສະຫມອງໃນເວລາທີ່ບຸກຄົນຮຽນຮູ້.
ມັນປະສົມປະສານການປະຕິບັດແລະຄວາມຮູ້ຂອງສາຂາຕ່າງໆ, ລວມທັງ neuroscience, ຈິດຕະວິທະຍາ, ວິທະຍາສາດມັນສະຫມອງ, ແລະການສຶກສາ.
ການຮ່ວມມືລະຫວ່າງນັກການສຶກສາແລະນັກວິທະຍາສາດດ້ານ neuroscientists ຊ່ວຍຜະລິດຜົນການຄົ້ນພົບທີ່ສາມາດນໍາໃຊ້ໄດ້ໃນຫ້ອງຮຽນຫຼືໃນການອອກແບບຫຼັກສູດ.
ເຂົາເຈົ້າມີເປົ້າໝາຍເພື່ອປັບປຸງວິທີການສິດສອນໂດຍນຳໃຊ້ການຄົ້ນຄວ້າທົບທວນຄືນກ່ຽວກັບສະໝອງທີ່ຊ່ວຍໃຫ້ການຮຽນຮູ້, ຄວາມຈຳເຮັດວຽກ, ສະຕິປັນຍາ, ຄວາມຄິດສ້າງສັນ ແລະ ອື່ນໆ.
ຫນຶ່ງໃນເປົ້າຫມາຍທີ່ສໍາຄັນຂອງ neuroeducation ແມ່ນເພື່ອເຊື່ອມຕໍ່ຊ່ອງຫວ່າງລະຫວ່າງນັກຄົ້ນຄວ້າແລະການສຶກສາ. ການເຊື່ອມຕໍ່ໂດຍກົງນີ້ປ້ອງກັນອັນທີ່ເອີ້ນວ່າ "ຜູ້ຊາຍກາງ" ຂອງອຸດສາຫະກໍາການຮຽນຮູ້ທີ່ອີງໃສ່ສະຫມອງ.
ພໍ່ຄ້າຄົນກາງເຫຼົ່ານີ້ໄດ້ຜົນກໍາໄລຈາກຄວາມຄິດທີ່ບໍ່ຖືກຕ້ອງກ່ຽວກັບວິທີການເຮັດວຽກຂອງສະຫມອງ, ເຊິ່ງເອີ້ນກັນວ່າ "neuromyths". myths ເຫຼົ່ານີ້ປະກອບມີແນວຄວາມຄິດເຊັ່ນ "ສະຫມອງຊ້າຍທຽບກັບຄວາມຄິດຂອງສະຫມອງຂວາ" ແລະ myth ທີ່ "ພວກເຮົາໃຊ້ພຽງແຕ່ 10% ຂອງສະຫມອງຂອງພວກເຮົາ".
ຜົນການຄົ້ນຫາທີ່ສໍາຄັນໃນ Neuroeducation
Neuroeducation ສໍາຜັດກັບລັກສະນະຕ່າງໆຂອງການຮຽນຮູ້ແລະ neuroscience.
ນີ້ແມ່ນບາງການຄົ້ນພົບທີ່ສໍາຄັນຈາກການຄົ້ນຄວ້າທີ່ເຮັດໃນ neuroeducation.
ຫນ່ວຍຄວາມຈໍາ
ຄວາມຊົງຈໍາເປັນລັກສະນະທີ່ສໍາຄັນຂອງການຮຽນຮູ້. ການຄົ້ນຄວ້າທາງດ້ານຈິດຕະວິທະຍາມັນສະຫມອງໄດ້ໃຫ້ຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການປັບປຸງຄວາມຊົງຈໍາທີ່ດີທີ່ສຸດຂອງທ່ານ. ເທັກນິກຕ່າງໆ ເຊັ່ນ: ການບີບຄັ້ນ ຫຼືການຊໍ້າຄືນແບບຫ່າງໆ ໃຊ້ປະໂຫຍດຈາກວິທີທີ່ຈິດໃຈປະມວນຜົນຂໍ້ມູນ ເພື່ອຊ່ວຍໃຫ້ຜູ້ຮຽນຈື່ໄດ້ໄວ ແລະມີປະສິດທິພາບຫຼາຍຂຶ້ນ.
ຊອບແວເຊັ່ນ: ອັນກີ້ ເຮັດໃຫ້ການຈື່ຈໍາສິ່ງຕ່າງໆງ່າຍຂຶ້ນໂດຍການນໍາໃຊ້ລະບົບການຊ້ໍາຫ່າງ (SRS)
ເນື່ອງຈາກວ່າມັນມີປະສິດທິພາບ, Anki ຖືກນໍາໃຊ້ໃນການຮຽນຮູ້ພາສາແລະໃນການຕັ້ງຄ່າຫ້ອງຮຽນ. ການສຶກສາໃນປີ 2015 ພົບວ່າ 31% ຂອງນັກຮຽນທີ່ຕອບແບບສໍາຫຼວດການສຶກສາທາງການແພດລາຍງານວ່າໃຊ້ Anki ເປັນ. ຊັບພະຍາກອນການສຶກສາ.
ເອົາໃຈໃສ່
ມັນເປັນການເວົ້າຫນ້ອຍທີ່ຈະເວົ້າວ່າຄວາມສົນໃຈເປັນສິ່ງຈໍາເປັນສໍາລັບປະສົບການການຮຽນຮູ້ໃດໆ. ຫນຶ່ງໃນເປົ້າຫມາຍຈໍານວນຫຼາຍຂອງ neuroeducation ແມ່ນເພື່ອເຂົ້າໃຈວ່າເຕັກນິກການຮຽນຮູ້ຕ່າງໆມີຜົນກະທົບຄວາມສົນໃຈ.
ຍົກຕົວຢ່າງ, ການສຶກສາ ສະແດງໃຫ້ເຫັນວ່າມີບາງຫຼັກຖານທີ່ວ່າອັດຕາສ່ວນຂອງອິນເຕີເນັດແລະສື່ມວນຊົນສັງຄົມມີຜົນກະທົບຄວາມສົນໃຈໃນເດັກນ້ອຍ. ການສຶກສາຍັງສະແດງໃຫ້ເຫັນຜົນກະທົບທາງລົບຂອງ multitasking ໃນສະພາບແວດລ້ອມດິຈິຕອນ.
ນັກການສຶກສາສາມາດນໍາໃຊ້ການຄົ້ນພົບເຫຼົ່ານີ້ເພື່ອກໍານົດວິທີທີ່ພວກເຂົາສາມາດເຂົ້າຫານັກຮຽນທີ່ໄດ້ຮັບຜົນກະທົບຈາກໂທລະສັບສະຫຼາດແລະອິນເຕີເນັດ.
Multimodality
ການຄົ້ນຄວ້າ Neuroeducation ສະແດງໃຫ້ເຫັນວ່າແນວພັນແມ່ນກຸນແຈສໍາຄັນຕໍ່ການຮຽນຮູ້. ການນໍາໃຊ້ວິທີການທີ່ແຕກຕ່າງກັນແລະສື່ມວນຊົນເພື່ອເປັນຕົວແທນຄວາມຄິດເພີ່ມຄວາມສົນໃຈແລະການເກັບຮັກສາໄວ້ໃນນັກຮຽນ.
ການສຶກສາສາມາດນໍາສະເຫນີຂໍ້ມູນໃນຮູບແບບທີ່ເປັນເອກະລັກຫຼືສອນນັກຮຽນຫຼາຍວິທີທີ່ຈະມາຮອດການແກ້ໄຂ.
ວິທີການ multimodal ນີ້ສາມາດບັນລຸໄດ້ໂດຍຜ່ານການນໍາໃຊ້ເວທີການຮຽນຮູ້ດິຈິຕອນ.
ຕົວຢ່າງ, ແອັບການຮຽນຮູ້ພາສາ Duolingo ໃຊ້ອົງປະກອບທາງສາຍຕາ, ຂໍ້ຄວາມ, ແລະການຟັງເພື່ອທົດສອບຜູ້ໃຊ້ກ່ຽວກັບຄໍາສັບຄໍາສັບ.
ຄວາມຫຼາກຫຼາຍທາງດ້ານປະສາດ
ການຄົ້ນຄວ້າທາງ neurological ຈະຊ່ວຍໃຫ້ນັກຮຽນທີ່ມີຄວາມພິການທາງດ້ານການຮຽນຮູ້ແລະບັນຫາການຮຽນຮູ້ເຊັ່ນ ADHD ແລະ dyslexia.
ໂດຍເບິ່ງການໂຕ້ຕອບລະຫວ່າງ neurobiology ຂອງການຮຽນຮູ້ແລະຄວາມຜິດປົກກະຕິຂອງມັນ, ພວກເຮົາຈະເຫັນຜົນກະທົບອັນໃຫຍ່ຫຼວງກ່ຽວກັບວິທີທີ່ພວກເຮົາກໍານົດແລະສະຫນອງການສະຫນັບສະຫນູນສໍາລັບເດັກນ້ອຍທີ່ມີຄວາມທ້າທາຍດ້ານການຮຽນຮູ້.
ການຄົ້ນຄວ້າ dyslexia ໂດຍສະເພາະ, ໄດ້ເປັນພາກສະຫນາມກາງໃນ neuroscience ການສຶກສາ. ນັກຄົ້ນຄວ້າມີຄວາມສົນໃຈກ່ຽວກັບວິທີການແຊກແຊງການອ່ານທີ່ປະສົບຜົນສໍາເລັດມີອິດທິພົນຕໍ່ການອ່ານແລະວິທີການ neuroimaging ສາມາດຊ່ວຍຄາດຄະເນການປະຕິບັດການອ່ານ.
Metacognition
ການສຶກສາໂດຍນັກວິທະຍາສາດ neuroscientists, ແລະນັກຈິດຕະສາດສະແດງໃຫ້ເຫັນຄວາມສໍາຄັນຂອງ metacognition, ຄວາມຮັບຮູ້ຂອງຄວາມຄິດຂອງຕົນເອງໃນຂະນະທີ່ການຮຽນຮູ້, ໃນການສຶກສາ.
ຕົວຢ່າງ, ການມີຈິດສໍານຶກຂອງ "ແນວຄວາມຄິດການຂະຫຍາຍຕົວ" ປັບປຸງຜົນໄດ້ຮັບຂອງນັກຮຽນ.
ການຖາມຄໍາຖາມທີ່ຖືກຕ້ອງ, ແລະການສະທ້ອນຜົນການທົດສອບແມ່ນຫນຶ່ງໃນຫຼາຍວິທີທີ່ metacognition ສາມາດນໍາໃຊ້ເປັນເຄື່ອງມືສໍາລັບນັກຮຽນທີ່ຈະປະຕິບັດໄດ້ດີຂຶ້ນ.
ການສຶກສາທາງປະສາດ ຄໍາຮ້ອງສະຫມັກ
ມີຫຼາຍຄໍາຮ້ອງສະຫມັກທີ່ເປັນໄປໄດ້ຂອງ neuroeducation ທີ່ຮຽກຮ້ອງໃຫ້ມີການນໍາໃຊ້ເຕັກໂນໂລຊີ. ນີ້ແມ່ນບາງຕົວຢ່າງ:
ລະບົບການສຶກສາແບບປັບຕົວ
ການຮຽນຮູ້ແບບປັບຕົວໝາຍເຖິງວິທີການສຶກສາທີ່ໃຊ້ລະບົບຄອມພິວເຕີ ແລະ ປັນຍາປະດິດ ເພື່ອສ້າງປະສົບການການຮຽນຮູ້ທີ່ເປັນເອກະລັກສະເພາະຂອງນັກຮຽນແຕ່ລະຄົນ. ການຄົ້ນຄວ້າໃນວິທະຍາສາດ neuroscience ແຈ້ງເຕັກໂນໂລຊີການຮຽນຮູ້ການປັບຕົວ.
ສໍາລັບຕົວຢ່າງ, ບໍລິສັດ ການຮຽນຮູ້ DreamBox ສະເໜີເທັກໂນໂລຍີການຮຽນຮູ້ແບບປັບຕົວອັດສະລິຍະໃຫ້ແກ່ນັກຮຽນຄະນິດສາດ K-8. DreamBox ສະເໜີປະສົບການການຮຽນຮູ້ສ່ວນຕົວສຳລັບນັກຮຽນແຕ່ລະຄົນ.
ໂຄງການດັ່ງກ່າວຕິດຕາມວິທີທີ່ນັກສຶກສາພົວພັນກັບບັນຫາຕ່າງໆແລະທັນທີທັນໃດປັບລະດັບຄວາມຫຍຸ້ງຍາກ, ຈໍານວນຂອງຄໍາແນະນໍາ, ຈັງຫວະ, ແລະອື່ນໆອີກ. ເທັກໂນໂລຍີຊ່ວຍໃຫ້ນັກຮຽນກ້າວໄປຂ້າງໜ້າດ້ວຍບົດຮຽນໃນຈັງຫວະທີ່ມີປະໂຫຍດສູງສຸດ.
Computer Programming
ການສຶກສາຈໍານວນຫລາຍທີ່ສຸມໃສ່ການຂຽນໂປຼແກຼມຄອມພິວເຕີແລະການຂຽນລະຫັດໂດຍໃຊ້ ເຕັກນິກການຖ່າຍຮູບສະຫມອງ.
ນັກຄົ້ນຄວ້າໄດ້ຄົ້ນພົບຄວາມສໍາພັນລະຫວ່າງການຂຽນລະຫັດແລະການຂຽນ, ແລະກໍາລັງພັດທະນາວິທີການປັບປຸງປະສົບການການຂຽນໂປຼແກຼມໂດຍໃຊ້ ການຮຽນຮູ້ເຄື່ອງຈັກ ເຕັກນິກ.
ນອກຈາກນັ້ນ ການຄົ້ນຄວ້າ ຊີ້ບອກວ່າການອ່ານລະຫັດຄອມພິວເຕີບໍ່ຈໍາເປັນຕ້ອງມີພື້ນທີ່ຂອງສະຫມອງທີ່ຈໍາເປັນສໍາລັບການປະມວນຜົນພາສາ. ການອ່ານລະຫັດເບິ່ງຄືວ່າຈະຄ້າຍຄືກັບການແກ້ໄຂບັນຫາຄະນິດສາດຫຼືການປິດສະຄໍາ.
ການຄົ້ນພົບເຫຼົ່ານີ້ສາມາດແຈ້ງໃຫ້ຜູ້ສຶກສາວິທະຍາສາດຄອມພິວເຕີຊອກຫາວິທີທີ່ຈະສອນການຂຽນລະຫັດທີ່ມີປະສິດທິພາບທີ່ສຸດ.
ວິດິໂອເກມ
ການສຶກສາສະແດງໃຫ້ເຫັນວ່າແພດຜ່າຕັດທີ່ເຄີຍຫຼີ້ນວີດີໂອໃນອະດີດໄດ້ເຮັດ 32% ຄວາມຜິດພາດຫນ້ອຍ ໃນລະຫວ່າງການກວດສອບ. ວິດິໂອເກມ ສາມາດມີສ່ວນຮ່ວມກັບຜູ້ຫຼິ້ນຂອງເຂົາເຈົ້າໃນແບບທີ່ບໍ່ເຄີຍເຫັນຢູ່ໃນຫ້ອງຮຽນມາກ່ອນ.
ການຄົ້ນຄວ້າໃນປະຈຸບັນກ່ຽວກັບລະບົບການໃຫ້ລາງວັນຂອງສະຫມອງສະແດງໃຫ້ເຫັນເຖິງທ່າແຮງຂອງການເພີ່ມເກມວີດີໂອການສຶກສາເຂົ້າໄປໃນຫ້ອງຮຽນ. gamification ຂອງການຮຽນຮູ້ນີ້ແມ່ນແຈ້ງໃຫ້ຊາບໂດຍການປະຕິບັດໃນການອອກແບບເກມ.
ເວັບໄຊທ໌ເຊັ່ນ Khan Academy ໃຊ້ແນວຄວາມຄິດຂອງລະດັບແລະ badges ເພື່ອກະຕຸ້ນການຮຽນຮູ້ແລະໃຫ້ນັກຮຽນມີຄວາມກ້າວຫນ້າແລະຄວາມສໍາເລັດ.
Criticism
ເຖິງວ່າຈະມີຄວາມພະຍາຍາມໃນການສົມທົບຂະບວນການ neural microscopic ກັບພຶດຕິກໍາ macroscopic ໃນຫ້ອງຮຽນ, ຍັງມີຊ່ອງຫວ່າງໃນການຄົ້ນຄວ້າ.
ນັກວິຈານຂອງການສຶກສາ neuroeducation ໂຕ້ຖຽງວ່າການສຶກສາພຶດຕິກໍາຂອງສະຫມອງແມ່ນຢູ່ໄກເກີນໄປຈາກຍຸດທະສາດການຮຽນຮູ້ການປະຕິບັດຕົວຈິງໃນຫ້ອງຮຽນ.
ເທັກໂນໂລຍີໃໝ່ໆ ເຊັ່ນ: ວິດີໂອເກມການສຶກສາອາດເປັນບັນຫາສຳລັບເດັກນ້ອຍບາງຄົນ.
ລະບົບການໃຫ້ລາງວັນຂອງວີດີໂອເກມອາດມີສ່ວນພົວພັນແຕ່ອາດຈະເຮັດໃຫ້ລົບກວນໃຈໄດ້, ໂດຍເດັກຈະສຸມໃສ່ລາງວັນຫຼາຍກວ່າເນື້ອຫານັ້ນເອງ.
ສະຫຼຸບ
ການເພີ່ມຂຶ້ນຂອງການສຶກສາທາງດ້ານ neuroeducation ແມ່ນສິ່ງທີ່ຕ້ອງລະວັງ, ໂດຍສະເພາະຍ້ອນວ່າເດັກນ້ອຍໃນທຸກມື້ນີ້ເຕີບໃຫຍ່ຢູ່ໃນໂລກທີ່ແຕກຕ່າງຈາກພໍ່ແມ່ຂອງພວກເຂົາຢ່າງຫຼວງຫຼາຍ.
ຈໍານວນຂໍ້ມູນທີ່ມີຢູ່, ຈໍານວນຫລາຍຂອງວິທີການໂຕ້ຕອບທີ່ທ່ານສາມາດສອນໂດຍໃຊ້ເຕັກໂນໂລຢີ, ມີມູນຄ່າການຂຸດຄົ້ນຢູ່ໃນຫ້ອງຮຽນ.
ການເກັບກຳຂໍ້ມູນທາງດ້ານປະສາດວິທະຍາເປັນວຽກທີ່ຫຍຸ້ງຍາກສະເໝີໄປ ເພາະວ່າເດັກນ້ອຍຮຽນຢູ່ໃນຫ້ອງຮຽນ ແລະບໍ່ແມ່ນຢູ່ໃນຫ້ອງທົດລອງ.
ການຮຽນຮູ້ກ່ຽວຂ້ອງກັບຫຼາຍກ່ວາພຽງແຕ່ການຕອບການທົດສອບ — ມັນກ່ຽວກັບການເອົາໃຈໃສ່, ຄວາມສົນໃຈ, ແຮງຈູງໃຈ, ແລະອື່ນໆອີກ.
ໃນເວລາທີ່ນັກການສຶກສາແລະນັກວິທະຍາສາດ neuros ຮ່ວມມື, ທັງສອງໄດ້ຮັບຜົນປະໂຫຍດ. ການສຶກສາສ້າງຫຼັກສູດແລະກິດຈະກໍາການຮຽນຮູ້ທີ່ສະຫນັບສະຫນູນໂດຍຂໍ້ມູນ.
ດຽວນີ້ນັກຄົ້ນຄວ້າສາມາດເຫັນຜົນກະທົບຂອງການຄົ້ນຄວ້າຂອງພວກເຂົາທີ່ນໍາໃຊ້ໃນໂລກທີ່ແທ້ຈິງ.
ຈອງໃນປັດຈຸບັນ ໄປຫາຈົດຫມາຍຂ່າວປະຈໍາອາທິດຂອງ HashDork ສໍາລັບເນື້ອໃນທີ່ຍິ່ງໃຫຍ່ເພີ່ມເຕີມກ່ຽວກັບ AI, ຄອມພິວເຕີ້, ແລະ Future Tech.
ອອກຈາກ Reply ເປັນ