Novas publicações
Por que o auto-estudo é tão eficaz?
Última revisão: 16.10.2021
Todo o conteúdo do iLive é medicamente revisado ou verificado pelos fatos para garantir o máximo de precisão factual possível.
Temos diretrizes rigorosas de fornecimento e vinculamos apenas sites de mídia respeitáveis, instituições de pesquisa acadêmica e, sempre que possível, estudos médicos revisados por pares. Observe que os números entre parênteses ([1], [2], etc.) são links clicáveis para esses estudos.
Se você achar que algum dos nossos conteúdos é impreciso, desatualizado ou questionável, selecione-o e pressione Ctrl + Enter.
Nos últimos anos, os professores prestaram mais atenção a exercícios práticos, experimentos de laboratório e pesquisa de estudantes. Isto é devido ao fato de que os alunos aprendem o material muito melhor se tiverem a capacidade de controlar a intensidade de obter conhecimento de forma independente.
O treinamento autodirigido teve tempo para se provar do lado positivo, no entanto, as razões para esse fenômeno são mal compreendidas.
Alguns cientistas sugerem que a aprendizagem autodirigida é efetiva devido à motivação da pessoa para aprender. No entanto, para identificar a relação entre aprendizagem auto-dirigida e processos cognitivos, em particular processos de atenção e memória, os especialistas não possuem dados suficientes.
Douglas Markant e Todd Gurekis, cientistas da Universidade de Nova York, tentaram investigar os motivos da eficácia deste processo de estudo do material. Eles vieram ao estudo desse tipo de aprendizagem do ponto de vista computacional e cognitivo.
Especialistas apresentaram várias hipóteses sobre o porquê a aprendizagem autodirigida tem vantagens em relação a outros tipos de dominância de material.
A compreensão autônoma e independente de informações ajuda uma pessoa a otimizar sua experiência e concentrar-se no estudo de materiais que ainda não entendemos. Além disso, a natureza da aprendizagem autodirigida permite que você mantenha a informação que você estudou por um longo período de tempo.
No entanto, esse tipo de treinamento nem sempre é efetivo. Uma pessoa pode cometer erros ao tomar uma decisão sobre a informação que ele vai estudar. A razão para isso pode ser erros cognitivos.
Os pesquisadores observam que a base para estudar como as pessoas avaliam várias fontes de informação, bem como avaliar os dados que estão procurando, podem ser os modelos computacionais que são comumente usados em estudos de aprendizagem de máquinas.
A análise usando técnicas de aprendizado de máquina pode ajudar a determinar os momentos negativos e positivos da aprendizagem autodirigida.
Um estudo conjunto, que inclui uma avaliação deste tipo de compreensão de informações em termos de processos cognitivos e computacionais, ajudará os especialistas a entender a essência dos processos que são a base de uma aprendizagem autônoma independente.
Além disso, os cientistas esperam que através da compreensão desses processos, seja possível desenvolver métodos auxiliares para estudo independente do material.