
اخیراً کتاب « یادگیری یادگیری» از سه نویسنده به نام های باربارا اوکلی، ترنس سینوسکی، آلیستر مک کانول با ترجمه آقای حمید زعیمی از انتشارات نشر نورین را خواندم. کتاب شامل یک سری راهنمایی هایی جهت افزایش بازدهی مطالعه است. به نوعی می توان این کتاب را در ادامه کتاب « از کتاب » دانست. کتاب به گونه ای نوشته شده است که بتواند برای گروه سنی دانش آموزی هم مفید باشد. هر سه نویسنده این کتاب به نوعی افرادی بوده اند که مسیر زندگی شان با تصمیم به تحصیل دانشگاهی دگرگون شده اند. در ادامه خلاصه ای از بیوگرافی هر سه نویسنده از کتاب نقل می شود:
باربارا اوکلی:
اسم من بارب است. قبلا دانش آموز ضعیفی بودم. ریاضی و علم برایم مانند سم بودند. در حال حاضر استاد دانشگاه مهندسی هستم. حتماً برایتان عجیب است.
مغز پیچیده ترین ابزار دنیاست و بسیار حیرت انگیز است و با توجه به کاری که با آن انجام می شود ساختار خود را تغییر می دهد. فارغ از اینکه اکنون دانش آموز ضعیف یا قوی هستید، تکنینک های ساده ای وجود دارد که می توانند یادگیری تان را تقویت و جالب کنند.
وقتی جوان تر بودم حیوانات و صنایع دستی را دوست داشتم ولی از اعداد متنفر بودم. با تکنولوژی دوست نبودم، مثلاً نمی دانستم که هر کدام از دکمه های تلویزیون چه کاری انجام می دهند. هیچ علاقه ای به ریاضیات نداشتم و تا حدودی هم به این موضوع افتخار می کردم: « من همینم دیگه». اعداد و معادلات برایم مانند بیماری های خطرناکی بودند که باید از آنها دوری می کردم. خوشبختانه در سایر دروس عملکرد بهتری داشتم. تاریخ، مطالعات اجتماعی و هر موضوع دیگری مرتبط با فرهنگ مورد علاقه ام بودند.
مدتی در ارتش کار کردم و زبان روسی یاد گرفتم. در سن 26 سالگی از ارتش جدا شدم. متوجه شدم صرفاً با دنبال کردن علاقه ام، فرصت های زیادی برای اشتغال نخواهم داشت. دوباره به دانشگاه برگشتم تا در رشته مهندسی درس بخوانم ولی برای موفقیت باید مغزم را دوباره آموزش می دادم تا بتوانم ریاضی و علم یاد بگیرم. از پایین ترین سطح ممکن ریاضی یعنی جبر شروع کردم. اوایل فکر می کردم که نسبت به بقیه ناتوان هستم. گاهی شک می کردم که تصمیم درستی گرفته ام. اگر آن زمان دانشی را که الان دارم، داشتم مسیر برایم بسیار راحت تر می بود. در نهایت با مدرک جدیدی در رشته مهندسی فارغ التحصیل شدم و با چند سال تحصیل بیشتر در رشته مهندسی سیستم، مدرک دکترا گرفتم. در معادلات ریاضی پیچیده و مفاهیم علمی ماهر شدم. اکنون به عنوان استاد دانشگاه به نحوه یادگیری افراد خیلی علاقه مندم.
شما استعداد ویژه ای در یادگیری دارید. وقتی در جوانی این استعداد را شکوفا کنید در طول عمرتان از اثرات آن بهره مند خواهید شد. داستان من نشان می دهد که می توانید حتی در موضوعاتی که مورد علاقه شما نیست نیز موفق شوید. مردم اغلب فکر می کنند که در موضوعاتی که به نظرشان مشکل می آیند نخواهند توانست موفق شوند ولی علم اعصاب نشان می دهد که اشتباه می کنند.
آلیستر مک کانوایل:
سلام اسم من آل است. من 42 ساله هستم ولی در همین تابستان اخیر با استرس سر جلسه امتحان در شیمی بودم که سایر همکلاسی های من که در حال امتحان بودن در سن حدود 16 سال بودند. در حقیقت تا یک سال پیش چیزی از شیمی نمی دانستم. وقتی جوان تر بودم در مدرسه خوبی درس می خواندم ولی علم را دوست نداشتم. از آنجایی که شیمی را دوست نداشتم خوشبختانه مدرسه موافقت کرد که درس شیمی را حذف کنم. در آن زمان با خودم می گفتم آخیش! چه خوب. فکر می کردم که این کار مدرسه لطف بزرگی در حق من بوده است.
الان بخشی از کار من این است که کار سایر معلمان را نگاه کنم و در مورد نحوه تدریس و بهتر شدن شیوه تدریسشان با آنها صحبت کنم. به کلاس های شیمی زیادی رفته ام و همیشه خجالت می کشیدم چونکه نمی فهمیدم معلم چه می گوید. از آنجایی که من یک معلم هستم، گاهی در این کلاس های شیمی دانش سوالاتی ابتدایی از من می پرسیدند و از اینکه نمی توانستم جوابی بدهم متعجب می شدند. چطور می توانستم در حالی که چیزی از اتم ها نمی دانستم به معلمان شیمی کمک کنم؟ داشتن نقصی بزرگ در علم و دانش نسبت به جهان حس بدی داشت. چند سال پیش با بارب ملاقاتی داشتم. او آمده بود تا داستانش را با ما به اشتراک بگذارد. داستانش مرتبط با شرایطم بود و برایم الهام بخش بود. برایمان توضیح داد که باید مغزمان را دوباره تنظیم کنیم. پس از آن بود که تصمیم گرفتم شیمی یاد بگیرم. به همه افراد مدرسه گفتم که می خواهم تابستان بعدی کنار دانش آموزان در آزمون شیمی دبیرستان شرکت کنم. در حالت معمول من به آنها یاد می دادم. حالا از آنها خواستم به من آموزش دهند. تا جایی که می توانستم طبق توصیه باب و تری عمل می کردم. زمان امتحان که رسید فکر می کردم نمره خوبی بگیرم ولی مطمئن نبودم. امتحان متعادلی بود. زمان اعلام نتایج هشت هفته بعد بود. وقتی نمره ام را دیدم واقعاً از دیدن آن خوشحال شدم. با نمره خیلی خوبی قبول شده بودم. این تجربه حس حال دانش آموز بودن و مشکل در یادگیری مطالب پیچیده را به یادم آورد. معلمان معمولا این احساس را فراموش می کنند و گاهی درک نمی کنند که چرا دانش آموزان یک موضوع را مشکل می دانند.
ترنس سینوسکی
سلام نام من تری سینوسکی است. شرایط من در طول تحصیل با بارب و آل فرق داشت. من مرد علم بودم ولی با زبان ها رابطه خوبی نداشتم. در دبیرستان سطح مطالعاتم فراتر از کلاس بود. همراه با گروهی از علاقه مندان به علم بعد از پایان کلاس ها در مدرسه می ماندیم تا در مورد ساختم رادیوها بیشتر بدانیم. با استفاده از آنتن هایی که ساخته بودیم سیگنال هایی به ماه می فرستادیم. یکی از بهترین راه های داشتن تجربه لذت بخش در محیط آموزشی پیوستن به یک باشگاه یا گروه در مدرسه است. تا دوره دکتری در دانشگاه پرینستون درس خواندم و مطالب زیادی از فیزیک یاد گرفتم. در مورد گرانش و سیاهچاله به کشفیات مهمی دست یافتم. به نقطه ای رسیده بودم که نیاز به تغییر مسیر داشتم. چیزهای زیادی در مورد مغز نمی دانستم بنابراین مسیر زیست شناسی را انتخاب کردم. رازهای مغز به پیچیدگی فضای خارج از زمین هستند. من نیز باید از پایه شروع می کردم. اوایل سخت بود ولی متوجه شدم که مطالعاتم در فیزیک باعث دید بهتری در شاخه جدید شده اند. من در مورد نورون ها در کتاب ها مطالبی را خوانده بودم ولی زمانی برایم واقعی شدند که در یک دوره تابستانه در ماساچوست توانستم زیر میکروسکوپ آن ها را مشاهده کنم.
در شغل فعلی ام از دانشم در فیزیک و زیست شناسی برای مقایسه مغزها و کامپیوترها استفاده می کنم. در جهاتی با هم تفاوت دارند و از جنبه هایی شبیه به هم هستند. کامپیوترها در محاسبات به طرز باورنکردنی سریع هستند. مغزها متفاوت هستند. آنها بسیار کندتر هستند ولی توانایی انجام تعداد بسیار زیادی کار را با هم دارند. مغزها شبیه تیمی از میلیاردها کامپیوتر کوچک هستند که با هم کار می کنند و هر نورون مانند یک کامپیوتر است. کار تیمی مغزها باعث شده است که بتوانند کارهایی انجام دهند که برای کامپیوترها مشکل است. دیدن و شنیدن دو نمونه از این نوع کارها هستند. با کار دقیق با دیگر افراد و ساعت ها تفکر در مورد نحوه کار مغز، به روش هایی برای ساخت مغزهای مصنوعی دست یافته ام. این مغزها الکتریکی اند و مانند مغزها یاد می گیرند و باید به نوعی مانند مردم به مدرسه بروند تا آموزش ببینند. آن ها نوع جدیدی از هوش مصنوعی دارند که هیچگاه خسته و کسل نمی شوند.
- ۰۴/۱۱/۱۳