ファシリテーション・レジュメ

あなたはハトですか?人間ですか?

人間らしい学び方をしよう

こんにちは。
toiee 亀田です。

足掛け10年(集中したのは、この2年)、やっと学習理論が完成しました。しかも、講座設計にまで応用できるシンプルで、強力なモデルが出来上がりました。

FILM 学習理論 モデル図

いよいよ、広げていきます。きっと

に、貢献できると思っています。

今日は「FILM理論」を応用した「ソフトウェアの学び方」を紹介します。

やり方 vs 学び方

高校の情報(パソコンや、情報理論)や、大学のコンピュータ実習、オンライン講座、パソコン教室など、ほとんどの教室では

高校の情報(パソコンや、情報理論)や、大学のコンピュータ実習、オンライン講座、パソコン教室など、ほとんどの教室では

例えば、「AAA がしたいなら」

  1. B というボタンを探して、
  2. クリックして、
  3. C が現れるから、クリックして
  4. 次にD

と説明します。丁寧に、図解したり、動画で見せたりします。そして、そのような動画を何十種類と作って見せます。

そして学習者は、言われた通り、従順に

ということをします。

ハトの訓練と同じです

ハトも適度に報酬(餌)を与えることで、複雑な手順や条件分岐がある手順も、繰り返しによって、できるようになります。

もちろん、膨大な繰り返しを必要としますが、驚くようなことをやってのけます。

ハトと人間の大きな違い

では、ハトにできることは、「人間はもっとうまくできるか?」というと、意外にもハト以下です。

人間は、ハトにやるような訓練をさせられると、すぐに退屈します。創造性を失い、失敗する確率や、短絡的な行動を起こして、失敗します。

人間は、ハト以下なのでしょうか?

どう考えても、ハトより知性があります。つまり、退屈したり、失敗が増えることは「自然なこと」と考えれば、納得がいきます。

つまり、「人間には、このような繰り返し訓練」が、あまりフィットしないということを示しています。

ハトではなく、人間らしいアプローチをしよう

学び方を学ぶというアプローチ

人間は、無駄に脳が発達しています。特に前頭前野の発達によって、感情、条件反射に介入し、書換えることができます。(ちょっと話が難しいですね)

別の例を出しましょう。

琵琶湖には、伝統漁法があります。その漁法は、湖に図に示すような「網」を配置するだけのシンプルな方法です。このように網を配置すると、魚が矢印の形のところに集まり、右往左往します。

えり漁法の仕組み

それを、すくって採るというシンプルな漁法です。

なぜ、この方法で魚が取れるのか?

理由は簡単です。魚は「障害物に当たると、沖に向かう」性質があります。そこで、多くの魚は、沖に向かい、矢印の形のところに止まります。

では、この魚の行動は、いつ獲得されたのでしょうか?

もちろん、全部違います。御察しの通り、「遺伝的に獲得した」のです。つまり、浅瀬に向かった魚は、死ぬ確率が上がります。その結果、子孫を残せません。

一方で、沖に向かう魚は、生存率がアップします。そして、子孫を残します。魚は、文化を持たないので「遺伝子的に、沖に進みやすいもの」が多く残り、それらの行動が種の間に広がります。

多くの生物は、「遺伝という長いプロセス」を通じて、行動の調整を行っています。この考えは、ダーウィニズム(遺伝子のみ)でも、形質による遺伝を主張するラマルク派でも、同じです。

どちらにせよ「遺伝」を通じないと行動調整、つまり「学習が起こらない」ということです。

人間は、1世代で「行動調整」をする

メタルモデルの変更という仕組み

一方で、人間は違います。

遺伝で獲得した行動を調整することができます。分かりやすい例で考えれば、喜んでジェットコースターに乗ったり、バンジージャンプする人間がいます(私もやったことがありますが)。

私たちは、遺伝的には「絶対にできなさそう」なことも、やってのけます。

これは「シミュレーションによって、次を予想している」からです。しかも、遺伝によって獲得したシミュレーションではなく、後天的に獲得したもので、すごく柔軟に組み替えることができます

ここまで書いて、なんだか話が難しくなってきました。難しい話はいらない!という方は、ザーーッとしたに飛ばして、5つのステップをお読みください

様々な研究結果を照らし合わせると、

は、「楽しい!」と感じます。

学習の世界では、このシミュレーション自体を修正するものは、高次学習と呼ばれています。簡単に言えば、「すっごくよく学べている状態」「高度な学びを行えている状態」を指します。

メンタルモデルとも呼ばれています

このシミュレーションをするための脳の構造を「メンタルモデル」や「ヒューリスティクス」と呼んだりします。つまり、頭の中で

ということをグルグル回せる「仕組み」をメンタルモデルといます。難しい用語はさておき、誰でもこのメンタルモデルを使いこなし、修正しながら生活をしています。

先日、あるセミナー会場で、講義をしていました。ホワイトボード消しゴムが用意されていて、それを手に取ると、マグネットが付いていました。

即座に、頭の中でシミュレーションしました(無自覚に)。

そう判断して、ホワイトボードに貼り付けたものの、ボトっと落ちました。私は、講義を続けながら、ホワイトボード消しゴムを拾い、もう一度貼り付けようとしました。

ところが、貼り着きません。場所を変えたりしながら、

と気づきました。

この時、脳に起こったことは

  1. 予想する(シミュレーションする)
  2. 結果と予想を比較する
  3. モデルを修正

です。

ある程度、簡単な出来事なら、あまり自覚的にしなくても、すぐに調整ができます。

もし、「意識的に」このシミュレーションを行い、修正をすると・・・すごいスピードと、質で学べるだけでなく、

さて、これらを「ソフトウェア」に応用すると、5つのステップになります。

ソフトウェアを学ぶ 5つのステップ

  1. ボタンを決め、ストップ!
  2. 何が起こるか予想する
  3. なぜ、そう思ったか?を考える
  4. 実際にやってみる
  5. 驚く

まず、どのボタンでも良いので「一つ」決めます。そして、ボタンを押す前に(これがすごく重要)、考えます。

「何が起こるだろうか?」

そして、次に

「なぜ、それが起こると思ったのか?」

を問います。

ここで重要なことは、可能な限り「詳細」になにが起こるかを考えてみることです。例えば、ウインドウが開く、開かない、ポップアップが出る、画面が切り替わるなどです。

また、理由も、「なんとなく」ではなく、前に見たことがあるとか、アイコンからこう推測できるなどなど、可能な限り考えてみましょう。

そして、これは「当てるため」やっているわけではありません。学習を引き起こすためにやっているので、正答率は、絶対に気にしてはいけません。

そして、実際に確かめてみましょう。すると「オォー、予想どおり!」となれば、その予想モデルが強化されます。しかも、意識しているので、効果的です。

さらに「あれ、予想と違った!」となった瞬間、脳はメンタルモデルを作り直します。

もちろん、一発で正しいメンタルモデルは手に入りません。このようなサイクルを、何度も、何度も繰り返します。いろんなボタンを押したり、リンクをクリックしたり、テキストをクリックしたり・・・

そうこうしていると、自然と「予想が当たりやすく」なります。

予想が当たることよりも、大切な事

メンタルモデルの修正能力が上がる

こうやって繰り返すと、「予想が的確に当たるように」なります。多くの場合、これで喜んでしまいがちですが、それではまだまだ「人間しかできない学習」ではありません。

このような繰り返しをしていると、「予想と違う事」に敏感になります。そして、メンタルモデルをすぐに修正します。

繰り返しによって「学習能力(メンタルモデルの修正能力)」が上がっていきます。また、いわゆる「ボタンを押すだけでなく、実験する力」も付いてきます。

自分で「予想外な出来事」を探すように触ったり、「メンタルモデルが正しいか?」を確認するために、あちこち触ってみるなどをします。

このような学習をしていることを、外から見れば「アクティブ(能動的)」となります

最近はやりのアクティブラーニングとは、そんなに難しくなく、簡単で、シンプルな考えで実現できます。

さらに、意識すること

もちろん、この5つのステップだけで全てが解決するわけではありませんが、大いに役立ちます。

実際に、何らかのアプリをマスターできる講座を作るには、

  1. 細かい違いに意識を向ける「意識」
  2. 探求モード(5つのステップ)
  3. 抽象度の階段を上がる課題
  4. 前提知識、メタ知識を手に入れ、使う

というような講座設計が必要です。それでも、この5つのステップだけでも、大いにパソコン苦手を克服することができます。

おためしください。

また、周りの人で苦手な人がいたら「このステップをファシリテート(質問し、促してあげる」してみてください。効果がすぐに確認できるはずです。

追伸

先日、視覚障害の方にワークショップに参加していただき、iPhone講座を行いました。同じ5つのステップを使って、カレンダーアプリを探究したところ、あっさり使えるようになりました。

そのうち、その時のプロセスを記事にします。

視覚障害者支援をされている方をご存知の方は、是非、記事をシェアしてくださいね!



コメントを残す

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください