Làm thế nào để tự học hiệu quả (phần 1)

Có một chia sẻ rất hay: “Sự học chứ không phải đi học” – Học tập không nên dừng lại sau khi không còn đi học. Chúng ta cần liên tục cập nhật mình đặc biệt trong biến cảnh đầy biến động, đặc biệt sự biến đổi không ngừng từ công nghệ. Nhà sử học Yuval Noah Harari từng chia sẻ: "Khả năng thích ứng, và học những điều mới" sẽ là dấu ấn của con người so với robot trong cuộc chạy đua với trí tuệ nhân tạo.

Vậy làm thế nào để tự học hiệu quả? Mình muốn chia sẻ với các bạn các lí thuyết về về khoa học thần kinh, để mỗi người có thể hiểu nguyên lí của quá trình xử lý thông tin của não bộ. Khi đó, mình có thể hiểu tại sao highlight có ích, ghi chú có ích như thế nào, tác động như thế nào, và chúng ta có thể có thể phát triển các kĩ thuật học hiệu quả hơn. Lý thuyết có vẻ dài, nhưng mình nghĩ nó rất đáng để nghiên cứu.

Để hiểu bản chất của việc học, chúng ta không thể không nhắc tới cách trí nhớ hình thành, và cách thông tin được xử lý trong não bộ.

Thông tin được chứa trong 3 bộ nhớ:

- Sensory memory: chứa các thông tin ta thu nhập từ các giác quan.

- Working memory (WM): những thông tin ta có chủ đích giữ lại trong não, nhưng ta cũng sớm quên các thông tin này. Đặc điểm của working memory:

+ Vừa là nơi chứa thông tin (như RAM ~ bộ máy tạm của máy tính), và

+ Vừa là nơi có thể xử lý thông tin (encoding), tương tự như các con chip của máy tính → Vì vậy, nó có tên là Working memory thay vì tên short-term memory (chỉ là một nơi lưu trữ) như tên trước đây của nó.

+ Đặc tính: Hệ thống xử lý thông tin của Working memory có giới hạn về số lượng xử lý thông tin. Tưởng tượng như hình ảnh chú bạch tuộc với những cái chân, WM chỉ có thể nạp 4-7 thông tin. Sự giới hạn này gọi là Cognitive load (yeah, chính là một khái niệm bạn hay nghe tới trong quá trình thiết kế trải nghiệm người dùng. Không nên cho user quá nhiều sự lựa chọn/ quá nhiều thông tin trên cùng 1 màn hình, họ sẽ gặp cognitive load). Mình sẽ trình bày cụ thể hơn về cognitive load ở bên dưới.

- Long-term memory (LTM):

+ Là nơi lưu trữ thông tin lâu hơn so với WM, nhưng không có nghĩa là mãi mãi.

+ Chỉ có những thông tin đã tạo được các liên kết, sắp xếp theo cấu trúc, và tạo thành các liên kết thần kinh cứng (hard-wired neural pathways) sẽ khó quên hơn. Các liên kết này trở nên “cứng” nhờ quá trình ta rèn luyện cơ não thường xuyên.

+ Để lưu trữ thông tin lâu dài trong bộ, não bộ cần được sắp xếp một cách có cấu trúc, hoặc có sự liên quan. 2 yếu tố này là các đặc tính quan trọng để chúng ta cải thiện cách học: hướng tới việc tạo nên các liên kết giữa các thông tin.

+ Schema/Mental model: cách chúng ta structure thông tin. Mình càng có nhiều mental model, mình càng dễ học những thứ mới. Có 2 cách để ta xử lý thông tin đưa vào mental model: 1- Đồng hóa (Assimilate), tức là chuyển đổi thông tin tiếp nhận cho phù hợp với mental model ta đã có, và 2- Thích nghi (accommodate), tức là thay đổi mental model của mình để phù hợp với thông tin mới.

Quá trình xử lý, lưu trữ thông tin gồm 3 bước như sau:

- Encoding (tiếp nhận): Thông tin WM sẽ được tiếp nhận và xử lý để lưu trữ vào trong LTM.

- Retrieval (gợi nhớ) dựa trên việc thông tin có được lưu trữ một cách có hệ thống, và liên quan với nhau không. Càng gọn gàng, liên kết, não càng dễ tìm lại các thông tin.

- Consolidating (thiết lập): sau khi ta tiếp nhận và đẩy thông tin vào LTM, hoặc khi ta lôi thông tin từ LTM để sử dụng, các liên kết thông tin trong não được thiết lập ngày một sâu đậm hơn. (Có thể thấy bước consolidating bao trùm 2 bước trên, và được hình thành đan xen trong quá trình đó).

Desirable difficulties là cảm giác mình phải đối diện với sự thiếu hiểu biết của chính mình. Nó được tạo ra để thách thức sự hiểu biết của mình (ví dụ, hành động làm bài test, tóm tắt lại kiến thức, vẽ mindmap, giảng lại cho một người nào đó về bài học). Khi đó, ta có thể nhìn nhận đúng hơn về khả năng của mình, và sẽ lưu trữ những thứ mình học tốt hơn trong LTM.

Tháp Bloom bao gồm các tầng kiến thức. Các level trên của tháp thì mức độ xử lý kiến thức càng sâu, và ta càng lưu trữ kiến thức tốt hơn. Bài blog này của mình cũng là cách mình tạo nội dung, chia sẻ lại với mọi người, thử thách lại hiểu biết của mình về chủ đề này.

Dựa trên mô hình trí nhớ và quá trình xử lý thông tin,

- Encoding là bước cực kì quan trọng. Nếu làm tốt bước này, thông tin được liên kết bền chắc hơn trong LTM, và cũng dễ tìm lại (retrieval) hơn.

- Khi tiếp nhận thông tin, chúng ta tìm cách liên kết các thông tin này với những thông tin sẵn có (schema/mental model), thông tin sẽ dễ dàng được xử lý hơn sau này hơn. Điều này có thể giải thích như sau:

+ Cách add một thông tin mới vào schema dựa trên cơ chế assimilate và accomodate, nên nếu ta hãy cố gắng xác định mối quan hệ của nó với schema của ta, ta sẽ có thể lưu trữ chúng với sự liên kết với những gì ta đã biết, thay vì chỉ hiểu bề mặt.

+ Khi chúng ta tạo ra desirable difficulties ngay tại bước encoding, não bộ cảm thấy thách thức hơn và vì thế, học một thứ mới sẽ dễ hơn.

Cognitive load (ảnh đính kèm 2) của chúng ta có giới hạn, là bottleneck của chúng ta. Vì mỗi lần tải thông tin, chúng ta chỉ có 4-7 slot bộ nhớ, nên thay vì tăng số lượng thông tin nạp vào, ta hãy tìm cách tối ưu chất lượng thông tin nạp vào.

Thông tin nạp vào được gọi là “chất lượng”, nếu chúng ta càng xác định được mối liên hệ của thông tin đó với những gì trong LTM của ta (tức là với mental model/ schema của chúng ta).

Bản thân hành động note-taking không giúp chúng ta sắp xếp, liên kết, hệ thống hóa các thông tin! Bản chất của ghi chú là để giúp lưu trữ các kiến thức của mình ở một chỗ ngoài não (tránh việc ta lưu trong WM và sẽ bị biến mất nhanh chóng), để sau này mình có thể process tiếp. Thông tin ở trong hệ thống ghi chú chưa chắc đi vào LTM.

Vì vây, khi chúng ta ghi chú, điều quan trọng là chính chúng ta sau đó phải ngồi đọc lại để xử lý và đưa vào LTM, tức là lúc đó chúng ta phải process thêm 1 lần nữa các thông tin này.

Do đó, nếu có thể, tại sao chúng ta không xử lý thông tin ngay tại bước ghi chú, ngay khi ta ghi chú với nó, thay vì ta chỉ ghi chú lại những thông tin rời rạc, và không biết liên kết như thế nào với những gì mình biết, không biết sẽ áp dụng nó như thế nào,…

Vậy ghi chú như thế nào để hiệu quả? Áp dụng desirable difficulties và Bloom's Taxonomy để encoding hiệu quả hơn, ta nên:

- Trước khi ghi chú, thay vì ngay lập tức ghi chú thông tin, hãy động não nhiều hơn, thách thức hiểu biết của chúng ta. Ta có thể đặt nhiều câu hỏi: tìm cách áp dụng, phân tích, đánh giá xem thông tin đó có liên hệ như thế nào với các thông tin sẵn có trong schema của mình? Cách áp dụng nó như thế nào? Điểm giống và khác của thông tin này với các thông tin trước,… Nói chung, đặt các câu hỏi hóc búa.

- Ghi chú lại thông tin

- Liên tục mang các thông tin ra áp dụng để làm sâu sắc hiểu biết của mình về chủ đề.

Quá trình xử lý thông tin gồm 3 bước: tiếp nhận (encoding), thiết lập (consolidating) và gợi nhớ (retrieval), được lưu trữ ở 3 bộ nhớ. Trong đó, encoding rất quan trọng vì thông tin được liên kết bền chắc hơn trong LTM, và cũng dễ tìm lại hơn. Vì WM có giới hạn số lượng thông tin tiếp nhận (cognitive load), mình nên tập trung cải thiện chất lượng tiếp nhận thông tin. Ghi chú là một cách hiệu quả để hỗ trợ quá trình này.

Bài sau mình sẽ chia sẻ cách để gợi nhớ thông tin hiệu quả, để các liên kết kiến thức trong não ngày được sâu sắc.

(còn tiếp)