コンセプトの達成: コンセプトの達成とは何か、そしてそれをレッスンでどのように使用するか

概念の達成は、単純な動きを中心に構築された帰納的な教育戦略です。学習者に用語の意味を教える代わりに、その用語の例を非例の隣に示し、定義を自分で理解できるようにします。教師または学習者が単独で作業し、概念に大声で名前を付けることなく、一連の項目をターゲットの概念に適合する「はい」の山と、そうでない「いいえ」の山に分類します。学習者は両方の山を研究し、yes-pile アイテムが共有する属性をリストし、ルールに関する仮説を立て、その仮説が成立するまで新しいアイテムに対してその仮説をテストします。

この戦略は、心理学者 ジェローム ブルーナー と、1950 年代にハーバード大学で行われた彼の分類に関する研究 (『思考の研究』) に遡ります。 Bruner 氏の主な発見は、完成した定義を渡されるよりも、対照的なケースから自分でルールを構築する方が、人はカテゴリーをより早く学習し、より長く記憶するということでした。この発見は、概念の達成を 概念形成 と区別するものです。概念形成 は、教師が既に並べ替えた例に対してルールをテストするのではなく、学習者が未分類の項目のセットから独自のカテゴリを生成する、関連はあるものの別個の戦略です。

概念の達成は、固定された属性リストに抵抗する抽象的な価値観や意見ではなく、名詞、形容詞、文法規則、幾何学的形状、岩石の種類、歴史の時代など、識別可能な定義属性を持つ概念に対してうまく機能します。社会科、科学、言語芸術の教室の教師は、この科目に最も頻繁に手を伸ばす傾向があります。これらの科目には、暗記すべき単一の事実ではなく、確認可能な一連の定義的な特徴を持つ用語が豊富に含まれているためです。

概念達成セッションは固定された順序で実行されるため、ステップをスキップすると演習が通常の講義に戻ってしまう傾向があります。このプロセスは、事前に選択されたラベル付きの例と非例のセットから始まり、学習者が自分の言葉で概念に名前を付けて定義することで終了します。

プロセスの途中で実際に思考が行われます。いくつかのラベル付き例を見た後、学習者は、yes-pile アイテムが共有していると思われるすべての属性を書き留め、さらに多くの例が到着するにつれてそのリストを絞り込み、有望に見えてもすべてのケースに当てはまらない属性を除外します。灰色の堆積岩がノーパイルに現れると、灰色の岩石は 火成岩 の定義属性にはなりません。

最後のステップは、新しいラベルのない例に対して仮説をテストすることで、コンセプトの達成とマッチングの練習を分けるものです。 5 つの真新しいアイテムを助けなしで正しく分類できる学習者は、示された 5 つの例を暗記したのではなく、実際にその概念を達成したことになります。

概念達成アクティビティの質は、セッションの開始前に選択された例と非例にほぼ完全に依存します。弱いセットでは、1 つのペアの後にルールが明らかになり、学習者にテストするものが何も与えられません。適切に構築されたセットでは、実際の属性ソートが最後まで強制されます。

強力なサンプル セットは、概念の 1 つの狭いケースではなく、概念の範囲をカバーします。大きくて毛皮に覆われた陸地に生息する例だけを使って「哺乳類」を教えると、クジラやコウモリはそうでないときは例にならないように見えるため、強力なセットには毎回異なる方向に境界を伸ばす例が含まれています。

強力な非例は実際の概念に十分近いため、本当に混乱を招きます。これは、frayer モデル テンプレート の非例ボックスの背後にある同じ原則です。ターゲットの概念とまったく共有しない非例は何も教えません。哺乳類の山の中のクジラの隣にある非哺乳類の山の中に置かれたサメが実際の仕事をするのは、学習者に水中での生活や似た体型のような表面的な特徴ではなく、生きた出産と授乳という属性を隔離させるためである。

概念の達成は、クラス全体のアクティビティ、小グループの演習、または単独の学習テクニックとして機能し、セットアップは 3 つすべてでほぼ同じです。以下のバージョンでは、ほとんどの生徒がノートや教科書の章をレビューしているときに実際に遭遇するケースであるため、1 人の学習者がソース教材だけを学習することを想定しています。

まず、実際のリスト可能な属性を持つ概念、広範なテーマではなく、読書や講義からの用語を選択することから始めます。ソース資料または自分のメモから、4 ～ 6 つの明確な例と同数のそうでない例を、明白なものから近いものへと並べて抽出します。一度に 1 つのペアの例を実行し、最後まで待つのではなく、各ペアの後に属性を書き留めます。これは、早期に気づいた属性は、後の例でそれらと矛盾すると削除されることが多いためです。

仮説が 4 つまたは 5 つのペアで矛盾なく存続したら、答えを確認する前に、2 つまたは 3 つの新しいラベルのないケースに対して仮説をテストします。最後に独自の定義をソースの実際の定義と比較すると、ループが閉じられ、意味論的特徴分析 グリッドが関連用語のセットを区別する特徴をチェックする方法と同様に、見逃した属性があれば正確に表示されます。

いくつかの習慣は、失敗に終わったコンセプト達成活動で繰り返し現れますが、そのほとんどは、コンセプト自体の問題ではなく、プロセスのステップをスキップしたことが原因です。

最も一般的なのは、コンセプトに名前を付けるのが早すぎることです。学習者はその用語を聞くと、属性のテストを停止し、その単語からすでに連想したものに対してパターン マッチングを開始します。明らかに無関係な非例を使用するのが 2 番目です。実際の概念と何の共通点も持たない非例を使用すると、真剣に異議を唱えることなく仮説を通過させることができます。 3 番目は、これまでに見られたすべての例に適合する最初の仮説の後で停止し、新しいものに対してテストすることはありません。これにより、実際に概念を定義する 1 つではなく、たまたま 5 つの項目に適合するルールが残ります。

教科書の章や講義から例や非例を直接取り出して、完全な概念到達セットを手動で構築するのは時間がかかるため、ほとんどの学生はそれをスキップし、一度定義を読むことに頼ってしまいます。 Notelyn は、既存の資料から直接作業することで、セットアップを短縮します。

PDF、録画された講義、またはタイプされたメモをインポートすると、Notelyn の AI 要約が、取り上げられている重要な用語と、ソースがそれぞれを説明するために実際に使用した例を抽出し、章全体を読み直して自分で収集することなく、開始用の例セットを提供します。そこから、AI Q&A は直接の仮説検証の質問に答えることができます。この新しいケースは概念の一例であり、その理由は一般的な説明ではなく実際のソースに基づいています。これは、まさに概念達成セッションがテスト ステップで必要とするチェックです。

Notelyn の quiz 機能は、同じ資料を並べ替えるためのラベルのないケースのセットに変換します。これは、上記のプロセスの最終テスト ステップと同じ機能であり、生成されたスタディ ガイドは、テスト前のレビューのために各概念の属性、例、非例を 1 か所に保持します。生成されたセットは開始点であり、完成したアクティビティではありません。あまりにも明らかに無関係な例をざっと流し読みし、それに依存する前にソース資料のより近いものに置き換えてください。

概念の達成は、実際に一連の属性、文法規則、岩石の種類、幾何学的形状、歴史的時代を定義する概念に関して余分なセットアップ時間を稼ぎますが、固定規則に抵抗する広範なテーマや価値判断についてはあまり役に立ちません。適切な種類の概念に基づいて使用すると、学習者が自分で構築してテストした定義が生成され、一度だけ読まれたテストよりもはるかに優れたテストに耐えられる傾向があります。

この戦略は、他の構造化された学習ツールを置き換えるのではなく、それらとうまく組み合わせることができます。コンセプトが達成されたら、語彙グラフィック オーガナイザー またはフラッシュカード レビューで同じ用語を実行すると、仮説が確認された瞬間だけでなく、数日後にその定義が成立するかどうかがチェックされます。教科書から手動で例のセットを構築する場合でも、Notelyn がメモから抽出したセットから開始する場合でも、同じコアプロセス、例、非例、属性、仮説、テストにより、概念の達成には、一度定義を読んで次に進むよりも数分余分に価値があるものになります。

小さなことから始めると習慣が定着しやすくなります。今週の読書から 1 つの用語を選択し、4 つの例と 4 つの非例を紙切れにスケッチし、このプロセスを 1 回実行してから、定期的な学習ルーチンに組み込む価値があるかどうかを判断します。