Nedavna studija ispituje stepen do koga su algoritmi mašinskog učenja naučili da prepoznaju slike tumora. Rezultati su pokazali da je učenje bilo optimizovano kada su algoritmi netačno pogađali u otprilike 15% slučajeva. Istraživači sugerišu da se njihova otkrića podjednako odnose i na učenje kod ljudi i životinja, te da ​doza neuspeha optimizuje učenje.

Tokom učenja, većina ljudi intuitivno prepoznaje da je malo izazova dobra stvar. Zadatak ne bi trebalo da bude previše težak, ali ni previše lak. Ova konvencionalna mudrost pojašnjava, na primer, zašto nivoi video igara postaju sve teži, ili zašto bi se instruktor klavira odlučio da početnika najpre nauči da svira jednostavnu melodiju umesto simfonije.

Ali koliko tačno učenje treba da bude teško? Da li postoji “zlatna sredina”?

Čini se da je odgovor DA, prema nedavnoj studiji koja je otkrila da je učenje optimizovano kada polaznik pogađa ispravno u otprilike 85% slučajeva, te da doza neuspeha optimizuje učenje. Da bi došli do brojki, naučnici su trenirali algoritme mašinskog učenja da prepoznaju slike tumora sa različitim nivoima težine. Pronašli su da su algoritmi najefikasnije učili kada je stepen neuspeha bio oko 15%.

Pravilo 85% za mašine i ljude

“Ove ideje koje su bile prisutne u oblasti obrazovanja – da postoji ta ‘zona bliska težini’ u kojoj bi trebalo da vaše učenje bude maksimalno – upravo to smo postavili na matematičke osnove”, izjavio je Robert Vilson, profesor psihologije i kognitivne nauke na Univerzitetu Arizona i vodeći autor studije. “Ukoliko imate stepen greške od 15%, to jest tačnosti od 85%, vaš stepen učenja je uvek maksimalan prilikom zadataka u kojima birate između dve stavke”.

Naravno, studija je uključivala algoritme, a ne ljude. Ipak, istraživači su pisali da njihova otkrića takođe opisuju optimalno učenje kod ljudi i životinja, “od percepcije, preko motoričke kontrole do pojačanog učenja”. U okviru studije, istraživači su prilagodili svoj model da odražava način na koji majmuni uče zadatak tokom vremena. Rezultati su pokazali da je, u svim scenarijima, učenje bilo optimizovano sa stepenom tačnosti od oko  85%.

Vilson je izjavio da bi pravilo 85% bilo pogotovo primenljivo na perceptivno učenje, prilikom koga postepeno savladavamo zadatke interakcijama sa okruženjem, kao što je učenje identifikovanja tumora na snimcima.

“Vremenom postajete sve bolji u pogađanju da je tumor na slici, a potrebno vam je iskustvo i primeri da biste se poboljšali”, rekao je Vilson. “Mogu da zamislim pružanje lakih primera, teških primera, kao i srednje teških primera. Ako dajem zaista lake primere, pogađate 100% tačno sve vreme i ne preostaje ništa što treba naučiti. Ako dajem zaista teške primere, bićete u pravu 50% i opet ne učiti ništa novo. Ukoliko vam pružam nešto između, možete biti u ovoj zlatnoj sredini gde dobijate najviše informacija iz svakog pojedinog primera”.

Izdržljivost i stanje toka

Ali, postoji još jedan razlog zašto je za nas važno da ugradimo zdravu dozu neuspeha u proces učenja: to priprema ljude za neizbežne izazove u životu. Tom Hoer, bivši vođa u New City School u St. Louis, je rekao da polaznici treba da uče ne samo gradivo prema programu, već takođe i emocionalne alate neophodne da se odgovori na izazove.

“Ako naša deca završe školu isključivo sa uspehom, onda smo ih izneverili, jer nisu naučili kako da reaguju na frustraciju i podbacivanje”.

Usto postoji i razlog da mislimo kako bi praćenje pravila 85% moglo da pomogne ljudima da uđu u stanje toka – osećanje da smo “u zoni” koje se javlja kada smo u potpunosti obuzeti zadatkom koji je izazovan na pravi način.

“Dosada je kada ne učite, a vaša tačnost je 100%”, izjavio je Vilson za Psychology Today. “A anksioznost je kada ne učite, a vaša tačnost je na 50% šansi. ​Doza neuspeha optimizuje učenje je zaista čista spekulacija, ali to je nešto o čemu je uzbudljivo razmišljati nadalje”.

Kritičko mišljenje u šest nivoa: Kako efektivno razmišljati