Não se preocupe em cometer um erro. É assim que aprendemos.
Um novo estudo na UPenn descobriu que a aprendizagem eficaz inclui erros - mas não muitos.

- Os seres humanos aprendem melhor quando evitam muita complexidade e entendem a essência das situações, de acordo com um novo estudo realizado por pesquisadores da Universidade da Pensilvânia.
- Em vez de lembrar todos os detalhes, aprendemos categorizando as situações por meio do reconhecimento de padrões.
- Não reteríamos muito se considerássemos um alto nível de complexidade com cada informação.
Os humanos aprendem em padrões. Pegue um arbusto pelo qual você passa todos os dias. Não é particularmente atraente; simplesmente existe ao longo de sua rota normal. Um dia você nota uma cauda acastanhada saindo de um lado. Um nariz salta do outro lado. O arbusto é quase do tamanho de um tigre. O único pensamento que você tem é corre .
Você não precisava ver o tigre inteiro para sair de lá. Já havia surgido um padrão suficiente para você entender.
Obter a essência é como aprendemos, de acordo com um novo estudo por pesquisadores da Universidade da Pensilvânia. Publicado na Nature Communications, o artigo analisa o equilíbrio entre simplicidade e complexidade. A aprendizagem humana se enquadra em algum lugar no meio desse espectro: o suficiente para ter uma ideia, não o suficiente para evitar erros. Os erros são um aspecto integrante da aprendizagem.
A equipe, formada por Ph.D. em física. aluno Christopher Lynn, neurociência Ph.D. o estudante Ari Kahn e a professora Danielle Bassett recrutaram 360 voluntários. Cada participante olhou para cinco quadrados cinza em uma tela de computador, com cada quadrado correspondendo a uma tecla do teclado. Dois quadrados ficaram vermelhos simultaneamente. Os participantes foram solicitados a tocar nas teclas correspondentes sempre que isso acontecesse.
Enquanto os voluntários suspeitavam que as mudanças de cor eram aleatórias, os pesquisadores sabiam melhor. As sequências foram geradas usando uma de duas redes: uma rede modular e uma rede de treliça. Embora quase idênticos em pequena escala, os padrões produzidos parecem diferentes em um nível macro. Lynn explica por que isso é importante:
'Um computador não se importaria com essa diferença na estrutura em grande escala, mas ela está sendo captada pelo cérebro. Os sujeitos poderiam entender melhor a estrutura subjacente da rede modular e antecipar a imagem que se aproxima. '
A ciência da aprendizagem: como transformar informação em inteligência | Barbara Oakley
Comparar o cérebro humano a um computador é impreciso, dizem eles. Os computadores entendem as informações em um nível micro. Cada pequeno detalhe é importante. Um símbolo errôneo em uma linha de código pode derrubar uma rede inteira. Os humanos aprendem olhando para a floresta, não para as árvores. Isso nos permite evitar a complexidade, o que é importante se o objetivo é entender muitas informações. Também significa que vamos cometer erros. Como Kahn diz,
'Entender a estrutura, ou como esses elementos se relacionam entre si, pode surgir de uma codificação imperfeita da informação. Se alguém fosse perfeitamente capaz de codificar todas as informações recebidas, não entenderia necessariamente o mesmo tipo de agrupamento de experiências que entende se houver um pouco de imprecisão nisso.
Reconhecendo que algo é Como outra coisa é um dos principais motivos pelos quais podemos consumir tantos dados. Em psicologia cognitiva, esse processo de categorização é conhecido como pedaço : pedaços individuais de dados divididos e agrupados para formar um todo. É um processo altamente eficiente que também nos deixa sujeitos a erros.
Dez por cento dos participantes tinham altos valores de beta, o que significa que eram extremamente cautelosos. Eles não queriam cometer erros. Vinte por cento exibiram valores beta baixos - altamente sujeitos a erros. A maior parte do grupo ficou em algum lugar no meio.

foto por Anna Gru sobre Unsplash
Fãs de um recente filme antivacinação pode-se dizer que exibe um valor beta baixo. As vacinas são uma das medidas de proteção mais benéficas já descobertas. Você não pode realmente estimar quantas vidas foram salvas; não é assim que as medidas proativas funcionam. Você pode olhar os gráficos populacionais, no entanto. Quando as vacinas foram colocadas em uso clínico, havia mais de um bilhão de pessoas no planeta. Isso depois de 350.000 anos de Homo sapiens desenvolvimento. Estamos nos aproximando de oito bilhões de pessoas apenas 139 anos após os experimentos com vacinas de Louis Pasteur. (Teoria de germes, distribuição de alimentos, antibióticos e tecnologia também desempenham um papel, embora as vacinas sejam relevantes.)
A vacinação nunca foi uma ciência perfeita. Como acontece com toda intervenção médica, eles são complexos. Os pensadores de beta baixo evitam a complexidade pela simplicidade. Muitos confundem algumas árvores com a floresta. Isso é importante durante uma época em que as informações estão sendo transformadas em armas para promover agendas. Peneirar a complexidade é exaustivo; assim, mais pessoas seguem o caminho mais fácil.
Não que o aprendizado deva ser muito complexo. Conforme declarado, apenas uma em cada 10 pessoas complica excessivamente seu pensamento. A maioria das pessoas se senta no meio, cometendo erros enquanto na maioria das vezes entende a essência.
Os pesquisadores esperam que esta informação ajude a lidar com problemas psiquiátricos (como esquizofrenia) no futuro. Eles citam o campo emergente de psiquiatria computacional , 'que usa poderosa análise de dados, aprendizado de máquina e inteligência artificial para separar os fatores subjacentes por trás de comportamentos extremos e incomuns.'
Não fique frustrado com seus erros. Todos nós os fazemos. A chave é reconhecê-los e aprender com a experiência. Principalmente, a essência é o suficiente.
-
Fique em contato com Derek no Twitter e Facebook . Seu próximo livro é 'Hero's Dose: The Case For Psychedelics in Ritual and Therapy.'
Compartilhar: