وقتی مغز کودکان از اشتباه درس نمی گیرد: راز دشواری های ریاضی

آنها همیشه "عدد را نمی‌فهمند" نیستند. گاهی مانع ظریف‌تر است: دشواری در به‌روزرسانی استراتژی‌ها پس از یک خطا. این یافته محوری یک مطالعه جدید به رهبری پژوهشگران دانشگاه استنفورد است که تمرکز را از صرفِ حس عددی به‌سوی نحوه واکنش مغزهای در حال رشد به اشتباهات منتقل می‌کند. این نکته برای حوزه‌های دشواری یادگیری ریاضی و ناتوانی عددی اهمیت دارد و می‌تواند به بازتعریف روش‌های تشخیصی و آموزشی کمک کند.

به عبارت دیگر، برخی کودکان در ریاضی مشکل ندارند چون "اعداد را درک نمی‌کنند"، بلکه چون مغزشان در تنظیم رفتار و استراتژی بعد از وقوع اشتباه ناتوان‌تر است. این تمایز بین نمایه‌سازی عددی و فرآیندهای کنترلی-اصلاحی (error monitoring) نقش مهمی در فهم علل متنوع دشواری‌های عددی ایفا می‌کند. در عمل، بررسی علل شناختی مشکلات ریاضی به پزشکان، روان‌شناسان آموزشی و معلمان اجازه می‌دهد مداخلات هدفمندتری طراحی کنند.

تیم پژوهشی به سرپرستی Hyesang Chang از کودکان مقطع ابتدایی خواست در مجموعه آزمایش‌هایی تصمیمات سریع بگیرند که در هر مرحله تعیین کنند کدام مقدار بزرگتر است. در برخی آزمون‌ها گزینه‌ها به‌صورت نمادهای عددی نوشته‌شده (مثلاً «۶» در برابر «۹») و در برخی دیگر به‌صورت خوشه‌های نقطه‌ای (نمادهای غیردرمقیاس یا nonsymbolic) نمایش داده می‌شدند. به‌جای اینکه هر آزمون صرفاً به‌عنوان درست یا نادرست امتیازدهی شود، پژوهشگران از روش‌های مدل‌سازی پیشرفته استفاده کردند که روند تغییر انتخاب‌های هر کودک را در طول تکرارها پی‌گیری می‌کردند — به‌عبارت دیگر، یادگیری را به‌عنوان یک فرایند پویا و در حال تحول اندازه‌گیری کردند، نه یک لحظه‌شناسی ایستا.

این رویکرد مدل‌محور به محققان اجازه داد ماشه‌های ظریف رفتاری را ببینند: کودکان دارای مشکلات ریاضی الگوی یکسانی از اشتباه دائمی در همه موارد نشان ندادند. در عوض، عملکرد آنها نشانه‌ای از ناپایداری مشخصی داشت — آنها پس از مرتکب شدن اشتباه، فرآیند تصمیم‌گیری خود را به‌درستی تنظیم نمی‌کردند و آن ناسازگاری را به آزمون‌های بعدی منتقل می‌کردند. در مقابل، کودکانی با مهارت‌های عددی معمولی معمولاً پس از مشاهده خطا استراتژی‌های خود را قابل‌اطمینان‌تر به‌روزرسانی می‌کردند و همین منجر به بهبودهای پیوسته‌تری در عملکردشان می‌شد.

پیش‌بینی توانایی ریاضی از طریق چند معیار نهفته عملکرد در وظایف عددی. فرمت‌های نماد عددی (symbolic) و خوشه نقطه‌ای (nonsymbolic) هر دو نشان داده شده‌اند. رنگ قرمز و آبی نشان‌دهنده کودکان با مهارت‌های ریاضی معمولی یا غیرمعمولی به‌ترتیب هستند. *** p < .001; BF = عامل بیز.

مغزهایی که تغییر مسیر نمی‌دهند

تصویربرداری عملکردی مغز (functional brain imaging) پنجره‌ای به چرایی ظهور این الگوهای رفتاری گشود. کودکانی که در ریاضی مشکل داشتند فعالیت کمتری در نواحی مرتبط با پایش عملکرد و اجرای کنترل شناختی نشان دادند — مدارهایی که وقتی یک برنامه کار نمی‌کند آن را شناسایی کرده و به تغییر استراتژی کمک می‌کنند. این شبکه‌ها شامل نواحی‌ای هستند که معمولاً در شناسایی خطا و کنترل شناختی دخیل شمرده می‌شوند، مانند سیستم‌های میان‌رخی (midline) و پیش‌پیشانی (prefrontal)؛ برای مثال قشر پیشانی میانی و قشر پیشانی فوقانی (مانند anterior cingulate cortex و dorsolateral prefrontal cortex) که از سازوکارهای تطبیق رفتار پشتیبانی می‌کنند وقتی که بازخورد نشان می‌دهد نیاز به تغییر وجود دارد.

مطلب مرتبط

ادامه مطلب

افق های نوین در تصویربرداری مغز به روش غیرتهاجمی

پیشرفت بزرگ در تصویربرداری غیرتهاجمی مغز در یک دستاورد پیشگامانه، پژوهشگران دانشگاه گلاسگو موفق شدند نور...

نکته کلیدی این بود که معیارهای مدل‌محور یادگیری پیش‌بینی می‌کردند که آیا یک کودک در گروه معمولی قرار می‌گیرد یا غیرمعمولی، و این پیش‌بینی‌ها با میزان فعالیت در شبکه‌های پایش مرتبط بود. به زبان ساده: سیگنال‌های عصبی ضعیف‌تر که اشتباهات را علامت‌گذاری و به آنها واکنش نشان می‌دهند با کسب کمتر مهارت در تصمیم‌گیری‌های عددی همبستگی دارند. به‌عبارت فنی‌تر، این مطالعه نشان داد که علاوه بر نمایه‌سازی عددیِ پایه، توانایی بروز رفتار انعطاف‌پذیر پس از خطا متغیری مهم در پیش‌بینی عملکرد ریاضی است.

این یافته‌ها چارچوب تفکر درباره دشواری‌های اولیهٔ ریاضی را بازتعریف می‌کنند. اگر مشکل پایه‌ای برای برخی کودکان نمایه‌سازی عددی نباشد بلکه توانایی تجدیدنظر در استراتژی پس از خطا باشد، مداخلاتی که هشیاری نسبت به خطا، واکنش انعطاف‌پذیر و «جابجایی استراتژی» آگاهانه را تمرین می‌دهند می‌توانند مکمل آموزش سنتی متمرکز بر اعداد شوند. از جمله این رویکردها می‌توان به آموزش متاکاگنیتیو (metacognitive training)، بازخورد ساختاریافته و فوری، بازی‌های تحصیلی طراحی‌شده برای تقویت اصلاح خود و تمرینات هدفمند در مدیریت اشتباه اشاره کرد.

چانگ و همکاران قصد دارند این مدل را در گروه‌های بزرگ‌تر و متنوع‌تری گسترش دهند، از جمله کودکانی با سایر تفاوت‌های یادگیری، تا بررسی کنند آیا این مکانیزم مبتنی بر خطا یک نخ مشترک در چالش‌های یادگیری است یا خیر. پژوهش‌های آینده می‌توانند طولی (longitudinal) باشند تا رابطه علت و معلول بین ضعف در پایش خطا و عقب‌ماندگی در مهارت‌های عددی را بهتر روشن کنند، و همچنین می‌توانند به بررسی نقش‌ها و تداخلات عوامل همراه مانند اختلال کم‌توجهی-بیش‌فعالی (ADHD)، اضطراب ریاضی و نابرابری‌های محیطی بپردازند.

از منظر روش‌شناختی، این مطالعه نمونه‌ای از ارزش مدل‌سازی رفتاری پویشی است که به‌جای تکیه صرف بر امتیازدهی «درست/نادرست» به دنبال توصیف فرآیند تصمیم‌گیری و تغییرات آن در طول زمان است. چنین رویکردهایی شامل مدل‌های تصمیم‌گیری مرحله‌ای، مدل‌های تقویت یادگیری و شاخص‌های نهفته (latent measures) می‌شوند که می‌توانند به تفکیک انواع مختلف مشکل‌پذیری در ریاضیات کمک کنند. علاوه بر این، ترکیب این مدل‌ها با تصویربرداری عملکردی، اطلاعات چندسطحی فراهم می‌آورد که برای اعتبارسنجی سازوکارهای شناختی و عصبی بسیار مفید است.

برای معلمان و کارشناسان آموزش، پیام عملی روشن است: افزودن مولفه‌هایی که کودکان را در شناخت خطا و واکنش انعطاف‌پذیر تمرین می‌دهند ممکن است در برخی موارد اثربخشی بیشتری نسبت به تمرکز صرف روی افزایش تمرین‌های عددی داشته باشد. تمرین‌های هدایت‌شده برای «تشخیص اشتباه»، «تحلیل علت اشتباه» و «آزمون راه‌حل‌های جایگزین» می‌تواند مهارت‌های اجرایی و متاکاگنیتیو را تقویت کرده و به تثبیت یادگیری عددی کمک کند.

در نهایت، این مطالعه یادآور این است که یادگیری گفتگویی است میان عمل و بازخورد. گاهی درسِ واقعی دربارهٔ خودِ مسئله نیست، بلکه مربوط به این است که مغز چگونه اصلاح را می‌شنود — و چگونه بر مبنای آن عمل می‌کند. توجه به این جنبهٔ کنترلی-اصلاحی می‌تواند چارچوب تازه‌ای برای تحقیق، تشخیص و مداخله در دشواری‌های یادگیری ریاضی فراهم آورد.

مطلب مرتبط

ادامه مطلب

تقویت توانایی ریاضی با تحریک الکتریکی غیرتهاجمی مغز: یافته های جدید دانشمندان

پیشینه: کشف پتانسیل مغز در توانایی‌های ریاضی مشکلات ریاضی یکی از چالش‌های رایج برای بسیاری از...