The trend for good companies and valuable employees

On the 12th of September the pedagogical faculty of the University of Helsinki hosted a panel talk Siltamat (in finnish) where, among others, Esko Kilpi was talking about how the frontline companies in far east are conducting business. It was refreshing to see someone actually use hype words like “web 2.0″, “blog” and “wiki” in a meaningful way. Here’s a summary.

Instead of the static business models of the industrial era, the information age and globalization make everything dynamic and changing. This means that the relationship companies have with their customers, and with their employees, must be a learning relationship. The relationships must be evaluated and adapted constantly.

Because the problems tackled in the information age have already become too complex for individuals to handle, the unit that functions, learns, and is evaluated, is no longer an individual employee, but a group of employees, often called a team, group, or department. The traditional way of evaluating role based competences of people is no longer meaningful, since the relationship is dynamic and learning, and people will move from one role to another constantly. Replacing them are as adaptation and learning abilities, and evaluation more often than not happens through peer review.

Each unit (team, department) must communicate and collaborate. If each person just does his own job, the company is soon in trouble. Employess no longer need to learn everything that relates to their role, but rather they need to know where they can get help. The three things that an employee in a new role should find out are:

  1. Who has done this before? Who can I ask?
  2. What has been done before? What has it been based on?
  3. Where is the best expertise?

In order for these answers to be available, employees and teams need to reflect on their work. And the organization must make reflection possible by giving people the time to do that. And reflection is meaningless unless things can be changed. This means that the conclusions of reflection should be fed back to the system, so that the ways of working can be improved based on the findings. The employees themselves thus must have the power to change the rules they work under.

With current technologies, reflection is most naturally done using personal blogs within the company. And instead of just writing, a lot can be podcasted – images of designs, or audio/video recordings of designers discussing a complex issue. The more popular a blog is, the more valuable information that individual is sharing with his colleagues, and the more valuable that individual is for the company.

The company itself should be presented in a wiki. Every employee can edit the wiki pages, and thus the ever-increasing knowledge (or intellectual capital) of the company is not stuck within the heads of employees, but is shared with everyone as best as possible. Any and all documents, people, and resources should be tagged. Not with keywords from a closed vocabulary, but actually tagged with freeform tags (folksonomies). Information cannot be categorised into a tree structure of folders anymore, since most of the complex information should be present in several places. The network hierarchy needed is most easily represented by tags.

Because of the learning nature of relationships and the constant changes in company realities, deep hierarchies of managers are no longer appropriate. Instead of forming permanent departments, employees should form short-lived unofficial teams, groups, or pairs across intraorganizational boundaries as needed (emergent resource allocation). This also means that there is no such thing as repeatable processes, since things change all the time. This makes many quality standards, such as the ISO 9000, meaningless.

Summary: people need to adapt, learn, and share; evaluation is done based on the contributions of the indivudal to the organization, often using peer-review; sharing is done using blogs and wikis; people are allowed to reflect on their work and rules of working are changed accordingly. All this gives the company more flexibility and provides an advantage in the current market, where the focus is moving from mass production to customized production, and companies need to adapt and accomodate changes in the market rapidly.

Learning objects aren't such a hot deal after all

Teemu Leinonen has some good critique on learning objects, check that out.

My personal and educated opinion is that LOs are just a desperate attempt of educational publishers to keep their revenues flowing, by migrating from deadwood textbooks to digital content. And since having modular, reusable components in IT (in software engineering) produces enormous savings, then it makes sense to have modular, reusable components
in learning as well, right? WRONG.

Learning for humans happens in context. Having complete reusability means having no context, and vice versa. Modularity and reusability are great when the material is to be used by a machine, but not when the user is a human brain – our brains need concrete, memorable, weird things that are anchored to our previous experiences and linked to our motivations and goals. LOs can’t achieve that while being completely reusable and thus contextless.

Erityisopetuksen pedagogia

Pari vuotta ehdin tutustua ja tutkia sosiaaliskonstruktiivista pedagogiaa,
kuten tutkiva oppimista, kunnes satuin kuulemaan erityisopetuksen
menetelmistä. Erityisopetukseen joutuvat/pääsevät siis ne lapset, jotka
eivät hyödy tavallisesta luokkaopetuksesta esimerkiksi oppimisvaikeuksien,
käytöshäiriöiden, kehitysvammaisuuden tai muun syyn vuoksi.

Erityisopetuksen opetusmenetelmät ovat nimittäin hyvin lähellä
sosiaaliskonstruktiivisen pedagogia tutkijoiden esittämiä teorioita ja
menetelmiä: oppilaiden omista kiinnostuksenkohteista lähtevää,
keskustelevaa, ongelmalähtöistä ja ratkaisukeskeistä asian selvittelyä ja
tutkimista, sekä vanhojen käsitysten ja uusien oppien välisen kontrastin
korostamista. Lisäksi tällainen lähestymistapa on lähempänä pienten lasten
luonnollista uteliasta toimintatapaa, sekä työntekijöiden ja tutkijoiden
toimintamalleja, joten tällaisessa koulutuksessa opitaan elämässä
tarvittavia taitoja aivan eri tavalla kuin perinteisessä luokkaopetuksessa,
jonka säännöt eivät ole missään muualla käytössä.

Alan tutkijat korostavat, että tällainen oppiminen lisää motivaatiota,
itsesäätelytaitoja, tietoutta omista päättely- ja oppimiskyvyistä,
mediakriittisyyttä, ajankäyttötaitoja, itsenäisyyttä ja sosiaalisia taitoja.
Erityisopetuksessa on otettu vastaavia menetelmiä käyttöön jo kauan ennen
kuin sosiaaliskonstruktiivisuus nousi pedagogisen tutkimuksen eturintamaan.
Toki tutkimusperinne juontaa juurensa jo 1800-luvulta Deweyn kirjoituksista,
mutta pilottiluonteisia opetuskokeiluja lukuunottamatta tämä suuntaus on
saanut tuulta siipiensä alle vasta 1990-luvulla. Erityisopetuksessa
vastaavat menetelmät ovat olleet käytössä pidempään.

Suomessa kehitetty Tutkiva oppiminen on hyvä esimerkki
sosiokonstruktiivisesta pedagogisesta menetelmästä, joka on sovellettavissa
aina esikoulusta koko peruskoulun läpi ammatilliseen koulutukseen,
yliopistokoulutukseen sekä yksityisiin opintopiireihin asti. Eräs
menetelmään vastaan suunnatuista kritiikeistä on se, että kaikkien ei
pidäkään oppia tutkimaan ja ajattelemaan kriittisesti, vaan myös
ei-tietotyön tekijöitä tarvitaan. No, erityisopetuksessa tavoitteena ei ole
tehdä oppilaista tietotyön huipputekijöitä, vaan saada heidät kunnialla
koulusta läpi. Mutta heillekin sovelletaan menestyksellisesti samanalaisia
menetelmiä, joita alan tutkijat nyt suosittelevat kaikille kouluasteille.
Need I say more?

Object orientation

Object orientation is an interesting and powerful way of designing, modeling and creating not just applications but also business models and just about anything. Here I’ll explain the basics.

Classes and objects

Instead of creating insubstantial and vague procedures and functions with extensive flow control to create the best spaghetti meal in town, objects allow the creation on concrete, close-to-the-real-world things (called objects) which are classified according to what they know and how they behave.

A Bicycle, for example, can change its gear, accelerate, break and steer. It has information on how many gears it has and what its speed and heading is.

Everything in an object oriented world is an object and each object is classified and therefore is an instance of a certain class. A class describes what behaviour and information an object of said class has, and each object of that class then has that information and behaviour.

Continuing with the Bicycle example, we could create two instances of class Bicycle, which can be called objects of class Bicycle. The first object could be heading north at a speed of 10 km/h on its 3rd gear, while the second one is stopped, facing east, on gear 1. Both of these objects have the same information (heading, speed, gear), but the individual values are different and can change over time. As the second bike starts moving, its speed increases, and at some point it will probably change to a higher gear. An object can also have information that is specified when the object is created. The color of the bicycle, for example, doesn’t change very often.

Object
A single entity that is a collection of (depending on your viewpoint):

  • data and code (binary perspective)
  • variables and methods (source code perspective)
  • information and services (design perspective)
  • state and behaviour (analysis perspective)
Class
A definition of what information and services a certain type of object has. Every object is an instance of some class.

Generalization and inheritance

When you start defining classes for our system, you’ll quickly find out, that you have several classes that are slightly different but have meny things in common. In that case you can take advantage of class inheritance and define a superclass that has the common information and several subclasses that add to the superclass’s definition.

If we add motorcycles to the system in addition to the bicycles, we have two classes that are different, yet in many ways similar. Let’s define a superclass Vehicle that has behaviour such as accelerate, break and steer, and information on its speed and heading. We’ll then specify that class Bicycle inherits or extends Vehicle, and has additional behaviour such as changing the gear. The class Motorcycle will also inherit Vehicle and has additional behaviour like changing the gear, starting the engine and shutting down the engine, and it will also have additional information, such as the amount of petrol left in the tank.

Superclass
A class that has subclasses.
Subclass
A class that inherits all the information and behaviour from one or more superclasses. A subclass can have additional information and can have additional behaviour, or override some of the superclasses’ behaviour.

Encapsulation

One of the key features of OO is information hiding and encapsulation. Information hiding means that the information an object has is hidden from the outside, so it cannot be changed or even looked at. The only way to get the value of a piece of information is to call a method that gives out that information. Similarly, to change a value, you have to call a method that will do that for you. A method is another (more programming oriented) name for a service. An object’s behaviour is made up of its services, or methods.

Encapsulation concerns the object’s methods. Only the signature of the method is visible to the outside. The signature shows how that particular method can be used. However, what the method actually does when it is invoked, is not shown. This has quite powerful ramifications. The greatest advantage is that the method’s contents can be changed freely at any time and as long as the signature stays the same, the change will not affect any other part of the system. In traditional programming styles a change somewhere can easily break the system in a dozen other places. Encapsulation makes sure that no part of the system is dependent of a class’s inner implementation, which makes updates and bug corrections significantly easier.

Do not confuse information hiding with security. Information hiding does not protect the data in any way, but is simply there at compile time to make sure that the developers don’t directly use an object’s internal data from the outside, but do it via appropriate method calls.

Variable
Storage place for one piece of information. A variable has a type, which tells what the information is (a number, a string, an array, a GearBox…) and a name, which is used at the source code level to handle the variable.
Method
A piece of code that can be called (invoked). Calling a method executes the code it contains. A method can accept parameters which it can then use in its code. A method can return a single value of some type, which the caller can use after the call is complete.
Signature
Every method has a signature, which defines the method’s name, its visibility (who is allowed to call it), the parameters it requires and the type of value it returns. The signature contains all the information needed to make sure that the method is called in an appropriate way, but contains no reference of what the method actually does.

Polymorphism

Polymorphism is another powerful feature of object orientation. By definition it means that any object of a certain class C can be treated as if it were an object of any superclass of class C. This is quite natural, since a subclass always inherits all the information and behaviour of its superclasses. This means that an object of that class will have all the methods and variables that the superclasses’ objects need to have, and therefore it can be thought of and treated as an instance of any of those superclasses.

If we create several Bicycle objects and Motorcycle objects, they are different and have different services, but they all contain the methods defined in the superclass Vehicle. Therefore we can treat these objects as Vehicles if needed. We can, for example, create a Vehicle array and store all the Bicycles and Motorcycles there. We can further iterate through the array and tell all the Vehicles to brake and turn to the right. If we later want to differentiate between Bicycles and Motorcycles, we can check the exact class of each object.

If a subclass overrides some of its superclasses methods, then the new methods (defined in the subclass) are used instead of the superclass’s methods. However, when the object is being treated as an instance of the superclass (as in the example) and an overriden method is called, two things could happen: 1) the subclass’s method is called, or 2) the superclass’s method is called. So which will happen? Object orientatied languages have a word for this: virtual methods. If a method is declared virtual, then all overrides are effective, and whenever a method is called, the actual class of the object is checked and the subclass’s version of the method is called. If a method is non-virtual, then the method defined in the class that the object is treated as will be called. Using non-virtual methods is a potential source of bugs, but virtual methods have a higher overhead, which makes method virtualization a performance issue. C++ methods are by default non-virtual, and Java methods are always virtual.

Abstract classes and methods

To be added later.

Conclusion

This concludes my short introduction to object orientation.
Hopefully it has been useful to you. I would definitely like to hear any
comments you have

Oppimisen vallankumous

Selailin eilisiltana Oppimisen vallankumous -kirjaa, joka selvästä
innokkuudestaan ja omasta agendastaan huolimatta on sen verran samoilla
linjoilla kaiken muun lukemani kanssa, että sen sisältö on otettava ainakin
vakavasti.

Lähtökohta on siis se, että nykyinen koulutusjärjestelmä ei ole mitenkään
tekemisissä todellisen elämän kanssa, ei opeta yhteiskunnassa tarvittavia
taitoja ja kaiken lisäksi suhteettoman suuri osa oppilaista ei viihdy
koulussa eikä opi edes tyydyttävästi itselleen tarpeellisia taitoja.
Aiemmin oli mahdollista vain jättää koulu kesken ja mennä tekemään
rutiinityötä, mutta nykyinen tietoyhteiskunnan murros ja työttömyysluvut sen
kertovat: tämä ei enää toimi. Jotta ihmisellä olisi työtä, on hänen myös
osattava jotain. Rutiinityön tekevät koneet. Siksi ei enää ole
hyväksyttävää, että koulujärjestelmämme tuottaa jopa 20-30% koulutuksesta
pudonneita oppilaita. Tavoitteen olisi oltava, että jokainen oppilas
innostuu elinikäisestä oppimisesta. Eikä tämä tavoite ole edes mahdoton -
siihen tarvitaan vain erilainen koulu.

Tutkiva oppiminen on esimerkki kotimaisesta lääkkeestä koulutuksen
mielekkyyden lisäämiseksi. Oppimisen vallankumouksessa on lukuisia
esimerkkejä kouluista ympäri maailmaa, jotka suhtautuvat oppimiseen aivan
eri tavalla – ja saavat aikaan myös todella hienoja tuloksia.

Toimivammassa koululaitoksessa olisi kirjan mukaan seuraavat ominaisuudet:

  1. Koulut muuttuvat ympäri vuoden toimiviksi monitoimikeskuksiksi, jotka
    keskittyvät elinikäiseen oppimiseen (siis kaikille ikäryhmille).
  2. Koulut toimivat asiakkaiden (oppilaat ja vanhemmat) edun mukaisesti.
  3. Asiakkaille taataan hyviä tuloksia, kunhan he myös sitoutuvat tulosten
    tuottamiseen omalta osaltaan.
  4. Kaikkia seitsemää (tai kahdeksaa) älykkyyden lajia käytetään, samoin
    kaikkia erilaisia oppimistapoja.
  5. Opetusmenetelmät pidetään huipputasolla.
  6. Opettajien koulutukseen panostetaan riittävästi.
  7. Jokaisesta tehdään sekä oppilas että opettaja.
  8. Opetussuunnitelmassa otetaan huomioon yksilön kehittyminen, elämässä
    tarvittavat tiedot ja taidot, oppimisen ja ajattelemisen oppminen ja
    viimeisenä sisällön oppiminen.
  9. Arviointijärjestelmässä korostuu itsearviointi, toveriarviointi ja
    opettaja-arviointi. Opettajan tekemää oppilaan arviointia ei oikeastaan
    tarvita lainkaan.
  10. Tietotekniikkaa käytetään ennakkoluulottomasti.
  11. Koko yhteisö otetaan mukaan koulun toimintaan.
  12. Globalisoituminen yltää myös koulutukseen: kun koulutuspaikan ja
    -sisällön voi valita, on koulujenkin kilpailtava tällä alalla uusien
    toimijoiden kanssa.

Aivojen toiminta

Tämä dokumentti toimii yhteenvetona käsityksistäni aivojen kognitiivisesta
toiminnasta. En ole vielä opiskellut asiaa kovin syvällisesti, mutta joitain
asioita olen luultavasti ymmärtänyt suunnilleen oikein.

Pitkäkestoinen muisti

Pitkäkestoiseksi muistiksi kutsutaan aivojen kykyä tallentaa asioita ja
palauttaa niitä myöhemmin takaisin tietoisuuteen, eli käsiteltäväksi.
Muistamisprosessia ei tunneta täysin yksityiskohtaisesti (kuten ei aivojen
toimintaa yleensäkään), mutta joitain perusperiaatteita on selvitetty
erilaisilla kokeellisilla tuktimuksilla.

Nykyiset keinotekoiset neuroverkkosovellukset toimivat joissain määrin
samalla tavalla muistamisen suhteen kuin ihmisaivotkin. Kun aivoihin
syötetään jokin muistettava asia, ei tämä asia tallennu tarkasti omaan
lokeroonsa muistissa, vaan sulautuu aivojen hermoverkkoon muiden muistojen
kanssa. Hermoverkon kopleksisuuden ansiosta muistiin “mahtuu” niinkin paljon
asioita kuin niihin mahtuu. “Asia” tässä tarkoittaa jotakin käsitettä tai
mielikuvaa, jota aivo pystyy käsittelemään. Tällainen käsite ei ole
yksittäinen ärsyke silmästä tai korvasta, vaan ennemminkin tällaisen
aistihavainnon tulkinta ja merkityksen antaminen aikaisempien tietojen
perusteella. Tämä käsitteenmuodostus aistihavainnoista ja aikaisemmista
muistoista tapahtuu tiedostamatta.

Kun käsite on muodostunut työmuistissa, syötetään se samantien
pitkäkestoiseen muistiin. Pitkäkestoinen muisti on neuroverkko, jossa on
lukemattomia eri syötteitä. Jokaiseen syötteeseen lähetetään käsitteeseen
kuuluva signaali. Nämä syötteet kattavat itse käsitteen piirteet, mutta myös
senhetkisen tunnetilan, muita asiaan liittymättömiä aistihavaintoja ja
aikaisemmat aktivoidut muistot. Neuroverkkoon tallentuu jonkinlainen
muistijälki tästä kokonaisuudesta, mutta kaikkia yksityiskohtia ei
tallenneta.

Kun aivot sitten yrittävät palauttaa asian pitkäkestoisesta muistista, ei
palautusta aloiteta tyhjästä. Jotta tulisi edes tarvetta palauttaa tietty
asia, täytyy aivojen ensin käsitellä siihen jotenkin liittyvää asiaa. Jonkin
asian käsittely lataa automaattisesti tietoja (tunteita, aistihavaintoja…)
muistin syöttöväyliin ja saa mahdollisesti aikaan jonkin asian palauttamisen
muistista. Neuroverkosta palautuu summittaisesti tietoa aiemmin muistiin
painetusta käsitteestä, mutta tämä kuva ei ole täydellinen. Palautusprosessi
on konstruktivistinen, eli puuttuvat osat täydentyvät itsekseen muista
muistoista löytyvistä yksityiskohdista.

Siitä, ovatko muistiin tallentaminen ja palauttaminen kaksi erillistä
prosessia, ei minulla ole tietoa, mutta olettaisin, että kyseessä on sama
prosessi, jota vain painotetaan eri tavalla. Aina jotain tietoa haettaessa
tallentuu myös aivoihin jotain tietoa tästä palautuksesta – kun jotain asiaa
tarvitaan tarpeeksi usein, tulee sen muistaminen aina vain helpommaksi. Eli
muistista palauttaminen aiheuttaa myös muutoksia itse muistiin. Luultavasti
myös jonkin asian muistaminen palauttaa joitain vanhempia muistoja. Prosessi
on molempiin suuntiin hyvin pitkälle tiedostomaton ja tapahtuu
automaattisesti. Tilanteessa, jossa ihminen todella pinnistelee muistaakseen
jotain, hän lähinnä käy läpi erilaisia toisiinsa liittyviä asioita ja
ikäänkuin herkistää itsensä havainnoimaan muistista palautuvia asioita ja
seuraamaan yhä uudelleen niistä vuorostaan esiin nousevia asioita, kunnes
hän lopulta saa haluamansa tiedon kaivettua muististaan.

Jokin asia on “helppo muistaa” silloin, kun siihen liittyy voimakkaita
“koukkuja”, eli jokin voimakas tunnetila, tietty yksityiskohtainen havainto
(kuten jokin tietty ympäristö, äänimerkki…) tai jokin voimakkaasti
assosioituva käsite (kuten lähisukulainen, tai mikä tahansa asia, joka on
merkityksellinen ja tarpeeksi tuttu). Kun tarpeeksi moni koukku on
paikoillaan, palautuu niiden perusteella joitain muistoja aivoista. Jos heti
ei palaudu juuri oikea muisto, toimii palautettu käsite kuitenkin
lisäkoukkuna, joka voi johtaa lähemmäs haluttua muistoa.

Tilannekohtainen kognitio tarkoittaakin sitä, että monesti opitut asiat
assosioituvat oppimisympäristöön – esimerkiksi kieliopin muistaa helpoimmin
pulpetissa istuessaan, pyöräreitin kulun muistaa istuessaan pyörän satulassa
ja tietyt muistot palautuvat mieleen kun palaamme paikkaan, jossa ne on
alunperin koettu. Eräs ongelma oppimisessa onkin asioiden irrottaminen
ympäristöstä niin, että niitä voidaan hyödyntää muualla elämässä
(siirtovaikutus).

Työmuisti

Pitkäkestoisessa muistissa muistot ovat jotenkin tallessa (vaikkeivät
kovinkaan luotettavasti), mutta myös poissa tietoisuudesta. Ihmisaivon
tietoisuudessa olevat asiat ovat työmuistissa, johon nykykäsitysten mukaan
mahtuu 4-7 käsitettä samanaikaisesti, ei enempää.

Työmuisti ja pitkäkestoinen muisti toimivat läheisesti yhdessä. Kun
työmuistiin sijoitetaan jokin käsite (vaikkapa aistihavainnon perusteella),
tapahtuu automaattisesti pitkäkestoisen muistin aktivointi, jolloin
muistista nostetaan esiin työstettävän käsitteen (kuten “auto”) yläkäsitteet
(“kulkuväline”), alakäsitteet (“toyota”, “bussi”), assosiaatiot
(“matkustaminen”, “liikkuminen”, “vauhti”) ja tutut ilmentymät (“oma
autoni”, “bussilinja 39″). Näistä nostoista siirretään työmuistiin ne, jotka
katsotaan tarpeellisiksi.

4-7 käsitettä tuntuu rajalliselta, niin kuin asia onkin. Mutta onneksi
käsitteet voivat olla varsin monimutkaisiakin. Tietyn alan asiantuntijuuden
kasvaessa sen alan käsitteet muuttuvat yksityiskohtaisemmiksi ja sisältävät
enemmän tietoa. Tämä selittää aloittelijan ja asiantuntijan suorituskyvyn
eron – aloittelijan työtä hidastaa ja hankaloittaa työmuistin rajallisuus.
Jos aiheena on vaikkapa veroilmoituksen täyttäminen, joutuu aloittelija
käsittelemään yksittäisiä lukuja, lomakkeen rakennetta ja toimintaohjeita,
joista vain 4-7 mahtuu kerralla päähän. Asiantuntija sen sijaan pystyy
käsittelemään käsitteitä kuten vähennettävät kulut, verotettava tulo ja
korkovähennykset. Lomakkeen rakenne on hänelle tuttu ja on verrattavissa
hänen työkäsitteisiinsä samoin kuin toimintaohjeetkin. Hän pystyy pitämään
lähes koko veroilmoituksen kerralla työmuistissaan.

On kuitenkin muistettava, että edellisen esimerkin asiantuntija ei ole
“älykkäämpi” kuin esimerkin aloittelija. Jos työtehtävä olisikin vaikkapa
auton moottorin korjaaminen, jossa roolit olisivat päinvastaiset, olisivat
tuloksetkin odotettavia. Asiantuntija on asiantuntija vain omalla alallaan -
muissa tehtävissä hän voi olla täysi tumpelo.

Työmuistin kapasiteetti ei kuitenkaan ole rajaton. Eri alojen
asiantuntijoita tutkittaessa on kuitenkin havaittu, että työmuisti laajenee
pitkäkestoiseen muistiin. Tämän kognitiivisen adaptaation tuloksena on
niinsanottu pitkäkestoinen työmuisti, johon asiantuntija pystyy varastoimaan
suuria määriä tietoja ja palauttamaan ne tarkemmin ja nopeammin aktiiviseen
työmuistiin kuin tavallisesta pitkäkestoisesta muistista.

Oppiminen aivojen sisällä

Oppimisella ei tarkoiteta pelkästään asioiden muistamista. Muistaminen
helpottuu, kun asioihin liittää tarpeeksi koukkuja, siis tekee asioista
tarpeeksi epätavallisia ja konkreettisia. Oppimisella tarkoitetaan
ymmärryksen lisäämistä, siis uusien asioiden ymmärtämistä ja vanhojen
käsitysten muuttamista. Puhutaankin käsitteellisestä muutoksesta tai
tarkennuksesta.

Käsitteellinen muutos rakentuu aina vanhoille käsityksille, jotka ovat
valmiiksi olemassa aivoissa. Uusia asioita on hyvin vaikea oppia tyhjän
päälle – esimerkiksi osittaisderivointia on mahdoton ymmärtää, ennen kuin
ymmärtää lukuisia yksinkertaisempia matematiikan käsitteitä, kuten
funktioita ja muuttujia. Osittaisderivoinnin voi kyllä oppia muistamaan
siten, että sitä voi jopa käyttää joissain yksinkertaisissa tilanteissa,
mutta jotta tätä taitoa voitaisiin soveltaa uusiin tilanteisiin, on se
ymmärrettävä perusteellisesti.

Oppimiseen liittyy siis aina ankkurointi, eli uusien käsitteiden sitominen
vanhoihin, jo ymmärrettyihin käsitteisiin (grounded learning). Monesti uuden
oppiminen voi myös muuttaa käsitystä aiemmin opituista asioista. Oppiminen
vaatii siis avointa mieltä – on oltava valmis muuttamaan vanhoja
käsityksiään uuden tiedon valossa.

Ihmisaivon oppimat asiat voidaan jakaa kahteen tyyppiin: käsitemalleihin ja
toimintaprosesseihin. Käsitemalleihin tallentuu tietoja uusista käsitteistä
ja niiden suhteista muihin käsitteisiin. Kaikki mallit muodostavat
monimutkaisen assosiaatioverkon, joka mahdollistaa asioiden yhdistelyn.
Toimintaprosessi taas kuvaa tietyssä tilanteessa opittua toistuvaa
toimintasarjaa, jonka suorittaminen muuttuu ajan mittaa tiedostamattomaksi.
Esimerkkinä olkoon vaikkapa kävely – aluksi se on todella vaikeaa ja vaatii
koordinaation kehittymistä. Kun kävely sitten sujuu, kuluu vielä pitkään,
ennen kuin käveleminen tapahtuu vaikeassakin maastossa automaattisesti ilman
tietoista ponnistelua.

Sivuhuomautus: Ohjelmistosuunnittelussa käytettävä oliomallinnus liippaa
todella läheltä ihmisen aivojen toimintaa. Aivojen käsitemalleja vastaavat
UML:ssä (Unified Modelling Language, nykyisin ehdottomasti yleisin
mallinnuskieli) luokka- ja oliokaaviot (class and object diagrams) ja
toimintaprosesseja taas toiminta-, viestiyhteys- ja yhteistyökaaviot
(action, sequence and collaboration diagrams). Aivojen toiminnan
mallintaminen UML:llä onkin mielenkiintoinen ajatus, josta otan kyllä kaiken
kunnian itselleni. Vaikka useimmat tässä esitettämi ajatukset ovat peräisin
kirjoista ja tutkimuksista, tämän yhteyden oppimisartefaktien ja
ohjelmistoteollisuuden mallinnusartefaktien välillä olen itse havainnut. Voi
tietysti olla, että siitäkin on tehty tutkimuksia, mutta ainakaan
tietoisesti en sellaisia muista nähneeni.

Oppiminen käytännössä

Oppimisella tarkoitetaan siis ihmisen ymmärryksen lisäämistä. Tätä ongelmaa
voidaan lähestyä käytännössä monella tasolla. Eräs niistä on Vygotskin
teoria lähikehitysvyöhykkeestä. Tämä lähikehitysvyöhyke on sellainen alue,
jota yksilö ei pysty yksin saavuttamaan (yksin saavutettava alue on se alue,
joka on jo opittu ja ymmärretty), mutta johon hän pystyy sopivien
tukirakenteiden avulla. Nämä tukirakenteet voivat olla vaikkapa opettajan
antama tuki, kuten oikeaan suuntaan ohjaavien kysymysten esittäminen.

Toinen lähestymistapa on dynaaminen asiantuntijuus, joka tarkoittaa
progressiivista (eli vähitellen etenevää ja syvenevää) ongelmanratkaisua.
Tämä tekniikka vietynä vähän pidemmälle kulkee Suomessa nimellä “tutkiva
oppiminen”.

Asioiden oppimiseen on toki monia eri tekniikoita, joista opiskelijan
pitäisi pystyä valitsemaan itselleen parhaiten sopivat. Metakognitiiviset
taidot auttavat tässä ja niistä kerron enemmän myöhemmin. Joka tapauksessa
kirjoitettu teksti on niin merkittävässä asemassa, että tekstistä on pakko
oppia oppimaan.

Tekstiä lukemalla ja kertaamalla saavutetaan vasta tekstin tulkinnan
ensimmäinen taso, “pintamuisti”. Tällöin muistetaan vaihteleva määrä
yksityiskohtia, riippuen alleviivauksista ja muista merkintätavoista. Suuret
käsitteet jäävät kuitenkin hämäriksi.

Tekstiä aktiivisesti muokkaamalla saavutetaan toinen taso, “tekstimalli”.
Aktiivinen muokkaus tarkoittaa esimerkiksi tiivistelmän kirjoittamista tai
käsitekarttoja (jotka ovat tutkimusten mukaan yhtä tehokkaita tapoja),
analogioiden vetämistä muihin jo opittuihin asioihin, johtopäätösten
tekemistä tekstistä, sekä alleviivauksia joilla hahmotellaan tekstin
yleiskuvaa. Lisäksi myös näkymättömät tekniikat, joista ei synny
artefakteja, kuten mielessä kertaaminen tai konkreettisten esimerkkien
keksiminen lukuvaiheessa, auttavat. Tekstimallin sisäistämällä yksilö
hahmottaa asian pääkohdat ja tekstin rakenteen ja ymmärtää asiaa
kohtuullisen hyvin, mutta ei vielä pysty soveltamaan asiaa kovin erilaisessa
ympäristössä.

Kolmas taso, “sisältömalli”, saavutetaan jatkamalla tekstimallista tekemällä
omia päätelmiä ja rakentelemalla omia ajatuskuvioita. Kolmannen tason
saavuttaminen tarjoaa jo niin kattavan ymmärryksen, että tietoa voidaan jo
soveltaa uusissa tilanteissa.

Muistiinpanojen tekeminen vaatii jonkinlaista kirjoittamistaitoa. Yksilön
kirjoitusten laatua voidaan parantaa asiantuntijatuella, eli ohjaamalla
kirjoittajan huomio tärkeisiin asioihin (kuten kenelle teksti on
tarkoitettu). Hyväksi havaittu kirjoitustekniikka on prosessikirjoittaminen,
jossa ensin tehdään esikirjoitus eli merkitään muistiin ideat. Seuraavaksi
tehdään luonnokset ja jäsennetään kokonaisuus. Seuraavaksi hankitaan
palautetta asiantuntijoilta ja palautteen saamisen jälkeen muokataan tekstiä
niiden mukaan. Sitten jatketaan taas jäsennyksellä ja toistetaan, kunnes
teksti on tarpeeksi hyvä.

Kognitio eli älyllinen toiminta

Ylläesitetyt ajatukset aivojen toiminnasta ja oppimisesta perustuvat
pitkälti viimeisen 20 vuoden aikana muodostuneeseen kognitiiviseen
tieteenalaan, jossa tutkitaan älyllisiä toimintoja sekä ihmisissä että
teknologian avulla. Ihmisaivojen kognitiivinen tutkimus onkin selvittänyt
monia mielenkiintoisia asioita.

Ensinnäkin on todettava, että “älykkyyttä” ei voi noin vain mitata ja
todeta, että tietty yksilö on älykäs tai tyhmä. Älykkyys on luonteeltaan
dynaamista ja sovellusalakohtaista ja sitä voidaan harjoittaa. Yhdellä
alalla älykäs ihminen on todennäköisesti harjoitellut pitkään, mutta hän ei
ole jollain täysin toisella alalla yhtään keskivertoihmistä fiksumpi. Jos
yliopiston professori osaa korjata auton, ei se johdu siitä, että hän on
yliopiston professori, vaan luultavammin siitä, että hän on koko nuoruutensa
korjaillut autoja. Älykkyyttä voidaan toki mitata, mutta tällöin on
muistettava, että tulos on vain hetkellinen ja nimenomaan mittauksessa
käytettyyn alaan soveltuva. Se, että esimerkiksi mustaihoiset ihmiset eivät
pärjää perinteisissä “älykkyystesteissä” yhtä hyvin kuin koulutetut
länsimaalaiset, ei johdu siitä, että he ovat syntyneet mustiksi, vaan siitä,
että perinteinen älykkyystesti mittaa asioita, joita opetetaan länsimaiden
koulutusjärjestelmissä, joista taas mustaihoisilla on edelleen (ainakin
Yhdysvalloissa) huonommat edellytykset päästä osallisiksi.

Ihmisaivot eivät ole kovinkaan älykkäitä. Jo aiemmin kerroin, että
muistamisprosessikin on hyvin konstruktiivinen ja summittainen. Lisäksi
“luomakunnan kruunun” loogiset päättelykyvyt ovat varsin vialliset.
Ensinnäkin ihmisaivoja riivaa arkipsykologiankin nimellä kulkeva
intuitiivisuus – aivot kehittävät käsityksiä asioista, joista niillä ei ole
tietoa, kirjaimellisesti tyhjästä. Lisäksi ongelmana on uskomusten pysyvyys.
Kun jokin asia on jollain tavalla noteerattu (siis havaittu), tämä käsitys
tallentuu aivoihin – aina. Virheellisten käsitysten muuttaminen jälkikäteen
on todella työlästä. Ensivaikutelmat pysyvät pitkään.

Aivot pyrkivät myös uskottelemaan itselleen olevansa oikeassa
(vahvistus/illuusioefekti). Kun aivot ovat jotain mieltä jostain asiasta, ne
aktiivisesti pyrkivät löytämään käsitykselleen vahvistusta, mutta välttävät
ristiriitaisten asioiden havainnointia.

Samoin aivot pyrkivät usein selvittämään “parhaan mahdollisen” selityksen
jollekin asialle. Tämän selvitti tutkimuksissaan Wason, joka esitti
koeryhmälle numerosarjan 2-4-6 ja pyysi näitä päättelemään, minkä säännön
mukaan numerosarja on muodostettu ja miten se jatkuisi. Sinäkin lukijana
varmaan ajattelet, että sarja voisi jatkua vaikkapa 8-10-12. Wasonin sääntö
oli kuitenkin yksinkertainen: seuraavan numeron oltava edellistä suurempi.
Koeryhmällä kesti todella kauan selvittää tämä sääntö, sillä he eivät
tulleet ajatelleeksi, että se voisi olla noin “tyhmä”.

Ihmisen päättely voi tapahtua kolmella erilaisella tavalla. Ensinnäkin
käytössä on induktio eli säännön selvittksilö ymmärtää ja osaa)
sosiaalisesta kognitiosta (mitä ryhmä tai yhteisö ymmärtää ja osaa). Kun
yksilö oppii ymmärtämään jotakin artefaktia, hän sisäistää asian.
Ulkoistuksessa taas yksilö kopioi yksilöllistä osaamistaan artefaktiksi ja
muiden käytettäväksi. Aiemmin korostettiin yksilöllistä osaamista (LaTour),
mutta nykyisin pidetään sosiaalista kognitiota ja kognitiivisten artefaktien
luomista tärkeämpänä (Garviel, Salomon).

Metakognitio tarkoittaa kognition havainnointia, säätelyä ja seurantaa.
Metakognitioon kuuluu ensinnäkin tietoisuus omasta kognitiosta ja sen
toimintaperiaatteista. Tämän jälkeen yksilö voi itse säädellä esimerkiksi
oppimisprosessiaan ja valita oppimistekniikoita, jotka soveltuvat itselle
parhaiten.

Metakognitiota tarvitaan etenkin vaikeimpien ja monimutkaisimpien
käsitteiden selventämisessä. Monesti asiantuntijatieto on ns. “hiljaista
tietoa” eli se ei ole yksilölle itselleenkään täysin selvää, vaan se tieto
on vain käytössä. Etenkin kokemusten kautta hankittu tieto on usein
tällaista, ja vaaditaan erityisiä ponnisteluja, jotta se saadaan
käsitteellistettyä ja selvennettyä niin, että se voidaan pukea sanoiksi ja
muuntaa kognitiivisiksi artefakteiksi. Tässä prosessissa auttavat
harjaantuneet metakognitiiviset taidot.

Lopuksi

Ylläolevat ajatukset kuvastavat omia käsityksiäni aivojen toiminnasta ja
oppimisprosessista kirjoitushetkellä. Suuri osa ajatuksista pohjautuu
johonkin kirjaan ja siten joihinkin tutkimustuloksiin, mutta ne on
kirjoitettu tähän käyttäen tukena ainoastaan muutamaa itse tekemääni
käsitekarttaa. Tekstissä voi siis olla asiavirheitä tai väärin esitettyjä
asioita. Siellä on myös takuulla tieteellisesti osoitettujen asioiden
lisäksi pitkälle vietyjä johtopäätöksiä, joilla ei välttämättä ole
tieteellistä perustaa. Tämän kirjoituksen tarkoituksena on ensinnäkin
selventää minulle itselleni näitä ajatuksia ja toisaalta toimia muistin
tukena myöhemmin, sekä kehityksen osoittajana – voin vuoden, parin päästä
katsoa, kuinka naivilta tämä teksti näyttää ja siitä arvioida oman
kehittymiseni määrän.