과제점 프레임워크

Challenge point framework

Mark A에 의해 작성된 챌린지 포인트 프레임워크.과다놀리와 티모시 D.Lee(2004)는 운동 학습에서 다양한 연습 조건이 미치는 영향을 개념화할 수 있는 이론적 근거를 제공한다.이 프레임워크는 연습 변수를 개인, 태스크 난이도 및 정보 이론 개념의 기술 수준에 관련짓습니다.근본적인 생각은 "동작 작업은 다른 능력을 가진 연주자들에게 다른 도전을 나타낸다"(Guadagnoli와 Lee 2004, p212).어떤 일이든 개인에게 어느 정도의 도전을 안겨줄 것이다.단, 이 과제 난이도의 학습 잠재력은 다음 사항에 따라 달라집니다.

  1. 연주자의 기술 수준
  2. 작업의 복잡성
  3. 작업 환경

중요한 것은 과제 난이도의 증가가 학습 가능성을 높일 수 있지만, 과제 난이도의 증가는 또한 성과를 저하시킬 것으로 예상된다.따라서, 학습이 극대화되고 실제 수행에 대한 피해가 최소화될 때 최적의 도전 지점이 존재합니다.

중요도와 응용 프로그램

연습은 운동 기술을 수행하는 능력의 "상대적으로 영구적인" 개선을 위한 가장 중요한 요소로 제안되었다(Adams 1964; Annett 1969; Fitts; Magil 2001; Marteniuk 1976; Newell 1981; Salmoni et al. 1984; Schmidt and Lee 1999; Guadagnoli and Lee 2004).다른 모든 변수가 일정하게 유지되면 연습에 따라 기술이 향상된다(과다놀리, 리 2004).그러나 연습에 전념하는 시간은 연습 조건을 주의 깊게 고려함으로써 더 효율적으로 만들 수 있습니다.과제점 프레임워크는 연습 중 학습 잠재력을 규제하는 데 있어 수행자 수준의 역할, 작업의 복잡성 및 환경을 고려하는 이론적 관점을 제시합니다.운동 학습을 강화하기 위한 이러한 구성요소의 조정은 재활(Descaraux et al. 2010; Onla-or & Winstein 2008) 및 시뮬레이션 기반 건강 전문가 교육(Gofton 2006)을 포함한 다양한 상황에 적용할 수 있다.

역사

과제점 프레임워크는 정보 이론, 통신 이론 및 정보 처리를 포함한 다양한 연구 라인을 통해 생성된 개념을 포함한다(Lintern and Gopher 1978; Martenuik 1976; K.M. Newell et al. 1991; Wulf and Shea 2002).이론적 체계를 이해하는 데 중요한 선행 연구에서 빌린 구체적인 개념은 다음과 같다.

  1. 학습은 행동의 목표가 해결해야 할 문제를 나타내고 움직임 구성의 진화는 문제를 해결하기 위한 수행자의 시도를 나타내는 문제 해결 과정이다(Guadnoli와 Lee 2004에서 인용한 Miller 등 1960).
  2. 문제를 해결하기 위한 각 시도 중 및 시도 후에 사용할 수 있는 정보의 출처는 기억되고 학습의 기반을 형성한다. 이는 연습에서 비롯된 비교적 영구적인 기술 향상으로 정의된다(Guthrie 1952, Guadagnoli 및 Lee 2004에서 인용).
  3. 학습에는 다음 두 가지 정보 소스가 중요합니다.
    1. 실행 계획은 의도를 유발하고 궁극적으로 특정 성과에 대한 특정 이동 구성을 생성하는 구조이다(Guadagnoli 및 Lee 2004에서 인용한 Miller 등 1960).모터 제어를 참조하십시오.
    2. 피드백은 개인에게 고유한 것일 수도 있고(예: 비전), 또는 외부의 증강된 소스(예: 구두 지시)를 통해 이용할 수도 있다.
  4. 정보는 불확실성이 감소될 때만 전송된다(Shannon과 Weaver 1949; Fitts 1954; Fitts와 Posner 1967; Legge와 Barber 1967; Martenuik 1976; Miller 1956 (과다놀리와 Lee 2004에 인용됨).

구성 요소들

과제점 프레임워크에 대한 설명에서 다음과 같은 결과가 나옵니다.

  • 정보 없이 배우는 것은 불가능하다.
  • 불충분하거나 과도한 양의 정보를 제시하면 학습이 저하된다.
  • 학습은 개인의 기술과 업무의 난이도에 따라 최적의 양의 정보를 통해 촉진된다.

이용 가능한 정보와 태스크의 어려움

학습은 근본적으로 문제 해결 과정이다.실무에서는 더 나은 기대치가 형성되기 때문에 참가자가 이용할 수 있는 정보가 감소한다고 제안되었다(예: 실무 = 중복성, 따라서 불확실성 감소; Marteniuk 1976).그러나 기능적 태스크의 난이도가 높아지면 실행 계획의 예측된 성공과 피드백의 특성에 대한 확실성이 떨어집니다.기능의 난이도가 낮은 경우, 모든 스킬레벨의 퍼포먼스가 이용할 수 있는 잠재적인 정보는 적어집니다.기능적 작업의 난이도가 높아짐에 따라 사용 가능한 잠재적 정보는 초보자에게는 기하급수적으로 증가하고 중급 및 숙련된 수행자에게는 덜 빠르게 증가합니다.전문가의 경우, 사용 가능한 잠재적 정보는 최고 수준의 기능적 작업 난이도에서만 증가한다.

작업의 어려움과 기술

과제 난이도는 선행 연구에서 상당한 관심을 받았다(Fleighman and Quantance 1984; Gentile 1998).과제 지점 프레임워크에 중요한 과제 난이도는 명시적으로 정의되지 않는다.또는 다음 두 가지 범주가 이러한 요소를 포함할 수 있다.

  • 명목상의 작업 난이도
    • 과제만의 특성으로 인한 어려움, 지속적인 과제 난이도 반영(예: 투척 대상이 가까운 거리 대 가까운 거리), 지각 및 운동 성능 요건 포함(Swinnen 등. 1992년)
  • 기능 태스크의 어려움
    • 과제를 수행하는 사람과 환경(예를 들어 메이저리그 투수와 경험이 부족한 투수는 2명이 1루에 최대한 빨리 공을 던져야 한다)으로 인해 어려움을 겪는다(하나는 맑은 날에, 다른 하나는 바람이 부는 날에).

공칭 난이도가 낮은 과제의 성과는 모든 수행자 그룹(즉, 모든 기술 수준)에서 높을 것으로 예상된다.그러나 초급자 성과는 명목상 난이도가 높아짐에 따라 급격히 저하될 것으로 예상되지만 중급자 및 숙련자 성과는 덜 빠르게 감소하며, 전문가 성과는 명목상 최고 난이도에서만 감소할 것으로 예상된다.

이 프레임워크를 설명하려면 "Expert" 스킬 레벨이 유용하지만, 전문가들은 모든 명목상의 태스크 난이도에 대해 높은 수준의 예측된 성공을 가져야 한다고 주장할 수 있다.전문지식이 확보되면 이러한 개인은 진행 중인 작업의 결과를 예측하고 적절한 결과(예: 외과의사)에 도달하기 위해 진행 중인 프로세스를 수정할 수 있다.

최적의 과제

최적의 도전 포인트는 특정 기술 수준의 개인이 학습을 최적화하기 위해 필요한 기능적 작업 난이도의 정도를 나타냅니다(Guadagnoli 및 Lee 2004).그러나 이 학습은 해석 가능한 정보의 양에 따라 달라집니다.따라서 과제 난이도의 증가는 학습 가능성을 높일 수 있지만, 그 정도만 해석할 수 있고, 과제 성과는 떨어질 것으로 예상된다.따라서, 학습이 극대화되고 실제 수행에 대한 피해가 최소화될 때 최적의 도전 지점이 존재합니다.실천이 증가함에 따라 정보처리 능력이 증가할 것으로 가정한다(Marteniuk 1976).따라서, 개인의 정보 이용 능력이 변화함에 따라 최적의 도전 지점은 변화할 것이며, 학습을 촉진하기 위한 과제에서 기능적 어려움의 추가 변화가 필요할 것이다(Guadagnoli 및 Lee 2004).

실천 변수 및 프레임워크 예측

상황별 간섭(CI) 및 액션 계획

CI에 관한 과제 지점 프레임워크의 예측(운동 학습; Guadagnoli 및 Lee 2004, 페이지 219 참조):

  1. "공칭 난이도가 다른 과제의 경우, 학습을 위한 무작위 연습의 이점(블록된 연습 대비)은 공칭 난이도가 가장 낮은 과제의 경우 가장 크고 공칭 난이도가 가장 높은 과제의 경우 가장 작을 것이다.
  2. 「스킬 레벨이 다른 유저의 경우는, 낮은 레벨의 CI가 스킬 레벨의 개시시에, 높은 레벨의 CI가 높은 유저에게 있어서, 고도의 스킬을 참조해 주세요.

결과 지식(KR) 및 피드백 정보

KR에 관한 과제점 프레임워크의 예측(운동 학습 참조; Guadagnoli and Lee 2004, p221):

  1. "명목상 난이도가 높은 작업의 경우 KR을 더 자주 또는 즉시 발표하거나 둘 다 학습 효과가 가장 큽니다.명목상 난이도가 낮은 과제의 경우 KR의 빈도가 낮거나 즉각적인 프레젠테이션이 가장 큰 학습 효과를 가져온다."
  2. 「증강된 정보의 복수의 소스를 제공할 수 있는 태스크의 경우, 정보를 표시하는 스케줄이 학습에 영향을 줍니다.명목상 난이도가 낮은 과제의 경우, 차단된 프레젠테이션에 비해 증강 피드백 프레젠테이션의 무작위 일정이 학습을 촉진할 것이다.명목상 난이도가 높은 작업의 경우, 차단된 프레젠테이션은 무작위 일정보다 더 나은 학습을 생성한다.