4.3 Реальная и смоделированная среда выполнения задач

Основная цель учебных задач — помочь учащимся индуктивно построить когнитивные схемы на основе их конкретного опыта. Таким образом, среда выполнения задач должна позволять учащимся работать над учебными задачами, которые предлагают такой конкретный опыт. (Meguerdichian et al., 2021). Вот почему такая среда называется основной средой обучения. Это может быть либо реальная среда с ее обычными инструментами и объектами, либо ее имитация. В некоторых случаях реальная среда вполне подходит для выполнения учебных задач — например, разработке ПО можно обучаться в обычной среде программирования, техническому обслуживанию автомобилей — в реальном гараже, а ремонту электронных схем — на обычном рабочем месте. Тем не менее существует ряд причин для отработки учебных задач в смоделированной среде: образовательные (например, чтобы шире отразить проблемы, с которыми может и будет сталкиваться учащийся); практические (например, недостаток рабочих мест для обучения всех учащихся); инструментальные (например, опасность обучения в реальной среде). В этих случаях может помочь симуляция, и тогда в процессе дизайна обучения важно решить, какой степенью достоверности (сходства с реальной средой задачи) она должна обладать.

Смоделированные среды выполнения задач

Смоделированная среда выполнения задач может предлагать более благоприятные возможности для обучения, чем реальная среда, — особенно на ранних этапах процесса обучения, например, в начальных учебных задачах одного занятия или начальных занятиях той или иной образовательной программы. В таблице 4.1 перечислены основные причины использования смоделированной среды. Оказывается, реальная среда иногда неблагоприятна для обучения — в ней бывает сложно или невозможно контролировать последовательность учебных задач (как при обучении авиадиспетчеров непосредственно в аэропорту), из-за чего учащимся приходится выполнять слишком сложные или слишком простые для них задачи. Иногда реальная среда не обеспечивает достаточную вариативность практики (например, при обучении преподавателей только с одной группой учащихся). Может быть затруднено оказание обучающимся необходимой поддержки или руководства (например, при обучении начинающих пилотов на одноместном самолете или в ситуации дефицита квалифицированных кадров). В реальной среде возможны опасные ситуации (например, при выполнении операции реальному пациенту). Реальные учебные ситуации могут быть неэффективны из-за того, что они требуют слишком много времени (например, проведение химического опыта при медленном протекании химической реакции). Они могут повлечь слишком крупные материальные затраты (например, реальное обучение пожарных тушению горящего самолета). Необходимые ситуации могут слишком редко встречаться в реальной жизни (к примеру, стихийные бедствия или непредсказуемые технические проблемы). Наконец, в реальной среде выполнения задачи могут быть недоступны материалы, необходимые для обучения (например, при обучении огранке и полировке алмазов). Таким образом, часто имеет смысл использовать смоделированную среду выполнения учебных задач, безопасную и контролируемую, в которой учащиеся могут развивать и совершенствовать навыки, проходя последовательную, хорошо спланированную практику.

Таблица 4.1 Причины использования смоделированной среды выполнения учебных задач

Достоверность среды выполнения учебных задач

Смоделированные среды для выполнения задач различаются по степени достоверности — то есть степени соответствия тех или иных характеристик моделируемой среды реальному миру (Frèrejean et al., 2023). Обычно различают психологическую, функциональную и физическую достоверность (Hays & Singer, 1989). Психологическая достоверность — это степень, с которой смоделированная среда задачи воспроизводит психологические факторы, испытываемые в реальной среде задачи (то есть не только навыки, которым необходимо обучиться, но и такие факторы, как стресс, страх, скука и т. д.). Функциональная достоверность — это степень сходства реакции смоделированной среды задачи и реальной среды на действия обучающихся (например, когда моделирование химического процесса приводит к точно таким же результатам, как и в лаборатории). Физическая достоверность — это степень сходства, с которой смоделированная среда задачи выглядит, звучит, ощущается или даже пахнет как реальная среда (см. рис. 4.1).

Рис. 4.1 Парашютный тренажер виртуальной реальности (VR) с высокой физической достоверностью.

Согласно «Десяти шагам», смоделированная среда должна позволять учащемуся выполнять аутентичные учебные или тренировочные задачи, основанные на реальных жизненных задачах, с самого начала обучения. Как правило, это дает желаемый психологический эффект, поскольку выполнение учебных задач похоже на выполнение реальных задач и существует четкое соответствие когнитивных процессов выполнения учебной задачи в смоделированной среде и выполнения реальной задачи в реальной среде. При этом функциональная и физическая достоверность хорошо разработанных учебных задач может быть довольно низкой. Студентам-медикам необходимо с самого начала учиться диагностировать и лечить заболевания, и тем не менее нецелесообразно или даже невозможно, чтобы они сразу же начали практиковаться с реальными пациентами в больнице. Они могут начинать с теоретических задач или описаний случаев пациентов, по которым они должны поставить диагноз и составить план лечения. Так обычно делается в проблемно-ориентированных медицинских учебных программах (Hung et al., 2019; Loyens et al., 2011). Хотя теоретические задачи имеют очень низкую функциональную и физическую достоверность, они основаны на реальных жизненных задачах и поэтому имеют приемлемо высокую психологическую достоверность.

В целом для эффективного обучения сложным когнитивным навыкам физическая достоверность смоделированной среды наименее важна (McGaghie et al., 2010). Более того, среда выполнения задач с высокой степенью достоверности может даже мешать обучающимся, поскольку она содержит слишком много «соблазнительных деталей», которые отвлекают, создают слишком большой объем ненужной информации и вызывают стресс, который мешает обучению (как симулятор кабины пилота Airbus 380 по сравнению с компьютерным симулятором). Исключение избыточных, нерелевантных и (или) отвлекающих деталей в начале обучения часто положительно сказывается на результатах обучения и переносе обучения на реальную жизнь (Mayer, Heiser, & Lonn, 2001). Чем больше опыта у обучаемых, тем большее значение приобретает степень детализации — им необходимо практиковаться в условиях, физически напоминающих реальную среду выполнения задачи (Gulikers, Bastiaens, & Martens, 2005). Сталкиваясь с нерелевантными и (или) отвлекающими деталями и стрессовым давлением, характерными для реальной среды, в условиях симуляции высокой степени сложности, более опытные учащиеся начинают игнорировать их и справляться со стрессом. Таким образом, согласно «Десяти шагам», психологическая достоверность всегда должна быть высокой, а функциональная и физическая достоверность поначалу может быть относительно низкой, а затем постепенно увеличиваться по мере накопления опыта обучающимися (ср. Maggio et al., 2015; Maran & Glavin, 2003). Таким образом, на начальном этапе учащиеся могут начинать обучение и практику в среде с относительно низкой функциональной и физической достоверностью. Такая среда предоставляет только те аспекты реальной среды, которые строго необходимы для выполнения учебных задач. Она не содержит тех деталей или особенностей, которые не имеют значения на данном этапе процесса обучения, но могут привлечь внимание учащихся и тем самым нарушить процесс обучения. Для студентов-экономистов — кейс-стади компании с финансовыми проблемами и задача проанализировать кейс-стади и разработать бизнес-стратегию повышения прибыли, а для студентов-медиков это могут быть описания пациентов с задачами поставить диагноз и составить план лечения. На рисунке 4.2 представлен пример медицинского стади-кейса, созданного в ChatGPT. Искусственный интеллект в больших языковых моделях, таких как ChatGPT, может помочь в разработке тематических материалов, хотя окончательная проверка экспертом всё ещё имеет решающее значение, прежде чем использовать их в учебных материалах. Пульмонолог, проверявший случай, представленный на рис. 4.2, не обнаружил никаких ошибок, но внёс ценные предложения по его улучшению.

Рис. 4.2 ChatGPT 3.5 генерирует описание медицинской проблемы.

На втором этапе учащиеся могут продолжить практику в среде задач с более высокой функциональной достоверностью — в интерактивной среде, которая реагирует в ответ на действия учащихся. Например, студенты-медики могут работать с так называемыми виртуальными пациентами — компьютерными симуляциями пациентов, которых можно расспрашивать, запрашивая лабораторные анализы и т. д. (Huwendiek et al., 2009; Janesarvatan & van Rosmalen, 2023; Marei et al., 2017). Возможны ролевые игры с симулированными пациентами (студентами того же курса обучения). Студентам, изучающим бизнес-администрирование, управленческие игры позволяют не только разрабатывать, но и проверять бизнес-стратегии. Так называемые виртуальные компании (Westera, Sloep, & Gerrissen, 2000) позволяют учащимся работать над реальными проектами в веб-среде, более или менее напоминающей реальность. Наконец, для приобретения навыков презентации существуют такие среды, как The Presentation Trainer (Schneider et al., 2016) — набор инструментов дополненной реальности для обучения и отработки невербальных навыков публичного выступления (см. рис. 4.3). Программа отслеживает и анализирует позу и движения тела, темп речи и громкость голоса пользователя, чтобы на экране дать обучающую обратную связь по навыкам невербальной коммуникации (сенсорное обучение) во время и после практики.

Рис. 4.3 Тренажер на основе дополненной реальности (AR)

На третьем этапе, с ростом мастерства учащихся, требуется все больше и больше деталей реальной среды выполнения задачи. Это может привести к необходимости выполнения учебных задач в смоделированной среде с высокой степенью детализации. Например, студенты-медики в ролевых играх могут столкнуться с профессиональными актерами, которые имитируют настоящих пациентов или реальные жертвы несчастных случаев. Для отработки навыков реанимации в качестве пациентов могут фигурировать аниматронные манекены, которые реагируют как настоящие пациенты (см. рис. 4.4, McGraw et al., 2023). Для студентов-экономистов симуляция с высокой степенью достоверности может проходить в смоделированном офисе, где проектные группы работают над реальной задачей, поставленной коммерческим клиентом. Такие виды симуляции плавно переходят в среду реальных задач, где студенты-медики работают с реальными пациентами в больнице, а студенты-бизнесмены — с реальными клиентами в компаниях. Смоделированная среда задач с высокой степенью достоверности и реальная среда задач могут быть неотличимы друг от друга. Это, например, относится к визуализации данных спутникового радара, где единственное различие может заключаться в том, что имитационная среда задачи использует базу сохраненных спутниковых данных и изображений, а реальная среда задачи — спутниковые данные и изображения реального времени.

Рис. 4.4 Команда скорой помощи отрабатывает навыки реанимации на манекене, управляемом компьютером

Компьютерные симуляторы и серьезные игры

Изложенные принципы применимы и к компьютерным симуляционным средам задач, включая серьезные игры — симуляционные игры, разработанные для получения или совершенствования сложных навыков в таких областях, как наука и инженерия, экологическая политика, здравоохранение, управление чрезвычайными ситуациями и т. д. (e.g., Akkaya & Akpinar, 2022; Faber et al., 2021; Hummel et al., 2021). В таблице 4.2 приведены примеры компьютерных симуляционных сред для выполнения задач, расположенных в порядке от низкой до высокой функциональной и физической достоверности. Среды с низкой степенью достоверности, такие как интернет-сайты, предоставляют учащимся реалистичные учебные задачи и проблемы с нулевой или ограниченной интерактивностью (например, Holtslander et al., 2012). Среды со средней степенью достоверности обычно реагируют на действия учащихся (то есть обеспечивают высокую функциональную достоверность) и, в случае командных задач, позволяют учащимся взаимодействовать друг с другом. Многие серьезные игры — хорошие примеры компьютерных симуляторов с высокой функциональной, но низкой физической достоверностью. Они привлекательны тем, что их разработка и использование обходятся дешевле, чем симуляторы с высокой достоверностью, они включают игровые элементы, которые повышают мотивацию обучающихся, и могут задействоваться большим количеством пользователей, находящихся в разных местах (Lukosch, van Bussel, & Meijer, 2013). Симуляции с высокой физической достоверностью, – когда можно увидеть, пощупать, послушать, понюхать, попробовать на вкус, – как правило, используются только в ситуациях, когда их относительно легко создать — или когда не может быть и речи о практике в реальной среде.

В целом к концу программы или каждого занятия учебные задачи так или иначе переходят в реальную среду — студенты-медики лечат реальных пациентов в больницах, студенты-пилоты управляют реальными самолетами, а студенты-финансисты имеют дело с реальными клиентами и проводят реальные финансовые аудиты. Дело в том, что даже симуляция с высокой степенью достоверности обычно не может конкурировать с реальным миром. Исключение можно сделать для учебных задач, которые крайне редко встречаются в реальном мире (например, ликвидация последствий стихийных бедствий вроде землетрясения или наводнения; устранение сбоев в сложных технических системах, например, ядерный взрыв; проведение редких хирургических операций), задач, связанных с очень высокими затратами (например, запуск ракеты, остановка крупного завода), и задач, где моделируемая среда неотличима от реальной (например, обработка спутниковых изображений, роботизированная хирургия). Для таких задач может применяться моделирование с высокой степенью детализации с использованием виртуальной реальности и усовершенствованными средствами ввода- вывода (например, VR-шлемы, виртуальные перчатки) и сложные программные модели, работающие в фоновом режиме.

Таблица 4.2 Примеры смоделированных на компьютере сред выполнения задач, упорядоченных от низкой до высокой функциональной и физической достоверности