Rozwiązywanie problemów - Problem solving

Rozwiązywanie problemów polega na stosowaniu metod ogólnych lub doraźnych w uporządkowany sposób w celu znalezienia rozwiązań trudności.

Niektóre z technik rozwiązywania problemów opracowanych i stosowanych w filozofii , medycynie , społeczeństwach , matematyce , inżynierii , informatyce i ogólnie sztucznej inteligencji są związane z technikami rozwiązywania problemów umysłowych studiowanymi w psychologii i naukach kognitywnych .

Definicja

Termin rozwiązywanie problemów ma nieco inne znaczenie w zależności od dyscypliny. Na przykład jest to proces umysłowy w psychologii i skomputeryzowany proces w informatyce . Istnieją dwa różne rodzaje problemów: źle zdefiniowane i dobrze zdefiniowane; dla każdego z nich stosowane są różne podejścia. Dobrze zdefiniowane problemy mają określone cele końcowe i jasno oczekiwane rozwiązania, podczas gdy problemy źle zdefiniowane nie mają. Dobrze zdefiniowane problemy pozwalają na bardziej wstępne planowanie niż problemy źle zdefiniowane. Rozwiązywanie problemów czasami wiąże się z pragmatyzmem , sposobem, w jaki kontekst przyczynia się do znaczenia, oraz semantyką , interpretacją problemu. Zdolność do zrozumienia, jaki jest ostateczny cel problemu i jakie zasady można zastosować, stanowi klucz do rozwiązania problemu. Czasami problem wymaga abstrakcyjnego myślenia lub wymyślenia kreatywnego rozwiązania.

Psychologia

Rozwiązywanie problemów w psychologii odnosi się do procesu znajdowania rozwiązań problemów napotykanych w życiu. Rozwiązania tych problemów są zwykle zależne od sytuacji lub kontekstu. Proces rozpoczyna się od znalezienia i ukształtowania problemu , gdzie problem jest odkrywany i upraszczany. Następnym krokiem jest wygenerowanie możliwych rozwiązań i ich ocena. Na koniec wybierane jest rozwiązanie do wdrożenia i weryfikacji. Problemy mają ostateczny cel, który należy osiągnąć, a sposób, w jaki się do niego dostaniesz, zależy od orientacji na problem (styl i umiejętności radzenia sobie z problemami) oraz systematycznej analizy. Specjaliści ds. zdrowia psychicznego badają procesy rozwiązywania ludzkich problemów przy użyciu metod takich jak introspekcja , behawioryzm , symulacja , modelowanie komputerowe i eksperyment . Psychologowie społeczni zajmują się aspektem relacji osoba-środowisko problemu oraz niezależnymi i współzależnymi metodami rozwiązywania problemów. Rozwiązywanie problemów zostało zdefiniowane jako proces poznawczy wyższego rzędu i funkcja intelektualna, która wymaga modulacji i kontroli bardziej rutynowych lub podstawowych umiejętności.

Rozwiązywanie problemów ma dwie główne domeny: rozwiązywanie problemów matematycznych i rozwiązywanie problemów osobistych. Oba są postrzegane jako napotkane trudności lub bariery. Badania empiryczne pokazują, że na codzienne rozwiązywanie problemów wpływa wiele różnych strategii i czynników. Psychologowie rehabilitacji badający osoby z urazami płata czołowego stwierdzili, że braki w kontroli emocjonalnej i rozumowaniu można naprawić poprzez skuteczną rehabilitację i poprawić zdolność osób po urazach do rozwiązywania codziennych problemów. Codzienne interpersonalne rozwiązywanie problemów zależy od indywidualnych elementów motywacyjnych i kontekstowych. Jednym z takich elementów jest emocjonalna wartość problemów „rzeczywistego świata”, która może utrudniać lub wspomagać wydajność rozwiązywania problemów. Naukowcy skupili się na roli emocji w rozwiązywaniu problemów, wykazując, że słaba kontrola emocji może zakłócić skupienie się na zadaniu docelowym i utrudnić rozwiązywanie problemu i prawdopodobnie prowadzić do negatywnych skutków, takich jak zmęczenie, depresja i bezwładność. W konceptualizacji rozwiązywanie problemów przez człowieka składa się z dwóch powiązanych ze sobą procesów: orientacji na problem oraz motywacyjnego/nastawienniczego/afektywnego podejścia do sytuacji problemowych i umiejętności rozwiązywania problemów. Badania dowodzą, że strategie ludzi są spójne z ich celami i wynikają z naturalnego procesu porównywania się z innymi.

Nauki kognitywne

Wczesne prace eksperymentalne Gestaltystów w Niemczech zapoczątkowały badania nad rozwiązywaniem problemów (np. Karl Duncker w 1935 r. ze swoją książką Psychologia produktywnego myślenia ). Później ta eksperymentalna praca była kontynuowana w latach 60. i wczesnych 70., prowadząc badania nad stosunkowo prostymi (ale nowatorskimi dla uczestników) zadaniami laboratoryjnymi rozwiązywania problemów. Zastosowanie prostych, nowatorskich zadań wynikało z jasno określonych optymalnych rozwiązań i krótkiego czasu na rozwiązanie, co umożliwiło badaczom prześledzenie kroków uczestników w procesie rozwiązywania problemów. Założeniem badaczy było to, że proste zadania, takie jak Wieża Hanoi, odpowiadają głównym właściwościom problemów „ rzeczywistych ”, a zatem charakterystyczne procesy poznawcze w próbach rozwiązywania prostych problemów przez uczestników są takie same dla problemów „rzeczywistych”; proste problemy były używane ze względu na wygodę i z oczekiwaniem, że możliwe będą uogólnienia myśli na bardziej złożone problemy. Być może najbardziej znanym i najbardziej imponującym przykładem tego kierunku badań jest praca Allena Newella i Herberta A. Simona . Inni eksperci wykazali, że zasada dekompozycji poprawia zdolność osoby rozwiązującej problem do dokonywania właściwej oceny.

Informatyka

W informatyce oraz w części sztucznej inteligencji , która zajmuje się algorytmów, problemem rozwiązywania obejmuje techniki algorytmów , heurystyki i analizy przyczyn . Ilość zasobów (np. czasu, pamięci, energii) potrzebnych do rozwiązania problemów opisuje teoria złożoności obliczeniowej . Mówiąc bardziej ogólnie, rozwiązywanie problemów jest częścią większego procesu, który obejmuje określenie problemu, deduplikację , analizę, diagnozę, naprawę i inne kroki.

Inne narzędzia do rozwiązywania problemów to programowanie liniowe i nieliniowe, systemy kolejkowe i symulacja.

Znaczna część informatyki polega na projektowaniu całkowicie automatycznych systemów, które później rozwiążą określony problem — systemy akceptujące dane wejściowe i, w rozsądnym czasie, obliczające poprawną odpowiedź lub wystarczająco poprawne przybliżenie.

Ponadto informatycy spędzają zaskakująco dużo czasu na znajdowaniu i naprawianiu problemów w swoich programach: Debugowanie .

Logika

Logika formalna zajmuje się takimi zagadnieniami jak ważność, prawda, wnioskowanie, argumentacja i dowód. W kontekście rozwiązywania problemów można go użyć do formalnego przedstawienia problemu jako twierdzenia do udowodnienia oraz do przedstawienia wiedzy potrzebnej do rozwiązania problemu jako przesłanek, które należy wykorzystać w dowodzie, że problem ma rozwiązanie. Wykorzystanie komputerów do dowodzenia twierdzeń matematycznych przy użyciu logiki formalnej pojawiło się jako dziedzina automatycznego dowodzenia twierdzeń w latach pięćdziesiątych. Obejmował on zastosowanie metod heurystycznych zaprojektowanych do symulowania rozwiązywania ludzkich problemów, jak w Logic Theory Machine , opracowanej przez Allena Newella, Herberta A. Simona i JC Shawa, a także metod algorytmicznych, takich jak zasada rozwiązywania opracowana przez Johna Alana Robinsona .

Oprócz zastosowania do znajdowania dowodów twierdzeń matematycznych, automatyczne dowodzenie twierdzeń było również wykorzystywane do weryfikacji programów w informatyce. Jednak już w 1958 roku John McCarthy zaproponował radcy , aby reprezentować informacje w logice formalnej i uzyskiwać odpowiedzi na pytania za pomocą automatycznego dowodzenia twierdzeń. Ważny krok w tym kierunku zrobił Cordell Green w 1969 roku, używając dowodzenia twierdzenia o rozdzielczości do odpowiadania na pytania i do innych zastosowań w sztucznej inteligencji, takich jak planowanie robotów.

Dowód twierdzenia o rozdzielczości używany przez Cordella Greena niewiele przypominał ludzkie metody rozwiązywania problemów. W odpowiedzi na krytykę jego podejścia, pochodzącą od badaczy z MIT, Robert Kowalski opracował programowanie logiczne i rozdzielczość SLD , która rozwiązuje problemy poprzez dekompozycję problemów. Opowiadał się za logiką w rozwiązywaniu problemów komputerowych i ludzkich oraz logiką obliczeniową w celu poprawy ludzkiego myślenia

Inżynieria

Rozwiązywanie problemów jest stosowane, gdy produkty lub procesy zawodzą, więc można podjąć działania naprawcze, aby zapobiec dalszym awariom . Można go również zastosować do produktu lub procesu przed faktycznym zdarzeniem awarii — gdy potencjalny problem można przewidzieć i przeanalizować, a także zastosować środki łagodzące, aby problem nigdy nie wystąpił. Techniki, takie jak analiza przyczyn i skutków awarii, mogą być wykorzystywane do proaktywnego zmniejszania prawdopodobieństwa wystąpienia problemów.

Inżynieria kryminalistyczna jest ważną techniką analizy awarii, która obejmuje śledzenie defektów i wad produktu. Następnie można podjąć działania naprawcze, aby zapobiec dalszym awariom.

Inżynieria odwrotna próbuje odkryć oryginalną logikę rozwiązywania problemów używaną przy opracowywaniu produktu poprzez rozłożenie go na części.

Nauka wojskowa

W naukach wojskowych rozwiązywanie problemów jest powiązane z koncepcją „stanów końcowych”, pożądanego stanu lub sytuacji, którą stratedzy chcą wywołać. Umiejętność rozwiązywania problemów jest ważna na każdym szczeblu wojskowym , ale bardzo ważna na poziomie dowodzenia i kontroli , gdzie jest ściśle skorelowana z głębokim zrozumieniem scenariuszy jakościowych i ilościowych. Skuteczność rozwiązywania problemów służy do pomiaru wyniku rozwiązania problemu związanego z osiągnięciem celu. Planowanie rozwiązywania problemów to proces określania sposobu osiągnięcia celu

Strategie rozwiązywania problemów

Strategie rozwiązywania problemów to kroki, których można użyć, aby znaleźć problemy, które stoją na drodze do osiągnięcia własnego celu. Niektórzy nazywają to „cyklem rozwiązywania problemów”.

W tym cyklu należy potwierdzić, rozpoznać problem, zdefiniować problem, opracować strategię rozwiązania problemu, uporządkować wiedzę o cyklu problemów, określić zasoby do dyspozycji użytkownika, monitorować swoje postępy i oceniać rozwiązanie pod kątem dokładności . Powodem, dla którego nazywa się to cyklem, jest to, że po rozwiązaniu problemu zwykle pojawia się inny.

Wgląd to nagłe rozwiązanie długo irytującego problemu , nagłe rozpoznanie nowego pomysłu lub nagłe zrozumienie złożonej sytuacji, Aha! moment . Rozwiązania znalezione dzięki wglądowi są często dokładniejsze niż te znalezione na podstawie analizy krok po kroku. Aby szybciej rozwiązywać więcej problemów, niezbędny jest wgląd w wybieranie produktywnych ruchów na różnych etapach cyklu rozwiązywania problemów. Ta strategia rozwiązywania problemów dotyczy w szczególności problemów określanych jako problem wglądu. W przeciwieństwie do formalnej definicji problemów ruchowych Newella i Simona, nie ma ogólnie uzgodnionej definicji problemu wglądu (Ash, Jee i Wiley, 2012; Chronicle, MacGregor i Ormerod, 2004; Chu i MacGregor, 2011).

Blanchard-Fields patrzy na rozwiązywanie problemów z jednego z dwóch aspektów. Pierwsze spojrzenie na te problemy, które mają tylko jedno rozwiązanie (takie jak problemy matematyczne lub pytania oparte na faktach), które są oparte na inteligencji psychometrycznej. Drugi ma charakter społeczno-emocjonalny i stale zmienia odpowiedzi (np. jaki jest twój ulubiony kolor lub co powinieneś kupić komuś na Boże Narodzenie).

Poniższe techniki są zwykle nazywane strategiami rozwiązywania problemów:

  • Abstrakcja : rozwiązanie problemu w modelu systemu przed zastosowaniem go do rzeczywistego systemu
  • Analogia : użycie rozwiązania, które rozwiązuje analogiczny problem
  • Burza mózgów : (szczególnie wśród grup ludzi) proponowanie dużej liczby rozwiązań lub pomysłów oraz łączenie ich i rozwijanie, aż do znalezienia optymalnego rozwiązania
  • Krytyczne myślenie
  • Dziel i rządź : rozbijanie dużego, złożonego problemu na mniejsze, rozwiązywalne problemy
  • Testowanie hipotez : zakładanie możliwego wyjaśnienia problemu i próba udowodnienia (lub, w niektórych kontekstach, obalenia) założenia
  • Myślenie lateralne : podejście do rozwiązań pośrednio i twórczo
  • Analiza środków i celów : wybór działania na każdym kroku, aby zbliżyć się do celu
  • Metoda obiektów ogniskowych : synteza pozornie niepasujących cech różnych obiektów w coś nowego
  • Analiza morfologiczna : ocena wyników i interakcji całego systemu
  • Dowód : spróbuj udowodnić, że problemu nie da się rozwiązać. Punkt, w którym dowód zawiedzie, będzie punktem wyjścia do jego rozwiązania
  • Redukcja : przekształcenie problemu w inny problem, dla którego istnieją rozwiązania
  • Badania : wykorzystanie istniejących pomysłów lub dostosowanie istniejących rozwiązań do podobnych problemów
  • Analiza przyczyn źródłowych : identyfikacja przyczyny problemu
  • Próby i błędy : testowanie możliwych rozwiązań aż do znalezienia właściwego

Metody rozwiązywania problemów

Wspólne bariery

Powszechnymi barierami w rozwiązywaniu problemów są konstrukty mentalne, które utrudniają nam prawidłowe rozwiązywanie problemów. Bariery te uniemożliwiają ludziom rozwiązywanie problemów w najbardziej efektywny sposób. Pięć najczęstszych procesów i czynników, które naukowcy zidentyfikowali jako przeszkody do rozwiązania problemu są bias potwierdzenie , zestaw psychicznego , fiksacja funkcjonalna , niepotrzebnych ograniczeń i nieistotne informacje.

Błąd potwierdzenia

Stronniczość potwierdzania to niezamierzona stronniczość spowodowana gromadzeniem i wykorzystywaniem danych w sposób, który faworyzuje z góry przyjęte pojęcie. Przekonania dotknięte błędem konfirmacji nie muszą mieć motywacji , chęci obrony lub znalezienia uzasadnienia dla przekonań, które są ważne dla tej osoby. Badania wykazały, że specjaliści z dziedzin naukowych również doświadczają błędu potwierdzenia. Andreas Hergovich, Reinhard Schott i eksperyment Christopha Burgera, który przeprowadzili w Internecie, sugerowali, na przykład, że specjaliści w dziedzinie badań psychologicznych będą prawdopodobnie bardziej przychylnie patrzeć na badania naukowe, które zgadzają się z ich z góry przyjętymi poglądami, niż badania, które kolidują z ich ugruntowanymi przekonaniami. Według Raymonda Nickersona konsekwencje błędu konfirmacji można zaobserwować w rzeczywistych sytuacjach, których dotkliwość waha się od nieefektywnej polityki rządu po ludobójstwo. Nickerson twierdził, że ci, którzy zabijali ludzi oskarżonych o czary, wykazywali motywacją stronniczość potwierdzenia. Badacz Michael Allen znalazł dowody na błąd potwierdzenia z motywacją u dzieci w wieku szkolnym, które pracowały nad manipulowaniem swoimi eksperymentami naukowymi w taki sposób, aby przyniosły korzystne wyniki. Jednak błąd potwierdzenia niekoniecznie wymaga motywacji. W 1960 roku Peter Cathcart Wason przeprowadził eksperyment, w którym uczestnicy najpierw obejrzeli trzy liczby, a następnie stworzyli hipotezę, która proponowała regułę, która mogła zostać użyta do stworzenia trójki liczb. Podczas testowania swoich hipotez uczestnicy mieli tendencję do tworzenia tylko dodatkowych trójek liczb, które potwierdzałyby ich hipotezy, a nie do tworzenia trójek, które negowałyby lub obalały ich hipotezy. Tak więc badania pokazują również, że ludzie mogą i pracują, aby potwierdzić teorie lub idee, które nie wspierają lub nie angażują osobiście istotnych przekonań.

Zestaw mentalny

Zestaw mentalny został po raz pierwszy wyartykułowany przez Abrahama Luchinsa w latach 40. XX wieku i zademonstrowany w jego dobrze znanych eksperymentach z dzbanami na wodę. W tych eksperymentach uczestnicy zostali poproszeni o napełnienie jednego dzbanka określoną ilością wody, używając tylko innych dzbanków (zwykle trzech) o różnych maksymalnych pojemnościach jako narzędzi. Po tym, jak Luchins dał swoim uczestnikom zestaw problemów z dzbanami na wodę, które można było rozwiązać za pomocą jednej techniki, następnie dawał im problem, który można rozwiązać za pomocą tej samej techniki lub nowej i prostszej metody. Luchins odkrył, że jego uczestnicy zwykle stosowali tę samą technikę, do której przywykli, pomimo możliwości skorzystania z prostszej alternatywy. Tak więc nastawienie mentalne opisuje skłonność do rozwiązywania problemów w sposób, który sprawdził się w poprzednich doświadczeniach. Jednak, jak ujawniła praca Luchinsa, takie metody znalezienia rozwiązania, które sprawdziły się w przeszłości, mogą nie być adekwatne lub optymalne dla pewnych nowych, ale podobnych problemów. Dlatego często konieczne jest, aby ludzie wykroczyli poza swoje nastawienia mentalne, aby znaleźć rozwiązania. Zostało to ponownie zademonstrowane w eksperymencie Normana Maiera z 1931 r., który wezwał uczestników do rozwiązania problemu za pomocą przedmiotu gospodarstwa domowego (szczypiec) w niekonwencjonalny sposób. Maier zaobserwował, że uczestnicy często nie byli w stanie spojrzeć na obiekt w sposób odbiegający od jego typowego zastosowania, zjawisko uważane za szczególną formę zestawu mentalnego (dokładniej znanego jako stałość funkcjonalna, która jest tematem następnej sekcji). Kiedy ludzie sztywno trzymają się swoich mentalnych ustawień, mówi się, że doświadczają fiksacji , pozornej obsesji lub zaabsorbowania próbami strategii, które są wielokrotnie nieskuteczne. Pod koniec lat 90. badaczka Jennifer Wiley pracowała nad ujawnieniem, że wiedza specjalistyczna może działać w celu stworzenia zestawu mentalnego u osób uważanych za ekspertów w swoich dziedzinach i uzyskała dowody na to, że zestaw mentalny stworzony przez ekspertyzę może prowadzić do rozwoju fiksacji.

Stałość funkcjonalna

Stałość funkcjonalna jest specyficzną formą mentalnego nastawienia i fiksacji, do której nawiązywano wcześniej w eksperymencie Maiera, a ponadto jest to kolejny sposób, w jaki tendencyjność poznawcza jest widoczna w codziennym życiu. Tim German i Clark Barrett opisują tę barierę jako stały projekt obiektu utrudniający jednostce zobaczenie, jak spełnia on inne funkcje. Mówiąc bardziej technicznie, badacze ci wyjaśnili, że „przedmioty „utrwalają się” na funkcji projektowej obiektów, a rozwiązywanie problemów cierpi w stosunku do warunków kontrolnych, w których funkcja obiektu nie jest wykazana. Stałość funkcjonalna definiowana jest jako fakt, że tylko ta podstawowa funkcja samego przedmiotu utrudnia mu służenie innemu celowi niż jego pierwotna funkcja. W badaniach, które uwypukliły główne powody, dla których małe dzieci są odporne na nieruchomość funkcjonalną, stwierdzono, że „stałość funkcjonalna…[jest] gdy] badani mają trudności z osiągnięciem rozwiązania problemu dzięki znajomości konwencjonalnej funkcji obiektu”. Ponadto należy zauważyć, że stałość funkcjonalną można łatwo wyrazić w zwykłych sytuacjach. Na przykład wyobraź sobie następującą sytuację: mężczyzna widzi na podłodze robaka, którego chce zabić, ale jedyne, co w tej chwili trzyma w dłoni, to puszka odświeżacza powietrza. Jeśli mężczyzna zacznie rozglądać się za czymś w domu, czym mógłby zabić robaka, zamiast zdawać sobie sprawę, że puszka odświeżacza powietrza może w rzeczywistości być używana nie tylko jako główna funkcja odświeżania powietrza, mówi się, że doświadcza funkcjonalności stałość. Wiedza mężczyzny o puszkach służących wyłącznie jako odświeżacz powietrza utrudniała mu uświadomienie sobie, że również mogła ona służyć do innego celu, którym w tym przypadku było narzędzie do zabicia robaka. Stałość funkcjonalna może się zdarzyć przy wielu okazjach i może powodować pewne uprzedzenia poznawcze. Jeśli ludzie widzą przedmiot jako służący tylko jednemu głównemu skupieniu, to nie zdają sobie sprawy, że przedmiot może być używany na różne sposoby, inne niż jego przeznaczenie. To z kolei może powodować wiele problemów związanych z rozwiązywaniem problemów.

Stałość funkcjonalna ogranicza zdolność ludzi do dokładnego rozwiązywania problemów, powodując bardzo wąski sposób myślenia. Stałość funkcjonalna można również zaobserwować w innych typach zachowań związanych z uczeniem się. Na przykład badania wykazały obecność stałości funkcjonalnej w wielu przypadkach edukacyjnych. Badacze Furio, Calatayud, Baracenas i Padilla stwierdzili, że „...ustalenie funkcjonalne można znaleźć w koncepcjach uczenia się, a także w rozwiązywaniu problemów chemicznych”. Większy nacisk położono na dostrzeżenie tej funkcji w tego typu tematach i innych.

Istnieje kilka hipotez dotyczących związku funkcjonalnej stałości z rozwiązywaniem problemów. Istnieje również wiele sposobów, w jakie dana osoba może napotkać problemy, myśląc o konkretnym obiekcie posiadającym tę funkcję. Jeśli istnieje jeden sposób, w jaki osoba zwykle myśli o czymś, a nie na wiele sposobów, może to prowadzić do ograniczenia tego, jak osoba myśli o tym konkretnym przedmiocie. Można to postrzegać jako ograniczone myślenie, które definiuje się jako sposób, w którym nie jest się w stanie dostrzec lub zaakceptować pewnych idei w określonym kontekście. Stałość funkcjonalna jest z tym bardzo ściśle związana, jak wspomniano wcześniej. Można to zrobić celowo lub nieumyślnie, ale w większości wydaje się, że ten proces rozwiązywania problemów jest wykonywany w sposób niezamierzony.

Stałość funkcjonalna może wpływać na osoby rozwiązujące problemy na co najmniej dwa sposoby. Pierwszy dotyczy czasu, ponieważ nieruchomość funkcjonalna powoduje, że ludzie zużywają więcej czasu niż jest to konieczne do rozwiązania danego problemu. Po drugie, stałość funkcjonalna często powoduje, że rozwiązujący podejmują więcej prób rozwiązania problemu, niż zrobiliby, gdyby nie doświadczali tej bariery poznawczej. W najgorszym przypadku nieruchomość funkcjonalna może całkowicie uniemożliwić osobie znalezienie rozwiązania problemu. Stałość funkcjonalna jest zjawiskiem powszechnym, mającym wpływ na życie wielu osób.

Niepotrzebne ograniczenia

Niepotrzebne ograniczenia to kolejna bardzo powszechna bariera, z którą ludzie stykają się, próbując rozwiązać problem. To szczególne zjawisko występuje, gdy podmiot, próbując podświadomie rozwiązać problem, wyznacza granice wykonywanego zadania, co z kolei zmusza go do wysiłku, aby być bardziej innowacyjnym w swoim myśleniu. Rozwiązujący uderza w barierę, gdy fiksuje się tylko w jeden sposób rozwiązania swojego problemu i coraz trudniej jest zobaczyć cokolwiek poza wybraną przez siebie metodą. Zazwyczaj rozwiązujący doświadcza tego, gdy próbuje użyć metody, z której już odniósł sukces, i nie może nie próbować sprawić, by działała również w obecnych okolicznościach, nawet jeśli widzi, że jest to bezproduktywne.

Myślenie grupowe lub przejmowanie sposobu myślenia pozostałych członków grupy może również działać jako niepotrzebne ograniczenie podczas próby rozwiązywania problemów. Wynika to z faktu, że wszyscy myślą to samo, zatrzymując się na tych samych wnioskach i powstrzymując się od myślenia poza tym. Jest to bardzo powszechne, ale najbardziej znanym przykładem pojawiania się tej bariery jest słynny przykład problemu z kropką. W tym przykładzie na siatce leży dziewięć kropek, trzy kropki w poprzek i trzy kropki biegnące w górę iw dół. Rozwiązujący jest następnie proszony o narysowanie nie więcej niż czterech linii, bez podnoszenia długopisu lub ołówka z kartki. Ta seria linii powinna łączyć wszystkie kropki na papierze. Następnie, co zwykle się dzieje, podmiot tworzy w swoim umyśle założenie, że musi połączyć kropki bez wypuszczania długopisu lub ołówka poza kwadrat kropek. Znormalizowane procedury, takie jak ta, mogą często wprowadzać wymyślone umysłowo ograniczenia tego rodzaju, a naukowcy odkryli 0% poprawny wskaźnik rozwiązania w czasie wyznaczonym na wykonanie zadania. Narzucone ograniczenie uniemożliwia solverowi myślenie poza granicami kropek. To właśnie z tego zjawiska wywodzi się wyrażenie „myśl nieszablonowo”.

Ten problem może być szybko rozwiązany wraz ze świtem urzeczywistnienia lub wglądu . Kilka minut zmagania się z problemem może przynieść nagłe spostrzeżenia, w których osoba rozwiązująca szybko widzi rozwiązanie. Problemy takie jak ten są najczęściej rozwiązywane poprzez wgląd i mogą być bardzo trudne dla podmiotu, w zależności od tego, jak ustrukturyzował problem w swoich umysłach, w jaki sposób czerpie ze swoich przeszłych doświadczeń i jak bardzo żongluje tymi informacjami w swoich wspomnieniach roboczych W przypadku przykładu z dziewięcioma kropkami, solver miał już nieprawidłową strukturę w ich umysłach z powodu ograniczeń, jakie nałożyli na rozwiązanie. Oprócz tego ludzie doświadczają trudności, gdy próbują porównać problem ze swoją wcześniejszą wiedzą i myślą, że muszą trzymać swoje linie w obrębie kropek i nie wykraczać poza. Robią to, ponieważ próba wyobrażenia sobie kropek połączonych poza podstawowym kwadratem obciąża ich pamięć roboczą.

Rozwiązanie problemu staje się oczywiste, gdy wgląd pojawia się po stopniowych ruchach w kierunku rozwiązania. Te drobne ruchy zachodzą bez wiedzy solvera. Następnie, gdy wgląd jest w pełni urzeczywistniony, dla podmiotu następuje moment „aha”. Te momenty wglądu mogą zająć dużo czasu, aby się zamanifestować lub nie tak długo, kiedy indziej, ale sposób, w jaki osiąga się rozwiązanie po przezwyciężeniu tych barier, pozostaje taki sam.

Nieistotne informacje

Informacje nieistotne to informacje przedstawione w ramach problemu, które nie są związane lub nieistotne dla konkretnego problemu. W konkretnym kontekście problemu nieistotne informacje byłyby bezcelowe w rozwiązaniu tego konkretnego problemu. Często nieistotne informacje są szkodliwe dla procesu rozwiązywania problemów. Jest to powszechna bariera, przez którą wiele osób ma problemy, zwłaszcza jeśli nie są tego świadome. Nieistotne informacje sprawiają, że rozwiązywanie stosunkowo prostych problemów jest znacznie trudniejsze.

Na przykład: „Piętnaście procent ludzi w Topeka ma niepubliczne numery telefonów. Wybierasz losowo 200 nazwisk z książki telefonicznej Topeki. Ile z tych osób ma niepubliczne numery telefonów?”

Osoby, które nie są wymienione w książce telefonicznej, nie znajdą się wśród 200 wybranych nazwisk. Osoby, które przyglądają się temu zadaniu, naturalnie chciałyby wykorzystać te 15%, które zostały im dane w zadaniu. Widzą, że są tam informacje i od razu myślą, że trzeba je wykorzystać. To oczywiście nieprawda. Tego rodzaju pytania są często używane do testowania uczniów biorących udział w testach umiejętności lub ocenach poznawczych. Nie mają być trudne, ale mają wymagać myślenia, które niekoniecznie jest powszechne. Informacje nieistotne są zwykle przedstawiane w zadaniach matematycznych, a konkretnie w zadaniach tekstowych , w których informacje liczbowe są umieszczane w celu rzucenia wyzwania danej osobie.

Jednym z powodów, dla których nieistotne informacje są tak skuteczne w utrzymywaniu osoby z dala od tematu iz dala od istotnych informacji, jest sposób, w jaki są przedstawiane. Sposób przedstawiania informacji może mieć ogromny wpływ na to, jak trudny jest problem do pokonania. Niezależnie od tego, czy problem jest reprezentowany wizualnie, werbalnie, przestrzennie czy matematycznie, nieistotne informacje mogą mieć głęboki wpływ na czas rozwiązania problemu; lub jeśli to w ogóle możliwe. Problem mnichów buddyjskich jest klasycznym przykładem nieistotnych informacji i tego, jak można je przedstawić na różne sposoby:

Mnich buddyjski zaczyna o świcie pewnego dnia wspinać się na górę, osiąga szczyt o zachodzie słońca, medytuje na szczycie przez kilka dni, aż do świtu, kiedy zaczyna wracać do podnóża góry, do którego dociera o zachodzie słońca. Nie przyjmując żadnych założeń dotyczących jego startu lub zatrzymania, ani tempa podczas podróży, udowodnij, że na trasie jest miejsce, które zajmuje o tej samej porze dnia w dwóch oddzielnych podróżach.

Ten problem jest prawie niemożliwy do rozwiązania ze względu na sposób przedstawiania informacji. Ponieważ jest napisany w sposób, który reprezentuje informacje werbalnie, powoduje, że próbujemy stworzyć mentalny obraz akapitu. Często jest to bardzo trudne, zwłaszcza w przypadku wszystkich nieistotnych informacji związanych z pytaniem. Ten przykład jest znacznie łatwiejszy do zrozumienia, gdy akapit jest reprezentowany wizualnie. Teraz, gdyby zadano ten sam problem, ale towarzyszył mu również odpowiedni wykres, znacznie łatwiej byłoby odpowiedzieć na to pytanie; nieistotne informacje nie stanowią już blokady drogowej. Przedstawiając problem wizualnie, nie ma trudnych słów do zrozumienia ani scenariuszy do wyobrażenia. Wizualna reprezentacja tego problemu usunęła trudności w jego rozwiązaniu.

Tego typu reprezentacje są często używane w celu ułatwienia trudnych problemów. Mogą być wykorzystywane w testach jako strategia usuwania nieistotnych informacji, która jest jedną z najczęstszych form barier podczas omawiania zagadnień rozwiązywania problemów. Niezbędna jest identyfikacja kluczowych informacji przedstawionych w zadaniu, a następnie umiejętność poprawnej identyfikacji ich przydatności. Świadomość nieistotnych informacji jest pierwszym krokiem do pokonania tej wspólnej bariery.

Inne bariery dla osób fizycznych

Poszczególni ludzie zaangażowani w rozwiązywanie problemów mają tendencję do pomijania zmian subtraktywnych, w tym tych, które są krytycznymi elementami skutecznych rozwiązań. Ta tendencja do rozwiązywania najpierw, tylko lub głównie tworzenia lub dodawania elementów, a nie odejmowania elementów lub procesów, nasila się wraz z wyższymi obciążeniami poznawczymi, takimi jak przeciążenie informacjami .

Śnienie: rozwiązywanie problemów bez budzenia świadomości

Rozwiązywanie problemów może również nastąpić bez budzenia świadomości. Istnieje wiele doniesień naukowców i inżynierów, którzy rozwiązywali problemy we śnie . Elias Howe , wynalazca maszyny do szycia, wymyślił konstrukcję szpulki ze snu.

Chemik August Kekulé zastanawiał się, jak benzen ułożył sześć atomów węgla i wodoru. Myśląc o problemie, zasnął i marzył o tańczących atomach, które układały się w wężowaty wzór, co doprowadziło go do odkrycia pierścienia benzenowego. Jak pisał Kekulé w swoim dzienniku:

Jeden z węży chwycił się własnego ogona, a postać zawirowała kpiąco na moich oczach. Jakbym obudził mnie błysk pioruna; i tym razem również resztę nocy spędziłem na opracowywaniu konsekwencji hipotezy.

Istnieją również badania empiryczne, w jaki sposób ludzie mogą świadomie myśleć o problemie przed pójściem spać, a następnie rozwiązywać problem za pomocą wyobrażenia sennego. Badacz snów William C. Dement powiedział swojej 500-osobowej klasie licencjackiej, że chce, aby pomyśleli o nieskończonej serii, której pierwszymi elementami były OTTFF, aby zobaczyć, czy potrafią wydedukować stojącą za nim zasadę i powiedzieć, jakie są kolejne elementy serii. byłoby. Poprosił ich, aby co noc myśleli o tym problemie przez 15 minut przed pójściem spać i spisywali wszystkie sny, które wtedy mieli. Poinstruowano ich, aby ponownie przemyśleli problem przez 15 minut, kiedy obudzili się rano.

Sekwencja OTTFF to pierwsze litery liczb: jeden, dwa, trzy, cztery, pięć. Kolejne pięć elementów serii to SSENT (sześć, siedem, osiem, dziewięć, dziesięć). Niektórzy uczniowie rozwiązali zagadkę, zastanawiając się nad swoimi marzeniami. Jednym z przykładów był student, który zgłosił następujący sen:

Stałem w galerii sztuki, patrząc na obrazy na ścianie. Idąc korytarzem, zacząłem liczyć obrazy: jeden, dwa, trzy, cztery, pięć. Kiedy doszedłem do szóstego i siódmego, obrazy zostały wyrwane z ram. Wpatrywałem się w puste ramki z dziwnym uczuciem, że jakaś tajemnica zostanie rozwiązana. Nagle zdałem sobie sprawę, że szósta i siódma spacja były rozwiązaniem problemu!

W przypadku ponad 500 studentów studiów licencjackich 87 snów uznano za związane z przydzielonymi studentami problemami (53 bezpośrednio i 34 pośrednio). Jednak spośród ludzi, którzy mieli sny, które najwyraźniej rozwiązały problem, tylko siedmiu było w stanie świadomie poznać rozwiązanie. Pozostali (46 z 53) uważali, że nie znają rozwiązania.

Mark Blechner przeprowadził ten eksperyment i uzyskał wyniki podobne do Dementa. Odkrył, że próbując rozwiązać problem, ludzie mieli sny, w których rozwiązanie wydawało się oczywiste ze snu, ale śniący rzadko zdawali sobie sprawę, jak ich marzenia rozwiązały zagadkę. Namawianie lub aluzje nie skłoniły ich do uświadomienia sobie tego, chociaż kiedy usłyszeli rozwiązanie, rozpoznali, jak rozwiązało je ich marzenie. Na przykład jedna osoba w tym eksperymencie OTTFF śniła:

Jest duży zegar. Możesz zobaczyć ruch. Duża wskazówka zegara była na szóstce. Można było zobaczyć, jak przesuwa się w górę, numer po numerze, sześć, siedem, osiem, dziewięć, dziesięć, jedenaście, dwanaście. Marzenie skupiło się na małych częściach maszyn. Można było zobaczyć koła zębate w środku.

We śnie osoba wyliczała kolejne elementy serii – sześć, siedem, osiem, dziewięć, dziesięć, jedenaście, dwanaście – ale nie zdawał sobie sprawy, że to jest rozwiązanie problemu. Jego śpiący mózg rozwiązywał problem, ale budzący się umysł nie był świadomy tego, jak.

Albert Einstein uważał, że wiele problemów rozwiązuje się nieświadomie, a osoba musi wtedy wymyślić i świadomie sformułować to, co umysł-mózg już rozwiązał. Uważał, że to był jego proces w formułowaniu teorii względności: „Twórca problemu posiada rozwiązanie”. Einstein powiedział, że rozwiązywał swoje problemy bez słów, głównie za pomocą obrazów. „Słowa lub język, tak jak są pisane lub wypowiadane, nie wydają się odgrywać żadnej roli w moim mechanizmie myślenia. „dobrowolnie” reprodukowane i łączone”.

Nauki kognitywne: dwie szkoły

W naukach kognitywnych świadomość badaczy, że procesy rozwiązywania problemów różnią się w zależności od dziedziny wiedzy i poziomu wiedzy (np. Sternberg, 1995) i że w konsekwencji wyniki uzyskane w laboratorium niekoniecznie muszą uogólniać sytuacje rozwiązywania problemów poza laboratorium, doprowadziło do nacisku na rozwiązywanie problemów w świecie rzeczywistym od lat 90-tych. Ten nacisk został jednak wyrażony zupełnie inaczej w Ameryce Północnej i Europie. Podczas gdy badania północnoamerykańskie zazwyczaj koncentrowały się na badaniu rozwiązywania problemów w odrębnych, naturalnych domenach wiedzy, większość badań europejskich koncentrowała się na nowych, złożonych problemach i była przeprowadzana na podstawie skomputeryzowanych scenariuszy (patrz Funke, 1991, dla przeglądu).

Europa

W Europie pojawiły się dwa główne podejścia, jedno zainicjowane przez Donalda Broadbenta (1977; zob. Berry i Broadbent, 1995 ) w Wielkiej Brytanii, a drugie przez Dietricha Dörnera (1975, 1985; zob. Dörner i Wearing, 1995 ) w Niemczech. Oba podejścia kładą nacisk na stosunkowo złożone, bogate semantycznie, skomputeryzowane zadania laboratoryjne, skonstruowane tak, aby przypominały problemy z życia codziennego. Podejścia różnią się jednak nieco pod względem celów teoretycznych i metodologii. Tradycja zapoczątkowana przez Broadbenta kładzie nacisk na rozróżnienie między poznawczymi procesami rozwiązywania problemów, które działają pod wpływem świadomości i poza świadomością, i zazwyczaj wykorzystuje matematycznie dobrze zdefiniowane systemy komputerowe. Z drugiej strony tradycja zapoczątkowana przez Dörnera jest zainteresowana wzajemnym oddziaływaniem elementów poznawczych, motywacyjnych i społecznych rozwiązywania problemów i wykorzystuje bardzo złożone skomputeryzowane scenariusze, które zawierają do 2000 wysoce powiązanych zmiennych (np. Dörner, Kreuzig , Reither & Stäudel projekt LOHHAUSEN 1983 ; Ringelband, Misiak & Kluwe, 1990 ). Buchner (1995) szczegółowo opisuje obie tradycje.

Ameryka północna

W Ameryce Północnej, zainicjowanej przez prace Herberta A. Simona nad „uczeniem się przez działanie” w semantycznie bogatych dziedzinach, badacze zaczęli badać rozwiązywanie problemów oddzielnie w różnych dziedzinach wiedzy przyrodniczej  – takich jak fizyka, pisanie czy gra w szachy – rezygnując w ten sposób z próby wydobycia globalnej teorii rozwiązywania problemów (np. Sternberg i Frensch, 1991). Zamiast tego badacze ci często koncentrowali się na rozwoju rozwiązywania problemów w określonej dziedzinie, czyli na rozwoju wiedzy ; Chase i Simon, 1973 ; Chi, Feltovich i Glaser, 1981 ).

Obszary, które przyciągnęły dość intensywną uwagę w Ameryce Północnej, to:

Charakterystyka złożonych problemów

Złożone rozwiązywanie problemów (CPS) różni się od prostego rozwiązywania problemów (SPS). W kontaktach z SPS na drodze staje jedna i prosta przeszkoda. Ale CPS składa się z jednej lub więcej przeszkód na raz. W prawdziwym przykładzie chirurg w pracy ma znacznie bardziej złożone problemy niż osoba decydująca o tym, jakie buty założyć. Jak wyjaśnił Dietrich Dörner, a później rozwinął je Joachim Funke, złożone problemy mają kilka typowych cech, jak następuje:

Zbiorowe rozwiązywanie problemów

Rozwiązywanie problemów jest stosowane na wielu różnych poziomach – od indywidualnego po cywilizacyjny. Zbiorowe rozwiązywanie problemów odnosi się do wspólnego rozwiązywania problemów.

Problemy społeczne i problemy globalne zazwyczaj można rozwiązywać tylko zbiorowo.

Zauważono, że złożoność współczesnych problemów przekroczyła możliwości poznawcze każdej jednostki i wymaga odmiennej, ale uzupełniającej się wiedzy specjalistycznej oraz umiejętności wspólnego rozwiązywania problemów.

Inteligencja zbiorowa to inteligencja dzielona lub grupowa, która wyłania się ze współpracy , zbiorowych wysiłków i rywalizacji wielu osób.

Wspólne rozwiązywanie problemów dotyczy osób pracujących razem twarzą w twarz lub w przestrzeniach roboczych online, z naciskiem na rozwiązywanie rzeczywistych problemów. Grupy te składają się z członków, których łączy wspólna troska, podobna pasja i/lub zaangażowanie w swoją pracę. Członkowie chętnie zadają pytania, zastanawiają się i próbują zrozumieć typowe problemy. Dzielą się wiedzą, doświadczeniami, narzędziami i metodami. Grupy te mogą być przydzielane przez instruktorów lub mogą być regulowane przez uczniów w zależności od indywidualnych potrzeb uczniów. Grupy lub członkowie grupy mogą być płynne w zależności od potrzeb lub mogą występować tylko tymczasowo, aby zakończyć przydzielone zadanie. Mogą również mieć bardziej trwały charakter w zależności od potrzeb uczniów. Wszyscy członkowie grupy muszą mieć pewien wkład w proces podejmowania decyzji i odgrywać rolę w procesie uczenia się. Członkowie grupy są odpowiedzialni za myślenie, nauczanie i monitorowanie wszystkich członków grupy. Praca grupowa musi być koordynowana między jej członkami, aby każdy członek wnosił równy wkład w całą pracę. Członkowie grupy muszą określić i wykorzystać swoje indywidualne mocne strony, aby każdy mógł wnieść znaczący wkład w realizację zadania. Grupy współpracujące wymagają wspólnych wysiłków intelektualnych między członkami i angażują interakcje społeczne w celu wspólnego rozwiązywania problemów. Wiedza wspólna podczas tych interakcji jest nabyte podczas komunikacji, negocjacji i produkcji materiałów. Członkowie aktywnie poszukują informacji od innych, zadając pytania. Umiejętność wykorzystywania pytań do zdobywania nowych informacji zwiększa zrozumienie i zdolność rozwiązywania problemów. Wspólna praca grupowa ma zdolność promowania umiejętności krytycznego myślenia, umiejętności rozwiązywania problemów, umiejętności społecznych i poczucia własnej wartości . Wykorzystując współpracę i komunikację, członkowie często uczą się od siebie nawzajem i budują znaczącą wiedzę, która często prowadzi do lepszych wyników uczenia się niż praca indywidualna.

W raporcie badawczym z 1962 r. Douglas Engelbart powiązał zbiorową inteligencję ze skutecznością organizacji i przewidział, że proaktywne „wzmacnianie ludzkiego intelektu” przyniesie efekt mnożnikowy w grupowym rozwiązywaniu problemów: „Trzy osoby pracujące razem w tym rozszerzonym trybie [wydaje się] być ponad trzy razy skuteczniejszy w rozwiązywaniu złożonego problemu niż jedna osoba z systemem rozszerzonym pracująca samotnie”.

Henry Jenkins , kluczowy teoretyk nowych mediów i konwergencji mediów, opiera się na teorii, że zbiorową inteligencję można przypisać konwergencji mediów i kulturze partycypacyjnej . Krytykuje współczesną edukację za niewłączenie internetowych trendów kolektywnego rozwiązywania problemów w klasie, twierdząc, że „podczas gdy zbiorowa społeczność wywiadowcza zachęca do posiadania pracy jako grupy, szkoły oceniają jednostki”. Jenkins twierdzi, że interakcja w ramach społeczności wiedzy buduje kluczowe umiejętności dla młodych ludzi, a praca zespołowa za pośrednictwem społeczności zbiorowej inteligencji przyczynia się do rozwoju takich umiejętności.

Oddziaływanie zbiorowe to zaangażowanie grupy aktorów z różnych sektorów we wspólny program rozwiązywania konkretnego problemu społecznego przy użyciu zorganizowanej formy współpracy.

Po II wojnie światowej utworzono ONZ , organizację Bretton Woods i WTO ; Od lat 80. wokół tych trzech typów organizacji krystalizowało się zbiorowe rozwiązywanie problemów na poziomie międzynarodowym. Ponieważ te globalne instytucje pozostają państwowo-centryczne, nie jest zaskoczeniem, że kontynuują one państwowe lub państwocentryczne podejście do kolektywnego rozwiązywania problemów, a nie alternatywne.

Crowdsourcing to proces gromadzenia pomysłów, myśli lub informacji od wielu niezależnych uczestników w celu znalezienia najlepszego rozwiązania dla danego wyzwania. Nowoczesne technologie informatyczne pozwalają na zaangażowanie ogromnej liczby podmiotów, a także systemy zarządzania tymi sugestiami, które przynoszą dobre rezultaty. Dzięki Internetowi stworzono nową zdolność do kolektywnego, w tym na skalę planetarną, rozwiązywania problemów.

Zobacz też

Uwagi

Bibliografia

  • Beckmann JF i Guthke J. (1995). Złożone rozwiązywanie problemów, inteligencja i zdolność uczenia się . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 177-200). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Berry, DC i Broadbent, DE (1995). Ukryte uczenie się w sterowaniu złożonymi systemami: ponowne rozważenie niektórych wcześniejszych twierdzeń . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: Perspektywa europejska (str. 131-150). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Brehmer, B. (1995). Opóźnienia sprzężenia zwrotnego w dynamicznym podejmowaniu decyzji. W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: Perspektywa europejska (str. 103-130). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Brehmer, B. i Dörner, D. (1993). Eksperymenty z komputerowo symulowanymi mikroświatami: Ucieczka zarówno z wąskich cieśnin laboratorium, jak i z błękitnego morza badań terenowych . Komputery w ludzkim zachowaniu , 9, 171-184.
  • Broadbent, Niemcy (1977). Poziomy, hierarchie i umiejscowienie kontroli . Kwartalnik Psychologii Eksperymentalnej , 29, 181-201.
  • Bryson M., Bereiter C., Scardamalia M. i Joram E. (1991). Wychodzenie poza podany problem: rozwiązywanie problemów u pisarzy ekspertów i początkujących. W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 61-84). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Buchner, A. (1995). Teorie rozwiązywania złożonych problemów. W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 27-63). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Chase, WG i Simon, HA (1973). Percepcja w szachach. Psychologia poznawcza , 4, 55-81.
  • Chi, MTH; Feltowicz, PJ; Glaser, R. (1981). „Kategoryzacja i reprezentacja problemów fizyki przez ekspertów i nowicjuszy” . Kognitywistyka . 5 (2): 121–152. doi : 10.1207/s15516709cog0502_2 .
  • Dörner, D. (1975). Wie Menschen eine Welt verbessern wollten [Jak ludzie chcieli ulepszyć świat]. Bild der Wissenschaft , 12, 48-53.
  • Dörner, D. (1985). Verhalten, Denken und Emotionen [Zachowanie, myślenie i emocje]. W LH Eckensberger i ED Lantermann (red.), Emotion und Reflexivität (str. 157-181). Monachium, Niemcy: Urban i Schwarzenberg.
  • Dörner, D. (1992). Über die Philosophie der Verwendung von Mikrowelten oder „Computerszenarios” in der psychologischen Forschung [O właściwym wykorzystaniu mikroświatów lub „scenariuszy komputerowych” w badaniach psychologicznych]. W H. Gundlach (red.), Psychologische Forschung und Methode: Das Versprechen des Experiments. Festschrift für Werner Traxel (s. 53-87). Passau, Niemcy: Passavia-Universitäts-Verlag.
  • Dörner, D., Kreuzig, HW, Reither, F. i Stäudel, T. (red.). (1983). Lohhausena. Vom Umgang mit Unbestimmtheit und Komplexität [Lohhausen. O radzeniu sobie z niepewnością i złożonością]. Berno, Szwajcaria: Hans Huber.
  • Dörner, D. i Wearing, A. (1995). Złożone rozwiązywanie problemów: W kierunku (symulowanej komputerowo) teorii . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: Perspektywa europejska (str. 65-99). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Duncker, K. (1935). Zur Psychologie des produktiven Denkens [Psychologia produktywnego myślenia]. Berlin: Juliusz Springer.
  • Ewert, PH i Lambert, JF (1932). Część II: Wpływ instrukcji werbalnych na tworzenie koncepcji . Dziennik Psychologii Ogólnej , 6, 400-411.
  • Eyferth K., Schömann M. i Widowski D. (1986). Der Umgang von Psychologen mit Komplexität [O tym, jak psychologowie radzą sobie ze złożonością]. Sprache i poznanie , 5, 11-26.
  • Frensch, PA i Funke, J. (red.). (1995). Kompleksowe rozwiązywanie problemów: perspektywa europejska . Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Frensch, PA i Sternberg, RJ (1991). Różnice umiejętności w grach . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 343-381). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Funke, J. (1991). Rozwiązywanie złożonych problemów: Identyfikacja człowieka i kontrola złożonych systemów. W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 185-222). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Funke, J. (1993). Mikroświaty oparte na układach równań liniowych: Nowe podejście do rozwiązywania złożonych problemów i wyników eksperymentalnych . W G. Strube i K.-F. Wender (red.), Psychologia poznawcza wiedzy (str. 313-330). Amsterdam: Wydawnictwo naukowe Elsevier.
  • Funke, J. (1995). Badania eksperymentalne nad rozwiązywaniem złożonych problemów . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 243-268). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Funke, U. (1995). Kompleksowe rozwiązywanie problemów w doborze i szkoleniu personelu. W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 219-240). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Goldstein FC i Levin HS (1987). Zaburzenia rozumowania i umiejętności rozwiązywania problemów. W M. Meier, A. Benton i L. Diller (red.), Rehabilitacja neuropsychologiczna . Londyn: Grupa Taylora i Francisa.
  • Groner M., Groner R. i Bischof WF (1983). Podejścia do heurystyki: przegląd historyczny. W R. Groner, M. Groner i WF Bischof (red.), Metody heurystyki (str. 1-18). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Hayes, J. (1980). Kompletne rozwiązanie problemu . Filadelfia: The Franklin Institute Press.
  • Hegarty, M. (1991). Wiedza i procesy w rozwiązywaniu problemów mechanicznych . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 253-285). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Heppner PP i Krauskopf CJ (1987). Podejście oparte na przetwarzaniu informacji w rozwiązywaniu problemów osobistych . Psycholog poradnictwa , 15, 371-447.
  • Huber, O. (1995). Kompleksowe rozwiązywanie problemów jako wieloetapowe podejmowanie decyzji . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: Perspektywa europejska (str. 151-173). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Hubner, R. (1989). Methoden zur Analyze und Konstruktion von Aufgaben zur kognitiven Steuerung dynamischer Systeme [Metody analizy i konstrukcji zadań sterowania dynamicznego]. Zeitschrift für Experimentelle und Angewandte Psychologie , 36, 221-238.
  • Hunt, E. (1991). Kilka uwag na temat badania złożoności . W RJ Sternberg i PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 383-395). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Hussy, W. (1985). Komplexes Problemlösen - Eine Sackgasse? [Złożone rozwiązywanie problemów – ślepy zaułek?]. Zeitschrift für Experimentelle und Angewandte Psychologie , 32, 55-77.
  • Kay, DS (1991). Interakcja z komputerem: debugowanie problemów . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 317-340). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Kluwe, Rainerh. (1993). „Rozdział 19 Wiedza i wydajność w złożonym rozwiązywaniu problemów”. Psychologia poznawcza wiedzy . Postępy w psychologii. 101 . s. 401–423. doi : 10.1016/S0166-4115(08)62668-0 . Numer ISBN 9780444899422.
  • Kluwe, RH (1995). Pojedyncze studia przypadków i modele rozwiązywania złożonych problemów. W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 269-291). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Kolb, S., Petzing, F. i Stumpf, S. (1992). Komplexes Problemlösen: Bestimmung der Problemlösegüte von Probanden mittels Verfahren des Operations Research ? ein interdisziplinärer Ansatz [Rozwiązywanie problemów złożonych: określanie jakości rozwiązywania problemów człowieka za pomocą narzędzi badań operacyjnych – podejście interdyscyplinarne]. Sprache i poznanie , 11, 115-128.
  • Krems, JF (1995). Elastyczność poznawcza i kompleksowe rozwiązywanie problemów . W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: Perspektywa europejska (str. 201-218). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Lesgold, A. i Lajoie, S. (1991). Kompleksowe rozwiązywanie problemów w elektronice . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 287-316). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Mayer, RE (1992). Myślenie, rozwiązywanie problemów, poznanie . Druga edycja. Nowy Jork: WH Freeman and Company.
  • Muller, H. (1993). Komplexes Problemlösen: Reliabilität und Wissen [Złożone rozwiązywanie problemów: Niezawodność i wiedza]. Bonn, Niemcy: Holos.
  • Newell, A. i Simon, HA (1972). Rozwiązywanie problemów człowieka . Englewood Cliffs, NJ: Prentice-Hall.
  • Paradies, MW i Unger, LW (2000). TapRooT — system do analizy przyczyn źródłowych, badania problemów i proaktywnego doskonalenia . Knoxville, TN: Ulepszenia systemu.
  • Putz-Osterloh, Wiebke (1993). „Rozdział 15 Strategie pozyskiwania i transferu wiedzy w zadaniach dynamicznych”. Psychologia poznawcza wiedzy . Postępy w psychologii. 101 . s. 331-350. doi : 10.1016/S0166-4115(08)62664-3 . Numer ISBN 9780444899422.
  • Riefer, DM, i Batchelder, WH (1988). Modelowanie wielomianowe i pomiar procesów poznawczych . Przegląd psychologiczny , 95, 318-339.
  • Ringelband, Dz.U., Misiak, C. i Kluwe, RH (1990). Modele i strategie mentalne w sterowaniu złożonym systemem. W D. Ackermann i MJ Tauber (red.), Modele mentalne i interakcja człowiek-komputer (t. 1, s. 151-164). Amsterdam: Wydawnictwo naukowe Elsevier.
  • Schaub, H. (1993). Modellierung der Handlungsorganisation . Berno, Szwajcaria: Hans Huber.
  • Schoenfeld, AH (1985). Rozwiązywanie problemów matematycznych . Orlando, Floryda: prasa akademicka.
  • Sokół SM i McCloskey M. (1991). Mechanizmy poznawcze w kalkulacji . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 85-116). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Stanovich, KE i Cunningham, AE (1991). Czytanie jako ograniczone rozumowanie . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 3-60). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Sternberg, RJ (1995). Koncepcje ekspertyzy w rozwiązywaniu złożonych problemów: Porównanie koncepcji alternatywnych. W PA Frensch & J. Funke (red.), Kompleksowe rozwiązywanie problemów: perspektywa europejska (str. 295-321). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Sternberg, RJ i Frensch, PA (red.). (1991). Kompleksowe rozwiązywanie problemów: Zasady i mechanizmy . Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Strauß, B. (1993). Konfundierungen beim Komplexen Problemlösen. Zum Einfluß des Anteils der richtigen Lösungen (ArL) auf das Problemlöseverhalten in komplexen Situationen [ Konfundacje w złożonym rozwiązywaniu problemów. O wpływie stopnia poprawnych rozwiązań na rozwiązywanie problemów w sytuacjach złożonych]. Bonn, Niemcy: Holos.
  • Strohschneidera, S. (1991). Kein System von Systemen! Kommentar zu dem Aufsatz " Systemmerkmale als Determinanten des Umgangs mit dynamischen Systemen " von Joachim Funke [Brak systemu systemów! Odpowiedź na artykuł „Cechy systemu jako determinanty zachowania w dynamicznych środowiskach zadaniowych” Joachima Funke]. Sprache & Kognition , 10, 109-113.
  • Tonelli M. (2011). Nieustrukturyzowane procesy podejmowania decyzji strategicznych . Saarbrücken, Niemcy: Lambert Academic Publishing. ISBN  978-3-8465-5598-9
  • Van Lehn, K. (1989). Rozwiązywanie problemów i nabywanie umiejętności poznawczych . W MI Posner (red.), Podstawy kognitywistyki (str. 527-579). Cambridge, MA: MIT Press.
  • Voss, JF, Wolfe, CR, Lawrence, JA i Engle, RA (1991). Od reprezentacji do decyzji: Analiza rozwiązywania problemów w stosunkach międzynarodowych . W RJ Sternberg & PA Frensch (red.), Kompleksowe rozwiązywanie problemów: zasady i mechanizmy (str. 119-158). Hillsdale, NJ: Lawrence Erlbaum Associates.
  • Stowarzyszenie Mediów Edukacyjnych Wisconsin. (1993). „Umiejętność korzystania z informacji: dokument przedstawiający stanowisko na temat rozwiązywania problemów informacyjnych”. Madison, WI: Publikacje WEMA. (ED 376 817). (Części zaadaptowane z dokumentu dotyczącego stanowiska Michigan State Board of Education w sprawie umiejętności przetwarzania informacji, 1992).

Zewnętrzne linki

  • Rozwiązania oparte na współpracy i proaktywne
  • „Podejście do wspólnego rozwiązywania problemów® (CPS)” . Think:Kids – Wspólne rozwiązywanie problemów® . Zarchiwizowane z oryginału w dniu 11 czerwca 2013 r . Pobrano 2018-08-10 . Podejście do rozwiązywania problemów oparte na współpracy ma zastosowanie do różnorodnych interakcji międzyludzkich, ale zwłaszcza tych, które mogą skutkować konfliktami. Nasz model CPS można zastosować do interakcji między kolegami z klasy, rodzeństwem, parami, rodzicami i nauczycielami oraz pracownikami i przełożonymi.Podejście do rozwiązywania problemów oparte na współpracy zostało zapoczątkowane przez dr Rossa Greene'a. Obecnie odnosi się do swojego modelu jako Collaborative & Proactive Solutions , nie jest już w żaden sposób powiązany z organizacjami lub osobami, które wprowadzają na rynek produkt zwany teraz Collaborative Problem Solving i nie popiera tego, co zrobili z jego pracą.