18 Punkte von GN⁺ 2023-12-28 | 2 Kommentare | Auf WhatsApp teilen
  • Lernen ist für Softwareentwickler unverzichtbar. Technologien verändern sich ständig, neue Technologien werden häufig erfunden, und ältere Technologien werden immer wieder aktualisiert.
  • Es fehlt an Verständnis dafür, wie Lernen funktioniert. Menschen verstehen intuitiv nicht, wie Gedächtnis und Lernen arbeiten.
  • Der Glaube an Lernstile steht oft im Widerspruch zum wissenschaftlichen Konsens, und wirksamer Unterricht sollte sich am Inhalt statt an Lernstilen orientieren.
  • Jahrzehntelange Forschung in Kognitionspsychologie, Bildung und Programmierdidaktik liefert Einsichten darüber, wie Lernen funktioniert.

1. Das menschliche Gedächtnis besteht nicht aus Bits

  • Das menschliche Gedächtnis ist zentral für das Lernen und ähnelt dem Computerspeicher, unterscheidet sich aber in Genauigkeit und Zuverlässigkeit.
  • Das menschliche Gedächtnis arbeitet nach dem Prinzip „lesen und aktualisieren“, und der Abruf von Erinnerungen kann sie verstärken oder verändern.
  • „Spreading Activation“ bedeutet, dass Erinnerungen in miteinander verbundenen neuronalen Pfaden gespeichert sind, was beim Problemlösen helfen kann.

2. Das menschliche Gedächtnis besteht aus einem begrenzten und einem unbegrenzten System

  • Das Langzeitgedächtnis ist der Ort, an dem Informationen dauerhaft gespeichert werden, und es ist praktisch unbegrenzt.
  • Das Arbeitsgedächtnis wird genutzt, um Informationen bewusst zur Problemlösung zu verarbeiten, und seine Kapazität ist begrenzt.
  • Durch das Bündeln von Informationen in „Chunks“ lässt sich die Menge an Informationen erhöhen, die im Arbeitsgedächtnis verarbeitet werden kann.

3. Experten erkennen, Anfänger schließen daraus

  • Einer der Hauptunterschiede zwischen Experten und Anfängern ist, dass Experten durch Erfahrung Muster erkennen können.
  • Experten können kognitive Kapazität freisetzen, indem sie häufige Muster im Programmcode auswendig kennen und wiedererkennen.

4. Konzeptverständnis bewegt sich vom Abstrakten zum Konkreten und wieder zurück zum Abstrakten

  • Experten gehen anders mit Konzepten um als Anfänger.
  • Experten konzentrieren sich nicht auf Details, sondern verwenden allgemeine und abstrakte Begriffe.
  • Beim Lernen neuer Konzepte ist es hilfreich, sowohl abstrakte Merkmale als auch konkrete Details und Beispiele zu verstehen.

5. Abstand und Wiederholung sind wichtig

  • Um den Lerneffekt zu maximieren, sollte Übung auf mehrere Sitzungen, mehrere Tage und idealerweise mehrere Wochen verteilt werden.
  • Intensive Coding-Bootcamps sind nicht ideal, aber es lassen sich Strategien anwenden, um den Lernerfolg zu maximieren.

6. Das Internet macht Lernen nicht überflüssig

  • Mit dem Aufkommen des Internets hat sich die Zugänglichkeit von Programmierwissen verändert.
  • Nur weil sich etwas über das Internet oder AI-Tools leicht finden lässt, ist Lernen nicht überflüssig geworden.

7. Problemlösen ist keine allgemeine Fähigkeit

  • Problemlösen macht einen großen Teil des Programmierens aus, aber es ist nicht wirksam, es direkt als allgemeine Fähigkeit zu lehren.
  • Problemlösefähigkeit ist stark domänenspezifisch, und der Transfer in andere Bereiche funktioniert nicht gut.

8. Ein Experte zu werden kann in manchen Situationen problematisch sein

  • Ein Experte zu werden hilft beim Lernen und bei der Leistung, kann aber manchmal auch Probleme verursachen.
  • Experten denken anders als Anfänger und können deshalb Schwierigkeiten haben, Anfänger auszubilden.

9. Die Vorhersage von Programmierfähigkeit ist unklar

  • Erfolg beim Erlernen des Programmierens ist eine Mischung aus angeborener Eignung und Übung.
  • Es ist sehr schwer, Programmierfähigkeit vorherzusagen, und Programmierer können aus jedem Hintergrund und jeder Bevölkerungsgruppe kommen.

10. Die Denkweise ist wichtig

  • Dichotome Sichtweisen auf Programmierfähigkeit beeinflussen Lernen und Lehre.
  • Ein Growth Mindset unterstützt die Perspektive, dass sich Fähigkeiten verändern können, und hilft dabei, bei neuen Aufgaben beharrlicher zu bleiben und Rückschläge zu überwinden.

Meinung von GN⁺

  • Die Komplexität von menschlichem Gedächtnis und Lernen: Dieser Artikel betont, dass das menschliche Gedächtnis kein einfacher Datenspeicher ist, sondern aus komplexen neuronalen Netzwerken besteht, die beim Lernen und Problemlösen eine wichtige Rolle spielen. Das liefert Softwareentwicklern wichtige Einsichten dabei, neue Technologien zu lernen und anzuwenden.
  • Die Bedeutung von Lernmethoden: Er zeigt, dass Entwickler zum effektiven Lernen nicht einfach nur Informationen auswendig lernen sollten, sondern Strategien brauchen, wie Informationen systematisch verknüpft und angewendet werden. Das bietet nützliche Leitlinien für Entwickler, die kontinuierliche Selbstweiterentwicklung anstreben.
  • Der Wert eines Growth Mindset: Der Artikel argumentiert, dass ein Growth Mindset eine wichtige Rolle für Lernen und Entwicklung spielt. Das deutet darauf hin, dass es für Entwickler wichtig ist, eine positive Haltung zur Entwicklung und Erweiterung der eigenen Fähigkeiten einzunehmen.

2 Kommentare

 
yangeok 2024-01-03

In letzter Zeit ist auf YouTube die Lernmethode von Dr. Park Moon-ho im Trend, und ich habe sie mir angeschaut — der Kontext ist ganz ähnlich, haha.

 
GN⁺ 2023-12-28
Hacker-News-Kommentare
  • Dank für die prägnante und zugleich detaillierte Erklärung des Konzepts der „Lernstile“

    • Die Person hielt sich selbst bisher für einen visuellen Lerner, stellte aber die Behauptung infrage, dass das in Wirklichkeit nicht wichtig sei
    • Sie stimmt der Erklärung zu, dass wirksame Lehre nicht an Lernstilen, sondern am Lehrinhalt ausgerichtet sein sollte
    • So wird etwa anerkannt, dass es im Naturwissenschaftsunterricht besser ist, Daten als Graphen zu zeigen, als sie nur verbal zu erklären
  • Warnung zu Daniel Kahnemans „System 1“ und „System 2“

    • Es wird betont, dass „System 1“ und „System 2“ keine zwei real im Gehirn existierenden Systeme sind
    • Diese Begriffe werden verwendet, weil sie zu unserer Denkweise passen und hilfreich sind
    • Zur Einordnung dieses Konzepts wird Joshua Foers Buch „Moonwalking with Einstein“ empfohlen
  • Zu wenig Diskussion über Lehre als verwandtes Konzept des Lernens

    • Es gibt viele Ansätze in der Bildungs- und Trainingsbranche, die über individuelle Lernstile hinausgehen
    • Es existieren zahlreiche Theorien zur Gestaltung von Curricula, zu Lernzielen und zentralen Lernpunkten, zu Methoden der Leistungsbewertung sowie zur Bereitstellung von Feedback
    • Wichtig ist auch das Verständnis dafür, wie Wissen und Fähigkeiten erhalten bleiben und wo die Grenzen der Lernfähigkeit liegen
  • Diskussion über Problemlösungsfähigkeit

    • Zwischen Problemlösung in einem bestimmten Fachgebiet und allgemeiner Problemlösung besteht ein Unterschied
    • Im Software Engineering ist es wichtig, diesen Unterschied zu verstehen
    • Allgemeine Problemlösungsfähigkeit hängt eng mit fluider Intelligenz und IQ zusammen
    • Alle Arten von Problemlösungsfähigkeit stehen positiv miteinander in Zusammenhang
  • Grenzen von Experten beim Unterrichten von Anfängern

    • Experten sind nicht immer die beste Wahl, um Anfänger zu schulen
    • Es wird betont, dass man in Vorstellungsgesprächen keine Denksportaufgaben verwenden sollte
    • Die Beobachtung durch Interviewer oder die Anforderung, gleichzeitig zu sprechen, erhöht die kognitive Belastung und den Stress, was die Leistung verschlechtern kann
  • Lob für Forschende zur Informatikdidaktik

    • Alle drei Autoren sind hervorragende Forschende im Bereich der Informatikdidaktik
    • „Semantic Wave“ war ein neuer Begriff
    • Dank für das nützliche Teilen
  • Überlegungen von Eltern zur Erziehung ihrer Kinder

    • Diskutiert wird, ob man Kindern bei Fehlern sofort die richtige Antwort geben oder sie selbst darauf kommen lassen sollte
    • Es bietet eine neue Perspektive auf das Mindset von Lernenden
    • Erläuterung von Growth Mindset und Fixed Mindset
    • Vorgeschlagen wird, ein Growth Mindset zu fördern, indem man Erfolge lobt und Misserfolge zulässt
  • Das Phänomen, dass nicht reproduzierbare Forschung häufiger zitiert wird

    • Wegen interessanter Ergebnisse werden nicht reproduzierbare Arbeiten häufiger zitiert
    • In der Psychologie konnten nur 39 % der Experimente erfolgreich repliziert werden
  • Unterschiede in Wahrnehmung und Schlussfolgern zwischen Experten und Anfängern

    • System 1 ist schnell, beruht auf Wahrnehmung und auf Mustererkennung im Langzeitgedächtnis
    • System 2 ist langsam, konzentriert sich auf Schlussfolgern und erfordert mehr Verarbeitung im Arbeitsgedächtnis
    • LLMs helfen dabei, ein schwaches System 1 zu ergänzen und System 2 zu stärken
  • Positive Bewertung des Artikels

    • Dem Gelesenen wird weitgehend zugestimmt; normalerweise würde man Artikeln dieser Art eher nicht zustimmen