بهینه سازی بار شناختی در طراحی یادگیری چندرسانه ای
Publish place: Third International Conference on Recent innovations in Psychology, Counseling and Behavioral Sciences
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,316
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PSYCHO03_029
Index date: 1 July 2017
بهینه سازی بار شناختی در طراحی یادگیری چندرسانه ای abstract
چالش اصلی که در طراحی یادگیری چندرسانه ای مانند هر نوع دیگر برنامه ی آموزشی با آن مواجه هستیم ساختن درس ها به طریقی است که با فرآیندهای یادگیری انسانی سازگار باشد. برای اثربخشی درس ها، روشهای آموزشی باید از این فرآیندها حمایت نماید. از جمله مباحثی که در روانشناسی تربیتی بر اساس دیدگاه خبرپردازی برای حمایت از فرآیند پردازش داده ها در حافظه فعال ایجاد گردیده است، نظریه بار شناختی میباشد . در بسیاری از دروس روانشناسی، به دانشجویان عدد سحرآمیز 7 به علاوه یا منهای 2 معرفی میشود. نتیجه ی اساسی این قاعده آن است که یادگیرندگان قادرند در یک زمان تنها بین 5 تا 9 ماده اطلاعاتی را به خاطر بسپارند. به طور کلی منظور از بار شناختی عبارت است از میزان تلاش ذهنی که برای پردازش یا به خاطر سپاری اطلاعات صرف میشود. از دیدگاه نظریه ی بار شناختی، حافظه فعال انسان هنگام مواجه با اطلاعات جدید ظرفیت محدودی دارد. در حقیقت، مقدار داده های حسی که ابزارهای تکنولوژیکی میتواند ارایه دهد بیشتر از ظرفیت سیستم عصبی انسان برای پردازش است. از این لحاظ باید در طراحی مواد یادگیری چندرسانه ای تا حد امکان بکوشیم که هر سه نوع بار شناختی را در نظر داشته باشیم و متناسب با ویژگی های هر یک، با آن برخورد نماییم.
بهینه سازی بار شناختی در طراحی یادگیری چندرسانه ای Keywords:
بهینه سازی بار شناختی در طراحی یادگیری چندرسانه ای authors
ناصر نوروزی
کارشناس ارشد رشته روانشناسی تربیتی دانشگاه علامه طباطبایی
محمد شهسواری
کارشناس ارشد رشته روانشناسی تربینی دانشگاه علامه طباطبایی
اکبر کبیری
دانشجوی دکتری رشته تکنولوژی آموزشی دانشگاه علامه طباطبایی
حافظ پادروند
کارشناس ارشد رشته آموزش کودکان استثنایی دانشگاه علامه طباطبایی تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :