Özet. Birinci dereceden öğrenme, bir beceri edinmektir. İkinci dereceden öğrenme ise zaten bildiklerinizi kullanarak bir sonrakini daha ucuza mal etmektir ve öğrenmenin bileşik faiz gibi büyüdüğü yer burasıdır. Aktarım (transfer) üzerine yapılan araştırmalar, bu fikrin iddialı versiyonu konusunda ayıltıcıdır: satranç, müzik ve çalışma belleği eğitimi üzerine bir dizi meta-analiz, uzak aktarımın “nadiren gerçekleştiği” sonucuna vardı. Biz de bunun yerine sıradan versiyonu ölçtük. ONET 31.0 veri tabanındaki 910 mesleğin beceri ve bilgi puanlarını kullanarak, bir mesleğin gerektirdiklerinin ne kadarını başka bir mesleğin zaten karşıladığını hesapladık. Dört bulgu var. Birincisi, ONET’in sizinkiyle en yakından ilişkili olarak listelediği beş meslekten birine geçmek, rastgele bir geçişe göre %46 daha az yeni öğrenme gerektiriyor (38,6’ya karşı 20,7 puanlık düzey açığı). İkincisi, okuduğunu anlama, yazma, konuşma, matematik ve eleştirel düşünme gibi on temel beceri neredeyse her yere taşınıyor: rastgele bir geçişte bile gereken düzeyin medyan %93,3’ü korunuyor. Üçüncüsü, taşınmayan şey alan bilgisi: yakın geçişlerin %32,9’u gereken bilginin en az %90’ı hazır halde varırken, rastgele geçişlerde bu oran %10,5. Dördüncüsü, bilgi her mesafede öğrenme yükünün yaklaşık %58’ini oluşturuyor. Buradan çıkan kural: bir sonraki şeyi yakınlığa göre seçin, genel becerilerinizi bilinçli olarak yanınızda taşıyın ve öğrenme bütçenizi bilgi açığına harcayın.
“Öğrenmeyi öğrenmek” neden yetmez?
İkinci dereceden öğrenmenin çekici versiyonu, bazı etkinliklerin zihni genel olarak eğittiğini, böylece sonrasında gelen her şeyin kolaylaştığını söyler. Bu versiyonun kanıtı zayıftır. Giovanni Sala ve Fernand Gobet, üç meta-analizi inceledikleri derlemelerinde satranç eğitimini, müzik eğitimini ve çalışma belleği eğitimini ele aldı ve çocukların bilişsel ve akademik becerileri üzerinde küçük ila orta düzeyde etkiler buldu; ancak bu etkiler, deneysel tasarımın kalitesi arttıkça, örneğin aktif kontrol grupları kullanıldığında küçülüyordu. Vardıkları sonuç, “öğrenmenin uzak aktarımının nadiren gerçekleştiği” idi.
Bu, hiçbir şeyin aktarılmadığı anlamına gelmez. Susan Barnett ve Stephen Ceci 2002’de, aktarım üzerine yüzyıllık tartışmanın, çalışmalar “elmalarla armutları” kıyasladığı için tıkandığını savundu. Aktarımın farklılaşabileceği dokuz boyut önerdiler: üçü neyin aktarıldığını, altısı ise bağlamı tanımlıyordu; bunlar arasında bilgi alanı, fiziksel, zamansal, işlevsel ve sosyal bağlam ile modalite vardı. Ayrıca öğrenilen şeyin özgüllüğünü de ayırt ettiler: iki basamağın toplamı dokuzu geçtiğinde eldeyi taşımak gibi belirli bir prosedür, bir problemi alt problemlere bölmek gibi daha genel bir ilke ve bir probleme birden fazla açıdan bakmak gibi üstbilişsel beceriler.
Bir sonraki adımda ne öğreneceğini planlayan herkes için bu çerçeve, laboratuvar literatürünün yanıtlayamadığı pratik bir soru doğurur: gerçek işte, bildiklerinizin hangi kısımları bir sonraki şeyi zaten karşılıyor ve hangi kısımların sıfırdan öğrenilmesi gerekiyor? Bu bir ölçüm problemidir ve tam da bunun için kurulmuş kamuya açık bir veri seti vardır.
Aktarımı nasıl ölçtük?
ABD Çalışma Bakanlığı’nın meslek veri tabanı ONET, her mesleği her bir beceri ve bilgi alanından ne kadar gerektirdiğine göre puanlar. 31.0 sürümü becerileri iki gruba ayırır: 10 temel beceri (okuduğunu anlama, aktif dinleme, yazma, konuşma, matematik, fen, eleştirel düşünme, aktif öğrenme, öğrenme stratejileri ve izleme) ve 25 aktarılabilir beceri (koordinasyon, ikna, müzakere, karmaşık problem çözme, programlama, sistem analizi, zaman yönetimi ve finansal kaynakların yönetimi gibi). Ayrıca ekonomi ve muhasebeden psikolojiye, hukuk ve devletten bilgisayar ve elektroniğe kadar 33 bilgi* alanını puanlar. Her puan, 0-7 ölçeğinde bir düzey içerir.
O*NET, her meslek için üç kademede en fazla 20 ilişkili meslek de listeler. Puanları eksiksiz olan 910 meslek genelinde 4.428 en yakın çift (en üst kademe, meslek başına yaklaşık beş), 4.472 ikinci en yakın çift, 8.876 tamamlayıcı çift ve uzak bir geçiş için referans olarak 19.980 rastgele çift kullandık.
Her çift için tek bir soru sorduk: hedef mesleğin her alanda gerektirdiği düzeyin ne kadarını kaynak meslek zaten gerektiriyor? Tüm alanlar üzerinden toplandığında bu, bir aktarım yüzdesi verir. Açık, yani hedefin kaynağın ötesinde gerektirdiği düzey puanları ise öğrenme yükünü verir.
Bulgu 1: genel beceriler taşınır, bilgi taşınmaz
Tablo 1. Bir sonraki mesleğin gereksinimlerinin ne kadarını zaten taşıyorsunuz (O*NET 31.0’dan CEOtudent hesaplaması)
| Geçişin mesafesi | Çift | Temel beceriler: medyan aktarım | Aktarılabilir beceriler: medyan aktarım | Bilgi: medyan aktarım | Temel becerilerin en az %90’ının karşılandığı geçişler | Aktarılabilir becerilerin en az %90’ının karşılandığı geçişler | Bilginin en az %90’ının karşılandığı geçişler |
|---|---|---|---|---|---|---|---|
| En yakın ilişkili (üst kademe) | 4.428 | %95,6 | %90,3 | %85,3 | %75,3 | %51,3 | %32,9 |
| İkinci en yakın (ikinci kademe) | 4.472 | %95,2 | %89,5 | %83,6 | %72,6 | %47,9 | %27,3 |
| Tamamlayıcı ilişkili | 8.876 | %94,8 | %87,5 | %82,5 | %66,7 | %41,3 | %26,5 |
| Rastgele meslek | 19.980 | %93,3 | %80,1 | %70,6 | %57,2 | %27,9 | %10,5 |
Bir çift için aktarım = tüm alanlar üzerinden iki mesleğin gerektirdiği düzeylerden küçük olanın toplamı, hedef mesleğin gerektirdiği düzeylerin toplamına bölünür. “İlgili değil” olarak işaretlenen düzey puanları sıfır sayılmıştır. Rastgele çiftler sabit bir tohum (seed) ile çekilmiştir; kaynak ve hedef her zaman farklıdır.
Tabloyu soldan sağa okuyun, örüntü açıkça görünür. Temel beceriler mesafeyi neredeyse hiç umursamıyor: en yakın geçişten rastgele geçişe medyan aktarım yalnızca 2,3 puan düşüyor, %95,6’dan %93,3’e. Bilgi ise 14,7 puan düşüyor, %85,3’ten %70,6’ya. Bilginin esasen hazır olduğu geçişlerin payı üçte ikiden fazla çöküyor, %32,9’dan %10,5’e.
Bu, Barnett ve Ceci’nin ayrımının işgücü piyasası verisinde ortaya çıkmasıdır. Genel katman, yani okuma, yazma, konuşma, akıl yürütme ve öğrenme, neredeyse her yere taşınabilir. Özgül katman, yani bir alana ilişkin bilgi, yalnızca yakın çevreye taşınabilir.
Bulgu 2: yakınlık öğrenme yükünü kabaca yarıya indirir
Tablo 2. Bir geçişin gerektirdiği yeni öğrenme, düzey puanı açığı olarak (O*NET 31.0’dan CEOtudent hesaplaması)
| Geçişin mesafesi | Temel beceriler | Aktarılabilir beceriler | Bilgi | Toplam | Yükün bilgiden oluşan payı |
|---|---|---|---|---|---|
| En yakın ilişkili (üst kademe) | 2,10 | 6,51 | 12,07 | 20,68 | %58,4 |
| İkinci en yakın (ikinci kademe) | 2,29 | 7,03 | 13,27 | 22,58 | %58,8 |
| Tamamlayıcı ilişkili | 2,86 | 8,28 | 14,53 | 25,68 | %56,6 |
| Rastgele meslek | 4,58 | 11,79 | 22,18 | 38,55 | %57,5 |
Açık = tüm alanlar üzerinden, pozitif olduğu durumlarda, hedefin gerektirdiği düzey eksi kaynağın gerektirdiği düzey toplamı. Çiftler genelinde ortalamalar.
Buradan iki şey çıkıyor. En yakın ilişkili mesleklerinizden birine geçiş, rastgele bir geçişe göre %46,4 daha az yeni öğrenme gerektiriyor: 38,55’e karşı 20,68 puan. Ve öğrenmeniz gerekenin bileşimi mesafeyle neredeyse hiç değişmiyor: her kademede yaklaşık %58’i alan bilgisi. Yakınlık, bir sonraki şeyin ne tür bir öğrenme gerektirdiğini değiştirmez. Ne kadarını gerektirdiğini değiştirir.
Temel beceriler içinde, en yakın geçişler en sık fen ve matematikte daha fazlasını istiyor: en yakın kademedeki geçişlerin %14,1’i ve %9,3’ü bu alanlarda en az bir düzey puanı fazlasını gerektiriyor. Ardından %5,6 ve %4,0 ile öğrenme stratejileri ve aktif öğrenme geliyor. Öğrenme becerisinin kendisi bile bazen bir sonraki rol için yükseltilmeye ihtiyaç duyuyor.
Bulgu 3: yön önemlidir
Aktarım simetrik değildir. Zaten bildikleriniz, bir yönde hedefin ihtiyaçlarının çoğunu karşılayabilirken diğer yönde çok daha azını karşılayabilir.
Tablo 3. Örnek geçişler (ONET 31.0’dan CEOtudent hesaplaması; çiftler, ONET’in onları ilişkili olarak listeleyip listelemediğinden bağımsız olarak örnek diye seçilmiştir)
| Nereden | Nereye | Taşınan temel beceriler | Taşınan aktarılabilir beceriler | Taşınan bilgi | Kapatılması gereken en büyük bilgi açıkları |
|---|---|---|---|---|---|
| Yazılım Geliştiriciler | Veri Bilimciler | %88,8 | %98,1 | %77,9 | Fizik, Sosyoloji ve Antropoloji, Coğrafya |
| Veri Bilimciler | Yazılım Geliştiriciler | %99,3 | %68,5 | %82,8 | Müşteri ve Kişisel Hizmet, Telekomünikasyon, Ulaşım |
| Yönetim Analistleri | Veri Bilimciler | %90,4 | %92,2 | %87,4 | Fizik, Bilgisayar ve Elektronik, Mühendislik ve Teknoloji |
| Yazarlar | Pazar Araştırması Analistleri ve Pazarlama Uzmanları | %80,5 | %69,6 | %90,0 | Matematik, Müşteri ve Kişisel Hizmet, Satış ve Pazarlama |
| Grafik Tasarımcılar | Web ve Dijital Arayüz Tasarımcıları | %91,7 | %83,9 | %92,0 | İngiliz Dili, Matematik, Bilgisayar ve Elektronik |
| Ortaöğretim Öğretmenleri | Eğitim ve Geliştirme Uzmanları | %96,3 | %82,4 | %77,2 | Satış ve Pazarlama, Personel ve İnsan Kaynakları, Üretim ve İşleme |
| Kayıtlı Hemşireler | Tıbbi ve Sağlık Hizmetleri Yöneticileri | %98,7 | %79,9 | %68,3 | Ekonomi ve Muhasebe, İdare ve Yönetim, Personel ve İnsan Kaynakları |
| Müşteri Hizmetleri Temsilcileri | Hizmet Satış Temsilcileri | %96,1 | %87,7 | %73,3 | Hukuk ve Devlet, İngiliz Dili, Eğitim ve Öğretim |
Asimetriyi en net gösteren yazılım çiftidir. Bir yazılım geliştirici, bir veri bilimcinin ihtiyaç duyduğu aktarılabilir becerilerin %98,1’ini zaten taşıyor; bir veri bilimci ise bir yazılım geliştiricininkilerin yalnızca %68,5’ini. Hemşireden yöneticiye geçiş genel örüntüyü gösteriyor: temel becerilerin neredeyse tamamı taşınıyor (%98,7), ama bilginin %70’inden azı taşınıyor ve açıklar tam da beklenecek yerlerde: ekonomi ve muhasebe, idare ve yönetim, personel. Bu liste, öğrenme planının ta kendisidir.
Bazı açıklar ilk bakışta tuhaf görünür, örneğin veri bilimi için fizik ve coğrafya. Bunlar, O*NET puanlarının hedef mesleğin bütünü için gerekli gördüğü şeylerdir ve herhangi bir kişinin o işi yapma biçiminden daha geniştir. Açık listesini bir müfredat olarak değil, hedeflediğiniz gerçek rollere karşı doğrulanacak bir kontrol listesi olarak ele alın.
İkinci Dereceden Öğrenme Döngüsü
Veriler bir yönteme işaret ediyor. Biz buna İkinci Dereceden Öğrenme Döngüsü diyoruz.
Tablo 4. İkinci Dereceden Öğrenme Döngüsü (CEOtudent editöryel çerçevesi)
| Adım | Ne yaparsınız | Neden (yukarıdaki kanıtlardan) |
|---|---|---|
| 1. Taşıdıklarınızın envanterini çıkarın | O*NET alanlarını kontrol listesi olarak kullanıp becerilerinizi ve bilgi alanlarınızı listeleyin ve düzeyinizi dürüstçe puanlayın; beceri denetimi yazımız bir çalışma sayfası sunuyor | Adını koymadığınız şeyi yeniden kullanamazsınız |
| 2. Yakınlığa göre seçin | Bir sonraki rolleri veya becerileri sizinkine en yakın mesleklerden kısa listeye alın ve her iki yönü de kontrol edin | En yakın kademe, rastgele bir geçişe göre %46 daha az yeni öğrenme gerektiriyor; yön, aktarımı 30 puan değiştirebiliyor |
| 3. Farkı çıkarın, sıfırdan başlamayın | Hedef için yalnızca gerektirdiği düzeyin sizinkini aştığı alanları listeleyin | Açığın yaklaşık %58’i bilgi; temel beceriler genellikle zaten mevcut |
| 4. Genel katmanı bilinçli olarak taşıyın | Başlamadan önce, mevcut okuma, yazma, akıl yürütme ve öğrenme alışkanlıklarınızın yeni alanda nasıl uygulanacağını yazın | Uzak aktarım kendiliğinden nadiren gerçekleşir; genel katman, onu bilinçli olarak uyguladığınızda aktarılır |
| 5. Bilgi açığını kanıtlanmış yöntemlerle öğrenin | Yeni alanın temel kavramlarında geri çağırma pratiği ve aralıklı tekrar kullanın; araştırma gücüne göre 12 çalışma tekniği sıralamamıza bakın | Bilgi, yükün büyük kısmıdır ve tekniklerin en güvenilir şekilde yardımcı olduğu kısımdır |
| 6. Yeni kavramları eskilerle eşleştirin | Her yeni kavram için zaten anladığınız en yakın şeyi ve benzetmenin nerede bozulduğunu yazın | İlkeler prosedürlerden daha uzağa aktarılır; ilkeyi adlandırmak, onu yeniden kullanmanın yoludur |
| 7. Neyin aktarıldığını kaydedin | Her projeden sonra hangi eski becerilerin işi gördüğünü ve hangi açıkların sizi şaşırttığını not edin | Bu sizin kendi aktarım verinizdir; bir sonraki “sonraki şey” seçiminizi daha iyi hale getirir |
“İkinci dereceden” kısmın gerçekleştiği yer 4. ve 6. adımlardır. Laboratuvar kanıtları, genel bir kapasitenin geri kalan her şeyi sessizce yükseltmediğini söylüyor. Meslek verileri ise genel katmanın yine de neredeyse her geçişte mevcut olduğunu söylüyor. Bu iki olgu arasındaki boşluk niyetle kapanır: bir ilkeyi yeni bir alana, ortaya çıkmasını umarak değil, onu adlandırıp orada sınayarak taşırsınız.
Bu verinin size söylemedikleri
Meslekler insan değildir. O*NET bir mesleğin ortalamada neyi gerektirdiğini puanlar. Kendi profiliniz iş unvanınızınkinden daha güçlü ya da daha zayıf olabilir; dolayısıyla yüzdeler, kendi envanteriniz için bir başlangıç noktasıdır, onun hakkında bir hüküm değil.
Düzeyler saat değildir. Bilgide bir düzey puanlık açık, bir hafta sonu da olabilir bir diploma da. Süre tahminleri için 20 beceri için yetkinlik süresi verilerimize bakın.
Kapsama, bağlam içinde yetkinlik değildir. Barnett ve Ceci’nin bağlam boyutları, yani fiziksel, sosyal ve işlevsel ortam, bu puanlarda yer almaz. Yöneticiliğe geçmiş bir hemşire olarak muhasebe bilmek, onu bir bütçe teslim tarihinin baskısı altında kullanmış olmakla aynı şey değildir.
Veriler Amerikan verileridir. O*NET ABD mesleklerini tanımlar. Yapının, yani genel becerilerin taşınabilir ve alan bilgisinin yerel olmasının başka yerlerde de geçerli olması muhtemeldir, ancak belirli yüzdeler ABD rakamlarıdır.
CEO ve öğrenci
CEO hamlesi sermaye tahsisidir: zaten büyük bir varlığa, neredeyse her sonraki role taşınan genel becerilere, bir de yalnızca yakın çevreye taşınan bir dizi özgül varlığa sahipsiniz. Bir sonraki yatırımı, mevcut varlıklarınızın gereksinimin çoğunu karşıladığı yerde seçin ve yeni sermayeyi yalnızca açığa koyun. Öğrenci hamlesi ise her geçişi kayıt tuttuğunuz bir öğrenme deneyi olarak ele almaktır; böylece ikinci geçişiniz ilkinden, üçüncüsü de ikincisinden daha ucuza gelir.
Genel katmanın kendisi için, diğer her beceriyi kolaylaştıran meta-beceriler yazımız neyi inşa etmeniz gerektiğini ele alıyor; yeni bir alana yönelik yoğun çalışma dönemini tasarlamak için hızlı beceri kazanma protokollerine bakın; öğrenme hızını gerçekte neyin belirlediği sorusu için de öğrenme stillerinin neden bir mit olduğunu okuyun.
SSS
İkinci dereceden öğrenme nedir?
Birinci dereceden öğrenme, bir beceri ya da bilgi birikimi edinmektir. İkinci dereceden öğrenme ise zaten öğrendiklerinizi kullanarak bir sonraki şeyi daha hızlı öğrenilir hale getirmektir: bildiklerinizle örtüşen hedefler seçmek, genel becerileri bilinçli olarak yeniden kullanmak ve yalnızca açığı öğrenmek.
Bir beceriyi öğrenmek sizi her konuda daha iyi yapar mı?
Geniş anlamda hayır. Satranç, müzik ve çalışma belleği eğitimi üzerine yapılan meta-analizler, görünürdeki genel faydaların daha iyi tasarlanmış çalışmalarda küçüldüğünü buldu ve yazarlar uzak aktarımın nadiren gerçekleştiği sonucuna vardı. Geniş çapta taşınan şey okuma, yazma, konuşma ve akıl yürütme gibi genel becerilerdir; O*NET bunların çoğu meslekte benzer düzeylerde gerektiğini gösteriyor.
Yakın bir şeyi öğrenmek ne kadar daha hızlıdır?
O*NET analizimizde, en yakın ilişkili mesleklerden birine geçmek, düzey puanı açığıyla ölçüldüğünde, rastgele bir mesleğe geçmeye göre %46,4 daha az yeni öğrenme gerektiriyor. Bu, öğrenilecek şeyin ne kadar olduğunun bir ölçüsüdür, zaman tasarrufunun garantisi değil.
Genellikle neyin sıfırdan öğrenilmesi gerekir?
Alan bilgisinin. Her mesafedeki bir geçiş için öğrenme yükünün kabaca %58’ini oluşturur ve geçişler uzaklaştıkça aktarımı en çok düşen kısımdır.
Bana en yakın meslekleri nasıl bulurum?
O*NET her meslek için, en yakından tamamlayıcıya uzanan kademelerde ilişkili meslekler yayımlar. Bunları kısa liste olarak kullanın, ardından aktarımı her iki yönde de kontrol edin, çünkü çoğu zaman asimetriktir.
Kaynaklar
- National Center for ONET Development, ONET 31.0 Database, ABD Çalışma Bakanlığı. 910 meslek için Essential Skills (temel beceriler), Transferable Skills (aktarılabilir beceriler), Knowledge (bilgi; önem ve düzey puanları), Related Occupations (ilişkili meslekler; ilişki kademeleri) ve Occupation Data dosyaları; bu yazıdaki tüm aktarım, açık ve örnek rakamları bu dosyalardan hesaplanmıştır.
- Sala, G. ve Gobet, F. (2017). Does Far Transfer Exist? Negative Evidence From Chess, Music, and Working Memory Training. Current Directions in Psychological Science, 26(6), 515-520. Üç meta-analiz; etki büyüklükleri tasarım kalitesiyle ters orantılı; öğrenmenin uzak aktarımının nadiren gerçekleştiği sonucu.
- Barnett, S. M. ve Ceci, S. J. (2002). When and Where Do We Apply What We Learn? A Taxonomy for Far Transfer. Psychological Bulletin, 128(4), 612-637. Aktarım içeriği ve bağlamına ilişkin dokuz boyutlu çerçeve; belirli prosedürler, genel ilkeler ve üstbilişsel beceriler arasındaki ayrım.
Tablo 1-3, ONET 31.0’dan yapılmış CEOtudent hesaplamalarıdır; aktarım ve açık ölçüleri ile rastgele referans noktası bizim analitik tercihlerimizdir. Tablo 4 bir CEOtudent editöryel çerçevesidir.*
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
