Про навчання 1: Пам'ять комп'ютера vs пам'ять людини

#learning #tips

Минулого тижня відбулася конференція "QA - Magic Meetup 5.0". Одна з доповідей була від Аміни Олійник - про те, як краще вчитися.

Хотілося в цьому та декількох подальших постах трохи доповнити цю тему. Бо тема навчання - вельми обширна.
Але коли ми розуміємо базові речі - вчитися стає трохи легше.

Пам'ять комп'ютера

Як працює пам'ять в комп'ютері? Ми записали якусь інформацію (послідовність бітів). А потім, коли вона знадобилася - знайшли та зчитали її.

Пару важливих моментів про дані на комп'ютері:
- Читання інформації - не змінює її.
- Нема різниці скільки пройшло часу між записом та зчитуванням.

Пам'ять людини

Людьска пам'ять працює в режимі "read-and-update". Коли ми дістаємо шось з нашої пам'яті - ми покращуємо знання, але можемо їх також змінити. Це називається - реконсолідацією. Тож чим більше ми згадуємо інформацію - тим краще ми її пам'ятаємо.

Інший цікавий концепт - це spreading activation.

Коли ми згадуємо щось, ми активуємо ланцюжок нейронів, який приводить до потрібної інформації. Але таких ланцюжків є більше одного. Поки ми щось пригадуємо - активуються багато різних ланцюжків, які залишаються активними декілька годин - навіть після того, як ви вже згадали потрібну інформацію.

Spreading activation погано впливає саме на пам'ять, але позитивно - на вміння вирішувати задачі.

Через spreading activation інформація, яку ми згадуємо, може змішуватись з іншими ланцюжками - та ставати неточною або хибною.

Але з іншого боку - саме таке змішування і є джерелом креативності та натхнення. Тому ми можемо прийти до рішення через декілька годин після роботи - під час зовсім іншої активності.

Про навчання 2: Види пам’яті та навчання

#learning #tips

Продовжуємо розмову про те, як ми навчаємося. Минулого разу ми почали говорити про те, як людина та комп'ютер зберігають інформацію.

Два види пам'яті

Пам’ять людини можна поділити на дві: довгострокова та робоча.
Довгострокова пам’ять - це та, в якій інформація зберігається постійно. Її об’єм умовно нескінченний. (Наче HDD чи SSD).
Робоча пам’ять - це та, яку ми використовуємо для того, щоб розв’язувати нагальні питання. Вона невелика за розміром (по аналогії з CPU регістрами).

Розмір робочої пам’яті визначається при народженні. З часом можливо лише трохи збільшити її. Чим вона більша - тим швидше ми можемо вчитися - принаймні на початку. Те, що відрізняє досвідчену людину від новачка - це саме вміст довгострокової пам’яті та вміння ефективно діставати з неї потрібну інформацію.

Шматки інформації та когнітивне навантаження

Люди навчаються подрібнюючі інформацію на невеликі шматочки. Розбиття на частинки допомагає накопичувати їх в пам’яті та розглядати як єдине ціле.

Коли навчаємося чогось нового, треба розуміти також концепцію когнітивного навантаження або ж наскільки багато пам’яті вам буде потрібно для вирішення цієї задачі. Когнітивне навантаження має два види - внутрішнє та зовнішнє.

Внутрішнє навантаження визначає скільки частинок інформації потрібно для виконання задачі. Ця кількість змінюється тільки, коли ми змінюємо саму задачу.

Зовнішнє навантаження - це вся та додаткова контекстна інформація, що потрібна для вирішення питання, але не є частиною самої задачі.

Формат подачі інформації дуже впливає на когнітивне зовнішнє навантаження. Наприклад - ви можете отримати опис задачі чи схему у вигляді тексту. А можете - у формі схеми чи малюнку з позначеннями. (Приклад - у першому коменті) Краще - коли ці форми - поєднуються.

Як це все пов’язано?

Зовнішнє навантаження вище у новачків, бо вони ще не можуть відрізнити ті частини, які потрібні саме для розв’язання задачі. Тож коли ми маємо справу з завданням поза межами можливостей - найкращий підхід - це зменшити когнітивне навантаження.

Як? Просто розбийте велику задачу на маленькі частини та працюйте з ними одна з одною. Цей підхід працює коли ви навчаєтесь самі та коли ви є ментором та навчаєте інших.

Про навчання - 3: Семантичні хвилі

#learning #tips

Коли ви вчите новий концепт, то вам треба обидві форми пояснення - як абстрактна, так і конкретна. Більш того, вчити стає трохи легше, якщо ви дотримуєтесь "семантичної хвилі", яку придумав Карл Матон.

Згідно Матона, коли ви дотримуєтесь хвилі, то постійно переключаєтесь між абстрактним визначенням та конкретними прикладами. Чим більш різноманітні приклади - тим краще. В тому числі - невірні приклади (з поясненням чому вони неправильні). Цей процес називається "розпакуванням".

Вивчаючі приклади, ви потім зможете переглянути абстрактну концепцію та будувати більш глибоке її розуміння. Таке розуміння дозволить бачити приховані внутрішні зв'язки та називається "перепакуванням", за тим же Матоном.

Програмування позв'язане із вивченням абстрактних речей. Основна проблема полягає в тому, що з часом поняття стають ще абстрактнішими. Але чим краще ми вивчаємо та розбираємось з термінами на початку навчання - тим більше конкретними вони стають для нас.

Про навчання 4: Чи потрібно навчатись, коли все й так є в Інтернеті

#learning #tips

З появою Інтернету навчання змінилося. Здається -

"нащо знати той API чи читати книжки від початку до кінця, коли є Google Search, Stack Overflow, ChatGPT з отими копайлотами? Адже уся інформація доступна на відстані декількох кліків"

То що - не вчитись тепер взагалі? Давайте подивимось, що говорять про це вчені.

Чому треба запам'ятовувати?

Ми вчимося завдяки тому, що зберігаємо інформацію в довгостроковій пам'яті та формуючи зв'язки між різними на перший погляд речами.
Якщо цього знання у нас пам'яті немає - то зв'язки не утворяться. А значить - ми не сформуємо ніяких абстрактних концептів та не отримаємо розуміння на більш високому рівні.

Саме тому, кожного разу коли Вам буде потрібно зробити SQL запит із JOIN'нами - вам треба буде згадувати - що ж таке JOIN взагалі.

Як вчаться експерти?

Різниця також є в тому, як користуються Інтернетом новачки та експерти. Новачку потрібно знову й знову вивчати деталі та формувати зв'язки.
Експерт же, що має глибокі знання - йому чи їй досить погуглити лиш деякі окремі деталі, які забуваються.

Чому надмірно гуглити - це погано?

Існує ряд досліджень про шкоду надмірного гугління. Одне з них показує, що ми гірше запам'ятовуємо інформацію, коли швидко дістали її з Інтернету, ніж коли ми прочитали про це в книзі. Інше дослідження доводить, що інформація забувається, коли ми не намагаємося спочатку згадати її - а одразу летимо гуглити. Тож швидке гугління "краде" в нашого мозку можливість попрацювати та зміцнити зв'язки.

Гугління також впливає на когнітивне навантаження (про яке ми також говорили). Бо нам треба переключитись з одного виду діяльності (написання коду чи тестів) на інший - пошук в інтернеті. Коли інформація вже є в нашій пам'яті - такого переключення між контекстами не потрібно.

То що робити?

Це все не означає, що гуглити не треба та можна ігнорувати технології.
Просто треба також й самостійно вчитись, опрацьовувати інформацію, робити нотатки.
Щоб не залишитись в ситуації :

"мені відключили копайлот/chatgpt - я тепер не можу працювати"

Про навчання 5: Як зрозуміти, що вчити?

#learning #tips

Про те, що треба вчитись - говорять усі. Наче й ресурсів вдосталь: книжки, курси, вебінари, ментори. Але як зрозуміти, що треба вчити?

Універсальної відповіді немає. Бо в кожного свій контекст.

Але можна застосувати таку методику:

- Проаналізуйте те, що вам цікаво - те що вас дійсно захоплює в роботі (Подумайте, що ви можете робити так довго, що наче "забуваєте про час").
- Подивіться на те, що вам не вистачає в роботі зараз. Це може бути доменні знання, фреймворк, технологія чи інструмент.
- Запитайте в менеджера, що вам не вистачає для промоушену. Це також може стати джерелом тем для навчання.
- Подивіться вакансії - що зараз треба на ринку праці. Скорочення можуть бути в будь-який момент. Тому впевніться, що ваші навички актуальні.

P.S. Краще поглибитись в тему, здобути перші знання та закріпити їх на практиці. Ніж читати тисячі сторінок книжок теорії

P.P.S. Я трекаю навички у вигляді mind map та переглядаю їх раз у квартал чи півроку.

Про навчання - 6: Експерти та новачки

#learning #tips

Різниця між експертом та новачком.

Чим відрізняються новачки від експертів? Дослідження показують, що експерти (наприклад в грі в шахи) вміють запам'ятовувати та розпізнавати стан дошки в конкретний момент часу. Це допомагає швидко приймати рішення.

Розробники - експерти можуть розпізнавати типові паттерни в коді. Так, ті самі дизайн паттерни, які запитують на співбесідах. Ба більше - експерти можуть глянути на код та зрозуміти "що ота частина під капотом імплементує сортування". Новачку в тій же самій ситуації треба докласти більше зусиль та читати код рядок за рядком.

Як же новачку стати експертом? Відповідь проста - читати, писати та розбиратись у різному коді. Як хорошому так і поганому.

Бути експертом - навчатись по-іншому

Існує така річ, як expertise-reversal effect. Він означає, що для новачкам та експертам потрібні радикально різні підходи до навчання.

- Новачкам буде корисним отримати туторіали та різні cheat листи з використання інструментів. Експерти самі здатні продумати подібні туторіали.
- Новачкам потрібні легкі завдання для закріплення вивченого - поки нова інформація наче пазл не стане на потрібне місце.
- Новачкам потрібні приклади та точне пояснення результату. Експертам більше підійдуть “відкриті” питання та обговорення.
- Експертам потрібне мінімальне пояснення та більша свобода дії.

Бути експертом - не означає бути хорошим вчителем.

Дуже часто сіньйори чи техліди не можуть пояснити новачкам якісь аспекти просто тому, що вони роблять багато речей "автоматично". Експертам важко відокремити такі навички та розбити їх на окремі вправи чи пояснення.

В такому випадку може допомогти влаштувати сесію між експертом, новачком та більш обізнаним інженером (який трохи краще знається на системі, ніж новачок). Такий інженер зіграє роль "мосту" між фахівцями - допоможе експерту візуалізувати знання, а новачку - отримати зрозуміле пояснення.

Неявні знання

Те ж стосується накопичення великої кількості "неявних" знань в голові однієї "експертної" людини. Такі неявні знання ще називаються тацитовими. Це можуть бути як доменні знання з проекту, так і технічні знання з фреймворку чи конфігурації системи.

Щоб запобігти накопиченню таких знань - варто писати документацію. Наприклад - FAQ документи, гайди з конфігурації, корисні збірки команд на кожен день.
Для експерта користь буде в зменшенні кількості однакових питань - бо люди спочатку підуть й шукають відповідь на Конфлюенсі.