Em formação

Como melhorar o conhecimento do domínio em matemática?

Como melhorar o conhecimento do domínio em matemática?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Em primeiro lugar, quero dizer que li várias perguntas relacionadas sobre QI e inteligência fluida aqui na Comunidade Stack e preciso de mais alguns esclarecimentos sobre a experiência de domínio. Há alguns meses, fiz o teste de QI Mensa em seu escritório de representação local em meu país, não consegui chegar aos 2% melhores e ganhar adesão, no entanto, minha pontuação geral oficial foi estimada em 126. Desde então , Fiquei obcecado com a ideia de melhorar meu QI. Fiz uma pesquisa mas à medida que ia lendo e lendo cheguei à conclusão que é virtualmente impossível aumentar a pontuação, está, basicamente, fixo. As pessoas no fórum mencionaram algumas vezes que, embora o QI seja fixo e não possa ser melhorado, digamos, praticando jogos cerebrais e quebra-cabeças lógicos, pode-se melhorar suas habilidades em determinado domínio e ganhar experiência pela prática deliberada, o que, a meu ver, significa que é possível aumentar seu QI em uma determinada área. Quero saber se a matemática pode ser considerada como tal e, em caso afirmativo, quais são as técnicas mais eficientes para desenvolvê-la?


A experiência do jarro de água

Vejamos um dos primeiros experimentos que destaca que os especialistas são menos criativos e menos ótimos na solução de problemas que diferem ligeiramente do que foram treinados para resolver.

Luchins e Luchins (1942) conduziram um experimento chamado 'Experimento do Jarro de Água' no qual as pessoas receberam um problema muito específico para resolver: Descubra como medir uma quantidade específica de água usando 3 Jarros de Água com uma capacidade única e diferente de segurar agua. Digamos que os 3 frascos (A, B e C) podem conter (127, 21 e 3) unidades de água respectivamente e os participantes tiveram que medir 100 unidades de água usando esses frascos. Os experimentadores criaram 2 grupos. O primeiro grupo recebeu 5 problemas de prática e o segundo grupo não teve problemas de prática. Ambos os grupos receberam 4 problemas críticos para entender sua abordagem de soluções.

Os 5 problemas de prática do primeiro grupo poderiam ser resolvidos com apenas 1 solução exata - Coloque 127 unidades no Frasco A, remova 21 unidades despejando-o no Frasco B e, em seguida, remova 2 instâncias do Frasco C. Isso dá a solução esperada de 100 unidades. A fórmula é direta A-B-2C.

Quando ambos os grupos resolveram os 4 problemas críticos, o primeiro grupo tendeu a usar a fórmula AB-2C para resolver um problema mais simples - medir 18 unidades usando Jars com capacidade de 39, 15, 3. Enquanto a fórmula funcionou para resolver o problema com sucesso , existia uma solução mais simples que o outro grupo usava: B + C.

Entre os 4 problemas, havia um problema de extinção - Um problema que não pode ser resolvido usando a fórmula conhecida. Os participantes do primeiro grupo falharam no problema de extinção que indica que o efeito Einstellung estava presente.

O experimento mostra que praticar um determinado método (ter conhecimento prévio) coloca as pessoas em um conjunto mental para responder a problemas mais recentes com um método conhecido do que explorar soluções mais simples e inovadoras. Pessoas sem experiência resolveram o problema de forma mais otimizada do que pessoas com experiência.

Quando Luchins e Luchins deram aos membros do primeiro grupo uma dica mental dizendo "Não seja cego", mais membros acabaram usando a solução ideal. Isso também mostra que o efeito Einstellung pode desaparecer na presença de priming.

Outro teste clássico de criatividade demonstra como o efeito Einstellung pode desaparecer com pequenas mudanças nas instruções ou na atitude de alguém.


Parte I. Introdução e perspectivas:
1. Uma introdução à 2ª edição do Cambridge Handbook of Expertise and Expert Performance: seu desenvolvimento, organização e conteúdo
2. Uma perspectiva sociológica / filosófica sobre expertise: a aquisição de expertise por meio da socialização
3. Reestruturação da experiência e seu desenvolvimento: uma perspectiva do mundo da vida
4. A evolução da especialização
5. Experiência em outros animais não humanos: caninos como exemplo
Parte II. Visão geral das abordagens para o estudo da perícia: Breves relatos históricos de teorias e métodos
6. Estudos de perícia a partir de perspectivas psicológicas: fundamentos históricos e temas recorrentes
7. Sistemas especialistas: uma perspectiva da ciência da computação
8. Desenvolvimento de experiência ocupacional por meio de atividades e interações diárias de trabalho
9. Profissionalismo, ciência e funções de especialista: uma perspectiva social
Parte III. Métodos para estudar a estrutura de especialização:
10. Percepção em especialização
11. Extrair e representar o conhecimento de especialistas
12. Capturando o pensamento de especialistas com análise de protocolo: verbalizações simultâneas de pensamento durante o desempenho de especialistas em tarefas representativas
13. Métodos para estudar a estrutura de especialização: abordagens psicométricas
14. Estudos da ativação e mudanças estruturais do cérebro associadas à especialização
Parte IV. Métodos para estudar a aquisição e manutenção de expertise:
15. Coletando e avaliando dados de atividades práticas: abordagens simultâneas, retrospectivas e longitudinais
16. Estudos longitudinais multidisciplinares: uma perspectiva desde o campo do esporte
17. Usando casos para entender o desempenho de especialistas: método e triangulação metodológica
18. Métodos historiométricos
Parte V. Domínios de especialização
Seção 1. Domínios Profissionais:
19. Experiência em medicina e cirurgia
20. Experiência e transporte
21. Experiência em design profissional
22. Rumo à prática deliberada no desenvolvimento da perícia empresarial: a anatomia da pergunta eficaz
23. Experiência de redação profissional
24. Experiência e desempenho especializado no ensino
25. Julgamentos profissionais especializados e 'tomada de decisão naturalista'
26. Habilidade de tomada de decisão: de inteligência a numeramento e especialização
27. O que constitui uma equipe de especialistas? Uma década de pesquisa
Seção 2. Artes, esportes, jogos e outros tipos de especialização:
28. Experiência em música
29. Mudanças cerebrais associadas à aquisição de experiência musical
30. Experiência em desenho
31. Experiência em xadrez
32. Conhecimento matemático
33. Experiência em vocabulário L2
34. Expertise no esporte: especificidade, plasticidade e adaptabilidade em atletas de alto rendimento
Parte VI. Mecanismos generalizáveis ​​que mediam os tipos de especialização
35. Antecipação superior
36. Memória operacional superior em especialistas
37. Experiência e consciência da situação
Parte VII. Questões Gerais e Estruturas Teóricas
38. A influência diferencial da experiência, prática e prática deliberada no desenvolvimento do desempenho individual superior dos especialistas
39. Inteligência prática e conhecimento tácito: uma visão ecológica da expertise
40. Carga cognitiva e reversão de experiência
41. Experiência e imaginação estruturada no pensamento criativo: reconsideração de uma velha questão
42. Envelhecimento e especialização.

K. Anders Ericsson, Florida State University
K. Anders Ericsson é atualmente o Conradi Eminent Scholar e Professor de Psicologia na Florida State University. Ele também é membro do Center for Advanced Study in Behavioral Sciences, da American Psychological Association, da Association for Psychological Science e da Real Academia Sueca de Ciências da Engenharia. Sua pesquisa apareceu em reportagens de capa na Scientific American, Time, Fortune, Wall Street Journal e New York Times. Ele foi convidado para fazer apresentações em conferências de cirurgiões, músicos, professores, psicólogos clínicos, atletas e treinadores, bem como em organizações esportivas profissionais, como o Philadelphia Eagles, o San Antonio Spurs e o Manchester City.

Robert R. Hoffman, Instituto de Cognição Humana e de Máquina da Flórida
Robert R. Hoffman é um líder mundial reconhecido em engenharia de sistemas cognitivos e computação centrada no ser humano. Atualmente é cientista pesquisador sênior do Instituto de Cognição Humana e de Máquina em Pensacola. Ele é membro da Association for Psychological Science, membro da Human Factors and Ergonomics Society, membro sênior da Association for the Advancement of Artificial Intelligence e um bolsista da Fulbright. Seu Ph.D. está cursando psicologia experimental na Universidade de Cincinnati. Sua associação de pós-doutorado foi no Centro de Pesquisa em Aprendizagem Humana da Universidade de Minnesota. Ele também fez parte do corpo docente do Instituto de Estudos Psicológicos Avançados da Adelphi University, em Nova York. Hoffman foi reconhecido internacionalmente em psicologia, sensoriamento remoto, engenharia de fatores humanos, análise de inteligência, previsão do tempo e inteligência artificial - por sua pesquisa sobre a psicologia da especialização, a metodologia de análise de tarefa cognitiva, questões de HCC para tecnologia de sistemas inteligentes e o projeto de sistemas de trabalho macrocognitivos.

Aaron Kozbelt, Brooklyn College, City University of New York
Aaron Kozbelt é professor de psicologia no Brooklyn College e no Centro de Pós-Graduação da City University of New York. Sua pesquisa se concentra na criatividade e cognição nas artes plásticas, com ênfase na percepção em artistas visuais, criatividade ao longo da vida em compositores e aspectos evolutivos da estética e da criatividade. Ele publicou mais de 80 artigos revisados ​​por pares e capítulos de livros, e sua pesquisa foi financiada pela National Science Foundation. Ele atua em vários conselhos editoriais e recebeu vários prêmios nacionais e internacionais por sua pesquisa, incluindo o Prêmio Daniel Berlyne da Divisão 10 da American Psychological Association e o Prêmio Alexander Gottlieb Baumgarten da International Association of Empirical Aesthetics.

A. Mark Williams, Universidade de Utah
Andrew Mark Williams é professor e presidente do Departamento de Saúde, Cinesiologia e Recreação da Universidade de Utah. Ele é membro da Sociedade Britânica de Psicologia, da Associação Britânica de Ciências do Esporte e Exercício e do European College of Sports Science. Seus interesses de pesquisa se concentram nos mecanismos neurais e psicológicos que sustentam a aquisição e o desenvolvimento das habilidades perceptivo-cognitivas e perceptivo-motoras. Ele publicou mais de 300 artigos em periódicos e capítulos de livros, e escreveu ou editou 15 livros. Ele é editor-chefe do Journal of Sports Science e faz parte do conselho editorial de várias revistas importantes. Sua pesquisa foi financiada por conselhos de pesquisa na Austrália e no Reino Unido, por parceiros industriais como a Nike e por várias equipes esportivas profissionais e órgãos governamentais nacionais e internacionais.


Lora Park

A pesquisa de Lora Park & ​​rsquos examina como os aspectos dos indivíduos moldam suas respostas a situações e eventos que ocorrem na vida cotidiana.

Em uma linha de pesquisa, ela examina como apostar a autoestima de alguém no sucesso em áreas específicas (por exemplo, acadêmicos, relacionamentos, finanças), ou ser sensível à rejeição (por exemplo, com base na aparência física) afeta a forma como as pessoas reagem a experiências negativas em esses domínios.

Outra linha de pesquisa, que foi financiada pela National Science Foundation, examina como a busca de objetivos românticos afeta o interesse das mulheres em STEM (ciência, tecnologia, engenharia e matemática) e campos onde as mulheres são tipicamente sub-representadas. Sua pesquisa nessa área também examina contextos que podem aumentar o interesse e a motivação das minorias para seguir esses campos.

Outros interesses de pesquisa incluem o exame de fatores que afetam como o poder é experimentado e percebido em outras pessoas e o impacto de fatores socioculturais na formação da experiência psicológica.

CONTATO:

Lora Park, PhD
Professor Associado de Psicologia
Universidade da Buffalo College of Arts and Sciences


A aquisição de desempenho reproduzível superior (especialista)

Uma vez que somos capazes de medir o desempenho individual, é possível medir o curso do tempo de melhoria e identificar várias características que se generalizam em diferentes domínios de especialização. 23, 24, 27 Em alguns domínios, não há melhora demonstrável no desempenho em função dos anos de experiência profissional após o treinamento completo. Por exemplo, a precisão do diagnóstico de sons cardíacos e muitos tipos de atividades mensuráveis ​​de enfermeiras e clínicos gerais não melhora em função da experiência profissional e, às vezes, o desempenho diminui gradualmente após a graduação. 28-30 Em contraste, muitos domínios tradicionais de especialização, como artes e ciências, jogos e esportes, demonstram melhorias que continuam por décadas.

Com base em uma análise de muitos domínios diferentes, padrões consistentes de nível de desempenho ao longo do tempo (Figura 2) foram observados. 27 Quando os mesmos padrões uniformes de desempenho adulto são usados, não ocorrem melhorias abruptas no desempenho e as mudanças ao longo do tempo são graduais. Além disso, a idade em que os especialistas geralmente atingem seu pico de desempenho é na terceira e quarta décadas para as artes e ciências e um pouco mais cedo para esportes vigorosos. Finalmente, todos os artistas, mesmo os mais “talentosos”, precisam de cerca de 10 anos de intenso envolvimento antes de atingirem um nível internacional em esportes, ciências e artes consagrados. 13, 31 A maioria dos indivíduos da elite leva muito mais tempo para atingir esse nível. A necessidade de anos e mesmo décadas de envolvimento exigido em atividades relacionadas ao domínio é a evidência mais convincente para o papel crucial da experiência necessária para atingir altos níveis de desempenho. Algumas das melhores evidências da necessidade de métodos de treinamento aprimorados e durações de prática expandidas vêm de comparações históricas. 24, 27 Os aumentos mais dramáticos no nível de desempenho alcançado ao longo do tempo histórico são encontrados nos esportes. Em competições como a maratona e eventos de natação, um grande número de amadores sérios de hoje poderia facilmente vencer os vencedores da medalha de ouro do passado.

Ilustração dos aumentos graduais no desempenho do especialista em função da idade, em domínios como o xadrez. O nível internacional, que é alcançado após mais de cerca de 10 anos de envolvimento no domínio, é indicado pela linha tracejada horizontal (de Ericsson e Lehmann 22).


Crenças leigas em perícia moral

Em comparação com a perícia em outros domínios, a perícia moral continua sendo um tópico controverso. A pesquisa atual emprega uma abordagem psicológica popular para explorar quais características os leigos consideram essenciais para a perícia moral. O estudo 1 indica que os leigos associam os especialistas em moral a um caráter virtuoso e a um comportamento voltado para o outro. As qualificações formais, como educação e treinamento, são vistas como menos importantes para especialistas morais, em comparação com outros tipos de especialistas (Estudo 2a). No entanto, os juízes profissionais - sugeridos por leigos como especialistas em moral - nem atribuíram a si próprios as características sugeridas de um especialista em moral, nem acreditam fortemente na existência de especialização moral (Estudo 2b). Por fim, o Estudo 3 adotou uma abordagem mais confirmatória e fundamentou a descoberta-chave de que os leigos esperam que os especialistas em moral sejam virtuosos, em vez de formalmente qualificados, ao passo que para os especialistas médicos, como grupo de comparação, surgiu o padrão inverso. Além disso, a diferença entre as duas características foi menor para especialistas em moral do que para especialistas médicos. Tomados em conjunto, os leigos parecem esperar um conjunto mais complexo e equilibrado de habilidades de um especialista em moral do que de especialistas em outros domínios: os especialistas em moral precisam não apenas saber o que é moral, mas também precisam ser morais.

Reconhecimento

Gostaríamos de agradecer à European Association of Social Psychology por fornecer fundos para esta pesquisa. Além disso, gostaríamos de agradecer à Academia Judiciária Alemã por nos dar a oportunidade de realizar pesquisas em suas instalações.


Como melhorar o conhecimento do domínio em matemática? - psicologia

Em sua vida diária, você rotineiramente encontra e resolve problemas. Você coloca os problemas que precisa ou deseja resolver, faz uso dos recursos disponíveis e, então, resolve os problemas. Algumas categorias de recursos incluem: o tempo e esforço de você mesmo e outras ferramentas, informações e dinheiro.

Alguns dos problemas que você encontra e resolve são bastante simples. Por exemplo, você está se vestindo e precisa amarrar os sapatos. Para a maioria das pessoas, essa é uma tarefa relativamente simples. Muitas pessoas acham que montar uma roupa com cores combinadas é uma tarefa mais desafiadora.

Pessoas que fazem pesquisas sobre resolução de problemas tendem a diferenciar entre problemas simples e problemas mais complexos. Freqüentemente, eles focam sua pesquisa em como as pessoas aprendem a resolver e realmente resolver problemas complexos (Frensch e Funke, 1995).

O computador é um recurso - uma ferramenta versátil - que pode ajudá-lo a resolver alguns dos problemas que encontrar. Um computador é uma ferramenta de uso geral muito poderosa. Os computadores podem resolver ou ajudar a resolver muitos tipos de problemas. Existem também muitas maneiras pelas quais um computador pode aumentar a eficácia do tempo e do esforço que você está disposto a dedicar para resolver um problema. Dessa forma, valerá a pena o tempo e o esforço que você despende para aprender como fazer um uso eficaz desta ferramenta.

Alguns exemplos de problemas

Neste livro, usaremos os termos realizar uma tarefa e resolver um problema de forma intercambiável. Começamos com um exercício simples.

Pense em algumas das tarefas que realizou recentemente - alguns dos problemas que resolveu. Faça uma lista escrita de seis desses problemas. Por exemplo, você tomou café da manhã? Se sim, você resolveu um problema com o café da manhã. Você pagou algumas contas? Nesse caso, você resolveu um problema de pagamento de contas. Você usou um telefone para falar com uma pessoa? Nesse caso, você realizou uma tarefa de comunicação à distância. Você resolveu uma discussão com um amigo? Nesse caso, você resolveu um problema interpessoal.

Claramente, alguns problemas são mais difíceis do que outros. Pense nos problemas da sua lista. Quais foram realmente fáceis? Quais foram mais difíceis? Identifique seus problemas usando uma escala de três pontos de dificuldade baixa, média e alta. Pense no que torna um problema mais difícil do que outro. Pense em como o mesmo problema que pode ser fácil para você pode ser difícil para outra pessoa ou vice-versa. Dê alguns exemplos que ilustrem por que isso acontece.

Vamos levar este exercício de pensamento um passo adiante. Para cada problema em sua lista, anote os principais recursos usados ​​para resolver o problema. Talvez você tenha resolvido alguns dos problemas puramente com o uso de sua mente e corpo. Para outros problemas, você pode ter obtido ajuda de amigos. Para outros problemas ainda, você pode ter usado ferramentas, como telefone, calculadora ou carro.

A Tabela 1.1 contém um exemplo do tipo de lista que você pode ter criado. Ao fazer este exercício, você se lembrou de três fatos:

  1. Você normalmente encontra e resolve uma ampla gama de problemas.
  2. Os problemas que você resolve em sua vida cotidiana variam em dificuldade, e o nível de dificuldade varia de pessoa para pessoa.
  3. Ao resolver problemas, você faz uso de recursos como:
    • recursos mentais e físicos seus e dos outros
    • Ferramentas
    • recursos de informação, como livros e vídeos
    • dinheiro, para adquirir outros recursos.

Conteúdo da geladeira, forno de micro-ondas

Comunicação com um amigo

Comunicação por escrito com um cliente irado

Dados armazenados sobre a transação, pensamento cuidadoso, conselho do meu chefe, computador

Obtenha as informações necessárias sobre uma determinada empresa

Vários amigos, livros de referência

Tabela 1.1 Problemas recentemente encontrados e resolvidos.

O que é um problema formal?

Existe uma quantidade substancial de literatura de pesquisa sobre resolução de problemas. Muitos livros didáticos e livros da imprensa popular discutem a solução de problemas (Polya, 1957 Frensch e Funke, 1995 Peters, 1994).

Pesquisadores e escritores usam um conjunto de vocabulário um tanto comum quando falam sobre resolução de problemas. A solução de problemas consiste em passar de uma determinada situação inicial para uma situação-objetivo desejada. Uma maneira diferente de dizer isso é que a resolução de problemas é o processo de projetar e executar um conjunto de etapas para atingir uma meta.

Figura 1.1 Processo de solução de problemas - da situação inicial ao objetivo final.

Neste livro, usaremos uma definição formal do termo problema. Você (pessoalmente) tem um problema se as quatro condições a seguir forem satisfeitas:

  1. Você tem uma determinada situação inicial claramente definida.
  2. Você tem uma meta claramente definida (uma situação final desejada).
  3. Você tem um conjunto de recursos claramente definido que pode ser aplicável para ajudá-lo a passar da situação inicial dada para a situação de meta desejada. Pode haver limitações específicas de recursos, como regras, regulamentos e diretrizes para o que você tem permissão para fazer na tentativa de resolver um problema específico.
  4. Você tem alguma propriedade - você está empenhado em usar alguns de seus próprios recursos, como seu conhecimento, habilidades e energias, para atingir o objetivo final desejado.

Esses quatro componentes de um problema bem definido são resumidos em quatro palavras: dados, objetivo, recursos e propriedade.

As pessoas costumam ficar confusas com a parte de recursos da definição. Os recursos não dizem como resolver um problema. Os recursos apenas informam o que você tem permissão para fazer e / ou usar para resolver o problema. Por exemplo, você deseja criar uma campanha publicitária para aumentar as vendas de um conjunto de produtos que sua empresa produz. A campanha deve ser nacional, concluída em três meses e não deve ultrapassar US $ 40.000 em custo. Tudo isso se encaixa nos recursos. Você ainda precisa descobrir como criar a campanha publicitária.

Esta definição enfatiza que você, ou alguma entidade, tem um problema. Os problemas não existem no abstrato. Eles existem apenas quando há propriedade. O proprietário pode ser uma pessoa, uma organização ou um país. No entanto, a ênfase deste livro está nos problemas que você, pessoalmente, pode encontrar e querer resolver.

Existem muitas outras definições de problema. O livro editado por Frensch e Funke (1995) começa com uma análise de várias dessas definições. A análise é feita do ponto de vista de quais definições parecem mais úteis para pesquisadores que fazem pesquisas sobre resolução de problemas. O livro em si enfoca uma gama limitada de problemas, chamados de problemas complexos. A resolução de problemas complexos é definida como o tipo de pensamento que ocorre para superar as barreiras entre um determinado estado e um estado objetivo desejado por meio de atividades comportamentais e / ou cognitivas em várias etapas. O estado fornecido, o estado de objetivo e as barreiras são complexos e podem mudar dinamicamente durante o processo de resolução de problemas. Essa definição se encaixa bem com muitos problemas do mundo real, como aqueles enfrentados por tomadores de decisão de alto nível.

O uso dos termos de pesquisa "resolvendo problemas complexos" ou "solução de problemas complexos" com o mecanismo de pesquisa do Google fornecerá uma série de boas indicações para informações nesta área. & # 93 & # 93

Representações de um problema

Existem muitas maneiras diferentes de representar um problema. Um problema pode ser representado mentalmente (em sua própria mente), oralmente, por escrito, em um computador e assim por diante. Cada tipo de representação tem certas vantagens e desvantagens.

Do ponto de vista pessoal ou de propriedade, você primeiro toma consciência de uma situação problemática em sua mente e corpo. Você sente ou sente que algo não é do jeito que você gostaria que fosse. Você forma uma representação mental, um modelo mental do problema. Esse modelo mental pode incluir imagens, sons ou sentimentos. Você pode conversar consigo mesmo - dentro de sua cabeça - sobre o problema.

Freqüentemente, uma representação do modelo mental de um problema pode ser suficiente para resolvê-lo. Você pode pensar sobre o problema, considerar alternativas dentro de sua mente e decidir sobre um curso de ação. Você pode reformular o problema, decidindo sobre uma meta que pareça mais apropriada. Você pode então usar sua mente / corpo para realizar ações para resolver o problema.

Por exemplo, seu estômago está gerando dores de fome e você sente que está com fome. Você tem um problema de "Estou com fome". Você começa a pensar conscientemente no problema. Você se lembra que comeu apenas duas horas atrás. Você se lembra de que está tentando controlar o seu peso. Você integra conscientemente a informação "Estou com fome" com essas outras informações. Talvez você decida que beber água é o curso de ação apropriado.

As representações mentais dos problemas são essenciais. Você os cria e os usa sempre que trabalha em um problema. Mas, os problemas podem ser representados de outras maneiras, por exemplo, você pode representar um problema com palavras faladas e gestos. Isso pode ser útil se você estiver procurando a ajuda de outra pessoa para lidar com um problema. As palavras faladas e os gestos são um modelo oral e de linguagem corporal do problema. Pense no seu nível de especialização em comunicação oral. Você conhece algumas pessoas que são particularmente boas em comunicação oral? Você consegue pensar em maneiras de aumentar seu nível de especialização nessa área?

& # 91 & # 91A suposição é que os leitores deste livro gostariam de aumentar sua experiência na solução de problemas. Metacognição e reflexão sobre seus sucessos e fracassos na resolução de problemas pessoais são ajudas úteis para melhorar sua experiência em resolução de problemas. Veja, por exemplo:

Desenvolvendo Metacognição. ERIC Digest. (1990) & # 91Online & # 93. Acessado em 27/10/01: http://www.ed.gov/databases/
ERIC_Digests / ed327218.html.

Metacognição & # 91On-line & # 93. Acessado em 27/10/01: http://www.ncrel.org/sdrs/areas/issues/
alunos / aprendizagem / lr1metn.htm.

Schoenfeld, A.H. (1987) O que é todo esse alarido sobre metacognição? & # 91Online & # 93. Acessado em 27/10/01: http://mathforum.org/

Você pode representar um problema usando lápis e papel. Você pode fazer isso para se comunicar com outra pessoa ou consigo mesmo. Escrever e desenhar são uma ajuda poderosa para a memória. Você provavelmente mantém um catálogo de endereços ou lista de endereços com nomes, endereços e números de telefone de seus amigos. Talvez contenha informações adicionais, como endereços de e-mail, aniversários, nomes dos filhos de seus amigos e assim por diante. Você aprendeu que um catálogo de endereços é mais confiável do que sua memória.

Existem ainda outras maneiras de representar problemas. Por exemplo, a linguagem e a notação da matemática são úteis para representar e resolver certos tipos de problemas. Por exemplo: Um tipo específico de carpete custa US $ 17,45 por metro quadrado - quanto custará o carpete para dois quartos interligados? Uma sala tem 5 x 7 metros e a outra tem 4 x 4 metros.

Figura 1.2 Duas salas a serem alcatifadas.

Conceitualmente, o problema não é muito difícil. Você pode formar um modelo mental das duas salas. Cada quarto será coberto com um carpete que custa US $ 17,45 por metro quadrado. Portanto, você precisa descobrir quantos metros quadrados são necessários para cada sala. Multiplicando o número de metros quadrados em uma sala por US $ 17,45, obtém-se o custo do carpete para a sala. Some os custos dos dois quartos e pronto.

Observe que esta é apenas uma das muitas maneiras possíveis de conceituar esse problema. Você pode muito bem pensar nisso de uma maneira diferente.

O campo da matemática produziu a fórmula A = LW (área igual ao comprimento vezes largura). Ele funciona para todas as formas retangulares. Aproveitando o fato de que existem três pés em um quintal, o cálculo necessário para resolver este problema é:

Resposta = $ 17,45 (16/3 x 24/3) + $ 17,45 (12/3 + 14/3)

Talvez você possa fazer esse cálculo em sua cabeça. Mais provavelmente, no entanto, você usará lápis e papel, uma calculadora ou um computador.

Existem duas idéias principais aqui. Primeiro, alguns problemas que as pessoas desejam resolver podem ser representados matematicamente. Em segundo lugar, uma vez que um problema é representado como um problema matemático, ele ainda precisa ser resolvido.

Nos últimos milhares de anos, os matemáticos acumularam muito conhecimento sobre matemática. Portanto, se você pode representar um problema como um problema de matemática, pode tirar proveito do trabalho que os matemáticos já fizeram antes. Artefatos cognitivos, como aritmética de papel e lápis, calculadoras e computadores, podem ser úteis.

O livro de Logan também argumenta que a escrita, a ciência, a computação e a Internet são todas "linguagens". Eles são todos auxiliares de uso geral para o cérebro na representação e solução de problemas. & # 93 & # 93

Exemplo de numeral romano

Cada forma de representar um problema & # 91 & # 91 e a notação usada & # 93 & # 93 tem certas vantagens e certas desvantagens. Um problema pode ser muito difícil quando representado de uma maneira e muito fácil quando representado de outra maneira. Assim, uma pessoa que é hábil em representar problemas de várias maneiras diferentes provavelmente será um solucionador geral de problemas melhor do que uma pessoa que possui apenas algumas maneiras de representar os problemas.

Um exemplo interessante de como os problemas podem ser representados de duas maneiras diferentes são os algarismos romanos e arábicos. Cada um é um sistema representacional adequado para contar até um nível modesto. Pode ser mais fácil aprender a escrever / contar I, II, III do que escrever / contar 1, 2, 3. Mas os algarismos arábicos e o sistema de notação posicional são muito melhores para lidar com grandes quantidades. Os algarismos arábicos são muito superiores para multiplicação, divisão e trabalho com frações.

Figura 1.3 Representando problemas computacionais usando algarismos romanos e algarismos arábicos.

Esta é uma ideia muito importante. Através de muitas centenas de anos de experimentação - tentativa e erro, pensamento cuidadoso - nosso atual sistema de numeração arábica de base 10 foi desenvolvido. Nosso sistema de numeração arábica de base 10 é um artefato cognitivo. Quando você aprende e usa, você está construindo sobre séculos de trabalho. Você não precisava reinventar esse sistema numérico que lhe foi ensinado quando você era criança.

As frações são outro artefato cognitivo. Você pode pensar que é fácil determinar que 1/2 + 1/6 = 2/3. No entanto, essa tarefa estava além das habilidades de todos, exceto as pessoas mais instruídas 2.000 anos atrás. Os padrões contemporâneos de especialização em computação aritmética aumentaram consideravelmente nos últimos 2.000 anos!

Curiosamente, o advento de calculadoras e computadores - e seu uso crescente nas escolas - provavelmente levará a uma diminuição nas habilidades computacionais de papel e lápis, mas aumentará os padrões de correção ao fazer cálculos. Os padrões contemporâneos mudam com as mudanças nas ferramentas.

& # 91 & # 91O Conselho Nacional de Supervisores de Matemática endossou o uso escolar de calculadoras em 1979. O Conselho Nacional de Professores de Matemática fez um endosso semelhante em 1980. Os Padrões NCTM exigem o uso substancial de calculadoras e computadores.

Acho interessante ver a resistência dos professores do ensino fundamental ao uso de calculadoras. Muitos ainda acreditam firmemente que é preciso primeiro dominar algoritmos aritméticos de lápis e papel antes de poderem usar uma calculadora. Seu principal argumento é que uma criança deve primeiro "entender" a computação antes de poder usar uma calculadora. Eles definem a palavra "compreender" como significando "memorizar um algoritmo de papel e lápis e desenvolver habilidades em seu uso".

Em uma extensão razoável, o mesmo tipo de argumento está sendo usado em todas as disciplinas quando se trata do uso de computadores. Thus, schools still spend lots of time and effort helping students learn non-computer methods so that they can compete against computers. From my point of view, much of this time would be better spent if it were applied to learning problem solving and higher-order cognitive skills.]]

Representing Problems Using Computers

One particularly important feature of a mental model is that it is easily changed. You can "think" a change. This allows you to quickly consider a number of different alternatives, both in how you might solve a problem and in identifying what problem you really want to solve.

Other representations, such as through writing and mathematics, are useful because they are a supplement to your brain. Written representations of problems facilitate sharing with yourself and others over time and distance. However, a written model is not as easily changed as a mental model. The written word has a permanency that is desirable in some situations, but is a difficulty in others. You cannot merely "think" a change. Erasing is messy. And, if you happen to be writing with a ball-point pen, erasing is nearly impossible.

When a problem is represented with a computer, we call this a computer model or a computer representation of the problem. As you proceed in this book, you will explore a variety of computer models. You will see that for some problems, a computer model has some of the same characteristics as a mental model. Some computer models are easy to change and allow easy exploration of alternatives.

For example, consider a document that is represented as a word processor file. It may be easier to revise this document than a paper-and-pencil version of the document. A computer can assist in spell checking and can be used to produce a nicely formatted final product.

In the representation of problems, computers are useful in some cases and not at all useful in others. For example, a computer can easily present data in a variety of graphical formats, such as line graph, bar graph, or in the form of graphs of two- and three-dimensional mathematical functions.

But a computer may not be a good substitute for the doodling and similar types of graphical memory-mapping activities that many people use when attacking problems. Suppose that one's mental representation of a problem is in terms of analogy and metaphor. Research that delved into the inner workings of the minds of successful researchers and inventors suggests this is common and perhaps necessary. A computer may be of little use in manipulating such a mental representation.

Poorly Defined Problems and Problem Posing

Up to this point, we have used the term problem rather loosely. Many of the things that people call problems are actually poorly defined problem situations. In this case, one or more of the four components of a clearly defined problem are missing. For example, you turn on a television set and you view a brief news item about the homeless people in a large city and the starving children in an foreign nation. The announcer presents each news item as a major problem. But, are these really clearly defined problems?

You can ask yourself four questions:

  1. Is there a clearly defined given initial situation? (Do I really know the facts?)
  2. Is there a clearly defined goal? (Is it really clear to me how I would like things to be?)
  3. Do I know what resources are available to me that I could use to help achieve the goal? In addition, are there rules, regulations, and guidelines that I need to know about as I work to solve this problem?
  4. Do I have ownership--do I care enough to devote some of my own resources? (Am I willing to spend some time on achieving the goal?)

If you can answer "yes" to each of these questions, then you have a formal, clearly defined problem.

Often, your answer to one or more of the questions will be "no." Then, the last question is crucial. If you have ownership--if you really care about the situation--you may begin to think about it. You may decide on what you feel are appropriate statements of the givens and the goal. You may seek resources from others and make a commitment of your own resources. You may then proceed to attempt to solve the problem.

The process of creating a clearly defined problem is called problem posing or problem clarification. It usually proceeds in two phases. First, your mind/body senses or is made aware of a problem situation. You decide that the problem situation interests you--you have some ownership. Second, you begin to work on clarifying the givens, goal, and resources. Perhaps you consider alternative goals and sense which would contribute most to your ownership of the situation.

The result of the problem-posing process is a problem that is sufficiently defined so that you can begin to work on solving it. As you work on the problem, you will likely develop a still better understanding of it. You may redefine the goal and/or come to understand the goal better. You may come to understand the given initial situation better indeed, you may decide to do some research to gain more information about it. Problem posing is an On-Line process as you work to understand and solve a problem.

Problem posing is a very important idea. It is a particularly personal process, drawing on your full range of capabilities, knowledge, and interests. Often it can be hard work to convert a loosely defined problem situation into a clearly defined problem. Moreover, as you work to solve a problem, you may well decide that you want to change it into a different problem. If you are the one with ownership--if you have posed the problem--then you can modify the problem to fit your interests and needs.

Are you good at problem posing? Are you good at recognizing problem situations and converting them into clearly defined problems? What have you done during the past year to increase your level of expertise in problem posing?

Difficult and Unsolvable Problems

You know that some problems are more difficult than others. Also, you know that a particular type of problem may be quite difficult for you and quite easy for someone else. However, there is one more piece to this puzzle--some clearly defined problems cannot be solved because they have no solution. For example, you are presented with the following problem: "Find a four-letter word that contains all of the vowels." You know that this is an unsolvable problem because there are five vowels.

Here is a slightly more complex example. Suppose you want to solve the simple math problem: "Find two positive odd integers whose sum is an odd integer."

You might begin thinking about this problem by doing a little exploring. A few trials, such as 1 + 1 = 2 (even), 1 + 3 = 4 (even), 3 + 9 = 12 (even) and so on, might lead you to the conjecture that the sum of two positive odd integers is always an even integer. This could lead you to pose a new problem. The new problem would be: "Prove that the sum of two positive odd integers is an even integer." If you solve this new problem, you will have proven that the original problem has no solution.

Proving that a problem has no solution can, itself, be a very difficult task. Thus, one difficulty you face when you're working on a problem and not succeeding in solving it, is determining when to give up. You may give up because the available resources have been exhausted. You may give up because of a conviction that the problem is not solvable with the available resources. And, of course, you may give up upon becoming convinced that the problem is truly unsolvable.

The two examples used in this section are somewhat typical of textbook problems. They are trivial--they pale in significance relative to many real-world problems. Problems or problem situations, such as world peace, the homeless, the hungry, battered children, cancer, and so on, are far more difficult. Many real-world problems have the characteristic that persistent effort can contribute toward making progress on solving the problems, even though no final solution is reached.

Persistence and Motivation

Many real-world problems require a great deal of time and effort to solve. Some may not be solvable with the resources that are available. Some may take many years or many centuries to solve. Persistence is a common trait in successful problem solvers.

Your persistence in working on a problem may be determined by what motivates you. Think about intrinsic motivation and extrinsic motivation. In intrinsic motivation, your drive--your push to succeed--comes from within. You are working toward goals that you really want to accomplish. In extrinsic motivation, external factors are acting on you. They are telling you what to do and they are pressuring you to do it. The goals may be set by other people and may not be of any particular interest to you. You may be saying to yourself, "I am doing this to get a good grade. I have no interest in the problem."

Some people are able to have a great deal of persistence based on extrinsic motivation. However, the typical person is apt to have more persistence when driven by a strong intrinsic motivation. Intrinsic motivation and the ownership component in the definition of a problem are closely related.

Working Toward Increased Expertise

Think about some category of problems that you have become good at solving. Perhaps you are a really good housekeeper or a really good teacher. Perhaps you are really good at making friends and working with people. Maybe you are really good at performing music, solving math problems, or reading maps.

At some time in the past, you were just beginning to learn about these types of problems. Gradually your knowledge and skills grew. Your level of expertise in solving the problems increased.

As you look toward the future, do you intend to become still better at solving this category of problems? What are you doing to become more of an expert? Do you just leave it to chance, or are you actively and consciously engaged in increasing your level of expertise?

This book explores a number of ways to get better at problem solving. These suggestions can be applied in almost any problem-solving domain. The goal is to help you increase your level of expertise in whatever areas interest you. The assumption is that you have ownership--that you want to increase your level of expertise in various fields.

One factor in increasing expertise is obtaining appropriate feedback on what you are doing and how well you are doing it. You can provide feedback to yourself--through metacognition and reflective introspection. You can get feedback from a coach, a teacher, or a colleague. In certain types of problem-solving situations, you and a computer working together can provide you with useful feedback.

Another factor in increasing expertise is learning to make effective use of the tools that experts use. The computer is one such tool.

Activities and Self-Assessment

  1. Many people benefit from keeping a journal as they work their way through a book such as this. In the journal, they reflect on ideas that occur to them as they read the book. For example, has it occurred to you that while you were in grade school, you may have spent a great deal of time learning to compete with a calculator or a computer? What are your feelings about this? As you think about problems and problem solving, do you feel adequate or inadequate? After reading Chapter 1, do you feel that you gained anything useful? If so, what? If not, why?

Start a journal. Make some entries in it each time you read a chapter or part of a chapter. From time to time you may want to go back to earlier entries and write in additional comments.


Discussão

Our study draws on recent performance assessment approaches in order to validly measure the AS of teachers in mathematics and economics, and investigate their relationship with teacher knowledge as well as their domain specificity. The Germany-wide recruited sample provides first empirical evidence of

  1. the relationship between AS and domain-specific knowledge (CK, PCK) in mathematics and in economics and
  2. the relationship between AS in mathematics and AS in economics for teachers who were trained or experienced in both domains.

For (1), our results indicate that AS show only moderate relationships for CK and PCK of both domains. This suggests that, in mathematics and economics, teachers’ skills to apply domain-specific CK and PCK in teaching situations do indeed differ from teacher knowledge. This is in line with previous studies focusing primary school teachers of mathematics (Knievel et al., 2015). However, previous research did not examine whether this relational pattern can be generalized across domains. Our findings indicate that the relationships between AS and CK as well as AS and PCK are comparable across the domains of mathematics and economics. Particularly, there is tentative evidence that AS in both domains are more strongly related to CK than to PCK. This finding might conflict with the role previous studies ascribed to PCK for instructional processes in primary and lower secondary level instruction (Baumert et al., 2010 Hill et al., 2008 ). Our study, in contrast, focuses on teachers for upper secondary level, where teaching content is more complex. Thus, CK could play a more prominent role for the interpretation of and reaction to classroom situations.

For (2), our results indicate that the correlation between AS in mathematics and AS in economics can be explained to a large extent by the underlying relations between CK and PCK of both domains. In particular, we did not find a significant relation between M-AS and E-AS when relationships in the underlying domain-specific knowledge are controlled. Thus, our results indicate that the teachers’ skills to apply domain-specific knowledge for instructional purposes differ for mathematics and economic (i.e., for two related domains). The findings suggest that AS for one domain are not transferable to another domain for which the teachers possess CK and PCK.

Based on our results, several conclusions and implications can be suggested. Our study indicates that domain-specific teacher knowledge and AS are only moderately related in the domains of mathematics and economics. This implies that teacher training should focus not only on fostering teachers’ professional knowledge base (Hill et al., 2008 ) but also on providing learning opportunities for AS. This further supports current findings on assessing teachers’ skills close to real-life teaching performance (Santagata & Sandholtz, 2018 ). Our findings regarding the domain specificity of AS suggest that those learning opportunities might be most effective if designed with close relation to the domain. For instance, with respect to the professional development of out-of-field teachers, the domain specificity of instructional skills implies that training programmes focusing solely on the provisions of domain-specific knowledge may fall short of their aim if the acquisition of AS is neglected. Future research should explore which skills and abilities beyond knowledge contribute to AS and find effective ways of fostering AS. For example, Santagata and colleagues designed a professional development programme for fostering mathematics teachers’ instructional practices using video-taped lessons (Santagata, Kersting, Givvin, & Stigler, 2010 ). Although the programme's impact on teachers’ knowledge and practices was not detectable, an effect on student learning was found.

The domain specificity of AS implies that findings about instructional skills in one domain may not necessarily be transferable to other domains. Further studies should aim at replicating these results in other teaching domains as this study focused only on (prospective) teachers of mathematics and economics. Our findings do not conflict with current suggestions of AS being considered a form of teacher knowledge (enacted or usable knowledge Carlson & Daehler, 2019 Kersting, 2008 ), although such hypotheses regarding the nature of instructional skills cannot be derived from our data. However, our results contradict the findings of Blömeke et al. ( 2016 ) as they found a close relation of teachers’ instructional skills in mathematics and pedagogy. This may suggest that teachers’ skills for teaching a domain are related more closely to knowledge and skills in pedagogy than skills for teaching a different school subject.

As every empirical study, our study also faces limitations. First, although AS were assessed using realistic video clips of classroom situations, the current technical resources do no permit representation of all demands related to real classroom situations. Second, to consider the demands of instruction, the assessment methods of AS are video-based and under time constraints and, hence, are different to the assessment methods of subject-specific knowledge (paper–pencil tests). This could have affected the found relations between domain-specific knowledge and AS. Third, although the sample was collected throughout Germany and is well-distributed, it cannot be considered to be representative. Fourth, there are generally only few teachers in Germany who have been trained in and teach both mathematics and economics. Thus, our analysis of relationships between mathematics-related an economics-related variables in particular relies on a small sample size. This might be an influencing factor as well, and corroboration of our results with larger sample sizes is needed.

Despite these limitations, the present study provided insightful initial evidence of how teachers’ AS differ in two major teaching domains, and furthers the discussion of the nature of instructional skills like AS. This is an important starting point to improve current teacher training programmes and to foster teachers’ instructional skills more effectively.


The Making of an Expert

Popular lore tells us that genius is born, not made. Scientific research, on the other hand, reveals that true expertise is mainly the product of years of intense practice and dedicated coaching. Ordinary practice is not enough: To reach elite levels of performance, you need to constantly push yourself beyond your abilities and comfort level. Such discipline is the key to becoming an expert in all domains, including management and leadership.

Those are the conclusions reached by Ericsson, a professor of psychology at Florida State University Prietula, a professor at the Goizueta Business School and Cokely, a research fellow at the Max Planck Institute for Human Development, who together studied data on the behavior of experts, gathered by more than 100 scientists. What consistently distinguished elite surgeons, chess players, writers, athletes, pianists, and other experts was the habit of engaging in “deliberate” practice—a sustained focus on tasks that they couldn’t do before. Experts continually analyzed what they did wrong, adjusted their techniques, and worked arduously to correct their errors.

Even such traits as charisma can be developed using this technique. Working with a drama school, the authors created a set of acting exercises for managers that remarkably enhanced executives’ powers of charm and persuasion. Through deliberate practice, leaders can improve their ability to win over their employees, their peers, or their board of directors.

The journey to elite performance is not for the impatient or the faint of heart. It takes at least a decade and requires the guidance of an expert teacher to provide tough, often painful feedback. It also demands would-be experts to develop their “inner coach” and eventually drive their own progress.

Thirty years ago, two Hungarian educators, László and Klara Polgár, decided to challenge the popular assumption that women don’t succeed in areas requiring spatial thinking, such as chess. They wanted to make a point about the power of education. The Polgárs homeschooled their three daughters, and as part of their education the girls started playing chess with their parents at a very young age. Their systematic training and daily practice paid off. By 2000, all three daughters had been ranked in the top ten female players in the world. The youngest, Judit, had become a grand master at age 15, breaking the previous record for the youngest person to earn that title, held by Bobby Fischer, by a month. Today Judit is one of the world’s top players and has defeated almost all the best male players.

It’s not only assumptions about gender differences in expertise that have started to crumble. Back in 1985, Benjamin Bloom, a professor of education at the University of Chicago, published a landmark book, Developing Talent in Young People, which examined the critical factors that contribute to talent. He took a deep retrospective look at the childhoods of 120 elite performers who had won international competitions or awards in fields ranging from music and the arts to mathematics and neurology. Surprisingly, Bloom’s work found no early indicators that could have predicted the virtuosos’ success. Subsequent research indicating that there is no correlation between IQ and expert performance in fields such as chess, music, sports, and medicine has borne out his findings. The only innate differences that turn out to be significant—and they matter primarily in sports—are height and body size.

E daí faz correlate with success? One thing emerges very clearly from Bloom’s work: All the superb performers he investigated had practiced intensively, had studied with devoted teachers, and had been supported enthusiastically by their families throughout their developing years. Later research building on Bloom’s pioneering study revealed that the amount and quality of practice were key factors in the level of expertise people achieved. Consistently and overwhelmingly, the evidence showed that experts are always made, not born. These conclusions are based on rigorous research that looked at exceptional performance using scientific methods that are verifiable and reproducible. Most of these studies were compiled in The Cambridge Handbook of Expertise and Expert Performance, published last year by Cambridge University Press and edited by K. Anders Ericsson, one of the authors of this article. The 900-page-plus handbook includes contributions from more than 100 leading scientists who have studied expertise and top performance in a wide variety of domains: surgery, acting, chess, writing, computer programming, ballet, music, aviation, firefighting, and many others.

Consistently and overwhelmingly, the evidence showed that experts are always made, not born.

The journey to truly superior performance is neither for the faint of heart nor for the impatient. The development of genuine expertise requires struggle, sacrifice, and honest, often painful self-assessment. There are no shortcuts. It will take you at least a decade to achieve expertise, and you will need to invest that time wisely, by engaging in “deliberate” practice—practice that focuses on tasks beyond your current level of competence and comfort. You will need a well-informed coach not only to guide you through deliberate practice but also to help you learn how to coach yourself. Above all, if you want to achieve top performance as a manager and a leader, you’ve got to forget the folklore about genius that makes many people think they cannot take a scientific approach to developing expertise. We are here to help you explode those myths.

Let’s begin our story with a little wine.


Referências

Click the "References" link above to hide these references.

Anderson, R. C., & Pearson, P. D. (1984). A schema-theoretic view of basic processes in reading. In P. D. Pearson, R. Barr, M. L. Kamil, & P. Mosenthal (Eds.), Handbook of reading research (pp. 255-291). White Plains, NY: Longman.

Applebee, A. N. (1993). Literature in the secondary school: Studies of curriculum and instruction in the United States. Urbana, IL: National Council of Teachers of English.

Beck, I. L., & McKeown, M. G. (2006). Improving comprehension with Questioning the Author: A fresh and expanded view of a powerful approach. New York: Guilford.

Beck, I. L., McKeown, M. G., & Kucan, L. (2002). Bringing words to life: Robust vocabulary instruction. New York: Guilford.

Beers, K. (2003). When kids can&146t read-what teachers can do: A guide for teachers 6-12. Portsmouth, NH: Heinemann.

Biancarosa, G., & Snow, C. (2006). Reading next: A vision for action and research in middle and high school literacy: A report to the Carnegie Corporation of New York (2nd ed.). Washington, DC: Alliance for Excellent Education.

Gersten, R., Fuchs, L., Williams, J., & Baker, S. (2001). Teaching reading comprehension strategies to students with learning disabilities: A review of research. Review of Educational Research, 7, 279-320.

Graves, M. F. (2000). A vocabulary program to complement and bolster a middlegrade comprehension program. In B. M. Taylor, M. F. Graves, & P. van den Broek (Eds.), Reading for meaning: Fostering comprehension in the middle grades (pp. 116-135). New York: Teachers College Press Newark, DE: International Reading Association.

Guthrie, J. T., Wigfield, A., & Perencevich, K. C. (2004). Scaffolding for motivation and engagement in reading. In J. T. Guthrie, A. Wigfield, & K. C. Perencevich (Eds.), Motivating reading comprehension: Concept-Oriented Reading Instruction. Mahwah, NJ: Lawrence Erlbaum.

Hirsch, E. D. (2006). The knowledge deficit: Closing the shocking education gap. Nova York: Houghton Mifflin.

Johnson, B. H. (1999). Wordworks: Exploring language play. Golden, CO: Fulcrum.

Langer, J. A. (2001). Beating the odds: Teaching middle and high school students to read and write well. American Educational Research Journal, 38, 837-880.

Langer, J. A. (2001). Beating the odds: Teaching middle and high school students to read and write well. American Educational Research Journal, 38,837-880.

Leong, C. K., & Jerred, W. D. (2001). Effects of consistency and adequacy of language information on understanding elementary mathematics word problems. Annals of Dyslexia, 51, 277-298.

Moje, E. B. (2006). Motivating texts, motivating contexts, motivating adolescents: An examination of the role of motivation in adolescent literacy practices and development. Perspectives, 32,10-14.

Mosborg, S. (2002). Speaking of history: How adolescents use their knowledge of history in reading the daily news. Cognition and Instruction, 20(3), 323-358.

Murphy, P. K., & Edwards, M. N. (2005). What the studies tell us: A meta-analysis of discussion approaches. In M. Nystrand (Chair), Making sense of group discussions designed to promote high-level comprehension of texts. Symposium presented at the annual meeting of the American Educational Research Association, Montreal, Canada, April.

Nation, K. (2005). Children’s reading comprehension difficulties. In M. Snowling & C. Hulme (Eds.), The Science of Reading (pp. 248-265). Oxford: Blackwell.

National Association of State Boards of Education. (2005, October). Reading at risk: How states can respond to the crisis in adolescent literacy. Alexandria, VA: Author.

National Governors Association. (2005). Reading to achieve: A governor’s guide to adolescent literacy. Washington, DC: National Governors Association, Center for Best Practices.

National Institute of Child Health and Human Development (NICHD). (2000). Report of the National Reading Panel: Teaching children to read: An evidence-based assessment of the scientific research literature on reading and its implications for reading instruction: Reports of the subgroups (NIH Publication No. 00-4754). Washington, DC: U.S. Government Printing Office.

National Reading Panel. (2000). Report of the National Reading Panel: Reports of the Subgroups. Washington, DC: U.S. Department of Health and Human Services, National Institute of Health.

Norris, S., & Phillips, L. M. (1994). Interpreting pragmatic meaning when reading popular reports of science. Journal of Research in Science Teaching, 31(9), 947-967.

Nystrand, M., Gamoran, A., & Heck, M. J. (1993). Using small groups for response to and thinking about literature. The English Journal, 82(1), 14-22.

Perfetti, C. A., Britt, M. A., & Georgi, M. C. (1995). Text-based learning and reasoning: Studies in history. Hillsdale, NJ: Lawrence Erlbaum.

Pressley, M. (2000). What should comprehension instruction be the instruction of? In M. L. Kamil, P. B. Mosenthal, P. D. Pearson, & R. Barr (Eds.), Handbook of reading research (Vol. III, pp. 545-561). Mahwah, NJ: Lawrence Erlbaum.

RAND. (2002). Reading for understanding: Toward an R&D program in reading comprehension. Santa Monica, CA: Author.

Rosenshine, B., & Meister, C. (1994). Reciprocal teaching: A review of the research. Review of Educational Research, 64, 479-530.

Rosenshine, B., Meister, C., & Chapman, S. (1996). Teaching students to generate questions: A review of the intervention studies. Review of Educational Research, 66, 181-221.

Schneider, A., Korkel, J., & Weinert, F. E. (1989). Domain-specific knowledge and memory performance: A comparison of high- and low-aptitude children. Journal of Educational Psychology, 81,3017-312.

Stanovich, K. E., Cunningham, A. E., & Feeman, D. J. (l984). Intelligence, cognitive skills, and early reading progress. Reading Research Quarterly, 24, 278-303.

Excerpted with permission from Torgesen, J. K., Houston, D. D., Rissman, L. M., Decker, S. M., Roberts, G., Vaughn, S., Wexler, J. Francis, D. J, Rivera, M. O., Lesaux, N. (2007). Academic literacy instruction for adolescents: A guidance document from the Center on Instruction. Portsmouth, NH: RMC Research Corporation, Center on Instruction. Full report available online.


Assista o vídeo: WJUG #177 - Domain Driven Design w praktyce - Krzysztof Muchewicz (Agosto 2022).

Problema Dificuldade Recursos Principais