Nye publikationer
Hvorfor er selvstudier så effektive?
Sidst revideret: 01.07.2025

Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.

I de senere år er undervisere begyndt at lægge mere vægt på praktiske timer, laboratorieforsøg og elevforskning. Dette forklares ved, at eleverne lærer materiale meget bedre, hvis de har mulighed for selv at kontrollere intensiteten af deres videntilegnelse.
Selvstyret læring har vist sig at være et positivt fænomen, men årsagerne til dette fænomen er dårligt forstået.
Nogle forskere antyder, at selvstyret læring er effektiv på grund af en persons motivation til at lære. Eksperter har dog ikke tilstrækkelige data til at identificere forholdet mellem selvstyret læring og kognitive processer, især hukommelses- og opmærksomhedsprocesser.
Årsagerne til effektiviteten af denne specifikke proces med at studere materialet blev forsøgt at undersøge af forskere fra New York University, Douglas Markant og Todd Gurekis. De greb studiet af denne type læring an fra et beregningsmæssigt og kognitivt synspunkt.
Eksperter fremsætter flere hypoteser om, hvorfor selvstyret læring har fordele i forhold til andre typer læring.
Selvstyret og uafhængig læring hjælper en person med at optimere sin oplevelse og fokusere på læringsmaterialer, som man endnu ikke mestrer. Derudover muliggør selvstyret lærings natur fastholdelse af lært information over en længere periode.
Denne type læring er dog ikke altid effektiv. En person kan begå fejl i beslutningstagningen om den information, han eller hun skal studere. Årsagen til dette kan være kognitive fejl.
Forskerne bemærker, at beregningsmodeller, der almindeligvis anvendes i maskinlæringsforskning, kan bruges til at studere, hvordan folk evaluerer forskellige informationskilder og de data, de søger.
Analyse ved hjælp af maskinlæringsmetoder kan hjælpe med at identificere de negative og positive aspekter af selvstyret læring.
En kombineret undersøgelse, der inkluderer en vurdering af denne type læring fra både kognitive og beregningsmæssige processer, vil hjælpe eksperter med at forstå de processer, der ligger til grund for uafhængig, selvstyret læring.
Forskere håber også, at det ved at forstå disse processer vil være muligt at udvikle hjælpemetoder til uafhængig undersøgelse af materialet.