Original Title: Cognitive Load Theory: Implications for Instructional Design in Digital Classrooms
Source: doi.org/10.70177/ijen.v2i6.1659
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ទ្រឹស្ដីបន្ទុកការយល់ដឹង៖ ផលប៉ះពាល់សម្រាប់ការរចនាការបង្រៀនក្នុងថ្នាក់រៀនឌីជីថល

ចំណងជើងដើម៖ Cognitive Load Theory: Implications for Instructional Design in Digital Classrooms

អ្នកនិពន្ធ៖ Rudy Surbakti (STMIK Kristen Neumann, Indonesia), Satria Evans Umboh (Sekolah Tinggi Teologi IKAT Jakarta, Indonesia), Ming Pong (Chiang Mai University, Thailand), Sokha Dara (Puthisastra University, Cambodia)

ឆ្នាំបោះពុម្ព៖ 2024, International Journal of Educational Narratives

វិស័យសិក្សា៖ Educational Technology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការកើនឡើងនូវបន្ទុកការយល់ដឹង (Cognitive Load) របស់សិស្សនៅក្នុងបរិស្ថានថ្នាក់រៀនឌីជីថល ដែលសម្បូរទៅដោយមាតិកាពហុមេឌៀ។ វាស្វែងយល់ពីរបៀបដែលការរចនាការបង្រៀនមិនបានល្អអាចធ្វើឱ្យសិស្សទទួលរងព័ត៌មានលើសលប់ និងកាត់បន្ថយប្រសិទ្ធភាពនៃការរៀនសូត្រពិតប្រាកដ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវចម្រុះ (Mixed-methods) ដោយរួមបញ្ចូលទាំងការពិសោធន៍បរិមាណ និងការសម្ភាសន៍គុណភាព។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Low Cognitive Load Instructional Design
ការរចនាការបង្រៀនដែលមានបន្ទុកការយល់ដឹងទាប
ងាយស្រួលយល់ និងមិនទាមទារការប្រឹងប្រែងខួរក្បាលច្រើន។ ស័ក្តិសមសម្រាប់សិស្សថ្មី ឬការណែនាំគោលគំនិតជាមូលដ្ឋាន។ អាចខ្វះភាពទាក់ទាញដោយសារមិនសូវមានការប្រើប្រាស់ពហុមេឌៀ (Multimedia) ច្រើន។ ពិន្ទុបន្ទុកការយល់ដឹងជាមធ្យម ៣.២/១០ ជាមួយនឹងគម្លាតស្តង់ដារ (SD) ០.៨។
Medium Cognitive Load Instructional Design
ការរចនាការបង្រៀនដែលមានបន្ទុកការយល់ដឹងមធ្យម
មានតុល្យភាពល្អរវាងភាពស្មុគស្មាញនៃមាតិកា និងសមត្ថភាពទទួលយករបស់សិស្ស។ ជំរុញឱ្យមានការគិតស៊ីជម្រៅក្នុងកម្រិតសមស្រប។ ទាមទារការរៀបចំ និងបែងចែកខ្លឹមសារឱ្យបានម៉ត់ចត់ពីសំណាក់គ្រូបង្រៀនដើម្បីរក្សាតុល្យភាព។ ពិន្ទុបន្ទុកការយល់ដឹងជាមធ្យម ៥.៦/១០ ជាមួយនឹងគម្លាតស្តង់ដារ (SD) ១.១។
High Cognitive Load Instructional Design
ការរចនាការបង្រៀនដែលមានបន្ទុកការយល់ដឹងខ្ពស់ (ពហុមេឌៀស្មុគស្មាញ)
ផ្តល់ព័ត៌មានច្រើន និងប្រើប្រាស់ធាតុអន្តរកម្ម ឬពហុមេឌៀចម្រុះ ដែលអាចទាក់ទាញចំណាប់អារម្មណ៍បានខ្លាំង។ ធ្វើឱ្យសិស្សទទួលរងព័ត៌មានលើសលប់ (Overload) កាត់បន្ថយការចងចាំ និងមិនជួយឱ្យលទ្ធផលសិក្សាប្រសើរឡើងនោះទេ។ ពិន្ទុបន្ទុកការយល់ដឹងជាមធ្យមខ្ពស់បំផុត ៧.៨/១០ ជាមួយនឹងគម្លាតស្តង់ដារ (SD) ១.២។

ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់ពីការចំណាយជាសាច់ប្រាក់ជាក់លាក់នោះទេ ប៉ុន្តែការអនុវត្តតម្រូវឱ្យមានការវិនិយោគលើប្រព័ន្ធឌីជីថល និងពេលវេលាក្នុងការរចនាមេរៀន។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងបរិស្ថានថ្នាក់រៀនឌីជីថលនៃគ្រឹះស្ថានឧត្តមសិក្សា ដោយមានអ្នកចូលរួមជាសិស្សចំនួន ១០០ នាក់ និងគ្រូ ១០ នាក់ ដែលទំនងជានៅក្នុងតំបន់អាស៊ីអាគ្នេយ៍ (ផ្អែកលើស្ថាប័នរបស់អ្នកនិពន្ធនៅឥណ្ឌូនេស៊ី ថៃ និងកម្ពុជា)។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យនេះមានសារៈសំខាន់ ប៉ុន្តែត្រូវពិចារណាលើកម្រិតអក្ខរកម្មឌីជីថល (Digital Literacy) និងល្បឿនអ៊ីនធឺណិតរបស់សិស្សនៅតាមតំបន់ផ្សេងៗគ្នា ព្រោះសិស្សដែលមានបទពិសោធន៍ឌីជីថលតិចតួចនឹងងាយរងបន្ទុកការយល់ដឹងខ្ពស់ជាង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ការរកឃើញនៅក្នុងការសិក្សានេះមានភាពពាក់ព័ន្ធ និងមានប្រយោជន៍ខ្លាំងសម្រាប់ការអភិវឌ្ឍប្រព័ន្ធអប់រំឌីជីថលនៅកម្ពុជា។

ការរួមបញ្ចូលទ្រឹស្តីបន្ទុកការយល់ដឹង (CLT) ទៅក្នុងការរចនាការបង្រៀន នឹងជួយស្ថាប័នអប់រំនៅកម្ពុជាបង្កើតមាតិកាឌីជីថលដែលមានប្រសិទ្ធភាព និងមិនធ្វើឱ្យសិស្សមានភាពធុញថប់។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. វាយតម្លៃប្រព័ន្ធអប់រំឌីជីថលបច្ចុប្បន្ន (Evaluate Current Systems): ពិនិត្យមើលវេទិកាសិក្សាដូចជា MoodleGoogle Classroom ថាតើការរៀបចំមេរៀនមានភាពស្មុគស្មាញ ឬធ្វើឱ្យមានបន្ទុកដែលមិនចាំបាច់ (Extraneous Load) ដែរឬទេ។
  2. អនុវត្តបច្ចេកទេសបែងចែកមាតិកា (Apply Chunking Techniques): ប្រើប្រាស់កម្មវិធីដូចជា CamtasiaEdpuzzle ដើម្បីកាត់វីដេអូមេរៀនជាផ្នែកខ្លីៗ (៣ ទៅ ៥ នាទី) និងបន្ថែមសំណួរដើម្បីឱ្យសិស្សងាយស្រួលយល់ និងរក្សាការចងចាំ។
  3. កាត់បន្ថយភាពរញ៉េរញ៉ៃនៃពហុមេឌៀ (Reduce Multimedia Clutter): ប្រើប្រាស់កម្មវិធីរចនាដូចជា CanvaPowerPoint ដោយដកចេញនូវរូបភាព ចលនា ឬសម្លេងដែលមិនពាក់ព័ន្ធផ្ទាល់នឹងខ្លឹមសារមេរៀន ដើម្បីជៀសវាងការរំខានអារម្មណ៍សិស្ស។
  4. វាស់ស្ទង់បន្ទុកការយល់ដឹងរបស់សិស្ស (Measure Student Cognitive Load): បង្កើតកម្រងសំណួរដោយប្រើ Google Forms ផ្អែកលើស្តង់ដារ NASA-TLX ដើម្បីសាកសួរសិស្សពីកម្រិតនៃការប្រឹងប្រែងខួរក្បាល បន្ទាប់ពីពួកគេបញ្ចប់មេរៀនឌីជីថលនីមួយៗ។
  5. កែលម្អជាប្រចាំដោយផ្អែកលើទិន្នន័យ (Iterate Based on Data): ប្រមូលមតិកែលម្អពីសិស្ស និងកែសម្រួលការរចនាការបង្រៀនឡើងវិញ ដោយប្រើប្រាស់មុខងារ Analytics នៅក្នុងប្រព័ន្ធ LMS ដើម្បីតាមដានការចូលរួម និងលទ្ធផលរបស់ពួកគេ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Cognitive Load Theory (CLT) ទ្រឹស្ដីដែលពន្យល់ពីទំហំនៃការប្រឹងប្រែងខួរក្បាល ឬការចងចាំរយៈពេលខ្លី (Working Memory) ដែលត្រូវប្រើប្រាស់ក្នុងពេលរៀនសូត្រ។ វាផ្តោតលើការរៀបចំមេរៀនយ៉ាងណា កុំឱ្យខួរក្បាលសិស្សធ្វើការធ្ងន់ពេក រហូតដល់លែងចងចាំ។ ដូចជាកែវទឹកមួយ បើយើងចាក់ទឹកចូលលឿននិងច្រើនពេក វានឹងហូរហៀរចេញមកក្រៅ មិនអាចរក្សាទុកបានឡើយ។
Intrinsic Load កម្រិតនៃភាពស្មុគស្មាញពីធម្មជាតិរបស់មេរៀន ឬកិច្ចការដែលត្រូវរៀន។ បើមេរៀននោះមានរូបមន្តគណិតវិទ្យាពិបាកៗ នោះបន្ទុកពីធម្មជាតិនឹងខ្ពស់ ដែលមិនអាចលុបបំបាត់បានទេ ក្រៅពីបំបែកវាជាចំណែកតូចៗដើម្បីងាយយល់។ ដូចជាការលើកដុំថ្មធំមួយ ទម្ងន់របស់ដុំថ្មនោះគឺជារបស់ធម្មជាតិដែលយើងមិនអាចផ្លាស់ប្តូរបានទេ គឺត្រូវតែប្រើកម្លាំងដើម្បីលើកវា។
Extraneous Load បន្ទុកខួរក្បាលដែលមិនចាំបាច់ ដែលកើតឡើងដោយសារការរចនាមេរៀនមិនល្អ ដូចជាមានអត្ថបទច្រើនពេក រូបភាពរញ៉េរញ៉ៃ ឬសម្លេងរំខាន ដែលធ្វើឱ្យសិស្សពិបាកផ្តោតលើខ្លឹមសារពិតប្រាកដ។ ដូចជាការព្យាយាមស្តាប់មិត្តភក្តិនិយាយប្រាប់រឿងសំខាន់ណាមួយ នៅកណ្តាលទីផ្សារដែលមានសម្លេងឡូឡាខ្លាំង។
Germane Load បន្ទុកខួរក្បាលដែលមានប្រយោជន៍ គឺនៅពេលដែលសិស្សខិតខំប្រឹងប្រែងគិត ដើម្បីយល់ដឹង បង្កើតចំណេះដឹងថ្មី និងចងចាំទុកក្នុងខួរក្បាលរយៈពេលវែង។ ការរចនាការបង្រៀនល្អ ត្រូវជំរុញបន្ទុកមួយនេះឱ្យបានច្រើន។ ដូចជាការហាត់ប្រាណ ទោះបីជាហត់ តែវាធ្វើឱ្យសាច់ដុំយើងរឹងមាំ និងមានសុខភាពល្អ។
Working Memory Capacity សមត្ថភាពមានកម្រិតនៃខួរក្បាលមនុស្ស ក្នុងការរក្សាទុក និងដំណើរការព័ត៌មានក្នុងពេលតែមួយ ខណៈពេលកំពុងគិត ឬរៀនអ្វីមួយ។ ជាទូទៅ វាអាចផ្ទុកព័ត៌មានបានតែបន្តិចបន្តួចប៉ុណ្ណោះមុនពេលវាផ្ទេរទៅការចងចាំរយៈពេលវែង។ ដូចជាទំហំ RAM របស់កុំព្យូទ័រ ដែលប្រើសម្រាប់បើកកម្មវិធីពេលកំពុងដំណើរការ បើបើកកម្មវិធីធំៗច្រើនពេកក្នុងពេលតែមួយ វានឹងគាំង។
Multimedia learning theory ទ្រឹស្ដីដែលលើកឡើងថា មនុស្សរៀនបានល្អប្រសើរនៅពេលដែលព័ត៌មានត្រូវបានបង្ហាញដោយប្រើប្រាស់ពាក្យពេចន៍ (សម្លេង ឬអត្ថបទ) រួមជាមួយនឹងរូបភាពបញ្ជាក់ ជាជាងការប្រើតែពាក្យពេចន៍ទទេ តែត្រូវរៀបចំឱ្យបានត្រឹមត្រូវដើម្បីកុំឱ្យលើសបន្ទុក។ ដូចជាការមើលខ្សែភាពយន្តដែលមានរូបភាពនិងសម្លេងបញ្ជាក់ប្រាប់រឿងរ៉ាវច្បាស់លាស់ ល្អជាងការព្យាយាមស្រមៃដោយគ្រាន់តែស្តាប់វិទ្យុទទេ។
Segmenting បច្ចេកទេសក្នុងការបែងចែកព័ត៌មាន ឬមេរៀនដែលវែង និងស្មុគស្មាញ ទៅជាផ្នែកតូចៗដើម្បីឱ្យសិស្សងាយស្រួលរៀន និងមានពេលគ្រប់គ្រាន់ក្នុងការយល់ដឹងមួយជំហានម្តងៗ។ ដូចជាការញ៉ាំនំប៉័ងមួយដើមធំ យើងមិនអាចលេបទាំងមូលបានទេ គឺត្រូវតែកាត់វាជាចំណិតៗរួចញ៉ាំម្តងមួយម៉ាត់។
NASA-TLX (Task Load Index) ជាឧបករណ៍ ឬកម្រងសំណួរដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងការស្រាវជ្រាវ ដើម្បីវាស់ស្ទង់កម្រិតបន្ទុកការងារ ឬការប្រឹងប្រែងទាំងផ្លូវកាយ និងផ្លូវចិត្តរបស់មនុស្សនៅពេលធ្វើកិច្ចការអ្វីមួយ។ ដូចជាប្រដាប់វាស់កម្តៅ ដើម្បីទាញយកទិន្នន័យថាតើមនុស្សម្នាក់កំពុងតែក្តៅខ្លួនកម្រិតណា។
Adaptive learning technologies បច្ចេកវិទ្យាអប់រំដែលអាចកែតម្រូវភាពស្មុគស្មាញនៃមេរៀនដោយស្វ័យប្រវត្តិ ទៅតាមកម្រិតសមត្ថភាព ល្បឿនសិក្សា និងបន្ទុកការយល់ដឹងរបស់សិស្សម្នាក់ៗក្នុងពេលជាក់ស្តែង។ ដូចជាម៉ាស៊ីនរត់ហាត់ប្រាណ (Treadmill) ដែលចេះបន្ថយល្បឿនដោយខ្លួនឯង ពេលវាចាប់សញ្ញាដឹងថាយើងកំពុងតែហត់ខ្លាំង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖