منحنی یادگیری یک نمودار است که رابطه‌ی تعداد تلاش‌های یک فرد برای یادگیری یک کار خاص را با سطح عمل‌کرد او در انجام آن کار نشان می‌دهد.
در این پست، اول از تئوری منحنی یادگیری حرف خواهم زد و انواع مختلف این منحنی را شرح خواهم داد. بعد هم -با چند مثال- از کاربردهای این تئوری برای افراد، سازمان‌ها و فری‌لنسرها خواهم گفت تا بتوانید به راحتی آن را به موقعیت‌های مختلف در زندگی شخصی و حرفه‌ای خودتان تعمیم دهید.
منحنی یادگیری چیست؟
فرض کنید می‌خواهید در آشپزخانه‌ی خودتان کوکوی سیب‌زمینی درست کنید. بار اول، ترکیب مواد درست نیست و در نتیجه خوب به هم نمی‌چسبند و داخل تابه وا می‌روند. بار دوم، روغن خوب داغ نشده و مواد به کف تابه می‌چسبند. بار سوم، نمک یادتان می‌رود و…
خلاصه پنج شش بار تلاش می‌کنید تا بالاخره بتوانید یک وعده کوکو سیب‌زمینی خوب درست کنید.
حالا فرض کنید می‌خواهیم این تجربه‌ی شما را به یک نمودار تبدیل کنیم. محور افقی، تعداد دفعات تلاش شماست. محور عمودی هم، کیفیت غذایی که درست کرده‌اید با نمره‌ای بین ۰ تا ۱۰۰٫ (۰ یعنی غذا قابل خوردن نبوده و ۱۰۰ یعنی به‌ترین غذای ممکن.)
ممکن است چند بار اول به خودتان صفر بدهید. اما در هر صورت، کم‌کم نمره‌تان بیش‌تر خواهد شد. یعنی هرچه‌قدر روی نمودار از سمت چپ به راست حرکت کنیم، یک منحنی رو به بالا خواهیم داشت.
چیزی شبیه به این شکل:
شکل بالا یک منحنی یادگیری‌ست که رابطه‌ی کیفیت انجام کار را با تعداد دفعات انجام آن نشان می‌دهد. این نمودار به ما می‌گوید که هرچه‌قدر یک کار را انجام دهیم، در انجام آن به‌تر خواهیم شد.
حالا هر کاری که می‌خواهید را به جای پختن کوکو سیب‌زمینی بگذارید و منحنی یادگیریش را تصور کنید. شکل‌ها چه‌قدر باهم تفاوت دارند؟
برای پاسخ به این سوال، بگذارید تعریف منحنی یادگیری را نهایی کنیم و بعد سراغ انواع آن برویم:
منحنی یادگیری یک نمودار است که رابطه‌ی کیفیت انجام کار (سطح عمل‌کرد فرد) را -در یک مقیاس مشخص، مثلا از ۰ تا ۱۰۰- با تعداد دفعات تلاش برای انجام آن کار نشان می‌دهد. شکل این منحنی می‌تواند برای هر کاری متفاوت باشد.
انواع منحنی یادگیری
(تصاویر مربوط به انواع منحنی‌های یادگیری از سایت valamis برداشته شده‌اند.)
۱- با بازده کاهشی
این نوع منحنی (شکل زیر) نشان می‌دهد که در ابتدای کار، میزان بهبود عمل‌کرد به ازای هر بار تلاش زیاد است. اما هرچه‌قدر که تعداد تلاش‌ها بیش‌تر می‌شود، این میزان بهبود (به ازای هر تلاش) کاهش پیدا می‌کند. این نوع منحنی یادگیری معمولا به حداکثر مهارت ممکن (روی محور عمودی) نمی‌رسد.
این یعنی یادگیری این کار خاص، آن‌قدرها سخت نیست و سریع اتفاق می‌افتد. اما کاهش بازده با افزایش تلاش، نشان می‌دهد که فرد انگیزه‌اش را از دست داده یا دچار خستگی شده یا به حد نهایی توان خود رسیده است.
۲- با بازده افزایشی
برعکس حالت قبل است و نشان می‌دهد که در ابتدای کار، میزان بهبود عمل‌کرد به ازای هر بار تلاش کم است. یعنی یادگیری این کار سخت است و به آرامی شروع می‌شود. اما با افزایش تعداد تلاش‌ها، میزان بهبود عمل‌کرد هم بیش‌تر می‌شود و به مرور زمان به حداکثر میزان مهارت و به‌ترین سطح عمل‌کرد می‌رسد.
یک نتیجه‌ی دیگر از این نوع منحی، این است که فرد به کارش علاقه دارد و آن را به خوبی اجرا و پی‌گیری می‌کند.
۳- با بازده افزایشی-کاهشی
این نوع منحنی یادگیری -که به خاطر شکلش در برخی منابع با عنوان منحنی S معرفی شده- در نیمه‌ی اولش مثل یک منحنی با بازده افزایشی‌ست و در نیمه‌ی دومش مثل یک منحنی با بازده کاهشی. یعنی سرعت یادگیری و بهبود عمل‌کرد فرد در ابتدای کار پایین است اما به تدریج افزایش پیدا می‌کند تا به یک حد ثابت برسد.
۴- منحنی‌های پیچیده
در بخش ابتدایی منحنی، سرعت یادگیری پایین است. در بخش دوم، سرعت کمی بیش‌تر می‌شود و مهارت فرد بالا می‌رود. در بخش سوم، نمودار به حالت افقی نزدیک می‌شود و سطح عمل‌کرد تقریبا ثابت می‌ماند. در این مرحله، فرد حس می‌کند که کار را یاد گرفته و دیگر جای پیش‌رفت ندارد.
در بخش چهارم، فرد -با ادامه‌ی کارش- می‌فهمد که هنوز جای بهبود دارد و دوباره شروع به یادگیری می‌کند. او در این مرحله به سطح عمل‌کرد بسیار خوبی می‌رسد. در بخش پنجم و آخر، فرد به حدی از بازدهی رسیده که انجام این کار برایش به حافظه‌ی ماهیچه‌ای تبدیل شده و به شکلی تقریبا خودکار اتفاق می‌افتد. این، بالاترین حد یادگیری یک کار است.
نکته:
– وقتی درمورد سختی یا آسانی یک کار صحبت شود، استفاده از سه حالت اول منحنی یادگیری کاربردی‌تر و معمول‌تر است. اما در واقعیت، منحنی یادگیری افراد معمولا به حالت چهارم نزدیک‌تر است.
– در منحنی یادگیری پیچیده، سیر تکامل انجام کار را می‌شود با نظریه‌ی دانینگ-کروگر هم توجیه کرد. در همین مورد…
استفاده از منحنی یادگیری و تحلیل آن
برای استفاده از منحنی‌های یادگیری، دو حالت کلی وجود دارد. اول، حالت عمومی و دوم، حالت محاسبه‌ای.
در حالت اول، شکل عمومی منحنی یادگیری براساس تجربه‌های قبلی در نظر گرفته می‌شود تا زمان و تلاش مورد نیاز برای کسب یک مهارت خاص -به صورت حدسی- مشخص شود. مثلا اگر یک نفر از من درمورد زمان لازم برای تبدیل شدن به یک بلاگر خوب بپرسد، خواهم گفت وبلاگ‌نویسی یک منحنی یادگیری پیچیده دارد. یعنی موقع شروعش، سرعت یادگیری کم است. بعد زیاد می‌شود. بعد فرد درجا می‌زند. و در نهایت به نهایت پتانسیلش نزدیک می‌شود.
فایده‌ی این نوع تحلیل عمومی، این است که افراد می‌توانند درمورد زودبازده یا دیربازده بودن کاری که می‌خواهند شروع کنند، حدس بزنند و برای مسیر آینده‌شان آماده شوند.
در حالت دوم، تعداد تلاش‌های فرد برای انجام کار، دقیقا اندازه‌گیری می‌شود. معیار سنجش بهبود عمل‌کرد هم مشخص و اندازه‌گیری می‌شود. (مثلا اگر محور افقی تعداد تلاش‌های فرد باشد، محور عمودی هم می‌تواند زمان مورد نیاز برای انجام کار یا امتیاز کیفی محصول باشد.) مهم‌ترین استفاده‌ی این نوع منحنی یادگیری، بهینه‌سازی عمل‌کرد افراد و مجموعه‌ها و سنجش وضعیت افراد در موقعیت‌های مختلف است.
برای استفاده از حالت محاسبه‌ای منحنی یادگیری، کار مورد نظر باید به صورت مداوم تکرار شود و سطح عمل‌کرد در آن هم باید کاملا قابل اندازه‌گیری باشد. یعنی باید یک متغیر قابل‌اندازه‌گیری و مشخص به عنوان معیار عمل‌کرد مشخص شود.
جمع‌بندی:
می‌شود از منحنی یادگیری برای پیش‌بینی زمان مورد نیاز یک فرد یا گروه برای رسیدن به حداکثر مهارت ممکن یا حد قابل قبولی از مهارت در انجام کار، استفاده کرد.
درمورد گروه‌ها و سازمان‌ها، می‌شود از این منحنی برای بهینه‌سازی روند انجام کار و سنجش عمل‌کرد افراد در موقعیت‌شان بهره برد.
سه مثال نهایی درمورد استفاده از منحنی یادگیری در موقعیت‌های مختلف:
۱- من با توجه به تجربه‌ام، می‌دانم که یادگیری ایمیل مارکتینگ چه‌قدر طول می‌کشد و برای رسیدن به مرحله‌ی بدون اشتباه و بهره‌گیری واقعی از آن چه‌قدر آموزش و تلاش لازم است. این یعنی می‌دانم منحنی یادگیری ایمیل مارکتینگ تقریبا چه شکلی‌ست.
در نتیجه اگر قرار باشد به یک نفر ایمیل مارکتینگ یاد بدهم، می‌توانم درمورد محول کردن وظایف مشخص به او و بیش‌تر کردن آن‌ها در طول زمان تصمیم بگیرم. ضمنا می‌دانم که تا کی باید حواسم به خروجی کار او باشد تا جلوی نتایج منفی اشتباهات احتمالیش را بگیرم.
علاوه بر این‌ها، با دیدن عمل‌کرد فرد می‌توانم بگویم که برای انجام این کار به اندازه‌ی کافی استعداد و انگیزه دارد یا نه.
حالا همین را تعمیم دهید به هر مدیر و هر کاری که می‌خواهید!
۲- من می‌دانم که یک وب‌سایت خوب باید از جهات مختلفی خوب باشد. اما تخصص اصلیم فقط در یکی از این حوزه‌هاست. مثلا فرض کنید تولید محتوا را بلدم. حالا برای این‌که بتوانم یک وب‌سایت خوب بسازم که علاوه بر محتوای باکیفیت، عمل‌کرد فنی خوبی هم داشته باشد و برای موتورهای جست‌وجو بهینه شده باشد، باید یک تصمیم مهم بگیرم: این‌که قرار است خودم این مهارت‌های دیگر را یاد بگیرم و همه‌ی بخش‌های وب‌سایت را خودم بسازم یا این‌که می‌خواهم در هر مورد از متخصص خودش کمک بگیرم.
بعد از صحبت با چند متخصص در این حوزه‌ها و پرس‌وجو، به این نتیجه می‌رسم که یادگیری اصول اولیه‌ی سئو برایم سخت نخواهد بود ولی متخصص شدن در آن و یادگیری بهینه‌سازی درست کد به شدت زمان‌بر است. یعنی منحنی یادگیری این مهارت -برای من- بازده کاهشی دارد.
در نتیجه اگر به رعایت همین اصول اولیه‌ی سئو قانع باشم، ممکن است ترجیح دهم پول اضافه خرج نکنم و خودم یادش بگیرم. اما اگر ببینم بازده من در تولید محتوا به شدت بیش‌تر است و می‌خواهم یک وب‌سایت کاملا بهینه‌سازی‌شده با رعایت تمام اصول داشته باشم، احتمالا وقت خودم را صرف تولید محتوا خواهم کرد و از یک فرد یا گروه متخصص در حوزه‌ی سئو کمک خواهم گرفت. (برون‌سپاری بخشی از کار)
یا مثلا ممکن است عکاس باشم و ببینم منحنی یادگیری ویدئوگرافی برای من بازده افزایشی-کاهشی خواهد داشت. یعنی ممکن است در ابتدا کمی سردرگم باشم اما با توجه به مهارت فعلیم می‌توانم به سرعت ویدئوگرافی را هم یاد بگیرم. رسیدن به این نتیجه می‌تواند کسب‌وکار من و پروژه‌هایی که می‌گیرم را متحول کند.
۳- من می‌خواهم نجاری یاد بگیرم و برای خانه‌ی خودم میز و صندلی چوبی بسازم. چند ویدئوی آموزشی می‌بینم، چوب مورد نظرم را می‌خرم و کارم را در حیاط یا گاراژ خانه شروع می‌کنم. ممکن است در تلاش اول، پایه‌های صندلیم باهم تراز نباشند. ممکن است خودم را با ابزارهای نجاری زخمی کنم و…
اما اگر حواسم به منحنی یادگیری نجاری برای افراد بی‌تجربه -و بازده افزایشی آن- باشد، به این زودی از مسیر ناامید نخواهم شد و به تلاشم ادامه خواهم داد تا میز و صندلی‌هایم را بسازم!
از طرف دیگر، ممکن است چندصد بار تلاش کنم و نتوانم یک صندلی خوب بسازم. در این حالت -با توجه به منحنی یادگیری معمول برای نجاری- می‌توانم نتیجه بگیرم که یا انگیزه و حوصله‌ی کافی را ندارم یا اصلا استعداد نجاری ندارم و به‌تر است بی‌خیال میز و صندلی دست‌ساز شوم.
نوبت شما
همان‌طور که دیدید، توجه به منحنی یادگیری کارهای مختلف می‌تواند در زندگی شخصی و حرفه‌ای به شدت مفید باشد. شما در چه موقعیت‌هایی از این تئوری برای تصمیم‌گیری و بهبود عمل‌کرد استفاده کرده‌اید؟
این پست را با دیگران به اشتراک بگذارید و مرا در شبکه‌های اجتماعی دنبال کنید تا پست‌های بعدی را از دست ندهید.
اینستاگرام | توییتر | لینکدین | تلگرام
پست‌های مرتبط
روز ولنتاین چیست و چه‌طور جشن گرفته می‌شود
روز ولنتاین 14 فوریه -25 بهمن- هر سال جشن گرفته می‌شود. با ولنتاین قدیس و تاریخ‌چه و رسوم این روز عشق آشنا شوید.
چه‌طور خود حقیقی‌مان باشیم: هفت توصیه‌ی کاربردی برای زندگی به‌تر
وانمود کردن، ریشه‌ی مشکلات زیادی در زندگی ماست. در این پست از نکاتی گفته‌ام که به ما کمک می‌کنند خودمان باشیم و برای خود واقعی‌مان زندگی کنیم.
۱۴ راه برای لذت بردن و استفاده از جوانی در دهه‌ی سوم زندگی (بیست تا سی سالگی)
در این پست از کارهایی صحبت کرده‌ام که می‌توانید از بیست تا سی سالگی انجام دهید تا هم از زندگی لذت ببرید و هم با استفاده از انرژی جوانی‌تان، برای دهه‌های بعدی آماده شوید.
