ಸಮಸ್ಯೆ ಪರಿಹಾರವು ಒಂದು ಅರಿವಿನ (cognitive) ಪ್ರಕ್ರಿಯೆಯಾಗಿದ್ದು, ನಾವು ಅದರ ಬಗ್ಗೆ ಎಷ್ಟು ಜಾಗೃತರಾಗಿದ್ದೇವೆ, ನಿರ್ದಿಷ್ಟ ಗುರಿಯತ್ತ ಅದು ಎಷ್ಟು ನಿರ್ದೇಶಿಸಲ್ಪಟ್ಟಿದೆ ಮತ್ತು ಎಷ್ಟು ಪೂರ್ವ ಜ್ಞಾನದ ಅಗತ್ಯವಿದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಬದಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸರಳವಾದ ಒಗಟನ್ನು ಬಿಡಿಸುವುದು "ಕಡಿಮೆ ಜ್ಞಾನದ" (knowledge-lean) ಪರಿಸ್ಥಿತಿ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ, ಆದರೆ ಪರಿಣಿತರು ಸಂಕೀರ್ಣ ಸಮಸ್ಯೆಯನ್ನು ನಿಭಾಯಿಸುವುದು "ಹೆಚ್ಚಿನ ಜ್ಞಾನದ" (knowledge-rich) ಪರಿಸ್ಥಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಕಾಲಾನಂತರದಲ್ಲಿ, ನಾವು ಸಮಸ್ಯೆಗಳನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುತ್ತೇವೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರು ಹಲವಾರು ಸೈದ್ಧಾಂತಿಕ ವಿಧಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ.
1. ಸಾಂಪ್ರದಾಯಿಕ ವಿಧಾನಗಳು (Traditional
Approaches)
ಸಾಂಪ್ರದಾಯಿಕ ದೃಷ್ಟಿಕೋನವು ಸಹಾಯಕ ಕಲಿಕೆಯ (associative learning) ತತ್ವಗಳನ್ನು ಅವಲಂಬಿಸಿದೆ, ಇವು ಕ್ಲಾಸಿಕಲ್ ಮತ್ತು ಇನ್ಸ್ಟ್ರುಮೆಂಟಲ್ ಕಂಡೀಷನಿಂಗ್ (classical and instrumental conditioning) ಅಧ್ಯಯನಗಳಿಂದ ಬಂದಿವೆ.
- ಮೂಲ
ಪರಿಕಲ್ಪನೆ:
ನೀವು ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸಿದಾಗ, ನಿಮ್ಮ ಹಿಂದಿನ ಅನುಭವಗಳ ಆಧಾರದ ಮೇಲೆ ಪ್ರಚೋದಕ-ಪ್ರತಿಕ್ರಿಯೆಯ
(stimulus-response) ಸಂಕೀರ್ಣವಾದ
ಸಂಘಟನೆಗಳನ್ನು ನೀವು ತರುತ್ತೀರಿ. ಸರಿಯಾದ ಪ್ರತಿಕ್ರಿಯೆಗಳು ತಪ್ಪಾದ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗಿಂತ ಎಷ್ಟು ಪ್ರಬಲವಾಗಿವೆ ಎಂಬುದರ ಮೇಲೆ ಸಮಸ್ಯೆಯ ಕಠಿಣತೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.
- ಇದು
ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ:
ನೀವು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವಾಗ, ನೀವು ಯಶಸ್ಸು (ಬಲವರ್ಧನೆ/reinforcement)
ಮತ್ತು ವೈಫಲ್ಯಗಳನ್ನು (ಅಳಿವಿನ/extinction) ಎದುರಿಸುತ್ತೀರಿ. ನೀವು ಪರಿಹಾರವನ್ನು ಕಂಡುಕೊಳ್ಳುವವರೆಗೆ ಇದು ನಿಮ್ಮ ಆಲೋಚನಾ ಸಂಘಟನೆಗಳನ್ನು ಮರುಹೊಂದಿಸುತ್ತದೆ. ಮೂಲಭೂತವಾಗಿ, ಈ ವಿಧಾನವು ನಿಮ್ಮ ಹಿಂದಿನ ಕಲಿಕೆಯನ್ನು ಹೊಸ ಸಮಸ್ಯೆಗಳಿಗೆ ವರ್ಗಾಯಿಸುವುದನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ.
2. ಗೆಸ್ಟಾಲ್ಟ್ ವಿಧಾನಗಳು (Gestalt
Approaches)
ಗೆಸ್ಟಾಲ್ಟ್
ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರ ಪ್ರಕಾರ, ಸಮಸ್ಯೆ ಪರಿಹಾರಕ್ಕೆ ಸಮಸ್ಯೆಯ ರಚನೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ಹಳೆಯ ವಿಚಾರಗಳನ್ನು ಸಂಯೋಜಿಸಲು
ಹೊಸ ಮಾರ್ಗಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುವುದು ಅಗತ್ಯವಾಗಿದೆ.
- ಒಳನೋಟ
ಮತ್ತು ಮರುನಿರ್ಮಾಣ (Insight and
Restructuring): ಸರಿಯಾದ
ಪರಿಹಾರವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಮಸ್ಯೆಯ ಅಂಶಗಳನ್ನು ಮರುಸಂಘಟಿಸುವ ಅಗತ್ಯವಿದೆ ಎಂದು ಗೆಸ್ಟಾಲ್ಟ್ವಾದಿಗಳು ವಾದಿಸಿದರು. ಇದು ಪ್ರಯೋಗ ಮತ್ತು ದೋಷದ (trial and error) ನಂತರ ದಿಢೀರ್ "ಒಳನೋಟದ ಮಿಂಚು" (flash of
insight) ಮೂಡಲು ಕಾರಣವಾಗುತ್ತದೆ.
- ಪುನರುತ್ಪಾದಕ
ಮತ್ತು ಉತ್ಪಾದಕ ಚಿಂತನೆ (Reproductive
vs. Productive Thinking): ಪುನರುತ್ಪಾದಕ
ಚಿಂತನೆಯು ಉತ್ತರವನ್ನು ಪಡೆಯಲು ಪರಿಚಿತ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಲು ಕಂಠಪಾಠವನ್ನು (rote
memory) ಬಳಸುತ್ತದೆ.
ಆದರೆ, ಉತ್ಪಾದಕ ಚಿಂತನೆಗೆ ಸಮಸ್ಯೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ರೀತಿಯಲ್ಲಿ ಗ್ರಹಿಸಲು ಸೃಜನಶೀಲತೆ ಮತ್ತು ಒಳನೋಟದ ಅಗತ್ಯವಿರುತ್ತದೆ.
- ಉದಾಹರಣೆಗಳು:
- ಕೊಹ್ಲರ್ನ ಮಂಗಗಳು (Kohler's
Apes): ಪ್ರಸಿದ್ಧ
ಪ್ರಯೋಗವೊಂದರಲ್ಲಿ,
ಮಂಗಗಳನ್ನು ಹಣ್ಣು, ಕೋಲುಗಳು ಮತ್ತು ಪೆಟ್ಟಿಗೆಗಳನ್ನು ನೇತುಹಾಕಿದ ಬೋನಿನಲ್ಲಿ ಇರಿಸಲಾಯಿತು. ವಸ್ತುಗಳನ್ನು ದಿಢೀರನೆ ಮರುಸಂಘಟಿಸುವ ಮೂಲಕ (ಉದಾಹರಣೆಗೆ, ಪೆಟ್ಟಿಗೆಗಳನ್ನು ಜೋಡಿಸುವುದು ಮತ್ತು ಕೋಲುಗಳನ್ನು ಬಳಸುವುದು) ಮಂಗಗಳು ಹಣ್ಣನ್ನು ತಲುಪಿ ಸಮಸ್ಯೆಯನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಪರಿಹರಿಸಿದವು.
- ಒಂಬತ್ತು
ಚುಕ್ಕೆಗಳ ಸಮಸ್ಯೆ (The Nine-Dot
Problem): ಚೌಕಾಕಾರದಲ್ಲಿ
ಜೋಡಿಸಲಾದ ಒಂಬತ್ತು ಚುಕ್ಕೆಗಳನ್ನು ಪೆನ್ಸಿಲ್ ಎತ್ತದೆ ನಾಲ್ಕು ನೇರ ರೇಖೆಗಳನ್ನು ಬಳಸಿ ಸೇರಿಸಲು ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಕೇಳಲಾಗುತ್ತದೆ. ಇದನ್ನು ಉತ್ಪಾದಕವಾಗಿ ಪರಿಹರಿಸಲು, ಆಲೋಚಿಸುವವರು ತಮ್ಮ ದೃಷ್ಟಿಕೋನವನ್ನು ಮರುರೂಪಿಸಬೇಕು ಮತ್ತು ರೇಖೆಗಳು ಚೌಕದ ದೃಶ್ಯ ಗಡಿಗಳ (visual
boundaries) ಒಳಗೆಯೇ
ಇರಬೇಕು ಎಂಬ ತಪ್ಪು ಕಲ್ಪನೆಯನ್ನು ಕೈಬಿಡಬೇಕು.
3. ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಸಿಮ್ಯುಲೇಶನ್ (Information
Processing and Computer Simulation)
1980ರ ದಶಕದಲ್ಲಿ,
ಮಾನವನ ಅರಿವಿನ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಅನುಕರಿಸಲು (simulate) ಸಂಶೋಧಕರು ಕಂಪ್ಯೂಟರ್ಗಳನ್ನು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದರು.
- ಸಾಮಾನ್ಯ
ಸಮಸ್ಯೆ ಪರಿಹಾರಕ (The General
Problem Solver - GPS): 1958 ರಲ್ಲಿ
ನೆವೆಲ್, ಶಾ ಮತ್ತು ಸೈಮನ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ GPS, ಸಮಸ್ಯೆ ಪರಿಹಾರವನ್ನು ಮೆಮೊರಿಯ ದೃಷ್ಟಿಕೋನದಿಂದ ನೋಡಿದೆ. ಮಾನವರು ಸೀಮಿತ ಸಾಮರ್ಥ್ಯದ ವರ್ಕಿಂಗ್ ಮೆಮೊರಿ (working
memory), ದೊಡ್ಡ ಸಾಮರ್ಥ್ಯದ ಲಾಂಗ್-ಟರ್ಮ್ ಮೆಮೊರಿ (long-term
memory), ಸೀರಿಯಲ್ ಪ್ರೊಸೆಸರ್ ಮತ್ತು ಸಂಕೀರ್ಣ ಅಲ್ಗಾರಿದಮ್ಗಳ ಬದಲಿಗೆ ಹ್ಯೂರಿಸ್ಟಿಕ್ಸ್
(heuristics - ಮಾನಸಿಕ
ಶಾರ್ಟ್ಕಟ್ಗಳು) ಅನ್ನು ಬಳಸುತ್ತಾರೆ ಎಂದು ಇದು ಪ್ರಸ್ತಾಪಿಸಿತು.
- ಮೀನ್ಸ್-ಎಂಡ್ ವಿಶ್ಲೇಷಣೆ (Means-End
Analysis): GPS ನಿಂದ
ಬಂದ ಪ್ರಮುಖ ಹ್ಯೂರಿಸ್ಟಿಕ್ ಇದಾಗಿದ್ದು, ಅಲ್ಲಿ ನೀವು ಉಪ-ಗುರಿಗಳನ್ನು (sub-goals) ಹೊಂದಿಸುವ ಮೂಲಕ ನಿಮ್ಮ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿ ಮತ್ತು ನಿಮ್ಮ ಗುರಿಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತೀರಿ.
- ಉದಾಹರಣೆ:
ಆಯತದ (rectangle)
ಕರ್ಣಗಳು ಸಮಾನ ಉದ್ದದಲ್ಲಿವೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದು ನಿಮ್ಮ ಗುರಿಯಾಗಿದ್ದರೆ, ನೀವು ಇದನ್ನು ಉಪ-ಗುರಿಗಳಾಗಿ ವಿಭಜಿಸಬಹುದು. ಆಯತದೊಳಗಿನ ಎರಡು ತ್ರಿಕೋನಗಳು ಸರ್ವಸಮವಾಗಿವೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದು ಮೊದಲ ಉಪ-ಗುರಿ. ಹೀಗೆ ಚಿಕ್ಕ ಉಪ-ಗುರಿಗಳಾಗಿ ವಿಭಜಿಸುತ್ತಾ ಹೋದಾಗ, ಪರಿಹಾರಕ್ಕೆ ಸುಲಭವಾದ ಮಾರ್ಗ ಸಿಗುತ್ತದೆ.
- ವಿಕೆಲ್ಗ್ರೆನ್
ಅವರ ತಂತ್ರಗಳು (Wickelgren’s
Strategies): ವಿಕೆಲ್ಗ್ರೆನ್
ಅವರು ಸಮಸ್ಯೆ-ಪರಿಹಾರವನ್ನು "ಸ್ಟೇಟ್ ಆಕ್ಷನ್ ಟ್ರೀ" (State
Action Tree) ನ್ಯಾವಿಗೇಟ್
ಮಾಡುವುದಕ್ಕೆ ಹೋಲಿಸಿದ್ದಾರೆ. ಈ ಮರವನ್ನು ಹುಡುಕಲು ಅವರು ಏಳು ಸಾಮಾನ್ಯ ತಂತ್ರಗಳನ್ನು ವಿವರಿಸಿದ್ದಾರೆ: ಹಿಂದಿನಿಂದ ಕೆಲಸ ಮಾಡುವುದು (working
backwards), ಉಪ-ಗುರಿಗಳನ್ನು ಹುಡುಕುವುದು (searching
for sub-goals), ಸ್ಟೇಟ್
ಮೌಲ್ಯಮಾಪನ (hill
climbing), ಮತ್ತು ಕೆಲಸ ಮಾಡದ ಮಾರ್ಗಗಳನ್ನು ತೆಗೆದುಹಾಕಲು ವಿರೋಧಾಭಾಸಗಳನ್ನು
(contradictions) ಕಂಡುಹಿಡಿಯುವುದು.
4. ನೆವೆಲ್ ಅವರ ವಿಧಾನ: ಪ್ರಾಬ್ಲಮ್ ಸ್ಪೇಸ್ ಹೈಪೋಥೆಸಿಸ್ (Newell’s
Approach: The Problem Space Hypothesis)
ನೆವೆಲ್
ಅವರು ಸಮಸ್ಯೆ ಪರಿಹಾರವನ್ನು ಚಕ್ರವ್ಯೂಹದಲ್ಲಿ (maze) ದಾರಿ ಹುಡುಕುವುದಕ್ಕೆ ಹೋಲಿಸುವ
ಮೂಲಕ ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆಯನ್ನು ವಿಸ್ತರಿಸಿದರು.
- ಮೂಲ
ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಕಾರ್ಯವಿಧಾನ: ಸಮಸ್ಯೆಯು "ಪ್ರಾಬ್ಲಮ್ ಸ್ಪೇಸ್" (problem
space) ಎಂಬ ವಸ್ತುನಿಷ್ಠ ರಚನೆಯನ್ನು ಹೊಂದಿದೆ. ನೀವು ಆರಂಭಿಕ ಸ್ಥಿತಿಯಿಂದ ಪ್ರಾರಂಭಿಸಿ (ಚಕ್ರವ್ಯೂಹದ ಹೊರಗೆ ನಿಂತಿರುವುದು), ಮಧ್ಯಂತರ ಸ್ಥಿತಿಗಳ ಮೂಲಕ ಹಾದುಹೋಗಿ (ಚಕ್ರವ್ಯೂಹದಲ್ಲಿ ಚಲಿಸುವುದು), ಮತ್ತು ಗುರಿಯನ್ನು ತಲುಪಲು (ಕೇಂದ್ರವನ್ನು ತಲುಪಲು) ಮಾನಸಿಕ ಆಪರೇಟರ್ಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತೀರಿ. ಇದು ಜ್ಞಾನ ಮತ್ತು ಹ್ಯೂರಿಸ್ಟಿಕ್ಸ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಈ ಜಾಗದ ಮೂಲಕ ಮಾನಸಿಕ ಹುಡುಕಾಟವಾಗಿದೆ.
5. ಮಾಡೆಲಿಂಗ್ ಆಗಿ ಸಮಸ್ಯೆ ಪರಿಹಾರ (Problem Solving as
Modelling)
ಇತ್ತೀಚಿನ
ಸಿದ್ಧಾಂತವು ಸಮಸ್ಯೆ ಪರಿಹಾರವನ್ನು ಸನ್ನಿವೇಶ-ನಿರ್ದಿಷ್ಟ ಮಾದರಿ (case model) ನಿರ್ಮಾಣವಾಗಿ ನೋಡುತ್ತದೆ.
- ಮೂಲ
ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಕಾರ್ಯವಿಧಾನ: ಕೇವಲ ಕ್ರಿಯೆಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಬದಲು, ಸಮಸ್ಯೆ ಪರಿಹಾರವು ಜ್ಞಾನವನ್ನು ಸಂಘಟಿಸುವುದು ಮತ್ತು ಊಹೆಗಳನ್ನು ಮಾಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ನೀವು ಡೊಮೇನ್ (ಪರಿಸರ) ಮತ್ತು ಕಾರ್ಯದ (ಗುರಿಗಳ ಅರ್ಥ) ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುತ್ತೀರಿ. ಗುರಿಯನ್ನು ಸಾಧಿಸುವುದರ ಅರ್ಥವೇನು ಎಂಬುದನ್ನು ವಿವರಿಸುವ "ಸಾಮರ್ಥ್ಯ ಸಿದ್ಧಾಂತ"
(competency theory) ರೂಪಿಸಲು
ಈ ಮಾದರಿಗಳನ್ನು ಒಟ್ಟಿಗೆ ಸೇರಿಸುವುದು ಇದರ ಗುರಿಯಾಗಿದೆ.
ಸಾರಾಂಶ
(Summary)
ಐತಿಹಾಸಿಕವಾಗಿ,
ಸಮಸ್ಯೆ ಪರಿಹಾರದ ಸಿದ್ಧಾಂತಗಳು ಸರಳವಾದ ಪ್ರಚೋದಕ-ಪ್ರತಿಕ್ರಿಯೆ ಕಲಿಕೆಯಿಂದ (ಸಾಂಪ್ರದಾಯಿಕ) ದಿಢೀರ್ ಸೃಜನಶೀಲ ಮರುನಿರ್ಮಾಣಕ್ಕೆ (ಗೆಸ್ಟಾಲ್ಟ್), ಮತ್ತು ಅಂತಿಮವಾಗಿ ಮಾನವ ಮನಸ್ಸನ್ನು ಸಂಕೀರ್ಣವಾದ,
ಹಂತ-ಹಂತದ ಮಾಹಿತಿ ಸಂಸ್ಕಾರಕವಾಗಿ
(ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆ, GPS, ನೆವೆಲ್ ಅವರ ಪ್ರಾಬ್ಲಮ್ ಸ್ಪೇಸ್)
ನೋಡುವವರೆಗೆ ವಿಕಸನಗೊಂಡಿವೆ. ಅತ್ಯಂತ ಸಮಕಾಲೀನ ದೃಷ್ಟಿಕೋನಗಳು ಸಮಸ್ಯೆ ಪರಿಹಾರವನ್ನು ಮಾನಸಿಕ ಮಾಡೆಲಿಂಗ್ನ ಅತ್ಯಂತ ಅತ್ಯಾಧುನಿಕ
ಕ್ರಿಯೆ ಎಂದು ವಿವರಿಸುತ್ತವೆ.
ಮೂಲ:
MAPC001_B4_U3
ಕಾಮೆಂಟ್ಗಳಿಲ್ಲ:
ಕಾಮೆಂಟ್ ಪೋಸ್ಟ್ ಮಾಡಿ