Точка зрения, изложенная выше, имеет большое значение как для понимания природы интеллекта, так и для его измерения. Рассмотрим, к примеру, ряд выводов по поводу природы интеллекта, которые следуют из результатов исследования интеллектуального функционирования.
Первый вывод заключается в том, что скорость выполнения элементарных когнитивных задач часто коррелирует с результатами стандартных тестов на интеллект. Многим психологам такая корреляция кажется удивительной. Представьте себе задачу на скорость реакции, где включается свет и человек должен как можно быстрее нажать на кнопку, выключающую свет. Почему скорость реакции человека в столь примитивной ситуации должна коррелировать с результатами тестов, измеряющих интеллект? Задачи на скорость реакции относятся к числу наиболее простых, примитивных, в то время как в тестах на интеллект задачи предлагаются гораздо более сложные. С позиций обсуждаемой концепции упомянутая высокая корреляция объясняется той важной ролью, которую автоматизация играет в интеллектуальной деятельности вообще, а также степенью измерения автоматизации тестом на скорость реакции. Каким образом скорость, с которой человек способен назвать букву алфавита или сравнить, одинаково ли называются две рядом написанные буквы, связана с уровнем интеллекта? Предлагаемая здесь теория объясняет эту корреляцию ролью автоматизации в интеллекте.
Такие теоретики, как Артур Дженсен и Эрл Хант, предположили, что подобные простые задачи коррелируют с измерениями интеллекта в силу важности скорости умственной деятельности для интеллекта. Они, возможно, правы, но лишь отчасти. Эффективная автоматизация в подобных статистических корреляциях играет, по меньшей мере, такую же роль, как и чистая скорость. В задачах на скорость реакции, идентификации и сравнения букв тестируемым обычно предлагается большое количество заданий, по совокупности которых и измеряется средняя скорость реакции. Одни из тестируемых при этом могут быстро автоматизировать решение подобных задач, другие на быструю реакцию не способны. Степень и объем автоматизации, вырабатываемой по мере выполнения задачи, могут рассказать нам об уровне интеллекта больше, чем чистая скорость, с которой выполняются простейшие задачи на скорость реакции.
Точка зрения, изложенная выше, способна также внести больше ясности в вопрос о систематических ошибках, присущих тестированию интеллекта в силу самой природы тестов. Традиционные формы анализа состоятельности тестов нередко уделяют недостаточное внимание роли процессов обработки новой информации и автоматизации. Предположим, совершенно одинаковые тестовые задания предложены двум группам людей. Представители одной группы хорошо знакомы с типами заданий, встречающихся в тесте. Следовательно, часто им даже не нужно читать условия заданий, так как они могут практически сразу приступать к решению теста. Для них выполнение конкретного типа задачи, быть может, еще до начала теста было уже в какой-то степени автоматизированным. Таким образом, представители первой группы будут иметь в запасе значительные интеллектуальные ресурсы для обработки новой информации, которая рано или поздно им все же встретится.
В то же время для представителей второй группы задания теста могут оказаться совершенно незнакомыми. Эти люди должны очень внимательно читать условия заданий, и им потребуется значительное время на то, чтобы выйти на определенный уровень автоматизации, с которого представители первой группы сразу начали решение. Представители второй группы, конечно же, будут иметь в своем распоряжении сравнительно меньший объем ресурсов для обработки новой информации в заданиях теста. В результате тест будет измерять интеллект на фоне существенных различий в опыте решения такого рода задач у представителей двух упомянутых групп. Несмотря на то что участники обеих групп могут иметь равный умственный потенциал, если измерять его каким-то иным способом, и несмотря на то что они решают тестовые задания с использованием тех же мыслительных процессов и стратегий, представители второй группы будут явно в невыгодном положении. При решении им будет мешать незнание типов заданий теста или отсутствие опыта, который мог бы им помочь автоматизировать выполнение упомянутых заданий. В итоге для этих двух групп людей тест не будет вполне объективно измерять то, что должен.
То, насколько влияет на результат теста опыт знакомства с категориями задач, присутствующими в тесте, можно видеть на примере самых разных типов задач. Если общие знания (например, знание того, кто открыл электричество) измеряются с помощью вербальных заданий — или когда тестируемые сами пишут ответы, — могут наблюдаться очень существенные расхождения в результатах между чернокожими и белыми американцами. Однако если те же самые задания даются в форме картинок или фотографий, степень расхождений существенно уменьшается. Аналогичный эффект наблюдается в тестах на понимание прочитанного текста, когда учащиеся выполняют действия согласно письменным инструкциям, например «очисти банан». Кажется удивительным, что столь многое зависит от формы подачи ответа. Однако удивление пройдет, если вы вспомните важность знакомства с форматом теста. В то время как вы хотите узнать, как много человек знает об окружающем мире или насколько он знает историю, тест вам скорее покажет, насколько хорошо этот человек умеет читать и писать. В общем, понимание природы интеллекта требует чего-то большего, нежели просто понимания различных видов компонентов, которые обсуждались в предыдущих главах данной книги, — метакомпонентов, исполнительных компонентов и компонентов приобретения знания. Полная теория интеллекта должна учитывать не только процессы мышления, но и уровень опыта в решении конкретных задач и ситуаций, требующих этой умственной деятельности.
Способность усваивать новую информацию и способность автоматизировать обработку информации по мере приобретения опыта составляют два важных аспекта общих интеллектуальных способностей.
Можно сделать вывод, что способность быстро автоматизировать обработку информации является важной частью интеллекта. Как мы убедились, люди, способные хорошо автоматизировать этот процесс, обычно имеют в своем распоряжении больше интеллектуальных ресурсов для освоения всего нового, что встречается им в жизни. Говоря в общем и целом, автоматизация позволяет людям достигать больших успехов в жизни и учебе.
Каким образом человек мог бы повысить эффективность и качество автоматизированной обработки информации? Удивительно, но исследований на эту тему проведено очень мало. К счастью, есть один исследователь, Вальтер Шнайдер, который посвятил основную часть своей научной карьеры обнаружению главных принципов ускорения автоматизации. Материал, изложенный в данном разделе, в значительной степени позаимствован из его экспериментов, где тестируемые выполняли тысячи относительно простых заданий, а исследователи наблюдали за процессом автоматизации. Вот некоторые главные выводы, сделанные в результате этих исследований.
Во-первых, Шнайдер обнаружил, что стабильность процесса обработки информации является необходимым условием возможности автоматизации данного процесса. Иными словами, когда мы упражняемся в какой-либо задаче, выполнение которой желаем автоматизировать, необходимо разработать стратегию, которая может быть методично, единообразно использована на протяжении всего выполнения задачи. По крайней мере, для начальной стадии изучения важно, чтобы задача была достаточно стандартной. Иными словами, когда вы учитесь жонглировать, то выполняете одни и те же базовые действия, и вот такая именно задача идеально подходит для первоначального обучения. Гораздо более неудачный выбор — игра в футбол, где приходится бегать, прыгать, бить по мячу, целиться в ворота и выполнять еще много других действий, требующих физических и умственных усилий. Шнайдер обнаружил, что шанс успешно выполнить задачу увеличивается по мере увеличения числа повторений последнего ее выполнения и степени стабильности выполнения. Эту зависимость можно представить в идее произведения количества повторений и уровня стабильности.
Во-вторых, Шнайдер пришел к выводу, что ключом к автоматизации какого-либо процесса является его правильное и аккуратное выполнение. Это утверждение может казаться очевидным, но на самом деле оно идет вразрез с важным принципом учебы, который гласит, что мы учимся на своих ошибках. По сути, ошибки учат нас тому, чего в следующий раз не следует делать. И действительно, когда мы совершаем ошибки и извлекаем из них уроки, это зачастую приводит нас к поиску новых интересных решений. Но лучший способ автоматизировать процесс — выполнять его по возможности без ошибок. Обратите внимание, что цель автоматизации — не научиться тому, что следует делать (как мы учимся на собственных ошибках), а, скорее, научиться делать это как можно эффективнее.
В-третьих, несмотря на то что достижение полной автоматизации какого-либо процесса может занимать от двухсот до двух тысяч (или даже больше) повторений выполнения задачи, первые признаки автоматизации появляются гораздо быстрее. Иногда для этого достаточно уже десяти повторений, если эти повторения выполняются с должной методичностью. Иными словами, хотя и нельзя ожидать полной автоматизации процесса, не имея значительного опыта его выполнения, можно достаточно быстро увидеть хотя бы некоторые результаты автоматизации, если вы последуете принципам, обсуждаемым в этой главе, и если вам под силу разработать методическую стратегию повторяющегося выполнения требуемой задачи.
В-четвертых, в процессе автоматизации обработки информации почти всегда присутствует такой фактор, как «время закрепления». Вы наверняка обращали внимание, что когда изучаете что-то новое — учитесь ли печатать, играть в футбол, играть на фортепьяно или решать трудные математические задачи, — то однажды достигаете момента, после которого всякий прогресс как будто прекращается. Более того, вы порой даже начинаете замечать за собой, что совершаете массу ошибок. Когда такое происходит, лучше всего на время остановиться или временно сбавить темп. Часто бывает так, что процесс обучения продолжается, но ему надо дать время, чтобы консолидироваться, закрепиться в вас. Иными словами, вам порой не удается на практике продемонстрировать все то, чему вы на самом деле научились. Поэтому сделайте паузу, чтобы с новыми силами взяться за работу.