Kapasitas memori kerja (WM) diukur dalam kapasitas operasional tergantung pada jenis tugas latar belakang tertentu yang digunakan dalam domain tertentu (Carpenter & Just, 1989). Misalnya, tes rentang membaca digunakan untuk mengukur kapasitas WM sebagai ukuran terbesar dari kumpulan kalimat sederhana yang dapat diandalkan oleh subjek untuk mengingat kata-kata akhir dari semua kalimat (Daneman & Carpenter, 1983). Daneman dan Tardif (1987) menetapkan bahwa rentang membaca adalah ukuran khusus untuk keterampilan berbahasa, bukan ukuran kapasitas memori kerja secara umum, dan berkorelasi signifikan dengan kemampuan pemahaman membaca.
Meskipun jelas terdapat perbedaan sistematik antar individu dalam kapasitas memori kerjanya untuk tugas-tugas tertentu, dan perbedaan ini mempengaruhi kinerja ketika orang tersebut beroperasi pada batas kapasitas memori kerjanya, tidak ada pendekatan atau hipotesis tunggal mengenai penafsiran tugastugas tersebut. perbedaan individu dalam kapasitas WM telah menerima dukungan empiris yang meyakinkan. Perbedaan tersebut bisa sangat dipengaruhi oleh struktur pengetahuan yang tersedia dalam memori jangka panjang. Setiap rentang WM secara implisit mencerminkan pengetahuan dan pengalaman individu dalam suatu domain, dan pengetahuan ini pasti mempengaruhi kinerjanya dalam bagian pemrosesan dan penyimpanan tugas (misalnya, Hulme, Maughan, & Brown, 1991; Hulme, Roodenrys, Brown, & Mercer, 1995). Ukuran rentang WM dengan demikian dapat digunakan sebagai prediktor kinerja seseorang dalam domain yang sesuai daripada mengukur kapasitas WM umum sebenarnya. Hal ini praktis tidak mungkin untuk menghilangkan pengaruh basis pengetahuan seseorang ketika tugas-tugas bermakna dilibatkan dalam tes rentang WM. Dari sudut pandang ini, pendekatan yang berfokus pada hubungan antara konten dan pengoperasian memori kerja dan memori jangka panjang bisa menjadi lebih relevan dan produktif.
Sederhana potongan mekanisme menyediakan sebuah contoh dari menggunakan jangka panjang struktur memori dalam mengubah konten memori kerja. Potongannya adalah unit informasi yang familiar berdasarkan pembelajaran sebelumnya. Misalnya, mungkin sulit untuk mengingat dan mengingat serangkaian huruf acak seperti B,B,C,C,I,A,A,B,C,F,B,I, kecuali kita mengelompokkannya menjadi BBC, CIA, ABC, FBI. Dalam hal ini, kami menggunakan pengetahuan kami sebelumnya yang disimpan di LTM untuk mengurangi jumlah elemen menjadi empat bagian yang dapat dikelola. Metode yang sama dapat digunakan dengan rangkaian angka berikut: 1,9,1,4,1,9,4,5,1,9,9,6,2,0,0,1. Contoh umum lainnya dari pengelompokan dalam pemahaman bahasa adalah cara kita mengelompokkan huruf menjadi kata-kata yang familiar, dan kata-kata menjadi frasa yang familiar. Perkiraan kapasitas STM sekitar tujuh unit (Miller, 1956) sebenarnya menunjukkan jumlah potongan daripada jumlah total informasi yang disimpan dalam STM. Mekanisme ini menjelaskan bagaimana kita berhasil mengatasi hambatan pemrosesan informasi yang disebabkan oleh terbatasnya kapasitas memori kerja kita, dan untuk mempelajari sejumlah besar informasi yang kita miliki dari pengetahuan di LTM.
Orang dapat dilatih untuk secara efektif meningkatkan kapasitas memori mereka hingga tingkat yang luar biasa melalui pelatihan ekstensif dalam pengelompokan dan pengelompokan ulang informasi menjadi unit-unit yang bermakna menggunakan pengetahuan sebelumnya yang disimpan dalam LTM. Teori memori terampil (Chase & Ericsson, 1982) mengklaim bahwa orang mengembangkan mekanisme yang memungkinkan mereka menggunakan basis pengetahuan yang besar dan familiar untuk dengan cepat menyandikan, menyimpan, dan mengambil informasi dalam bidang keahlian mereka dan dengan demikian menghindari keterbatasan kapasitas memori kerja. . Hasilnya, para ahli memiliki peningkatan kapasitas memori kerja fungsional dalam domain keahlian mereka (Ericsson & Staszewski, 1989).
Pengetahuan khusus domain yang tersedia memungkinkan para ahli dengan cepat menyandikan dan menyimpan informasi dalam jumlah besar di LTM. Operasi penyimpanan dan pengambilan LTM seperti itu dipercepat dengan latihan dan sebanding dengan pengkodean dan pengambilan STM, menghasilkan kinerja tugas yang unggul dari para ahli dan daya ingat yang unggul untuk materi yang sudah dikenal (efek memori yang terampil; Ericsson & Staszewski, 1989). Misalnya, ahli mnemonis dapat meningkatkan rentang digitnya jauh melampaui batas tujuh digit plus atau minus dua digit Miller. Mereka menggunakan potongan pengetahuan yang familiar di LTM untuk menyandikan informasi baru dalam bentuk yang mudah diakses. Ericsson dan Staszewski (1989) menggambarkan seseorang yang memperluas rentang digitnya menjadi 84 digit dengan mengelompokkannya ke dalam urutan pendek dan mengkodekannya dalam istilah, yang dikenalnya, waktu lari atletik, tanggal, dan usia. Namun ia beroperasi di bawah batasan STM berkapasitas terbatas: ukuran grup digit tidak pernah melebihi lima digit, dan grup ini tidak pernah dikelompokkan dalam supergrup dengan lebih dari empat grup dalam satu supergrup.
Dalam model WM Carpenter dan Just (1989), pengoperasian WM selama pemahaman membaca juga didasarkan pada hubungan antara WM dan LTM. Dalam model ini, WM terdiri dari pointer aktif ke struktur LTM dan produk pemrosesan parsial atau akhir. Seorang pembaca menyimpan tema teks, representasi umum situasi, proposisi utama dari kalimat sebelumnya, serta representasi kalimat yang sedang dibacanya (Just & Carpenter, 1992). Ketika berhadapan dengan rangkaian kata yang tidak terstruktur, kita biasanya hanya dapat mengingat enam atau tujuh kata yang tidak berhubungan secara berurutan (sesuai dengan rentang STM kita). Sebaliknya, pembaca yang terampil dapat mengingat dan memahami dalam waktu yang lama kalimat (sekitar 77% kata dalam kalimat hingga 22 kata) karena menggunakan struktur internal di LTM untuk menghindari batasan WM. Jadi, kalimat Pemahaman dapat dianggap sebagai pengkodean ulang (chunking) simbol- simbol yang masuk ke dalam beberapa struktur (Carpenter & Just, 1989).
Ericsson dan Kintsch (1995) mengembangkan lebih lanjut gagasan tersebut menjadi teori memori kerja jangka panjang (LT-WM). Dalam teori ini, struktur pengetahuan LTM yang terkait dengan komponen memori kerja membentuk struktur LT-WM yang mampu menampung informasi dalam jumlah yang hampir tidak terbatas. Beberapa mekanisme tambahan diperkenalkan untuk mengatasi dampak gangguan dalam penggunaan pengetahuan LTM oleh para ahli untuk penyimpanan dan pengambilan informasi yang baru dikodekan. Mekanisme operasi LT-WM yang diusulkan melibatkan pengambilan informasi berbasis isyarat dari LTM. Metode pengkodean dapat didasarkan pada struktur pengambilan yang dibangun secara khusus, memori yang sudah ada dan diuraikan struktur, atau kombinasi keduanya. Kinerja terampil bergantung pada struktur pengetahuan spesifik domain yang relevan dengan tugas tertentu, dan, akibatnya, terdapat perbedaan individual dalam pengoperasian LT-WM untuk tugas tertentu (Ericsson & Kintsch, 1995).
Referensi
Kalyuga, S. 2009. Cognitive Load Factors in Instructional Design for Advanced Learners. New York: Nova Science Publishers
Nama : Retno Wahyuningrum
BalasHapusKelas : 5C
NPM : 2286206068
Kapasitas operasional seseorang tergantung latar belakang yang akan digunakan dalam hal tertentu. Pendekatan yang berfokus pada hubungan konten dan pengoperasian memori kerja dengan memori panjang lebih relevan mejadi lebih relevan dan prodkutif. Semisal saja dengan sebuah angka yang 4x berturut -turut sama dengan angka 2 dibelakangnya yang berbeda akan lebih mudah dipahami yang angka berturut-turut.
Nama: Oktavia pega wete
BalasHapusKelas: 5B
Npm: 2286206019
Sebagai mahasiswa pendidikan, saya merasa Cognitive Load Theory sangat relevan untuk membantu guru merancang materi pembelajaran. Dengan memahami batasan kapasitas memori kerja siswa, kita bisa mengurangi kompleksitas materi yang diajarkan.Beban kognitif yang tidak relevan (ekstrinsik) sering kali membuat siswa kesulitan memahami materi. Guru perlu menyederhanakan penyampaian informasi dengan meminimalkan gangguan visual atau verbal yang tidak diperlukan dalam proses belajar.
Nama:Oktavia pega wete
BalasHapusKelas: 5B
Npm:2286206019
setelah saya membaca Saya menyadari bahwa dengan pengorganisasian yang baik, serta latihan berulang, saya bisa lebih mudah mengingat konsep-konsep yang dipelajari. Ini membantu memindahkan informasi dari memori jangka pendek ke memori jangka panjang.
Nama : Cicilia Gianina
BalasHapusKelas : 5C PGSD
NPM : 2286206063
Beban kognitif yang berlebihan bisa membuat frustrasi serta demotivasi kepada siswa. Saat siswa merasa kewalahan pada materi pembelajaran, mereka cenderung kehilangan minat serta semangat dalam belajar. Maka dengan itu, penting bisa menyeimbangkan antara tantangan kognitif serta dukungan yang diberikan kepada siswa.
Nama : Cicilia Gianina
BalasHapusKelas : 5C PGSD
NPM : 2286206063
Teknologi bisa menjadi alat yang sangat berguna dalam membantu siswa mengelola beban kognitif. Aplikasi serta perangkat lunak pembelajaran yang dirancang dengan baik bisa menyajikan informasi dengan visual yang menarik. Ini bisa memungkinkan siswa dapat berinteraksi dengan materi pembelajaran secara aktif, serta memberikan umpan balik yang konstruktif.
Nama : Cicilia Gianina
BalasHapusKelas : 5C PGSD
NPM : 2286206063
Setiap individu mempunyai kapasitas memori kerja serta gaya belajar yang berbeda. Oleh sebab itu, penting dapat mengakui bahwa tidak cuma satu pendekatan yang cocok bagi semua dalam mengelola beban kognitif. Pendidik perlu memberikan fleksibilitas serta pilihan pada siswa agar bisa memilih strategi pembelajaran yang paling sesuai untuk gaya belajar mereka.
Nama : Cicilia Gianina
BalasHapusKelas : 5C PGSD
NPM : 2286206063
Meskipun teori beban kognitif sudah memberikan kontribusi yang signifikan pada bidang pembelajaran, tetap banyak aspek yang perlu diteliti lebih lanjut. Penelitian di masa depan perlu fokus dengan pengembangan instrumen yang lebih baik dalam mengukur beban kognitif, serta dalam identifikasi faktor-faktor individual serta kontekstual yang mempengaruhi kemampuan seseorang dalam mengelola beban kognitif.