پرش به محتوای اصلی
6 دقیقه مطالعه

چرا تعریف مسئله از دادن راهکار مهم‌تر است؟

چرا تعریف مسئله از دادن راهکار مهم‌تر است؟ مسئله‌شناسی در آموزش در بسیاری از بحث‌های آموزشی، گفت‌وگو خیلی زود به راه‌حل‌ها می‌رسد. از تغییر برنامه‌های درسی گرفته تا استفاده از فناوری، اصلاح شیوه‌های تدریس یا بازطراحی نظام ارزشیابی، اغلب تمرکز بر این است که «چه کاری باید انجام داد». اما پیش از همه ای

ن
مرکز نوآوری نورا
چرا تعریف مسئله از دادن راهکار مهم‌تر است؟

تصویر کاور — چرا تعریف مسئله از دادن راهکار مهم‌تر است؟


چرا تعریف مسئله از دادن راهکار مهم‌تر است؟


مسئله‌شناسی در آموزش

در بسیاری از بحث‌های آموزشی، گفت‌وگو خیلی زود به راه‌حل‌ها می‌رسد. از تغییر برنامه‌های درسی گرفته تا استفاده از فناوری، اصلاح شیوه‌های تدریس یا بازطراحی نظام ارزشیابی، اغلب تمرکز بر این است که «چه کاری باید انجام داد». اما پیش از همه این‌ها یک پرسش بنیادی وجود دارد: اصلاً مسئله چیست؟

در نگاه اول ممکن است این پرسش بدیهی به نظر برسد. اما در عمل، بخش زیادی از ناکامی‌های سیاست‌های آموزشی دقیقاً از همین نقطه آغاز می‌شود. بسیاری از برنامه‌های اصلاحی برای مسئله‌هایی طراحی می‌شوند که تعریف آن‌ها روشن نیست. در نتیجه، راه‌حل‌ها ممکن است از نظر فنی درست باشند، اما مسئله واقعی را هدف قرار ندهند.

جالب است که در سنت فکری آموزش نیز مسئله جایگاهی مرکزی داشته است. برای مثال، جان دیویی یادگیری را با مفهوم «موقعیت مسئله‌دار» (Problematic Situation) توضیح می‌دهد و پائولو فریره از «آموزش مسئله‌محور» (Problem‑Posing Education) سخن می‌گوید. در هر دو نگاه، یادگیری زمانی آغاز می‌شود که فرد با یک مسئله واقعی مواجه شود. با این حال، پیش از آنکه مسئله بتواند موتور یادگیری باشد، باید بتوان آن را به درستی فهمید و تعریف کرد.

به همین دلیل، در بسیاری از حوزه‌ها، از برنامه‌ریزی شهری گرفته تا سیاست‌گذاری عمومی، امروزه تأکید می‌شود که فهم و صورت‌بندی مسئله بخشی اساسی از فرایند حل آن است

در بسیاری از موقعیت‌های حرفه‌ای، مسئله‌ها از پیش تعریف‌شده و روشن نیستند. بخش مهمی از کار متخصصان این است که پیش از ارائه راه‌حل، بتوانند مسئله را به‌درستی تشخیص دهند و صورت‌بندی کنند. اگر مسئله نادرست تعریف شود، حتی بهترین راه‌حل‌ها نیز ممکن است مسئله واقعی را هدف قرار ندهند.


مسئله‌ها همیشه آماده و واضح نیستند

دونالد شون  در تحلیل خود از حرفه‌ها به مفهومی اشاره می‌کند که آن را «چارچوب‌بندی مسئله» (Problem Framing) می‌نامد. از نگاه او، در بسیاری از موقعیت‌های واقعی مسئله‌ها به شکل آماده و روشن وجود ندارند. متخصصان ابتدا باید بفهمند که مسئله دقیقاً چیست.

برای مثال، فرض کنید در یک نظام آموزشی گفته می‌شود که «دانش‌آموزان انگیزه کافی برای یادگیری ندارند». این گزاره در ظاهر یک مسئله را توصیف می‌کند، اما هنوز مشخص نیست مسئله دقیقاً در کجا قرار دارد. آیا مشکل در روش‌های تدریس است؟ در شیوه‌های ارزشیابی؟ در ارتباط میان آموزش و زندگی واقعی؟ یا در انتظاراتی که جامعه از مدرسه دارد؟

وقتی گفته می‌شود «دانش‌آموزان انگیزه ندارند»، این جمله می‌تواند به مسئله‌های متفاوتی اشاره کند. ممکن است مشکل در روش تدریس باشد، در شیوه ارزشیابی، یا در فاصله میان محتوای مدرسه و زندگی واقعی دانش‌آموزان. هر یک از این برداشت‌ها مسئله متفاوتی را تعریف می‌کند و بنابراین به راه‌حل‌های متفاوتی نیز منجر می‌شود.

پاسخ به این پرسش‌ها نشان می‌دهد که پیش از طراحی هر راه‌حلی، باید مسئله را صورت‌بندی کرد. در واقع، بخش مهمی از کار حرفه‌ای دقیقاً در همین مرحله انجام می‌شود: اینکه بتوان از میان مجموعه‌ای از نشانه‌ها و مشکلات پراکنده، مسئله اصلی را تشخیص داد.



بسیاری از مسائل در واقع یک مسئله نیستند

راسل اکاف، از نظریه‌پردازان برجستۀ تفکر سیستمی، یک نکته مهم را مطرح می‌کند: بسیاری از آنچه ما «مسئله» می‌نامیم در واقع یک Mess (آشفتگی مسئله‌ها) است.

Mess وضعیتی است که در آن چندین مسئله به‌طور هم‌زمان و به‌هم‌پیوسته وجود دارند. در چنین شرایطی، حل یک مسئله به‌تنهایی معمولاً مشکل را برطرف نمی‌کند، زیرا مسئله‌های دیگر همچنان باقی می‌مانند.

آموزش نمونه‌ای روشن از چنین وضعیتی است. فرض کنید هدف، بهبود کیفیت یادگیری دانش‌آموزان باشد. این موضوع فقط به روش تدریس مربوط نیست. برنامه درسی، نظام ارزیابی، فرهنگ مدرسه، وضعیت اجتماعی خانواده‌ها و سیاست‌های آموزشی همگی در این مسئله نقش دارند. بنابراین آنچه با آن روبه‌رو هستیم یک مسئله منفرد نیست، بلکه شبکه‌ای از مسئله‌های به‌هم‌پیوسته است.

در چنین شرایطی، تمرکز بر یک راه‌حل محدود ممکن است حتی مسئله را پیچیده‌تر کند. به همین دلیل اکاف تأکید می‌کند که در مواجهه با مسائل پیچیده باید به کل سیستم توجه کرد، نه فقط به یک بخش از آن.


مسئله‌هایی که تعریف روشنی ندارند

هورست ریتل (در مطالعات برنامه‌ریزی شهری مفهوم مهمی را معرفی کرد که بعدها در بسیاری از حوزه‌های اجتماعی به کار رفت: Wicked Problems (مسئله‌های پیچیده یا بدساخت).

مسئله‌های پیچیده چند ویژگی دارند. نخست اینکه تعریف آن‌ها همیشه محل اختلاف است. افراد مختلف ممکن است مسئله را به شکل‌های متفاوتی ببینند. دوم اینکه این مسئله‌ها راه‌حل قطعی ندارند. هر تلاشی برای حل آن‌ها ممکن است پیامدهای پیش‌بینی‌نشده ایجاد کند. و سوم اینکه هیچ نقطه روشنی وجود ندارد که بتوان گفت مسئله برای همیشه حل شده است.

بسیاری از چالش‌های آموزشی دقیقاً چنین ویژگی‌هایی دارند. برای مثال، نابرابری آموزشی، افت انگیزه یادگیری یا فاصله میان مدرسه و زندگی واقعی، مسئله‌هایی نیستند که بتوان برای آن‌ها یک راه‌حل ساده و قطعی ارائه داد. این مسئله‌ها به ساختارهای اجتماعی، اقتصادی و فرهنگی گره خورده‌اند و به همین دلیل تغییر آن‌ها معمولاً زمان‌بر و پیچیده است.


همه مسئله‌ها یکسان نیستند

در اینجا تمایز مهمی مطرح می‌شود که رونالد هایفتز در نظریه «رهبری تطبیقی» (Adaptive Leadership) بیان کرده است. هایفتز میان دو نوع مسئله تفاوت می‌گذارد: مسئله‌های فنی (Technical Problems) و مسئله‌های تطبیقی (Adaptive Problems).

مسئله فنی مسئله‌ای است که ماهیت آن نسبتاً روشن است و راه‌حل آن نیز شناخته شده است. در چنین مواردی، متخصصان می‌توانند با استفاده از دانش و ابزارهای موجود مشکل را حل کنند. برای مثال، طراحی یک سامانه جدید برای ثبت نمرات یا تدوین یک استاندارد مشخص برای ارزشیابی می‌تواند تا حد زیادی یک مسئله فنی باشد.

اما مسئله تطبیقی ماهیت متفاوتی دارد. در این نوع مسائل، مشکل صرفاً کمبود دانش فنی نیست. بلکه مسئله به رفتارها، باورها، ارزش‌ها و شیوه‌های عمل افراد و نهادها گره خورده است. به همین دلیل، راه‌حل آماده‌ای برای آن وجود ندارد و حل آن نیازمند یادگیری و تغییر در سطح جمعی است.


چرا این تمایز برای آموزش مهم است

بخش قابل توجهی از چالش‌های آموزش در دسته مسئله‌های تطبیقی قرار می‌گیرند. برای مثال، وقتی گفته می‌شود دانش‌آموزان علاقه کمتری به یادگیری دارند، نمی‌توان این مسئله را فقط با یک تغییر فنی حل کرد. حتی اگر یک ابزار جدید، یک برنامه درسی تازه یا یک فناوری نو وارد مدرسه شود، ریشه‌های مسئله ممکن است همچنان باقی بمانند.

این موضوع نشان می‌دهد که بسیاری از اصلاحات آموزشی زمانی ناکام می‌مانند که مسئله‌های تطبیقی به‌اشتباه مسئله‌هایی فنی فرض می‌شوند. در چنین شرایطی، راه‌حل‌هایی طراحی می‌شود که از نظر فنی منطقی‌اند، اما با ماهیت واقعی مسئله هم‌خوانی ندارند.

از راه‌حل‌ها به فهم مسئله

اگر این دیدگاه‌ها را کنار هم بگذاریم، یک نتیجه مهم به دست می‌آید. در مواجهه با مسائل آموزش، شاید مهم‌ترین گام پیش از هر اقدام عملی این باشد که مسئله به‌درستی فهمیده شود.

کار دونالد شون نشان می‌دهد که تعریف مسئله خود بخشی از حل آن است. راسل اکاف یادآوری می‌کند که بسیاری از مسائل در واقع مجموعه‌ای از مسئله‌های به‌هم‌پیوسته‌اند. هورست ریتل توضیح می‌دهد که برخی مسائل اجتماعی اساساً پیچیده و بدون راه‌حل قطعی‌اند. و رونالد هایفتز نشان می‌دهد که همه مسئله‌ها از یک جنس نیستند و برخی از آن‌ها نیازمند یادگیری و تغییر عمیق‌ترند.

در چنین چارچوبی، اصلاح آموزشی صرفاً به معنای اجرای راه‌حل‌های جدید نیست. بلکه پیش از هر چیز به معنای فهم دقیق‌تر مسئله‌هایی است که آموزش با آن‌ها روبه‌روست. شاید مهم‌ترین پرسشی که باید پیش از طراحی هر برنامه و راهکاری مطرح شود این باشد: ما دقیقاً در حال حل چه مسئله‌ای هستیم؟

منابع برای مطالعۀ بیشتر

·  Dewey, J. (1938). Logic: The Theory of Inquiry. New York: Henry Holt and Company.

·  Freire, P. (1970). Pedagogy of the Oppressed. New York: Continuum.

·  Schön, D. A. (1983). The Reflective Practitioner: How Professionals Think in Action. New York: Basic Books.

·  Ackoff, R. L. (1974). Redesigning the Future: A Systems Approach to Societal Problems. New York: Wiley.

·  Rittel, H. W. J., & Webber, M. M. (1973). “Dilemmas in a General Theory of Planning.” Policy Sciences, 4(2), 155–169.

·  Heifetz, R. A. (1994). Leadership Without Easy Answers. Cambridge, MA: Harvard University Press.


ن
مرکز نوآوری نورا

نویسنده‌ی فعال در حوزه‌ی نوآوری آموزشی و از همراهان شبکه‌ی نورا.

سایر یادداشت‌های این نویسنده ←

برچسب‌ها

بینش در آموزش و یادگیریمبانی و مدل‌ها

یادداشت‌های مرتبط

همه‌ی مطالب ←
هوش مصنوعی و یادگیری

در عصر هوش مصنوعی ما چه «کار» خواهیم کرد؟

با عمومی شدن ابزارهای هوش‌ مصنوعی فزاینده (Generative AI) یک ترس عمومی در بازار کار رواج پیدا کرده است که مشاغل امروز و فردای ما توسط هوش مصنوعی و ربات‌ها به یغما خواهد رفت. ترس بی‌پایه و اساسی نیست، اما پرسش درباره‌ی این‌که چگونه این اتفاق قرار است رخ دهد، به ما کمک می‌کند که مواجهه‌ی مناسبی با آن لحظه داشته باشیم.

محمدحسین انصاری3 دقیقه · ۲۷ خرداد ۱۴۰۵
استارتاپ آموزشی

حکمرانی دیجیتال در مدارس: چارچوبی برای رهبری، زیرساخت و امنیت داده

مقدمه در عصری که فناوری دیجیتال به بخش جدایی‌ناپذیر زندگی تبدیل شده است، نظام آموزشی نمی‌تواند خود را بی‌نیاز از این تحول عظیم بداند. تجربه همه‌گیری کووید-۱۹ نشان داد که مدارس در مواجهه با فناوری دیجیتال به سه دسته تقسیم می‌شوند: دسته اول، مدارسی که فناوری را بی‌ربط به خود می‌دانند و تصور می‌کنند بد

مرکز نوآوری نورا11 دقیقه · ۱۶ خرداد ۱۴۰۵
مهارت معلم

تله یا تکیه‌گاه؟ تحلیل نظام‌مند عدالت آموزشی در عصر هوش مصنوعی

نگاهی به یک گزارش پژوهشی از دانشگاه استنفورد (6) در پست‌های قبلی این مجموعه به گزارشی جامع از دانشگاه استنفورد درباره وضعیت پژوهش در حوزه هوش مصنوعی و آموزش اشاره کردیم. این گزارش با عنوان «The Evidence Base on AI in K‑12: A 2026 Review» تلاش می‌کند شواهد علمی موجود درباره کاربرد ابزارهای هوش مصنوعی

مرکز نوآوری نورا4 دقیقه · ۱۵ خرداد ۱۴۰۵

نورا

loadingImg

Noura