1
0
Files
medical-notes/content/z-Tech/Undvika mekanisk memorering – AI-stödd studieteknik.md
Johan Dahlin a73e688afc
All checks were successful
Deploy Quartz site to GitHub Pages / build (push) Successful in 2m1s
vault backup: 2025-12-17 15:43:47
2025-12-17 15:43:47 +01:00

32 lines
1.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
### Grundidé
Att skriva av svar kan hjälpa initial inkodning, men riskerar att leda till mekanisk memorering om stödet inte snabbt minskas.
### Effektiv progression
1. **Avskrift (guided encoding)**
Full text synlig, låg kognitiv belastning.
2. **Fading cues / cloze**
Successivt mindre text visas, mer måste återkallas.
3. **Fri återgivning**
Formulera svaret utan stöd, kontroll i efterhand.
### För att tvinga förståelse (inte ordminne)
- Byt formulering tidigt → skriv med **egna ord**
- Variera frågetyp: *vad*, *varför*, *konsekvens*, *jämför*
- Kräv **eget exempel** utanför originaltexten
- Förklara utan vissa nyckelord (“förbjudna ord”)
- Rita/skissa/flödesschema ur minnet
- Analysera felsvar rätt ord men fel logik avslöjar ytlig kunskap
### AI-roller i en robust lösning
- **Inkodnings-AI**: avskrift, markering av kärnbegrepp
- **Cloze-AI**: adaptiv minskning av stöd
- **Parafras-AI**: stoppar textnära svar
- **Förståelse-AI**: varför- och jämförelsefrågor
- **Transfer-AI**: nytt exempel, ny kontext
- **Diagnostik-AI**: identifierar rote-learning-risk
### Kärnprincip
Texten är **startpunkt, inte mål**.
Förståelse visar sig först när strukturen finns kvar utan orden.