بہت سے نئے خود سکھائے ہوئے ڈویلپرز کیوں جدوجہد کرتے ہیں (اور اس کے بارے میں کیا کرنا ہے)

خود سکھائے ہوئے ڈویلپر اکثر ایک ہی "اسٹارٹر پیک” کے ساتھ شروع کرتے ہیں: ایک لیپ ٹاپ، انٹرنیٹ تک رسائی، اور سراسر عزم۔ تاہم، منظم رہنمائی، ایک متعین نصاب، یا کسی بھی قسم کی تعلیمی مدد کی کمی ہے۔

یہ سمت کی کمی سفر کو زیادہ مشکل بنا دیتی ہے۔ آن لائن وسائل کی بے تحاشہ کثرت کا سامنا کرتے ہوئے، بہت سے ابتدائی افراد اس بارے میں الجھن میں ہیں کہ کہاں سے آغاز کیا جائے اور اکثر سب کچھ ایک ساتھ سیکھنے کی کوشش کرتے ہیں۔

یہیں سے علم کو برقرار رکھنے کی جدوجہد شروع ہوتی ہے۔

یہ اس لیے نہیں ہے کہ ان میں ذہانت یا کوشش کی کمی ہے، بلکہ اس لیے کہ وہ اس طریقے سے سیکھتے ہیں جو انسانی دماغ کے کام کرنے سے متصادم ہے۔

وہ دماغ کے طریقہ کار کو سمجھے بغیر سبق اور کورسز میں کھو جاتے ہیں: دماغ کیسے معلومات کو پروسیس کرتا ہے، اسٹور کرتا ہے اور بازیافت کرتا ہے۔ نتیجتاً، جو کچھ وہ سیکھتے ہیں اس کا زیادہ تر حصہ قائم نہیں رہتا۔

دماغ معلومات پر کیسے عمل کرتا ہے۔

تو دماغ اور کوڈ سیکھنے کے درمیان کیا تعلق ہے؟

کنکشن براہ راست اور ناگزیر ہے.

کوڈنگ قوتِ ارادی یا حوصلہ افزائی کے ذریعے نہیں سیکھی جاتی ہے (حالانکہ دونوں اہم ہیں)، یا ٹیوٹوریل دیکھنے میں لاتعداد گھنٹے گزارنے سے۔

یہ دماغ کی معلومات کو پروسیس کرنے، ذخیرہ کرنے اور بازیافت کرنے کی صلاحیت کے ذریعے سیکھا جاتا ہے۔

ہر متغیر، فنکشن، ڈیٹا کی ساخت، یا ڈیبگنگ پیٹرن کو قابل استعمال علم بننے سے پہلے دماغ کے علمی نظام سے گزرنا چاہیے۔

اگر آپ کا سیکھنے کا عمل آپ کے دماغ کے قدرتی طور پر معلومات کو حاصل کرنے اور ترتیب دینے کے طریقے سے میل نہیں کھاتا ہے، تو آپ کی یادداشت ناکام ہو جائے گی چاہے آپ کتنے ہی پرعزم ہوں۔

اب ایک بالٹی کو پانی سے بھرنے کی کوشش کا تصور کریں۔ جب میں ڈالتا اور ڈالتا رہتا ہوں تو بالٹی کے نیچے ایک چھوٹا سا سوراخ ہوتا ہے۔ اس سے کوئی فرق نہیں پڑتا ہے کہ آپ کتنی ہی کوشش کریں، پانی نکلتا رہتا ہے۔ آپ اپنے آپ کو کافی تیزی سے نہ ڈالنے کا الزام لگا سکتے ہیں، یا آپ کسی بڑے جگ پر جانے کی کوشش کر سکتے ہیں، لیکن اصل مسئلہ بالٹی کا ہے، کوشش نہیں۔

پانی وہ معلومات ہے جسے آپ سیکھنے کی کوشش کر رہے ہیں۔

بالٹی دماغ کا میموری سسٹم ہے۔

بالٹی میں سوراخ دماغ کا قدرتی بھولنے کا طریقہ کار ہے: علمی اوورلوڈ، محدود کام کرنے والی یادداشت، اور دیگر رکاوٹیں جو برقرار رکھنے کو مشکل بناتی ہیں۔

اگر آپ ان میکانزم کو نہیں سمجھتے ہیں، تو آپ جتنی معلومات چاہیں انڈیل سکتے ہیں، لیکن اس میں سے زیادہ تر لیک ہو جائیں گے۔

ایسا نہیں ہے کہ آپ نااہل ہیں، یہ ہے کہ آپ اس طریقے سے سیکھ رہے ہیں جو آپ کے دماغ کے علم کو برقرار رکھنے کے طریقے سے متصادم ہے۔

علمی سیکھنے کے نظریات کا کردار۔

چونکہ سیکھنا بالآخر دماغ میں ہوتا ہے، ایک اہم سوال یہ ہے کہ: انسانی دماغ علم کو کیسے حاصل کرتا ہے، منظم کرتا ہے اور اس کا اطلاق کرتا ہے، اور خود سکھایا جانے والا سیکھنے کا عام عمل ان اصولوں سے کیوں متصادم ہے؟

یہ وہ جگہ ہے جہاں علمی سیکھنے کا نظریہ ضروری ہو جاتا ہے۔ یہ فریم ورک اس بات کی وضاحت کرتے ہیں کہ دماغ کس طرح پیچیدہ معلومات کو حاصل کرتا ہے، برقرار رکھتا ہے اور عملی طور پر اس کا اطلاق کرتا ہے اور زیادہ مؤثر طریقے سے سیکھنے کے لیے ایک سائنسی روڈ میپ فراہم کرتا ہے۔ ان اصولوں کو سمجھے بغیر، خود سکھائے گئے ڈویلپر غیر ارادی طور پر دماغ کی قدرتی ساخت کے خلاف کام کرتے ہیں۔

اس مضمون کا مقصد سیکھنے کے ان ضروری نظریات کو کھولنا ہے اور انہیں براہ راست ایک نئے خود سکھائے گئے ڈویلپر کے سفر پر لاگو کرنا ہے۔

یہ سمجھنے سے کہ دماغ کس طرح معلومات پر کارروائی کرتا ہے، ابتدائی افراد اپنی تعلیم کو زیادہ جان بوجھ کر منظم کر سکتے ہیں، علم کو زیادہ قابل اعتماد طریقے سے برقرار رکھ سکتے ہیں، اور بہت زیادہ اعتماد اور وضاحت کے ساتھ قابل ڈویلپر بن سکتے ہیں۔

انڈیکس

کوگنیٹو لوڈ تھیوری (CLT)

ایک نیا تصور سیکھنے کے لیے اکثر دماغ سے دماغی کوشش کی ضرورت ہوتی ہے تاکہ نئی حاصل شدہ معلومات پر کارروائی کی جا سکے۔ دماغ کی طرف سے کی جانے والی اس کوشش کو علمی بوجھ کے نام سے جانا جاتا ہے، یہ اصطلاح آسٹریلیا کے تعلیمی ماہر نفسیات جان سویلر نے 1988 میں اپنی تحقیق میں بنائی تھی کہ دماغ کس طرح معلومات حاصل کرتا ہے اور اسے برقرار رکھتا ہے (سویلر، 1988)۔

تب سے، اس کے کام کو دوسرے محققین نے بڑھایا ہے۔ خاص طور پر، ڈیلن ولیم نے 2017 میں مشہور طور پر ٹویٹ کیا کہ علمی بوجھ کا نظریہ (سی ایل ٹی) "سب سے اہم چیز تھی جسے اساتذہ کو جاننے کی ضرورت ہے” (ڈیلن ولیم، 2017)۔

آپ دوبارہ حیران ہوں گے۔ اس کا مجھ سے کیا تعلق؟ نئے خود سکھائے گئے ڈویلپرز کے لیے، جواب آسان ہے۔ آپ استاد اور طالب علم دونوں ہیں۔

تو یہ سب سے اہم نظریہ ہے جسے آپ کو جاننے کی ضرورت ہے۔ خود مطالعہ کے اس سفر میں، آپ اپنا نصاب خود تیار کریں گے، اپنے وسائل کا انتخاب کریں گے، اپنے سیکھنے کو تیز کریں گے، اور اپنی پیشرفت کا جائزہ لیں گے۔

یہ سمجھے بغیر کہ کس طرح علمی بوجھ آپ کی معلومات کو جذب کرنے اور اسے برقرار رکھنے کی صلاحیت کو متاثر کرتا ہے، آپ غیر ارادی طور پر اپنے دماغ کو اوورلوڈ کر سکتے ہیں اور سیکھنے میں رکاوٹ بن سکتے ہیں۔

اس سے پہلے کہ ہم CLT کے بارے میں جان لیں، کچھ اہم تصورات ہیں جنہیں ڈیوڈ گیری کو مکمل طور پر سمجھنے کے لیے سمجھنے کی ضرورت ہے۔ "کیا سیکھا جا سکتا ہے” (حیاتیاتی طور پر بنیادی علم) اور "کیا سکھایا جا سکتا ہے” (حیاتیاتی طور پر ثانوی علم) (جیری، 2007، 2008)۔

گیری (2007، 2008) کے مطابق، "بنیادی حیاتیاتی علم” "فطری” مہارتوں پر مشتمل ہوتا ہے جو دماغ نے بغیر رسمی تعلیم کے قدرتی طور پر حاصل کرنے کے لیے تیار کیا ہے۔

مثالوں میں آپ کی مادری زبان سیکھنا، چہرے کی شناخت، اور بنیادی سماجی نیویگیشن شامل ہیں۔

دوسری طرف "حیاتیاتی طور پر دوسرے درجے کا علم،” ثقافتی اور تکنیکی مہارتوں پر مشتمل ہوتا ہے، جیسے پڑھنا اور لکھنا، جو معاشرے کے لیے ضروری ہیں لیکن دماغ میں قدرتی طور پر نہیں آتے۔

اس کی وجہ یہ ہے کہ ہم خود بخود ان آئٹمز کو منتخب کرنے کے لیے "وائرڈ” نہیں ہیں۔ اس کے بجائے، اسے آگے بڑھانے کے لیے رسمی تربیت اور اسکولوں کی ضرورت ہے۔

لہذا کوڈنگ حیاتیاتی طور پر ثانوی علم کی ایک بہترین مثال ہے۔ انسانی دماغ ناقابل یقین حد تک پلاسٹک کا ہے، لیکن اس نے نحو کی تشریح، میموری ایلوکیشن کو منظم کرنے، یا لاجک لوپس کو ڈیبگ کرنے کے لیے تیار نہیں کیا۔

یہ کوئی فطری جبلت نہیں بلکہ ثقافتی ایجاد ہے۔ چلنا سیکھنے یا اپنی مادری زبان سیکھنے کے برعکس (جو کہ حیاتیاتی طور پر بنیادی مہارتیں ہیں)، آپ صرف کمپیوٹر کے آس پاس رہ کر کوڈ نہیں سیکھ سکتے۔

یہ تسلیم کرنا کہ انسانی دماغ فطری طور پر کوڈنگ کے لیے لیس نہیں ہے ہماری حکمت عملی کو تبدیل کرنے میں ہماری مدد کر سکتا ہے۔ ایک بار جب ہم یہ تسلیم کر لیتے ہیں کہ کوڈنگ کے تصورات "فطری” نہیں ہیں، تو ہم آخر کار ان سے منظم اور جان بوجھ کر کوشش کر سکتے ہیں جو ضروری ہے۔

تصورات کا دوسرا مجموعہ جن کو جاننے اور سمجھنے کی ضرورت ہے نوزائیدہ خود سکھائے گئے ڈویلپرز ہیں ورکنگ میموری، ملر کا قانون، چنکنگ، طویل مدتی میموری، اور اسکیما۔

کام کرنے والی میموری

ورکنگ میموری وہ جگہ ہے جہاں سوچ ہوتی ہے۔ یہ ایک فعال دماغی کام کی جگہ ہے جو معلومات رکھتی ہے جب اس پر کارروائی ہوتی ہے۔ جب ہم پہلی بار کسی تصور کا سامنا کرتے ہیں جیسے کہ بیان، لوپ، فنکشن، یا if/elseif اسٹیٹمنٹ، تو وہ تمام معلومات ورکنگ میموری میں محفوظ ہوجاتی ہیں۔ مسئلہ یہ ہے کہ ورکنگ میموری انتہائی محدود اور نازک ہے۔

جب آپ پہلی بار کوڈ کرنا سیکھتے ہیں، تو آپ کی ورکنگ میموری ایک چھوٹے دماغی ڈیسک کی طرح کام کرتی ہے جہاں آپ ایک وقت میں صرف چند اشیاء رکھ سکتے ہیں۔

IKEA فرنیچر کو ایک چھوٹی کافی ٹیبل میں جمع کرنے کا تصور کریں۔ اگر آپ کتابچے، پیچ، لکڑی کے تختے، اوزار وغیرہ سب کو ایک ساتھ پھیلا دیتے ہیں، تو میز تیزی سے بے ترتیبی ہو جاتی ہے۔ آپ اس بات کا سراغ لگانا شروع کرتے ہیں کہ کون سے حصے کہاں جاتے ہیں، اس لیے نہیں کہ آپ قابل نہیں ہیں، بلکہ اس لیے کہ جس سطح پر آپ کام کر رہے ہیں وہ اتنی چھوٹی ہے کہ ہر چیز کو ایک ساتھ فٹ کر سکتے ہیں۔

ورکنگ میموری اسی طرح کام کرتی ہے۔ جب آپ کوئی نیا تصور سیکھتے ہیں جیسے ارے، لوپس، فنکشنز، یا ایرر ہینڈلنگ، تو ہر آئیڈیا آپ کی ذہنی میز پر جگہ لیتا ہے۔ بہت زیادہ اسٹیک کریں اور آپ کی میز پر بھیڑ ہو جائے گی۔

ایک بار جب صلاحیت سے زیادہ ہو جائے تو چیزیں ٹوٹنے لگتی ہیں اور ان کی ہولڈنگ کی صلاحیت ٹوٹ جاتی ہے۔

ایسا نہیں ہے کہ ان میں ذہانت کی کمی ہے۔ یہ صرف کام کرنے والی میموری کی ایک قدرتی حد ہے۔

اب، یہ خرابی اس وجہ سے ہوتی ہے کہ آپ کی ورکنگ میموری کی حدود کی خلاف ورزی کی گئی ہے۔ اس کی تائید تحقیق سے ہوتی ہے جس سے ظاہر ہوتا ہے کہ ورکنگ میموری عام طور پر کسی بھی وقت معلومات کے صرف پانچ سے نو ٹکڑوں پر کارروائی کر سکتی ہے (ملر، 1956)۔ اسے ملر کے قانون کے نام سے جانا جاتا ہے۔

ملر کا قانون

1956 میں، جارج ملر نے دریافت کیا کہ اوسطاً انسان تقریباً سات اشیاء (+ یا – دو) کو بیک وقت کام کرنے والی یادداشت میں رکھ سکتا ہے، اور یہاں تک کہ کچھ حالیہ مطالعات میں یہ بھی معلوم ہوا ہے کہ یہ تعداد چار اشیاء سے کم ہے (نیلسن کووان، 2001)۔

ایک ایسے ٹیوٹوریل کا تصور کریں جو بیک وقت آپ کو روٹس، کنٹرولرز، ماڈلز، ہجرت، آراء، درخواستوں، مددگار فائلوں، کاموں اور قطاروں، مڈل ویئر، کرداروں اور اجازتوں، سروس فراہم کنندگان اور مزید جیسے تصورات سے متعارف کرائے۔ اگر آپ ان سب کو ایک ہی وقت میں ذہن میں رکھنے کی کوشش کرتے ہیں، تو آپ کی ورکنگ میموری اوورلوڈ ہو جائے گی اور آپ لامحالہ ملر کی دیوار سے ٹکرائیں گے، ممکنہ طور پر آپ آخری تک پہنچنے سے بہت پہلے پہلے تصور کو بھول جائیں گے۔

تو دماغ پیچیدہ کاموں کو کیسے سنبھال سکتا ہے اگر وہ ایک وقت میں صرف چار سے نو اشیاء کو ہینڈل کر سکتا ہے؟

یہ چنکنگ کا استعمال کرتا ہے، معلومات کے چھوٹے ٹکڑوں کو ایک بامعنی اکائی میں گروپ کرنے کا عمل۔

ٹکڑا

چنکنگ پیچیدگی کو کم کرنے کے لئے دماغ کی حکمت عملی ہے۔ اپنی ورکنگ میموری کو ایک درجن غیر متعلقہ اشیاء رکھنے پر مجبور کرنے کے بجائے، آپ انہیں کئی مربوط ڈھانچے میں دوبارہ ترتیب دیتے ہیں۔ یہ علمی بوجھ کو کم کرتا ہے، اوورلوڈ کو روکتا ہے، اور آپ کو اس سے کہیں زیادہ معلومات کے ساتھ کام کرنے کی اجازت دیتا ہے جو آپ کی خام کام کرنے والی میموری کی حدیں عام طور پر اجازت دیتی ہیں۔

ایک مثال پر غور کریں:

Laravel سیکھنے والے ابتدائی افراد روٹ، کنٹرولر، ماڈل، مائیگریشن، اور ویو کو پانچ الگ الگ اور زبردست آئٹمز کے طور پر دیکھ سکتے ہیں۔ ابتدائیوں کے لیے، ہر ایک کو ایک الگ علمی بوجھ کی طرح محسوس ہوتا ہے۔ تاہم، تجربہ کار ڈویلپرز اسے الگ تھلگ تصور نہیں سمجھتے ہیں۔ اس کے بجائے، اسے ایک واحد معنی خیز اکائی، MVC پیٹرن کے طور پر سمجھا جاتا ہے۔ ورکنگ میموری میں پانچ اشیاء رکھنے کے بجائے ماہرین ایک چیز رکھتے ہیں۔

اس سے ایک اہم سوال پیدا ہوتا ہے۔ ایک مبتدی کیسے جان سکتا ہے کہ یہ پانچ عناصر ایک ساتھ ہیں جب ان کا ابھی سامنا ہوا ہے؟

اس بات پر زور دینا ضروری ہے کہ چنکنگ خودکار نہیں ہے۔ یہ تصورات کے درمیان بامعنی تعلقات کو تسلیم کرنے پر منحصر ہے، اور ابتدائی طور پر ابتدائی طور پر ان تعلقات کو پہچاننے کے لیے درکار پیشگی معلومات کی کمی ہوتی ہے۔

تاہم، چونکہ سیکھنے والے اپنے سیکھنے کے عمل کے دوران ایک ہی سلسلے کا بار بار سامنا کرتے ہیں، وہ مستقل پیٹرن تلاش کرنا شروع کر دیتے ہیں۔ وقت گزرنے کے ساتھ، ساخت کو تلاش کرنے کا دماغ کا فطری رجحان ہمیں یہ شناخت کرنے کی اجازت دیتا ہے کہ کون سے اجزاء ایک ساتھ مل کر قابل اعتماد طریقے سے کام کرتے ہیں، جس سے وہ بتدریج ایک بامعنی حصے میں مل جاتے ہیں۔

مثال کے طور پر، جب میں نے پہلی بار Laravel eCommerce ٹیوٹوریل کی پیروی کی، تو میں نے دیکھا کہ انسٹرکٹر کے بنائے ہوئے ہر نئے وسائل (چیک آؤٹ، شاپنگ کارٹ، KYC، اور رابطے) کے لیے ایک ہی پیٹرن کو دہرایا گیا تھا۔ کنٹرولرز، ماڈلز، اور خیالات ہمیشہ ایک ساتھ بنائے گئے ہیں۔

کئی بار اس ترتیب کا سامنا کرنے کے بعد، یہ واضح ہو گیا کہ یہ اجزاء مستقل طور پر ایک سیٹ کے طور پر ایک ساتھ تعلق رکھتے ہیں۔ وقت گزرنے کے ساتھ، میں نے کنٹرولر، ماڈل اور ویو کو الگ الگ عناصر کے بجائے ایک مربوط اکائی کے طور پر سمجھنا شروع کیا۔

اس لیے، مبتدی پہلے دن مؤثر طریقے سے حصہ لینے کے قابل نہیں ہو سکتے ہیں کیونکہ ان کے پاس ایک دوسرے کے ساتھ تعلق رکھنے والی چیزوں کو پہچاننے کے لیے درکار پیشگی معلومات کی کمی ہے۔ تاہم، وقت گزرنے کے ساتھ اور مختلف سیاق و سباق میں بار بار ہونے والے مقابلوں کے ذریعے، یہ انفرادی ٹکڑے طویل مدتی یادداشت میں محفوظ ذہنی اکائیوں میں شامل ہو جاتے ہیں۔

جو چیز پہلے مشکل لگتی تھی وہ بالآخر آسان ہو جاتی ہے، اس لیے نہیں کہ کام آسان ہو گئے ہیں، بلکہ اس لیے کہ ہماری اندرونی نمائندگی زیادہ منظم ہو گئی ہے۔

یہ چنکنگ کی طاقت ہے۔ معلومات کے بکھرے ہوئے ٹکڑوں کو منظم یونٹوں میں تبدیل کریں جو ورکنگ میموری کی حدود میں آرام سے فٹ ہوں۔

چنکنگ کے بغیر، ابتدائی تفصیلات میں کھو جاتے ہیں۔ چنکنگ آپ کو وہ علمی جگہ فراہم کرتی ہے جو آپ نے سیکھی ہے اسے سمجھنے، برقرار رکھنے اور لاگو کرنے کے لیے۔

طویل مدتی میموری

ورکنگ میموری کے برعکس، طویل مدتی میموری میں عملی طور پر لامحدود صلاحیت ہوتی ہے۔ تمام تحقیق کا مقصد معلومات کو تنگ کام کرنے والی میموری سے وسیع طویل مدتی میموری میں منتقل کرنا ہے۔

اصل راز یہ ہے۔ ورکنگ میموری سیکھتی نہیں ہے، یہ صرف عمل کرتی ہے۔

حقیقی تعلیم ایک مستقل تبدیلی ہے جو طویل مدتی یادداشت میں ہوتی ہے۔

خاکہ

ایک بار طویل مدتی میموری میں محفوظ ہونے کے بعد، معلومات اسکیما کا حصہ بن جاتی ہے – ایک ذہنی نقشہ یا فائلنگ سسٹم جو متعلقہ خیالات کو منظم کرتا ہے۔

مثال کے طور پر، جب آپ کو آخر کار احساس ہوتا ہے کہ Laravel ایک MVC فریم ورک ہے، تو آپ صرف تین حروف کو یاد نہیں کرتے۔ آپ ایک اسکیما بنا رہے ہیں جو آپ کے دماغ کو بتاتا ہے کہ ماڈل ڈیٹا کو ہینڈل کرتا ہے، ویو پریزنٹیشن کو ہینڈل کرتا ہے، اور کنٹرولر منطق کو ہینڈل کرتا ہے۔

ایک بار ایک اسکیما بن جانے کے بعد، اسے ملر کے قانون کو مؤثر طریقے سے روکتے ہوئے، واحد حصوں میں ورکنگ میموری میں لایا جا سکتا ہے۔

اس طرح ماہرین اسے آسان سمجھتے ہیں جبکہ ابتدائی افراد اسے بہت زیادہ محسوس کرتے ہیں۔

یہی وجہ ہے کہ گارنیٹ (2020) کا استدلال ہے کہ "کسی چیز کا اہل ہونا یا اس کا نہ ہونا مکمل طور پر اس بات پر منحصر ہے کہ اسکیما میں علم کی بازیافت کتنی محفوظ ہے۔”

اب جبکہ ورکنگ میموری، لانگ ٹرم میموری، اسکیماس، اور چنکنگ کی بنیادی باتیں واضح ہیں، ہم تصورات کے ایک اور سیٹ کی طرف رجوع کر سکتے ہیں جسے ہر خود سکھائے جانے والے ڈویلپر کو سمجھنا چاہیے: اندرونی بوجھ، خارجی بوجھ، اور ڈیفالٹ بوجھ۔ یہ تین اجزاء علمی بوجھ تھیوری کی مجموعی ساخت بناتے ہیں اور اس بات کا تعین کرتے ہیں کہ سیکھنا قابل انتظام ہے یا زبردست۔

اندرونی بوجھ: کسی کام کی فطری مشکل۔

مخصوص بوجھ خود مواد کی موروثی پیچیدگی کی نمائندگی کرتے ہیں۔ کچھ تصورات دوسروں کے مقابلے میں زیادہ مشکل ہوتے ہیں کیونکہ ان میں زیادہ تعامل کرنے والے عناصر شامل ہوتے ہیں جن پر بیک وقت کارروائی ہونی چاہیے۔

Laravel میں آسان راستوں کو سمجھنا فطری طور پر کم بوجھ ہے۔

تاہم، انحصار انجیکشن یا پولیمورفک تعلقات جیسے تصورات میں موروثی بوجھ زیادہ ہوتا ہے کیونکہ ان میں تجرید اور ایک دوسرے پر منحصر خیالات کی متعدد پرتیں شامل ہوتی ہیں۔

آپ کسی تصور کے موروثی بوجھ کو تبدیل نہیں کر سکتے، لیکن آپ اپنے آئیڈیاز کو چھوٹے، زیادہ قابل ہضم ذیلی کاموں میں تقسیم کر کے اس کا انتظام کر سکتے ہیں۔ یہی وجہ ہے کہ اچھی تعلیم اور اچھا خود مطالعہ ہمیشہ سادگی اور ترتیب سے شروع ہوتا ہے۔

آسان بنانے کا مطلب ہے کسی تصور کو اس کے بنیادی حصے تک اتار دینا تاکہ سیکھنے والے غیر ضروری تفصیلات سے مغلوب نہ ہوں۔

ترتیب دینے کا مطلب ہے حصوں کو ایک منطقی ترتیب میں متعارف کرانا، جس میں ہر قدم پچھلے قدم پر تعمیر ہوتا ہے۔ اس سے غیر ضروری علمی بوجھ کو کم کرنے میں مدد ملتی ہے اور سیکھنے والوں کو اسکیموں کی تعمیر کے لیے زیادہ ذہنی کوشش (جرمن بوجھ) وقف کرنے کی اجازت ملتی ہے۔

یہ ایک نئے شخص سے ملنے کی طرح ہے۔ وہ آپ کو اس شخص کا نام بتاتے ہیں، جو آپ کی والدہ کا نام ہوتا ہے۔ فوری طور پر، آپ کا دماغ ایک کنکشن بناتا ہے. آپ اس نئے شخص کے نام کو اپنی والدہ کی ایک طاقتور، گہری ذخیرہ شدہ یاد کے ساتھ جوڑتے ہیں۔

چونکہ وہ اسکیما طویل مدتی میموری میں پہلے سے موجود ہے، اس لیے نئی معلومات اس کے ساتھ "منسلک” ہیں۔ بعد میں، جب میں اپنا نام یاد کرنے کی کوشش کرتا ہوں، میں صرف اپنی ماں کے بارے میں سوچتا ہوں اور نام آسانی سے واپس آجاتا ہے۔

بہت سے لوگوں کا خیال ہے کہ خود سکھائے جانے والے ڈویلپرز کو تکلیف ہوتی ہے کیونکہ ان کے پاس فوری، قابل اعتماد، ذاتی رہنمائی کی کمی ہوتی ہے، لیکن اس مشکل کا درحقیقت ایک پوشیدہ فائدہ ہے۔ یہاں تک کہ اگر اساتذہ کسی تصور کی وضاحت کرتے وقت معلومات کو "ٹکڑا” کرنے کی پوری کوشش کرتے ہیں، تو وہ واقعی طالب علم کی داخلی حدود کو نہیں جان سکتے: سیکھنے والا کتنا اندرونی بوجھ سنبھال سکتا ہے، وہ کتنی جلدی نئے آئیڈیاز پر کارروائی کر سکتا ہے، یا وہ کتنی پہلے کی معلومات کو چالو کر سکتا ہے۔

یہ وہ جگہ ہے جہاں خود سکھائے ہوئے ڈویلپر خاموشی سے چمکتے ہیں۔ چونکہ آپ ایک استاد اور ایک طالب علم دونوں ہیں، آپ اپنی علمی حدود کو کسی اور سے بہتر جانتے ہیں۔ جب کوئی چیز بھاری ہو جائے تو آپ سست ہو سکتے ہیں، جب آپ کی ورکنگ میموری اوورلوڈ ہو جائے تو رک سکتے ہیں، اور معلومات کو اس طرح سے ٹکڑا سکتے ہیں جو آپ کی انفرادی صلاحیتوں کے مطابق ہو۔

آپ تصورات کو ان کے بنیادی عناصر تک آسان بنا سکتے ہیں اور انہیں اپنی رفتار سے ترتیب دے سکتے ہیں۔

بیرونی بوجھ خود سکھائے ہوئے ڈویلپرز کے دشمن ہیں۔ یہ ایسے کاموں پر ذہنی محنت کو ضائع کرتا ہے جو حقیقی سیکھنے میں حصہ نہیں ڈالتے ہیں۔ یہ وہ جگہ ہے جہاں خود سکھائے ہوئے ڈویلپرز کی طاقتیں واقعی چمکتی ہیں۔

کلاس روم میں استاد کسی بھی خلفشار کو دور کرنے کا ذمہ دار ہے جو بچوں کو پٹڑی سے اتار سکتا ہے یا ان کے علم کے حصول کو سست کر سکتا ہے۔ ایک خود سکھائے ہوئے ڈویلپر کے طور پر، ذمہ داری پوری طرح آپ پر عائد ہوتی ہے۔ ان خلفشار کی نشاندہی اور انہیں ختم کرنے کی ضرورت ہے۔

ایک خود سکھائے ہوئے ڈویلپر کے طور پر، میں توجہ مرکوز رکھنے کے لیے مخصوص حکمت عملی استعمال کرتا ہوں۔ کورس شروع کرنے سے پہلے، میں تبصرے کے سیکشن کو پڑھنے میں وقت گزارتا ہوں تاکہ یہ دیکھوں کہ دوسرے لوگوں نے کیا تجربہ کیا ہے۔ اگر مجھے خراب آڈیو کوالٹی، غیر واضح وضاحتوں، یا بہت تیزی سے چلنے والے ٹیوٹوریل کے بارے میں شکایات ہیں، تو میں فوری طور پر کورس ترک کر دیتا ہوں اور بہتر جائزوں کے ساتھ ایک تلاش کرتا ہوں۔

مجھے ہر اس چیز سے چھٹکارا حاصل کرنے کی ضرورت ہے جو میری ترقی میں رکاوٹ بن سکتی ہے۔ اگر آپ اپنی آدھی ذہنی توانائی یہ سب کچھ جاننے کی کوشش میں صرف کرتے ہیں، تو آپ کوڈ کی منطق کو سمجھنے کے لیے بقیہ نصف ہی استعمال کر سکتے ہیں۔ اور یاد رکھیں: نئے تصورات سیکھتے وقت، ہم اپنی کمزور ورکنگ میموری کا استعمال کرتے ہیں۔

اپنے "اندرونی استاد” کے طور پر، آپ کو اس شور کو ختم کرنا چاہیے تاکہ آپ کی محدود کام کرنے والی یادداشت خاص طور پر اس مواد پر توجہ مرکوز کر سکے جو اہم ہے۔

جرمن ماتحت: تعمیراتی کام

جرمن لوڈنگ ایک نتیجہ خیز ذہنی کوشش ہے جو اسکیموں، ذہنی ڈھانچے کو بنانے اور بہتر بنانے کے لیے استعمال ہوتی ہے جو مستقبل میں سیکھنے کو آسان بناتی ہے۔

یہ ہے "آہا!” وہ لمحہ جب نئی معلومات بامعنی طور پر اس سے منسلک ہوتی ہے جو آپ پہلے سے جانتے ہیں۔

مثال کے طور پر، ربط کا بوجھ اس وقت ابھرتا ہے جب ہم تسلیم کرتے ہیں کہ ڈیٹا بیس کی منتقلی بنیادی طور پر ٹیبل ڈھانچے کے لیے ایک ورژن کنٹرول سسٹم ہے۔

وہ بصیرت وہی ہے جو دراصل اسکیما کی تشکیل کرتی ہے۔

اساتذہ کو اکثر مشورہ دیا جاتا ہے کہ وہ بچوں کو اپنے کام کے بوجھ کو سنبھالنے میں مدد کریں۔ ایسا کرنے کا ایک طریقہ یہ ہے کہ آپ نئے آئیڈیاز کو جو آپ پڑھاتے ہیں موجودہ تصورات سے جوڑیں۔

ایسا کرنے سے، وہ طلباء کو معلومات کو ترتیب دینے اور اس کی تشریح کرنے کے لیے اسکیموں، ذہنی فریم ورک بنانے میں مدد کرتے ہیں۔

خود سکھائے جانے والے ڈویلپرز کے لیے، اس کا مطلب ان چیزوں میں ‘ہکس’ تلاش کرنا ہے جنہیں آپ پہلے سے سمجھ رہے ہیں بجائے اس کے کہ نئے جملے تنہائی میں یاد رکھیں۔

مثال کے طور پر، اگر آپ پہلے ہی جانتے ہیں کہ فزیکل فائل کیبنٹ کیسے کام کرتی ہے، تو آپ کے کوڈ میں ترتیب یا اعتراض کو سمجھنا بہت آسان ہوگا۔

آپ اسے شروع سے نہیں سیکھتے ہیں۔ آپ صرف موجودہ ساکٹ سے نئے ڈیٹا کو "کنیکٹ” کر رہے ہیں۔ یہ آپ کے ذہنی بوجھ کو کم کرے گا اور اس بات کو یقینی بنائے گا کہ آپ کا نیا علم مستقل ہو جائے۔

تاہم، یہ صرف اس صورت میں ہو سکتا ہے جب اندرونی بوجھ کو مناسب طریقے سے منظم کیا جائے اور بیرونی بوجھ کو ختم کیا جائے۔

یہ نوٹ کرنا ضروری ہے کہ، اندرونی اور خارجی بوجھ کے برعکس، اندرونی بوجھ ایک آزاد قسم کا علمی بوجھ نہیں ہے۔

اس کے بجائے، یہ ورکنگ میموری کے اس حصے کی نمائندگی کرتا ہے جو اندرونی بوجھ سے وابستہ عنصر کے تعاملات پر کارروائی کے لیے دستیاب ہے۔

دوسرے لفظوں میں، ضروری چارج غیر ضروری شور کو ہٹانے کے بعد سیکھنے کے لیے باقی رہ جانے والی ذہنی توانائی ہے۔

علمی بوجھ کو سمجھنا اس بات کی وضاحت کرتا ہے کہ کیوں سیکھنا اس لمحے میں بہت زیادہ محسوس کر سکتا ہے، لیکن یہ وضاحت نہیں کرتا کہ اس لمحے کے بعد علم کیوں غائب ہو جاتا ہے۔ ایسا کرنے کے لیے، ہم سائنس سیکھنے کے ایک اور بنیادی اصول پر نظر ڈالیں گے: Ebbinghaus بھولنے والا وکر۔

Ebbinghaus بھولنے والا وکر

اگر آپ کو بالٹی کی مشابہت یاد ہے، تو یہ وکر نیچے کے سوراخوں میں سے ایک کی نمائندگی کرتا ہے۔ دوسرے لفظوں میں، یہ دماغ کا فطری رجحان ہے کہ اگر معلومات کو تقویت نہ دی جائے تو اسے باہر نکلنے دینا۔

19ویں صدی کے اواخر میں، ہرمن ایبنگ ہاس نے دریافت کیا کہ انسانی یادداشت زوال کے ایک متوقع نمونے کی پیروی کرتی ہے۔ کچھ نیا سیکھنے کے بعد، ہم اس میں سے زیادہ تر حیرت انگیز طور پر جلدی بھول جاتے ہیں (اکثر چند گھنٹوں کے اندر) جب تک کہ ہم معلومات پر نظر ثانی نہ کریں۔ بھولنے کا منحنی خطوط ظاہر کرتا ہے کہ یادداشت پہلے تیزی سے کم ہوتی ہے اور پھر وقت کے ساتھ ساتھ آہستہ آہستہ۔

ایبنگ ہاس کے بھولنے کے منحنی خطوط پر مبنی تحقیق سے پتہ چلتا ہے کہ نئی حاصل کردہ معلومات کو برقرار رکھنے کی شعوری کوشش کے بغیر، ہم 24 گھنٹوں کے اندر تقریباً 50% نئی معلومات اور ایک ہفتے کے اندر 90% تک کھو دیتے ہیں (کلیئر واٹر، 2024)۔

دوسرے الفاظ میں، دماغ کو غیر تقویت یافتہ معلومات کو ضائع کرنے کے لیے ڈیزائن کیا گیا ہے۔

خود سکھائے گئے ڈویلپرز کے لیے، اس کے گہرے مضمرات ہیں۔

آج آپ Laravel کنٹرولرز، مقامی کردار اور اجازت کے تصورات وغیرہ کو سمجھ سکتے ہیں۔ لیکن اگر آپ اسے دوبارہ نہیں دیکھتے، اس پر عمل نہیں کرتے یا اگلے چند گھنٹوں میں اسے لاگو نہیں کرتے، تو آپ کا دماغ قدرتی طور پر اسے جانے دے گا۔

یہ کمزوری یا ٹیلنٹ کی کمی کی علامت نہیں ہے۔ بس یہی ہے کہ انسانی دماغ کام کرتا ہے۔

بھولنے کا منحنی خطوط یہ بھی بتاتا ہے کہ جب آپ ان سے گزرتے ہیں تو سبق کو دھوکہ دہی سے آسان کیوں محسوس ہوتا ہے۔

جب آپ دیکھ رہے ہیں، تو سب کچھ واضح نظر آتا ہے، لیکن ایک ہفتے کے بعد، وہی تصورات اجنبی محسوس ہونے لگتے ہیں۔

چونکہ علم پر کبھی نظر ثانی نہیں کی گئی، اس پر عمل نہیں کیا گیا یا موجودہ اسکیموں سے منسلک نہیں کیا گیا، اس لیے اس نے اسے طویل مدتی یادداشت میں کبھی نہیں بنایا۔

انسانی دماغ کسی بھی ایسی چیز کو بھولنے کے لیے ڈیزائن کیا گیا ہے جو دہرائی نہیں جاتی ہے، اس لیے دہرانا دماغ کے لیے ایک سگنل بن جاتا ہے جو کہتا ہے، "یہ ضروری ہے۔ جاری رکھیں۔”

یہی وجہ ہے کہ جب آپ پہلی بار کسی سے ملتے ہیں اور وہ آپ کو اپنا نام بتاتا ہے، تو آپ اسے تقریباً بھول جاتے ہیں جب تک کہ آپ اسے کئی بار دہرائیں۔ اگر ہم اس کو تقویت نہیں دیتے ہیں، تو ہم اکثر شرمندگی محسوس کرتے ہیں اور پوچھتے ہیں، "معذرت، آپ کا نام کیا تھا؟”

یہی اصول تربیتی کوڈ پر لاگو ہوتا ہے۔ جان بوجھ کر دہرائے بغیر، دماغ صرف معلومات کو ختم ہونے دیتا ہے۔ تاہم، اسپیسڈ ریپیٹیشن نامی تکنیک کا استعمال آپ کی یادداشت کو بہت بہتر بنا سکتا ہے۔

اسپیسڈ ریپیٹیشن تھیوری کیسے کام کرتی ہے۔

فاصلاتی تکرار علمی نفسیات پر مبنی ایک سیکھنے کی تکنیک ہے جس میں طویل مدتی میموری برقرار رکھنے کو مضبوط بنانے کے لیے تیزی سے وقفے وقفے سے معلومات کا جائزہ لینا شامل ہے۔

یہ اس اصول پر مبنی ہے کہ یادداشت وقت کے ساتھ ساتھ متوقع طور پر زوال پذیر ہوتی ہے، جیسا کہ Ebbinghaus Forgetting Curve سے ظاہر ہوتا ہے، اور یہ کہ حکمت عملی کے مطابق وقت پر نظرثانی یا تکرار اس زوال کو روک سکتی ہے، ہر تکرار کے ساتھ یادداشت کو زیادہ پائیدار بناتی ہے۔

اس خیال نے Anki-Flash کارڈ کو جنم دیا۔

مختلف الگورتھم کی وقت کی پیچیدگی کو یاد کرنے کی کوشش کا تصور کریں۔

یہ ایک کلاسک "خشک” تعلیمی موضوع ہے جسے بھولنا آسان ہے۔

یہ سمجھنے کے لیے کہ وقفہ وقفہ سے تکرار اتنی طاقتور کیوں ہے، ایک مانوس منظر نامے پر غور کریں۔ آپ نے اتوار کی رات بگ-O پیچیدگی کے چارٹس کو دیکھتے ہوئے چار گھنٹے گزارے۔ پیر کا جائزہ آپ کو اس میں سے زیادہ تر یاد رکھنے میں مدد کرے گا۔ جمعہ تک صرف چند باقی رہ گئے ہیں۔ دو ہفتے بعد پورا چارٹ میموری سے غائب ہو گیا۔

فاصلاتی تکرار معلومات کو بھول جانے سے پہلے عین وقت پر اس کا جائزہ لے کر اس عمل کو الٹ دیتی ہے۔ بگ-O اشارے کو ایک ہی سیشن میں گھسیٹنے کے بجائے، ہم اسے توسیعی وقفوں پر دوبارہ دیکھتے ہیں۔

1. دن 1 (ابتدائی تعلیم): Big-O چارٹ کا مطالعہ کریں اور پیچیدگی کی ہر سطح کو سمجھیں۔

2. دن 2 (پہلا جائزہ): اپنے آپ کو جانچیں۔ اگر مجھے آئٹم صحیح طریقے سے یاد ہے، تو میں اگلا جائزہ 3 دنوں میں شیڈول کروں گا۔ اگر آپ اسے یاد کرتے ہیں، تو آپ اگلے دن اس کا دوبارہ جائزہ لے سکتے ہیں۔

3. دن 5 (دوسرا جائزہ): مواد کے ساتھ دوبارہ مشغول ہوں۔ چونکہ مجھے اب بھی یاد ہے، وقفہ بڑھ کر 10 دن ہو جاتا ہے۔

4. دن 15 (تیسرا جائزہ): میری یادداشت ختم ہونے لگی تھی، لیکن جیسے ہی میں نے اشارہ دیکھا، تصورات میرے پاس واپس آگئے۔ معلومات کو بازیافت کرنے کی یہ تھوڑی سی کوشش ہی طویل مدتی برقراری کو بڑھاتی ہے۔

5. 45واں دن (چوتھا جائزہ): یادداشت اب گہرائی سے جڑی ہوئی ہے۔ O(log⁡n) جیسے تصورات آپ کے اپنے فون نمبر کی طرح قدرتی اور قابل رسائی محسوس کرتے ہیں۔

اس عمل کے ذریعے، وقفہ وقفہ سے تکرار نازک، قلیل مدتی تصورات کو پائیدار، طویل مدتی علم میں بدل دیتی ہے۔ ہر جائزہ بھولنے کے منحنی خطوط کو روکتا ہے، اسکیموں کو مضبوط کرتا ہے، اور تصورات کو بعد میں یاد رکھنے کے لیے درکار علمی بوجھ کو کم کرتا ہے۔

خود سکھائے گئے ڈویلپرز کے لیے، فاصلہ پر تکرار کئی شکلیں لے سکتی ہے۔ آپ میموری سے کوڈ کو دوبارہ لکھ سکتے ہیں، کچھ دنوں بعد کسی خصوصیت کو دوبارہ نافذ کر سکتے ہیں، اسی تصور کی ایک چھوٹی سی تبدیلی بنا سکتے ہیں، یا کچھ اور کرنے کے بعد تصور پر واپس جا سکتے ہیں۔

ہر جائزہ اسکیموں کو مضبوط کرتا ہے اور انہیں یاد کرنے کے لیے درکار علمی بوجھ کو کم کرتا ہے۔ وقت گزرنے کے ساتھ، جو ایک بار پیچیدہ محسوس ہوتا تھا وہ خودکار ہو جاتا ہے۔ یہ اس لیے نہیں کہ تصور بدل گیا ہے، بلکہ اس لیے کہ دماغ نے اسے ایک مستحکم اور موثر ڈھانچے میں دوبارہ ترتیب دیا ہے۔

جیسا کہ آپ دیکھ سکتے ہیں، سیکھنا کوئی ایک واقعہ نہیں ہے، بلکہ نمائش، بھولنے، اور کمک کا ایک چکر ہے۔

مہارت کسی چیز کو ایک بار دیکھنے سے نہیں آتی، بلکہ اسے دوبارہ دیکھنے سے حاصل ہوتی ہے جب تک کہ وہ آپ کے علمی ڈھانچے کا حصہ نہ بن جائے۔

لیکن ہمیں تکرار کے بارے میں محتاط رہنا چاہئے۔ ایک ہی کام کو بار بار کرنا بہتری کی ضمانت نہیں دیتا۔ درحقیقت، بے معنی تکرار آپ کو غیر معینہ مدت تک اسی سطح پر پھنس کر رکھ سکتی ہے۔

جان بوجھ کر پریکٹس تھیوری یہاں ضروری ہے کیونکہ یہ چیلنج کی سطح کو بڑھانے، مخصوص کمزوریوں پر توجہ مرکوز کرنے، اور فعال طور پر رائے حاصل کرنے پر زور دیتا ہے تاکہ ہر تکرار محض واقفیت کے بجائے قابل پیمائش بہتری کی طرف لے جائے۔

جان بوجھ کر پریکٹس تھیوری

ماہر نفسیات K. Anders Ericsson کی طرف سے تیار کردہ، یہ نظریہ دلیل دیتا ہے کہ مہارت ہنر کا نتیجہ نہیں ہے، بلکہ اعلیٰ معیار، بامقصد مشق (Ericsson, 1993) کا نتیجہ ہے۔ اس قسم کی مشق بنیادی طور پر کچھ بار بار کرنے سے مختلف ہے۔

اس نے اس بات کا مطالعہ کرتے ہوئے کہ لوگ ماہر کیسے بنتے ہیں، ‘دانستہ مشق’ کی اصطلاح بنائی۔ مختلف شعبوں کے ماہرین کا مطالعہ کرکے، انہوں نے اس عام خیال کو جھنجھوڑ دیا کہ پیشہ ور اداکاروں میں غیر معمولی قدرتی صلاحیت ہوتی ہے۔

اس کے بجائے، اس نے محسوس کیا کہ ماہرین مشق کے طریقوں کے ذریعے اعلی کارکردگی حاصل کرتے ہیں۔ دوسرے لفظوں میں، یہ ایک ماہر بننے کی دانستہ کوشش ہے۔ یہ کوشش ضروری مہارتوں کو چھوٹے حصوں میں تقسیم کرنے اور ان حصوں کو بار بار مشق کرنے کی خصوصیت ہے۔

اینڈرس ایرکسن کے مطابق، جان بوجھ کر مشق کی ضرورت ہے:

1. واضح مقاصد

2. فوری رائے

3. وہ کام جو آپ کی صلاحیتوں کو آپ کے کمفرٹ زون سے آگے بڑھاتا ہے۔

4. پوری توجہ اور کوشش

دانستہ مشق کا ایک اہم اصول یہ ہے کہ کاموں کو کسی کی صلاحیتوں کو ان کے مانوس ڈومین سے آگے بڑھانا چاہیے۔ یہ سیکھنے کی ترقی کے لیے انتہائی اہمیت کا حامل ہے۔

تصور کریں کہ ایک بچہ ہر روز 1+1 تعلیم حاصل کر رہا ہے۔ بچہ کبھی بھی بنیادی ریاضی سے آگے نہیں بڑھے گا۔ اینڈرس ایرکسن اسے "گرفتار ترقی” کہتے ہیں (ایرکسن، ننداگوپال، اور رورنگ، 2005)۔ ایک بچہ ریاضی دان بننے کے لیے، اس کے علم میں اضافہ ضروری ہے۔

ڈویلپرز کے لیے DRY اصول کو استعمال کرنا ہے (خود کو دہرائیں نہیں)۔ آپ ترقی نہیں کر سکتے اگر آپ اپنے آپ کو وسیع کیے بغیر صرف وہی دہرائیں جو آپ پہلے سے جانتے ہیں۔ یہ "کھینچنا” ایک اضافی فائدہ ہے جو دانستہ مشق وقفے وقفے سے تکرار میں اضافہ کرتا ہے۔

آسان کام کی فہرستیں، کیلکولیٹر اور موسم کی ایپس بنانا جاری رکھنے سے آپ کہیں نہیں پہنچ پائیں گے۔ آپ پہلے ہی جانتے ہیں کہ کیسے۔

صحیح معنوں میں بڑھنے کے لیے، آپ کو اپنے آپ کو بڑھانا ہوگا۔ اس کے بجائے، نئے آئیڈیاز کو شامل کرنے والے پروجیکٹس کو آزمائیں، جیسے کہ ایک منی ایپ بنانا جو موسم کے ڈیٹا کو آپ کے کام کی فہرست پر اثر انداز ہونے دیتا ہے۔ مثال کے طور پر، اگر API دکھاتا ہے کہ بارش ہو رہی ہے، تو ایپ خود بخود حساب لگاتی ہے کہ بیرونی کاموں کو چھپا کر کتنا وقت بچایا جا سکتا ہے، یا اس کے بجائے کن اندرونی کاموں کو ترجیح دی جانی چاہیے۔

یہ آپ کو پیچیدہ منطق اور ریاستی انتظام کو سنبھالنے پر مجبور کرتا ہے اور آپ کو سادہ تکرار سے آگے حقیقی مہارت تک لے جاتا ہے۔

تخلیق کرنے کی اس صلاحیت نے مجھے حتمی نظریہ، بلوم کی درجہ بندی تک پہنچایا۔

بلوم کی درجہ بندی کیا ہے؟

بلوم کی درجہ بندی علمی مہارتوں کا ایک درجہ بندی فراہم کرتی ہے جس میں سیکھنے والے ان پر عبور حاصل کرتے ہی آگے بڑھتے ہیں۔ یہ سب سے آسان کاموں سے شروع ہوتا ہے اور سب سے زیادہ پیچیدہ تک ترقی کرتا ہے۔

1. یاد رکھنا – ایک حقیقت یا جملہ یاد رکھنا

2. فہم – اپنے الفاظ میں تصورات کی وضاحت کرنا

3. لاگو کریں – حقیقی زندگی کے حالات میں علم کا استعمال کریں۔

4. تجزیہ – مسئلہ کو حصوں میں تقسیم کرنا

5. تشخیص – حل کا فیصلہ کرنا یا نقطہ نظر کا موازنہ کرنا

6. تخلیق – ایک اصل نظام یا ایپلی کیشن بنانا

زیادہ تر خود تعلیم یافتہ ڈویلپر پہلے دو درجوں میں پھنس جاتے ہیں۔ وہ جملے حفظ کرتے ہیں اور مثالوں کو سمجھتے ہیں، لیکن ان کو لاگو کرنے، تجزیہ کرنے یا تخلیق کرنے میں مشکل پیش آتی ہے۔

یہ صلاحیت کی کمی کی وجہ سے نہیں ہے۔ بلکہ اس کی وجہ یہ ہے کہ ہمیں یہ نہیں سکھایا گیا کہ سیکھنے کو ان مراحل سے گزرنا چاہیے۔

بلوم کی درجہ بندی سیکھنے کے سفر کو ڈھانچہ فراہم کرتی ہے۔

یہ خود سکھائے گئے ڈویلپرز کو یاد دلاتا ہے کہ مہارت ٹیوٹوریل دیکھ کر حاصل نہیں ہوتی، بلکہ درج ذیل مراحل سے ہوتی ہے: یاد رکھیں → سمجھیں → لاگو کریں → تجزیہ کریں → تشخیص کریں → تخلیق کریں (تخلیق پر زور دیتے ہوئے)۔

تخلیق کرنا ایک ڈویلپر کے طور پر آپ کے سفر میں سب سے مشکل لیکن سب سے زیادہ تبدیلی کے تجربات میں سے ایک ہے۔ یہ آپ کو تجریدی طور پر سوچنے، ابہام کا مقابلہ کرنے، اور مسائل کے ان جہتوں کو محسوس کرنے پر مجبور کرتا ہے جو سبق شاذ و نادر ہی ظاہر کرتے ہیں۔

جب آپ کسی چیز کو حقیقی بناتے ہیں تو آپ کے دماغ میں نظریہ کی صفائی ٹوٹ جاتی ہے اور آپ کو اس کی اصل پیچیدگی نظر آنے لگتی ہے۔ اس کے بعد آپ کو ان چیلنجوں کو حل کرنے کے لیے حکمت عملی وضع کرنے کی ضرورت ہوگی، اور آپ اس عمل کے ذریعے سیکھیں گے۔

اور کسی بھی قابل قدر کی طرح، عمل ہمیشہ ہموار نہیں ہوتا ہے۔ آپ کو صرف ایک یا دو کی بجائے سینکڑوں کیڑے آتے ہیں۔ لیکن حقیقی علم کی تعمیر بالکل اسی طرح ہوتی ہے۔ آپ جو بھی بگ حل کرتے ہیں وہ آپ کی طویل مدتی یادداشت میں ایک مستقل شے بن جاتا ہے۔

اگلی بار جب آپ اس غلطی کو دیکھیں گے تو آپ گھبرائیں گے نہیں۔ اس کے بجائے، آپ اسے فوراً پہچان سکتے ہیں اور یہ جان سکتے ہیں کہ مسئلہ کہاں ہو رہا ہے اور اسے کیسے ٹھیک کیا جائے۔

کچھ خود سکھائے ہوئے ڈویلپرز کو کچھ کیڑے کا سامنا کرنا پڑتا ہے اور وہ دوبارہ کبھی کسی پروجیکٹ پر واپس نہیں آتے، یہ نتیجہ اخذ کرتے ہوئے کہ "کوڈنگ میرے لیے نہیں ہے۔”

اگر آپ کچھ اصلاحات کرنے کی کوشش کرتے ہیں اور کوئی پیش رفت نظر نہیں آتی ہے، تو آپ کام چھوڑ دیتے ہیں اور کچھ اور تلاش کرتے ہیں۔ لیکن یہ ایک غلط نتیجہ ہے۔ مسئلہ اکثر ٹیلنٹ کی کمی نہیں ہے۔ یہ ایک غلط فہمی ہے کہ علمی دباؤ کے تحت دماغ کس طرح برتاؤ کرتا ہے۔

مرتکز اور پھیلانے والے طریقوں

اگر آپ کیڑوں کے ساتھ کشتی میں لمبا وقت گزارتے ہیں، تو آپ کو ذہنی یا فنکشنل فکسشن کا تجربہ ہو سکتا ہے۔

ایسا اس وقت ہوتا ہے جب آپ کا دماغ ایک استدلال پر پھنس جاتا ہے اور ایک ہی منطقی راستے کو بار بار دہراتا ہے کیونکہ اسے لگتا ہے کہ یہ صحیح سمت ہے۔ جتنی دیر تک آپ کسی مسئلے کو گھورتے ہیں، آپ کا علمی فریم ورک اتنا ہی گہرا ہوتا جاتا ہے۔ سرنگ کے نقطہ نظر کو ترقی دینے سے متبادل حل دیکھنا تقریباً ناممکن ہو جاتا ہے۔

یہ سمجھنا کہ دماغ کیسے کام کرتا ہے یہاں ضروری ہے۔

اوکلے (2014) کے مطابق، دماغ دو بنیادی طریقوں میں کام کرتا ہے۔

1. فوکس موڈ: معلوم فارمولوں کو عملی جامہ پہنانے یا واضح طریقہ کار پر عمل کرنے کے لیے اچھا ہے، نئے طریقوں کو دریافت کرنے یا ذہنی زبوں حالی سے نکلنے کے لیے بہت اچھا نہیں ہے۔

2. ڈفیوژن موڈ: چلنے پھرنے، نہانے، آرام کرنے یا سوتے وقت فعال ہوتا ہے۔

اس دوسرے موڈ میں، دماغ ایک "بڑی تصویر” حالت میں داخل ہوتا ہے جس میں اعصابی رابطے متعدد خطوں میں پھیل جاتے ہیں۔

پس منظر کے عمل شعوری توجہ کے محدود سرنگ وژن کے بغیر مسائل کو حل کرتے رہتے ہیں۔

اس رجحان کو انکیوبیشن کہا جاتا ہے۔

یہی وجہ ہے کہ جب آپ مسئلے کے بارے میں فعال طور پر نہیں سوچتے ہیں تو حل ظاہر ہوتے ہیں۔ جب آپ ایک قدم پیچھے ہٹتے ہیں تو اچانک جواب ظاہر ہوتا ہے۔ اس لیے نہیں کہ آپ نے کام کرنا چھوڑ دیا، بلکہ اس لیے کہ آپ کے دماغ کے دوسرے حصوں نے آپ کے لیے کام کرنا شروع کر دیا۔

حقیقت یہ ہے کہ بہت سے ڈویلپرز کبھی بھی انکیوبیشن کی اجازت نہیں دیتے۔ جب آپ کسی مسئلے سے ایک قدم پیچھے ہٹتے ہیں، تو آپ کا دماغ لاشعوری ترکیب انجام دیتا ہے۔ یعنی، یہ شور (بیرونی بوجھ) کو ختم کرتا ہے اور اس بات کو یقینی بناتا ہے کہ بنیادی منطق (جرمن بوجھ) مستحکم ہے۔ جب آپ واپس آتے ہیں، تو آپ جس "غلط” راستے سے چمٹے ہوئے تھے وہ ختم ہو گیا، اور صحیح راستہ جو ہمیشہ سے رہا ہے آخرکار نظر آتا ہے۔

یہی وجہ ہے کہ ڈویلپرز کو جان بوجھ کر انکیوبیشن کی اجازت دینی چاہیے۔ ہم ماضی کے عظیم انسانوں سے کچھ سبق لے سکتے ہیں۔

Henri Poincaré مشہور طور پر Fuchsian افعال کے ساتھ کئی ہفتوں تک جدوجہد کرتا رہا۔ یہ اس کے ارضیاتی سفر کے دوران تھا، ریاضی کو مکمل طور پر فراموش کرتے ہوئے، جب اس نے اومنی بس پر قدم رکھا تو اس کا حل "کامل یقین” کے ساتھ ظاہر ہوا۔ اس کی پیش رفت زیادہ کوششوں سے نہیں، بلکہ ڈفیوژن موڈ کو سنبھالنے کے لیے کافی دیر پیچھے ہٹنے سے حاصل ہوئی۔

فریڈرک اگست کیکولے کو کئی سالوں سے یہ سوچنے کے بعد بھی ایسا ہی تجربہ ہوا تھا کہ بینزین میں کاربن کے ایٹم لکیری ڈھانچے میں کیوں فٹ نہیں ہوتے ہیں۔

اگر تاریخ کے عظیم ترین ذہنوں میں سے کچھ مسائل سے دور ہو گئے ہیں اور پھیلاؤ کے انداز میں حل تلاش کر چکے ہیں، تو ڈویلپرز کو اپنے آپ سے مختلف سلوک کیوں کرنا چاہیے؟

اب جب کہ آپ سیکھنے کی چند اہم حکمت عملیوں سے واقف ہیں (علمی بوجھ کا نظریہ، فاصلاتی تکرار، بلوم کی درجہ بندی)، شروع سے پروجیکٹ بنانا یا بنانا آپ کا اگلا کام ہونا چاہیے۔ اس سے آپ کو ان تمام مختلف علموں کو چھاننے، تلاش کرنے، منظم کرنے اور سیل کرنے میں مدد ملے گی جو آپ نے خود سکھائے ہوئے ڈویلپر کے طور پر جمع کیے ہیں۔

نتیجہ

اس مضمون میں ہم نے دریافت کیا کہ انسانی دماغ پروگرامنگ کو سمجھنے کے لیے فطری طور پر کیوں نہیں جڑا ہوا ہے۔ کوڈنگ ایک حیاتیاتی طور پر ثانوی مہارت ہے۔ اس کا مطلب یہ ہے کہ یہ ڈوبنے سے قدرتی طور پر ترقی نہیں کرتا ہے، بلکہ اس کے لیے واضح تربیت، ساخت اور صبر کی ضرورت ہوتی ہے۔

ہم نے کام کرنے والی یادداشت کی حدود، چنکنگ کی اہمیت، اور علمی بوجھ کو سنبھالنے کی ضرورت کے بارے میں بھی بات کی تاکہ سیکھنے کو زیادہ کرنے کی بجائے ممکن ہو سکے۔

اس کے بعد ہم نے علمی بوجھ تھیوری کے تین اجزاء کا تجزیہ کیا: اندرونی بوجھ، خارجی بوجھ، اور متعلقہ بوجھ، اور اس بات پر تبادلہ خیال کیا کہ ہر جزو سیکھنے کے عمل کو کیسے متاثر کرتا ہے۔ بیرونی بوجھ کو کم کرنا خاص طور پر خود سکھائے ہوئے ڈویلپرز کے لیے اہم ہے کیونکہ یہ بامعنی تفہیم کے لیے ذہنی وسائل کو آزاد کرتا ہے۔

وہاں ہم نے Ebbinghaus بھولنے والے وکر کو دیکھا، جس سے پتہ چلتا ہے کہ نئی سیکھی گئی معلومات بغیر کسی کمک کے کتنی جلدی غائب ہو جاتی ہیں۔

اس قدرتی بھولنے کا مقابلہ کرنے کے لیے، ہم نے فاصلاتی تکرار متعارف کروائی، زیادہ وقفوں پر مواد کا جائزہ لے کر یادداشت کو مضبوط کرنے کا ایک طریقہ۔ ہم نے جان بوجھ کر پریکٹس کا بھی جائزہ لیا، جو سیکھنے والوں کو اپنے آرام کے علاقے سے آگے بڑھنے اور مستند مہارت کی نشوونما کو فروغ دینے کی ترغیب دیتا ہے، اور بلوم کی درجہ بندی، جو یادداشت سے تخلیق تک علمی ترقی کے مراحل کا خاکہ پیش کرتی ہے۔

آخر میں، ہم نے یہ جاننے کی اہمیت پر زور دیا کہ کب پیچھے ہٹنا ہے۔ دماغ فوکسڈ اور ڈفیوز دونوں طریقوں سے کام کرتا ہے، اور موثر سیکھنے کے لیے دونوں کے درمیان حرکت کی ضرورت ہوتی ہے۔ آرام کمزوری کی علامت نہیں ہے بلکہ انضمام اور بصیرت کا لازمی جزو ہے۔

ایک ساتھ، یہ نظریات سائنسی درستگی کے ساتھ کوڈ سیکھنے کے لیے ایک جامع فریم ورک بناتے ہیں۔ جب خود سکھائے گئے ڈویلپرز یہ سمجھتے ہیں کہ ان کے دماغ کیسے سیکھتے ہیں، بھولتے ہیں اور بڑھتے ہیں، تو وہ سیکھنے کے ایسے عمل کو ڈیزائن کر سکتے ہیں جو نہ صرف زیادہ موثر ہوں، بلکہ بہت زیادہ پائیدار بھی ہوں۔

اس تمام نئے علم کے ساتھ، ایک سچائی یقینی ہے: توجہ، عزم، اور مستقل مزاجی وہ قوتیں ہیں جو نظریہ کو مہارت میں بدل دیتی ہیں۔

سائنس سیکھنا عمل میں آپ کی رہنمائی کر سکتا ہے، لیکن صرف مسلسل کوشش ہی علم کو مہارت میں بدل دیتی ہے۔

حوالہ جات

1. Clearwater, L. (2024)۔ سیکھنے کی برقراری کے پیچھے سائنس کو سمجھنا | رپورٹ | ہم کیا سوچتے ہیں | انڈیجن. [online] www.indegene.com۔ دستیاب: https://www.indegene.com/what-we-think/reports/understanding-science-behind-learning-retention۔

2. ڈیلن ولیم [@dylanwiliam]. (25 جنوری 2017)۔ میں اس نتیجے پر پہنچا ہوں کہ سویلر کا علمی بوجھ کا نظریہ اساتذہ کے لیے جاننا سب سے اہم چیز ہے۔ [Tweet]. X. https://x.com/dylanwiliam/status/824682504602943489

3. Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993)۔
   ماہر کارکردگی کے حصول میں جان بوجھ کر مشق کا کردار۔
   نفسیاتی جائزہ، 100(3)، 363–406۔

4. گارنیٹ، ایس (2020)۔ علمی بوجھ تھیوری پر ایک استاد کی ہینڈ بک۔. [online] دستیاب: https://www.crownhouse.co.uk/assets/look-inside/9781785835018.pdf۔

5. گیری، ڈی سی (2007)۔ ریاضی سیکھنے کی معذوری پر ایک ارتقائی نقطہ نظر۔. ترقیاتی اعصابی نفسیات، 32(1)، 471-519۔ https://doi.org/10.1080/87565640701360924

6. گیری، ڈی سی (2008)۔ ارتقائی طور پر باخبر تعلیمی سائنس. تعلیمی ماہر نفسیات، 43(4)، 179-195۔ https://doi.org/10.1080/00461520802392133

7. جارج اے ملر (1956)۔ جادو نمبر 7 پلس یا مائنس 2: آپ کی انفارمیشن پروسیسنگ کی صلاحیت پر کچھ حدود. نفسیاتی جائزہ، 63(2)، 81-97۔ https://doi.org/10.1037/h0043158

8. کووان، نیلسن (2001)۔ قلیل مدتی میموری میں جادو نمبر 4: ذہنی ذخیرہ کرنے کی صلاحیت پر نظر ثانی کرنا۔. طرز عمل اور دماغی سائنسز، 24(1)، 87-114۔ https://doi.org/10.1017/S0140525X01003922

9. اوکلے، بی (2014)۔ نمبروں کے لیے ذہن: ریاضی اور سائنس میں کیسے سبقت حاصل کی جائے (یہاں تک کہ جب آپ الجبرا میں ناکام ہو جائیں)۔ نیویارک: ٹارچر پیریگی۔

10. سویلر، جے (1988)۔ مسئلہ حل کرنے کے دوران علمی بوجھ: سیکھنے کے لیے مضمرات۔ علمی سائنس، [online] 12(2)، صفحہ 257–285۔ doi: https://doi.org/10.1207/s15516709cog1202_4۔

میں

میں