آشنایی با روش‌های یادگیری Just In Time و Just In Case

آشنایی با روش‌های یادگیری Just In Time و Just In Case

Just In Case و Just In Time اصطلاحاتی هستند که از علم مدیریت موجودی کالا نشأت گرفته‌اند به طوری که در روش Just In Case مدیریت شرکت یا سازمان کالاهای مورد نیاز را از قبل تهیه کرده و در انبار نگهداری می‌کند تا اگر روزی یکی از این کالاها مورد نیاز بود، آماده و در دسترس باشد و نیاز به توضیح نیست که این روش معایب خاص خود را دارا است که از آن‌ جمله می‌توان به هزینه‌های جانبی نگهداری کالا‌، آسیب‌های احتمالی و تخریب کالا خریداری شده در طول زمان و متأثر شدن از نوسانات قیمت بازار اشاره کرد به علاوه اینکه ریسک هرگز به کار گرفته نشدن کالا خریداری شده همواره وجود دارد. در مقابل، می‌توان گفت که تویوتا یکی از اصلی‌ترین پیشگامان مدیریت موجودی و تولید به روش Just In Time یا به اختصار JIT است به طوری که این روش هزینه‌های جانبی نگهداری و انبار نمودن کالا از یکسو و همچنین ضایعات تولید را از سوی دیگر کاهش می‌دهد. به عبارتی، شرکت‌هایی که از این رویکرد برای تأمین موجودی کالای مصرفی خود استفاده می‌کنند بسته به نیازی که دارند در لحظه اقدام به موجود کردن کالای مورد نیاز خود می‌کنند. حال اگر بخواهیم این موضوع را بسط دهیم به صنعت توسعهٔ نرم‌افزار و آموزش برنامه‌نویسی و یا حتی در یک دید کلی‌تر این مقوله را مرتبط سازیم با مبحث یادگیری، این سؤل پیش می‌آید که آیا دولوپرها و مهندسان نرم‌افزار به این خاطر که ممکن است در آینده به چیزهای جدیدی نیاز پیدا کنند، باید هم‌اکنون آن‌ها را بیاموزند یا اینکه یادگیری موارد جدید را باید به زمانی موکول کنند که واقعاً به دانستن آن‌ها احتیاج دارند؟

به طور کلی، در مورد یادگیری هر چیزی می‌توان اصطلاحات Just In Case و Just In Time را به کار برد به طوری که وقتی چیزهایی را می‌آموزیم تا شاید در آینده به کار آیند، به آن یادگیری Just In Case می‌گوییم. یک نمونهٔ خیلی رایج این روش یادگیری روندی است که در مدرسه‌ها و دانشگاه‌ها رایج است به طوری که دانش‌آموزان و دانش‌جویان مواد درسی متنوعی را می‌آموزند که حداقل به این زودی‌ها (و شاید هم هیچ‌وقت) عملاً مورد استفاده قرار نخواهند گرفت! روی هم رفته، از معایب این روش یادگیری می‌توان به دو مورد زیر اشاره کرد:

- چیزهایی را می‌آموزید که شاید هیچ‌وقت نقش مستقیمی در زندگی شخصی و حرفه‌ای شما نداشته‌ باشند و اندک‌اندک به اطلاعات بی‌اهمیتی تبدیل شوند.
- احتمالاً بیشتر آنچه را که می‌آموزید فراموش می‌کنید مگر آنکه دائماً در حال مرور آن باشید که این هم روش بسیار ناکارآمدی است.

در سوی دیگر، روش یادگیری Just In Time قرار دارد بدین معنی که هر چیز جدیدی را دقیقاً در همان زمانی بیاموزید که به آن واقعاً نیاز دارید که در این صورت به خاطر نیازی که دارید، مغز شما بیشتر با موضوع درگیر شده و یادگیری سریع‌تر و عمیق‌تری خواهید داشت و همچنین وقت خود را برای یادگیری موارد غیرضروری صرف نخواهید کرد.

شاید در یک نگاه کلی روش Just In Time نسبت به روش وقت‌گیر Just In Case یادگیری بهتر، سریع‌تر و کارآمدتری را در پی‌ داشته باشد و افراد زیادی نیز طرفدار این روش یادگیری هستند و استفاده از آن را توصیه می‌کنند اما در عین حال به نظر می‌رسد در این میان، مزایای روش Just In Case نادیده گرفته شده و از نظر دور مانده‌اند که در ادامه قصد داریم به برخی مزایا و جنبه‌های مثبت آن بپردازیم.

بیاموزیم که چه‌طور بیاموزیم
اگر خود یادگیری را یک مهارت در نظر بگیریم، روش Just In Case این فرصت را در اختیار ما قرار می‌دهد تا در زمینهٔ یادگیری ماهر شویم و هرچه موارد جدید بیشتر و بیشتری را بیاموزیم، مانند این است که در مهارت یادگیری تمرین بیشتر و بیشتری داشته‌ایم و این تمرین‌ها در نهایت سبب می‌شود اگر زمانی به یادگیری سریع و فوری یک چیز جدید نیاز داشتیم (روش Just In Time)، بتوانیم به راحتی آن را فرا گیریم.

این آسان شدن یادگیری گاهی به این دلیل است که چیزهایی که قبلاً بارها آموخته‌ایم به چیزهایی که اکنون و شاید در آینده می‌آموزیم شبیه است. به عنوان مثال، برای شخصی که قبلاً در طی سال‌ها چندین زبان برنامه‌نویسی را آموخته است، یادگیری یک زبان برنامه‌نویسی جدید (حداقل تا حدی که بتواند به اصول پایه‌ای آن پی ببرد و سینتکس آن زبان را درک کند) کار نسبتاً آسانی است زیرا این دولوپر عملاً مهارت یادگیری زبان برنامه‌نویسی را طی این سا‌ل‌ها آموخته است. از سوی دیگر،‌ گاهی اوقات چیزی را می‌آموزیم که نسبت به آموخته‌های پیشین ما کاملاً متفاوت است و شباهتی به آن‌ها ندارد که این نیز به نوبهٔ‌ خود مفید است زیرا ما را وادار می‌سازد تا یادگیری به روش‌های مختلف را بیاموزیم. به عنوان مثال، یادگیری یک زبان برنامه‌نویسی جدید با یادگیری در مورد AWS خیلی فرق دارد (AWS پلتفرم کلود آمازون است.) اما یادگیری هر یک از این دو سبب می‌شود با تکنیک‌های جدیدی در مهارت یادگیری آشنا شویم که ممکن است در یادگیری‌ دیگر چیزها در آینده به کمک ما بیایند که در این صورت فرقی نمی‌کند چه چیزی را می‌آموزیم و یا اینکه آن را با چه روشی می‌آموزیم، به هر حال ما در حال پرورش مهارت بیاموزیم که چه‌طور بیاموزیم هستیم تا کم‌کم به یک فرد یادگیرندهٔ ماهر تبدیل شویم.

حذف نقاط کور
گاهی یادگیری چیزی که نیاز فوری به آن نداریم، می‌تواند ما را در یافتن و حذف نقاط کور یاری کند (نقاط کور موارد و نکاتی هستند که تا قبل از آموختن مثلاً یک روش خاص یا آشنایی با یک ابزار خاص بر ما پوشیده‌اند و برای‌مان آشکار نمی‌شوند مگر اینکه آن روش خاص و یا استفاده از آن ابزار خاص را از قبل آموخته باشیم.) نکتهٔ مهمی که در هنگام یادگیری چیزهای جدید باید رعایت کرد این است که از خود بپرسیم که این ابزار جدید یا این روش جدید و به طور کلی این دانش جدید چه مشکلی از ما را حل می‌کند؟ یا می‌توانیم این سؤال را به شکل دیگری مطرح کنیم بدین صورت که این ابزار یا روش اولین بار به چه منظوری ایجاد شده است؟

در‌ واقع، باید در یادگیری هر چیزی به کاربرد عملی آن نیز دقت کنیم و آن را تنها به صورت محض و غیرکاربردی نیاموزیم زیرا در این صورت حتی اگر آن مبحث را با جزئیات کامل فرا گرفته باشیم، باز هم به زودی آن را فراموش خواهیم کرد مضاف بر اینکه اگر در مورد جنبه‌های کاربردی دانشی که می‌آموزیم فکر کنیم، در آینده به محض برخورد با مشکلی که این دانش در آن کاربرد دارد، ذهن ما هر چند ممکن است جزئیات را فراموش کرده باشد و یا حداقل در آن لحظه نتواند همهٔ‌ جزئیات را به خاطر بیاورد، اما به سرعت درمی‌باید که آن نکتهٔ خاص می‌تواند در حل این مسأله به کار آید و این در حالی است که اگر این دانش را نمی‌آموختیم، مغز ما به دنبال راه‌حل دیگری می‌گشت و شاید برای حل آن مشکل خاص به مسیر دیگری می‌رفتیم.

به طور کلی هرچه چیزهای بیشتری یاد بگیریم، نقاط کور ما کمتر می‌شوند و در نتیجه دید وسیع‌تری خواهیم داشت و کسی که دید و دانش گسترده‌تری داشته باشد، بیشتر به کشف چیز‌های ناشناخته دست می‌زند و این خود بیش از پیش باعث کاهش نقاط کور و پیدا نمودن راه‌های نو خواهد شد (در همین راستا، توصیه می‌کنیم به مقالهٔ چگونه یاد می‌گیریم؟ مراجعه نمایید.)

لایه‌ها و نمودارها
مغز ما دائماً در حال تصمیم‌گیری در مورد میزان اهمیت داده‌ها است که هرچند هیچ‌‌وقت دیتای خاصی را به کلی حذف نمی‌کند، اما ساختار آن به گونه‌ای است که اطلاعاتی که از اهمیت بالاتری برخوردارند را به راحتی به خاطر می‌آورد و برعکس اطلاعاتی که کم‌اهمیت هستند را به مرور زمان به سختی به خاطر می‌آورد و شاید گاهی هم کلاً فراموش کند.

یک روش خوب و رایج برای اینکه به مغز خود بفهمانیم که اطلاعات خاصی مهم هستند و یادآوری آن‌ها باید آسان و سریع رخ دهد، این است که آن اطلاعات خاص را پیوسته تکرار کنیم. اغلب ما با روش‌های تکرار اطلاعات (مثلاً استفاده از فلش‌کارت) آشنایی داریم اما این روش‌ها بیشتر در دوران مدرسه کاربرد داشتند و در زندگی حرفه‌ای خیلی اثربخش نیستند که در این صورت سؤالی به ذهن می‌رسد با این مضمون که یک مهندس نرم‌افزار و یا دولوپری که چیزی را به صورت Just In Case آموخته است،‌ چگونه باید دانش خود را برای استفاده از آن در آینده حفظ کند و اساساً چگونه باید به مغز خود بگوید که این‌ها اطلاعات مهمی هستند؟

گاهی اوقات پیش می‌آید که در دانشگاه مباحثی که در اوایل ترم تدریس شده‌اند را بهتر از مطالبی به خاطر می‌آوریم که در اواخر ترم تدریس شده‌اند که در ظاهر باید عکس این موضوع صادق باشد بدین صورت که مطالب اخیر باید زودتر به یاد آیند. در توضیح این اتفاق شاید بگویید دلیلش این است که مطالب اول ترم آسان‌تر بوده‌اند اما به نظر می‌رسد که مسأله کمی عمیق‌تر از این حرف‌ها می‌باشد. واقعیت امر آن است که مغز انسان بر اساس اطلاعاتی که در ابتدا دریافت می‌کند، میزان اهمیت اطلاعات بعدی را می‌سنجد و آن‌ها را در دسته‌های مهم و غیرمهم دسته‌بندی می‌کند و از همین روی اطلاعات اولیه نقش مهمی ایفا می‌کنند که مغز بر اساس آن‌ها در مورد نگهداری یا فراموش کردن سایر اطلاعات تصمیم می‌گیرد (می‌توان این موضوع را مانند یک توالی رسوبی تصور کرد که به تدریج بر روی هم قرار گرفته‌اند. لایه‌های زیرین از آنجا که زودتر بر جای گذاشته‌ شده‌اند و فشار لایه‌های بالایی را تحمل نموده‌اند، فشرده‌تر و مستحکم‌تر شده‌اند و به راحتی تغییرپذیر نیستند در حالی که لایه‌های بالایی که اخیراً بر جای گذاشته‌ شده‌اند، سست و غیرمستحکم بوده و تقریباً به راحتی قابل‌تغییر و حتی حذف شدن هستند.)

برای اینکه این موضوع واضح‌تر شود، تصور کنید که مغز از وابستگی‌های میان اطلاعات مختلف، برای خود نموداری رسم می‌کند که در چنین شرایطی اگر مغز تصمیم بگیرد بی‌اهمیت‌ترین اطلاعات را حذف کند (هرچند عملاً چنین کاری را نمی‌کند)، فکر می‌کنید که کدام اطلاعات را حذف خواهد کرد؟ مسلماً اطلاعاتی را حذف می‌کند که سایر اطلاعات کمترین وابستگی‌ها را به آن‌ها دارند که معمولاً در آخرین لایه‌ها قرار می‌گیرند. از همین روی، باید سعی کنیم همواره میان اطلاعات جدید و اطلاعات قدیمی خود ارتباط و وابستگی‌هایی ایجاد کنیم تا به دست فراموشی سپرده نشوند. به عنوان یک شاهد مثال،‌ مغز به راحتی متوجه می‌شود که هندسه، محاسبات پیچیدهٔ‌ ریاضی و بسیاری از مهارت‌های دیگر به اطلاعات جبر پایه وابسته هستند و از همین روی مغز اطلاعات جبر پایه را راحت‌تر به خاطر می‌آورد (تصور کنید یک دستگاه زباله‌روب کوچک دائماً در گوشه و کنار مغز به دنبال اطلاعاتی می‌گردد که مدتی است مورد استفاده قرار نگرفته‌اند، آن‌ها را پیدا نموده و از ذهن حذف می‌کند و بدین ترتیب فقط اطلاعاتی باقی می‌مانند که دائماً یا حداقل هر چند وقت یک بار مورد استفاده قرار می‌گیرند.)

سخن پایانی
در این مقاله در مورد مزیت‌های یادگیری Just In Case بحث کردیم و اینکه چه‌طور اطلاعاتی که فعلاً نیازی به آن نداریم را برای کاربردهای احتمالی آینده حفظ و نگهداری کنیم؛ اما این هرگز بدین معنا نیست که از امروز شروع کنیم و هر روش جدید، ابزار جدید و هر چیز جدید دیگری را بیاموزیم تا شاید روزی به کار ما بیاید بلکه باید تعادل را در یادگیری چیزهای جدید حفظ کنیم. در واقع، نمی‌شود به طور مطلق به یکی از دو روش Just In Case و Just In Time پایبند بود بلکه باید هوشیار بود و تشخیص داد که با گسترده‌تر کردن دایرهٔ‌ دانش خود، در چه زمینه‌هایی می‌توانیم در زندگی شخصی و حرفه‌ای خود رشد کنیم و یادگیری چه چیزهایی را می‌توانیم به آینده و به زمان نیاز فوری موکول کنیم.

علاوه بر این، گاهی اوقات پیش می‌آید که دانش یا مهارتی را کسب کرده‌ایم که اشتباه است که در چنین مواردی باید با مهارت‌های جایگزین‌ کرد دیتای جدیدی به جدای دیتای قدیمی آشنا بود که در این خصوص می‌توانید به مقالهٔ مفهوم سواد در قرن بیستم و یکم: برخورداری از مهارت‌های Unlearn ،Learn و Relearn مراجعه نمایید.

فارغ از اینکه دولوپر هستید یا خیر، دیدگاه شما در مورد روش‌های Just In Case و Just In Time در ارتباط با یادگیری هر چیزی، از فراگیری کدنویسی گرفته تا یادگیری مثلاً اصول کسب‌وکار یا حتی تعمیر خودرو، چیست و در این زمینه چه توصیه‌ای دارید؟ نظرات، دیدگاه‌ها و تجربیات خود را با دیگر کاربران سکان آکادمی به اشتراک بگذارید.

منبع


رائفه خلیلی