กฎกำลังของการฝึกฝนระบุว่าลอการิทึมของเวลาตอบสนองสำหรับงานเฉพาะจะลดลงเชิงเส้นตามลอการิทึมของจำนวนครั้งของการฝึกฝน นี่เป็นตัวอย่างของผลกระทบของเส้นโค้งการเรียนรู้ต่อประสิทธิภาพ กฎนี้ได้รับการเสนอครั้งแรกในฐานะกฎทางจิตวิทยาโดย Snoddy (1928) ^{[ 1 ]}ถูกนำมาใช้โดย Crossman (1959) ^{[ 2 ]}ในการศึกษาของเขาเกี่ยวกับคนม้วนซิการ์ในคิวบา และมีบทบาทสำคัญในการพัฒนาวิศวกรรมความรู้ความเข้าใจโดย Card, Moran และ Newell (1983) ^{[ 3 ]}กลไกที่อธิบายกฎกำลังนี้ได้รับความนิยมโดย Fitts และ Posner (1967) ^{[ 4 ]} Newell และ Rosenbloom (1981) ^{[ 5 ]}และ Anderson (1982) ^{[ 6 ]}

อย่างไรก็ตาม งานวิจัยต่อมาโดย Heathcote, Brown และ Mewhort ชี้ให้เห็นว่าฟังก์ชันกำลังที่สังเกตได้ในเส้นโค้งการเรียนรู้ที่เฉลี่ยจากผู้เข้าร่วมทั้งหมดเป็นสิ่งประดิษฐ์ของการรวมกลุ่ม^{[ 7 ]} Heathcote และคณะแนะนำว่าข้อมูลระดับบุคคลจะเหมาะสมกับฟังก์ชันเลขชี้กำลัง ได้ดีกว่า และผู้เขียนแสดงให้เห็นว่าเส้นโค้งเลขชี้กำลังหลายเส้นจะเฉลี่ยกันจนได้เส้นโค้งที่ดูเหมือนจะเหมาะสมกับฟังก์ชันกำลังอย่างน่าเข้าใจผิด

ฟังก์ชันกำลังนั้นตั้งอยู่บนแนวคิดที่ว่ามีบางสิ่งบางอย่างที่ทำให้กระบวนการเรียนรู้ช้าลง อย่างน้อยนั่นคือสิ่งที่ฟังก์ชันนี้ชี้ให้เห็น การเรียนรู้ของเราไม่ได้เกิดขึ้นในอัตราคงที่ตามฟังก์ชันนี้ การเรียนรู้ของเราถูกขัดขวาง ฟังก์ชันเลขชี้กำลังแสดงให้เห็นว่าการเรียนรู้เพิ่มขึ้นในอัตราคงที่เมื่อเทียบกับสิ่งที่เหลืออยู่ที่จะต้องเรียนรู้ หากคุณไม่รู้อะไรเลยเกี่ยวกับหัวข้อใดหัวข้อหนึ่ง คุณสามารถเรียนรู้ข้อมูล 50% ได้อย่างรวดเร็ว แต่เมื่อคุณมีสิ่งที่จะต้องเรียนรู้น้อยลง 50% การเรียนรู้ 50% ที่เหลือก็จะใช้เวลานานขึ้น

งานวิจัยของ Logan ชี้ให้เห็นว่าทฤษฎีตัวอย่างของความเป็นอัตโนมัติสามารถนำมาใช้เพื่ออธิบายว่าเหตุใดกฎกำลังจึงถือเป็นภาพที่แม่นยำของเส้นโค้งการเรียนรู้เวลาตอบสนอง^{[ 8 ]}ทักษะจะเป็นอัตโนมัติเมื่อมีขั้นตอนเดียวจากสิ่งเร้าไปสู่การเรียกคืน สำหรับ งาน แก้ปัญหา หลายอย่าง (ดูตารางด้านล่าง) เวลาตอบสนองเกี่ยวข้องกับระยะเวลาที่ใช้ในการค้นหาคำตอบ แต่เมื่อเวลาผ่านไป คำตอบบางอย่างจะถูกเก็บไว้ในความทรงจำของแต่ละบุคคล และพวกเขาเพียงแค่ต้องเรียกคืนข้อมูล ซึ่งจะช่วยลดเวลาตอบสนอง นี่เป็นทฤษฎีแรกที่กล่าวถึงเหตุผลของกฎกำลังของการฝึกฝน

ฟังก์ชันพลังงาน:

RT = aP ^{− b} + c

ฟังก์ชันเลขชี้กำลัง:

RT = ae ^{− b(P-1)} + c

ที่ไหน

RT = เวลาที่ใช้ในการทำแบบทดสอบให้เสร็จสิ้น

P = หมายเลขการทดลอง เริ่มต้นจาก 1 (สำหรับฟังก์ชันเลขชี้กำลัง จะใช้ค่า P-1)

a , bและcเป็นค่าคงที่

ผลของการฝึกปฏิบัติยังได้รับอิทธิพลจากระยะเวลาแฝงด้วย แอนเดอร์สัน ฟินแชม และดักลาส ได้ศึกษาความสัมพันธ์ระหว่างการฝึกปฏิบัติและระยะเวลาแฝงกับความสามารถของผู้คนในการจดจำสิ่งที่พวกเขาเรียนรู้ ยิ่งเวลาระหว่างการทดลองเพิ่มขึ้น ความจำก็จะเสื่อมลงมากขึ้น ฟังก์ชันระยะเวลาแฝงเกี่ยวข้องกับเส้นโค้งการลืม^{[ 9 ]}

ฟังก์ชันความหน่วง:

ความหน่วง = A + B*T ^d

ที่ไหน

A = เวลาแฝงเชิงอะซิมโทติก B = เวลาแฝงที่เปลี่ยนแปลงได้ T = เวลาKระหว่างการแนะนำและการทดสอบ d = อัตราการเสื่อมถอย

พอร์ทัล: จิตวิทยา

• เส้นโค้งการเรียนรู้
• กฎกำลัง
• การลืม
• กฎแห่งอำนาจ