Metakognition: hur vet jag att jag kan det?
Förutsäg vad du kan kallt, testa, och låt gapet styra nästa pass.
Det känns ofta klart medan slides ligger uppslagna. Sen, utan stöd, märker du att “klart” bara var bekant. Kalibrering är konsten att märka skillnaden innan tentan gör det åt dig.
Metakognition här betyder: förutsäg vad du kan producera kallt, testa, jämför förutsägelse med utfall, och justera nästa pass efter gapet.
Varför det fungerar
Koriat och Bjork (2005) beskriver illusions of competence: du bedömer lärande med materialet framför dig, men tentas när det är borta. Då blir du systematiskt översäker och slutar plugga för tidigt.
Retrieval practice och önskvärda svårigheter funkar delvis för att de bryter den illusionen. Kalibrering gör brytningen medveten: du använder utfallet som feedback till planeringen, inte bara som “hur gick det?”.
Samma fälla syns när du nickat igenom ett worked example och tror att tentatalet sitter. Förutsäg kallt. Lös. Jämför.
I praktiken
Efter ett pass, innan du stänger laptopen:
- Välj tre mål: ett begrepp, en procedur, ett tentatal.
- Skriv en snabb förutsägelse: klarar jag detta utan stöd imorgon? (ja / osäker / nej)
- Testa nu i två till fem minuter utan anteckningar.
- Markera match eller gap. Gapet styr morgondagens lista, inte magkänslan.
| Förutsägelse -> utfall | Tolkning | Justering till nästa pass |
|---|---|---|
| Ja -> ja | Kalibreringen håller | öka svårighet eller intervall lite |
| Ja -> nej | Fluency-fälla | kör retrieval tidigare och med mindre stöd |
| Osäker -> ja | Du underskattar dig själv | behåll metod, minska onödig omtagning |
| Nej -> nej | Rätt lägesbild | bryt ner momentet och bygg med färre steg |
Upprepa samma tre mål efter en natts sömn. Om gårdagens “ja” blir dagens “nej” hade du fluency, inte kunskap. Koppla till Minimum Viable Learning: kan du återkalla, transferera och motivera?
Vanlig fälla
Att kalibrera med facit synligt, eller med AI som fyller i luckorna. Då mäter du igenkänning. En annan fälla är att bara logga studietimmar. Tid utan förutsägelse, test och jämförelse säger lite om vad som sitter.
Kalibrering ersätter inte metoderna. Den säger vilken metod du ska öka: retrieval, fading, eller mer förklaring.
Källor (urval)
Koriat & Bjork (2005); Bjork & Bjork (2011); Dunlosky et al. (2013).