Arousal • Pozor
Koncentrace • Vědomí
Rozhodování • Výkonné funkce
Jazyk • Učení • Paměť
Koordinace motoriky • Vnímání
Plánování • Řešení problémů
Myšlení
Arthur L. Benton • Antonio Damasio
Phineas Gage • Norman Geschwind
Donald Hebb • Alexander Luria •
Muriel D. Lezak • Brenda Milner
Karl Pribram • Oliver Sacks
Roger Sperry
Benderův-Gestaltův test
Bentonův test zrakové retence
Hodnocení klinické demence
Trvalá výkonnostní úloha
Haylingovy a Brixtonovy testy
Lexikální rozhodovací úloha
Mini vyšetření duševního stavu
Stroopova úloha
Wechsler Adult Intelligence Scale
Wisconsinská úloha třídění karet
Řešení problémů tvoří součást myšlení. Řešení problémů, považované za nejsložitější ze všech intelektuálních funkcí, bylo definováno jako kognitivní proces vyššího řádu, který vyžaduje modulaci a řízení rutinnějších nebo základních dovedností (Goldstein & Levin, 1987). Dochází k němu, pokud organismus nebo systém umělé inteligence neví, jak postupovat od daného stavu k požadovanému stavu cíle. Je součástí širšího procesu řešení problémů, který zahrnuje hledání problémů a jejich tvarování.
Povaha metod řešení lidských problémů byla zkoumána psychology v posledních sto letech. Existuje několik metod, jak řešit problémy, včetně introspekce, behaviorismu, simulace a počítačového modelování a experimentu.
Počínaje ranými experimentálními pracemi Gestaltistů v Německu (např. Duncker, 1935) a pokračujíc přes 60. a počátek 70. let, výzkum řešení problémů obvykle prováděl relativně jednoduché, laboratorní úkoly (např. Dunckerův „rentgenový“ problém; Ewertův & Lambertův „diskový“ problém z roku 1932, později známý jako Věž v Hanoji), které se účastníkům jevily jako nové (např. Mayer, 1992). Různé důvody vysvětlují volbu jednoduchých novátorských úkolů: měli jasně definovaná optimální řešení, byli řešitelní v relativně krátkém časovém rámci, výzkumníci mohli sledovat kroky účastníků při řešení problémů a tak dále. Výzkumníci samozřejmě vycházeli z předpokladu, že jednoduché úkoly jako Věž v Hanoji zachytily hlavní vlastnosti problémů „reálného světa“ a že kognitivní procesy, na nichž stojí pokusy účastníků řešit jednoduché problémy, byly reprezentativní pro procesy, které se zabývají řešením problémů „reálného světa“. Výzkumníci tedy používali jednoduché problémy z praktických důvodů a domnívali se, že zobecnění složitějších problémů bude možné. Snad nejznámějším a nejpůsobivějším příkladem tohoto směru výzkumu zůstává práce Newella a Simona (1972).
V Evropě se vynořily dva hlavní přístupy, jeden inicioval Donald Broadbent (1977; viz Berry & Broadbent, 1995) ve Velké Británii a druhý Dietrich Dörner (1975, 1985; viz Dörner & Wearing, 1995) v Německu. Oba přístupy mají společný důraz na poměrně složité, sémanticky bohaté, počítačové laboratorní úkoly, konstruované tak, aby připomínaly problémy reálného života. Přístupy se však poněkud liší ve svých teoretických cílech a metodologii. Tradice iniciovaná Broadbentem zdůrazňuje rozdíl mezi kognitivními procesy řešení problémů, které fungují pod vědomím oproti mimo vědomí a obvykle používají matematicky přesně definované počítačové systémy. Tradice iniciovaná Dörnerem má naopak zájem o souhru kognitivních, motivačních a sociálních složek řešení problémů a využívá velmi složité počítačové scénáře, které obsahují až 2000 vysoce propojených proměnných (např. Dörner, Kreuzig, Reither & Stäudel’s 1983 LOHHAUSEN project; Ringelband, Misiak & Kluwe, 1990). Buchner (1995) popisuje obě tradice podrobně.
Abychom to shrnuli, zjištění výzkumníků, že procesy řešení problémů se liší napříč znalostními oblastmi a napříč úrovněmi odbornosti (např. Sternberg, 1995) a že tudíž poznatky získané v laboratoři nemohou nutně zobecnit na situace řešení problémů mimo laboratoř, vedlo v posledních dvou desetiletích k důrazu na řešení problémů v reálném světě. Tento důraz byl ovšem vyjádřen zcela odlišně v Severní Americe a v Evropě. Zatímco severoamerický výzkum se obvykle soustředil na studium řešení problémů v oddělených, přirozených znalostních oblastech, velká část evropského výzkumu se zaměřila na neotřelé, složité problémy a byla prováděna s počítačovými scénáři (viz Funke, 1991, pro přehled).
V Severní Americe, iniciované prací Herberta Simona o učení praxí v sémanticky bohatých oblastech (např. Anzai & Simon, 1979; Bhaskar & Simon, 1977), začali výzkumníci samostatně zkoumat řešení problémů v různých přírodních vědních oblastech – jako je fyzika, psaní nebo šachy – čímž se vzdali svých pokusů o získání globální teorie řešení problémů (např. Sternberg & Frensch, 1991). Místo toho se tito výzkumníci často zaměřovali na rozvoj řešení problémů v rámci určité oblasti, tedy na rozvoj odbornosti (např. Anderson, Boyle & Reiser, 1985; Chase & Simon, 1973; Chi, Feltovich & Glaser, 1981).
Oblasti, které v Severní Americe přitahovaly spíše intenzivní pozornost, zahrnují tak různorodé oblasti, jako jsou:
Charakteristika obtížných problémů
Jak objasnil Dietrich Dörner a později rozvedl Joachim Funke, obtížné problémy mají některé typické vlastnosti, které lze shrnout následovně:
Řešení obtížných problémů vyžaduje přímý útok na každou z těchto charakteristik, které se vyskytnou.
V reformní matematice je kladen větší důraz na řešení problémů vzhledem k základním dovednostem, kde lze základní operace provádět pomocí kalkulaček. Některé „problémy“ však mohou mít ve skutečnosti standardní řešení vyučovaná ve vyšších ročnících. Například školky by mohly být dotázány, kolik prstů je na všech rukavicích 3 dětí, což lze vyřešit násobením.