Comment entraîner sa capacité à rester longtemps concentré sur des sujets complexes ?

Une hypothèse intéressante serait de combiner les principes du Deep Work de Cal Newport, consistant à se concentrer sans distraction sur des tâches cognitivement exigeantes, et des machines à enseigner de B.F. Skinner, qui décomposent les tâches en étapes progressives pour faciliter l’apprentissage.

1️⃣ Créez un environnement d’étude sans distraction 🌱 : Par exemple, aménagez un espace de travail dédié sans téléphone portable ni notifications pour vous immerger pleinement dans les tâches complexes (comme résoudre des problèmes de programmation ou rédiger un essai).

2️⃣ Divisez les tâches complexes en sous-tâches 🧩 : Décomposez un projet de recherche en étapes plus petites et abordables (collecte de données, analyse, rédaction), pour faciliter la concentration et permettre une progression plus séquencée et efficace cognitivement.

3️⃣ Utilisez ChatGPT pour un feedback immédiat 🤖 : Intégrez ChatGPT, ou un autre modèle de langage avancé, pour obtenir un feedback instantané sur vos travaux. Posez des questions sur votre compréhension des concepts, ou soumettez des ébauches de textes, pour recevoir des conseils et des critiques constructives en temps réel.

4️⃣ Renforcez vos succès avec des récompenses 🎁 : Appliquez le principe du renforcement en vous accordant des récompenses, comme une pause-café ou l’écoute d’une musique que vous appréciez particulièrement, juste après avoir terminé une session intensive d’étude en Deep Work.

5️⃣ Prévoyez des moments de repos et de récupération 🏖 : Planifiez des pauses après plusieurs sessions de travail profond, comme une promenade à l’extérieur, de la méditation ou une séance d’étirement, pour éviter l’épuisement et maintenir un haut niveau de performance sur le long terme (le physique joue beaucoup).

Ce sont des pistes directement applicables pour les études et les formations.
Mais ces mêmes principes peuvent être appliqués pour le Deep Work au travail, surtout pour les travailleurs du savoir.

🔧 Prochaine étape : conceptualiser une machine à enseigner intelligente (deep teaching machine).