总结归纳有效学习创新知识及方法

知识，以千变万化的形式充盈于各种各样的学习之中，真可谓无所不在。那些“已学会”的知识帮助人们解读分析新信息，而“后习得”的知识则帮助人们打开想象的空间，把以往的不可能变为可能。正因为知识本身的核心地位，我们决定打破以往的章节形式，通过论述来讲解知识所能带来的深远影响。本章的目标是探讨人们对于传统教育设计与理想学习体验之间的差距与误解，从而树立新观念，塑造新气象。

由于工作性质决定，学习科学的研究人员和教育工作者通常需要全方位思考，不能局限于当下预设的学习目标，而是以长远的视角和发展的眼光来设计学习体验。因此，也会更触及问题的本质，比如判定有价值的学习结果、值得深入探究的学习目标，等等。这些涉及更深远利益的基础性教育问题应当由相关决策者权衡大局后而定。而此过程中，关于学习的科学理论则可以助我们一臂之力，以火眼金睛来辨别真正蕴含价值的学习形态，这一点在如今这个信息大爆炸的时代尤为重要。

我们此处提出的理论框架同时涉及两个关键的，某种程度上却又相互制衡的教育目标（Schwartz，Bransford&Sears，2005）：①培养并运用高效率的知识来解决重复性问题；②培养为适应全新环境而创造新知识的能力。这两类目标常在教育界的辩论中针锋相对，比如“训练学生熟练掌握技能和激发学生探索新知到底哪个更有价值”或是“到底教学应以老师为中心还是以学生为中心”等等。然而退一步来说，这两类目标一定是非此即彼吗？还是说能有一种理论框架可以让学习者所汲取的知识，既能提高解决常规问题的效率，又能促进创新？

图K.1　创新型知识与效率型知识的权衡

在学习科学中，一个常见的主流观点是“知识就是力量”。普遍认为这句话出自法国作家培根（Francis Bacon）。具体讲来，这句话在学习研究中表达的含义是“知识为学习者赋予有效的掌控力”。回溯到20世纪50年代，纽厄尔和西蒙（Newell&Simon，1972）着手打造了一种被称为通用型问题解决工具（general problem solver）的电脑程序。该程序会运用一些通用策略来解决问题，例如构建子目标，遍历每种可行方案，进行逻辑推理，等等。这套程序可谓是凝聚智慧的神来之笔！然而，该程序的创作者同时也意识到一个致命问题，即这些通用的解决策略都是弱方法：适用性广、效率低下、费时费力的“万金油”方法。与之相对的，解决问题过程中还会采用强方法：与知识密切结合，针对特定问题而制定的解决策略。若借助棋局来类比的话，新手每落一步棋，就会思索对方所有可能的应对招数，以及接下来自己如何见招拆招，这就是一种弱方法。高手下棋则会纵观全局，从横行纵列对角线中发现出奇制胜的先机，这就是强方法。由此可见，知识可以让我们变得更为高效、更为强大。

为效率而生的高效知识，其特点是易于快速上手、可精准应用、表现稳定。常年实施某项特定手术的医生就具备非常高效的知识。面对病患时，他们可以快速做出诊断并给予有效治疗。因此，当我们选择主刀医师的时候，不妨多问几句例如“您之前操刀过多少类似的病例”之类的问题。实际的操作经验可能比天生的高智商更能说明一个人的专业程度（请参考章节D）。

高效知识能够帮助人们提高解读有关联的新信息的能力，同时能够比教学方法本身更好地预测良好的学习效果（请参考章节S）。以阅读理解题为例，如果阅读材料与学生之前的某段经历相关，那么学生就能更好地完成题目。工作中也是一样，如果遇到自己之前处理过的情况，我们就能很快了解该获取哪些新信息，并制定相应解决方案。

掌握更丰富的知识甚至能够帮助我们抵抗衰老带来的影响！人过三十，对各类临时性信息的存留、选择，以及转换的能力就会开始下降。不过好在知识的积累可以一定程度上弥补能力的衰退，甚至反超其影响。在汉布里克和恩格尔（Hambrick&Engle，2002）的一项研究中，研究人员要求参与者首先收听几分钟棒球比赛的广播。随后，参与者要就刚才听到的内容回答问题。结果显示，对棒球了解程度相近的年轻人和年长者相比，前者能记住广播中的更多细节内容，毕竟他们的工作记忆更强健。然而了解棒球的年长者就能比不懂棒球的年轻人记住更多比赛细节，虽然年轻人的工作记忆更胜一筹。所以某种程度上知识反超时间的力量还是可以实现的！

学习科学首先关注的是学习的效率问题。在美国尤其如此，每当倡导皮亚杰理论^[1]的学者被问到一些具有“美国特色”的问题^[2]时，他们常会付之一笑。例如，“怎么才能让我家孩子更快地进入下一个成长的阶段呢？”“怎么才能更快的超越隔壁老王家的孩子呢？”类似关于效率的问题还真是契合美国实用主义至上的意识形态呢！

综上所述，我们似乎可以稳妥地得出这样的结论：高效知识的增长就是新手成为专家的标志。大部分学校里的考试关注的都是高效知识，唯一的标准答案便是其最明显的标志，而且考试形式也多为闭卷（Bransford&Schwartz，1999）。学生们在解答时既不能参考学习资料，也不依靠反馈指导，就好比与外界隔离开的陪审团一样^[3]。如此这般，如果学生们已经将知识进行有效储备，那么在面对相对熟悉的一类问题时，就能在有效的时间内直接做出正确解答。

高效知识理想的应用场景是那些稳定且重复性强的情境。例如阅读，其媒介要么是纸质书本，要么就是电子屏幕；文字的排版也有着通用的定式，比如大部分情况下是从左向右读等。于是在阅读的过程中，人们就会自动形成解读视觉信号的高效知识，让阅读的过程变得轻松自然。虽然有些已经是理所当然的事情，但我们却不可忽视其中蕴含的巨大价值！能够调用高效知识远比重新求解要效率得多！试想一下，如果这日复一日的生活中缺少了高效知识，那我们该如何面对不断重复的日常琐事呢？原本轻松简单的生活该会变得多么艰辛呐！

与此同时，借助合适的手段可以帮人们将那些没那么常规的、较为复杂的问题，转化为可以快速解决的常规问题。换句话说，以效率为导向的措施通常是想办法“消除问题”，而不是持续深入地“解决问题”。如果帮助人们把一生中要面对的问题都转化为常规问题，或者至少变得与常规问题尽量相似，那么人们就大可不必去深度求解问题，只要高效地消除问题即可。

然而，虽然想得美，但是生活艰难啊！一个人掌握的高效知识再多，也不足以应对环境与时间变幻莫测的考验。事实上，高度熟练的知识甚至还有可能干扰理想表现！例如，在2000年夏季奥运会女子体操跳马项目上，各国运动员集体发挥失常。人们后来才发现，当时布置赛场的工作人员误将跳马高度调低了2英寸（约5厘米）。而正是这小小的2英寸，打破了世界级运动员高度稳定的发挥。

“知识就是力量，知识也是偏见。”过往的知识与经历影响着人们解读世界的方式，而这些解读某种程度上也限制了我们的思维，阻碍了发现其他可能性的存在。举个例子，假如作为一名游客来探访一个地方，大家很可能会认为地方的风土民情颇具特色，而回到自己原来住的地方就觉得事事稀松平常。

从心理学上来说，人们倾向于采纳支持自己观点的证据，而忽略其他观点以及相应证据（请参考章节U）。赫克勒和斯凯夫（Heckler&Scaife，2015）发现，对于物理系学生来说，他们脑海中已经形成的观点会更容易让他们发现支持性数据，同时会妨碍他们解读与相反观点有关的数据。

高效知识还会潜入人们的意识，影响问题产生的过程，以至于人们提出问题的时候就已被预想的答案绑架。宝丽来相机发明者埃德温·兰德（Edwin Land）曾这样描述：“领悟出现的那一刻，也就是愚蠢戛然而止的瞬间。”而这种愚蠢往往就来自于人们在最初设定问题时所夹杂的前提假设。

亚当斯（Adams，1979）描述了这样一个例子：曾经有一群工程师希望设计出一款不会碰伤番茄、“心灵手巧的”番茄采摘机。然而现实很残酷，不管他们怎么尝试各种奇思妙想的点子，都依然毫无进展。随后，一群植物学家加入了团队，他们以全新的视角帮助团队重塑问题：与其设计一款碰不伤番茄的采摘机，不如研制出一种不易被碰伤的“铁布衫”番茄新品种！这就打开了新世界的大门，于是新思路也应运而生。最终他们确实改良出一种表皮更厚、更不易被碰伤的番茄品种（然而比较遗憾的是这种番茄的口味略逊一筹）。由此可见，跨学科合作可以超越个人所拥有的高效知识的局限，从而启发人们运用更开放、更灵活的思考方式。当然，完美的合作不可能一蹴而就，信任与默契也需要花费时间来培育，毕竟在双方互不了解的情况下，人们很容易轻视对方认为举足轻重的细节。

高效知识似乎并不是应对创新型和探索型任务的“良药”。哈塔诺和伊纳加奇（Hatano&Inagaki，1986）在关于珠算大师的讨论中区分出了两种专业技能，分别为常规技能和适应技能。具体来说，珠算大师可以非常神奇地在大脑中通过假想算盘进行心算（请参考章节D），却不能把这个技能迁移到其他数学知识的学习过程中去，而且这种技能须在零干扰的环境下才能稳定发挥。因此珠算大师就被哈塔诺和伊纳加奇描述为具备高水平常规技能之人。在稳定的环境中，他们可以将一项千锤百炼的技能发挥到极致。两位研究者进一步讨论，提出了另一种技能并把它定义为适应技能。与常规技能不同的是，适应技能来源于拥抱事物多样性的开放心态，和愿意及时调整学习新方法的行动力。

关于常规技能的例子数不胜数，这里列举一个关于桥梁工程师的经典案例。有位擅长设计桥梁伸缩缝的工程师要求所做的工程项目必须符合某些条件（见图K.2）。一旦实际情况与预期不符时，这位工程师就会拒绝接手该项目。人就像不倒翁，总想回到最舒服的状态。毕竟接受挑战就意味着要离开自己的舒适区，且短时间内的表现会有所下滑，虽然这可能只是暂时的。而适应型人才在面对新出现的问题时，则会撸起袖子，跃跃欲试。所以，如果换作是一位适应型工程师的话，则可能抓住一切机会来尝试新型的设计方案。

图K.2　典型的桥梁伸缩缝

从培养孩子的角度来说，在他们还未进入某项具体专业技能的发展轨道之际，接受适应技能的学习培养显得尤为重要。这是因为适应技能可以让孩子更善于接纳新鲜事物，也更利于做出适合恰当的选择。在设计学习环境时有三点建议可以防止人们被既得成功所绑架：①减少表现欠佳所造成的负面影响，这样可以避免人们退缩回因循守旧所带来的安全感中去；②提供充分多样化的情境，让应对新情况的通用知识自然生长；③创造一种拥抱尝试与探索的文化氛围，要放眼未来，而不只关注当下的利益成效。

另外我们还发现，一些本着以学生为中心，且强调通过探究与创新来学习的课程，最终却不经意间又回到考试这一形式来评测学习效果（这就尴尬了，要知道考试主要考查的是知识效率）。这样的评测形式并不能很好地反映出适应型学习能力的进步。更有人讽刺地说道，“若是追求效率的话，还不如直接告诉他们答案来得快呢！”因此，更合适的做法是把学习过程纳入测评中，比如当场学习一些新内容，再评测学习者对新知识的理解和掌握程度。这样就能细致灵活地考察学习者对新知识的适应能力（请参考章节P）。布兰斯福德和施瓦茨（Bransford&Schwartz，1999）将这类评估描述为“适应未来生活的学习功底之摸底测验”。

针对学习者学习适应能力的评测，考察的并不是与问题内容无关却方便解题的“小机灵”。像这种测验人们运用创造性思维灵活解决问题的题目，强调的都是“弱方法”，比如“你能否在北京找到两个头发根数相同的人”^[4]之类的问题。然而针对适应能力的测评，关注的则是如何快速学习新信息并总结形成“强方法”的能力。

接下来让我们通过一个思维实验感受一下，如果用效率指标来衡量适应能力会有怎样的问题：现在越来越多的媒体喜欢进行“突击”采访，比如有位记者跑到大学毕业典礼上采访毕业生们，“请回答为什么冬天比夏天要冷？”面对这样的问题，被访的学生竟一时语塞，不知如何作答。于是记者就基于如此这般的“闭卷考试”对大学教育大加评论：“现在的大学生啊，四年都白读了，在地球自转轴倾斜这个问题上，还不如一个高中生懂得多呢！”这显然是以偏概全，因为这种类型的问题完全忽略了博雅教育的价值，即培养学生应对复杂情况时的学习适应能力。如果该记者分别给大学生和高中生一天时间来研究该问题，那么大学生给出的答案恐怕要比高中生给出的答案更为深入准确。

另一个例子是医师执业资格考试，它也展现了以效率为导向进行测试的局限性。研究证明，传统的职业资格考试并不能很好地预测医师在从业后的学习成长能力（Mylopoulos，Brydges，Woods，Manzone，&Schwartz，2016）。因此，要想了解学习者的适应技能是否正在茁壮成长，很重要的一点是选择恰当的方式来检测学习效果的改变程度。例如在上述例子中，我们可以在实习医生毫不知情的情况下，安排一位佯装生病的患者来求医。他的问题乍一看与曾经出现过的病患非常相似，但却伴有一项无法解释的症状。接下来我们就可以评估，医生们是一笔带过，还是能注意到这个与以往不同的细节？并是否会主动询问患者来探寻问题的根源？

把创新与效率放到对立面上看似极为合理，毕竟适应新情况总是要打破惯性，牺牲一些原有的效率。而我们则认为，效率和创新可以成为好朋友。例如在从事某些活动时（比如，开车、阅读等），效率可以帮我们释放出注意力来完成更多任务（比如，开车时毫不费力地完成换挡等动作，同时还能思考哪条路能躲避拥堵等）。同理，当人们面对从未处理过的复杂问题时，如果曾解决过其中的部分问题，那么就可以按照以往的高效方式迅速解决，并释放出更多认知资源来突破难点。

适应型学习能力强的人还懂得放下眼前的得失，抑制住过早获得短期成功的冲动，并且能够及时转换思路并运用创新方法来解决问题。瓦恩博格（Wineburg，1998）将历史学教授与大学生进行了对比。他要求专攻某个领域（如，亚洲史）的历史学家去解决一个陌生领域的历史问题（如解读美国总统亚伯拉罕·林肯曾做出的重大决策）。相比学生而言，历史学家更能抑制住依照当今社会文化来进行推断的冲动。他们能够意识到不同阶段历史背景的局限性，因此更少以己度人、妄下断言。因此历史学家们会先花时间了解必要的背景信息，然后再去解决具体问题。而学生们则会想当然的“以今日推理昨日”，带着各种存在漏洞的假设，自信满满、不亦乐乎地构建着自己的理论。

图K.3提出了一种将效率学习与创新学习相融合的理论框架。图的左下方是新手的起步点，此时的他们既没掌握高效知识，也不会机智地随机应变。图的右下方是常规型技能的专家，他们已经对处理熟悉的各项任务轻车熟路、信手拈来。图左上方的是闹心的新手，他们没有专业知识支撑，只会不断提出无法落地、不切实际的幻想。图右上方则是适应型技能的专家，他们既掌握高效知识，又能灵活地适应各种新情况、提出创新的解决方案。

针对常规技能的培训对于应对重复性任务来说是合理的。然而，此类培训并不能增加适应型学习的技能点，因为这些训练任务都是一个模子刻出来的。另一方面，强调普适性的、超越具体内容之上的思辨能力和问题解决技巧，似乎提供了一套战斗力较低的“弱方法”，对于解决真实世界中的大型问题来说效率太低了。所以这种训练也培养不出适应型专家，而且这些技巧最终很可能也会沦为按部就班的流程而已。出色的教育者需要意识到多样化的思维模式的重要性（强方法），而不是万般皆适的弱方法（Star&Hammer，2008）。

图K.3　结合了学习效果的创新与效率两个维度的理论框架（Schwartz，Bransford，& Sears，2005）

从文献中我们了解到，把图K.3横轴的效率学习与纵轴的策略学习割裂开来并不会奏效。提供一套效率导向、只注重学习内容的课程，再提供一套独立策略的学习指导，顶多最后再提供“融会贯通”的学习方法。这样的组合多少有点效果，但距离浑然天成的理想过程还差得很远。

若是期望培养适应型技能，我们认为在学习过程中应当适当地穿插以效率和创新为目标的学习机会。这就触发了另外一个问题：应当先培养创新能力还是先提升效率呢？虽然适用的条件还并不明朗，但我们主张学习者应当先参与到具体领域的创新学习之中，然后再学习专家们当年原创出的高效方法（请参考章节J）。例如，我们可以让小朋友们先自行思考如何记录彼此之间的欠款，然后再介绍负数的概念。让学习者的思绪起飞，自由地探索和创新可以帮助他们认识到问题的核心与延展性（请参考章节Q），就更会孕育出不拘泥于唯一正确答案的积极开放心态（请参考章节Y）。这些体验也会反过来滋润学习，为今后的学习打下良好的基础，使学习者更容易切身理解高效方案背后的逻辑原理，从而更快、更合理地灵活应用（请参考章节J）。

如果顺序换过来，先学习高效方案再进行创新学习，则可能会在不经意间掩盖了寻求创新方法的需求，削弱学习者自主探索的积极性。例如，在章节J所述的一项研究中，施瓦茨等人（Schwartz，Chase，Oppezzo，&Chin，2011）展示了首先教会学生密度公式所带来的影响。喂到嘴边的公式反而干扰了学生们对概念本身的理解（密度是质量与体积的比例），以及比例在其他物理计算中的含义（比如，速度）。但是如果学习者先依靠自己的力量来尝试得出类似密度的概念，那么再学习密度公式就会事半功倍。

我们针对学习体验先后顺序的建议也还有待进一步考证，目前相关的实验证据还不充足。正如上文所述，大部分的闭卷测试与以创新为目的的学习目标相冲突，因此我们仍需要对学习新事物能力进行测评的方法。举个例子，施瓦茨和马丁（Schwartz&Martin，2004）曾要求初三学生自己想办法来评估不同现象中的一致性（或变异性）。随后，学生们上了一节讲解变异性的标准计算方法（高效方法）的讲座。其中研究人员最为关心的是，这些精心设计的学习体验到底是否能帮助学生为之后的新挑战打下基础。于是，实验的后测中包含了同时计算两个变量的题目。由于学生之前都只学到如何处理单变量数据的方法，因此计算两个变量的关系（协方差）就需要进行创新。后测的结果显示，34%的学生想出了协方差的计算方法。这个比例虽然不算高（毕竟协方差的概念确实很难），但是相比于顶尖公立大学中的结果来说已是非常可观：完成一整个学习统计学课程的学生中，也只有12%的人得出了可行方案。

按理来说，中学生的整体知识水平与创新技巧应该比大学生稍逊一筹，更不用说统计学专业知识上的差距了（不出意料，大学生接受着以效率为导向的教育）。然而，实验中最开始的单变量创新任务就已经帮助中学生们意识到变异性的问题，并为之后的进一步思考做好了铺垫。若是没有对学习能力的检测，一开始先让学生们自行探索问题的益处就会被忽视。因此我们有理由怀疑，很多主动学习方法背后所蕴藏的价值，都因为测量方法不当而被低估了。

我们发现课程设计师也好，研究人员也罢，通常会在课程的初期和后期沿用同一种教学方法。这种图省事的做法也情有可原，只不过学习效果就要打折扣了。根据我们的研究，在学习初期应当着重强调创新的机会，而学习后期则应当专注于效率的提升。如图K.3的台阶式结构所示：学习者应当先沿着创新维度前进，再转向效率维度，以此类推。创新型学习活动让学习者有机会：

·在某个领域中探索并思考其中的结构和延展形式

·深刻感受到需要被解决的问题及其原因

·沉浸在对错误持包容态度的学习氛围之中

·采取可以激发内在满足感，并减少自尊心压力的愉悦策略

·学习如何用平常心提出假设并寻求反馈

·树立“我能行”的积极态度，持续支持今后所需的适应调整与开拓创新

后期学习并非一定要经过很长时间，也许只有几分钟就开启了。这个阶段应当强调对效率知识的培养，这包括：

·观察、阅读，或聆听最优解决方案与理论

·对原理的工作方式及其应用条件形成详细具体的认知

·逐渐强调以效率为目标的锻炼（比如在有时间限制的情况下解决问题，练习自由回忆等）

·了解同一问题的多样化表现形式，做到不被表象迷惑

·寻求反馈与指导，不断改良自己做事的方式

·感受圆满完成一件事所带来的成就感与自信心的提升

当然，凡事总有例外。有的时候给学习者提供一些高效知识来热启动，要好过让他们在迷茫中做无谓的挣扎。此外，出色的创新型任务也比效率型任务更难设计，因为效率型任务通常都是对已经成熟的行为进行改良。不过，也许我们提出的简单易懂的理论框架，能帮助人们在诸多的学习方法中做出明智之选。例如，“翻转课堂”这一概念背后的逻辑就是效率至上的思考方式：老师通过视频等形式先把知识传递给学生们，然后再通过课堂练习不断巩固提高做题效率。这种方式对于学习常规型技能来说可能更为合适。相反，很多以体验为主的教学方法则全部是创新型的思考方式。学习者在全新情景下提出的解决方案要么不合常理，要么过于片面。这并不是要否定体验式学习的价值，而是客观的指出类似的体验并不能培养出适应型技能。更理想的方法则是将体验与理论有机结合：体验式学习优先，紧随其后的是针对高效知识的学习。如果实施得当，体验式活动既可以调动起学习者的好奇心，又能为今后的理论学习打下良好基础。那么何乐而不为呢？

[1] 皮亚杰理论（Piagetian theory）：皮亚杰的认知发展理论，视儿童为心理结构的积极建构者，并主张认知发展表现出阶段发展的模式。皮亚杰学派（Piagetian school）又称“日内瓦学派”（Geneva school），是以图式、同化、顺应等概念解释儿童认知发展的心理学派，由皮亚杰（J. Piaget）创立。

[2] 强调效率，强调即刻产生效果。——译者注

[3] 美国司法程序中，陪审团在听取原被告双方陈述后会进行闭门商议，在不受外界打扰的情况下对案情给出评审意见。——译者注

[4] 如果你还在思索这个问题，看看我们的分析过程吧：人类平均约有10万根头发，而北京的人口超过2000万人。如果让2000万人按头发根数的多少从0开始排序，当排到20万根头发时，这些人的平均头发根数刚好是10万根。那么余下的2000万减20万即1980万人的头发根数平均值也是10万根，继续排下去的话，就必然会出现与前20万人中某人的头发数量相同的人。——译者注