学习科学如何改变学习,从这三个“常识”开始

2016-06-14

为了给学生带来一个更光明的未来,我们必须要理解并应用学习科学(Learning Science)。作为一个数据科学家和教育科技产品的研发者,我认为我们的工作不是发明一个又一个闪闪发亮的电子设备,而是基于论证和经验去研究如何提高学生的学习成果。那就得从理解目前的学习科学研究入手,而在我多年的研究经历中,有三点最重要。


个性化教学能带来更大的学习收益

本杰明·布鲁姆因“布鲁姆分类法”而闻名,他是美国最优秀的教育心理学家之一。在1984年,他写了一篇原创性的论文,学习科学界称之为“2 sigma problem”(注:Sigma,标准差)。布鲁姆的研究团队比较了学生在三种不同的教学条件下的学习情况。



屏幕快照 2016-06-14 上午12.33.38.jpg

哪种模式的效果最好?把常规的教学模式作为基线,在掌握式学习的条件下,学生的表现提升了一个标准差。而接受一对一辅导的学生,有两个标准差的提升。


一个标准差大概就是一个等级的提升(例如从B等提升到A等)。这可能意味着一个学生从不及格变成及格,而这是大多数教育方法都做不到的。两个标准差的提升则意义更大。


在布鲁姆的研究中,还有另一个微妙的、常常被忽略的方面。通过掌握式学习和助教辅导来进行个性化教学,不仅仅提高了学生成绩的平均值,还降低了成绩的标准差。这意味着,在成绩分数的分布中,分数低的学生能渐渐赶上分数高的学生。

从布鲁姆的研究中,我们能得出几个重要的结论。


  1. 只要有正确的条件,大多数学生都能进行高水平的学习。

  2. 个性化教学能带来更大的学习收益。

  3. 个性化教学能缩小高水平学习者和低水平学习者之间的差距。

  4. 目前还没有一个可扩展的学习系统和解决方案,能给学习收益带来一个或以上标准差的提升。



一万小时定律:刻意练习的重要性

作为一个研究专家的专家,瑞典心理学家K.安德斯·爱立信的“刻意练习”框架,为我们理解学习和技能发展的核心要素,提供了统一的原则。爱立信的研究有一个基本原理,就是你必须投入时间,没有任何捷径可走。不管你有多少天赋,就算你是迈克尔·乔丹,为了保持自己的一流水平,也必须花费10年,也就是大约1万小时的时间,不断地练习。


我们常常以为运动员是“天生奇才”。要成为精英必须有天赋,这没错。但乔丹不是从妈妈的肚子里一出来就能扣篮,就能滞空转身带球上篮。乔丹也要通过不停地练习来打磨自己的球技。他能超过其他运动员,是因为他的职业原则:比大多数竞争对手练习得更苦、更久。


一些研究员在技能发展所需的具体练习时间上不同意爱立信的结论。借鉴自爱立信的工作,另一位杰出的心理学家和麦克阿瑟研究员,安吉拉·达克沃斯提炼出了刻意练习的四个主要特点。




助推分析

一系列研究表明,我们人类都是糟糕的决策者。哪怕正确的信息和“洞见”都摆在我们的面前,我们仍然会做出糟糕的选择。


这些糟糕的决策并非仅仅是不理性的,它们是可以预测的系统性错误。尽管我们都知道,适当的营养和锻炼能让我们保持健康,但为什么我们当中仍有很多人超重呢?为什么营养学和运动的知识对我们大多数人都无效呢?是意志力的原因吗?


我们能从行为经济学中学到一些东西。这个领域的研究显示,我们的行为是可以预测的非理性。在不同的背景下,一些看似不重要的小细节会让我们改变自身的行为。


行为经济学著作《助推:事关健康、财富与快乐的最佳选择》中讲过一个故事,一般男人在小便时不会刻意对准便池,阿姆斯特丹的史基浦机场在每个小便池里都画上了黑色的苍蝇。因为他们预测,如果一个男人看到了这个黑色的苍蝇,他就会瞄准它。结果是,史基浦机场带有苍蝇画的小便池减少了80%的某物溢出。


数据科学研究的目标之一是,通过经验研究,发现那些能让知识变得更具实践性的“助推”。我们可以把“助推”看作一个很小但是很重要的动机性推动,它能把知识变为行动。数据科学能帮我们发现这些可能的“助推”,并验证它们的有效性。


通过研究机器和人类智能的结合,个性化学习能显著地推进学习效率。但我们同样也要理解人类的动机、耐性和非理性特征,从而做出更好的应对之策。