圖片來源：pixabay

接著聊認知地圖，不過今天的話題應該增加“專家模式”的討論。

什么是專家模式

專家模式，也稱為專長模式，指的是各個領域具有專長（expertise）的專家（expert），他們在某些領域的某些問題上表現(xiàn)出突出的問題解決能力。

認知心理學家對國際象棋、數(shù)學、物理學、計算機科學、醫(yī)學和政治學等多個領域的專家的問題解決進行了大量研究，發(fā)現(xiàn)專長具有不同的類型，專家的問題解決能力與新手相比具有強大的優(yōu)勢，并通常就有領域限制。導致這種限制的主要原因被認為是：

專家擅于回憶本專業(yè)的真實情境，不擅長回憶那些就其專業(yè)知識而言毫無意義的情境（Ericsson和Lehmann, 1996；Vicente和Wang，1998），在與專長無關的領域中，專家不會回憶起更多的關于該領域的知識。例如，一個象棋大師對于隨機棋位的回憶準確性遠遠不及真實的棋局（Gobet 和Simon，1996），一個物理學家對于沒有物理學意義的熱能過程的回憶也遠遠不及對有物理學意義的情景的回憶（Vicente，1992）。

在前文中，我們談到了認知地圖，并提出“主題知識”（即：滿足“心理逼真度”方面的要求的認知單元（Cognitive unit）及其基于他們形成的“認知結構”）?，F(xiàn)在我們將在“特定領域中如何看待這一心理”的話題中進行討論。這意味著我們在討論“從新手到專家”這一過程中，學習者在知識表征方面或者具身體驗方面的變化。

之所以關注這一過程的原因是因為研究發(fā)現(xiàn)：

有些人之所以具有同等的經驗和智力水平，但仍然無法成為一個領域中的專家，與其所具有的知識有必然的關系。專家的一個突出特征是在其專長領域擁有大量的知識和程序性技能（Chi，Glaser和 Rees，1982）。但真正使專家區(qū)別于新手的不是知識的數(shù)量而是專家知識的組織方式。

也就是說，新手不是經過自然而然的學習就能成長為專家的。成長為專家，與學習者訓練過程中獲得的“知識組織方式”密切相關。我認為人們之所以關注“知識地圖”這一技術的真正動力來自此處。換句話說，若要說“知識地圖”一類圖示技術有什么潛力的話，那么應該把“知識地圖”視為“專家模式”的一種“可視化”訓練。

瑞夫（Reif，1979）認為，專家的知識是按照層次進行組織的（下圖）。這種層次是在多年的經驗基礎之上形成的，特定知識之間具有穩(wěn)定的聯(lián)系，并歸屬于一個具有概括性的知識類別，該類別又歸屬于另一個概括層次更高的知識類別。專家的突出的問題解決能力在于他們對材料的組織方式使其能迅速把握問題的實質。下圖中的虛線代表具體知識成分之間的聯(lián)結，樹形圖的下層分枝聯(lián)結起來由此為專家提供了問題解決的心理捷徑，即根據(jù)知識間的聯(lián)結關系來確定一個正確的解決路徑，這樣也就減少了對通用啟發(fā)式策略的依賴。

這種知識的組織方式，后來被稱為“專家圖式”，與之對應的被稱為“新手圖式”。一位叫齊（Chi，1988）的學者通過實驗研究證實了這一觀點。

齊（Chi，1988）的實驗研究證實了其觀點。實驗中的專家是8名物理學博士，新手是入學6個月的物理學本科生，被試的任務是把24個物理學問題根據(jù)解題方法進行歸類。實驗結果發(fā)現(xiàn)，專家和新手對每個問題平均用時約40秒，都將問題劃分為8-9類，而且分類結果差異非常大。例如，新手把所有的斜面問題歸為一類，所有的彈簧問題歸為一類；專家把有些斜面和彈簧問題歸為同一類。這樣的結果說明，專家和新手是根據(jù)不同的特征進行分類的。新手根據(jù)問題描述的表面特征歸類。例如，斜面、摩擦系數(shù)和斜面上的木塊等等。知識、經驗豐富的專家則不同，其分類原則是解決這些問題時是否可以使用相同的物理學原理和定律。例如，將只有使用能量守恒定律才能解決的斜面問題和彈簧問題歸為一類，這些是問題的深層結構特征。齊認為，分類方法上的差異所反映的正是專家和新手頭腦中的圖式的差異。

在一些知識分類的項目中，相關的工作人員經常會討論知識點的顆粒度問題。分類人員會關注知識的顆粒度的大小，甚至有的項目會追求所謂的“納米級顆粒度”。從專家圖式的角度來看，其實這“不是正確的問題”。正確的問題不是“分得多細比較好”，而首先是“怎樣的分類的方式才是更好的方式”。（即：上文我們提到的“心理逼真度”。）

這種“更好的方式”，以追求“認知經濟性”為目標。

蔡茨（Zeitz，1997）進一步指出，專家的知識表征或圖式是中等抽象水平的概念表征（moderately abstract conceptual representation，簡稱MACR），它是處于抽象表征（方程和一般原理）和詳細表征（具體問題）之間的表征。中等抽象水平的概念表征（ MACR）可以把低抽象水平的特定問題和專家廣泛的知識聯(lián)系起來。當專家將具體問題轉化為中等抽象水平的表征時，有助于克服具體表征的干擾，并具有更為廣泛的提取線索，有助于實現(xiàn)認知的經濟性。例如，程序專家通過序列性的代碼組塊在抽象水平上設計程序，最終完成既定的任務（ Erlich和Soloway，1984）。

也就是說，最符合心理逼真度的方式，在認知上應當是最經濟的方式。

我們再舉例一個分類，來加強一下新手與專家在分類方面差異的認識。

前段時間網(wǎng)絡上流程的以下內容也是與這一主題有關系的。

而我們提到的認知單元（Cognitive unit）與圖式之間的關系，如果考慮到認知經濟的問題，則類似是下圖表達的意思：

形成專家模式的關鍵挑戰(zhàn)

我們已經從認知心理的角度介紹了專家模式，我們認為從知識整理的角度來說，它是重要的，并且專家在許多方面是有優(yōu)勢的特別在解決問題方面。

我們還關注到，如果能促進“專家知識”組織方式的形成或遷移，則可以很好地發(fā)揮教學或培訓方面的潛力。實際上它們也被應用到了教材的設計上。

在艾勒恩（Eylon，1979）的研究中，他讓初學物理的學生分別學習兩種形式的浮力知識。一種形式是按照專家所分析的浮力知識以層次方式呈現(xiàn)。另一種是傳統(tǒng)的組織方式。結果表明，使用層次性教材的被試，在知識的保持以及利用知識解決問題的成績上，明顯高于使用傳統(tǒng)教材的被試。

但是前文我們也討論到了“具身認知”。從“具身認知”角度來說，這些意味著什么呢？德雷福斯在這方面的研究還是非常深刻的（但是非常的晦澀難懂）。

截圖中的文字介紹的是德雷福斯的一些觀點，也就是他的研究思路。鑒于他的研究比較晦澀難懂，我們直接上結論吧（Dreyfus，1997的研究結果）。我把這些結果視為“形成專家模式的關鍵挑戰(zhàn)”（即：它們是這樣的一種狀態(tài)，我們如何促進這種狀態(tài)遷移到下一種狀態(tài)中）：

專家，總是不斷地尋找更好的方法和方式去做事。 他們經驗豐富的經驗，可以在恰當?shù)那榫持羞x取和應用這些經驗。 根據(jù)直覺工作，而不需要理由。 專家知道哪些是無關緊要的細節(jié)，哪些是非常重要的細節(jié)。 專家非常善于做針對性的特征匹配。

精通，是那些知之為知之，不知為不知的人；他們明確地希望自己能有全局觀，并想了解更大的概念框架；對于過于簡單的信息，他們會非常沮喪。并且他們具有能理解和運用格言或經驗的能力，他們能將這些經驗或格言，應用于當前情境。

勝任，可以獨立解決自己遇到的問題，并開始考慮如何解決新的問題--那些他們之前沒有遇到的問題。開始尋求和運用專家的意見，并有效利用。他們是那些能跟得上進度的人，但是他們沒有足夠的能力反思和自我糾正。

新秀，也稱為“高級新手”，他們是一知半解的，他們無法建立對整體的認識，甚至由于以為自己知道整體，而喪失去真正了解整體的動力。

新手，經驗很少或者根本沒有經驗，由于缺乏經驗指導，他們不知道自己的行為是對是錯，也不知道如何應付錯誤，所以出錯的時候，他們非常容易慌亂。如果給新手提供與情境無關的規(guī)則去參照，他們就會變得能干起來；也就是說，需要這種形式的規(guī)則：“當X發(fā)生時，執(zhí)行Y?！?/p>

這五個階段，是一個粗略的階段劃分，已經可以對實踐起到不小的幫助。我們在許多應用軟件中的設計中都會看到“新手引導”，這類引導的必要性正是由于從新手到專家的不同心理特點所決定的。

但是這里，從實踐角度來說有兩個地方是非常困難的。第一個是專家階段，核心挑戰(zhàn)在于：專家心理圖式的整理。這項工作也稱為“領域模型”的整理。在人工智能系統(tǒng)中，也有對應的工作。這一工作成效的高低直接決定了“系統(tǒng)能力”的質量。

而不幸的是，領域專家雖然在解決問題的時候有很高的優(yōu)勢。但是他們可能并不知道自己是如何得出相關的結論的。德雷福斯提到：

當專家在做事時，我們其他人覺得就像“魔法師施行神秘的魔法”一樣。當我們甚至還不完全認識問題的時候，專家就已經憑借一種不可思議的能力知道了正確的答案。

我們曾目睹許多教研團隊與IT團隊溝通時的無奈。本身來講“隔行如隔山”，溝通起來就已經很容易“雞同鴨講”了。又因為專家團隊可能對自己領域內知識或者自己是如何“施行魔法”方面內察不足，就加劇了這種挑戰(zhàn)。

在知識管理領域，“隱性知識顯性化”這一話題就是因為這一問題發(fā)展而來的。

另一個困難點則在“高級新手階段”。德雷福斯舉了一個例子：

當公司CEO舉行全體會議并展示銷售預測圖表和數(shù)據(jù)時，你可能會看到這樣的反應。許多在這方面經驗較少的員工對這些會不加理論，以為這與他們自己的工作不相關。而這其實是非常相關的，它可以幫助你判斷明年你在這家公司是否還能繼續(xù)干下去。但是，你看不到這種聯(lián)系，因為你的經驗層次還不夠，只處于較低的技能水平。

高級新手階段,他們沒有全局思維，而且他們的確不想擁有。而這一問題等到了勝任階段才真正解決。這是一種情緒，這種情緒需要靠理智來參與，也就是需要“元認知”的參與。我們必須設法調動起個體的元認知來，并發(fā)展它們。當然，這也是不容易的。它可能會涉及許多“上位學習”。而如何植入這種“上位學習”，或者調動起學習者的“有效情緒”呢？相關研究認為：“成就使人上癮”。也就是說，我們必須幫助個體獲得“成就感”或者“可體驗的效果感”。

當然，我并非說另外幾個階段沒有挑戰(zhàn)。而只是覺得這兩個挑戰(zhàn)更大些。例如：在新手階段，我們的核心是如何建構所學內容對應的基礎概念。這當然也是學問。

小結

這篇文章，我們主要介紹了兩個話題，“什么是專家模式”以及“形成專家模式的關鍵挑戰(zhàn)”。這與其說是一種介紹，不如說是在尋找一種思路，即:如何提高教學設計方面的成效，特別是在復雜技能學習領域。我們看到了專家模式的潛力，當然也看到了“挑戰(zhàn)”。如果說“所謂知識圖譜”有什么意義的話，個人覺得應該在這條路徑上！

附錄

有朋友給我建議，希望我把一些在微信群里討論分享的截圖展示出來，其實也就是一些項目的經驗。好的。

這是一幅按照語義網(wǎng)絡的要求建設起來的知識圖譜，其實是語義網(wǎng)絡。這個思想在教育心理學里有，基本上就是對概念網(wǎng)絡在教學方向上，做些分類。當時我們的分類有以下的這些。

當年這圖我們做了幾個月，后來放棄了。因為發(fā)現(xiàn)這種“語義網(wǎng)”的方向是非常錯誤的一種方案。取而代之的是另外一個demo。這個demo大家可以下載，但我也把關鍵幾頁的解題展示出來。

https://yunpan.cn/cycPY5pXk6zgI 訪問密碼 f424

這些圖示，也可以叫“圖譜”，它的背后是一張知識的網(wǎng)絡。但這張網(wǎng)絡就結合了“專家模式”的思想。

這批圖與上一個類型的圖譜有什么差異呢？我們知道我們是用知識來推理的。上一個類型的圖譜（語義網(wǎng)絡）它們如果用于數(shù)據(jù)業(yè)務，它們可以用于分析相關性。但它不支持推理。支持推理，就必須是這批強調結構化的“圖譜”。只有有模型，有結構的圖譜才能用于推理和支持更多類型的數(shù)據(jù)挖掘。

不僅如此，我們還關注到，解題時用到的知識和課本學習到的知識，雖然都是關于同一種知識的，但是其實他們很不一樣。比方說，我們認為“一個學生上課聽得懂，一做就不會?！边@里不僅是基礎知識掌握不到位的問題，在解題過程中，我們還需要掌握更多關于“知識應用”的知識，“此知識，非彼知識”。

比方說：

這是個典型的題庫，奇函數(shù)下面有19頁，每頁10題。也就是說奇函數(shù)下一共有190題。如果，我們任意一題錯了，能否推190題中的任意一題呢？當然，有人會爭辯說，可能奇函數(shù)背后還有一些沒有展示出來的標簽。是的，這正是我們的話題。我們所討論的全部都是在回答這個話題。當然也有人從機器學習或者統(tǒng)計方向入手，找思路。這方面當然也有一定的作用，但是總體而言，我覺得不是很看好的方向。

我們也可以具體來看兩組相似的題目。

例如，這兩道題：除了一個是選擇題，一個是填空題外；符號也是相反的，它們互為奇函數(shù)。認為這兩道題相似是比較容易的。

我們再看另一組：

這兩道，從表面邏輯來看，他們長得是完全不一樣的。

但是，他們的考察邏輯卻幾乎一樣。

如果我們希望能對題庫建設有指導意義的標簽體系，這里有兩個問題是很難解決的。

1、如何對標簽體系進行建模的問題；

2、到底有多少隱性知識，應該被標簽化？例如我們這里的標簽“常數(shù)”。

      一般打標簽的時候，極少的團隊會對這到題打上“常數(shù)”這個標簽。

      該不該打呢？什么時候改打呢？類似這樣的東西是否有合理的規(guī)則為基礎呢？