近日，在由iNACOL(一個推崇“以學生為中心的學習”的國際非營利組織)主辦的會議上，我們深入思考了能力和評估相關的問題,討論了過去幾十年里，學習科學(Learning Science）對職業(yè)規(guī)劃和能力運用的影響。

好的一面是, 如果學習科學能結合個性化教學理念，和教學進度協(xié)調一致, 對個人學習者而言，他們可能會更積極, 更成功；如果他們可以按自己適應的進度學習，表面看，每個人都在做不同的事, 但實際上他們能獲得相同的能力。

然而，并不是每一種方法都能使學習變得個性化，很多時候我們還要考慮學習和專業(yè)知識實際工作的方式。讓我們來看看學習科學給我們的幾個啟示。

很多專業(yè)技巧是不自覺產生的

認知心理學家一直在密切關注專家和新手之間的區(qū)別。他們發(fā)現(xiàn)，專家會在無意中做出許多決定。例如，當你開車去雜貨店，或許你腦袋里會想著工作:你會思考工作，利用工作記憶處理一些想法或問題，但此刻你做的是日常生活中的事情(嵌入長期記憶中的)，如開車，看紅綠燈，根據(jù)路況導航做出復雜決定等。

問題在于，教師在教新手時，這種專家具備的能力，他們連30％都教不出來。

想將這種能力描述清楚并教給新手是非常困難的！

這意味著我們必須用心工作，弄清楚我們?yōu)閷W生精挑細選的要掌握的技能對學生是非常重要的。在我們選出的要求學生學習的能力里，是否有意或無意地忽視了專家所擁有的這種能力？我們辛苦挑選出來的諸多能力中，是否包括成為專家所必需的，但實際上我們認為不需要的能力？答案是肯定的，因為我們總認為有些東西毫不起眼，或自認為“專家就應該這樣做”。

一旦超越基礎知識，能力就不會跨域

如果我們有能力做出全領域的“好作品”，那真是太偉大了。不幸的是，大多專家的研究表明，他們的專業(yè)是具獨立性和領域性的，即使這些研究看起來好像可以籠統(tǒng)描述為 “好作品”。事實證明，歷史中的“好作品”不是科學中的“好作品”，兩者需要在不同領域施展截然不同的技巧和方法。

然而，這并非說它們沒有共同基礎，如基礎閱讀，寫作機制，構建句子和段落的一些原則等。但如果我們堅持說“它們是完全一樣的”，對老師和學生來說都是一種誤導。我們應該明確，所謂“一樣的”，是“過去的基礎”！在之后的實踐中，差異就突顯出來了。對學生能力進行評估時，就該重視這種差異。

在一個領域中，“決定和做”是獲得成功的關鍵能力

“在一個領域內做決定和做事情的能力”，是我們想讓學生獲得的關鍵能力。包括解決問題、撰寫論文、調查正在進行的事情、設計實驗、比較資料來源、診斷問題等。因此，教學、實踐和評估環(huán)節(jié)應該給學生留出更多時間，去鍛煉這種能力。

要學習這些，需要有意識地鍛煉，并內化（有時還要建立一種無意識的流暢性）各種支持信息：事實、概念、過程和原則。關鍵是，這些支持信息必須在單一領域，通過“決定和做”來使用，而信息實踐和評估的方式也要適合“決定和做”的環(huán)境。所以，不要只抽象地記住這些支持信息的定義，而是通過實踐獲取。

事實：你確實要記憶它們，但在“決定和做”的環(huán)境中，事實不是孤立的。如果你不在這樣的背景下練習檢索，大腦就不會在你需要的時候輕松“記起”。

概念：學習者需要對概念進行分類，并在一個“決定和做”的環(huán)境中，舉出與概念有關的例子。這是幫助專家解決問題的方法。

過程：學習者要學會預測結果（當輸入或條件在過程中發(fā)生變化時將產生什么結果），并通過實踐診斷出結果或過程中的行為是否出錯。不要只是 “描述”過程步驟。

原則：要學會運用原則解決新情況，或者用原則預測在特定情況下發(fā)生的事情。

“分類”的正確程度因學習者而異

在學習者的長期記憶中，他們會把學習的內容分為幾類，如“容易”“困難”或“具有挑戰(zhàn)性，但可行”（理想狀態(tài)）。從這個意義上說，如何將學習內容進行恰當“分類”，就成了一種挑戰(zhàn)——如果分得恰當，在熟悉的結構和模式下，學習者就感覺更容易完成任務；如果分得不恰當，會感覺很多事兒都是新的,一旦工作記憶超載,學習者就不會取得進步。

這意味著一個動態(tài)的能力網(wǎng)絡要發(fā)揮作用了，這個能力網(wǎng)絡可以根據(jù)學習者內化的知識而縮小或擴大。 一群學生都在為一個目標學習，但他們需要運用不同的能力，這樣能力網(wǎng)絡才能建立起來，一切都取決于學習者是否已經(jīng)真正掌握了這種方法。教師和研發(fā)人員通過對不同“類”中的內容進行評估，以確定自己是否擁有一些資源，幫助學生在基于能力的系統(tǒng)中學習。

延伸

如果對學習科學感興趣，可以看看丹尼爾·T威林厄姆的《為什么學生不喜歡上學?》 ，  或理查德·E·邁耶 和魯思·克拉克合著的《E-Learning and the Science of Instruction》，了解應該做什么，不做什么，以提高學生的成功率。不過，當我們考慮能力及其評估時，以下幾項也會影響我們應該做的：

1.我們需要將預測能力與專業(yè)知識結合起來，幫助學生在未來取得成功?，F(xiàn)在挑出來給學生學習的東西，是否能推動他們下一層次的成功？我們有什么證據(jù)證明專家在某方面的直覺會錯過一些關鍵的無意識能力？

2.我們設計的評估任務最重要的是探究學習者“決定和做”，以及通過完成任務，在各自領域真正解決問題的能力，這才是需要學習的。如果我們讓學習者做一些與現(xiàn)實無關的抽象的評估題目，就是在浪費評估機會，影響學生未來的發(fā)展前途。

3.對于使用支持信息的能力，我們要評估學習者是否在“決定和做”的環(huán)境中使用了現(xiàn)實中的有用信息，而不是一些抽象的和脫離實際使用價值的信息。

4.我們要清楚地思考能力網(wǎng)絡，因為對一個學習者來說“容易”的內容，對另一個學習者來說是“困難”的。經(jīng)驗豐富的學習者可以依靠現(xiàn)有的掌握能力得到較大的 “類別”，但缺乏經(jīng)驗的需要多“分類”才能得到同樣的結果。這種情況既存在實際教學中，也存在提供反饋和指導教學的評估中。

所有這些都是很難解決的，但有了自動化教學支持工具，成為“學習工程師”的最佳時機來了。而學習工程師致力于將學習方面的知識用于開發(fā)經(jīng)濟、可靠、可用、數(shù)據(jù)豐富的基于能力的學習環(huán)境。

（本文由智能觀編譯，來源GettingSmart，作者：Bror Saxberg）