加速专业技能养成

原文：Book Summary: Accelerated Expertise - Commoncog

这是一篇对一本卓越的 🌳 树状结构书籍的摘要，该书提出了一套在真实世界情境中加速专业技能养成的理论和方法。本摘要并非详尽无遗；它仅涵盖了书中部分可行的理论和建议，而省略了大量的文献综述以及该书对未来研究方向的建议。需要指出的是，《加速专业技能养成》（Accelerated Expertise）并非为普通读者而写——它主要面向组织心理学家、培训项目设计师以及受雇于美国军方的研究人员。如果你一定要读——比如说你想将书中的理念付诸实践——我的建议是精读第 9-13 章，并略读其余所有内容。

《加速专业技能养成》旨在「将技能发展的概念推向极致」。这**不是一本纯理论的书；也不是一本关于在发展成熟的技能领域进行刻意练习的书。相反：这本书拓展了两种不太知名的学习理论的边界，并借此在混乱、真实的军事和工业环境中成功创建了加速培训项目。

2008 年和 2009 年，美国空军研究实验室（US Air Force Research Laboratory）就「加速专业技能养成与促进知识留存」议题召开了一系列工作会议，并邀请了多位自然主义决策（Naturalistic Decision Making, NDM）研究者、专业技能研究者以及军事组织心理学家参会。我猜想，空军人类绩效部门（Human Performance Wing of the Air Force）以及国防部加速学习技术焦点小组（DoD Accelerated Learning Technology Focus Team）的一些人当时已经注意到，这些研究者中的一部分人已能够在工业界和军队的不同分支机构中创建加速专业技能培训项目；我猜测他们是想从这些培训项目中提炼出其基本原则。

这些会议产生的报告成为了《加速专业技能养成》一书的前身——该书由 Robert R. Hoffman, Paul Ward, Paul J. Feltovich, Lia DiBello, Stephen M. Fiore 和 Dee H. Andrews 为美国国防部（Department of Defence）撰写，并于 2016 年出版。

本书开篇阐述了其写作动机：

本书的写作缘起是国防科学技术顾问小组（Defense Science and Technology Advisory Group, DSTAG）下达的一项任务，该小组是国防部最高级别的科技政策制定机构。他们对美国及其盟军部队在阿富汗和伊拉克战争中所面临的复杂问题深感忧虑。许多初级军官和士兵正承担着自越战以来我军从未遇到过的任务类型，例如反叛乱作战和对村庄的临时管治。冷战期间，军事人员通常能指望在同一地点驻扎至少三年才会轮换。那个时代允许他们在驻地接受扎实而持续的训练。然而，在当前这个为了反恐战争而频繁部署至全球各地的时代，系统性训练和实践的机会已大大减少。这些任务具有高度动态性，需要相当强的认知灵活性。快速掌握执行任务所需的知识和技能变得至关重要，因为训练内容往往需要在人员即将部署到战区前夕进行更新和实施。

我之所以引述这段动机，仅仅是为了给下文将要讨论的训练方法提供背景信息。你很快就会看到，《加速专业技能养成》中的一些方法，与在更传统课堂环境中常见的某些教育原则有所违背。书中的许多方法是针对工业界和军事环境开发的，而非诞生于实验室或教室。这大概会限制它们的部分应用范围。但或许，假如你和我一样，对传统课堂教学的有效性持怀疑态度，这些理念反而会对你更具吸引力。

《加速专业技能养成》全书分为三个部分。第一部分回顾了 2016 年前后整个专业技能研究领域的文献。第二部分展示了几个成功的加速培训项目案例，继而提出了支撑这些项目为何如此有效的底层理论。第二部分还包含了一个用于创建此类加速专业技能培训项目的通用结构。第三部分则提出了未来的研究议程，并通过指出当前加速培训项目所依赖的实证基础中存在的各种不足，将第一、二部分的内容整合统一起来。

本摘要将重点关注第二部分。正如你可能预料到的，书中的理念和建议偏离了某些关于教育学和培训的主流观点。如果你渴望加速专业技能的养成，那么采取与以往训练方法不同的策略，似乎也是理所当然的。

军方的需求

军方主要有两项需求：

他们需要新的训练方法和学习技术，能够加速人员达到高水平的【熟练度】。（注意：熟练度不同于专业技能——我们稍后会再讨论这一点）。
他们需要确保知识和技能的高保留率。后一项需求源于军队的组织特性——军事人员在服役期间，常会被临时调往行政岗位工作几年。例如，一名空军飞行员可能会被调到某所学院执行一两年的教学任务，之后再重返一线部队。国防部希望减少让这些飞行员重新恢复状态所需的再培训量。为此，它委派研究人员针对这些问题提出新的方法或研究议程。

在两次会议的进程中，大家逐渐明确，军方的需求可以进一步细化为四个子目标，这四个子目标无论对于军事还是工业应用都至关重要：

在保证训练效果的同时加快训练过程的方法（快速训练）。
加速将战场经验教训转化并融入训练环境的方法——例如，如果叛乱分子的战术不断演变，就应该有办法将这种「元信息/策略变化」迅速整合进现有的培训项目中。（快速知识共享）。
能更快地将人员训练至更高的熟练度（proficiency）的方法（加速熟练度提升）
确保训练效果稳定且持久的方法（促进知识保留）

他们在本书第二部分提出的训练方法在很大程度上满足了上述四项要求。

「熟练度（proficiency）」与「专业技能（expertise）」之所以存在区别，是因为作者们确定是否有可能加速达到真正的「高水平熟练」（有时也称为「精通」或「大师级水平」）。在他们的报告中，作者写道：

加速学习的目标揭示了一个重要的现实矛盾。一方面，我们必须加速学习；也就是说，要提高达到高水平熟练表现的速度。另一方面，有大量证据表明，专业技能的养成需要长达 10 年的经验积累，包括艰巨任务的实践（Hoffman, 1998）。这表明加速达到高水平熟练度或许是不可能的。国防部加速学习技术焦点小组的一个主要目标是，识别那些目前资金不足或缺乏资金的关键研究挑战，并为科技进步制定一个概念性的路线图。

他们审慎地得出结论，或许我们只能加速从高级学徒到初级熟手（或从高级熟手到初级专家）这一阶段的熟练度提升。他们展示了如下所示的理想化成长曲线：

作者们表示，或许整体上的精通仍然需要在领域内花费 10 年时间，对此我们无能为力。

但我们确实知道的是：现有的那些成功的加速培训项目，能够加速的是熟练度的提升，而非精通水平的达成。

而或许，这就足够了！

如何加速专业技能养成？

让我们从第一性原理出发来思考这个问题。

假设你是一位培训项目设计师，需要让一群新手在短时间内达到胜任水平。你会怎么做？

我们大多数人大概会先问：这个领域的技能树是怎样的？对此，研究人员会说：不，打住，把那套都忘了吧。

我认为我们大多数人会先问：这个领域的技能树是怎样的？我们会试图梳理出一套原子化的技能，按照从最基础到最高级的顺序排列，然后设计一套培训大纲，按正确的次序教授每一项技能，确保先教授必备的基础知识，然后逐步增加所教概念、技能和训练内容的复杂度。我们可能还会为较低级别的技能设计练习，并尝试设置一些阶段性的评估任务或「测验」。

简而言之，我们会试图复制我们在学校里接受教育的方式。

研究人员说：不，打住，把那套都忘了吧。

这种训练方法存在诸多问题。你可能对其中一些并不陌生。

首先，这种训练方法实在太 TM 耗时了。毕竟，这是主流的教学方法，而研究人员正是被要求来改进这种范式的。一个更有趣的问题是，为什么它会如此耗时。
对此有两个答案。其一，人类通过构建关于某个领域的心智模型来学习。起初，这些心智模型很粗糙，无法指导有效的行动。因此，新手会通过不断地构建、抛弃和重构心智模型来响应反馈，从而快速地发展这些模型。然而，到了某个阶段，这些心智模型变得足够有效、足够复杂，以至于它们成了**「知识护盾」——即那些存在细微错误的心智模型，它们之所以阻碍学生达到更高的专业水平，恰恰是因为它们让学生能够拒绝异常数据**。换句话说，将一个技能领域分解为原子化的技能是有风险的——由于技能层级本身的不完整性，你很可能会无意中促使学习者构建出存在细微错误的心智模型。这继而会减缓专业技能的发展，因为培训师此时必须做额外的工作——例如，你必须将「摧毁知识护盾」作为一项教学目标来设计你的训练任务。最好能完全避免这种情况。
将技能领域分解为相互分离的学习层级还有另一个弊端：专家能够看到新手无法察觉的概念或线索之间的联系。教授原子化的概念会阻碍新手学习这些内在联系，实际上可能导致后续表现不佳或遭遇训练瓶颈期。（注意：这并非一个普适性的建议；作者指出，如 Kim & Reigeluth 所演示的「简化条件法」是一种在分解领域的同时强调概念间联系的方法，但这种教学法并未普及。最好还是完全摒弃这种分解的要求）。
层级化训练方法糟糕的第二个原因是，对原子化技能的评估无法转化为对现实世界表现的评估。我想我们凭直觉就能明白这一点。针对基础技能的测试往往无法捕捉到在现实环境中应用技能时的细微差别。你可能在公司金融考试中表现优异，却把一家公司经营得一塌糊涂，因为你不知道在你所处的特定业务中应该留意哪些线索。
这种训练方法糟糕的第三个原因是，原子化的训练往往缺乏对实际应用场景的高度认知保真度。以著名的课堂学习理论「认知负荷理论」为例。该理论基本观点是：「内在认知负荷」与学习任务本身的复杂性相关；「外在认知负荷」则是由学习过程中那些不必要且干扰图式获取的活动引起的。教师的职责是设计教学方法以减少外在认知负荷。作者指出，当你的学生只需要应付考试时，这套理论没什么问题，但如果你的工作环境是在炮火连天中规划部队行动，那么你的训练项目或许也应该包含一些「外在认知负荷」吧？
这种训练方法糟糕的第四个原因是，当技能领域发生变化时，更新培训项目变得异常困难。这一点在商业和军事环境中都至关重要——设想一下，如果（商业中的）市场环境变化，或者叛乱分子改进了他们的简易爆炸装置（IED）战术，你就需要快速更新你的培训项目。但是层级化的教学大纲本身就难以更新。应该更新哪一课？哪个复杂程度？哪些先决条件需要改变？有太多的活动部件（牵一发而动全身）。训练更新理应更加容易。与此同时，士兵们却在没有接受更新训练的情况下被部署到前线，然后牺牲。
这种训练方法糟糕的第五个原因是，外部评估常常削弱学习者在实地的感知构建（sensemaking）能力。换句话说，极其清晰的反馈有时反而会阻碍学生有效地从经验中学习，这可能会减缓他们在进入真实世界领域后的学习速度。

那么，你该怎么办？如果你无法设计层级化的技能树，该怎么办？如果逐步增加复杂性的方法行不通，又该怎么办？

答案是：走捷径。

我之前谈到过心理学中的自然决策（Naturalistic Decision Making, NDM）这一分支。NDM 领域包含了一系列用以提取专家内隐心智模型的方法。这些方法大致归类于「认知任务分析」（cognitive task analysis, 或简称 CTA）名下，是在应用领域经过 30 年发展而来的。我在我的隐式知识系列文章中写过 NDM，也分别在这里和这里介绍过 ACTA——CTA 中最简单的一种形式。我建议你把这两篇都读一下。

一旦你清晰地阐述了你想要达成的专业技能所对应的专家心智模型，你就可以问一个更简单的问题：我可以设计出什么样的模拟情境，来激发学生在脑中构建出相应的专家心智模型？

CTA 能让你做到的，就是提取出专家头脑中实际拥有的专业心智模型。这让你能够绕开设计完善的层级化技能树这一难题。一旦你清晰地阐述了你想要达成的专业技能所对应的专家心智模型，你就可以问一个更简单的问题：我可以设计出什么样的模拟情境，来激发学生在脑中构建出相应的专家心智模型？

这一核心见解，正是当今许多成功的加速专业技能培训项目的基础。

基于此，本书推荐的加速专业技能培训项目的通用结构如下：

识别领域专家。 该书提供了四种识别专家的方法——(1) 通过深入的职业生涯访谈了解其教育背景、培训经历和工作经验，(2) 考察专业标准或资格认证，(3) 评估他们在熟悉任务中的实际表现，以及(4) 社交网络分析（向从业者群体询问谁在哪些领域堪称大师）。
对已识别的专家进行认知任务分析（CTA），提取其专业技能。根据所使用的具体 CTA 方法，这一步最初可能需要几个月时间，并且需要对多位专家（有时也包括一些新手）进行多次访谈，才能有效地完成提取工作。
在进行第二步的同时，你将建立一个包含疑难案例的案例库。 存储这些案例，并根据难度指标对其进行分类编码。你可以请专家协助进行分类编码工作。
接下来，将你的案例库转化为一系列训练模拟情境。 这一步有点像一门艺术——研究人员表示「目前尚无一套通用的原则来指导如何设计出好的模拟情境」。他们知道与现实世界保持认知保真度是关键——但**这种保真度需要达到多高呢？**这方面的训练项目形式多样，从（使用 VR 头显的）完全虚拟模拟，到海军陆战队采用的纸笔决策练习（称为「战术决策游戏」）不一而足。
有些训练项目设计要求学习者自行进行感知构建（sensemaking）——即内省和反思他们从每次模拟中学到了什么。另一些项目则包含来自更有经验的从业者或在第一步中被识别为「专家」的人员的反馈。
有些训练项目可能会预先呈现抽象或普适性的原则，然后在训练模拟中对这些原则加以强调。例如，海军陆战队有一条关于战场计划被打乱时的经验法则：「持续移动，抢占高地，保持联络。」这是明确教授的。
最后，测试项目：让学习者完成你设计的一系列从易到难的训练模拟。 这也需要一定程度的调整——作者指出，某个领域中的「难度」是复杂的，可能需要反复试验才能找出合理的案例排序或良好的分类方案（更高级的学习者应分配更难的案例，否则你可能会构建或强化知识护盾）。
模拟训练中的反馈有时是定性的、多因素的。有些练习，如 Gary Klein 的「影子盒」（Shadowbox）方法，会在呈现的场景到达关键决策点时提出多项选择题（例如，「在心脏骤停的这个时刻（定格视频），你认为哪些线索是重要的？」）。学习者随后将自己的答案与专家的答案进行比较，并反思自己遗漏了什么。其他形式的反馈则不那么明确。美国海军陆战队的「战术决策游戏」是在群体环境中以纸笔形式进行的，由一两位经验更丰富的指挥官引导。反馈是有机的，自然产生于小组讨论中。Lia DiBello 的「战略演练」是在企业内部以小组形式进行的，在模拟失败后，仅给参与者提供三个问题进行讨论：(1) 哪里出了问题？(2) 这次我们将采取哪些不同的做法？(3) 我们如何知道新做法正在奏效？有时，这还会结合一个由培训师引导的建设性练习。

我们稍后会接触一个真实世界的案例，但我想先点出这种方法的几个显著特点：

注意案例库和模拟情境易于更新的特点。如果战场环境发生变化，精通认知任务分析（CTA）的培训项目设计师可以被部署到前线进行技能提取，然后返回将这些新提取的内容转化为额外的训练模拟情境。
技能保持与这种方法高度兼容——经验丰富的从业者可以参与一个间隔重复训练计划，定期进行模拟训练。或者，如果从业者无法进行模拟训练（例如，因为他们被派往离训练设施过远的地方），一种替代方案是在其调岗前进行「过度训练」——即密集的模拟训练，这能带来较为平缓的技能衰退速度。不过对此有两点需要注意：首先，间隔重复主要被证明对知识保持有效，对技能保持的效果证据尚不充分；其次，总的来说，研究表明技能往往比知识保持得更长久。作者指出，我们目前在技能保持方面仍缺乏良好的实证基础。
完全不做基础技能训练似乎有些极端——但作者指出，训练模拟并不排斥基础技能的教学。
对于这种训练方法，一个常见的反应是：「等等，如果新手没有任何基础概念训练，就被直接扔到真实世界的任务中，他们不会感到迷茫和不知所措吗？」——这当然是一个合理的担忧。公平地说，书中的方法可以与某种形式的前期原子化技能训练相结合。但值得反思的是，如果这种进步感是以牺牲真实世界表现为代价换来的，那么新手体验到的这种「人为的进步感」是否真的有益？作者们基本上对此不以为意，他们的态度（我转述一下）大致是：「嗯，你到底想不想要加速专业技能养成呢？」用更正式的学习科学术语来讲，这种「不知所措」的感觉或许最好被视为一种「合意困难」，并且可能是为了达成加速目标而付出的可接受代价。
我注意到，感知构建（sensemaking）在书中许多训练项目中扮演着关键角色。模拟训练使得培训师可以选择要求学生自行进行感知构建——并由此学习——而不是一味寻求明确的反馈。这并非总是可行，但通常是个好主意，因为现实世界领域的技能精通源于有效的反思。因此，许多训练项目会引导学习者去反思那些动态的、混乱的反馈信息。

为了简洁起见，书中还有许多其他有趣的想法我无法在此一一深入。例如，第 14 章提出了一个极具启发性的观点，即案例库可以作为「组织知识管理」的基础：

案例经验对于达成高水平熟练度至关重要，因此可以认为，组织需要建立非常庞大的案例库，以用于培训（同时也为了保存组织的集体记忆）。如果在学习者处于关键学习时刻时，能够提供「恰到好处的案例」或一组案例，那么基于案例的教学效果将大大增强（Kolodner, 1993）。这也说明需要大量的案例来覆盖各种可能的突发情况。创建和维护案例库涉及到案例的组织、良好的检索机制以及智能索引——所有这些都是为了确保「前事不忘」而非「后事之师」。

例如，美国海军陆战队就拥有一个庞大且不断扩充的「战术决策游戏」（Tactical Decision-Making Games, TDGs）库，这些游戏基于各种真实或虚拟的战场情境构建而成；它们代表了海军陆战队集体作战专业技能的宝贵资料库。

日落时分的电力线路。

作者指出，这种方法不仅限于军事应用。以发电领域为例，其中一位作者曾负责一个项目，旨在捕获即将退休员工队伍中的隐性专业技能：

（在电力公司里）获取和灌输那些处于「钟形曲线（正态分布）中部」的知识是很容易的，但在一个发电厂，比如说 1500 名员工中，大概只有 5 个人是不可替代的。当（注意，不是如果）需要他们的时候，必须付出巨大努力将高端的技术智慧传授给少数特定的关键人员，这些人的价值在于他们能处理某些特定学科边缘地带的棘手问题（例如，那些能让公司避免负面新闻曝光的人；那些能确保周一晚上巨人体育场灯火通明的人）。这些顶尖或「王牌专家」有时甚至能改变任务执行方式，从而提升整个组织的韧性（Hoffman et al., 2011）。举个例子，当一座含有大量石棉的中继站建筑发生火灾时，一位专家的创新解决方案是：封锁整栋建筑，将内部冲洗物汇集到一个雨水渠中，然后从那里集中清理残骸。整个过程只花了几周时间（而非通常所需的数月），既保护了公众和环境，也避免了事件见报。

虽然达到专家水平可能只需要大约 10 年，但通常需要 25-35 年才能达到非常顶尖的熟练程度。这部分原因不仅在于能够用于进一步提升技能的有意义的真实世界经验的频率，还在于领域的复杂性和技术的生命周期。（例如，公用事业公司直到最近才开始从模拟控制转向数字控制。）关于纽约市面临的工程挑战有很多故事。工程师们必须维护和整合建于不同时代的众多子系统。一位资深的继电保护系统工程师退休后，由四位各有 10 年经验的工程师接替。但这还远远不够。（黑体为我所加）当一辆汽车撞上电线杆导致两条线路跳闸时，两条线路都瘫痪了。这两条线路上涉及数十种不同的继电器和数十种不同的继电保护方案，有些已有 50 年历史。最终不得不请回那位退休工程师来处理这个紧急状况。

换句话说，那些用作训练的疑难案例库，同样可以兼作专业技能的存储库。

案例研究：IED 防御

让我们来看一个具体的加速专业技能培训项目案例。我之前在关于 NDM 训练方法的文章中提及过这个故事，但在此重述，因为我认为这个故事很具代表性，并且能很好地阐释上述通用方法。

（注：Commonplace 会员还可在此处阅读已发表的所有「战略演练」的摘要。「战略演练」（Strategic Rehearsal 或称 OpSim）是由 Lia DiBello 开发的一种加速专业技能培训干预手段，主要用于加速商业专业技能的培养。它是对上文所述方法的一个很好的具体应用范例）。

IED 全称为「简易爆炸装置（improvised explosive device）」。9/11 事件后不久，美军开始在伊拉克和阿富汗面临路边炸弹——也就是我们现在所说的 IED——带来的困扰。

2005 年 11 月，伊拉克警方在巴格达发现的被改装用于制造 IED 的军火

美国国防部开始投入巨资研发探测和防御 IED 的技术。他们投资改进车辆的防护和装甲以保护作战人员，并成立了联合简易爆炸装置防御组织（Joint IED Defeat Organization, JIEDDO），旨在制定战术以减少 IED 造成的生命损失。作为该研究计划的一部分，他们也开始探究探测和防御这些装置所需的人员专业技能。国防部委托了一批自然决策（NDM）研究人员，从那些在 IED 探测方面表现突出的海军陆战队员和陆军士兵身上提取专业技能。他们希望能借此为新手作战人员设计出更好的训练方案。

在我们继续讲述这个故事之前，让我们先停下来思考一下这个技能领域的特殊性。

在我们的职业生涯中，你我或许都需要为自己的工作岗位设计培训项目，可能是针对计算机编程、市场营销，甚至可能是招聘流程。但所有这些领域，通常都不涉及一个会不断调整策略的对手——更不用说一个以杀死我们为目标而不断调整策略的对手了。更糟糕的是，当研究人员开始进行认知任务分析（CTA）访谈时，他们逐渐意识到，IED 的战术在不同地区差异巨大。即便同在伊拉克，不同城镇乃至不同街区的叛乱分子，其设置和引爆 IED 的方式也各不相同。而在阿富汗，情况又不一样。

研究人员面临着一项看似不可能完成的任务：他们需要从那些已经适应了当地特定环境的作战人员头脑中提取专业技能。这些作战人员似乎能够「看见无形之物」——能够识别出本应存在却缺失的东西，能够对某些区域产生「不祥的预感」……换句话说，他们能够捕捉到当地环境中其他人似乎无法察觉的线索。但研究人员需要提取的是可推广的东西——那些无论年轻的海军陆战队员最终被部署到何处都能提供帮助的东西。

最终，研究人员意识到，那些技能最娴熟的海军陆战队员——即那些最擅长提前识别危险区域的人——能够设身处地地站在对手的角度思考。这当然听起来显而易见，但此处的精妙之处在于，这些士兵能够理解对手在行动时所受到的限制条件。

比如说，如果你是一名叛乱分子，想要安放一枚 IED——你会怎么做？又会如何引爆它？

比如说，如果你是一名叛乱分子，想要安放一枚 IED——你会怎么做？又会如何引爆它？如果你使用无线电引爆，那么你就需要在附近地形中安插一名观察员，告诉你海军陆战队的位置以及他们离炸弹有多近。而为了判断距离和时机，你需要设置某种空间参照物——在某些情况下，叛乱分子会利用电线杆；在另一些情况下，他们会在路边堆个小石堆；还有些情况下，他们会用喷漆在墙上做标记。所以，核心技巧是相同的——都是源于他们 IED 设计上的限制条件——但具体实施方式则会根据特定环境中可利用的条件而有所不同。

通过某种潜移默化的适应过程，这些士兵逐渐掌握了这些线索。他们能够像叛乱分子一样思考。

现在设想一下，你已经完成了这一步。你成功地进行了认知任务分析（CTA）提取，并且得到了一个清晰阐述的 IED 防御专业技能的心智模型。你会如何着手将其传授给海军陆战队的新兵呢？

一个想当然的答案可能是，开设一系列关于 IED 构造、设置和引爆战术的讲座，然后向年轻士兵们展示一个接一个的 IED 案例。这或许能构成一场有趣的演示，伴随着一下午的 PPT 和笔记记录。但这很可能不会非常有效。

研究人员实际的做法是：他们采用了一款名为 VBS 的现有军事电子游戏，然后在游戏中开发了一个模块，让海军陆战队员必须扮演叛乱分子。他们在游戏中的任务是：在地形中设置 IED。NDM 研究员 Jennifer Phillips 在谈到这项训练技术时说：

我们基本上是将他们置于这样一种处境：他们必须彻底思考如何才能有效地设置一枚 IED。无论他们打算使用手机引爆器，还是……其他类型的 IED，都必须仔细考虑：「蓝军的车队何时会经过？现在是什么时辰？我该如何伪装炸弹？哪里是理想的伏击地点？」所有这些都是现实世界中需要考虑的因素。

现在，如果你了解 VBS，就会知道它的物理保真度相当不错，但并非顶尖。所以回到你关于认知保真度是否真正重要的问题……这款电子游戏环境的物理效果是否完美，或者树叶是否完全按照应有的方式随风飘动，这些都不重要。重要的是，我们将海军陆战队员置于这样一种情境中，迫使他们必须从一个不同的视角来思考问题，而事实证明这种方法非常成功。

美军训练模拟器 VBS 的屏幕截图。

最终，美国海军陆战队员和陆军士兵在部署到伊拉克或阿富汗之前，都被要求玩几轮这款游戏，作为其训练的一部分。

如果你仔细审视这个故事，就能从中看到加速专业技能训练方法的各个要素：

研究人员从该领域的专家头脑中提取了专业技能。
在进行提取的同时，他们将附带的场景数据转化成了一个案例库。
他们将这个案例库转化为了一系列训练模拟——通过让士兵扮演叛乱分子。通过这种方式，他们促进了学习者构建起与实地专家所拥有的原始专业心智模型相类似的心智模型。
这反过来使得训练周期相当短——士兵们只需要玩几个小时的游戏就能构建起正确的心智模型。
可以推测，如果 IED 的战术不断演变，他们或许可以通过加入新的场景来更新游戏，以反映战场的实际情况。

一个加速专业技能培训项目大抵就是这个样子。

底层理论

最后，我们来探讨支撑《加速专业技能养成》中所述训练方法的核心理论。

在第 11 章中，作者断言，有两种核心学习理论是其训练方法的基础，并且这两种理论可以结合运用：

认知灵活性理论（Cognitive Flexibility Theory，CFT）
认知转型理论（Cognitive Transformation Theory, CTT）

我过去曾讨论过 CTT，你可以在这里和这里阅读相关内容。以下是书中对这两种理论的概述：

与专业技能获取和加速相关的理论，可以被视为一系列可以结合或融合的假设或公设，正如我们在下文对认知灵活性理论（CFT）（Spiro 等人, 1988, 1992）和认知转型理论（CTT）（Klein, 1997; Klein & Baxter, 2009）的讨论中所做的那样。这两种理论与在「真实世界」认知工作领域收集到的经验数据最为相关。

由于这两种理论共享相同的核心逻辑推演过程，尤其是在心智模型形成和知识护盾方面，研究人员认为它们可以结合起来。我们稍后将探讨他们是如何做到这一点的。

认知灵活性理论

核心逻辑推演

学习是对概念理解的主动建构过程。

训练必须帮助学习者克服过度简化的解释。

过度简化的解释会通过形成「误解网络」和「知识护盾」来自我强化和维持。

高级学习是指在特定领域内灵活运用知识的能力。

因此，通过逐步增加复杂性的教学方法不利于实现高级学习。

因此，强调多个案例和概念之间沿多个维度的相互联系，并使用多种、高度结构化的表征方式，能够促进高级学习。

经验基础

对具有概念复杂性的主题进行的研究（以医学生为研究对象）。

对知识护盾和难度维度的验证性演示。

对学习者倾向于通过站不住脚的复杂性简化（即简化偏见）来进行过度简化的验证性演示。

关于使用多种类比的价值的研究。

对学习者倾向于将不规则事物规则化处理，从而导致知识无法迁移到新案例的验证性演示。

对学习者倾向于将概念脱离背景处理，从而导致知识无法迁移到新案例的验证性演示。

对学习者倾向于扮演被动接受者而非主动参与者的验证性演示。

关于学习者倾向于过度依赖通用抽象概念的假设，这些抽象概念可能与具体经验实例相距甚远，以至于显然无法应用于新案例，即导致知识无法迁移到新案例。

概念的复杂性和案例之间的不规则性给传统的教学理论和模式带来了挑战。

先简化后逐步增加复杂性的教学方法，可能通过助长过度简化的理解和知识护盾的形成，从而阻碍高级知识的获取。

强调回忆性记忆的教学方法，对于促进推理理解和高级知识获取（知识迁移）并无助益。

该理论的其他主张

高级知识的获取（从学徒到熟手再到专家）取决于达成更深层次理解并灵活应用知识的能力。

高级学习的障碍包括：复杂性、交互性、情境依赖性以及结构不良性（即概念组合模式的不一致性）。

认知灵活性包括调动小型的、预先编译好的知识结构的能力，这种「适应性图式组装」过程涉及整合与更新，而不仅仅是回忆。

（对于复杂且结构不良的领域而言）在学习中，从不同的概念和案例来源主动「组装知识」比检索现成的知识结构更为重要。

错误的理解会相互叠加，形成误解网络。对基本概念的误解会以系统化的方式相互关联，使得每一个误解都更容易被接受，且更难以纠正。

具有高度相互联系性的表征方式，往往能起到「消除误解的正确知识」的作用。

认知灵活性是指能够从不同的概念和案例视角来表征知识，并根据当前问题的需求，从中构建出一个适应性的知识整体的能力。

认知转型理论

核心逻辑推演

学习包含对心智模型的精细阐述和更新替换。

心智模型是有局限的，并且包含知识护盾。

知识护盾会导致错误的诊断，并使人能够忽视掉不符的证据。

因此，学习也必须包含「反向学习」（unlearning）的过程。

经验基础与主张

对科学家推理过程的研究

对有缺陷的「仓库式」记忆隐喻及其衍生的教学理念（如强调记忆事实、练习加即时反馈、结果反馈）的批判。

科学学习领域的研究表明，误解是如何导致错误的。

关于科学家和学生面对异常数据时不同反应的研究。

「认知冲突」方法在引发概念转变方面的成功实践。

该理论的其他主张

心智模型是简化且碎片化的，因此是不完整且有缺陷的。

学习即是心智模型的完善过程。心智模型提供因果解释。

专家比新手拥有更详尽、更复杂的心智模型。专家拥有更准确的因果心智模型。

存在缺陷的心智模型是学习的障碍（即知识护盾）。

学习既通过「感知构建」（发现、反思）发生，也通过教学发生。

心智模型的精炼过程至少包含某种程度的「反向学习（un-learning）」（顺应；重构；核心概念的改变）。

心智模型的完善有时可能只是增加了错误模型的复杂性，使其更容易让学习者为不一致或异常的数据找到理由开脱。

学习是非连续性的。（当有缺陷的心智模型被替换时，学习取得进展；当一个模型被完善且变得更难以被证伪时，学习趋于稳定。）

人们拥有多种碎片化的心智模型。「核心」心智模型是因果叙事。

认知灵活性理论（CFT）的重点在于克服过度简化的心智模型。因此，它建议不要采用涉及逐步增加复杂性的教学方法。而认知转型理论（CTT）则侧重于策略，以及策略的学习和「反向学习」。这两种理论的侧重点略有不同：

CFT 和 CTT 都试图提升熟练度，但途径不同。对于 CFT 而言，关键在于灵活性；而对于 CTT 而言，关键在于构建更好的心智模型，但这个模型日后也必须被淘汰更新。CFT 并未明确指出灵活性的最佳平衡点在哪里。过度复杂化的学习者可能停滞不前，甚至陷入思维瘫痪。因此，它可以被视为一种「片面的」理论，或者至少是不完整的。CFT 强调达成灵活性，而 CTT 则强调破旧立新和重新学习的必要性。两种理论都将高级学习视为一种感知构建（发现、反思）的过程，并且都认为学习是非连续性的；当有缺陷的心智模型被替换时，学习取得进展；当一个模型被精炼且变得更难以被证伪时，学习则趋于稳定。

我建议你仔细阅读这两种理论，反思它们的含义，或许还可以探究一下它们的起源（CFT 的论文在这里；CTT 的论文则可在此处找到）。这两种理论的意义都相当深远，并在《加速专业技能养成》一书核心所呈现的训练方法中得到了体现。但它们也同样见于自然决策（NDM）领域所采用的许多训练方法中。

在本书第二部分的中段，这两种理论被整合成了一个核心理论，如下所示：

CFT-CTT 合并理论的核心逻辑推演

学习是知识的主动构建过程；是对心智模型、因果叙事或概念理解的精细阐述和更新替换。

所有心智模型都是有限的。人们拥有各种碎片化且往往是简化性的心智模型。

训练必须帮助学习者克服简化性的解释。

知识护盾会导致错误的诊断，并使人能够忽视掉不符的证据。

简化性解释会通过形成误解网络和知识护盾来自我强化和维持。灵活的学习涉及概念与情境细节之间的相互作用，这种作用在特定领域内的应用案例中展现出来并受到其影响。

因此，学习也必须包含反向学习和重新学习的过程。

因此，强调多个案例和概念之间沿多个概念维度的相互联系，并使用多种、高度结构化的表征方式，能够促进高级学习。

这个理论很可能还蕴含着其他的启示。我仍在为自己梳理这些思路，也敦促你这样做。

总结

如果我不提及本书前半部分最重要的两大启示，那将是不负责任的。作者们在长达七章的篇幅里，不厌其烦地反复强调以下两点：

首先，专业技能文献中的一切都难以推广应用。有些方法在某些领域效果显著，但在其他领域则不然。最终的检验标准在于实践应用：如果你尝试将某种方法付诸实践却未获成功，这并不一定意味着该方法本身不好，仅仅说明它不适用于你的特定情境。你越早学会接受这一点越好。
其次，作者们特意指出，关于训练的许多事情可能永远无法确知。例如，在真实世界的复杂情境中，几乎不可能分离出导致训练成功的确切因素——然而，真实世界恰恰是我们最终希望训练能够奏效的地方。干扰变量实在太多了。而且事实是，我们也不能反过来进行完全受控的实验——让基于实验室或课堂环境的训练真正起作用也极其困难。当然，军方（以及工业界！）真正关心的是在战场上和企业运营中什么方法有效；他们并不真正关心在受控的课堂环境中什么具有可发表性或可测试性。

我从这本书中得到的总体印象大致如下：「我们对于专业技能的了解还非常有限。我们的实证基础存在巨大的空白。（求求你，国防部，资助我们来填补这些空白吧！）我们确实知道的那些东西是混乱不堪的，因为存在大量的干扰变量。然而，鉴于我们主要是在应用领域开展工作，我们的训练项目似乎确实为企业和士兵带来了实际效果，即便我们并不完全理解其作用机制。或许，这就是专业技能研究领域的本质。我们确实发现了一些行之有效的东西——其中最重要的就是认知任务分析（CTA），它使我们能够提取出专家实际拥有的心智模型。我们也拥有了一套可用的宏观认知学习理论。但除此之外——也就不过尔尔了。或许我们只能不断地尝试各种方法，并检验学习者是否确实进步得更快，而对于我们的项目为何有效，我们只能进行推测；我们永远无法确切地知道答案。」

这似乎就是在真实世界环境中进行研究所必须付出的代价。我不得不说：如果在专业技能领域取得进展的代价是我们无法确切地知道什么方法一定有效，那么我认为，权衡之下，这还不算太糟糕。但我是一名实践者，而非科学家；我想要的是行之有效的方法，不一定需要探究绝对的真理。

我迫不及待地想将其中一些理念付诸实践。也迫不及待地想看到这些研究人员未来的新发现。

最初发表于 2021 年 9 月 8 日，最后更新于 2023 年 6 月 1 日。

Thoughts Memo 翻译合集