加速掌握专业技能

原文:Book Summary: Accelerated Expertise - Commoncog

这是一本非凡的🌳树形书籍的总结,该书提出了在真实世界环境中加速掌握专业技能的理论和方法。本总结并全面涵盖原书内容;它仅包含书中部分可实践的理论和建议,省略了大量文献综述以及对未来研究方向的建议。值得一提的是,《加速掌握专业技能》并非为普通读者而作——它主要面向组织心理学家、培训项目设计师和美国军方的研究人员。如果你确实需要阅读它——比如你想将书中理念付诸实践——我建议你重点阅读第 9-13 章,其余部分可以略读。

《加速掌握专业技能》探讨的是「将技能发展推向极限」的概念。这不是一本纯理论著作;也不是一本讨论在成熟技能领域中刻意练习的书籍。相反,这是一本挑战两种鲜为人知学习理论极限的著作,通过应用这些理论,作者在混乱复杂的现实军事和工业环境中成功开发了加速训练项目。

2008 年至 2009 年间,美国空军研究实验室组织了一系列关于「专业知识快速获取与能力保持」的工作研讨会,邀请了多位自然主义决策(NDM)研究学者、专业知识研究专家及军事组织心理学家参与。我推测,空军人类性能研究部门的一些人员,以及国防部加速学习技术重点小组可能注意到,这些研究者中有些人已经能够在工业界和军队各分支机构成功开发专业知识加速培养项目;他们的目的很可能是希望从这些培训项目中提炼出底层原理。

这些会议最终形成的研究报告成为了《加速掌握专业技能》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 为国防部编写,并于 2016 年出版。

该书以如下动机开篇:

本书的创作源于国防科学技术咨询小组(DSTAG)提出的一项任务,该小组是美国国防部制定科技政策的最高级别机构。他们关注美军及联军在阿富汗和伊拉克战争中面临的复杂挑战。初级军官和士兵正在执行自越南战争以来我们军队未曾应对过的任务,如反叛乱作战和暂时治理村庄等。冷战时期,军事人员通常能在同一驻地服役至少三年才会轮调。那个时代允许在服役期间进行系统而持续的训练。然而,在当今为打击恐怖主义而频繁部署至全球各地的时代,系统化训练和实践的机会已大幅减少。这些高度动态的任务需要极强的认知灵活性。迅速掌握执行任务所需的知识和技能变得至关重要,因为培训往往需要在人员被派往战区前不久更新并完成。

我提及这一背景仅是为了说明本书所讨论训练方法的缘起。如你将很快发现的,《加速专业知识》中的一些方法违背了传统课堂环境中的某些教育原则。这些方法多数是在工业和军事环境中开发的,而非实验室或教室。这可能限制了它们的某些应用范围。但或许这也使得这些理念对你更具吸引力,假设你像我一样对课堂教学的有效性持怀疑态度。

《加速掌握专业技能》一书分为三个部分。第一部分提供了截至 2016 年专业能力研究领域的全面文献综述。第二部分展示了几个成功的加速培训项目案例,并阐述了这些培训项目高效运作的理论基础。该部分还提出了一个用于创建此类加速专业能力培训项目的通用框架。第三部分规划了未来的研究方向,并通过指出现有加速培训项目实证基础中的各种不足,将第一部分和第二部分的内容有机地整合起来。

本摘要将重点关注第二部分。不出所料,该书中的理念和建议与教育学和培训领域的某些主流观点有所不同。如果你想加速专业能力的形成,采用与传统培训方法截然不同的方式是合乎逻辑的。

img

军方的需求

军方有两个主要需求:

  1. 寻求能够加速达成高水平【熟练】的新型培训方法和学习技术。(注:熟练与专业能力是有区别的——我们稍后会详细讨论这一点)。

  2. 追求知识和技能的高度保留率。后者源于军方组织的特殊性质——军事人员在服役期间中途被临时调往行政岗位几年是常见现象。例如,一名空军飞行员可能会在返回一线岗位前被调往军校担任一两年的教学工作。国防部希望减少这些飞行员重返岗位时所需的再培训量。因此,军方要求研究人员为这些问题开发新方法或提出新的研究方向。

在这两次会议的过程中,军方的需求逐渐明晰,可以归纳为四个具体的子目标,这些目标不仅对军事领域至关重要,对工业应用同样具有重大价值:

  1. 在保证训练效果的同时加快训练进程的方法(快速训练)。

  2. 加速将战场经验教训转化为训练内容的方法——例如,当叛乱分子调整其战术时,应当有途径迅速将这种「元策略变化」融入现有训练体系。(快速知识共享)。

  3. 更快地达到更高熟练水平的方法(加速能力提升)和

  4. 确保训练效果稳定且长期有效的方法(促进记忆保持

书籍第二部分介绍的训练方法在很大程度上满足了上述四项要求。

之所以区分「熟练度」和「专业知识」这两个概念,是因为作者不确定是否可能加速实现「高度熟练」(有时被称为「精通」或「专业精深」)。在他们的报告中,作者这样表述:

加速学习的目标揭示了一个重要的现实矛盾。一方面,我们需要加速学习过程——也就是提高达到高度熟练表现的速率;另一方面,大量证据表明,发展真正的专业知识需要长达10年的经验积累,包括在具有挑战性的任务中反复实践(Hoffman, 1998)。这表明要加速获得高度熟练可能是不现实的。国防部加速学习技术专项小组的一个主要目标就是识别当前资金不足或尚未获得资金支持的关键研究挑战,并为科学技术进步绘制一个概念性路线图。

他们暂时得出结论,或许只有在高级学徒到初级技师阶段之间(或高级技师到初级专家阶段之间),才有可能加速提高专业熟练度。他们展示了以下风格化的成长曲线图:

img

也许,作者们说,全面掌握一个领域仍然需要在该领域投入 10 年时间,这一点我们无法改变。

但我们确实知道的是:目前存在的那些成功的加速培训项目能够实现的是加速专业熟练度,而非加速全面掌握。

也许这样就足够好了!

如何加速专业技能培养?

让我们从基本原则出发思考这个问题。

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

大多数人首先会问:这个领域的技能树是什么?对此,研究者们会说:不,停下来。别管那套了。

我认为大多数人首先会问:这个领域的技能树是什么?我们会尝试确定一系列原子化的技能,并按照从最基础到最高级的顺序排列它们,然后设计一套培训大纲,以正确的顺序教授每项技能,确保先教授前提技能,再逐步增加所教概念、技能和培训项目的复杂性。我们可能还会为基础技能设计练习,并尝试创建中期评估任务或「测试」。

简而言之,我们会尝试复制我们在学校中的学习模式。

研究者们的回应是:不,停下来。别管那一套了。

这种培训方法存在诸多问题。你可能已经熟悉其中一些。

  1. 首先,这种训练方法实在是过于冗长。毕竟,它是教学领域的主流方法,而研究人员恰恰是被要求去改进这一范式的。一个更有意思的问题是为什么它会如此耗时。

  2. 这个问题有两个答案。首先,人类是通过构建领域的心智模型来学习的。初期,这些心智模型相当粗糙,无法产生有效行动。因此,新手们会根据反馈迅速调整,不断构建、放弃和重构这些模型。然而,当这些心智模型变得足够有效且复杂时,它们就会转变为**知识屏障**——也就是说,这些领域模型在某些微妙方面存在错误,**它们会阻碍学习者达到更高水平的专业能力,因为它们使学习者能够拒绝那些与自身模型不符的异常数据。**换言之,将技能领域分解为原子化的技能是有风险的——由于技能层次结构本身的不完整性,你很可能会无意中导致形成存在微妙缺陷的心智模型。这会减缓专业能力的发展,因为此时培训者需要做额外的工作——例如,你必须将「破除知识屏障」作为教学目标来设计训练任务。最好是完全避免这种情况。

  3. 将技能领域分解为分立的学习层级结构还有另一个缺陷:专家能够看到并建立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联系,实际上可能导致他们在后期表现不佳或遇到训练瓶颈。(注:这并非普遍适用的建议;作者提到,Kim 与 Reigeluth 展示的「简化条件方法」是一种在强调概念间联系的同时分解领域的方式,但这种教学方法并不广为人知。最好是完全避免这种层级分解的要求。)

  4. 分层训练方法糟糕的第二个原因是,原子化技能的评估结果无法真实反映实际工作表现。我想这一点我们凭直觉就能理解。基础技能测试往往无法捕捉到技能在实际环境中应用的微妙之处。你可能在企业财务测试中表现优异,却仍可能把一家公司经营到破产,因为你不了解在特定业务中应该关注哪些关键信号。

  5. 这种训练方法糟糕的第三个原因是,原子化训练通常与实际使用场景缺乏认知保真度。以「认知负荷理论」为例,这是一个著名的课堂学习理论,它基本上认为「内在认知负荷」与学习任务本身的复杂性相关;而「外部认知负荷」则由学习过程中不必要且干扰知识构建的活动所造成。教师的职责是设计能减少外部认知负荷的教学方法。作者指出,这种方法对于准备考试的学生来说很有效,但如果你的工作环境是在规划部队移动时还有炸弹在身边爆炸,那么你的训练项目是否应该包含一些「外部认知负荷」呢?

  6. 这种训练方法的第四个致命缺陷是,当技能领域发生变化时,更新训练计划变得异常困难。这一点在商业和军事环境中都至关重要——设想一下,当市场环境变化(商业领域),或当叛乱分子改进他们的简易爆炸装置(IED)战术时,你需要迅速调整训练计划。然而,层级式教学大纲本身就抵制变革。你该更新哪一课?在哪个复杂度层级进行调整?哪些前提条件需要随之改变?这涉及太多相互关联的环节。训练计划的更新本应更为便捷。而现实是,士兵们带着过时的训练被派往前线,最终付出生命的代价。

  7. 这种训练方法的第五个问题是,外部评估往往削弱了学习者在实际环境中的感知判断能力。换句话说,过于清晰明确的反馈有时反而阻碍了学生从经验中有效学习的过程,这可能会在他们进入真实领域时减缓其学习速度。

那么,面对这些挑战,我们该怎么办?如果无法设计层级式技能树,该如何应对?如果渐进式复杂化的方法行不通,还有什么选择?

答案是:走捷径

我曾经讨论过心理学中的自然主义决策制定(Naturalistic Decision Making)分支。NDM 领域开发了提取专业隐性知识模型的方法。这些方法统称为「认知任务分析」(cognitive task analysis),简称「CTA」,已在应用领域发展了30年。我在隐性知识系列中探讨过 NDM,并在这篇这篇文章中介绍了 ACTA——最简洁形式的 CTA 方法。我建议你两篇都阅读。

当你已经清晰地解析出你期望传授的专业知识的心智模型后,你就可以提出一个更为简洁的问题:我应该设计何种模拟训练,来促使学生在自己的头脑中构建这些心智模型?

认知任务分析(CTA)使你能够提取专家头脑中真实存在的专业心智模型。这让你能够巧妙地规避设计层次化技能树的难题。当你已经明确解析出你期望传授的专业知识的心智模型后,你可以转而思考一个更为简单的问题:我该设计什么样的模拟训练,来促使学生在自己的头脑中构建这些心智模型?

这一核心见解是当今许多成功的加速专业知识培训项目的基础。

基于这一理念,该书推荐的加速专业知识培训项目通常遵循以下结构:

  1. 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)。

  2. 对已识别的专家进行认知任务分析,提取其专业知识。根据你采用的具体 CTA 方法,这一步初期将花费数月时间,需要与多位专家(也包括一些新手)进行多次访谈,以确保有效地提取知识。

  3. 在执行第 2 步的同时,你将建立一个难题案例库。收集这些案例,并根据难度指标对它们进行分类编码。你可以请专家协助完成这一编码工作。

  4. 接下来,将案例库转化为一系列培训模拟情境。这一步颇具艺术性——研究人员表示,「目前尚无一套通用原则可用于设计优质模拟」。他们知道与现实世界的认知逼真度至关重要——但**保真度需要达到何种程度?**此类培训项目的形式多样,从全沉浸式虚拟模拟(使用 VR 头盔)到海军陆战队采用的纸笔决策练习(称为「战术决策游戏」)不等。

  5. 某些培训项目设计要求学习者自行进行意义构建——即对每次模拟学习成果进行自我反思和内省。其他项目则包含来自更有经验从业者的反馈,或来自在第 1 步中被认定为「专家」的人员的指导。

  6. 有些培训项目可能会预先呈现抽象或通用原则,然后通过模拟训练强化这些原则。例如,海军陆战队针对战场计划失效情况有一条启发式规则:「保持移动,寻找高地,保持联系。」这一规则会被明确教授。

  7. 最后,测试整个学习程序:让学习者完成你设计的一系列训练模拟,难度从简单逐渐提升到复杂。这一环节同样需要不断调整——作者指出,领域内的「难度」概念本身就很复杂,可能需要反复试验才能确定合适的案例顺序或分类方案(应为更高级的学习者分配更具挑战性的案例,否则你可能会构建或强化学习者的知识屏障)。

  8. 模拟训练中的反馈有时是定性的、多维度的。一些练习,如 Gary Klein 的 Shadowbox 方法,会在呈现场景的关键决策点暂停并提出多项选择题(例如,「在心脏骤停的这个时刻(视频暂停),你认为哪些线索最重要?」)。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纸笔环境中进行的小组活动,由一两位更有经验的指挥官指导。反馈是自然形成的,源自小组讨论。Lia DiBello 的战略排练则是在企业内部的小组环境中进行,简单地给参与者提供三个讨论问题,用于模拟失败后的反思:(1) 什么地方出了问题,(2) 这次我们将如何调整,以及 (3) 我们如何判断调整是否有效?有时这会与一个由培训师引导的建设性练习相结合。

我们稍后会探讨一个现实世界的例子,但我想先指出这种方法的几个显著特点:

  1. 值得注意的是,案例库和模拟训练系统可以被轻松更新。当战场环境发生变化时,精通认知任务分析(CTA)的训练计划设计师可以被派往前线提取新技能,然后返回后将这些技能转化为新的训练模拟项目。

  2. 这种方法与技能保持非常相容——经验丰富的实践者可以被安排在间隔重复训练计划中,定期进行模拟训练。另外,如果实践者无法参与模拟训练(可能因为被分配到远离训练设施的地点),替代方案是进行「过度训练」——即在他们被重新分配前进行密集的模拟训练,这会使技能衰退的速率更为缓和。这里有两点需要注意:首先,间隔重复训练主要被证明对知识保持有效,而非技能保持;其次,研究普遍表明,技能往往比知识能够保持更长时间。作者指出,我们目前在技能保持方面缺乏充分的实证研究基础。

  3. 完全不进行基本技能训练似乎过于极端——但作者指出,训练模拟并不排除教授基本技能。

  4. 面对这种训练方法,人们常会提出质疑:「等等,如果新手没有接受基本概念训练就直接被扔进真实任务中,他们不会感到迷失和不知所措吗?」——这当然是个合理的顾虑。公平地说,这本书的方法可能会与某种形式的前期基础技能训练相结合。但值得思考的是,如果这种人为的进步感是以牺牲实际表现为代价的,它对新手是否真的有益。作者对此基本上不以为然,言下之意是:「那么,你到底想不想加速培养专业能力?」从更专业的学习科学角度来看,这种"不知所措"的感觉可能最好被理解为一种「合意困难」,是为加速学习而付出的可接受代价。

  5. 我注意到,意义构建在他们众多训练项目中扮演着关键角色。模拟训练让培训者有机会要求学员通过意义构建来学习,而非仅仅寻求明确的反馈。这种方法虽然并非总是可行,但通常是明智之举,因为在现实世界中的技能精通来源于有效的反思。因此,许多训练项目都引导学习者对动态而复杂的反馈进行思考。

出于简洁考虑,还有许多其他有趣的观点我无法在此详述。例如,第 14 章中提到的一个引人深思的见解是,案例库可能成为「组织知识管理」的基础:

案例经验对于达成专业水平至关重要,这使得组织需要建立庞大的案例库用于培训(同时也为了保存组织的集体记忆)。当能在学习者的关键学习时刻提供「恰到好处的案例」或一系列案例时,基于案例的教学效果会显著提升(Kolodner, 1993)。这也表明需要大量案例来应对各种可能的情况。创建和维护案例库的关键在于案例之间的有序组织、高效的检索机制和智能的索引系统——这一切都是为了确保「获得的经验教训」不会变成「被遗忘的教训」。

以美国海军陆战队为例,他们拥有一个庞大且不断扩充的「战术决策游戏」(TDGs)库,这些游戏基于各种真实或模拟的战场场景;它们构成了海军陆战队集体作战专业知识的宝贵资源库。

img日落时分的电力线路。

作者指出,这种方法并不仅限于军事应用。例如,在电力生产领域,文章的其中一位作者曾负责一个项目,旨在获取即将退休员工的隐性专业知识:

在电力公用事业公司中,获取和灌输「正态分布曲线中段」的知识相对容易,但在一座电厂内,1500名员工中约有5人是不可替代的。当(不是如果,而是必然会)需求出现时,需要投入大量努力将高端技术智慧传授给特定的几位关键人物,这些人的价值体现在某些特定领域的边缘地带(例如,那些能让公司避免登上新闻头条的人;那些确保周一晚上巨人体育场不会断电的人)。这些高端或「特许专家」有时会重新定义组织使命,从而增强整个组织的韧性(Hoffman等人,2011年)。比如,当一座含有大量石棉的继电器站建筑着火时,专家提出了一个创新解决方案:密封整栋建筑,将内部物质冲入单一雨水排水管,然后从那里收集残留物。这一过程仅花了几周时间(而非数月),既保护了公众和环境,又避免了事件见诸报端。

虽然获取基本专业知识可能需要约10年时间,但要达到真正顶尖的精通水平,通常需要25-35年。这不仅与能够促进技能提升的有意义实战经验的频率有关,还与领域的复杂性和技术的生命周期密切相关。(例如,公用事业单位直到最近才开始从模拟控制系统向数字控制系统转变。)纽约市的工程挑战常被人们作为经典案例讨论。工程师们必须维护并整合多个建于不同时代的子系统。一位资深继电保护系统工程师退休后,被四位各有10年经验的工程师所替代,结果证明这远远不够。着重强调)当一辆汽车撞倒电线杆导致两条线路跳闸时,这两条线路全部失效。这两条线路上有几十种不同类型的继电器和几十种不同的继电保护方案,有些已有50年历史。最终,他们不得不请回那位退休工程师来解决这一紧急情况。

换言之,那些作为培训难题案例库的资源,同时也可能成为专业知识的宝贵储备。

案例研究:IED 防御技术

让我们来看一个加速专业知识培训项目的实例。我在之前关于自然决策模型(NDM)培训方法的文章中提到过这个故事,但我在这里重新讲述,因为我认为这是一个很好的案例,而且它能很好地展示这种通用方法。

(注:Commonplace会员还可以在这里阅读所有已发布的战略演练摘要。战略演练或运营模拟(OpSim)是由Lia DiBello开发的加速专业知识培训干预措施,主要应用于加速商业专业知识的获取领域。它是上述方法的一个很好的实际应用案例。)

IED 是简易爆炸装置(improvised explosive device)的英文缩写。9/11 恐怖袭击事件后不久,美国军队在伊拉克和阿富汗两地开始面临路边炸弹——也就是我们现在所称的 IED——带来的严重威胁。

img2005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

为应对这一挑战,国防部开始向检测和对抗IED的技术投入大量资金。他们改进了车辆的防护装甲以保护战斗人员,并成立了「联合简易爆炸装置对抗组织」(JIEDDO),专门开发减少IED造成伤亡的战术。作为这一研究计划的重要部分,他们也开始关注人类在检测和对抗这些装置方面的专业技能。国防部委托了几位自然决策模型(NDM)研究人员,从那些在IED检测方面表现出色的海军陆战队员和士兵身上提取专业知识。他们希望能够为新兵设计出更为有效的训练方案。

在继续这个故事之前,让我们先退一步思考这一特殊的技能领域。

在我们的职业生涯中,你我可能都会被要求为工作设计培训项目。这些培训可能针对计算机编程、市场营销,或者甚至是招聘工作。然而,这些技能领域没有一个需要面对一个不断改变战术的对手——更不用说这个对手改变战术的目的是为了致我们于死地。情况更加复杂的是,当研究人员开始进行认知任务分析(CTA)访谈时,他们意识到IED战术在不同地区有着显著差异。即使在伊拉克国内,不同城镇或社区的叛乱分子都采用不同的方式来安放和引爆IED。而在阿富汗,情况则更加迥异。

研究人员面临着一项看似不可能完成的任务:他们需要从那些已适应特定作战环境的战场人员头脑中提取专业知识。这些作战人员似乎拥有"看见无形之物"的独特能力——他们能够察觉到应该存在却不存在的事物,对某些区域产生"不祥的预感"……简而言之,他们能够捕捉到当地环境中其他人完全无法察觉的微妙线索。然而,研究人员需要提取的是某种具有普遍适用性的知识——无论年轻的海军陆战队员被部署到何处,都能为他们提供帮助的东西。

最终,研究人员发现,那些精通战术的海军陆战队员——即那些能够提前识别危险区域的人——有一个共同特点:他们能够设身处地地从敌人的角度思考问题。表面上这似乎是显而易见的道理,但其中的精妙之处在于,这些海军陆战队员能够深入理解叛乱分子在行动中所面临的各种限制

假设你是一名叛乱分子,想要安放一枚简易爆炸装置(IED)——你会如何部署它,又如何引爆它呢?

假如你是一名叛乱分子,想要安放一枚简易爆炸装置(IED)——你会如何部署并引爆它呢?如果你选择使用无线电控制,那么你需要在周围地形中安排一名观察员,向你报告海军陆战队员的位置及其与炸弹的距离。而要精确判断这些信息,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作为标记;在其他情况下,他们可能会在道路上刻意堆积小石堆;还有时候,他们会用喷漆在墙上做记号。因此,基本技术原理是相同的——源于他们在制作IED时面临的技术限制——但具体实施方式会根据当地环境中可利用的资源而灵活调整。

通过某种微妙的适应过程,这些士兵开始捕捉到这些关键线索,他们能够像叛乱分子那样思考问题。

现在,假设你已经达到了这一阶段:你成功完成了认知任务分析(CTA)提取,获得了一个关于如何击败简易爆炸装置(IED)的专家思维模型。那么,你会如何将这些知识传授给新手海军陆战队员呢?

最简单直接的答案可能是:组织一系列关于IED构造、布置和触发策略的讲座,然后向年轻士兵们展示一个接一个的IED案例场景。这或许能构成一个有趣的培训内容,伴随着一个下午的PowerPoint演示和笔记记录。但这种方法可能并不会带来实质性的效果。

研究人员采用的方法是:他们利用一款名为VBS的现有军事视频游戏,开发了一个模块,要求海军陆战队员扮演叛乱分子的角色。他们在游戏中的任务是:在地形中布置IED。自然决策模型(NDM)研究员Jennifer Phillips对这种训练技术的评价是:

我们实际上是把他们放在一个需要思考如何有效布置IED的位置上。无论他们选择使用手机引爆器,还是……其他类型的IED,他们都必须思考:「蓝方部队的车队什么时候会经过?现在是一天中的什么时刻?我该如何伪装这个装置?哪里是理想的伏击区域?」所有这些都是现实世界中需要考虑的因素。

如果你了解VBS,你就知道它有着相当好的物理逼真度,但并非极其完美。所以关于认知逼真度的重要性……重要的不是游戏环境的物理效果有多完美,也不是树叶在风中摇曳的方式有多逼真,真正重要的是我们让海军陆战队员置身于需要从不同角度思考问题的情境中,而这种方法被证明非常成功。

img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被派往伊拉克或阿富汗前,必须将这款游戏的几个回合作为训练的必修内容。

仔细观察,你能在这个案例中看到加速专业知识训练方法的所有关键环节:

  1. 研究人员从领域专家那里提取了专业知识。

  2. 在此过程中,他们将收集到的实际场景数据转化为系统化的案例库。

  3. 他们通过让士兵扮演叛乱分子的角色,将这些案例库转变为一系列训练模拟。这种方式促使士兵能够构建起与实战专家类似的心智模型。

  4. 这反过来显著缩短了训练周期——士兵只需玩几个小时的游戏就能形成适当的心智模型。

  5. 可以推测,如果简易爆炸装置(IED)战术发生演变,他们可以通过新场景更新游戏内容,以反映真实战场的最新状况。

这就是一个加速专业知识训练项目的实际面貌。

底层理论

最后,我们来看看《加速掌握专业技能》一书中提出的训练方法背后的理论基础。

在第 11 章中,作者指出有两种核心学习理论支撑了他们的训练方法,这两种理论可以结合使用:

  • 认知灵活性理论(Cognitive Flexibility Theory,CFT)

  • 认知转化理论(Cognitive Transformation Theory,CTT)

我曾在之前讨论过认知转化理论,你可以在这里这里阅读相关内容。以下是该书对这两种理论的概述:

与专业知识习得和加速发展相关的理论可以被视为一系列假设或假设命题的集合,这些理论可以相互结合或融合,正如我们在下面对认知灵活性理论(CFT)(Spiro et al., 1988, 1992)和认知转换理论(CTT)(Klein, 1997; Klein & Baxter, 2009) 的讨论中所展示的。这两种理论与「现实世界」中认知工作领域的实证数据最为相关。

由于这两种理论在核心推理逻辑上有共通之处,特别是在心理模型形成和知识屏障方面,研究人员认为它们可以被整合起来。接下来,我们将探讨他们是如何实现这一整合的。

认知灵活性理论

核心三段论

  • 1)学习是概念理解的主动建构过程。
  • 2)培训必须帮助学习者克服还原论式解释的倾向。
  • 3)还原论式解释通过误解网络和知识屏障来自我强化和维持。
  • 4)高级学习是在特定领域内灵活应用知识处理各种案例的能力。
  • 因此,采用逐步增加复杂度的教学方法不利于高级学习的发展。
  • 因此,促进高级学习应强调在多个维度上多个案例和概念之间的相互联系,以及使用多种高度组织化的知识表征方式。

实证基础

  • 对具有概念复杂性主题的学习研究(以医学生为研究对象)。
  • 关于知识防御屏障和学习难度多维性的实证展示。
  • 证明学习者倾向于过度简化(还原性偏见),通过错误地削减问题的复杂性。
  • 关于使用多重类比教学有效性的研究。
  • 证明学习者倾向于将不规则事物规则化,导致无法将知识迁移应用到新案例。
  • 证明学习者倾向于将概念脱离具体情境,导致无法将知识迁移应用到新案例。
  • 证明学习者倾向于扮演被动接受者而非主动参与者的角色。
  • 假设学习者过度依赖一般性抽象概念,这些抽象概念与经历的具体实例差距过大,难以应用于新案例,即知识迁移失败。
  • 概念复杂性和案例间的不规则性对传统教学理论和模式构成挑战。
  • 先简化后逐步复杂化的教学方法可能通过促进形成还原论式理解和知识防御屏障而阻碍高级知识的获取。
  • 仅仅强调记忆回忆的教学方法无法促进推理性理解和高阶知识获取(知识迁移)。

理论中的其他核心观点

  • 高阶知识获取(从学徒到熟练工再到专家的发展过程)依赖于获得深层理解并能灵活运用这种理解的能力。
  • 高阶学习的障碍包括知识的复杂性、各要素间的相互作用、对情境的依赖性以及知识的非结构化特性(概念组合呈现不一致模式)。
  • 认知灵活性包括调动小型预编译知识结构的能力,这种「适应性图式组装」不仅涉及记忆回忆,还包括知识的整合与更新。
  • 在学习复杂且非结构化的知识领域时,从不同概念和案例来源主动「组装知识」比单纯检索既有知识结构更为重要。
  • 错误概念会形成相互关联的网络。对基本概念的错误理解可以系统性地相互支持,使每个错误概念更容易被接受且更难被纠正。
  • 具有高度互连性的知识表征通常能作为「能够禁用错误概念的正确知识」。
  • 认知灵活性是指能够从不同概念和案例视角表征知识,并基于这些表征构建出适应当前问题需求的知识整体的能力。

认知转换理论

核心三段论

    1. 学习包含心智模型的构建和更替过程。
    1. 心智模型存在局限性,并会形成知识屏障。
    1. 这些知识防御机制导致错误判断,并使人们能够忽略与既有认知不符的证据。
  • 因此学习过程必然包含「消解学习」(卸除既有错误认知)的环节。

实证基础和主张

  • 对科学家推理过程的研究
  • 有缺陷的"知识仓库"记忆比喻及其衍生的教学理念(记忆事实;练习配合即时反馈,注重结果的反馈)。
  • 科学教育研究表明错误概念如何导致系统性错误。
  • 关于科学家和学生面对异常数据时反应的研究。
  • 「认知冲突」教学法在促进概念转变方面的成功实践。

理论的附加命题

  • 心智模型本质上是简化和片段化的,因此不可避免地不完整且存在缺陷。
  • 学习是心智模型的精细化过程。心智模型提供因果关系解释。
  • 专家比新手拥有更详尽、更复杂的心智模型。专家的因果关系心智模型更加准确。
  • 缺陷性心智模型会阻碍学习(形成知识防御屏障)。
  • 学习既可通过意义建构(探索、反思)实现,也可通过教学获得。
  • 心智模型的精细化至少需要部分「消解学习」(适应新知识;重构认知,改变核心概念)。
  • 心智模型的精细化有时表现为使有缺陷的模型变得更加复杂,反而使学习者更容易为矛盾或异常数据辩解。
  • 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步,当模型被精细化并变得更难被证伪时学习处于稳定状态。)
  • 人们拥有各种各样的碎片化心智模型。"核心"心智模型是因果关系叙事。

CFT(认知灵活性理论)的核心在于克服过度简化的心智模型。因此,它不推荐采用渐进式复杂度的教学方法。而 CTT(认知转化理论)则聚焦于策略,以及策略的学习与解学习过程。这两种理论关注点有细微差别:

CFT 和 CTT 都致力于提高能力水平,但采用的方式不同。CFT 注重灵活性,而 CTT 则追求更优的心智模型,尽管这个模型日后可能需要被舍弃。CFT 没有明确指出灵活性的最佳平衡点。如果学习者过度复杂化思考,可能寸步难行,甚至陷入思维瘫痪。因此,它可能被视为一种「偏颇」的理论,或至少是不完整的。CFT 强调实现思维灵活性,而 CTT 则强调解学习和重新学习的必要性。两种理论都将高阶学习视为一种意义构建(发现和反思)的形式,并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进步,当模型被精炼并变得更难被否定时学习保持稳定。

我建议你仔细研读这两种理论,思考它们的深层含义,并探究它们的理论源头(CFT 的论文可在这里查阅;CTT 的论文可在这里找到)。这两种理论的影响都相当深远,它们在《加速掌握专业技能》一书核心部分提出的培训方法中得到了充分体现。同时,它们的思想也可以在自然决策模型(NDM)领域的众多培训方法中找到。

到了该书第 2 部分的中段,这两种理论被整合成了一个核心理论,具体如下:

CFT-CTT 融合理论的核心逻辑论证

    1. 学习是知识的主动构建过程;是对心智模型、因果解释框架或概念理解的阐释与更新。
    1. 所有心智模型都存在局限性。人们普遍拥有各种片段化且往往过度简化的心智模型。
    1. 有效的训练必须支持学习者突破简化解释的限制。
    1. 知识防御机制会导致错误诊断,并使人能够选择性地忽视不符合自身认知的证据。
    1. 简化解释通过错误概念网络和知识防御机制来自我强化和自我维持。而灵活的学习则体现为概念与具体情境细节在特定领域应用案例中的相互交织与影响。
  • 因此学习过程必须包含"解构旧知"和"重构新知"的环节。
  • 因此高阶学习应通过强调多种案例和概念在多个维度上的内在联系,以及运用多样化且高度组织化的知识表征方式来促进。

这一理论可能还有其他深层含义。我仍在为自己探索理解中,也鼓励你进行同样的思考。

总结

如果不提及本书前半部分的两大核心启示,那将是不负责任的。在长达章的内容中,作者们不遗余力地反复强调两个关键教训:

  1. 首先,专业知识文献中的一切都难以推广。某些方法在特定领域效果显著,但在其他领域则可能无效。最终的检验标准在于实际应用:如果你尝试将某种方法付诸实践却没有成功,这并不一定意味着该方法本身有问题,仅仅表明它不适合你的特定情境。你越早学会接受这一现实,就越有益处。

  2. 其次,作者们谨慎指出,关于训练的很多方面可能永远无法被完全了解。例如,在现实世界的环境中,几乎不可能单独分离出导致训练成功的各项因素——而现实世界恰恰是我们最终希望开展训练的场所。这里存在太多相互影响的变量。同时,事实是我们也无法走另一条路径进行完全受控的实验——基于实验室或课堂的训练通常很难取得实际效果。显然,军方(以及企业!)关注的是什么方法在战场和公司环境中有效,而非什么内容可以在受控的课堂环境中发表或测试。

我从这本书中获得的整体印象大致如下:「关于专业知识,我们了解甚少。我们的实证研究基础存在很大空白。(拜托,国防部,请资助我们来填补这些空白吧!)我们已知的信息相当混乱,因为存在大量的干扰变量。尽管如此,考虑到我们主要在应用领域工作,我们的培训项目似乎确实为企业和军人带来了成效,即使我们并不完全理解其中的原理。这或许就是专业知识研究的本质。我们确实发现了几种有效的方法——其中最重要的是认知任务分析,它让我们能够提取专家真实的心智模型。我们还拥有一个可用的宏认知学习理论。但除此之外——呵呵,算了吧。或许我们只能不断尝试各种方法,检验学习者是否进步得更快,只能推测我们的项目为何有效;我们永远无法确切知道真正的原因。」

这似乎是在真实环境中开展研究所必须付出的代价。我不得不说:如果在专业知识领域取得进展的代价是我们无法确切知道什么是真正有效的,那么总体而言,我认为这并不算太糟。不过我是实践者而非科学家;我需要有效的方法,而不一定要追求绝对的真理。

我迫不及待地想要将这些理念付诸实践,也迫不及待地想看看这些研究者接下来会有什么新发现。

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