Insight TD Magazine Logo
Insights

困扰我们的学习神话

Monday, October 29, 2018

神话、迷信和误解正在吞噬不必要的时间和金钱。

组织过于频繁地遵循不正当方法,甚至与他们的最佳利益相违背。然而,我们会发现这些误入歧途的练习还在被持续地投入。这与我们作为从业者的立场相反。

作为一个行业,我们是否应该关注学习的神话、设计的迷信以及对常见术语的误解?我们似乎在进步,这是一个问题吗?当然,它们只是一个相对较小的问题,不是吗?

简单的答案是肯定的, 但是这样的观点存在问题。如何抑制这个观点更具挑战性, 但我们这样做是至关重要的。这些观点是什么, 为什么他们坚持, 我们又能做些什么呢?首先, 让我们来看看这个问题。

问题

强有力的证据表明,这些观点存在于我们中间。研究人员对这些观点的普遍程度进行了研究,发现了遍布在实践中错误观念的有力证据。英国的一项研究发现,76%的教师在教学中使用了学习风格。美国的另一项研究发现,93%的公众和76%的教师都相信学习风格。更令人惊讶和担忧的是,在接受神经科学教育的人中,有78%的人相信学习风格。

现存的其他神话包括左右脑(64%的公众,49%的教师,幸运的是,只有32%的神经科学教育),而人类只使用了大脑的10%(36%的公众,33%的教师和14%的神经科学教育)。这仍然太高了。

坚持观点有几个问题。首先,如果我们设计学习来适应这些观点,我们很可能是在浪费钱。例如,为了适应学习风格,我们不必要地生成不同的内容。对于第二个问题,以这些方式来改变我们的设计原则可能不仅仅是浪费,甚至它有可能是有害的。我们可以延长学习,但也阻碍或阻止我们想要的特定结果。我们需要变得更聪明。

观点的类型

正如我们所说的,我们有的观点是神话,有些是迷信,有些是误解。它们的性质不同,但都有问题。

在这种情况下,神话是被证明是错误的观点。例如,学习风格的研究表明了几个问题。第一个是我们不能可靠地识别学习风格,第二个是没有证据表明为了适应学习风格在设计中会有所不同。其他类似的神话还包括个体由于他们的时代而造成的差异,男性和女性的学习方式不同,数字原生代等等。神话的清单还在继续。

第二个类别是设计的常规方法与我们所知道的学习过程相违背。它们并没有被特别地证明是错的,它们只是被认为与经验结果相反。这些观点体现在工具和工作产品中。在这种情况下,比如让人们通过“点击”参与进来,然后知识的表达就能带来盈利。虽然它们不是完全错误的,但它们过于简单化了。我们可以做得更好。

最后一类是误解,一些人强烈支持,而另一些人则对此不屑一顾。一个问题是,这些想法没有得到充分的阐述,所以其他人可以用不同的方式来解释它们。在其他情况下,这些想法在某些情况下有用,但在其他情况下没用。这里的问题是,它们可能导致常规用法与良好结果和有价值方法背道而驰。例子,包括术语“微学习”、“基于问题的学习”和“Kirkpatrick评估模型”。每一个都有拥护者和真实的结果,也有误解和有问题的解释。

我们需要的是深入了解他们为什么具有传染性,找到替代方法,最后用学习科提前做好准备。

观点与实践

这种观点有其独特的根源,但有几个共同之处导致了它们的产生。首先,他们利用我们自己的经验。例如,学习方式反映了学习者不同的经验。他们确实这样做了,但并不系统,也不是以我们能够处理的方式。另一方面,从数据中得到的也不是完美的结论。例如,早期对于大脑分区的研究所提出的不同大脑半球的观点,从那以后我们的知识便得到了扩展。其他的原因包括不断的迭代更新和缺乏背道而驰的数据。

所以,问题的一个根源是人们误解了他人的结果。例如,对网页行为的研究引发了注意力持续时间的神话,这与试图学习东西是完全不同的。有的时候,人们会扩展特定数据,使其超出其适用性。

简而言之,我们相信神话,因为它们呼吁简化世界,使我们的生活更容易或更容易理解。不幸的是,肆无忌惮的人会利用这些信念,而天真的人会成为受害者。最终的结果是错误的投资。我们应该保持警惕。

核心问题是聚焦。我们很少看到对学习设计(或学习工程)的足够关注。如果我们被承诺满足我们需要的最新闪亮的物品或口号分散了注意力,我们很可能会把不值得大肆宣扬的东西加在糟糕的设计上。镀金不良的设计仍然是糟糕的设计。

我们能做什么? 我们需要有一些通用科学方法的知识背景,尤其是学习科学的的知识。我们需要能够理解方法和理论背景。然后我们就可以评估需求和相关的因果关系。

学习和科学背景

恰当地说,科学是通过系统的方法发展起来的。有时我们做纯粹的实验研究来看看我们发现了什么。更常见的是,我们对观察到的内容进行解释,然后进行有针对性的实验来验证或削弱我们的描述。

实验的有效性是有标准的。学习需要设计如何来回答提出的问题。统计数据用于评估结果有可能有一定的随机性,而不一定是来自可靠的指标。该方法必须有足够的能力来确定差异,要么使用足够数量的研究对象(就人类研究而言),要么使用强大的分析方法。,这些结果需要根据研究的多样性来充分决定它们可以被扩展到多广的范围。最后,细节需要足够详细,以便复制。结果不会被认为是完全有效的,除非其他人也有类似的结果。

学习科学的研究已经取得了一些可喜的成果。在神经系统层面,价值被分布在神经元的激活模式中,因此不同的激活模式代表不同的思想、事件、行为等。因此,学习就是联合激活模式,并加强它们之间的联系。在一个更高的层面上来看,学习是一个行动和反思的循环。我们做一些事情,观察结果,反思其方法(重要的是,我们应该做些什么不同的事情)。

为了培训和发展的目的,教学需要设计活动和引导反馈。关键的是,学习不会因为信息呈现而发生。相反,学习者需要重复,空间和多样化的实践,应用知识来解决问题,就像在学习经验之后他们需要完成的那样。它还需要用适当的实践来对学习者进行有针对性的反馈,并解决其当前存在的差距。

教学内容因所学内容的性质而异。我们还可以根据学习者的表现来调整学习体验:如果学习者表现出学习困难,我们可以简化其学习体验;如果学习者表现按部就班的获得学习成就,那我们可以增加学习体验的复杂性。重要的是区分影响学习者的因素:性别、年龄或学习偏好。

换句话说,我们要基于学习结果来设计学习,而不是基于学习者。确实,我们需要了解听众,然后开发出最好的设计,而不是针对不同的学习者而进行不同的设计。这具体包括充分地重新激活-重新定义、重构语境和重新应用(阅读:新模型、示例,以及最重要的实践),以支持保留,直到需求和所有适当的(并且没有不适当的)转移情况。

成为有意识的消费者

接下来,你应该采取一些措施。《在什么时候你能信任专家》的书中, Daniel Willingham提出以下四点建议:

  • 剥离并翻转它(将其切割成核心并通过颠倒声明进行测试)。
  • 跟踪它(审核需求人的合理性)。
  • 分析它(确定研究是否经过了可信赖的标准的检验)。
  • 自问:“我应该这么做吗?”(决定是否使用它)。

进一步剖析这些内容是有用的。

首先,澄清需求很重要。你应该做一些什么不一样的事情呢,如果你做了,会发生什么?我们建议的内容应该有明确的含义。是否有实例来说明结果?我想补充一句:需求的根源是什么?这背后的理论可靠吗?例如,荣格心理学(Jungian psychology)就不是一个坚实的基础;这只是个人的直觉。

此外,您应该追溯并调研需求的来源。她的条件是什么?她引用了哪些来源,她是否准确地引用了这些来源?(尤其是后者,是导致常见的问题根源。)其中有几项需求最终以不恰当的推论或既得利益而结束。

这有助于对学习的本身进行反思。方法是否足够严谨?研究人员是否关注典型的主题,是否有足够数量的典型的主题,是否消除了偏见和杂音?他们是否进行了足够多的测试来保证可以得到一个有效的结果?是否有与结果相匹配更简单的解释?这些都是你要深入探究的问题。

当然,最简单的方法就是找到并使用经过时间考验的方法和专家。有些人已经建立了高品质的声誉。同样,也有一些提供有价值指导的公认的优秀资源。

依靠可靠的研究和理论

作为学习的专业人士,我们有责任对我们关心的学习者只使用经过验证的方法。假如我们追随伪科学,那当我们的预算被削减时,我们没有权利抱怨。如果我们不能论证我们可以用合理的理论来证明我们所做的事情是正确的,那么我们就理所应当地被我们的主管部门所怀疑。

时间和地点是实验性的,但不是我们已经制定的原则。那些看重你专业知识的人应该让你在你所熟知的领域之上并加以更好的应用。我们能够做到,也应该做到。

关于作者
Clark N. Quinn is the executive director of Quinnovation. He provides strategic performance technology solutions to Fortune 500, education, government, and not-for-profit organizations. He earned a PhD in applied cognitive science from the University of California, San Diego, and has led the successful design of mobile, performance support, serious games, online learning, and adaptive learning solutions. Clark is an internationally known speaker and author; his most recent title is Revolutionize Learning & Development: Performance and Information Strategy for the Information Age. He has held executive positions at Knowledge Universe Interactive Studio, Open Net, and Access CMC, and academic positions at the University of New South Wales, the University of Pittsburgh’s Learning Research and Development Center, and San Diego State University’s Center for Research in Mathematics and Science Education. He blogs at learnlets.com, tweets as @quinnovator, and works as executive director of Quinnovation.
成为第一个评论者
登录来发表评论
抱歉!我们的服务出了问题。请稍后再试。