如何加速專業領域知識的學習?- Commoncog
這是一本非凡的書籍《加速專業知識Accelerated Expertise》總結,專注於複雜世界中的高熟練度培訓,它提出了一種理論和方法來加速在現實世界中的專業知識。不是為外行而寫的——它主要是為組織心理學家、培訓計劃設計者和在美國軍隊工作的研究人員而寫的。
Accelerated Expertise是關於“將技能發展的概念發揮到極致”。這不是一本關於純理論的書;這也不是一本關於在成熟技能領域刻意練習的書。這本書突破了兩種鮮為人知的學習理論的極限,從而在混亂的現實世界軍事和工業環境中建立了成功的加速培訓計劃。
2008 年和 2009 年,美國空軍研究實驗室召開了一系列關於“加速專業知識和促進保留”的工作會議,並邀請了一些自然主義決策(NDM)研究人員、專業知識研究人員和軍事組織心理學家參加。
這些會議產生的報告成為Accelerated Expertise的前身——該報告由羅伯特 R.霍夫曼、保羅沃德、保羅 J.費爾托維奇、利亞迪貝羅、斯蒂芬 M. Fiore 和 Dee H. Andrews 為國防部和2016 年發表。
動機:
編寫本書的動力來自國防科技諮詢小組 (DSTAG),該小組是國防部的頂級科技決策小組。他們擔心美國和聯軍在阿富汗和伊拉克戰爭中面臨的複雜問題。初級軍官和入伍人員面臨著我軍自越戰以來從未面臨過的使命和任務,例如平叛戰爭和臨時治理村莊等任務。在冷戰期間,軍事人員通常可以指望被分配到一個地點至少三年,然後再輪換到下一個地點。那個時代允許在工作地點進行強有力的持續培訓。然而,在當前頻繁部署到世界各地進行反恐戰爭的時代,進行系統培訓和實踐的機會要少得多。這些是高度動態的任務,需要相當大的認知靈活性。獲取執行任務所需的知識和技能的速度至關重要,因為必須經常在人員必須部署到進行戰爭的戰區之前不久更新和提供培訓。
Accelerated Expertise分為三個部分:
- 第 1 部分介紹了大約 2016 年整個專業知識研究領域的文獻綜述。
- 第 2 部分展示了幾個成功的加速培訓計劃,然後是這些培訓計劃為何如此有效的基礎理論。第 2 部分還包含用於建立這些加速專業知識培訓計劃的通用結構。第 3 部分提出了未來的研究議程,並通過指出建立現有加速培訓計劃的經驗基礎中的所有漏洞來統一第 1 部分和第 2 部分。
本摘要將集中在第 2 部分。如您所料,本書中的想法和建議與某些有關教學法和培訓的主流想法有所不同。
如何加速專業知識?
讓我們從第一原則考慮這個問題。
如何實現專業領域學習?通常答案是我們將嘗試複製我們在學校的教學方式。
研究人員說:不!
你不能將知識設計成分層技能樹!
答案是:你作弊。
心理學的自然主義決策分支NDM 領域包含提取專業知識的預設心理模型的方法。這些方法被粗略地歸類為“認知任務分析”或“CTA”,並且已經在應用領域發展了 30 多年。
CTA 允許您做的是提取專家頭腦中的實際專業知識模型。這使您可以迴避良好的分層技能樹設計問題。一旦你對你想要的專業知識有了一個解釋性的心智模型,你可能會問一個更簡單的問題:我可以設計什麼樣的模擬來激發學生頭腦中這些心智模型的構建?
這一核心洞察力支援當今使用的許多成功的加速專業知識培訓計劃。
考慮到這一點,這就是本書推薦的加速專業知識培訓計劃的一般結構:
- 確定誰是領域專家。本書為您提供了四種鑑定專家的方法——(1) 關於教育、培訓和工作經歷的深入職業面試,(2) 專業標準或許可,(3) 在熟悉的任務中衡量實際表現,最後 (4) 社會互動分析(詢問一組從業者誰是什麼領域的大師)。
- 對這些已識別的專家進行認知任務分析,以提取他們的專業知識。根據您使用的確切 CTA 方法,此步驟最初需要幾個月的時間,並且需要與多位專家(以及一些新手)進行多次面談,以便進行良好的提取。
- 在執行第 2 步時,您將構建一個包含困難案例的案例庫。儲存這些案例,並根據難度對其進行編碼。您可以請專家幫助您進行編碼。
- 接下來,將您的案例庫變成一組訓練模擬。這一步有點像一門藝術——研究人員說,“目前沒有一套通用的原則來設計一個好的模擬”。他們知道對現實世界的認知保真度是關鍵——但保真度必須有多好?這裡的培訓計劃涵蓋從完整的虛擬模擬(使用 VR 耳機)到海軍陸戰隊採用的紙筆決策練習(稱為戰術決策遊戲)。
- 一些培訓計劃的設計要求學習者自己進行意義建構——也就是說,反思和反思他們從每次模擬中學到的東西。其他包括來自更有經驗的從業者的反饋,或者在步驟 1 中被確定為“專家”的反饋。
- 一些培訓計劃可能會預先提出抽象或概括的原則,然後通過培訓模擬加以強調。例如,當戰場計劃失敗時,海軍陸戰隊有一個啟發式方法:“繼續前進,尋找制高點,保持聯絡。” 這是明確教導的。
- 最後,測試程式:讓您的學習者完成從簡單到困難的一系列訓練模擬。這也需要一些調整——作者指出,一個領域的“難度”是複雜的,可能需要反覆試驗才能找出一個好的案例排序或一個好的分類方案
- 模擬培訓中的反饋有時是定性的和多因素的。
案例經驗對於獲得熟練程度非常重要,以至於可以假設組織需要非常大的案例庫用於培訓(以及儲存組織記憶)。當“恰到好處的案例”或案例集可以在學習者的主要學習時刻參與時,使用案例的教學會大大增強(Kolodner,1993)。這也說明需要大量案例,以涵蓋許多突發事件。建立和維護案例庫是案例之間的組織問題、良好的檢索方案和智慧索引——所有這些都是為了“學到的教訓”不會變成“忘記的教訓”。
例如,美國海軍陸戰隊擁有一個龐大且不斷增長的“戰術決策遊戲”或“TDG”庫,這些庫由各種真實或虛擬戰場場景構建而成;這些代表了海軍陸戰隊集體作戰專業知識的語料庫。
基本理論
我們將介紹Accelerated Expertise 中介紹的培訓方法背後的基本理論。
在第 11 章中,作者斷言兩種核心學習理論支援他們的培訓方法,並且可以結合使用:
- 認知靈活性理論,或 CFT,以及
- 認知轉換理論,或 CTT
由於這兩種理論共享相同的核心三段論,尤其是圍繞心智模型的形成和知識遮蔽,研究人員認為它們可能會結合在一起。
認知靈活性理論:
- 核心三段論
- - 1) 學習是概念理解的主動建構。
- - 2) 培訓必須支援學習者克服還原性解釋。
- - 3) 還原性解釋通過誤解網路和知識遮蔽來加強和保護自身。
- - 4)進階學習是將知識靈活應用於領域內案例的能力。
-因此,增量複雜化的教學不利於高階學習。
-因此,通過強調多個案例和概念在多個維度上的相互聯絡以及使用多個高度組織的表示來促進高階學習。
- 經驗基礎
- - 學習具有概念複雜性的主題(醫學生)的研究。
- - 知識護盾和難度維度的演示。
- - 證明學習者傾向於通過虛假地降低複雜性而過度簡化(還原偏差)。
- - 研究使用多個類比的價值。
- - 證明學習者傾向於將不規則的東西規範化,從而導致無法將知識轉移到新案例中。
- - 證明學習者傾向於去上下文化概念,這導致無法將知識轉移到新案例中。
- - 證明學習者傾向於扮演被動接受者與主動參與者的角色。
- - 假設學習者傾向於過度依賴一般抽象,這些抽象可能與所經歷的具體例項相距太遠,無法明顯適用於新案例,即未能將知識轉移到新案例中。
- - 概念的複雜性和個案的不規則性給傳統的理論和教學模式帶來了問題。
- - 簡化然後逐漸複雜化的教學可以通過促進還原性理解和知識遮蔽的形成來減損高階知識的獲取。
- - 強調回憶記憶的教學不會有助於推理理解和高階知識的獲取(轉移)。
其他附加:
- - 高階知識的獲取(學徒-熟練工-專家)取決於獲得更深入理解和靈活應用的能力。
- - 高階學習的障礙包括複雜性、互動性、上下文依賴性和結構不良(概念組合的不一致模式)。
- - 認知靈活性包括調動小的、預編譯的知識結構的能力,這種“自適應模式組裝”涉及整合和更新,而不僅僅是回憶。
- - 來自不同概念和案例來源的主動“知識組合”在學習中(對於複雜性和結構不良的領域)比知識結構的檢索更重要。
- - 誤解複合成誤解網路。對基本概念的誤解可以以系統的方式凝聚在一起,使每個誤解更容易被相信,也更難改變。
- - 具有高度關聯性的表徵將傾向於充當“錯誤觀念,使正確知識失效”。
- - 認知靈活性是從不同的概念和案例角度表示知識的能力,並從這些角度構建適應手頭問題需求的適應性知識集合
CFT-CTT合併的核心三段論
- - 1) 學習是知識的主動建構;心智模型、因果故事或概念理解的闡述和替換。
- - 2) 所有的心智模型都是有限的。人們有各種零碎的、通常是還原性的心智模型。
- - 3) 培訓必須支援學習者克服還原性解釋。
- - 4) 知識遮蔽會導致錯誤的診斷並導致證據的折扣。
- - 5) 還原性解釋通過誤解網路和知識遮蔽來加強和保護自身。靈活學習涉及概念和上下文細節的相互作用,因為它們在領域內的應用案例中發揮作用並受其影響。
-因此學習還必須包括忘卻和重新學習。
-因此,通過強調多個案例和概念在多個概念維度上的相互聯絡以及使用多個高度組織化的表示來促進高階學習。
總結
如果我不提及本書前半部分的兩個最大收穫,我將是不負責任的。在七章的過程中,作者煞費苦心地一次又一次地重複了兩個教訓:
- 首先,專業文獻中的所有內容都難以概括。有些方法在某些領域很有效,但在其他領域則不然。最終的測試是在應用程式中:如果您嘗試將某些東西付諸實踐,但沒有奏效,並不一定意味著該技術不好。這只是意味著它不適用於您的特定上下文。你越早學會接受這一點越好。
- 關於培訓的很多事情可能永遠不會為人所知。現實世界環境最終是我們希望進行培訓的地方。混雜的變數實在是太多了。事實是,我們也不能反其道而行之,也不能執行完全受控的實驗——讓基於實驗室或基於課堂的培訓發揮作用有很大的困難。
我從書中得到的總體情況是這樣的:“我們對專業知識知之甚少。我們的經驗基礎存在很大差距。我們所知道的很混亂,因為有大量混雜的變數。
相關文章
- 專業領域的顯性知識與隱性知識
- 專案管理過程組與知識領域專案管理
- 專案管理的五個過程和九大知識領域專案管理
- 如何學習伺服器的知識?伺服器
- 想從事資料科學領域,需要多少數學知識?資料科學
- 使用知識圖實現領域知識建模與測試
- 學習的學習之七—如何應用元知識
- 知識圖譜和行業領域的結合產物-KGB知識圖譜介紹行業
- 專案管理十大知識領域和47個過程專案管理
- 資訊科學領域中的知識管理
- 知識圖譜與知識發現領域的頂級期刊與會議
- 【資料科學家】跨入商業分析、資料科學、挖掘領域必須哪些基本數學知識資料科學
- 專案管理的五大過程組及十大知識領域專案管理
- 如何在智慧領域創業?創業
- linux目前應用領域如何?學習linuxLinux
- 如何進入大資料領域,怎樣學習?大資料
- 領域綜述 | 知識圖譜概論(一)
- 學習雲端計算好就業嗎?需要學習哪些知識?就業
- web知識學習Web
- 知識學習綜合
- 小白階段如何學習Web前端知識Web前端
- 專業音響知識
- 論IT從業人員知識的學習方法以及學習技巧II薦
- 深度學習領域的資料增強深度學習
- 領域知識增強的預訓練語言模型在藥電商搜尋領域的實踐模型
- 如何學習領域驅動設計? - Vladik Khononov
- 送AI專欄|深度學習必備的5大知識模組(內附知識卡片)AI深度學習
- 雲知聲加速佈局智慧醫療領域,推動醫療健康事業向前發展
- Linux運維就業前景如何?linux基礎知識學習Linux運維就業
- Web前端學習筆記之前端跨域知識總結Web前端筆記跨域
- 飛流、秀色交易加速 網秦全面專注智慧汽車領域
- 學習Java開發可以就業哪些崗位和領域?Java就業
- 如何系統的學習伺服器相關知識?伺服器
- 需掌握的深度學習知識深度學習
- 如何高效學習 Kubernetes 知識圖譜?
- 知識圖譜學習
- JAVA學習知識集合Java
- 前端知識學習01前端