学习
概述
学习(學習,learning)是通过经验、训练、观察与互动,使知识、技能、态度与行为模式发生相对持久变化的过程。它被理解为超越单纯的记忆与信息存储,将新信息与既有认知结构相联结并运用于问题解决的主动建构过程。它是教育学、心理学、认知科学、神经科学共同探讨的核心概念,在现代亦广泛用于人类学习之外的机器学习(머신러닝)语境。
主要内容
定义与范围
学习大致由三个条件界定。第一,必须是经验或练习的结果。第二,行为或认知结构必须发生变化。第三,该变化不能是暂时的,而须在某种程度上持续。因此,疲劳或药物导致的暂时性表现下降不被视为学习。学习既包括正规教育(学校课程),也包括非正规教育(职业培训、终身教育)与非正式学习(日常生活中偶然的习得)。
学习理论的脉络
- 行为主义:如巴甫洛夫的经典条件作用、斯金纳的操作性条件作用,以刺激—反应—强化的联结来解释学习。凸显了明确目标、即时反馈与反复训练的重要性。
- 认知主义:将学习视为信息加工过程。皮亚杰强调通过同化与顺应实现的认知发展阶段,维果茨基强调社会互动与最近发展区(ZPD)。
- 建构主义:认为学习者主动建构意义。问题导向学习(PBL)、项目式学习、探究学习皆由此衍生。
- 社会学习理论:班杜拉认为学习通过观察、示范与替代强化而发生。
- 经验学习:科尔布提出了具体经验→反思性观察→抽象概念化→主动实验的循环。
- 自我调节学习:强调学习者通过目标设定、自我监控与自我评价自行调控学习过程的能力。
认知与神经科学基础
神经可塑性(neuroplasticity)是学习的生物学基础。反复使用会强化突触连接(长时程增强,LTP),海马体在新事实记忆的形成与巩固中起关键作用。睡眠期间会发生记忆的重组与巩固,因此充足睡眠直接影响学习效率。艾宾浩斯遗忘曲线显示记忆随时间迅速消退,这支持了间隔复习的必要性。工作记忆容量有限,因此将信息组块化(chunking)并管理认知负荷的教学设计十分重要。
学习的类型
- 概念学习:通过范畴、定义与事例形成概念。
- 程序学习:习得分阶段技能与算法。
- 运动技能学习:以通过反复练习实现自动化为特征。
- 情意学习:包括价值观、态度、动机与自我效能感的变化。
- 元认知学习:检查自身理解状态并调整策略的能力。
- 迁移:将所学应用于新情境的能力,被视为学习的终极目标。
有效的学习策略
认知心理学研究支持的代表性策略如下。
1. 提取练习(Retrieval Practice):不重读教材,而是自我提问并回想答案,利用测验效应。
2. 分散学习(Spacing):与其集中突击,不如拉开时间间隔反复学习。
3. 交错练习(Interleaving):将相似但不同类型的问题混合练习,以提高辨别力。
4. 精细加工与自我解释:自行解释缘由并制作示例,以扩展意义。
5. 双重编码:将文字与图片、图示等多种表征结合使用。
6. 前置测验:在学习前先尝试,意识到错误有助于促进后续学习。
7. 元认知检查与休息:周期性确认理解程度,并安排认知休息。
评价与反馈
学习无法与评价分离。促进学习的形成性评价在过程中提供具体且及时的反馈。基于量规的评价、同伴评价与自我评价帮助学习者内化标准。反馈聚焦于“下一步改进什么、如何改进”而非结果分数时,效果更大。
最新动向
2024~2025年学习领域最大的变化是生成式AI的日常化引入。对话式AI导师提供契合个人水平的解释与即时反馈,教师的角色正从信息传递者转向学习设计者与教练。自适应学习平台与学习分析(learning analytics)基于学习日志诊断薄弱环节并使学习路径个性化。与此同时,AI使用伦理、抄袭与著作权、学习者数据隐私、数字鸿沟等问题成为主要争议点。在教育现场,AI素养已成为新的基础素养;在企业与大学,再培训(reskilling)、微证书、终身学习账户等成人学习路径正在扩散。此外,基于学习科学(Learning Science)的教学设计、混合式与微学习、考虑神经多样性的定制化支持也成为受强调的趋势。
相关主题
- [[教育]]
- [[认知科学]]
- [[记忆]]
- [[元认知]]
- [[自主学习]]
- [[机器学习]]