学习科学探究的成果，向人们展示出，在知识与信息的感知觉识别、记忆表征、提取应用三个方面，专家与新手存在明显区别。
感知觉与模式识别是学习科学一个重要的研究领域。认知心理学家依据信息加工的观点对感知觉作了新的解释，认为感觉是对信息的觉察，知觉是对感觉信息的组织及其意义的解释。他们除了提出知觉组织、过去知识经验的作用、整体加工和局部加工等重大理论问题外，还重点研究了模式识别（或形之辨识）（pattern recognition）问题，建立了模式识别的理论。
当识别有意义的信息时，专家能够挖掘其中隐含的条件和联系，新手则不能。因此，国际象棋大师能够知觉有意义的信息模块，这影响到他们对新事物的记忆。在一个由竞赛策略成分所支配的布局中，国际象棋大师能把一些棋局套路组合成模块，专家可以借助认知加工原理，通过组块使得自己的认知单位含量加大。而对于新手来说，由于经验的缺乏，以及缺乏层次分明的、组织完备的棋局套路结构，尽管他们在认知加工过程中与专家一样使用大约7±2个组块，但是每个组块的信息含量和加工单位是不同的。专家能识别新手没有注意到的特征和模式的观点，对学习者的学习有重要意义，学生在学习过程中应注意提高自己识别有意义的信息模式的能力，对教师而言，应为学生提供能提高他们识别有意义的信息模式的学习经验。
20多年来，学习科学先后构建了四种知识记忆与表征模型。即层次网络模型，激活—扩展模型，特征比较模型，集理论模型。值得一提的是，层次网络模型能更好地解释专家的记忆表征。
层次网络模型（hierarchical-network model）认为，人脑对语义的记忆是以网络形式分层次存贮。逻辑的上下级关系分成若干层次，比如，鸟的下级概念为金丝雀和鸵鸟等，上级概念是动物，各层次的概念依次有连线相通，由此构成一个层次网络。其中的每一个概念都由其类属关系和独特的特征所表征，如金丝雀独有的、不同于其他鸟的特征“会唱歌”、“黄颜色”，只贮存于“金丝雀”概念的节点。而所有的鸟都具有的共同特征“有翅膀”、“能飞”、“有羽毛”则只贮存于上一级“鸟”的概念节点。其余类推。可见，这个模型含有信息提取机制，具有相当的推论能力。
层次语义网络模型还揭示出，“金丝雀”和“鸟”之间的距离，要比“金丝雀”和“动物”之间的距离近，因此，层次语义网络模型假设，判断“金丝雀是一种鸟”，要比判断“金丝雀是一种动物”的速度要快。同样，检索“鸟有羽毛”，要比检索“鸟会吃”的速度要快，这种在时间上出现的差异，主要是由于层次语义搜索过程中的不同节点间的距离所导致。
这种现象的出现，是因为专家是围绕物理学上的核心概念和“大观点”来思考问题，如牛顿的第二定律及其应用，而新手则倾向于把物理问题的解决知觉为记忆、回忆和求解的公式运算。在解决问题时，专家根据解决问题的原理对问题进行分类，新手则根据表面特征对问题进行归类。
20世纪70年代初，纽厄尔和西蒙将计算机科学的术语产生式系统（production system）引入学习科学，用以说明人在解决问题时的程序。他们认为，人的信息加工是靠产生式系统来实现的。在一个产生式系统中，一个条件系列产生一个活动系列，即条件-活动（C-A）。例如，早上天气预报说有雨你该如何办？你在头脑中存贮有解决这个问题的产生式系统：“如果要下雨— 那么就带上雨伞”。这种产生式系统既对应于一个问题解决的程序，又实现了认知历程的形式化。况且引起活动的条件，除了外部刺激，还包括当前心理状态即短期记忆保持的信息。可见，产生式系统突出了认知活动的整体性、内在性和概括性。
专家具备与其领域或学科相关的巨大知识库，但是只有子集知识才与具体问题关联。专家为了找到相关知识，并非把所有知识都搜寻一遍，这种方法超出了工作记忆负荷。例如国际象棋大师仅考虑子集的可能走法，这些走法比低级棋手要高超。专家不但获得知识、表征知识，而且能熟练的提取与具体任务相关的知识，因为专家的知识是条件化的，专家的知识库含有大量的产生式系统，它涉及个体的经验对问题解决是否能产生作用。在提取产生式规则时，专家是自动的把图式或表征应用于某种适宜的学习情境中的，它的最大特点是不用语言陈述。当问题情境不同时，专家会自动运用自己发展与存储在大脑中的图式、问题表征和监控技能来解决问题，专家在问题解决时，会自动在工作记忆中进行提取相关信息和执行一系列认知操作。
通过对国际象棋大师和新手复位棋子的实验研究，以及电子回路（Egan 及Schwartz，1979）、辐射学（Lesgold，1988）、计算机编程（Ehrich & soloway，1984）、数学（Hinsley 等人, 1977；Robinson & Hayes，1987）、物理（Glaser & Chi，1998）等领域的专家与新手解决问题的差异的研究，给我们许多重要的启示。比如，大学生在学习与记忆时，应根据“组块原理”，围绕核心概念和“大观点”来组织和记忆知识，对学科领域内的专业知识和信息，必须通过适当的策略在头脑内建立密切的联系，构成一个高度抽象与概括的知识网络，建立问题解决的产生式系统。
当前学习科学还没有完全揭示出专家的知识组织方式及其规律。不过，专家在问题解决方面的几个突出特征已经被发现，如表3—1[1]。通过专家与新手之间的对照、比较，我们可以找出差距，明确方向，不断提高信息加工和问题解决的能力和水平。
表3—1 专家与新手问题解决对照表
专家在问题解决中的特征 | 新手在问题解决中的特征 |
有关于某专门领域的大量陈述性知识和丰富的图式 | 某领域陈述性知识较少，图式相对贫乏 |
在图式中有组织良好的、高度联系的知识单元，表征问题而不是搜寻问题解决策略 | 在图式中有散乱的、联系松散的知识单元，搜寻问题解决策略而不是决定如何表征问题 |
根据问题结构的相似性发展问题的熟悉表征 | 根据问题表面的相似性形成相对贫乏的问题表征 |
从已有的信息出发，运用策略去寻找不知道的但有利于问题解决的信息 | 从不知道的信息出发，往回寻找可以运用的已知信息 |
根据问题解决策略的精致图式选择策略，只有在处理不寻常、不规则问题时在运用手段——目的的分析作为备用策略 | 经常使用手段——目的分析作为处理大多数问题的策略 |
图式中有大量与专门领域相关的问题策略的程序性知识 | 图式包含相对较少的与专门领域相关的问题解决策略的程序性知识。 |
问题解决策略中的步骤顺序形成了自动化 | 问题解决的策略中，很少或几乎没有任何步骤顺序的自动化。 |
问题解决速度比较快 | 问题解决速度相对较慢 |
能够准确预测待解决的问题的难度 | 不能够准确预测待解决的问题的难度 |
能有效监控问题解决的策略与过程 | 不能有效监控问题解决的策略与过程 |
问题解答准确性高 | 问题解决准确性低 |
当问题与问题表征出现矛盾时，能够在适当的策略上表现出灵活性 | 当问题与问题表征出现矛盾时，适当的策略运用表现出的灵活性较差 |
为了了解和研究专家认知与学习的奥秘，需要系统地了解和掌握学习科学的基本概念、基本理论及其新进展。我们选择当代学习科学成果中与大学生学习的特点和需要关系比较密切的内容，着重介绍基于认知科学的信息加工学习理论；在信息技术支持下的当代建构主义学习论；有助于提高学习者自我监控能力的元认知理论。要求同学们学会运用这些理论来分析和解释人是如何学习的，并以此指导和反思自己的学习过程，在大学学习的课堂中研究学习科学，不断缩短与专家认知与学习的差距，找到信息时代通向成功学习之路的钥匙，使自己的学习行为发生质的飞跃。
联系客服
