译 - How People Learning

2025-11-25
#learning #MIT

内容来源：https://tll.mit.edu/teaching-resources/how-people-learn/

元认知 (Metacognition)

元认知 (Metacognition) 是学习者利用对手头任务的知识、对学习策略的知识以及对自我的了解，来计划学习、监控学习目标的进展并评估结果的过程。

关于专业技能 (expertise) 的文献强调了元认知技能的重要性。专家不仅拥有比新手组织更完善且整合度更高的知识，他们还拥有高度发展的元认知技能。他们作为学习者对自我有更清晰的认识，并经常反思以理解为何他们选择的策略有效（或无效）。他们还会监控自己的进度，知道何时检查不一致或错误，这使他们能够更有效地重新调整努力方向 (NRC, 2000; Berliner 1994)。

许多研究人员将元认知描述为包含两个基本组成部分：知识部分 (knowledge component) 和调节部分 (regulatory component) (Ertmer & Newby, 1996; Schraw, 1998)。

元认知知识 (Metacognitive knowledge)

元认知知识包括对自己作为学习者的了解（例如：优势、劣势、该领域的先备知识/经验、偏好的学习时间、偏好的学习地点），以及人类大脑如何编码、存储、组织和检索信息的知识 (Pintrich, 2002)。因此，学生应该学习有效的学习策略，以及如何、何时以及为何使用这些策略 (Serra & Metcalfe, 2009)。

元认知知识还包括对要完成的任务的知识以及完成该任务的有效策略。例如，解决教科书中工程问题的元认知知识，包括绘制系统图表和确定适用的控制方程（也称为支配方程，governing equation）或本构方程（constitutive equation）的策略。拥有更多元认知知识的学生比拥有较少元认知知识的学生学得更好。

支配方程描述的是一个系统（如流体、固体）的整体运动规律，通常来源于守恒定律（如质量守恒、动量守恒、能量守恒），而本构方程则描述了材料自身的性质，它将支配方程中的应力或变形率等物理量与材料的本构关系联系起来，例如牛顿流体的应力与变形率的线性关系。 简而言之，支配方程说明了“系统如何运动”，而本构方程说明了“介质的材料属性是什么”。

自我调节 (Self-regulation)

学习的自我调节涉及计划、监控和评估学习过程的能力。这是一套学生可以发展的技能，以便更有效地学习并更好地监控他们朝着学习目标前进的进度。

为什么它很重要？

考虑两名同一学科的麻省理工学院 (MIT) 学生，他们在某个特定主题上都是新手。他们参与相同的学习活动（例如习题集），并使用相同的教科书和网络资源。然而，其中一名学生在考试中的表现优于另一名。为什么？

一个可能的原因（原因有很多）是这名学生可能对自己作为学习者有更清晰的认识。他们可能在学习策略的使用以及如何将策略与手头的任务相匹配上，更具反思性和策略性。

如果高等教育的目标之一是帮助学生成为专家级的学习者，那么帮助学生发展元认知技能应成为课程体系中明确的一部分。

支持发展的实践

帮助学生制定计划的预评估 (Pre-assessments)

帮助学生了解他们对某个主题现有知识的预评估可以帮助他们规划学习方法。预评估可以采取家庭作业、测验或课堂按键回答问题 (clicker questions) 的形式。及时且具体的反馈是关键。

调节清单 (Regulatory checklists)

一份关于计划、监控和评估的明确提示清单可以帮助学生更好地调节他们的学习 (Schraw, 1998)：

反思学习经历 (Reflecting on learning experiences)

反思学习经历是元认知的重要组成部分。反思有助于学习者建立和微调他们的元认知知识和自我调节技能。

一次学习经历可以包括一节课，或者学生收到带有反馈的已完成作业、项目或考试。在学习经历之后，自我调节的学习者会反思他们的学习策略及其产生的表现，以便更好地为未来的学习经历提供参考。这种反思可以通过以下方式促进：

学生拿到试卷后往往只关注分数，忽略了学习机会。Exam Wrappers（考试反思表）是一种简短的表单，帮助学生更深入地处理考试反馈。目标是让学生：识别自己的优势与不足、反思备考时间与学习策略是否合适、分析错误类型，发现可改进的模式。这是一种通用工具，能在不同学科和不同类型的评估中使用。它们帮助学生把考试从“成绩”转化为“学习机会”，促进自我调节与持续改进。

实施案例

策略性资源使用干预 (Strategic Resource Use Intervention)

Chen及其同事 (Chen, Chavez, Ong, & Gunderson, 2017) 的一项研究提出了一种可以在任何课程中搭配使用的外部干预措施，且不过分依赖教师的认同或参与。

在研究中，参加统计学入门课程的本科生被随机分配到两种条件之一。处理组（treatment condition）的学生获得了一份与教学教师合作确定的资源清单，并被要求选择那些他们认为有助于备考的资源。学生还被问及开放式问题，关于为什么每个资源会有用以及他们计划如何使用每个资源。控制组（control condition）的学生仅收到一条消息，说明考试即将来临，他们应该做好准备。

处理组学生的表现比控制组学生高出三分之一个字母等级。处理组学生在学习时实际上使用了更少的资源，并被推测在方法上更具策略性。

详细的时间表 (Detailed Timesheets)

MIT教授Stephan L. Chorover要求学生在课程 9.68: Affect: Neurobiological, Psychological, and Sociocultural Counterparts of Feelings 中完成详细的学习活动时间表。在时间表上，学生记录了他们在各种活动上花费的时间以及他们的努力和参与程度。学生被要求每周至少填写3次时间表并带到课堂上。

写日记 (Journaling)

MIT教授Stephan L. Chorover要求 9.68 和 9.70: Social Psychology 的学生记日记，以记录他们在整个学科中的进步，并记录他们对学科的想法、感受和问题。Chorover教授强调了日记在准备课堂和学习小组讨论中的效用。出于对个人隐私的尊重，日记不被收集或评分。

反思学习经历

MIT高级讲师Anjali Sastry的基于项目的课程 15.S07: Global Health Lab 在教学大纲中特意安排了时间，让学生聚在一起反思他们的项目——什么做得好，什么不好，哪些假设是有效的，哪些无效，他们总体上学到了什么，以及他们的项目如何与更大的主题联系起来。

学习档案 (Portfolios)

Olin学院教授Helen Donis-Keller让她的生物学入门课程的学生完成一份学习档案，而不是期末考试。该档案旨在鼓励以掌握为导向的学习，并提供进行元认知的机会。学生需要在档案中包含测验和选定的作业。学生被要求反思他们遇到困难的问题/作业，提交更正，然后反思他们在进行更正中学到了什么。学生还需自我评估他们在实现课程可衡量成果方面的进展，并提供证据支持他们的评估。

注意事项 (Caveats)

元认知监控的准确性取决于对学习的准确判断。

如上所述，元认知在很大程度上依赖于自我评估。自我评估容易产生错误和偏见，因此应告知学生可能导致更准确学习判断 (judgments of learning) 的条件和做法。通常，如下所述，在尝试从记忆中延迟检索后进行的学习判断会导致更准确的学习监控 (Dunlosky & Nelson, 1992)。

由于熟悉度导致的错误 (Errors due to Familiarity)

学生可能会将他们对某一学科的一般熟悉度与他们对手头具体内容的实际理解混淆 (Serra, Metcalfe, Hacker, Dunlosky, & Graesser, 2009)。例如，如果一名学生即将参加微积分考试和物理考试，并且通常觉得自己在数学方面比物理方面知识更渊博，他们可能会在物理上投入更多学习时间。然而，如果该学生对考试涵盖的具体微积分细分主题没有扎实的理解，这可能是一种错误的学习方法。进行定期的检索练习 (retrieval practice) 也有助于减轻熟悉度偏差。

与熟悉度相关的另一个常见陷阱是学生对文本的理解。学生可能会略读一章的关键术语列表，并高估他们对章节内容的了解，因为这些术语看起来很熟悉。阅读文本后立即回答章节末尾的理解问题也可能导致“知道的错觉”。当学习者尝试定义关键术语，描述它们之间的关系，并在延迟（阅读章节后>30分钟）后回答关于该章节的理解问题时，可以做出更准确的学习自我评估。研究表明，在短暂延迟后总结文本或从文本中生成关键词（不参考文本）会导致更准确的学习判断 (Thiede & Anderson, 2003)。

前瞻偏差 (Foresight bias)

当在正确答案存在的情况下（例如，在学习时）进行预测时，关于个人在未来某个时间（例如，在考试期间）检索信息能力的预测可能会受到前瞻偏差的影响 (Koriat & Bjork, 2005)。 在给定的书本章节或习题集的背景下，学生可能正在练习有限数量的概念或程序。这可能导致学生错误地认为任务很容易。在涵盖广泛概念的考试中，辨别哪些概念适用于哪些问题可能会更困难。学生不应一次学习一个主题，而应被鼓励创建练习测试，这里考试中涉及到的概念交错出现 (interleaved)。讲师提供的练习测试在这里也很有用。

其他考虑因素

参考文献

  1. Butler, & Winne. (1995). Feedback and Self-Regulated Learning: A Theoretical Synthesis. Review of Educational Research, 65(3), 245–281. https://doi.org/10.3102/00346543065003245
  2. Chen, Chavez, Ong, & Gunderson. (2017). Strategic Resource Use for Learning: A Self-Administered Intervention That Guides Self-Reflection on Effective Resource Use Enhances Academic Performance. Psychological Science, 095679761769645. https://doi.org/10.1177/0956797617696456
  3. Dunlosky, & Nelson. (1992). Importance of the kind of cue for judgments of learning (JOL) and the delayed-JOL effect. Memory & Cognition, 20(4), 374–380. https://doi.org/10.3758/bf03210921
  4. Ertmer, & Newby. (1996). The expert learner: Strategic, self-regulated, and reflective. Instructional Science, 24(1), 1–24. https://doi.org/10.1007/bf00156001
  5. Hattie, Biggs, & Purdie. (1996). Effects of Learning Skills Interventions on Student Learning: A Meta-Analysis. Review of Educational Research, 66(2), 99–136. https://doi.org/10.3102/00346543066002099
  6. Hofer, B., & Yu, S. (2003). Teaching Self-Regulated Learning Through a “Learning to Learn” Course. Teaching of Psychology, 30(1), 30–33. https://doi.org/10.1207/s15328023top3001_05
  7. Hofer, B., Yu, S., & Pintrich, P. (1998). Teaching College Students to be Self-Regulated Learners. In Self-Regulated Learning – From Teaching to Self-Reflective Practice. New York: The Guilford Press (pp. 57–85).
  8. Koriat, & Bjork. (2005). Illusions of Competence in Monitoring One’s Knowledge During Study. Journal of Experimental Psychology: Learning, Memory, and Cognition, 31(2), 187. https://doi.org/10.1037/0278-7393.31.2.187
  9. Kornell, & Bjork. (2008). Optimising self-regulated study: The benefits—and costs—of dropping flashcards. Memory, 16(2), 125–136. https://doi.org/10.1080/09658210701763899
  10. Lovett, M. (2016). Exam Wrappers. Retrieved from https://www.cmu.edu/teaching/designteach/teach/examwrappers/
  11. McKeachie, Pintrich, & Lin. (1985). Teaching Learning Strategies. Educational Psychologist, 20(3), 153. https://doi.org/10.1207/s15326985ep2003_5
  12. Moeller, A., Theiler, J., & Wu, C. (2012). Goal Setting and Student Achievement: A Longitudinal Study. The Modern Language Journal, 96(2), 153-169. Retrieved from http://www.jstor.org/stable/41684067
  13. Pintrich. (2002). The Role of Metacognitive Knowledge in Learning, Teaching, and Assessing. Theory Into Practice, 41(4), 219–225. https://doi.org/10.1207/s15430421tip4104_3
  14. Rawson, & Dunlosky. (2007). Improving students’ self-evaluation of learning for key concepts in textbook materials. European Journal of Cognitive Psychology, 19(4–5), 559–579. https://doi.org/10.1080/09541440701326022
  15. Schraw, G. (1998). Promoting General Metacognitive Awareness. Instructional Science, 26, 113–125.
  16. Schunk. (1990). Goal Setting and Self-Efficacy During Self-Regulated Learning. Educational Psychologist, 25(1), 71–86. https://doi.org/10.1207/s15326985ep2501_6
  17. Serra, M., Metcalfe, J. (2009). Effective implementation of metacognition. In D. Hacker, J. Dunlosky, & A. Graesser (Eds.), Handbook of metacognition and education (pp. 278-298). New York, NY: Routledge.
  18. Son, & Metcalfe. (2000). Metacognitive and control strategies in study-time allocation. Journal of Experimental Psychology: Learning, Memory, and Cognition, 26(1), 204–221. https://doi.org/10.1037//0278-7393.26.1.204
  19. Tanner. (2012). Promoting Student Metacognition. CBE-Life Sciences Education, 11(2), 113–120. https://doi.org/10.1187/cbe.12-03-0033
  20. Thiede, & Anderson. (2003). Summarizing can improve metacomprehension accuracy. Contemporary Educational Psychology, 28(2), 129–160. https://doi.org/10.1016/s0361-476x(02)00011-5
  21. Thiede, Anderson, & Therriault. (2003). Accuracy of metacognitive monitoring affects learning of texts. Journal of Educational Psychology, 95(1), 66. https://doi.org/10.1037/0022-0663.95.1.66

自我调节 (Self-regulation)

自我调节学习 (Self-regulated learning) 不是一种与生俱来的能力，而是一套可以发展的技能，用以帮助学生引导自己完成学习过程。发展这套技能可以让学生学得更有效，因为他们能够为自己设定明确的目标，并根据目标和策略监控进度。自我调节让学生在学习中变得更主动，而不是被动反应。

自我调节的学习者通常参与一个由三部分组成的思维过程：

  1. 计划 (Plan)：设定子目标，例如思考何时何地学习，或者为给定的作业、考试或评估形式选择策略。
  2. 监控 (Monitor)：反思某些地点或策略在学习期间的有效性，思考遇到障碍时该做什么，并确定自己对内容的理解程度如何。
  3. 评估 (Evaluate)：思考作业/评估的结果以及所用策略的有效性，同时将表现归因于努力/策略，而不是外部影响。

为什么自我调节很重要？

研究表明，在调节学习方面变得更熟练的学生能够提高他们的表现。这是通过自我调节学习所鼓励的自我反思来实现的，它让学生更好地了解如何处理学习任务并有效利用可用资源。发展调节学习的技能的学生还能获得心理上的益处，例如对表现有更强的感知控制力，以及对考试有较少的负面情绪。采用自我调节技术有助于学生修正方向（course correct）并成为更独立的学习者，因为他们在监控自己的学习时能够意识到哪些策略实际上有效或无效。

在大学阶段，自我调节更为重要，因为课程比中学教育要求更高，监督更少。许多学生进入大学时并没有很好地理解如何有效地学习，以这种方式继续下去可能会影响他们对大学课程的心态，并导致他们感到沮丧，觉得只有自己“搞不懂”，而不像其他同龄人那样。考虑到MIT以学术严谨著称，学生很容易将自己与他人比较，这一点尤为真实。鼓励学生发展自我调节学习技能可以帮助学生感到他们与同龄人处于平等的竞争环境中（on an equal playing field）。

在远程学习期间，自我调节可以帮助学生有效地学习，即使他们受到大流行期间不可控的其他因素的压力。由于远程学习的非结构化性质，学生可能需要比在校期间做更多的自我规划。拥有像自我调节这样的过程可以帮助学生对他们的学习产生自我效能感 (self-efficacy)，这种心态即使在他们毕业后也是有益的。

教授自我调节的策略

帮助学生积极思考在你的学科中更有效学习的策略，并展示如何使用它们。例如，如果有即将到来的评估，让学生思考评估的形式，什么资源有助于他们学习，为什么有帮助，以及他们计划何时/如何使用这些资源。

为学生示范以目标为导向的行为，以便他们刻意计划如何实现目标。例如为项目设定子步骤、明确的截止日期和完成任务的预估时间。例如，如果你有一个学生将异步观看的视频，你可以设定一个学生应该观看完视频的日期，然后让学生在观看视频后完成一个小测验或练习；这将帮助学生更好地计划和监控他们的学习。

在课堂上开展关于自我调节的日常对话，为学生提供谈论他们自己的自我调节并变得更加自我觉察的基础。将此作为对话的一部分，使过程更加透明，而不是某种某些学生似乎明白而其他人不明白的东西。以下是一些你可以这样做的方法：

给学生关于他们如何实现课程目标的反馈，并鼓励他们积极思考哪些策略在学习特定类型的材料时有效，哪些无效。 你可以要求他们反思如何改进他们的学习策略，并对他们的反思提供反馈。

为学生提供评分标准 (rubrics) 也可以发展他们的自我调节学习技能，因为这将让他们意识到什么是成功的作业提交。 这随后可以影响他们选择的学习策略，从而用于作业并自我评估他们的进度。此外，如果他们没有得到基于评分标准预期的结果，学生可以重新评估他们当前的策略以更好地实现目标。

参考文献

  1. Pintrich, Paul R. (2002). “The Role of Metacognitive Knowledge in Learning, Teaching, and Assessing”, Theory Into Practice, 41:4, 219-225.
  2. Chen et al. (2017). “Strategic Resource Use for Learning: A Self-Administered Intervention That Guides Self-Reflection on Effective Resource Use Enhances Academic Performance”, Psychological Science, Vol. 28(6), 774-785
  3. Ertmer, Peggy A. and Newby, Timothy J. (1996). “The expert learner: Strategic, self-regulated, and reflective”, Instructional Science, 24, 1-24.
  4. Azvedo, Roger and Cromley, Jennifer G. (2004). “Does Training on Self-Regulated Learning Facilitate Students’ Learning With Hypermedia?” Journal of Educational Psychology, Vol. 96, No. 3, 523-535.
  5. Zimmerman, Barry J. (2002). “Becoming a Self-Regulated Learner: An Overview”, Theory Into Practice, Vol. 41, No. 2, 64-70.

既定范例 (Worked Examples)

什么是既定范例？

既定范例 (Worked examples) 是对完成任务或解决问题所需过程的分步演示。在既定范例中，学生会被提供任务或问题表述、解决问题的程序或分步过程，以及解决方案。当有效使用既定范例时，教师会让学生参与自我解释 (self-explaining) 这些程序或解决方案，鼓励他们更深入地反思既定范例中阐述的原则。既定范例可以设计用来教授结构良好的任务（如应用牛顿第二定律），以及结构不良的任务（如构建论点、建模生物途径或设计数学证明）(Renkl, 2023)。

既定范例在认知技能的初始获取阶段很有用，因为它们允许学生在自己应用原则之前更深入地理解原则及其应用 (Renkl, 2014b)。既定范例已被证明对新手学习者特别有效，因为他们在同时学习新概念和程序时可能会经历高水平的认知负荷 (cognitive load) (Renkl, 2014a)。事实上，与解决问题 (problem solving) 相比，既定范例在初始技能获取方面往往更高效和有效 (Renkl, 2014a)。如果设计得当，既定范例可以为学习者提供在处理类似问题时可遵循的模型，使他们能够将知识从一个任务迁移到另一个任务（参见下文的注意事项部分）。

既定范例可以应用于STEM以外的广泛学科和背景。

可以为任何程序性任务创建既定范例。例如，在法律领域，既定范例已被用于教学生如何通过法律案例进行推理并构建法律论点 (Nievelstein et al., 2013; Schworm & Renkl, 2007)，而既定范例同样已被用于协助学习者理解谈判策略 (Gentner et al., 2003)。在语言和文学中，既定范例可用于帮助学生写文章或理解不同的写作风格 (Kyun et al., 2013)，而在艺术领域，既定范例已被用于教学生区分艺术风格 (Rourke & Sweller, 2009)。

此外，既定范例可以在课堂内外以及各种类型的课程中使用。

为什么既定范例很重要？

Sweller和Cooper (1985) 进行的早期研究表明，在初步介绍了一系列代数问题后，用既定范例对应的练习题代替实际问题（practice problems）会导致更高的学习收益。既定范例条件也更有效率。被给予问题去解决的学习者，花了几乎六倍的时间来完成学习序列，并且比那些被提供既定范例去学习的人有更多的错误。随后的研究支持了这一发现，即如果实施得当，学习既定范例在学习的初始阶段比主要通过解决问题来学习更有效（Salden, Koedinger, Renkl, Aleven, & McLaren, 2010）。虽然通常可能会在学习的初始阶段为学生提供例子或演示，但既定范例的数量通常很少，不足以学习基本原则。这些演示也通常是被动完成的，学生参与度很低，这不会导致深度学习，并抵消了既定范例效应。事实上，当实施带有让学生积极研究解决方案特征的既定范例时（更多内容见注意事项部分），既定范例效应几乎翻倍 (Hattie, 2009)。

为什么既定范例在初始技能获取方面比练习更有效？

在介绍新任务或技能时，为学生提供既定范例去学习而不是给他们练习时间去解决或完成任务似乎是违反直觉的。当学生被介绍一项新任务时，他们往往没有牢固掌握任务中代表的材料和原则，可能会诉诸无效的问题解决策略，如漫无目的的试错 (trial-and-error) 或死记硬背/套公式 (plug-and-chug) (Renkl, A., 2023)。试错涉及尝试各种解决方案，而没有适当的问题解决策略；套公式涉及寻找具有相似表面特征的现有问题，而不考虑其底层结构是否与当前问题一致。例如，当面对一个在斜面背景下提出的力学问题时，新手学生可能会搜索另一个“斜面问题”，而不考虑底层概念是否相同（Chi et al., 1989）。

这些无效的问题解决策略对认知负荷是一种负担，因为它们在学生处理大量新信息（包括理解新引入的概念和理解提出的问题）的同时，引导学生走上非生产性的道路。在没有完全理解任务领域和程序的情况下过早地参与问题解决，留给学习者的工作记忆容量很少，无法理解特定解决方案的有效性或整合新知识以供将来使用 (Sweller, 1988)。

在既定范例中提供解决方案或程序的分步演示，可以通过允许学生将认知资源集中在理解解决方案中阐述的原则上来，从而降低认知负荷。因此，提供既定范例供学生学习，可以帮助他们理解有效处理任务所需的原则和策略，而不会过度增加认知负荷 (Clark & Mayer, 2011)。

随着学习者变得更加熟练，教育者可以过渡到更多的练习和任务，以帮助学生自动化问题解决策略或程序（参见注意事项章节）。事实上，当学生对特定任务或问题有足够的先备知识时，要求学生学习既定范例可能会降低执行该任务的能力（通常称为专业技能逆转效应 (expertise reversal effect), Kalyuga & Renkl 2010）。对于教师来说，平衡既定范例的使用与独立练习，对于最大化处于学习序列中不同熟练阶段学生的学习成果非常重要。

案例

7.013 – 生物学入门

https://ocw.mit.edu/courses/biology/7-013-introductory-biology-spring-2018/instructor-insights/

在习题课期间，学生收到一份包含既定范例的讲义。助教会带领全班逐步完成至少一个既定范例，以确保学生理解这些既定范例中说明的问题解决策略。然后，学生被给予一组稍微复杂但相似的额外问题独立解决。随后，一名或几名学生会自愿引导全班完成他们解决这些额外问题的步骤。通过结合既定范例和待解决的问题来学习给定概念，学生有机会更深入地理解所学概念，并且教师可以通过观察当问题的表面特征和复杂性发生变化时发生的情况，来更好地监控进度。

21A.819.1X – 如何进行会话式社会科学研究

https://openlearning.mit.edu/mit-faculty/residential-digital-innovations/using-mitx-teach-qualitative-research-methodology

学生被提供了两个非正式访谈协议的例子，并被告知哪一个是构建良好的，哪一个不是。阅读完两个既定范例后，学生被要求注释每个例子并提供改进建议。然后他们可以查看教师自己的注释和建议解释。通过从了解哪些例子展示了良好或糟糕的访谈协议（正确和错误的既定范例）开始，学生可以更有意义地参与既定范例，反思他们的注释并探索他们提出改进建议的理由。使用错误的既定范例，无论是单独使用还是与正确例子结合使用，已被证明比单独使用正确的既定范例更有效 (Booth et al., 2013)。

这门课程的讲师还通过提供访谈示例视频来利用访谈技巧的既定范例。其中一个视频展示了良好的访谈技巧（一个正确的实例），而另一个视频展示了糟糕的访谈技巧（一个错误的实例）。观看这些视频后，要求学生根据对话访谈的最佳实践来评估它们并提出改进意见。然后，他们能够将自己的评估与讲师的解释进行比较，旨在帮助他们巩固对有效访谈技巧的理解。

注意事项（以及如何解决它们）

既定范例有效地教授新任务或解决新问题类型。然而，如果不考虑某些设计特征，既定范例效应可能会被否定。以下是教师经常提出的关于既定范例的一些担忧以及改善策略：

  1. 学生可能会被动地阅读解决方案而不提取基本原则。虽然既定范例已被证明是有效的，但其有效性取决于学生在认知上参与其中。不幸的是，既定范例通常是被动呈现的，不要求参与。研究表明，很少有学生在学习解决方案时会自然地参与自我解释策略。为了解决这个问题，建议鼓励学生自我解释解决方案。这可以通过使用自我解释策略的各种方式来实现。例如，教师可以逐步展示解决方案，并嵌入相关问题，帮助学生反思问题的更深层结构，例如“为什么要使用这个策略？”和“这里应用了什么原则？”自我解释策略通过要求学生向自己解释解决方案的基本原理，以及其与核心概念的关系，来促进深度思考。
  2. 学生可能会死记硬背解决方案而不加深理解。重要的是要改变示例任务或问题的表面特征，以防止死记硬背解决方案。这可以通过呈现多个表面上看起来不同但代表同一概念的既定范例来实现。当接触到解决同一核心概念的对比问题时，学生可以更容易地识别统一所有示例问题的共性（深层结构），并且不太可能基于表面特征记忆解决方案 (Renkl, 2014a 和 Paas & van Merrienboer, 1994)。
  3. 既定范例可能无法让学生准备好独立处理任务或解决问题。当向学生介绍一项新任务时，既定范例比让学生解决问题更有效。然而，随着他们加深对如何执行任务或解决问题的理解，鼓励他们独立尝试任务以发展熟练度（proficiency）和自动化（automaticity）是有益的 (Renkl, 2014b)。教师可以通过在日益复杂的任务序列中，交替使用既定范例和待解决问题来做到这一点。此外，教师可以减少既定范例中提供的支持，例如让学生解决示例的更多部分并提供更少的已解决步骤（worked-out steps）。减弱的支持 (faded support) 有助于从学习既定范例过渡到解决问题 (Renkl & Atkinson, 2003)，特别是当任务和问题复杂且具有挑战性时。

一些资源

参考文献

  1. Booth, J. L., Lange, K. E., Koedinger, K. R., & Newton, K. J. (2013). Using example problems to improve student learning in algebra: Differentiating between correct and incorrect examples. Learning and Instruction, 25, 24–34. http://doi.org/10.1016/j.learninstruc.2012.11.002
  2. Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). Self‐Explanations: How Students Study and Use Examples in Learning to Solve Problems. Cognitive Science, 13(2), 145–182. http://doi.org/10.1207/s15516709cog1302_1
  3. Chi, M.T.H., Feltovich, P.J. and Glaser, R. (1981). Categorization and Representation of Physics Problems by Experts and Novices. Cognitive Science, 5, 121-152. https://doi.org/10.1207/s15516709cog0502_2
  4. Clark, R.C. & Mayer, R.E. (2011). Leveraging Examples in e-Learning. In e-Learning and the Science of Instruction (eds R.C. Clark and R.E. Mayer). https://doi.org/10.1002/9781118255971.ch11
  5. Gentner, D., Loewenstein, J., & Thompson, L. (2003). Learning and transfer: A general role for analogical encoding. Journal of Educational Psychology, 95(2), 393-408. https://doi.org/10.1037/0022- 0663.95.2.393
  6. Hattie, J. A. C. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. New York, NY: Routledge.
  7. Kalyuga, S., & Renkl, A. (2010). Expertise reversal effect and its instructional implications: Introduction to the special issue. Instructional Science, 38(3), 209–215. http://doi.org/10.1007/s11251-009-9102-0
  8. Kyun, S., Kalyuga, S., & Sweller, J. (2013). The Effect of Worked Examples When Learning to Write Essays in English Literature. The Journal of Experimental Education, 81(3), 385–408. http://doi.org/10.1080/00220973.2012.727884
  9. Nievelstein, F., van Gog, T., van Dijck, G., & Boshuizen, H. P. A. (2013). The worked example and expertise reversal effect in less structured tasks: Learning to reason about legal cases. Contemporary Educational Psychology, 38(2), 118-125. https://doi.org/10.1016/j.cedpsych.2012.12.004
  10. Paas, F. G. W. C., & van Merrienboer, J. J. G. (1994). Variability of worked examples and transfer of geometrical problem-solving skills: A cognitive-load approach. Journal of Educational Psychology, 86(1), 122–133. http://doi.org/10.1037/0022-0663.86.1.122
  11. Renkl, A. (2014a). Learning from worked examples: How to prepare students for meaningful problem solving. In V. A. Benassi, C. E. Overson, & C. M. Hakala (Eds.), Applying science of learning in education: Infusing psychological science into the curriculum (pp. 118–130). Society for the Teaching of Psychology.
  12. Renkl, A. (2014b). Toward an instructionally oriented theory of example-based learning. Cognitive Science: a Multidisciplinary Journal, 38(1), 1–37. http://doi.org/10.1111/cogs.12086
  13. Renkl, A., & Atkinson, R. K. (2010). Structuring the Transition From Example Study to Problem Solving in Cognitive Skill Acquisition: A Cognitive Load Perspective. Educational Psychologist. http://doi.org/10.1207/S15326985EP3801_3
  14. Renkl, A. (2023). Using Worked Examples for Ill-Structured Learning Content. In Overson, C. E., Hakala, C. M., Kordonowy, L.L., and Benassi, V. A. & (Eds.), In Their Own Words: What Scholars and Teachers Want You To KNow About Why and How To Apply the Science of Learning in Your Academic Setting (pp. 207–224). Society for the Teaching of Psychology.
  15. Rourke, A., & Sweller, J. (2009). The worked-example effect using ill-defined problems: Learning to recognise designers’ styles. Learning and Instruction, 19(2), 185–199. http://doi.org/10.1016/j.learninstruc.2008.03.006
  16. Salden, R. J. C. M., Koedinger, K. R., Renkl, A., Aleven, V., & McLaren, B. M. (2010). Accounting for Beneficial Effects of Worked Examples in Tutored Problem Solving. Educational Psychology Review, 22(4), 379–392. http://doi.org/10.1007/s10648-010-9143-6
  17. Schworm, S., & Renkl, A. (2007). Learning argumentation skills through the use of prompts for self-explaining examples. Journal of Educational Psychology, 99(2), 285–296. http://doi.org/10.1037/0022-0663.99.2.285
  18. Sweller, J. (1988). Cognitive Load During Problem Solving: Effects on Learning. Cognitive Science, 12: 257–285. http://doi.org/10.1207/s15516709cog1202_4
  19. Sweller, J., & Cooper, G. A. (1985). The use of worked examples as a substitute for problem solving in learning algebra. Cognition and Instruction, 2(1), 59–89. https://doi.org/10.1207/s1532690xci0201_3