这三种方法让你科学课上得更好

能够理解并运用学到的科学知识是开启孩子光明未来的一把钥匙。身兼数据科学家与教育科技开发者，我坚信我的职责不是发明下一代先进的数码产品，而是要提高学生的教育产出，并通过验证性、经验性地研究来达到这一目标。而工作伊始，我们就要看看能从学习科学中学到些什么东西。

在学习科学研究成果的浩繁卷帙当中，有三项非常重要的成果指导着我的工作，我希望它们对你们的工作也能有所帮助。

一

布鲁姆的双西格玛命题

本杰明·布鲁姆（Benjamin Bloom）是美国教育心理学界的领军人物之一，以提出“布鲁姆分类学”而为人所熟知，在1984年他发表了一篇颇具影响力的学习科学文章“双西格玛命题”。文章中，布鲁姆报道了他的团队对三种教学环境下学生的学习情况进行对比的结果：

• 传统式学习。学生在标准的宣讲式场景下进行学习，并周期性地接受测试，评估是否掌握了学习材料。
  
  

• 掌握式学习。这里的学习材料和上一类传统式学习完全相同。但是，这里的学生只有“掌握”了上一单元内容才允许进入下一阶段学习。一种不断反馈和纠错式的评估取代了考试。在这一语境下，教学重点从总结性评估（考试）变为了过程性评估（反馈）。
  
  

• 导师式学习。每个学生分配一个专职学习导师。学生除了掌握学习材料外，还能获得专业的人生指导。
  
  

哪种方式效果最好呢？把传统式学习作为基准，掌握式学习中的学生表现提高了一个西格玛（sigma，是一种标准差统计量），导师式学习中的学生则提高了两个西格玛。

差一个西格玛相当于足足差了一个档次，意味着一个要挂科的学生立马变成了及格——绝大多数教育手段都做不到这点。一个西格玛的提高已经很大了，两个西格玛的提高简直是史无前例。

布鲁姆的成果中还有一个非常了不起，但常被人忽视的发现，那就是：个性化教学，不论是掌握式还是导师式，不光提高了学生的表现，而且缩小了学生间的差距——表现差的学生慢慢赶上了表现好的学生。

从布鲁姆的研究中我们能得出几个非常重要的结论：

1. 只要环境适合，大多数学生都能在学习中拿到高分；
2. 个性化教育对学习大有裨益；
3. 个性化指导还有助于缩小两级差异；
4. 我们至今还没有发展出一种可操作性的学习体系和方案，能够让学习提高一个西格玛以上。

二

有效练习

作为专家中的专家，瑞典心理学家K. 安德斯.埃里克森 在“有效练习”一文这提出了一个统一准则，改准则有助于人们理解学习和技能培养中的核心因素。埃里克森提出的基本准则就是，不管你天赋多高，即便是迈克尔杰克逊，你也必须要投入时间练习，没有捷径。要达到专业水平，平均要投入10年，也就是一万小时的时间来练习。

我们常常觉得运动员都是天生的。确实，要成为菁英你必须有天赋。但是乔丹不是打娘胎里出来就会扣篮，就能当飞人。乔丹是靠不懈练习磨练了自己的球技。他凭借自己的球德，以及比竞争对手更刻苦、更长时间的训练，超越了其他运动员。

研究者对技艺培养究竟需要多少练习莫衷一是。安吉拉.达克沃夫，同样是一名卓越的心理学家，还是麦克阿瑟奖获得者。她基于埃里克森的研究成果，提炼了有效练习的四大特点：

有意识的练习：为了达到最佳的技艺培养效果，练习不能随意为之，必须要有非常明确的目标。练习必须和当前的水平，以及目标水平相匹配。

超越性的挑战：只有当你所练习的内容超越你现有水平时才算学习。学习者都不喜欢这种状态。尽管我们天生都很反感，但所有想提高技艺的人都需要在这个状态下进行长时间练习。

立即做出反馈：在很多时候，学习成绩和反馈之间的间隔太长了。即刻反馈对老师的时间和精力都是挑战，但有效练习需要做到两者零时延。

练到习以为常：学习任何新技艺时，要想达到真正的运用自如，你都必须反复练习，直至下意识就能自如运用为止。

三

助推力分析

大量研究表明，我们都是犹疑不决、错漏百出的决策者。即使获得了正确信息，有了“内幕消息”，我们还是会做出糟糕的选择。

这种糟糕的选择不光不够理智，而且几乎无法避免。为什么我们获得大量健康饮食和锻炼的信息可还是会超重？为什么这些营养和锻炼的洞见对我们大多数人都不起作用？甄别事实也是种意志力吗？

我们能从行为经济学中获得些启发。该领域的研究表明，当我们在许多方面表现的不够理智的时候，一些微不足道的事情就会改变我们行为。

在理查德 H. 塔勒和卡斯 R. 桑斯坦恩合著的《助推力：启发人们关于健康、财富及幸福的决定》一书中，有这样一个例子。因为男士们在撒尿的时候都不注意对准目标，阿姆斯特丹史基浦机场官方在每个小便器里画了个苍蝇。大家预测，当游客看到苍蝇，撒尿时就会标准它。实验结果表明，尿在外面的情况减少了80%。

数据科学研究的目标之一就是，在发现洞见之外，基于经验发现那些让洞见变得可行的微小助推力；思考那些可以把洞见变成行动的，微小但却非常重要的助推力。数据科学分析不但能让我们发现那些潜在的助推力，还能确认它们是否有效果。

借助研究将机器智能和人类智慧相结合，必将会给个性化教育的产出带来翻天覆地的变化。但在此之前，我们还需要对人类的动机、毅力和非理性——这个混沌世界——有更多地了解并做出针对性的设计。

来源：EdSurge.com