| 分享
当我们大约 85% 的时间成功时,学习似乎对人类和机器都进行了优化。来自Wilson、Shenhav、Straccia 和 Cohen最近的一篇论文:
在许多情况下,我们发现训练既不太容易也不太难,而且学习进展最快的最佳点。[…] 对于所有这些基于随机梯度下降的学习算法,我们发现训练的最佳错误率约为 15.87%,或者相反,最佳训练准确率约为 85%。
如果你总是成功,就很难知道要改进什么。如果你经常失败,你就不会知道什么是有效的。只有当我们混合成功和失败时,我们才能在好策略和坏策略之间做出对比。
尽管来自完全不同的理论背景,但这些发现与 Barak Rosenshine 在他对成功课堂的研究中发现的 80% 成功率非常吻合:
在一项关于四年级数学的研究中发现,在最成功的老师的课堂上,82% 的学生的答案是正确的,但最不成功的老师的成功率只有 73%。当学生自己解决问题时,指导练习中的高成功率也会导致更高的成功率。
该研究还表明,培养学生成就的最佳成功率似乎约为 85%。85% 的成功率表明学生正在学习材料,也表明学生受到挑战。
如何应用 85% 规则
想象一下,你正在通过做练习题来准备考试。您可以应用不同数量的支持来校准您的成功率。解决问题的最简单方法是用一本打开的书和你面前的工作示例或解决方案来做。解决问题最难的方法是在书本合上的情况下,在类似测试的条件下解决新问题。
85% 规则建议您应该根据您遇到的成功率微调您使用的支持量。如果每五个问题中的一个以上错误,您可能需要添加额外的帮助。如果你几乎把所有的问题都做对了,那么是时候提高难度了。
在许多技能中,任务可以按难度分级。钢琴作品具有分配给他们提出的挑战的级别。滑雪场的等级从绿色到双黑色。语言练习可以从简单的问候到快速的辩论。85% 规则表明,当我们练习可以在大约五分之四的时间内成功的任务时,增长将最大化。
确切的百分比可能因任务而异。用外语阅读可能需要理解接近 95% 的单词才不会令人沮丧。约翰·帕斯登(John Pasden)有一个有趣的演示,展示了不同水平的英语理解能力。
当然,量化模糊的部分原因是“成功”可以用多种方式定义。无法理解文本中 20% 的单词不是 80% 的理解,而是接近 10%。同样,如果您接近滑雪,那么您在下山时有 20% 的时间会撞车,那么您不会在没有受伤的情况下走得很远。
不过,我认为该规则提供了一个相当好的启发式方法。如果你每次尝试都成功,那么你可能没有足够高的难度来改进。如果你大部分时间都失败了,那么如果你开始选择更小、更易于管理的挑战,你可能会取得更大的进步。
85% 规则的解释
有许多关于最佳学习的理论都指出了困难的最佳点——不太容易,也不太难。
列夫·维果茨基的最近发展区认为,稍微超出我们自己可以完成的任务,但可以在他人的帮助下完成,最大化学习。
Walter Kintsch 的易学区为文本理解提供了类似的解释。在一项研究中,受试者阅读文本的两个版本之一。第一个文本的编写是为了最大限度地提高可理解性,完整的解释和字幕表明了文本的组织。第二课文是在没有这些帮助的情况下编写的,要求学生使用推理来理解课文的意思。
在直接从文本中提问的测试中,高背景知识和低背景知识的学生在连贯文本上的表现都更好。然而,当进行需要推理或解决问题的测试时,具有较高背景知识的学生在解释不太连贯的文本时比具有较少背景知识的学生做得更好。
改编自理解:认知范式Walter Kintsch
这些结果符合一个模型,如果一个文本主要是说你容易理解的东西,你不会投入太多精力来创建文本描述的心理模型。在这些情况下,更大的难度可能是有益的,因为它造成的斗争迫使你检索背景知识。(当然,这只有在您有要检索的知识时才有效!)1
安德斯·爱立信的刻意练习模型认为,当技能变得自动化时,我们的能力水平就会远远低于我们的潜力。为了解决这个问题,我们需要回到刻意学习的阶段。我们可以通过选择更难的任务或设定更高的绩效目标来做到这一点。
罗伯特·艾森伯格的勤奋学习理论表明,困难也对动机起作用。在一项实验中,一组受试者被要求解决难题。另一组与该组仔细匹配,为第一组正确的每个问题提供一个简单的谜题,或者为第一组错误的每个问题提供一个不可能的问题。
因此,这两组人的成功率相同,但对努力在成功中所扮演的角色的期望却大不相同。对于第一类人来说,努力工作往往会得到回报。对于第二组,它从来没有。在随后的拼图任务中,第一组的成员比第二组的成员坚持的时间更长,这表明他们已经学会了在这种拼图中努力工作。
习得的勤奋表明,在困难问题上取得成功可能对我们有好处,但失败会使我们失去动力。再一次,一个困难的甜蜜点出现了,我们致力于解决我们可能成功的问题,但足够努力以鼓励未来的努力。
你正在研究什么技能?你目前的成功率是多少?你应该增加难度还是想办法减少挫败感?在评论区分享你的观点。
脚注
- 然而,应该注意的是,解释文本等详尽的技巧比困难的文本效果更好。这表明更好的策略可能是将连贯的文本与费曼技术之类的东西配对,而不是寻找故意混淆的文本!