将我们的学习方式融入教育技术

100多年来，研究人员孜孜不倦地研究人类的学习和记忆方式。由此产生的科学文献在广度和深度上都令人印象深刻。事实上，我现在知道的太多了，我怀疑是否有人能阅读和吸收关于这个主题的所有文章。可悲的是，具有讽刺意味的是，如何在教育环境中使用这项研究的所有发现通常并不明显。

要用学习科学来改善教育，首先要确定一些普遍原则。其中一些原则源自我们大脑的特征：我们处理信息越深，我们就越有可能记住它。

例如，在你晚上睡觉之前，你是否发现自己在反思当天发生的事情？如果有，你认为事件发生时你想记起来的百分比是多少，后来想记起来但没有尽早记起来的百分比是多少？当我向许多人问这个问题时，他们通常会报告说，他们打算在一天结束时尝试学习最多他们所记得的十分之一。

那么，我们其余的记忆从何而来呢？深加工。只要注意，通过思考深入思考的行为，就会让你记住。我们记住的很多东西，只是注意力和思考的副产品。

大脑的这一普遍属性意味着，如果我们想让人们学习一些东西，我们应该敦促他们专注于它，并考虑它的性质和意义。实现这一目标的方法有很多，这些方法来源于具体的学习原则，而这些原则又反映了关注和处理信息的具体方法。

比如一个叫做“理想难度原则”，指出人在受到挑战的时候学到的东西最多，所以没有那么沮丧，也没有那么沮丧，而是处于一个适当的水平，也就是所谓的“金发区”。让人们进入“金发区”意味着我们诱使他们尽可能多地关注和处理它，从而增加学习量。

但这是一个问题：什么是“合法的”挑战水平因人而异。对萨姆来说困难的事对莎莉来说可能太容易了。更糟糕的是：对于一个人来说，正确的水平取决于题目，而题目通常是不同的——通常情况下，你对某件事了解得越多，在你面临超出自己处理能力的挑战之前，该材料就越难发挥作用。

可想而知，在众多变量中，将这一原则应用于传统的课堂环境是具有挑战性的。在这里，技术可以发挥作用，利用“预期难度原则”促进大量学生同时学习。首先，你需要一个收集学生成绩数据的方法。比如，学生可以在每节课结束后做一个简短的测试，然后根据所要测试的能力对每道试题进行准确的编码。该平台将详细跟踪每个学生的表现。

其次，可以设计小组讨论小组，让学生参与主动学习(如小组解题、角色扮演和辩论)——这种主动学习被反复证明是一种非常有效的学习方法，部分原因在于深度加工。至关重要的是，每个突破团队的活动可以根据他们所基于的能力进行分类。因此，平台可以将具有相关(面向活动)能力的学生分配到同一个组中。

第三，学生在小组讨论中进行的每一项活动都可以是“多层的”——或多或少地深入。例如，在一门关于比喻语言的课程中，可能要求学生阅读一篇文章，并识别所有的隐喻和比喻。在这种情况下，语言的细微差别是可以改变的，所以一些学生可能只会找到明显的例子，而另一些学生可能会找到更多的例子。

小组讨论时的社交可以设计成引导学生(在活动中被选为同水平的学生)调整自己处理相关信息的深度——为了避免活动枯燥，可以设计活动鼓励学生互相推至集体金发姑娘站点。这种方法可以很好地扩展，并与学习中非常重要的社交成分相结合。

显然，技术为以新的方式使用学习科学提供了巨大的机会。为了利用这些机会，我们需要有明确的学习结果，我们需要非常仔细地衡量每个学生在实现这些结果方面的进展，我们需要转向注重主动学习。为了实现这些目标，教师和管理人员必须确保成功的教学是一个至关重要的目标，并愿意花费时间、精力和资源来实现这一目标。