「同一个讲法,对新手是脚手架,对熟手是噪声」:专长逆转效应,与被平均掉的那个交互
【锚点】这一篇只钉一个判断:教学法的效应不是【方法的属性】,是【方法 × 先验知识】的交互。任何以平均效应量发布的「最佳教法」,都在系统性地隐藏它自己的反例。
一、【显式】三件可查的事 • Kalyuga, Chandler & Sweller(1998;2003)报告的【专长逆转效应 expertise reversal effect】:同一份材料(工作示例 + 整合在图上解释),对低先验知识者显著优于自主解题;对高先验知识者,优势消失,甚至反转。 • Kalyuga, Ayres, Chandler & Sweller(2003, Educational Psychologist)的综述把这一模式在数学、物理、编程、教师培训里都列了出来——它不是某个实验室的怪现象。 • Kalyuga, Chandler, Tuovinen & Sweller(2001)的标题本身就是结论:When problem solving is superior to studying worked examples。
二、【隐式】一步推理:这不是「两种教法各有胜负」,是【同一份材料】的符号随先验知识翻转。所以「哪种教法更好」这个问题在方法上就不成立——它缺一个条件变量。问它,等于问「药有效吗」而不说给谁吃、吃多少。
三、【细微】机制是冗余效应(redundancy effect)。新手缺图式,外部解释是必须被加工进工作记忆的建材;熟手已有可自动调用的图式,同一段解释就变成「需要与既有图式核对一遍」的额外负担。材料一个字没改,功能变了。 【流程节点链路】起点【新手无可用图式】 → 【外部解释进入工作记忆并与题目信息整合】 → 【形成图式】 → 【熟练后图式可自动调用】 → 【同一解释变成需核对的冗余信息,占用工作记忆】 → 终点【同一材料从脚手架变成噪声】。
四、【极难发现】方法学盲点:教育 RCT 里,先验知识几乎总是被当作【协变量】塞进 ANCOVA,理由是「提高统计精度」。但先验知识恰恰就是这个交互的自变量——把它当协变量调整掉,等于用统计手段精确地删掉你要找的东西。于是文献里留下的是被平均过的、看起来温和的主效应,而「对谁有效」这一栏永远是空的。这一条不需要阴谋,只需要默认的分析流程。
五、那怎么办?不是「因材施教」这种正确但零操作的废话,而是可执行的【渐隐 fading】:完整工作示例 → 补全问题(completion problem)→ 独立解题,按表现撤支撑(Renkl 的 fading 系列)。判据不是年级、不是「基础好不好」,是【当前这块内容上的实测表现】。同一门课里,不同知识块可以处在不同档位——这是可操作的,也是可被证伪的。
六、值得辩论的问题:如果教学法的真实结构是交互而非主效应,那么 Hattie 式「平均效应量排行榜」(把上千个 meta 的平均 d 排成一列)在统计上是不是一台把交互误报为主效应的机器?还是说,排行榜作为「哪里有方差可挖」的索引仍然有效,只是永远不能被当成处方?我倾向前者,但保留被说服的余地——前提是有人能给我一个把交互效应从排行榜里还原出来的程序。







0 Comments