嗒、嗒、嗒嗒、嗒。

你知道这首歌。至少,你自己知道。

想像坐在你对面的人,只能凭你在桌上敲出的节奏猜歌。对你来说,旋律很明显:你在脑中听得到,知道哪里停顿,也知道下一句是什么。但聆听者只听到敲击声。

一个人所知道的,与另一个人所接收的,原来可以如此不同。这个简单的差距一直留在我心里,因为我愈来愈怀疑,教学有时是否也以同样方式发生。

教师脑中的旋律

这个想法源自Elizabeth Newton在史丹福大学的博士研究。在敲击研究的一部分,参加者敲出熟悉的旋律,并估计聆听者约有50%机会猜中。实际上,聆听者在120首歌中只猜中3首,即2.5%(Newton, 1990)。

问题不只是敲得不好。更有意思的是,敲击者难以想像:对一个原本不知道旋律的人,敲击声究竟听起来是怎样的。

这与Camerer、Loewenstein及Weber(1989)所说的知识诅咒密切相关:一旦掌握资讯,我们便难以暂时放下那些知识,准确理解不知道的人所处的角度。

教得愈久,我愈能在自己身上看到这个问题。

我听得到旋律

以关节角度测量为例。测量肘关节活动幅度时,我大概知道肱骨外上髁的位置,理解「肱骨外侧中线」的意思,知道肩峰的重要性,也知道桡骨茎突应在哪里。

所以,当我对学生说:

「把轴心放在肱骨外上髁,固定臂沿肱骨外侧中线指向肩峰,活动臂则沿桡骨指向桡骨茎突。」

对我来说,似乎相当清楚。但学生实际听到的,可能更接近:

外上髁、肱骨、中线、肩峰、桡骨、茎突。

嗒、嗒、嗒、嗒。

字词都在,旋律却未必存在。

「但我已经教过了」

我也曾这样想:「我们已经讲过了。」「他们在解剖学学过。」或者更危险的一句:「到现在,他们应该懂了。」

敲击实验却让我重新思考这些说法。重要的或许不是我是否教过,而是学习者有没有建立起我现在视为理所当然的心智图像。

概念在课堂出现,不等于已成为可运用的知识。学生可能知道解剖标志的名称,却找不到它在真人身上的位置;可能记得步骤,却不理解其重要性;甚至可能通过评估,仍未把各部分连结成可用于实务的知识。

也许我一直假设,既然我听得到这首歌,他们也一定听得到。

专业知识把步骤藏起来

其中一个原因,可能是专业经验会压缩思考。原本需要刻意努力的事,逐渐变得自动化。

初学辨认解剖标志时,我可能会有意识地逐一问:

  • 我现在在哪里?
  • 这里应该有什么结构?
  • 我能触摸到什么?
  • 什么动作有助确认?
  • 它的近端或远端应该是什么?

随着时间过去,许多步骤退出了有意识的思考。最后只要把手放下,便会想:就是这里。

这对临床工作有用,但教初学者时可能造成问题。学生问:「你怎样知道这就是那个标志?」有经验的人很容易回答:「摸得到的。」这话没错,却不特别有帮助。学生还未能感受到我所感受到的;一句简单的话,可能隐藏了多年解剖知识、触诊、重复练习、临床经验与模式辨识。

专业研究也描述过类似问题。Hinds(1999)发现,专业程度较高的人,可能反而更难预测初学者觉得任务有多困难。Nathan及Petrosino(2003)则描述了教育中的专家盲点:较强的学科知识,会影响教师对学习者应该已经理解什么的假设。

因此,教学有时要求我们做一件不太自然的事:把专业经验已经压缩的步骤重新拆开。

也许我需要少解释一点

学生不理解时,我常会本能地再解释一次:多一个例子、一张图、一页投影片。有时这正是所需,但有时我也怀疑,自己是否只把同一首歌敲得更响。

嗒、嗒、嗒嗒。「现在听到了吗?」

我愈来愈想请学生展示他们听到了什么:为什么把轴心放在这里?你用的是哪个标志?怎样判断位置正确?你想对齐什么?

请带我走一遍你的推理。

这些问题可能揭示另一轮解释无法呈现的东西——学生的心智模型。

相同错误,可以代表不同问题

两名学生可能出现完全相同的可见错误,原因却截然不同:一人误解解剖,一人懂解剖却误解操作;另一人两者皆懂,但难以把二维图像转换为真实身体;也有人只是没有把握。

表面的错误一样,背后的思考却不同。如果我只纠正最后的动作,可能永远不知道真正要解决什么。这也是我愈来愈认为正确答案未必足够的原因。有时更值得问的是:你为什么这样做?

为何模拟教学对我重要

这也是我日益关注模拟及互动学习的原因。在课堂上,理解可能出奇地难以看见。学生可以点头、抄笔记、答对选择题,让我离开课室时以为:「很好,他们懂了。」

但当学习者面对实际任务,情况便不同:放下量角器、选择解剖标志、放置听诊器、测量胸廓扩张、数呼吸频率、作出决定。此时,我才看见学习者如何运用资讯。

这是我开发小型互动临床技能活动的原因之一。我愈来愈感兴趣的,不只是电脑能否说「正确」或「不正确」,而是之后会发生什么。

从「不正确」走向「为什么」

想像学生把虚拟听诊器放在肩胛骨上。模拟程式已知道位置错误,可以亮红灯并说:「不正确,再试一次。」

但如果它问:「你目前放在什么结构上?这为什么可能影响听诊?」学习互动便很不同。

错误成为对话的起点,而不是一次尝试的终点。更重要的是,学生有机会自己重新建构部分旋律。

人工智能可以如何帮忙

这也是我对教育中人工智能的看法开始转变之处。许多生成式人工智能讨论仍着重产出:写文章、做摘要、生成十条问题、解释主题。这些用途可以有价值,但我更关注能回应学习者需要的导师。

想像学生在互动量角器活动中放错轴心。模拟系统本身已知道发生什么:阶段、位置、误差大小、尝试次数,甚至过往的错误。人工智能不必决定学生是否正确,而可负责调整提供多少支援。

第一次,它可能问:

「这个测量应以哪个解剖标志作为支点?」

再次失败后:

「想想肘关节外侧的骨性标志。」

如果仍然困难,才更清楚地说:

「轴心应放在肱骨外上髁。」

支援逐步清晰。模拟系统判断表现,人工智能根据表现提供学习支架。对我而言,这比直接要求人工智能给答案更有意思。或许它的角色,是决定揭示多少旋律。

有多少「明显」,只对我而言明显?

敲击实验不断把我带回一个令人不安的问题:我在教学中认为显而易见的事,有多少只是因为我早已知道?

看图时,我知道应注意什么;读临床个案时,某些细节会立即突出;观察动作时,我知道哪些关系重要。学生未必已有这种筛选能力。

我可能有时把他们听不出旋律,误认为不努力。有时或许如此,但也可能只是我忘记了没有旋律时,敲击声究竟是怎样的。我希望在自己的教学中,更有意识地留意这点。

重新成为聆听者

我不认为我们能完全摆脱知识诅咒,也不认为专业知识本身是问题。正是知识与经验,让我们能够教学。

但好的教学或许要求我们偶尔走到桌子的另一边,重新成为聆听者,问:「如果我原本不知道答案,这个解释仍然有意义吗?」

先观察学生尝试,再纠正;问原因,让他们解释;设计能呈现决策的活动,并留意他们在哪里犹豫。因为犹豫有时比另一个正确的考试答案,更能告诉我们学习发生了什么。

教师自信地敲着,旋律清晰无比。学生一脸困惑,教师想:「你怎么会听不到?」

也许更好的问题是:

我脑中听到什么旋律,却还未帮助学生听见?

参考文献

Camerer, C., Loewenstein, G., & Weber, M. (1989). The curse of knowledge in economic settings: An experimental analysis. Journal of Political Economy, 97(5), 1232–1254. https://doi.org/10.1086/261651

Hinds, P. J. (1999). The curse of expertise: The effects of expertise and debiasing methods on prediction of novice performance. Journal of Experimental Psychology: Applied, 5(2), 205–221. https://doi.org/10.1037/1076-898X.5.2.205

Nathan, M. J., & Petrosino, A. (2003). Expert blind spot among preservice teachers. American Educational Research Journal, 40(4), 905–928. https://doi.org/10.3102/00028312040004905

Newton, E. L. (1990). The rocky road from actions to intentions [Doctoral dissertation, Stanford University]. Stanford University.