嗒、嗒、嗒嗒、嗒。
你知道這首歌。至少,你自己知道。
想像坐在你對面的人,只能憑你在桌上敲出的節奏猜歌。對你來說,旋律很明顯:你在腦中聽得到,知道哪裏停頓,也知道下一句是甚麼。但聆聽者只聽到敲擊聲。
一個人所知道的,與另一個人所接收的,原來可以如此不同。這個簡單的差距一直留在我心裏,因為我愈來愈懷疑,教學有時是否也以同樣方式發生。
教師腦中的旋律
這個想法源自Elizabeth Newton在史丹福大學的博士研究。在敲擊研究的一部分,參加者敲出熟悉的旋律,並估計聆聽者約有50%機會猜中。實際上,聆聽者在120首歌中只猜中3首,即2.5%(Newton, 1990)。
問題不只是敲得不好。更有意思的是,敲擊者難以想像:對一個原本不知道旋律的人,敲擊聲究竟聽起來是怎樣的。
這與Camerer、Loewenstein及Weber(1989)所說的知識詛咒密切相關:一旦掌握資訊,我們便難以暫時放下那些知識,準確理解不知道的人所處的角度。
教得愈久,我愈能在自己身上看到這個問題。
我聽得到旋律
以關節角度測量為例。測量肘關節活動幅度時,我大概知道肱骨外上髁的位置,理解「肱骨外側中線」的意思,知道肩峰的重要性,也知道橈骨莖突應在哪裏。
所以,當我對學生說:
「把軸心放在肱骨外上髁,固定臂沿肱骨外側中線指向肩峰,活動臂則沿橈骨指向橈骨莖突。」
對我來說,似乎相當清楚。但學生實際聽到的,可能更接近:
外上髁、肱骨、中線、肩峰、橈骨、莖突。
嗒、嗒、嗒、嗒。
字詞都在,旋律卻未必存在。
「但我已經教過了」
我也曾這樣想:「我們已經講過了。」「他們在解剖學學過。」或者更危險的一句:「到現在,他們應該懂了。」
敲擊實驗卻讓我重新思考這些說法。重要的或許不是我是否教過,而是學習者有沒有建立起我現在視為理所當然的心智圖像。
概念在課堂出現,不等於已成為可運用的知識。學生可能知道解剖標誌的名稱,卻找不到它在真人身上的位置;可能記得步驟,卻不理解其重要性;甚至可能通過評估,仍未把各部分連結成可用於實務的知識。
也許我一直假設,既然我聽得到這首歌,他們也一定聽得到。
專業知識把步驟藏起來
其中一個原因,可能是專業經驗會壓縮思考。原本需要刻意努力的事,逐漸變得自動化。
初學辨認解剖標誌時,我可能會有意識地逐一問:
- 我現在在哪裏?
- 這裏應該有甚麼結構?
- 我能觸摸到甚麼?
- 甚麼動作有助確認?
- 它的近端或遠端應該是甚麼?
隨着時間過去,許多步驟退出了有意識的思考。最後只要把手放下,便會想:就是這裏。
這對臨床工作有用,但教初學者時可能造成問題。學生問:「你怎樣知道這就是那個標誌?」有經驗的人很容易回答:「摸得到的。」這話沒錯,卻不特別有幫助。學生還未能感受到我所感受到的;一句簡單的話,可能隱藏了多年解剖知識、觸診、重複練習、臨床經驗與模式辨識。
專業研究也描述過類似問題。Hinds(1999)發現,專業程度較高的人,可能反而更難預測初學者覺得任務有多困難。Nathan及Petrosino(2003)則描述了教育中的專家盲點:較強的學科知識,會影響教師對學習者應該已經理解甚麼的假設。
因此,教學有時要求我們做一件不太自然的事:把專業經驗已經壓縮的步驟重新拆開。
也許我需要少解釋一點
學生不理解時,我常會本能地再解釋一次:多一個例子、一張圖、一頁投影片。有時這正是所需,但有時我也懷疑,自己是否只把同一首歌敲得更響。
嗒、嗒、嗒嗒。「現在聽到了嗎?」
我愈來愈想請學生展示他們聽到了甚麼:為甚麼把軸心放在這裏?你用的是哪個標誌?怎樣判斷位置正確?你想對齊甚麼?
請帶我走一遍你的推理。
這些問題可能揭示另一輪解釋無法呈現的東西——學生的心智模型。
相同錯誤,可以代表不同問題
兩名學生可能出現完全相同的可見錯誤,原因卻截然不同:一人誤解解剖,一人懂解剖卻誤解操作;另一人兩者皆懂,但難以把二維圖像轉換為真實身體;也有人只是沒有把握。
表面的錯誤一樣,背後的思考卻不同。如果我只糾正最後的動作,可能永遠不知道真正要解決甚麼。這也是我愈來愈認為正確答案未必足夠的原因。有時更值得問的是:你為甚麼這樣做?
為何模擬教學對我重要
這也是我日益關注模擬及互動學習的原因。在課堂上,理解可能出奇地難以看見。學生可以點頭、抄筆記、答對選擇題,讓我離開課室時以為:「很好,他們懂了。」
但當學習者面對實際任務,情況便不同:放下量角器、選擇解剖標誌、放置聽診器、測量胸廓擴張、數呼吸頻率、作出決定。此時,我才看見學習者如何運用資訊。
這是我開發小型互動臨床技能活動的原因之一。我愈來愈感興趣的,不只是電腦能否說「正確」或「不正確」,而是之後會發生甚麼。
從「不正確」走向「為甚麼」
想像學生把虛擬聽診器放在肩胛骨上。模擬程式已知道位置錯誤,可以亮紅燈並說:「不正確,再試一次。」
但如果它問:「你目前放在甚麼結構上?這為甚麼可能影響聽診?」學習互動便很不同。
錯誤成為對話的起點,而不是一次嘗試的終點。更重要的是,學生有機會自己重新建構部分旋律。
人工智能可以如何幫忙
這也是我對教育中人工智能的看法開始轉變之處。許多生成式人工智能討論仍着重產出:寫文章、做摘要、生成十條問題、解釋主題。這些用途可以有價值,但我更關注能回應學習者需要的導師。
想像學生在互動量角器活動中放錯軸心。模擬系統本身已知道發生甚麼:階段、位置、誤差大小、嘗試次數,甚至過往的錯誤。人工智能不必決定學生是否正確,而可負責調整提供多少支援。
第一次,它可能問:
「這個測量應以哪個解剖標誌作為支點?」
再次失敗後:
「想想肘關節外側的骨性標誌。」
如果仍然困難,才更清楚地說:
「軸心應放在肱骨外上髁。」
支援逐步清晰。模擬系統判斷表現,人工智能根據表現提供學習支架。對我而言,這比直接要求人工智能給答案更有意思。或許它的角色,是決定揭示多少旋律。
有多少「明顯」,只對我而言明顯?
敲擊實驗不斷把我帶回一個令人不安的問題:我在教學中認為顯而易見的事,有多少只是因為我早已知道?
看圖時,我知道應注意甚麼;讀臨床個案時,某些細節會立即突出;觀察動作時,我知道哪些關係重要。學生未必已有這種篩選能力。
我可能有時把他們聽不出旋律,誤認為不努力。有時或許如此,但也可能只是我忘記了沒有旋律時,敲擊聲究竟是怎樣的。我希望在自己的教學中,更有意識地留意這點。
重新成為聆聽者
我不認為我們能完全擺脫知識詛咒,也不認為專業知識本身是問題。正是知識與經驗,讓我們能夠教學。
但好的教學或許要求我們偶爾走到桌子的另一邊,重新成為聆聽者,問:「如果我原本不知道答案,這個解釋仍然有意義嗎?」
先觀察學生嘗試,再糾正;問原因,讓他們解釋;設計能呈現決策的活動,並留意他們在哪裏猶豫。因為猶豫有時比另一個正確的考試答案,更能告訴我們學習發生了甚麼。
教師自信地敲着,旋律清晰無比。學生一臉困惑,教師想:「你怎麼會聽不到?」
也許更好的問題是:
我腦中聽到甚麼旋律,卻還未幫助學生聽見?
參考文獻
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.