面向技能知识的学习模型及方法研究

◎李华康 孙国梓 李涛 马玲玲

面向技能知识的学习模型及方法研究

◎李华康 孙国梓 李涛 马玲玲

基于互联网的在线学习发展越来越快，移动教育在给人提供便捷的同时也产生了学习过程的杂乱问题。本文从自主学习角度入手，探讨技能知识的学习模型，并以高等学校的阶段性任务为例介绍了目标驱动的学习方法，为现代化信息管理和自主学习提供了新的模式。

随着互联网大数据时代的来临，呈现在我们面前的知识以几何级数的形式增长。根据中国互联网信息中心发布的《第40次中国互联网发展状况统计报告》报告显示，截至2017年6月，中国网站数量为506万个，半年增长4.8%。截至2017 年6 月，中国在线教育用户规模达1.44 亿，较2016年底增加662 万人，半年增长率为4.8%；在线教育用户使用率为19.2%，较2016 年底增加0.4 个百分点。其中，手机在线教育用户规模为1.20 亿，与2016 年底相比增长2192 万人，增长率为22.4%；手机在线教育用户使用率为16.6%，相比2016 年底增长2.5 个百分点。

目前的在线学习模式，主要对象是在职人员的职业技能学习和兴趣爱好能力学习。一种高效的学习方法，对于每天只能有少量学习时间的在职人员来说是非常宝贵的。而传统的学习方法和模式，多数是由课堂教学总结而来，对于课外技能学习的相关研究还不够充分。本文以课堂教学为基础，研究面向技能知识的一般学习模型，并以研究生教育的工作导向为例讨论学习的目标驱动模式。

遗忘和记忆模型

德国心理学家艾宾浩斯(H.Ebbinghaus)研究发现，人对某个新的事物的认识会随着时间的推移而逐渐被遗忘。他通过无意义音节作为记忆材料，用节省计算保持和遗忘的数量进行统计，并根据实验结果绘制成描述遗忘的进程曲线，即著名的“艾宾浩斯记忆遗忘曲线”。假设初次级以后经过x小时，那么记忆率近似的满足y=1-05x0.06。如果我们在短时间内学习了100个发音，那么经过20分钟后，人可能只记得58个发音，1小时候可能会记得44个，一天后还能背出来的可能只有33个，而一周以后仅剩下近四分之一的记忆量。

针对一般人的遗忘曲线，很多心理学家试图通过一定的记忆方法来稳固我们对某一事物的认识—抗遗忘曲线。理想记忆模型是过目不忘，即永远是100%的记忆，但99.99%的人无法做到，那么根据艾宾浩斯遗忘准则，人们可以在首次记忆后的10分钟进行一次复习，然后再在这以后的1天、1周以及1个月的时候对所学习的内容进行强化复习。这样即使过了半年，我们对某一知识点的记忆任然保持在75%的维持率。

单一技能学习模型

艾宾浩斯遗忘模型是对无意义的发音进行的训练，但是人的真正记忆方式更多的是将新的知识与旧的知识进行对比分析，不断迭代进取的模式，即增量式学习模型。这就需要我们在不断学习的过程中保持不断的思考。论语有云：“学而不思则罔，思而不学则殆”。即一味地学习而不思考知识之间的关联，就会因为离散的庞大的知识而陷入迷茫；一味地空想而不去实实在在地学习，也会因为缺少知识的支撑而如同沙上建塔，最终一无所成。

孔子的教导传承前年仍然让众多人受用匪浅，那么作为信息学科的理论工程类学习，我们在学习、思考的过程中，还需要加入实践的环节，构成“学习·实践·思考·学习”的三角形闭环，甚至形成一个螺旋上升模型。如图 1所示，最好的模式是先对课程进行预习，然后在课堂上进行更为细致的强化补漏学习，课堂学习结束后马上进入知识点复习和工程实践活动，在课后复习及实践活动中不断思考当前所学知识存在难点和问题点，更加这些思考所得的难点和问题点进入新的学习。如此循环往复，在“学习·实践·思考·学习”的三角螺旋模型中获对某一领域知识和认识的不断提升。

图1 工科螺旋学习模型

综合技能学习模型

我们每个周期都会安排不同的课程，如高校本科教育的第一年以基础教育为主，包括数学、物理、生物、英语、体育等，到了后期逐渐以专业领域学科为主。以计算机领域的课程为例，必须课程中包含“算法设计”、“软件工程”、“数据库”和“软件测试”等课程。很多同学在学习过程中，是将每个课程作为相互独立的知识来学习。自己喜欢的、或者觉得以后有用的，甚至认为自己在某个学科上有点天赋的，才能学得好一些。觉得一无是处的课程，可能考试结束后一两年都不记得课程的全部名称了。

作为某一大领域内的学科课程，很多时候存在相互之间的共性，以及支撑作用。如图 2所示，算法设计很多时候以来数据结构，数据结构在计算机内的具体表现形式就是数据库；软件测试过程中需要有数据字段的可用性、合理性测试，数据字段设计的合理性也直接表现在数据库中。软件工程作为理论方法的具体实现，需要算法设计、数据库和软件测试等基础知识的支撑，同时软件工程也为其他各课程之间的融合起着桥梁的作用。因此在计算机领域知识的课程学习过程中，我们可以构建更为复杂的系统学习模型。

图 2 知识关联型学习模型

目前每个课程的书籍以及上课老师，由于篇幅和时间的问题，在某一课程知识的展开过程中会不自觉的给出明确的边界。但是我们每个知识的学习者，需要主动地在学习过程中不断建立前沿知识和边沿知识的链接，形成知识与知识之间的桥梁，让这些知识与认知在时间的长河中能够存在的更久远，为我们将来的工作和科研构建扎实的磐石。

目标驱动方法

很多在线学习的同学一方面是为了能够提升工作技术能力，另一方面可能是为了通过技术培训更换一个工作岗位。那么以研究生的阶段性学习为例，很多同学读研究生，是为了能够获得一个相对较高的工作起点，一部分同学是对科学研究感兴趣，还有一部分同学可能是陪着另外一些人考的研究生。不管我们在进入研究生之前抱着什么目的，但是在进入研究生阶段之后，希望大家能够认真对待研究生生涯，在每个阶段制定好一个对自己未来更加有益的目标。

技能类研究生在步入研究生院后的业生涯的基本发展模式可以分为三个阶段：“学习”、“实践”、“管理”。在每个阶段我们需要设定不同的目标，甚至在硕士研究生的三年中，尽可能多的去锻炼、体会这三种不同阶段的时间配比生活。以下为一个简单的硕士研究生阶段任务安排样例：第一年以学习为主。第一任务是课程学习、知识学习；第二任务是实验室的科研项目，提升自己的实践能力，第三任务是研读论文，甚至撰写自己的第一篇论文；第二年以实践为主。主要任务是参与实验室的实践项目；然后在实践过程中发现问题，查阅相关论文，不断学习，并将实践的结果以论文的形式总结展现；第三年以思考为主。第一任务是面试，面试不仅是自己以往经历的阐述，更多的是与笔试官、面试官之间的博弈，因此更加需要在面试前、面试中以及面试后对面试过程中所有的问题、情况进行总结思考；同时可能需要参与某些公司/研究室的项目，并且在遇到问题的过程中不断的主动学习，去解决问题。

本文从一般的遗忘曲线和记忆模式出发提出技术知识学习过程中的“学习→实践→思考”模型。以计算机科学的课程可在关联性为例，介绍了专业课程之间的关联学习方法。最后以研究生的阶段任务安排出发，给出了阶段性目标的学习驱动机制。

江苏省博士后科研资助计划项目(1601128B)、中国博士后科学基金项目(2016M600434)、国家自然科学基金青年项目(61502247)、江苏省科技支撑计划(社会发展)项目(BE2016776)

南京邮电大学计算机学院）