《学习力革命：重塑学习系统 跟上人工智能新时代》
作者：宋少卫
版本：湛庐丨浙江科学技术出版社
2025年2月
当前，基础教育的问题需要思考。厌学、沉迷游戏、空心病、抑郁症等话题一再成为舆论的焦点。学习，仿佛成了一个社会性难题。教师和家长们普遍感到焦虑和无助，不知道该怎么做才能让孩子愿意学习；一些孩子认为学习无效、无趣、无用，在被迫学习和渴望逃离之间苦苦挣扎。
尤其值得关注的是，青少年心理健康问题日益突出。《2022年国民抑郁症蓝皮书》显示，在学生患抑郁症的诱因中，学业压力占比较高，仅次于人际关系和家庭关系。
事实上，世界上很多其他国家也存在基础教育落后于社会进步与科技发展的问题。众所周知，当今在全球得到普及的公立学校体制，源于普鲁士王国。1717年，普鲁士王国颁布了一项实行强迫教育的法令——《普鲁士义务教育法令》。自此，受教育像服兵役一样成为普鲁士王国公民对国家应尽的义务。这一教育体制随着德意志的统一而声名鹊起，欧洲国家纷纷效仿。19世纪后半期，英美法日等世界强国陆续推行了义务教育制度。到20世纪20年代，资本主义国家已基本普及了义务教育制度。
展开剩余91%从公立学校体制的诞生到今天，已经过了三百多年，人类社会历经了四次工业革命、两次世界大战，发生了翻天覆地的变化。但是，教育模式的本质一直没有顺应时代的变化而发生改变。直至现在，绝大多数公立学校依然以知识传授、分科教学为主导。在这个信息爆炸、技术迅猛发展的时代，这样的教育模式显然与社会需求脱节。
教育发达国家或地区大多已经意识到了这个问题，纷纷探索教育改革的新路径。
美国IBM公司于2011年打造了P-TECH High School，以STEM教育为核心，致力于重塑高中教育模式。丹麦哥本哈根的一所职业学院采取了别具一格的教学方式：鼓励学生们在巨型教室中开展合作与交流，从而培养创新思维。芬兰作为世界教育改革的先锋，近年来一直在尝试突破传统学科割裂式教学的局限。目前，芬兰的中小学每年会组织学生开展现象式学习或项目式学习，不进行传统的分科教学，时间大约持续两个月。现象式学习让学生综合运用所学知识来分析问题，而项目式学习则让学生综合运用所学去创造新价值、实现新想法。这些教育革新各具特色，但无一例外都在强调激发学生学习的自主性，转变学科割裂式教学模式，打破标准化测试的桎梏，帮助学生发展出真正的解决问题与创新的能力。
《欢乐家长群2》（2025）剧照。
向AI学习以提升自身
随着AI的迅猛发展，一个崭新的时代正在拉开帷幕。那么，在教育领域，AI将会为人类带来什么？
在2023年9月举行的“聚焦教育新生态暨学习科学教育峰会”上，我提出了这样一个观点：人类的学习正在进入全新的“轴心时代”。我们不能只让学生掌握各学科的知识，更要培养他们像AI一样精准、高效、快乐地处理数据。精准，不能出错；高效，快速及时；快乐，不受情绪影响。
对于家长和教育者而言，这意味着教育模式要从以“传统的知识传递为主导”，向“知识体系建立、程序思维培养、学习系统升级”三位一体转变。怎么理解呢？我们不妨想一想曾经在知识传递模式下培养的大批“好学生”是什么样的吧，可以用“小镇做题家”来描述这类学生。“小镇做题家”的学习成功秘籍主要是勤奋，能记忆大量的知识点，会总结解题模板，并通过不断“刷题”磨炼出超强的解题熟练度。不得不承认，“小镇做题家”曾是时代教育的受益者，也为中国社会的发展贡献了重要力量。
然而，以AI为代表的科技进步改变了国家和社会对人才的需求。党的二十大报告指出：“全面提高人才自主培养质量，着力造就拔尖创新人才。”其中，拔尖创新人才培养的战略地位愈加凸显。近几年，新高考、新中考改革呈现出了一大显著特点：注重考查学生对信息理解和现实问题解决的能力。这体现在两个方面：一方面是考题中融入了真实场景和现实问题，变得更加灵活、务实；另一方面是出现了新定义题型，要求考生快速学习新知识，并用以解决新问题。
此外，2023年9月，北京市教委发布了新的中考政策，宣布“小四门”（历史、地理、化学、生物学）由考试变为考查，这实际上是进一步削弱了对学生知识记忆的考核。以上举措无不传递出我国在人才需求上的变化，具有良好信息解读与分析能力、问题解决能力及创新能力的人才更加符合未来社会的需要。显然，这类人才是无法通过知识灌输和大量“刷题”培养起来的。
新时代的人才该如何培养？曾经，AI通过模仿人类发展其智能；现在，AI已经在某些方面超越人类。此时，我们应当考虑向AI学习以提升自身。建立知识体系、培养程序思维、升级学习系统，就是以AI思维为核心的一种教育模式。它将引领我们运用学习系统理论与方法来诊断、解决学生学习的系统问题，帮助他们逐步构建一个类似AI的学习脑，从而避免成为“小镇做题家”。
价值决策会决定人们的行为模式
人们对学习常常抱有一些似是而非的观念，例如以下观念：
·学习就是记忆知识，想成绩好肯定要花大量时间来背诵知识，因此找到一个能提高记忆力的方法非常重要。
·勤奋是学习的不二法门，不埋头苦学哪有好成绩？
·学习高手都是天生智力超群的人，学习不好往往是因为缺乏天赋。
·只要方法好，谁都能成为学习高手。因此，平时要搜罗各种“学习绝招”。
价值决策位于学习系统的中心，它对整个学习系统的运转起着总控作用。比照AI来看，在AI的世界里控制一切的神秘力量是算法，算法决定着机器应该依照怎样的标准或规则工作；而在人类的世界里，起着同样作用的神秘力量则是价值决策，它决定了人类行为的选择和执行方式，进而影响态度、倾向和喜好，使每个个体在一个独一无二的轨道上不停地运转。
价值决策会决定人们的行为模式，甚至决定人生命运的走向。
《人工智能》（2001）剧照。
一个人的价值决策到底从哪里来？它并非来自长辈传授的道理或书本上的知识，而是人成长过程中，多种因素综合作用的结果。它可能源于家人、老师言传身教的启发，可能源于和他人互动产生的经验教训，也可能源于一次刻骨铭心的成功或失败经历，还可能源于偶像的一个故事或一句话……在价值决策的形成过程中，知识和信息的影响权重较小，个人的实际感受、体验影响更大。除此之外，生活中的特别经历对价值决策也会有重大影响。
在学习系统内部，价值决策居于核心位置，负责为识别驱动、语义解析等其他四个模块提供心理支持，是连接学习（认知心理）和非认知心理的关键枢纽。在宏观层面，价值决策往往会决定一个孩子整体的学习状态。如果价值决策有缺陷，孩子可能会表现出对学习缺乏兴趣、学习动力不足、做事意志力薄弱、自信不足、低挫折容忍力等问题；如果价值决策良好，孩子则会表现出明显的学习主动性，不怕困难和失败，具有强大的心理韧性和自信心等。在微观层面，价值决策无时无刻不在影响着孩子的学习过程。回想一下，当你遇到一道难题时，你心里会怎么想？多数人会有以下两种想法。
遇到难题时的价值决策。《学习力革命》内页插图
若学生没有形成良好的价值决策，我们该怎么办？显然仅凭简单的谈话或说教是远远不够的。结合近三十年的教育实践经验，我认为需要帮助孩子渡过三关：情绪关、意义关和方法关。
情绪关，即情绪管理，指在遇到问题、困难时，个体能否克服消极情绪，使自己平静下来，积极面对问题、困难；能否灵活地调整自己的情绪，以最佳的紧张度应对当前的问题、困难，不会随便掉以轻心，导致失误。意义关，即意义赋能，是个体依据一定的参考标准来客观评价某一事件的意义或价值的大小。例如，对于学习的重要性、某个学科的价值、一次考试的分量，每个人心中都有一套自己的意义或价值标准。方法关，即方法采择，涉及面对问题时个体如何选择方法，以及在不断尝试中找到解决方案的能力。
在价值决策的调整过程中，孩子需要依次“闯过”三关，一般情况下，不能越级闯关。首先，我们要先帮助孩子把情绪调整到良好状态，后续调整意义标准、探索解决方法才能行得通。如果一个孩子始终沉浸在“我就是笨”的自卑情绪里，或“学习太无聊”的厌学情绪中，我们很难唤醒他的大脑的理性思维。在这种状况下，我们无论是讨论意义标准，还是传授方法，都难以影响到对方。同样，即便学生进入了良好的情绪状态，若没有正确的意义标准，如无法在先写作业还是先玩手机之间做出恰当选择，那么此时让他考虑解决学习问题的方法也是徒劳。总之，无论价值决策具体存在怎样的问题，我们都需要按照“情绪关、意义关、方法关”依次去排查和调整。当然，对任何一关的调整，都会对其他两关起到积极的促进作用。孩子的意义标准经过修正后，会更有利于唤起他的积极情绪，也为其找到更有效的解决方法奠定了基础；孩子的解决方法有所提高后，会反向为他增加意义感，同时引发良好情绪。
价值决策的内部结构。《学习力革命》内页插图
像AI一样接纳错误
记得ChatGPT在国内刚“火”起来的时候，我问了它一道小学数学题。ChatGPT最初也像懵懂的孩子一样给出了错误答案。不过，在我提醒它之后，它迅速意识到了问题。
随后，我调整了数字，给它出了一道同类型题目。这次ChatGPT没有掉入“陷阱”，聪明地给出了正确答案。ChatGPT展现出的学习能力令人惊讶，我忍不住表扬了它。
它的回复“如果我犯了错误，我会从中吸取教训，并努力不再犯同样的错误”，让我不禁陷入沉思。如果我们的孩子也具备这样的价值决策，能够积极地面对错误、冷静地吸取教训，那么学习之路上还会有什么真正的困难吗？
然而现实中，不少孩子被指出错误后，会因为愤怒或羞愧而止步不前；不少孩子会因为一点小挫折，就不敢尝试，选择“躺平”。如果孩子能学会愉快地接受错误，就会意识到学习并不像他们想象得那么难。可问题是，他们往往被消极情绪所困扰，甚至难以自拔。
我曾在网上看过一段研究人员训练机器人的视频。在视频中，他们为机器人设置各种障碍来测试其反应能力。例如，当机器人向前走时，它被棒子突然袭击了一下；当机器人刚蹲下准备搬起一个箱子时，箱子会被突然推远；当机器人好不容易搬起了箱子，箱子又被无情地打落……天哪！这样不断遭受打击，如果是人的话，一定会崩溃的。然而机器人完全“无动于衷”，它只是一次又一次地重复动作，努力完成它的任务。
AI不会因挫败而烦恼，它可以一直学习，还可以从错误中学到更多。
相比之下，人类的孩子太容易受到消极情绪的影响了。想一想，有多少种情况会让一个孩子读不进去书？学习无趣，感到无聊，不想读书；没有考好，感到难过，无心读书；和家长吵架，心情烦躁，读不进去书；考试在即，焦虑不安，读不懂书……
《人工智能》（2001）剧照。
为什么会这样呢？认知心理学与认知神经科学研究发现，人的情绪就像认知活动的背景，对感知觉、注意、记忆等各种认知活动具有广泛影响。这种影响主要通过积极情绪和消极情绪，对注意转换功能以及抗干扰刺激的抑制能力的不同作用表现出来。积极心理学家芭芭拉·弗雷德里克森认为，积极情绪能够拓展人们的认知加工能力，使人更加开放、灵活，从而拥有更广的注意力范围和更高的创造性思维。当前，越来越多的实验研究也在支持这一观点。
用AI参数法激发学习的动力
平日里，我们常常在不知不觉中做着价值决策。
价值决策的意义关指在面对一个具体情景时，人们会选择意义标准来决定自己的行为。意义标准决定了人们的行为选择和行为方式。它就如同AI模型中被赋予确定值的参数。什么意思呢？AI模型实际上是一种函数，它可以从输入的数据中学习到某种模式，并根据这种模式进行预测或决策。参数决定着函数如何处理输入的数据，从而得到输出的结果。
对于AI模型来说，其学习的核心是参数的调整。同样，人的行为学习也以参数调整为核心，这里的参数是价值观，调整的最终结果是与行为相关的意义标准。在孩子的成长过程中，他不断地与他人或外部环境进行互动，并从中获得各种信息。这些信息便是用于训练孩子行为参数的数据。受这些数据的影响，孩子在大脑中逐渐明确各种各样的意义标准，进而形成价值观体系，并最终通过习惯形成相对稳定的个性化行为模式。
那么，反过来看，当孩子的行为出现偏差时，我们要思考的是其背后的意义标准是什么，这些意义标准是否合理，以及如何调整等问题。若一个孩子心中的意义标准发生了改变，他的行为自然会随之改变。
《全知读者视角》（2025）剧照。
有些孩子能一直保持学习的热情，即使遇到成绩下滑或在学习上遇到困难，他们也能主动向老师、同学请教，积极寻找解决办法，直到将问题解决。这样有学习热情的孩子，即便刚开始成绩并不突出，但学习后劲十足。有些孩子的学习情况正好相反。他们可能起初学得不错，在遇到“瓶颈”后就难以突破，甚至从一科变弱到整体学科成绩下滑。为什么这两类孩子会有如此巨大的差别呢？这是因为他们对努力的意义有不同的认识。前一类相信努力能帮助他们解决困难、提升能力，从而变得更好；后一类认为努力的作用有限，学习成绩的好坏主要由天赋决定。
斯坦福大学心理学教授卡罗尔·德韦克将上述两类想法总结为两种思维模式：成长型思维和固定型思维。通过对各年龄段几百个孩子的追踪、访谈和研究，卡罗尔·德韦克教授发现以下现象。
具有固定型思维的人认为能力是天生的，后天努力的作用不大。他们遇到挫折爱找借口，更关注自己当前的表现，常害怕自己表现不好而直接放弃努力，喜欢待在舒适区。固定型思维是一种被恐惧驱动的思维模式。
具有成长型思维的人相信能力可以通过后天努力改善，他们有明确的目标，热衷于学习，喜欢探索新事物，认为凡事皆有可能，关注学习机会、改进空间。
成长型思维是一种被成就驱动的思维模式。
由此可见，具有成长型思维的孩子在面对逆境时，善于为克服困难赋予积极的意义，更容易闯过“意义关”。所以，我将成长型思维视为“意义关”的一种有效调节模型，在为孩子调整价值决策时，会重点帮助他们塑造成长型思维。
意义关处在价值决策的第二环，也是其核心，会对孩子最终的学习行为产生关键性影响。它前面承接情绪关，后面通向方法关。如果一个孩子卡在情绪关里出不来，他往往是非理性的，那么意义标准就无法对他发生作用。既通过了情绪关，又能进行正向意义赋能的孩子，意义关会让他的情绪更加积极，也会让他在通过方法关时更加有动力。
跟AI学习找到解决问题的路径
“孩子学习成绩上不去，是因为学习方法不对。”你是否也有过这样的想法？许多人相信孩子只要掌握了正确的学习方法，学习成绩自然不用发愁。不过，我发现了这些现象：有些孩子学了不少学习高手的学习方法，但却不会用；有些孩子说起学习方法来头头是道，但实际学习时却从来不用他说的学习方法。这是为什么？因为他们把学习方法当作陈述性知识来学习，只是记住了一些知识，根本无法落地。事实上，方法是一种程序性知识，使用者需要反复练习它，并在实践中不断调整它，才能真正发挥它的效用。
《全知读者视角》（2025）剧照。
那么，在学习情境下，孩子该如何掌握真正有效的学习方法呢？这就涉及价值决策的方法关。方法关是价值决策的最后一环，并不是特指某一具体方法，而是指在遇到问题或麻烦时，人们能找到解决的途径。它实际上是一个通过不断试错、探索，最终找到解决方法的过程。
AI在遇到棘手的问题时，通常会按照这样的思路来处理：先使用多种算法设计出大量的具有可行性的方案；然后调用一个个程序去处理、求解；最后，比较各个方案的结果，从中选出最优解。
举个例子对此做具体说明。假设：你有一个智能衣橱助手，它每天都能帮你搭配出行服装。一天，你对它说：“我想要一套适合今天天气的、时尚的服装组合。”这个问题对智能衣橱助手而言很新奇。因为今天的天气情况很特殊（如大雨），它以前从未遇到过。那么，它需要尝试多种服装搭配组合，并且会按照下列顺序去做：
·首先，它选择一个基本的服装搭配组合，如牛仔裤和风衣。
·接着，它会尝试添加一些饰品，如帽子或围巾，看看是否更适合一些。
·然后，它还会考虑更换鞋子，将运动鞋换成靴子，以适应今天的天气情况。
·最后，它还可能尝试不同的服装配色，以找到更时尚的搭配。
以上只是智能衣橱助手基于“牛仔裤和风衣”这一种基本搭配上的尝试。它会按照这样的流程提出多种搭配方案，最后选择适合且时尚的服装组合推荐给你。AI的计算速度远远超过人类，它可以近似“无限”地试错，直至找到最优解。人类往往会根据已有的经验和知识，在较小范围内尝试。
以上内容选自《学习力革命》，较原文有删节修改。已获得出版社授权刊发。
原文作者/宋少卫
摘编/何也
编辑/张进
导语校对/赵琳
发布于：北京市信悦网配资提示：文章来自网络，不代表本站观点。
