样例与自我解释

破除误解#

核心：外部步骤如何变成可生成的约束#

样例效应的合法句子是：当内在负荷已经高，再让新手在搜索空间里乱走，会把窗口用于试错而非结构。把解法写出来，是暂时降低外在搜索。降低之后，必须把支架撤掉，否则表现依赖纸面。自适应系统篇写过过度提示会优化当时正确率。纸质样例有同样的风险。

自我解释把撤支架变成可观察的生成。学生对着缺口说理由，等于在窗口里保持目标并检验约束。元认知篇已经说明判断依赖线索；自我解释提供的是一种可记录的线索：说不出来的地方，往往还不会。说得流畅也可能只是熟悉。校准仍然需要延迟提取。

伦克尔、阿特金森等人后来区分：提示学生解释关键步骤，往往优于要求解释一切。一切会把生成变成新的满载。教学设计于是变成选择：哪些步骤值得生成，哪些可以先外化。选择是课程，不是软件默认。课本若把每一步都印成填空，生成被预支；若只给题目，搜索又可能过载。两端都能找到理由，前提是标明训练的表现。

现场里，样例显形为例题、微课和“标准解法”。标准解法一旦被当成唯一合法路径，学生会学习如何模仿表面顺序，而不是约束。数学课上的“先写这三行”，可能是减少负荷，也可能是把迁移锁死在近表面。记忆与间隔篇要求标明近迁移还是远迁移。样例教学必须做同样的声明。

专长反转把教师判断推回现场。同一道题，对新手是超载，对已经会的人是重复。课表很少允许两组材料。于是教师用同一份学案对付全班，样例对一部分人太厚，对另一部分人太薄。分组技术会进来。分班篇写过轨道运送课程；这里运送的是样例厚度。厚度差异若变成固定天花板，样例就成了分流。

把样例写成条件，也限制了脑科学广告。没有任务、样本和延迟测验的“右脑例题”，仍是神经神话处方。本域把彩图留在解释层。能对质的是：样例之后，学生能否在变式上提取约束，而不是只认原题。

涉及儿童解题过程的出声思维研究应核对该论文的伦理审查。本篇讨论已发表构念，不提供把未成年人当作未审查出声被试的程序。

把样例与解释写成成对条件，要求教材作者标明缺口在哪里。缺口太密，生成会过载；没有缺口，生成不会发生。印刷学案的填空密度，是设计参数，不是美工。教师若被要求必须用统一学案，参数就被锁死。锁死之后，专长反转无处可逃，只能用隐性分组处理。

微课把样例变成时间线。暂停权若只在教师遥控里，学生的窗口被播放速度规定。条件再次变成课表。必要难度要求线索不完全等于测验；自动播放的样例把线索钉死在那几秒。便宜的视频可以增加覆盖，也可以取消生成。

教师讲解本身可以是口头样例。讲解若不停下来留缺口，学生只得到流畅。必要难度要求后来拿走线索；讲解若把线索留到作业里原样出现，样例效应会被再认冒充。成对出现的条件是：先外化，再生成，再延迟提取。三步各占时间。课表只给第一步时，科学句子会变成“我们用过样例了”。用过不是条件被满足。

生成式模型让样例更便宜，也让自我解释更难被当作证据。学生可以对着机器缺口说话，听起来很像齐的程序。差别在于后果是否回到自己能提取的痕迹。若解释只发生在对话窗口里，窗口关闭后可能什么都不剩。条件被软件改写之后，教师更需要声明每一步在训练什么。

统一学案把样例厚度锁死后，教师只能用隐性分组处理专长反转。房间里出现不同填空密度，对外仍是同一门课。审计看不见厚度差异。样例于是成为分班的软装置。厚度应被写成课程描述：哪些步骤外化，哪些必须生成。

斯威勒、范梅里恩伯尔与帕斯把认知结构写成有限工作记忆加几乎不受限的长时图式。对新手，解新问题等于在巨大搜索空间里同时保持目标、符号和合法操作。搜索本身是外在负荷。

已解样例把合法路径外化，窗口才能用来建立元素关系，而不是用来试错。这不是禁止思考。它是承认生成解法有价格。价格付在窗口里。窗口满了，探索只是随机点击。

亚历山大·伦克尔 1997 年的个体差异研究指出：有人会在样例缺口处自发说出约束，有人只复述表面步骤。后者不是更懒的人格，而是生成没有被材料要求。提示若指向关键步骤为什么合法，往往优于要求解释一切。一切会把生成变成新的满载。缺口必须被设计，不能指望人格自动补上。

渐隐样例是把上述选择写成时间表。完整样例之后，下一步留下缺口，再下一步变成自己解题。伦克尔与阿特金森把这种过渡写成从研究样例到解题的支架撤除。

撤得太快，搜索重新灌满窗口。撤得太慢，表现依赖纸面。渐隐不是美工上的留白，它是专长变化的外部记忆。课表若只印完整例题再印原题测验，中间的生成从未发生。用过样例，不等于条件被满足。

专长反转把同一种材料写成两种处理。对尚未形成图式的人，完整样例降低外在搜索；对已经会的人，完整样例可能打断流畅提取，变成干扰。卡柳加等人把这一点写成：引导强度必须随专长下降。没有事先抽样的“全班同一份例题”，只是印象式因材。印象会把样例厚度锁死成统一学案。锁死之后，一部分人过载，另一部分人重复。分流会从填空密度里长出来。

自我解释还要求后果回到可延迟提取的痕迹。学生对着缺口说话，若只发生在当堂、从不在变式上再提取，生成可能只是当时的窗口表演。齐的程序之所以能被对质，是因为解释与随后解题可以被分开看。把说话本身计分，生成会改名为迎合教师的流畅。校准仍然需要延迟与变式。没有这两件，自我解释只是另一种口头作业。

现场里的“标准解法”常常取消缺口。三行必须按顺序出现，缺口被印成唯一合法路径。学生于是学习表面顺序，而不是约束。近迁移会上升，远迁移被锁死。记忆与间隔篇要求标明测的是哪一种迁移。样例教学必须做同样的声明：你训练的是认原题，还是在变式上生成理由。声明越窄，后来的政策借用越应当受限制。

样例与解题交替出现，常常优于只看完整解法或只做原题。交替把外化与生成放进同一练习序列，窗口有机会对照：刚才看见的约束，能否自己再走一遍。若交替被课表改成“例题课”与“测验课”分周进行，对照被铃声切断。条件再次变成时间表。科学句子会变成我们用过样例了。用过不是序列被满足。

齐的自我解释针对的是样例缺口处的为什么，不是把步骤再读一遍。复述可以很流畅，仍未碰到约束。提示若只要求“用自己的话”，学生可能只换同义词。要对质的是：这一步为什么合法、换一个数字是否仍合法。换数字仍说不出，生成还没发生。开口本身不是证据。

争议#

争议的第一线，是样例会不会削弱动机。有人担心先看答案会减少探索。辩护者指出，过载的探索不是探究，只是随机点击。要争的是：探索发生在图式形成之前还是之后。

第二线是口语报告。自我解释可能是窗口，也可能是事后合理化。报告是表现，不是录像。

第三线是数字化样例。视频可以暂停，也可以按秒播放。播放速度锁死窗口时，样例变成另一种课表。技术在改条件，不是中立加速。

第四线是渐隐该由谁决定。有人主张算法按正确率撤支架。有人指出正确率测的是当时表现，必要难度传统恰恰警告当时熟不等于学会。用当堂正确率驱动渐隐，可能把生成提前结束。用统一课表撤支架，又可能对一部分人过早、对另一部分人过晚。争的是：专长如何被事先抽样，而不是要不要渐隐这个词。

第五线是专长反转会不会被写成新的分班理由。材料厚度应当可调，不等于儿童应当被送进不同天花板的轨道。可调的是缺口密度。不可调的是把“已经会的人”送去永远更薄的课程，把“还不会的人”送去永远更厚的抄写。厚度若变成身份，样例就不再是认知条件，而是分流装置。

伦克尔传统还留下一个测量争议：自我解释提示提高的是当时解题，还是延迟保持。若研究只报告当堂正确率，必要难度的警告再次适用。生成必须能在线索被拿走之后被看到。说得出来，随后却提不出，可能只是熟悉。流畅不是约束已经进入长时痕迹。争议要落在结局时间，而不是落在学生是否开口。

完成题是渐隐的亲戚：题目已经写下若干步，学生补上缺失运算。范梅里恩伯尔把它写成复杂技能训练里的过渡作业。过渡作业仍要声明训练的是近迁移还是远迁移。只补原题缺口，学生可能学会填那一格，而不是生成约束。变式必须随后出现。没有变式，完成题只是另一种再认。

自我解释提示一旦进入计分，还会与元认知判断抢窗口。学生要同时保持题目约束、说出理由、并猜测教师想听哪一句。三件事叠在一起，生成会改名为表演。齐的程序之所以能被对质，正因为解释与随后解题可以分开看。计分制度把它们焊死之后，开口不再是证据。它是迎合。

跨域连接#

• 记忆系统：样例当时很熟，不等于约束已进入可延迟提取的痕迹。没有变式提取，样例只是再认。再认会被流畅抬升成虚假掌握。变式提取缺席，样例只训练再认原题。再认原题会被流畅抬成虚假掌握。使用一旦过宽，链条就会在决定处断开。
• 元认知训练：解释提示是一种监控干预。提示一旦计分，生成会变成表演。计分制度会污染构念。计分的解释提示，会把生成收成表演判断。表演判断一旦进分，缺口处的真话会消失。观察与名字错位，是最常见的无效。
• 机器学习概观：模型也可以“看样例再生成”。人的窗口不是参数量。把软件的过拟合警告借来可以，把人写成显存不行。人不是显存，过载失败不能靠加大内存解决。过载失败要改呈现，不能改儿童鉴定。课表不改，条件只能停在个别教师的缝里。
• 确认偏误：学生会寻找支持自己解法的步骤，跳过反例。样例若只展示成功路径，偏误会被标准解法加固。只给成功路径的标准解法，会让反例消失。反例缺席的标准解法，会训练确认偏误。装置若只留下表面，科学句子会被用过了代替。
• 杜威：做与受要求后果能被接上。只抄样例没有后果，循环不成立。生成理由，才是把步骤变成自己的经验。抄完没有后果，经验循环仍未开始。没有受的做，样例只是另一份板书。安全与用途限制，是装置能生产知识的前提。

参考文献#

• Sweller, John, and Graham A. Cooper. "The Use of Worked Examples as a Substitute for Problem Solving in Learning Algebra." Cognition and Instruction 2, no. 1 (1985): 59–89.
• Chi, Michelene T. H., Miriam Bassok, Matthew W. Lewis, Peter Reimann, and Robert Glaser. "Self-Explanations: How Students Study and Use Examples in Learning to Solve Problems." Cognitive Science 13, no. 2 (1989): 145–182.
• Renkl, Alexander. "The Worked-Out Examples Principle in Multimedia Learning." In The Cambridge Handbook of Multimedia Learning, edited by Richard E. Mayer. Cambridge: Cambridge University Press, 2005.
• Kalyuga, Slava, Paul Ayres, Paul Chandler, and John Sweller. "The Expertise Reversal Effect." Educational Psychologist 38, no. 1 (2003): 23–31.
• Renkl, Alexander. "Learning from Worked-Out Examples: A Study on Individual Differences." Cognitive Science 21, no. 1 (1997): 1–29.
• Renkl, Alexander, and Robert K. Atkinson. "Structuring the Transition from Example Study to Problem Solving in Cognitive Skill Acquisition: A Cognitive Load Perspective." Educational Psychologist 38, no. 1 (2003): 15–22.
• Sweller, John, Jeroen J. G. van Merriënboer, and Fred G. W. C. Paas. "Cognitive Architecture and Instructional Design." Educational Psychology Review 10, no. 3 (1998): 251–296.
• van Merriënboer, Jeroen J. G. Training Complex Cognitive Skills: A Four-Component Instructional Design Model for Technical Training. Englewood Cliffs, NJ: Educational Technology Publications, 1997.

延伸阅读#

• Atkinson, Robert K., Sharon J. Derry, Alexander Renkl, and Donald Wortham. "Learning from Examples: Instructional Principles from the Worked Examples Research." Review of Educational Research 70, no. 2 (2000): 181–214.