学习与迁移条件的预测及共同抽象结构

迁移体现了学习内容和测试内容之间的一种函数关系。许多理论表明，迁移量是在原来学习领域和新领域之间重叠部分的函数。对重叠部分的测量需要一套理论，即知识是如何表征的以及如何形成跨领域概念对应的理论。布朗（Brown，1986）、巴索克和霍利约克（Bassok and Holyoak，1989a，b）以及辛格利和安德森（1989）曾对概念表征作过调查研究。学生能否进行跨领域的迁移——如从物理学到相应的生物成长问题的距离公式——取决于他们是否把成长看作是（不断）延续进行的（成功迁移）或按分立步骤进行的（不能成功迁移）（Bassok and Olseth，1995）。

辛格利和安德森（1989）提出，任务间的迁移是随任务所共有的认知要素的程度而变化。这一假设在共同要素迁移研究的早期就已提出，这一点前面已作过介绍（Thorndike and Woodworth，1901；Woodworth，1918），然而在找到一种识别任务要素的方法之前，用实验来测试迁移是很难办到的。此外，现代理论学家把认知表征和策略纳入随任务的不同而变化的“要素”（Singley and Anderson，1989）中。

辛格利和安德森给学生逐个讲授几种文本编辑器，并寻求对迁移作预测，测量讲授前学习一个新的文本编辑器可节省多少时间。他们发现学生在学习随后的文本编辑器时其速度加快了，两个文本编辑器所共有的元素量能预测这种迁移量。事实上，大量的迁移发生在表层结构大相径庭但具有共同的抽象结构的文本编辑器之间。辛格和安德森也发现，当他们不仅要思考程序性知识也要考虑陈述性知识的迁移时，同样的原理支配着众多领域的数学能力的迁移。(https://www.xing528.com)

由比德曼和希夫拉（Biederman and Shiffrar，1987）所做的一项研究是抽象教学效果的一个显著的例子。他们研究了一项用学徒制方式学习会遇到特别困难的任务：如何鉴别刚孵化出来的小鸡的性别。比德曼和希夫拉发现，用20分钟时间教新手抽象的原理能极大地提高他们的鉴别力（参见Anderson et al.，1996）。调查研究有力证明，帮助学生超越具体情境和例证在抽象层面表征经验是十分有益的（国家研究院，1994）。这样的例子还有代数的（Anderson，1989）、计算机语言任务的（Klahr and Carver，1988）、运动技能的（如投掷飞标，Judd，1928）、类比推理的（Gick and Holyoak，1983）和视觉学习的（如鉴别小鸡性别，Biederman and Shiffrar，1987）。

研究表明，抽象表征并不是保存事件的孤立例证，而是建构更大的相关事件的成分——图式（Holyoak，1984；Novick and Holyoak，1991）。知识的表征是通过多次观察不同事件的异同而建立起来的。图式被看成是复杂思维包括类比推理在内的特别重要的指引：“成功的类比迁移导致应用原来解决问题的一般图式去解决后继的问题”（国家研究院，1994：43）。图式提高了记忆的提取和迁移能力，因为图式源自于更大范围的相关例证而非单一的学习经验。