为学生创造更美好未来的关键在于对学习科学的理解和应用。 作为数据科学家和edtech开发人员，我相信我们的工作不是要发明下一个闪亮的数字设备；而是要开发新的数字设备。 这是关于改善学生的教育成果，并通过研究证明和经验地做到这一点。 这样做的出发点是看我们已经从学习科学中学到了什么。
在学习科学研究的一系列工作中，有三项重要的指导我的工作，我希望它们也能为您的工作提供支持。
布卢姆的两个西格玛问题
本杰明·布鲁姆（Benjamin Bloom）是美国领先的教育心理学家之一，以“布鲁姆分类法”（Bloom’s Taxonomy）而闻名，但在1984年，他写了一篇关于学习科学的开创性论文《两个西格玛问题》（Two Sigma Problem）。在三种教学条件下的学生学习：
- 常规。 学生以标准的演讲类型设置学习材料。 还定期对其进行测试，以评估他们是否已学习该材料。
- 精通学习。 精通学习中的教学材料与常规模型中的相同。 但是，在精通学习中，学生必须证明对先前教学单元的“精通”才能进入下一阶段的学习。 同样，以连续反馈和错误纠正形式的评估代替了测试。 用精通学习的教育者的语言，重点从总结性评估（测试）转变为形成性评估（反馈）。
- 辅导。 每个学生都分配了一个私人学习教练。 学生将获得精通学习的所有好处，但还可以使用专家级的人类导师。
哪种模式效果最好？ 使用常规的教学模式作为基准，精通学习的学生的表现提高了一个1σ（标准差）。 接受了一对一辅导的学生看到了两个西格玛的提高。
…我们还需要了解和设计一个混乱的世界，以激发人们的动力，毅力和非理性。
1 sigma大约是改进的一个字母等级。 这可能是学生未通过课程与通过课程之间的区别，而大多数教育干预措施的效果并不理想。 如果一个改进的西格玛是巨大的，那么两个是不朽的。
布卢姆的发现还有另一个微妙且经常被遗漏的方面。 通过精通学习和人为辅导的形式进行个性化教学，不仅可以提高学习成绩的平均值，还可以减少标准差-意味着随着时间的流逝，处于低端的学生可以开始追赶处于高位的学生。结束。
我们可以从布鲁姆的研究中得出几个重要的结论。 首先，在正确的环境下，大多数学生都有能力进行高水平的学习。 其次，个性化教学可以带来很大的学习收益。 第三，个性化教学还可以帮助缩小高，低学习者之间的成就差距。 第四，我们尚未设计出可扩展的学习系统和解决方案，这些解决方案可以带来一个西格玛，甚至超越学习成果。
故意练习
作为专家专家，瑞典心理学家K. Anders Ericsson的“故意实践”框架为理解学习和技能发展的核心要素提供了一个统一的大原则。 爱立信研究的基础之一是您必须花时间。 无论您的才华高低，即使您是Michael Jordan，也没有捷径可走。 要获得杰出表演者的地位，平均需要10年或大约10,000个小时的持续练习时间。
我们经常认为运动员是“天生的才华”。在精英水平上，您必须有才华。 没有错。 但是乔丹并没有摆脱他母亲的子宫灌篮打篮球，空中飞舞和向篮筐上篮的习惯。 乔丹通过不懈的实践磨练了自己的艺术。 他的职业道德超越了其他运动员，比大多数竞争对手更努力，更长时间地练习。
研究人员在技能开发需要多少实践上存在分歧。 另一位首席心理学家，麦克阿瑟学者（MacArthur Fellow）借鉴爱立信的工作，总结出了故意练习的四个主要特征。
- 故意练习。 为了获得最佳的技能发展，我们不会随机练习。 实践必须有非常具体的意图。 它需要匹配并适合当前的技能开发水平和下一个目标水平。
- 挑战超越技能。 只有当我们需要做的事情超出我们的技能水平时，学习才会发生。 学习者拒绝进入这个区域。 所有技能的开发都需要长时间待在某个区域中，我们自然不愿意这样做。
- 立即反馈。 在大多数学习情况下，性能和反馈之间的滞后时间过长。 鉴于时间和资源的限制，这对教师是一个挑战。 刻意的实践要求性能和反馈之间的滞后时间接近零。
- 重复自动化。 除非您将其重复到一定程度的自动化程度，并且几乎可以在没有有意识的努力的情况下做到，否则您将无法真正熟练使用任何新技能。
微移分析
…我们的工作不是要发明下一个闪亮的数字设备； 这是关于改善学生的教育成果，并通过研究证明和经验地做到这一点
大量研究表明，我们臭名昭著的决策者。 即使获得正确的信息或“见识”，我们仍然会做出错误的选择。
糟糕的选择不仅不合理，而且可以预见。 尽管拥有有关适当营养和运动的大量信息，但为什么我们许多人仍然超重？ 为什么对营养和运动的见解对我们大多数人仍然无效？ 独特的事实会产生力量吗？
我们可以从行为经济学中学到一些东西。 在该领域的研究表明，尽管我们在各种情况下的行为异常可预测，但细微且看似微不足道的细节仍可能导致我们改变行为。
考虑这个例子，Richard H. Thaler和Cass R. Sunstein在“微调：改善有关健康，财富和幸福的决策”中进行了描述。 由于担心男人们对他们在小便池上的瞄准没有太多注意，阿姆斯特丹史基浦机场的当局在每个小便池中勾勒出了黑色家蝇的形象。 预言说，如果一个人看到苍蝇，他会瞄准它。 斯希普霍尔机场的小便小便试验发现，蚀刻剂可将溢出物减少80％。
数据科学研究的目的之一是通过经验发现正确的见解以及能使见解付诸实践的小推特。 将微调视为可以推动洞察行动的微小但重要的激励性推动。 数据科学研究可以帮助我们发现可能的问题并确认它们是有效的。
通过将机器智能和人类智能相结合（通过研究提供信息）的个性化教学，可以最大程度地推动学习成果的发展。 但是，我们还需要了解和设计人类动机，毅力和非理性的凌乱世界。
