個人化學習真的勝過標準化教學嗎？

如果你讀過任何一個學習平台的宣傳，你幾乎一定見過這個數字：一對一輔導能把學生推到常規課堂教學之上兩個標準差——也就是把一個中等學生送進前 2%。

這個數字是真的。它來自 1984 年的班傑明·布魯姆（Benjamin Bloom），並且成了整個產業的道義基礎：如果輔導有這麼大的威力，那麼用機器給每個人配一位導師，顯然是刻不容緩的事。

麻煩在於，這個數字站不住腳。而取代它的東西，要有用得多。

那兩個標準差後來怎麼了

布魯姆的結果來自少數幾項小型研究：受過精心訓練的輔導員，很短的內容單元，理想條件，而且用與那些內容直接綁定的測驗來測量。

當寇特·范萊恩（Kurt VanLehn, 2011）把整個輔導文獻綜述一遍時，他得到的數字要溫和得多：人類輔導產生的效應量約為 0.79，而——這才是值得注意的地方——基於電腦的智慧輔導系統約為 0.76。

兩個結論一起到達。第一：兩個標準差是海市蜃樓，真實數字接近 0.8，仍然很大，但已經是另一個量級的主張了。第二，也更令人高興：機器已經接近人類。人類導師和好軟體之間的差距，遠小於「有輔導」和「沒有輔導」之間的差距。

「個人化」不是一件事

關於這件事的爭論大多毫無進展，因為雙方用同一個詞指的是不同的東西。至少存在三種個人化，而它們各自的證據強度差別極大。

第一種：個人化進度與精熟。沒精熟的人繼續練，精熟了的人往前走。這叫精熟學習（mastery learning），庫利克等人（Kulik et al., 1990）的後設分析把效應量放在 0.5 左右。它是證據最充分的一種個人化，也是最不炫目的一種。

第二種：個人化難度與題目順序。系統追蹤你做錯了什麼，然後決定接下來給什麼。智慧輔導系統的後設分析落在 0.4 到 0.7 之間。一項 2019–2024 年適性系統的近期綜合研究，報告相對於非適性對照約為 0.70——而另一項專門針對閱讀的研究，得到的是約 0.29。

0.29 與 0.70 之間的距離，本身就是故事：有效性高度依賴學科、實施品質，以及對照組究竟得到了什麼。

第三種：按「學習風格」個人化。視覺型學習者給圖片，聽覺型學習者給音檔。這是最廣為人知的版本，而它已被推翻。帕許勒等人（Pashler et al., 2008）梳理了文獻，沒有找到支持那個關鍵主張的可信證據：讓教學方式匹配學習者的風格能改善結果。人確實有偏好；但那些偏好並不能預測什麼方式最能教會他們。

簡單說：按你現在在哪做個人化，有效。按你喜歡什麼做個人化，無效。

而「標準化」也不是一個稻草人

這是問題的另一半，通常會被跳過。

當一個適性平台與「傳統教學」相比較時，結果極大地取決於那個傳統教學有多好。跟一堂糟糕的講授課比，幾乎什麼都能贏。

但做得好的標準化教學，背後有很強的證據。斯托卡德等人（Stockard et al., 2018）綜合了半個世紀關於直接教學法（Direct Instruction）的研究——一套高度標準化、有腳本、面向全班的課程——發現在各學科、各學生群體中都有可觀且一致的正面效應。

這把圖景複雜化了，而且是有用的複雜化。如果一套設計良好的標準化課程同樣能產生 0.5 左右的效應，那麼個人化的真實優勢就比宣傳的要窄——而且它必須為高得多的成本作出辯護。

蘭德公司（RAND）對大規模實施個人化學習的學校所做的研究，得到的是正面但溫和的結果，並且明確提示了研究設計上的保留。誠實的解讀是：它有效，它不是魔法，而實施品質解釋了絕大部分的差異。

為什麼各項研究彼此分歧這麼大

三個因素幾乎解釋了全部的離散。

被個人化的是什麼。調整難度有扎實的理論基礎——它讓學習者停留在既不無聊也不崩潰的那個區間。調整介面顏色或媒體格式則沒有。

對照組拿到了什麼。很多研究把一個適性系統和「普通家庭作業」相比——但那個系統同時還提供即時回饋、更多練習和更多提取。這種情況下你測的不是適性，你測的是練習量。

以及它是怎麼被實施的。一個平台只有在學習者真的用得夠多、而且底層模型足夠好時才能適應。大量令人失望的研究，說到底就是學生每週只用了二十分鐘。

沒人問的那個問題：這錢花得值嗎？

個人化是昂貴的。它需要資料、軟體、教師培訓和時間。

與此同時，有幾項完全不個人化的介入，幾乎不花錢就能產生有意義的效應。把複習間隔開而不是集中在一起（塞佩達等人，2006）對所有人都有效。用自我測驗代替重讀也是。交錯練習不同題型同樣是。

這個比較值得在投資之前先做一遍：如果你可以應用三條免費的普適原則，或者買一套昂貴的適性系統，合理的順序是先把免費的做掉。

如果你是自學，這意味著什麼——能用的那部分

以上都是關於學校的。如果你在自學一門語言，圖景會以一種有意思的方式移動：你本身就已經是一個適性系統。

你知道自己會忘掉哪些詞。你知道自己在哪裡會卡住。你不需要一個演算法來告訴你。唯一的問題是，你會不會照著它行動——還是繼續複習那些你已經會的東西，因為複習已知的感覺更舒服。

而且有一種已被證實的個人化形式，便宜且現成：間隔重複。一套好的卡片系統會依據你的實際表現調整間隔——難的卡片更早回來，容易的卡片飄得更遠。這恰好是第一種和第二種個人化的合體，而且人人都搆得著。

對自學者來說，由此得出三條原則：

個人化難度，不要個人化形式。把材料調整到你能力的邊緣上，有效。因為自認是「視覺型學習者」而改看影片，無效。

讓資料決定，不要讓感覺決定。流暢是個糟糕的指標。算數的是它能不能撐過一週——而這恰恰是間隔系統在替你測量的東西。

還有，不要把標準化的部分丟掉。一門結構完整的課程、一份分級詞表、一條合理的文法序列——這些標準化的東西之所以存在，是因為它們管用。個人化應該是疊加在一個好框架之上的一層調整，而不是「有沒有框架」的替代品。

誠實的答案

個人化勝過標準化教學嗎？勝過，但幅度遠小於宣傳，而且只有在個人化了正確的東西時才成立。

把進度和難度調整到學習者的真實水準：有證據，效應中等，值得做。按偏好和「風格」調整：沒有證據，而且已經被檢驗得足夠徹底，可以有底氣地這麼說。

那個「兩個標準差」應該退休了。但取代它的發現，對任何一個獨自學習的人來說更令人振奮：好導師和好系統之間的差距很小，而「有系統」和「什麼都沒有」之間的差距很大。對一個孤身的學習者來說，這是好消息。