如何学习科学，取决于课程开发的实践次数

如何学习科学，是许多培训讲师在提高课程质量时首先遇到的问题。常见做法是读几本认知心理学著作，记住间隔重复、检索练习和认知负荷这些结论，再在下一门课里试着用上。这条路径能建立基本概念，却没有解释同一条原则为什么在不同内容和不同前置知识的学员身上效果不一致。讲师真正需要的不是原则清单，而是判断某条原则在当前内容上是否适用的能力。

了解 UMU 解决方案

学习科学要学机制结论，也要学设计规则

机制结论说明学习如何发生

学习科学研究的是学习在什么条件下发生。它的第一层内容是机制性结论：信息进入长期记忆需要被主动加工，提取行为本身会强化记忆痕迹，工作记忆一次能处理的新元素有限，遗忘按可预测的曲线发生。这些结论来自实验研究，说明的是人的认知系统如何运作，不针对任何具体课程。讲师掌握这一层内容后，能够解释学员为什么听懂了却记不住。

设计规则把机制转成开发决策

第二层内容是把机制结论转成课程开发中的具体决策。同一条“需要主动加工”的结论，落到开发上要回答一串问题：这段内容适合让学员回答、复述还是在情境中作出判断；提取活动放在讲解之后多久出现；一个知识单元拆到多细才不超出工作记忆的处理范围。这一层不是原则的复述，而是原则与具体内容、学员前置知识和学习时间之间的对应关系。缺少这一层，机制结论只能解释现象，不能指导开发。

学习科学的适用边界，需在课程设计中识别

机制结论都附带成立条件

实验研究给出的结论通常附带明确的成立条件：在什么材料上、面向什么前置知识的被试、间隔多长时间测量。条件改变时，效果的方向可能保持一致，强度和适用范围却会变化。检索练习对需要记忆的事实性知识效果稳定；用在要求整合多个变量的判断类内容上，效果很大程度取决于题目设计。把内容拆细能降低认知负荷，但对已有相关经验的学员，效果会明显减弱。

适用边界要在自己的内容上确认

资料能说明一条原则在研究条件下成立，不能说明它在讲师手上的这份内容和这批学员上成立到什么程度。要确认这一点，讲师需要在具体课程里按某条原则安排一次设计，再观察学员在活动中的反应：哪些题目多数人答得稳定，哪些解释反复被追问。经过若干次确认，讲师才会形成什么内容配什么活动的判断，而不是每次从原则清单里挑一条试。

开发时间集中在撰写，校准机会因此有限

一门课的完整开发占满时间

多数企业没有独立的教学设计岗位，需求调研、内容撰写、授课和课后跟进由同一位讲师承担。一门课从收集资料到形成可交付的讲义与活动，绝大部分工时花在整理材料和逐页撰写上。教学设计判断只占其中很小一段，而这段恰好是需要反复练习的部分。

课程交付后很少重做

完成的课程通常按计划投入使用，除内容明显过时外很少重新开发。这意味着讲师在这门课上做出的设计判断，多数只被检验一次：学员的反应说明了某处安排不合适，但重新调整结构、改写内容和更换活动的投入，通常超过当年剩余排期能够承担的范围。校准因此停在记录问题，很难进入下一版。

AI 分担初稿后，讲师把时间转向设计判断

整理与初稿的投入下降

AI 能够承担课程开发中的基础整理工作：从制度文件、产品资料和业务案例中提取关键信息，按学习目标组织内容顺序，生成解释、示例和活动的初稿。这部分工作原先占据讲师大部分开发工时，其专业含量却低于设计判断本身。当整理和初稿的投入下降后，一轮开发的总成本随之下降，讲师在同一时间内能够走完的开发轮次增加。

讲师的时间转向判断与审核

投入结构变化后，讲师留出的时间集中在原先被撰写挤压的环节：确认这门课要让学员掌握到什么程度，判断哪段内容需要主动提取、哪段只需读懂，检查活动设计是否对准学习目标。这些判断无法交给 AI，因为它们依赖讲师对业务内容和学员起点的了解。专业投入没有减少，投入的位置发生了变化：从生产内容转向决定内容如何被学习。