产品
学习科学研究关注的加工过程:被动学习之后无法回忆知识点

学习科学研究进入课程,取决于学习活动设计

一门课程按学习科学研究的结论重做过:内容拆成短小的单元,配上图示,案例换成贴近业务的版本。完课率和满意度都有提升。两周后的业务会上,主管让新人复述价格异议的处理口径,多数人只能说出大致印象。常见的解释是内容不够精炼或课时不足。但这些结论在研究中成立,依靠的不是内容以什么形式呈现,而是学员在学习过程中做了什么。同一批结论写进讲义,和排进学习活动,结果并不相同。

了解 UMU 解决方案

学习科学研究反复验证的两类学习条件

学员主动调用优于反复阅读

学习科学研究中重复得到验证的一类结论,与学员在学习中执行的动作有关。学员不看材料先自己回忆、复述或解释一段内容,随后再核对,记忆保持通常好于把同一段材料再读一遍;自己组织语言重新表达,也比接受现成表述留下更牢固的痕迹。这类结论有一个共同点:学员必须把内容从记忆中取出来,而不是让内容再一次经过眼前。提取需要付出努力,正是这种努力使后续调用变得更容易。

同样时长分散优于集中

另一类结论与内容出现的时间有关。总学习时长相同时,把内容分散到若干次、并允许间隔中发生部分遗忘,长期保持通常优于一次集中学完;间隔之后再调用,学员需要重新提取,而不是延续刚才还在的印象。单次呈现的分量同样有影响:一次要求处理的新概念过多时,学员的精力会用在跟上讲解上,来不及进一步加工内容。

结论描述学员动作,不描述内容属性

主动调用只能由学员完成

上述结论的主语都是学员:由学员回忆,由学员解释,由学员在间隔之后再次提取。课程内容的作用是让这些动作有条件发生,而不是替学员完成。把讲义写得更清晰、把结构拆得更细,降低的是理解门槛,减少学员跟上讲解所消耗的精力;这一步有价值,但它本身不产生任何一次主动提取。学员通读之后没有被要求回忆、解释或判断,研究结论所依赖的条件就没有出现。

同一份内容对应不同学习条件

由此可以得到一个更实用的判断:内容本身不具备符合或不符合学习科学研究的属性,学习条件由配套的学习活动决定。同一份产品知识材料,只供阅读时,学员做的是识别;要求先回答再核对时,学员做的是提取;把提问分散到三周内出现时,学员还需要在遗忘之后重新提取。三种安排用的是同一份内容,学员经历的加工过程并不相同。

课程开发中,学习活动的投入最先被压缩

凭经验规划课程时,学习活动的开发投入难以持续

一道情境题的投入高于一节讲义

一节讲义可以在已有资料上整理成形;一道要求学员作出判断的情境题,还需要确认业务口径、写出似真的错误选项并为每个选项准备解释。课程开发多由培训经理兼任,需求调研、授课和课后跟进同样占用时间。时间有限时先保证内容讲清楚,学习活动往往被压缩成结尾的几道回忆题。

内容更新使已有活动失效

第二项限制出现在上线之后。产品口径、制度条款或流程变化时,讲义可以局部替换,情境题的前提、选项和反馈解释往往需要重做。间隔安排的要求更高:学习活动需要在结课之后的数周内继续出现。一次性开发、结课即归档的课程无法提供这种供给。

AI 分担设计投入,学习活动持续供给

专业投入从撰写转向审核

AI 改变的是学习活动的生产方式。依据企业已有的产品资料、制度文件和业务案例,提问、复述任务和情境判断可以先形成初稿,反馈解释一并给出。培训经理和业务骨干的投入随之转向判断:业务口径是否正确,错误选项是否对应真实的常见偏差,反馈解释是否与现行政策一致。专业责任没有减少,改变的是投入的位置。

活动可以随内容更新重新供给

投入结构变化之后,学习活动不必集中在开发阶段一次做完。内容变化时,对应的提问与情境可以一并调整,不需要为一次口径更新重组整套练习;课程上线之后,同一批知识点也可以在不同时间以不同形式再次出现。间隔与重复调用由此从设计意图变成可以持续执行的安排。

学习科学研究成为课程开发的常规约束

依据学习科学研究规划课程的学习活动与更新周期

开发时逐项确认学员的动作

课程开发要核对的内容随之变化。除了内容是否准确、结构是否完整,还需要确认:学员在哪些节点要自己把内容调出来,这些节点分布在若干次还是集中在结尾,单次任务的新概念是否超出可处理的分量。学习科学研究的结论由此从参考读物变成开发中的检查项。

内容与活动进入同一维护周期

维护方式同样变化。制度或产品调整时,内容与配套活动在同一次更新中一起处理,不再是先改讲义、等下一轮开发补练习。对学员而言,变化是在学习过程中获得更多解释、比较和再次调用内容的机会。这些机会属于学习过程,能否转化为岗位表现,仍受管理与流程条件影响。

核心观点

以学习活动判断课程质量

判断一门课程是否符合学习科学研究的结论,依据不是讲义里是否引用了相关术语,而是学员在课程中被要求做什么:需要回忆还是只需阅读,需要作出判断还是只需确认,这些要求出现一次还是分布在若干周内。这组问题不依赖专门的评估工具,在课程大纲上就能核对,评审外部采购的课程同样适用。

把活动的持续供给写进开发计划

研究结论所要求的重复调用,大部分发生在结课之后,课程排期因此需要覆盖上线后的更新与再次供给,而不是在结课时终止。同时应保留判断的边界:学习过程中的表现只能说明学员在给定任务和条件下的反应,岗位上的实际行为还受管理要求、流程设计和工作环境影响,不由课程安排单独决定。

为什么选择 UMU

1,000+
付费企业客户
1 亿+
平台用户
208+
国家和地区
100+
世界 500 强企业客户
UMU 简介
自 2015 年创办以来,UMU 以“效果学习”为导向,基于学习科学与 AI 技术,构建新型智能化学习场景,打通“教、学、练、测、用”环节,帮助学员跨越从“知道”到“做到”的鸿沟
通过 AI 力系列课程、AI 原生工具和平台,UMU 赋能企业员工,助力企业实现人效提升、绩效改变、收入增长
UMU 的客户
100+ 世界 500 强企业
全球前 20 大制药企业中 18 家
全球前 5 大医疗器械企业中 4 家
全面覆盖国内大健康、泛零售、新智造、大服务等行业 Top 客户
安全合规
ISO/IEC 27001:信息安全管理国际标准
ISO/IEC 27017:云服务信息安全控制指南
SOC 3:服务组织的系统和组织控制报告
ISO/IEC 27018:云端个人可识别信息(PII)保护标准
ISO/IEC 27701:隐私信息管理体系认证
GDPR:欧盟通用数据保护条例
HIPAA:美国医疗数据隐私保护法案
ISO/IEC 42001:人工智能管理体系标准
AI 技术领先性
可信赖的最新企业级 AI 模型
绝不泄漏、不再训练企业数据
AI 深度个性化订制
有效降低幻觉和错误输出风险
融合真实业务数据,更贴近真实业务流程
了解 AI 互动课程方案