Barbara Oakley教授訪臺演講紀實《大腦這樣學——神經科學與AI時代的教學革新》

陳佩英
2天前
讀畢需時 11 分鐘

已更新：1天前

教育新知與國際串聯＞各國教育現場觀察

特稿報導｜資料來源：國立臺灣師範大學教育研究與創新中心

作者｜陳佩英國立臺灣師範大學教育研究與創新中心主任

從「學習如何學習」課程談起：記憶、多巴胺與直接教學法的科學依據

「12乘以12等於299。」

當一位工程學特聘教授在演講中突然拋出這個算式，台下幾乎所有人都感到有什麼地方不對勁。她接著說：「你們內心那個『不對』的感覺，就是學習最重要的事——那個感覺必須在你自己的腦子裡，不能在Google裡，也不能在ChatGPT裡。」

這位曾是數學差生、最終成為工程學傑出學者的教授，長期主持全球最受歡迎的線上課程之一「學習如何學習」（Learning How to Learn），修課人數超過三百萬人。在一場以「教育與學習策略」為題的專題演講中，她結合最新神經科學與AI研究，對當前教育界許多根深柢固的觀念提出有力挑戰，也為教師如何在AI時代重新定位自身的角色，提供了以科學為基礎的思考框架。

圖1 Barbara Oakley教授於臺師大演講的現場情形

註：國立臺灣師範大學教育研究與創新中心拍攝。

學習的本質：在長期記憶中建立連結

神經科學的基礎告訴我們，學習的本質是在長期記憶中建立神經連結。大腦的基本單元是神經元，每個神經元透過樹突（dendrites）接收訊號，再由軸突（axon）傳遞出去。當我們學習時，神經元之間形成連結群；練習越多，連結越強。這些連結群——神經科學稱之為「記憶痕跡」（engrams）——就是學習最真實的存在形式。

她以一位工程系學生的故事為例：「他拿著考卷來問我，為什麼上課明明都聽懂了，考試卻不及格？」問題的答案是：「聽懂了，不代表你學會了。」理解只是第一步；如果沒有將知識真正存入長期記憶，那個「聽懂」在考試前就可能被大腦的「突觸清潔機制」默默清除。

然而，現今的課堂環境往往過度強調概念理解，忽略了記憶與練習的根本地位。「我們太沉迷於『概念理解才是金鑰』這個想法，反而忘了：如果你無法記住你學過的東西，你就真的沒有學會。」

學習策略的顛覆：提取練習才是冠軍

她在演講中向聽眾提出一個問題：以下四種學習技巧——反覆閱讀、螢光筆畫重點、製作概念圖、提取練習（retrieval practice，如用閃卡自我測驗）——哪一種效果最好？現場多數人投給了「製作概念圖」，這正是目前在全球各地教育現場最廣泛推廣的方法。

「我走到祕魯的偏遠村落，他們也告訴我概念圖是最好的方法。但問題在於：當這個方法被提出時，從來沒有人做過比較研究。它只是被『宣告』為最好的，然後全世界都開始相信。」

根據學習科學的實證研究，效果最好的其實是「提取練習」——也就是主動從記憶中召喚知識。每一次提取的動作，都在強化那條神經連結。卡皮克（Karpicke）與羅迪格（Roediger）在《科學》期刊發表的研究確立了這個結論：提取練習不只對記憶瑣碎事實有效，對深層概念理解同樣發揮作用。

一個具體案例是物理學家邁克爾．尼爾森：他每天散步時刻意把某個複雜的物理理論從腦中提取出來，幾天之後，他開始對這個理論有更深的掌握，最終找到了比原有方法更簡單的數學證明。「當你從自己的腦中提取時，你同時也在把這個知識與其他知識連結——這就是深度學習。」

她也澄清了一個常見的說法：「教別人是最好的學習」。這個說法本質上是對的——因為教別人，本身就是一種提取練習。站上台、從腦中召喚知識、回答學生的提問，都是提取練習的形式。這個澄清並非否定教別人的價值，而是揭示其背後的科學機制。

AI時代的關鍵警示：你才是唯一知道的人

當ChatGPT、Claude等生成式AI工具滲透各級教育現場，一個根本性的問題浮現：如果AI能幫學生做作業、寫報告、解題目，學生還需要自己學習嗎？

她的答案清晰而堅定，並且有神經科學的支撐：「AI可以展示，但你才是唯一知道的那個人——知識必須在你自己的腦中形成連結。」

她舉了一個真實案例：她的一位朋友，是某學術領域的頂尖學者，借助ChatGPT完成了一本驚悚小說。她讀後發現，那是她所讀過最糟糕的書之一——對話平板、情節可預測、全無懸念感。問題不在於AI能力不足，而在於那位學者從未廣泛閱讀優秀的通俗文學，腦中沒有建立「好小說應該是什麼樣子」的神經圖式（neural schema），因此無法批判性地評估AI的輸出。

「批判性思維，生長在內化知識的土壤上。如果腦中沒有先備知識，你就無法判斷AI給你的東西是好是壞。這就是為什麼我們必須確保學生在離開課堂之前，真的把那些知識裝進了自己的腦子。」

她因此強調，教師在AI時代的最重要角色，是「知識的守門人」——不是以限制AI使用的方式，而是以確保學生真正擁有內化知識的方式。低風險的頻繁測驗（不允許使用AI）是目前最直接的實踐路徑之一。

兩條學習通路：海馬迴與基底核的分工

理解大腦的學習機制，需要認識兩條完全不同的學習通路。這兩條通路各有其性質，對教學的設計有深遠的啟示。

第一條通路是「海馬迴系統」（hippocampal system）：資訊從工作記憶（prefrontal cortex）透過海馬迴進入長期記憶，這是一種有意識的、緩慢的、陳述性的學習方式——對應的是講授說明、概念推導、語言學習的初期階段。心理學家卡尼曼在《快思慢想》中描述的「慢思考」，就是指這個系統的運作。

第二條通路是「基底核系統」（basal ganglia system）：這條通路的學習完全不在意識中進行。學習打棒球時，你反覆揮棒、觀察結果，但你根本意識不到自己是如何學會的——這就是基底核系統的運作。它同時也是母語習得的系統、運動技能的系統，以及模式識別的系統。「快思考」就來自這裡。

值得注意的是，基底核系統在幼童時期與青少年期特別活躍。這正是小學語言教育、早期數學感培養如此關鍵的原因——基底核系統能建立的那種「對數字的感覺」、「對語言的語感」，是日後成年後再怎麼學習也難以複製的。

她也從神經多樣性的角度補充：自閉症譜系障礙者有時具有更強大的基底核系統，能直觀地識別模式、看出答案，但無法解釋過程（因為解釋需要陳述性系統）。有讀寫障礙的學習者則可能海馬迴系統較強，記憶力或視覺空間能力特別突出。「如果你無法解釋，你就不真正理解它」——這句話對於神經非典型的學習者並不公平，也不準確。

表1 兩條學習通路比較

註：中譯自 Barbara Oakley 教授演講簡報。

豁然貫通：從大型語言模型看深度理解的形成

近年AI研究中有一個令人著迷的現象，稱為「Grokking（豁然貫通）」：當研究人員讓大型語言模型的訓練時間遠超一般停止點，模型對從未見過的新資料的表現會突然大幅提升。這個現象揭示了深度理解的形成機制，也為教育提供了深刻的啟示。

模型在訓練初期，只是在「死記」訓練資料（高維度的記憶化）。但持續訓練後，它開始在海量資料中發現底層更簡單、更本質的規律，將高維度的「資訊雜訊」壓縮成低維度的核心算法。一旦達到這個層次，它不只能處理見過的資料，還能舉一反三，應對從未遇過的情況。

更有趣的是，一個大型語言模型完成Grokking後，可以將這個「簡化過的規律」蒸餾（distill）給更小的模型——而那個小模型靠自己是無法達到的。

「研究人員開始猜測：我們的海馬迴在學習時，是否也在做類似的事？學生反覆練習、深入思考，而非用AI代勞，一旦他們將資訊壓縮成核心模式，這個模式就能轉移到基底核，成為無意識直覺的根基——也就是程式設計師所說的『程式直覺』。」

這個洞見對教學的意涵是：Grokking需要時間和大量練習，不能被代替。如果我們總是說「去問AI就好了」，學生永遠無法達到那個深度理解的臨界點，永遠只能停留在表面的資訊呼叫，而無法成為真正的專家。

她也提出了學習的「85%法則」：學習者應該能在大部分情況下答對，而非全部都對（這樣太容易，無法推進學習），也不是大部分都錯（這樣會打擊信心並失去學習方向）。這個法則同樣適用於大型語言模型的訓練過程。

直接教學法：50年最大教育研究的沉默結論

「Follow Through計畫」是迄今為止歷史上規模最大的教育研究，由美國政府在1967至1977年間進行，耗資一億美元，涉及數萬名教師與數十萬名學生，比較了九種不同的教學方法，包括探究式學習、開放式課堂、行為主義模式，以及「直接教學法」（direct instruction）。

結果非常清晰：直接教學法遙遙領先所有其他方法。更令人震驚的是，部分方法的學生在學年結束時，實際上比學年開始時懂得更少——教學方法選擇不當，會讓學生退步。

然而，這個結論幾乎被封存了。其餘八種方法的支持者聯合施壓，最終研究雖然發表，但附帶了「所有教學方法都有其價值」的結語——而這個結語完全違背研究本身的數據。

直接教學法（direct instruction）並非單純的「傳統講授」，而是精心設計的講授與主動學習的混合，且配合系統性的鷹架（scaffolding）。關鍵在於：講授與主動學習的比例，應根據學科性質、學生程度與先備知識動態調整——教寫作可能需要較多主動練習，教物理化學則需要較多概念講授。

她也針對近年廣泛流行的「主動學習優於傳統講授」論述提出質疑。2014年在《美國國家科學院院刊》（PNAS）發表的一篇研究聲稱「在STEM課堂使用主動學習，學生表現大幅提升」，但仔細閱讀其定義，「主動學習課堂」可以是一個90%時間在講授、只有10%時間做互動活動的課堂。這篇研究實際上說的是「加入一點點主動學習比純講授好」，卻被解讀並傳播為「要大量使用主動學習」——這種放大效應在教育改革中一再重演。

「我們不斷接收到一個訊息：增加主動學習的比重。但當你把這個比重加到超出應有範圍，就等於減少了鷹架，學生反而學得更少。主動學習是香料——它可以讓一頓飯非常精彩，但如果整頓飯都是鹽，它就不是一頓飯了。」

多巴胺與好奇心：激發學習的神經機制

學習的神經科學，不能不談多巴胺（dopamine）。這個分子通常被稱為「快樂分子」，但更精確的說法是「預期分子」——它在我們得到「意外獎勵」時釋放，遍布大腦，特別流向正在集中注意力的區域，強化學習的效果。

好奇心觸發多巴胺分泌，而多巴胺幫助我們學習——這是一個正向循環。研究顯示，當實驗小鼠的多巴胺系統被阻斷，它們就完全無法學習任何新事物。

對教師而言，這個發現的實際應用是：在課程開始時設計一個「鉤子（hook）」——一個能激發學生好奇心的問題、故事或情境——即使後續的教學內容相對枯燥，學生也能因為那個最初的好奇心而保持投入、學得更深。就像一本好的推理小說，勾起你好奇後，你甚至願意費力地讀過大量技術性描述，因為你想知道答案。

更關鍵的是「啊哈！」時刻——當學生在引導下自己找到答案的瞬間，多巴胺精準地射入突觸間隙，這正是建立強大神經連結的關鍵時刻。這也是為什麼好的提問、適當的探究式教學（有鷹架、有引導）對學習有效——不是因為「學生中心」在哲學上更可取，而是因為它觸發了多巴胺驅動的神經連結強化。

她也提到，AI工具（如ChatGPT、Claude）在這方面可以成為教師的有力助手：「把講義上傳給AI，要求它為這個主題設計一個能勾起學生好奇心的簡短開場白——這完全可行，也可以節省教師大量的備課時間。」

教育流行病：典範卡特爾與0.13%的複製率

她提出了一個令人不安的數據：教育學術期刊論文中，只有約0.13%的研究曾被他人獨立重複並獲得相同結果。這個數字揭示了教育研究的根本性弱點：我們有大量的論文、主張與「最佳做法」，但幾乎沒有經過驗證的確定知識。

她以「典範卡特爾」（paradigm cartel）這個概念解釋為何這個問題長期存在：在任何學術場域，申請資金、獲得終身職、被期刊接受、受同儕肯定，都需要服從主流典範。一旦某個觀點獲得足夠多的資源支持，即使後來的研究發現它存在問題，糾正的成本也會非常高。

以學生為中心的學習（student-centered learning）就是一個她認為典型的「病理性利他主義」案例——動機善良、聽起來正確，但缺乏足夠的科學支撐，實際效果因實施方式而差距懸殊。她並非主張回到純粹的傳統講授，而是呼籲教育工作者以更嚴格的科學眼光審視各種教學主張，而非因為它們「聽起來好」、「受到倡議」就全盤接受。

「我們現在正處在一個新時代——神經科學和AI共同為教育提供了前所未有的洞見。我們有多少師資培育的課程，還在大量教授幾十年前的教育學者的理論，而不是教『大腦如何學習』？」