进阶 · 系统进阶 kp-015

学习迁移：学过的东西怎么用出去

一句话定义

学习迁移（transfer）指把在一个情境中学到的知识/技能应用于新情境的能力；"学是学了、用不会用"说的就是迁移失败。

学习的终极检验不是记住，而是用出来。教育测量里最扎心的发现之一是：课堂考试满分的学生，换一个表层特征不同的同构问题常常束手无策。理解迁移的条件，你就能在学习阶段就为"将来用得上"埋线，而不是指望届时灵光一现。

近迁移 / 远迁移：应用到相似情境（学完Excel公式去写表格函数）vs 差异大的情境（从物理的能量守恒迁移到理财现金流）。

高通道迁移（high road）：靠抽象原理有意识地映射到新情境——"这是个逆向归纳问题"。

低通道迁移（low road）：靠大量相同情境的练习自动化触发——老司机换车照样开。

表面特征 vs 深层结构：新手按表面特征归类问题（都有水池/都有火车），专家按深层结构归类（都是速率问题）。迁移失败的本质是按错了归类轴。

图式的抽象度决定迁移半径：如果知识以"具体题目+具体数字"形式存储，新情境换数字就失灵；以"结构关系"形式存储，换皮照样识别（kp-006 的图式机制）。

对比多例：Gick & Holyoak 的经典研究——读一个"将军分兵攻堡垒"的故事后再解"放射治疗"问题（同构：分散→集中），只读一例的人几乎无人解出；读两个不同表面、相同结构的例子并自行对比的人，解题率大幅上升。多例对比把结构从表面特征中剥离出来。

自我提示（self-explanation 的延伸）：主动问"这个原理还能用在哪？"是低成本的高通道迁移训练。

变式练习：刻意练习（kp-013）中主动变换表面特征练同一深层结构。

双路径模型（Perkins & Salomon）：

低通道：情境相似度驱动 —— 靠刺激的自动触发（练得多）
高通道：原理抽象度驱动 —— 靠主动类比映射（想得深）
最佳策略：两条腿走路 —— 结构化理解 × 大量变式练习

教学/自学配方（对应 Gick & Holyoak 的证据）：

例子 A（表面 1）+ 例子 B（表面 2，结构同）→ 自己写下两者的共同骨架 → 用骨架去解新题

万能插头：以具体形式存储的知识像各国专用插头，换个插座就废；以抽象结构存储的知识像标准 USB-C，到处能插。抽象化=造转接头。

认亲戚：只会认"穿红衣服的表哥"（表面特征），换了衣服就不认识；学会认五官（深层结构），化装舞会也认得出。

数学→编程：学过数学归纳法的人，若把它抽象为"基线情形+递推步骤"的结构，面对递归函数时能直接映射；只记"数列证明套路"的人则两码归两码。

复盘驱动迁移：项目结束后写"结构复盘"（这次失败的本质是信息不对称还是激励错位？），而不是"事件复盘"（谁说了什么）——前者存下的是可迁移的深层结构。

反例警示：某些"思维模型课"只教抽象名词（"第一性原理"）不配足量变式练习，结果高通道有了壳、低通道没有肉——听得懂、用不出。

指望自动迁移：默认假设"学深了自然会用"只对近迁移成立；远迁移几乎总是需要显式的类比与提示训练。

只学一例：单例记忆里结构与表面长在一起，剥离不出来——主动凑齐至少两个不同表面的例子再对比。

练变式时换汤不换药：变式若只改数字（表面），训练的还是低通道；要改情境设定但保留结构，才练到归类轴本身。

高通道与低通道迁移分别靠什么驱动？各自的训练方法是什么？

将军分兵问题为什么是迁移研究的经典？多例对比改变了什么？

给你最近学的一个原理，主动写下三个"还能用在哪"的答案。

参考答案 · 先自己作答再展开

高通道＝靠抽象原理的主动类比驱动（训练：提炼多例共同骨架、自我提示"还能用在哪"）；低通道＝靠相似情境的大量练习自动化触发（训练：变式刷量）。两条腿走路最稳。

它把表面故事（将军分兵）与深层结构（分散到达→同时会师）干净分离：只读单例几乎无人迁移到放射治疗问题，读两个表面不同、结构相同的例子并自行对比后迁移率大增——证明结构要靠对比才能从表面剥离。

开放题。合格标准：跨出原领域且保留原理结构（如"能量守恒→预算总量守恒"），并能说清"哪里同构、哪里失效"。

kp-006：图式抽象度是迁移半径的物理上限；

kp-009/kp-013：对比多例与变式练习是可执行抓手；

kp-021：建构主义对"情境中学习"的强调与本节直接相关。

Perkins & Salomon (1989), "Are Cognitive Skills Context-Bound?"

Gick & Holyoak (1983), "Schema Induction and Analogical Transfer"

《为什么学生不喜欢上学？》第 4 章（专家如何按深层结构思考）