Укрепление мышцы выполнением одной задачи улучшает ее эффективность при выполнении других задач. Сейчас уже совершенно ясно, что в этом смысле мозг мышцей не является[204].
• Работают ли тренировки мозга?
• Делает ли человека умнее изучение шахмат, музыки или программирования?
• Из чего состоят сложные навыки?
В январе 2016 года Lumos Labs[205] согласились заплатить два миллиона долларов в рамках досудебного соглашения с Федеральной торговой комиссией США, признав, что обманули покупателей своей программы для тренировки мозга Lumosity. Согласно жалобе ФТК компания утверждала, что пользователи, которые играют в их специально разработанные игры «по 10–15 минут в день 3–4 раза в неделю», смогут «добиваться лучших результатов на работе и в школе и снизить или замедлить когнитивные нарушения, ассоциируемые со старением и другими серьезными заболеваниями»[206]. В результате Lumos Labs запретили заявлять об этом в целях рекламы, если не будут предоставлены доказательства научными исследованиями[207].
Привлекательность программ для тренировки мозга вроде Lumosity понять легко: интеллектуальные способности коррелируют практически со всеми важными жизненными результатами, которые измеряли психологи[208]; даже небольшое улучшение ментальных функций может вполне окупить вложенное время. Тем не менее, к сожалению, доказательств того, что тренировка мозга работает, практически нет. В шестинедельном эксперименте с когнитивными практиками, в котором участвовали 11 430 человек, Адриан Оуэн с коллегами обнаружили, что участники постепенно начинали все лучше играть в предложенные им игры, «однако никакие данные не подтверждают, что этот эффект переносится на задачи, к которым не проводилось подготовки, даже если они когнитивно родственны»[209]. В другом исследовании участвовали девятиклассники, выполнявшие упражнения по укреплению рабочей памяти[210]. В результате выяснилось, что даже после двух лет постоянной практики улучшение результатов по выполнению задач никак не сказывалось на результатах похожих тестов на гибкость интеллекта. Позднее оказалось, что тренировка мозга не защищает и от возрастного когнитивного спада. В обзорах говорится, что «большинство [исследований] не показали генерализованного улучшения результатов»[211]. Так, Моника Мелби-Лерваг с коллегами рассмотрели результаты 78 исследований в рамках метаанализа и обнаружили, что «программы тренировки рабочей памяти дают краткосрочные специфические эффекты, которые не влияют на показатели когнитивных навыков в реальном мире»[212]. Иными словами, тренировка мозга помогает вам лучше играть в предложенные для нее игры, и на этом все.
Провал Lumos Labs, возможно, не так и удивителен. Бесчисленное множество продуктов, обещающих улучшить наше тело и мозг, не выдерживают тщательной научной проверки. Но, в отличие от всякого рода модных диет или мультивитаминов, провал тренировок мозга побуждает нас заглянуть в самое сердце одного из старейших споров в психологии.
Тренировки мозга от Lumos Labs рекламировали, применяя заманчивую аналогию: ум похож на мышцу. Например, когда вы занимаетесь со штангой, ваши руки становятся сильнее, и вы можете не только поднимать более тяжелую штангу, но и носить больше покупок из магазина или более тяжелый чемодан в дороге. Таким же образом и напряженные умственные нагрузки якобы тоже помогают уму в дальнейшем лучше выполнять самые разнообразные задачи. Хотя компьютерные игры для укрепления мышления — штука совсем новая, сама по себе аналогия между мозгом и мышцей не нова. Еще Платон в «Государстве» утверждал, что обучение арифметике, даже если в дальнейшем ею не пользоваться, все равно помогает уму лучше осваивать другие знания[213]. Позже такая аналогия легла в основу доктрины формальной дисциплины, часто приписываемой английскому философу Джону Локку: она утверждает, что ценность образования — не только в непосредственном обучении навыкам, но и в общем улучшении умственных способностей[214]. Например, согласно ей латынь улучшает память — причем не только для запоминания новых латинских слов, но и для приобретения любых других знаний; геометрия, допустим, улучшает умение рассуждать, поэзия воспитывает чувствительность, а рисование развивает аккуратность.
Начиная с 1901 года психологи Эдвард Торндайк и Роберт Вудворт провели серию экспериментов, чтобы проверить, в какой степени развитие одного навыка способствует развитию других[215]. В результате Торндайк обнаружил, что изучение геометрии и латыни помогает с остальными школьными предметами не лучше, чем другие, более приземленные развивающие техники[216]. Так, в лабораторных экспериментах участники, которые научились более-менее точно оценивать размеры маленьких прямоугольников, справлялись с оценкой размера больших прямоугольников в три раза хуже[217]. Дети, практиковавшиеся в различении оттенков цвета, не стали лучше угадывать длину или вес[218]. Люди, которые научились намного лучше, чем раньше, определять в речи английские глаголы, не научились при этом лучше распознавать другие части речи[219]. В противоположность экспансивным взглядам формальной дисциплины Торндайк выдвинул теорию переноса, основанного на идентичных элементах: улучшение одного навыка переносится на другой ровно в той степени, в какой эти навыки пересекаются. Ученый пришел к выводу, что «разум разделен на такое множество специализированных индивидуальных умений, что менять человеческую природу возможно лишь очень маленькими шажками»[220].
Обучение латыни для улучшения памяти сегодня кажется чем-то устаревшим, но сама доктрина формальной дисциплины совсем не ушла в прошлое. Именно к ней имплицитно обращаются все педагоги, которые рекомендуют изучать шахматы, чтобы улучшить стратегическое мышление, музыку, чтобы развить творческую направленность, или программирование, потому что оно улучшает навык решения задач в целом, а не только при написании конкретного кода. Тем не менее, как и во времена Торндайка, тщательные исследования не подтверждают многочисленных полезных свойств, приписываемых изучению этих предметов. Так, Джованни Зала и Фернан Гобе провели метаанализы исследований, в которых изучалась общая когнитивная польза от обучения шахматам и музыке[221]. В итоге обнаружился лишь небольшой положительный эффект в продвинутых показателях математических рассуждений или научных способностей. «В общем и целом наши выводы можно было бы назвать “осторожно оптимистичными”, — объясняют авторы. — Но на самом деле это не так. Величина эффекта оказалась обратно пропорциональна качеству постановки эксперимента». Если же рассматривать только исследования, в которых эксперименты были проведены с максимальной тщательностью, то согласно им «общий эффект оказывается минимальным или нулевым». Словом, программирование не поможет вам начать лучше решать задачи в целом. Как выразились авторы одного исследования, «компьютерному программированию обычно предлагается учиться потому, что оно помогает в развитии критического мышления, умения решать задачи и принимать решения. Однако это утверждение не подтверждается эмпирическими данными»[222]. Каким бы ни было конкретное занятие — тренировки мозга, шахматы, программирование или что-то другое, — результат всегда оказывается одинаковым: опыт улучшает непосредственно практикуемый навык, но доказательств улучшения других при этом не видно.
Практика одного навыка вряд ли принесет широкую пользу для интеллекта в целом. И все же эксперименты Торндайка не закрыли спор. Многие критики быстро ухватились за слово «идентичный» в его теории идентичных элементов, утверждая, что было бы абсурдным считать, будто обучение ограничивается лишь точным копированием исходной подготовки. «Представьте, что вы учитесь забивать гвозди желтым молотком, а потом становитесь совершенно беспомощны, одолжив молоток у соседа, а он оказывается красного цвета», — насмешливо писал педагог Александр Мейклджон[223]. К тому же даже сами эксперименты Торндайка, пусть они и не подтверждали аналогию между мозгом и мышцей, все равно показывали большие объемы переноса, чем предсказывала его же теория. Участникам одного опыта дали упражнение: вычеркнуть в тексте все слова, в которых одновременно присутствуют буквы «e» и «s». Позже выяснилось, что после такой практики они справляются с аналогичными заданиями лучше, если в них заменить одну букву (например, чтобы требовалось вычеркнуть слова с «e» и «r»), чем сразу обе. При этом участники, которые практиковались в выполнении исходного упражнения, все равно показали более высокий результат, чем контрольная группа, не получившая предварительной подготовки[224]. Также в эксперименте с математическими уравнениями подопытные справлялись лучше, когда эти уравнения им давали в форме, привычной из школьной программы, но результаты и не упали до нуля, когда уравнения представили в другом виде[225]. Какими бы ни были идентичные элементы проверяемых навыков, они казались в какой-то степени более генерализованными, чем простые пары «стимул — реакция».
Другие же исследования показали, что перенос прогресса в одном навыке на другой зависит от того, как именно ему обучают. В своем эксперименте Чарльз Джадд предложил мальчикам бросать дротики в подводную мишень[226]. Затем одной группе объяснили принцип преломления света, другой — нет. В итоге обе группы примерно одинаково успешно поразили первую мишень, но, когда ее переместили на другую глубину, те мальчики, которые поняли, как именно преломляется свет, проходя сквозь поверхность воды, лучше адаптировались к новой задаче. Похожим образом рассуждал и гештальтпсихолог Макс Вертхаймер, который предположил, что степень переноса навыка зависит от восприятия задачи[227]. Он привел пример с вычислением площади параллелограмма: можно запомнить наизусть, что его площадь равна длине основания, умноженной на высоту, однако, поняв принцип, лежащий в основе этого метода, его можно будет применять и для вычисления площадей других фигур. Таким образом, понимание обеспечивает большую гибкость навыков, чем запоминание наизусть.
Да, мозг, конечно, не мышца, но в то же время компоненты, переносимые между навыками, нельзя свести и к простым шаблонам «стимул — реакция». И запоминание ответа, и понимание метода помогают решить конкретную задачу, но второе обеспечивает куда большую гибкость. Вертхаймер и Джадд показали, что степень переноса навыка неизбежно зависит от того, как его воспринимает обучаемый.
Рис. 8. Задачу о площади параллелограмма можно решить, разделив его вертикальной линией и перенеся левую сторону вправо, превратив в более знакомую фигуру — прямоугольник, площадь которого равна произведению длины и ширины. Если правильно понять этот прием, его можно использовать и для вычисления площади многих других фигур, имеющих то же самое абстрактное свойство, в том числе и фигуры совершенно неправильной формы, представленные на нижних рисунках
Психологам прежних времен трудно было рассуждать о переносе навыков, потому что им не хватало точного языка для описания умственных репрезентаций. Идеи «идентичных элементов» и «хороших гештальтов» были слишком расплывчатыми, чтобы точно спрогнозировать степень переноса между двумя задачами. Все изменилось после когнитивной революции в психологии. Ученые начали формулировать теории на языке обработки информации, создавая модели, которые можно симулировать на компьютере, а затем непосредственно сравнить с результатами участников эксперимента. Одну из самых серьезных попыток такого моделирования освоения навыков предпринял Джон Андерсон, посвятивший карьеру работе над теорией ACT-R.
Согласно ей навыки состоят из неделимых частиц, которые называются «правилами производства»[228]. Правило производства — это шаблон «если — то», объединяющий условие и действие. В его рамках трюк Вертхаймера с параллелограммом, например, можно описать как следующее правило производства: «ЕСЛИ левая сторона конгруэнтна правой, ТО необходимо разделить фигуру, перенеся правую сторону таким образом, чтобы получился прямоугольник». Правила производства наследуют простоту ассоциаций «стимул — реакция», но с двумя ключевыми отличиями. Первое состоит в том, что они могут быть абстрактными. Когда мы в нашем гипотетическом производственном правиле говорим о «левой стороне», это может касаться абсолютно любой фигуры. Точно так же, выучив алгоритм деления столбиком, вы сможете использовать его с любыми числами вне зависимости от количества знаков в делимом и делителе. Второе отличие проявляется в том, что правила производства включают не только реальное поведение, но и умственные действия. Так, сложные навыки можно разделить на ряд ментальных этапов, например формулирование промежуточных целей или манипуляцию воображаемым содержимым. Таким образом, даже когда две задачи на первый взгляд совершенно разные, перенос навыка все равно возможен, если решение включает общие психологические шаги.
Абстракция и умственные действия помогают объяснить, почему программист, изучивший один язык программирования, намного быстрее затем учит второй. Дело в том, что, хотя формат команд в разных языках различается, сложный навык вроде написания кода включает в себя и более абстрактные правила производства, например решение создать переменную или функцию. Художники и музыканты тоже часто осваивают новые для себя материалы или инструменты быстрее, чем неподготовленные новички, потому что немалая часть их знаний — абстрактная. Например, движения пальцев в игре на фортепиано совсем не такие, как в игре на скрипке, но вот ритмы, мелодии и умение читать ноты остаются прежними. Правила производства — это своеобразный компромисс между предельно узкими взглядами Торндайка на перенос навыков и сверхоптимистичной аналогией мозга и мышцы.
Один из прогнозов этой теории состоит в том, что при постоянной практике навыки становятся асимметричными, поскольку правила производства идут от условия к действию, но не наоборот. Чтобы проверить этот прогноз, Андерсон объяснил студентам, участвовавшим в эксперименте, законы интегрирования и дифференцирования[229]. Эти действия, подобно сложению и вычитанию, противоположны: в паре формул выходные данные дифференцирования идентичны входным данным интегрирования. В результате студенты, которые постоянно практиковали правило производства для вычисления производных, улучшили уровень владения им, но не продвинулись в вычислении интегралов, и наоборот. Похожие результаты были получены и в сфере изучения второго языка: Роберт Де Кейсер доказал, что ученики, которые практикуют составление определенного шаблона фраз, не начинают лучше понимать их, а те, кто практикуют понимание, не начинают лучше составлять шаблоны[230]. Асимметрия навыков влияет и на реальную жизнь. Так, исследования показали, что люди, изучающие французский язык с погружением в языковую среду в Канаде, где учебный процесс с детского сада по 12-й класс идет на французском, обычно хорошо понимают язык, но отстают в составлении фраз, потому что имеют меньше возможностей практиковать устную речь[231].
Что ж, а насколько хорошо правила производства предсказывают перенос навыков, не считая асимметрии? Андерсон ответил на этот вопрос, попросив студентов освоить разные умения, смоделированные в виде наборов правил производства. Согласно его теории скорость освоения нового навыка зависит от количества правил производства, общих для разных навыков (а также степени освоения каждого из этих правил). Итоговый график отношения между наблюдаемым и ожидаемым имел вид почти идеальной прямой, но, несмотря на практически равномерное линейное отношение, степень переноса навыков оказалась все же чуть более высокой, чем предсказывала модель. По мнению Андерсона, дело в том, что в ней опускаются некоторые обобщенные правила производства, общие для нескольких осваиваемых навыков[232].
Правила производства — это один из компонентов более сложной архитектуры ACT-R. Согласно этой теории знания фактов, концепций и примеров хранятся в отдельной системе памяти. Таким образом, общие правила производства наилучшим образом объясняют степень переноса навыков после повторяющейся практики. Впрочем, не все теории навыка основаны на них: в коннекционистских системах, например, умения представлены как взаимодействие бесчисленных простых единиц обработки информации[233]; теории схем представляют знания как абстрактные шаблоны[234]; экземплярные теории объясняют мастерство накоплением бесчисленного множества закрепленных в памяти примеров[235]. Учитывая, сколько всего мы еще не знаем о человеческом разуме, вполне возможно, что в будущем ученые найдут и более сложные объяснения, которые еще лучше будут соответствовать имеющимся фактам. Сегодня же сказать можно только одно: правила производства и теория ACT-R, которая их использует, — это серьезный претендент на истинность, и новым альтернативным теориям, даже если они будут описывать навыки с помощью совершенно других механизмов, придется заодно объяснять и ту гору накопившейся психологической информации, которая поддерживает ACT-R.
Правила производства объясняют, в какой степени практика одного навыка может быть перенесена на другой, но даже если решения двух задач пересекаются, мы не всегда осведомлены о сходстве. Наглядный пример этому — эксперимент, проведенный Мэри Гик и Китом Холиоуком[236]. В его рамках они рассказали подопытным историю о генерале, который атаковал крепость. Все дороги к ней были заминированы противопехотными минами. Если бы он повел все войско по одной дороге, они бы сдетонировали. Небольшой же отряд смог бы избежать опасности — но его легко разгромили бы защитники. Затем участникам дали задание: придумать способ вылечить опухоль в желудке с помощью радиации. Мощный луч уничтожит опухоль, но убьет и окружающие ее здоровые ткани; слабый же, напротив, пощадит здоровые ткани, но его будет недостаточно для нейтрализации опухоли. Со структурной точки зрения решение обеих задач было одинаковым: разделить силы и атаковать центральную цель сразу с нескольких направлений. Но лишь немногие участники сразу же заметили эту аналогию. Хотя задачи дали сразу одну за другой, всего 20% участников заметили аналогию, а две трети из них нашли лишь частичное решение. Когда же ученые сразу намекнули, что рассказ о генерале может быть полезен для выполнения задания, с ним справились 92% испытуемых.
Еще один пример неиспользования аналогичных знаний и навыков — задача Уэйсона с четырьмя карточками, которую люди обычно решают с большим трудом[237]. В этой головоломке участникам сообщают следующее правило: «Если на одной стороне значится гласная буква, то на другой должно быть четное число». Затем им показывают карточки K, E, 4 и 7 и предлагают решить, какие из них нужно перевернуть, чтобы проверить, верно ли правило. А как бы ответили вы?
Рис. 9. Задача Уэйсона с карточками: какие из них нужно перевернуть, чтобы удостовериться в истинности правила «если на одной стороне значится гласная буква, то на другой должно быть четное число»?
В исходном эксперименте почти половина участников неверно выбрала карточки E и 4, в то время как правильный ответ — E и 7. Если на другой стороне карточки E окажется нечетное число, правило будет нарушено, однако в нем не говорится ничего о том, что на карточках с четными числами не может быть согласных — именно поэтому мы должны проверить цифру 7, ведь гласная на обратной стороне карты нарушит правило. Лишь 7% участников дали правильный ответ. К тому же, что интересно, участникам, которые изучали логику, подготовка не дала никакого преимущества в решении задачи[238].
А теперь давайте рассмотрим другую задачу. Представьте, что вы инспектор, проверяющий, нет ли в баре несовершеннолетних, которые пьют алкоголь. За столами сидят старик, подросток, человек, пьющий молоко, и человек, пьющий пиво. Чьи документы или напиток вам нужно проверить, чтобы убедиться, что правило «никому младше 21 года нельзя пить спиртное» выполняется (или нарушается)? Очевидно, вы должны подойти к человеку, пьющему пиво, и подростку. А ведь у двух этих задач совершенно одинаковая структура и решение[239]. Почему столь немногие люди решают первую задачу, а ответ второй задачи кажется довольно простым? Одно из возможных объяснений состоит в том, что у нас есть определенный опыт обращения с нормами в социальных ситуациях, так что мы умеем замечать нарушения правил[240]. Это умение помогает нам правильно находить решения задач, сформулированных как «проверка соблюдения закона», но оно не активируется, когда мы решаем структурно идентичную задачу на сортировку карточек.
Трудность переноса навыков между аналогичными задачами не ограничивается только лабораторными экспериментами. Психолог Стивен Рид изучал, как ученики, которые посещали уроки алгебры, но еще не работали с текстовыми задачами, справятся с ними, если дать им образец решения и задание для практики[241]. В итоге, когда в проработанном примере и задаче совпадали и «сюжет», и структура решения, ученики справлялись с ней хорошо, но, когда «сюжет» оказывался другим, успешных решений становилось меньше. Если же требовалось модифицировать еще и метод решения, с заданием справлялись совсем немногие. Текстовые задачи трудны для большинства учеников, и главная стратегия их решения, похоже, заключается в запоминании различных подтипов задач и соответствующих им методов решения. Это очень далеко от цели, которую ставят перед собой учителя алгебры: они надеются, что их ученики легко смогут применить навыки, которые требуют использования алгебры, приобретенные из реальной жизни, а не только из учебников. Хуже того, спонтанно понять, что нужно применить алгебру в реальной жизни, труднее, чем при решении текстовой задачи: уже само то, что вы сидите на уроке алгебры, очевидно дает вам понять, какие именно умения от вас требуются. А вот если вы столкнетесь с проблемой, требующей познаний в алгебре, вне класса, вам никто об этом прямо не скажет. Так, математик и философ Альфред Норт Уайтхед сокрушался из-за проблемы «инертных знаний» в образовании — идей и методов, которые могли бы широко применяться, но вместо этого остающихся «спящими»[242]. Иными словами, даже когда у нас есть умения, потенциально пригодные для решения задачи, мы часто их не используем.
Не все научные данные о переносе аналогичных навыков полностью пессимистичны. Например, Джеффри Фонг, Дэвид Кранц и Ричард Нисбетт обнаружили, что студентам, которых обучили статистической эвристике (в частности, закону больших чисел), удалось успешно применить эти знания, когда им дали в качестве задания опрос, замаскированный под телефонное анкетирование[243]. Участникам, которые практиковались в решении простых вариантов головоломки «Ханойские башни», поначалу оказалось трудно переносить свои знания между структурно идентичными загадками[244], однако эти проблемы постепенно сошли на нет после того, как им предоставили больше возможностей попрактиковаться. Кроме того, исследования с участием экспертов-физиков показали, что они склонны разделять задачи на категории, связанные с глубокими принципами, а не поверхностным сходством[245]. Разумное объяснение этих данных, похоже, следующее: знания могут иметь абстрактный характер, но зачастую требуется немалое количество примеров и накопленного опыта, чтобы воспользоваться даже небольшой степенью обобщения.
Исследования переноса навыков должны заметно умерить наши ожидания по поводу универсальной пользы от конкретных умений. Так, самый разумный прогноз в сфере изучения шахмат — то, что вы научитесь лучше играть в шахматы. Возможно, это как-то поможет вам легче понять похожие игры, например, потому, что вы уже будете уметь управляться со временем и оценивать соперника. И все же большая часть навыков, которым вы научитесь, останется специфичной для шахмат. А вот изучение, скажем, математики, абстрактная структура которой может быть полезна для решения многих других конкретных задач, может оказаться в общем и целом более полезным. Тем не менее и здесь о полной генерализации говорить нельзя, потому что многие ученики не могут применять полученные математические навыки в реальной жизни.
А какова же будет польза от того, что вы научитесь учиться? В конце концов, чтобы книга, подобная этой, имела хоть какое-то практическое применение, читателю нужно извлечь из нее некие общие идеи о процессе получения знаний и применить их в конкретной области. Здесь я буду осторожно оптимистичен: по моему мнению, улучшить качество обучения возможно — хотя бы потому, что широко известны лишь очень немногие научные данные, с ним связанные. Ученики в большинстве своем не знают, почему практика вспоминания лучше, чем пассивный просмотр, а длительная практика — полезнее, чем зубрежка, а потому не выбирают более эффективные способы, даже если им дать такую возможность[246]. Однако контролируемые эксперименты раз за разом показывают, что именно эти стратегии оказываются полезнее для обучения[247]. Кроме того, я считаю, что, скорее всего, существуют общие правила производства для планирования, которое связано с проектами по самообразованию, сбором материалов или подготовкой к учебе, не связанной с конкретным выученным материалом. Мы живем в мире, совсем не похожем на тот, в котором жили наши предки, в мире, где предъявляются невероятные требования к накоплению знаний и умений, так что не стоит удивляться, что наши инстинкты, связанные с обучением, сегодня не всегда направляют нас по верному пути.
Не считая этого исключения, исследования переноса навыков дают нам ясно понять, что кажущиеся универсальными способности, которые мы видим у других, состоят из мириад маленьких деталей. Точно так же как умение бегло говорить на каком-либо языке обусловлено знанием множества слов и фраз, навык «умно думать» обусловлен знанием множества конкретных фактов и методов, а также наличием релевантного опыта. Ниже я укажу три практических вывода из исследований, которые мы только что обсудили.
Вывод № 1. Сосредоточьтесь на навыках, которые хотите улучшить
«Большие» навыки, например умение говорить по-испански или программировать на Python, — это на самом деле коллекция из множества маленьких единиц знания и умения. Степень переноса навыков внутри одной темы, несомненно, больше нуля, но обычно меньше ста процентов. Как мы выяснили выше, умение составить шаблонную фразу далеко не всегда означает ее понимание. Таким образом, логично будет разбивать большие цели на серии более конкретных задач, которые вы хотите научиться лучше решать. Выучить, как спросить дорогу до супермаркета по-испански, — куда более скромная цель, чем научиться вести беглый разговор, но есть все причины считать, что второе — это просто накопленные успехи в решении более простых задач.
Выбор и определение порядка решаемых задач — это важная часть любой практической программы обучения, но это верно и для интеллектуальных навыков. В конце концов, ценность предметов вроде экономики или физики — не в том, что они укрепляют ум в целом, а в том, что они дают интеллектуальные инструменты, позволяющие справиться с конкретными задачами, в которых фигурируют деньги или движение. И здесь тоже следует сделать акцент на задачах, которые мы хотим научиться выполнять, и убедиться, что это гарантирует много возможностей практики их решения.
Вывод № 2. Абстрактные навыки требуют конкретных примеров
Исследования переноса навыков говорят нам, что в образовании существует определенный конфликт. С одной стороны, кажется, что навыкам нужно обучать в как можно более общей форме, чтобы гарантировать максимально широкое применение. Так, школьники, которым показывали набор уравнений на уроке алгебры, позже более успешно применяли их на уроке физики, чем когда порядок был обратным[248]. Одно из возможных объяснений состоит в том, что уроки алгебры по определению абстрактны, что для учеников служит сигналом применять усвоенные во время них навыки шире. С другой стороны, абстрактные навыки могут оставаться инертными, если не понимать, что они применимы в новых ситуациях. Избегание конкретных примеров может привести к упущению из виду ряд специфических деталей; по этой причине выпускникам университетов часто требуется дополнительная подготовка, прежде чем они смогут выполнять какую-либо полезную работу.
Все это можно исправить: если давать студентам множество различных примеров, это поможет им лучше усвоить общий принцип. Вместо одной-единственной демонстрации большинству обучающихся, скорее всего, понадобится изучить ряд примеров, чтобы по-настоящему оценить весь диапазон применения метода или идеи. Абстрактные навыки тоже могут требовать дополнительного обучения, чтобы их можно было применить на практике. Например, если вы на уроках программирования изучали концепции, то вам, скорее всего, понадобятся дополнительные знания и навыки, чтобы использовать их в конкретных программных проектах, с которыми вы столкнетесь в работе. Трудность применения в какой-то мере компенсируется более быстрым обучением в случае, когда связь между прежними навыками и новыми знаниями указывается напрямую[249].
Вывод № 3. Учитесь ради того, чтобы учиться
Навыки, которым действительно стоит учиться, не должны давать каких-либо ложных обещаний об «общем укреплении ума». Шахматы — это отличная игра с богатой историей, и, чтобы изучать ее тонкости, не нужно дополнительного оправдания вроде «они помогают с формулированием деловых стратегий». Умение понимать музыку ценно само по себе и не требует одновременного обещания «улучшить навык мозгового штурма для маркетинговых кампаний», а для умения писать компьютерные программы не нужен стимул из серии «это сделает вас умнее». Вместо того чтобы посвящать себя занятиям, которые сами по себе имеют довольно сомнительную ценность, лучше изучать навыки и темы, интересные лично вам, — ради учебы как таковой.
История изучения разума — это история метафор. Так, Платон сравнивал душу с колесничим, который правит двумя лошадьми — праведной добродетельностью и иррациональными страстями. Рене Декарт видел в нервах гидравлическую систему. Ассоциационисты утверждали, что привычки организуют разум, гештальтпсихологи смотрели на мышление с точки зрения восприятия. В последнее время преобладающей стала компьютерная метафора: как в формулировке с «машиной серийных вычислений», предложенной классической когнитивной психологией, так и в формулировке с «паутиной взаимосвязанных единиц обработки информации» из нейробиологии. Тем не менее все эти метафоры в чем-то верны, а в чем-то вводят в заблуждение, и сравнение мозга c мышцей ничем от них в этом не отличается. Навыки действительно улучшаются с практикой — в этом смысле метафора верна, но ее подразумеваемое следствие сомнительно: укрепление одного навыка якобы улучшит общий уровень «умственной силы», которую можно будет применять для многих других навыков, не связанных с исходным. Возможно, более подходящей аналогией будет следующая: разум — это набор инструментов, созданных из знаний[250]. Каждый инструмент имеет конкретную функцию, но из их сочетаний можно составить сложные навыки.
«Возможно, учитель будет разочарован, если заставить его считать, что совершенствование в арифметике, грамматике или переводе не передается на все другие умения, — писал Эдвард Торндайк более века назад. — Однако на самом деле эти факты вовсе не должны разочаровывать. Значение учебы останется таким же, как всегда; более того, оно даже вырастет, ибо, когда все узнают, как мало мы на самом деле от нее получаем, учеба, скорее всего, станет еще ценнее, чем тогда, когда мы считали, что определенные предметы сами по себе каким-то таинственным образом улучшают ум в целом. Что действительно может разочаровать учителей, так это упорствование в своих заблуждениях, которые заставляют их продвигать неверную учебную программу и использовать неверные методы, опираясь на ложную идею улучшения одних умственных способностей с помощью других». Таким образом, ценность обучения не уменьшится от того, что мы отбросим идею, будто мозг подобен мышце. Наоборот, мы станем яснее понимать стоящую перед нами задачу. Навык решения развивается, когда вы учитесь справляться с проблемами разного рода. Критическое мышление, которое позволяет нам оспаривать сомнительные утверждения, порождается широкой базой знаний. Аккуратность — это следствие тщательного выполнения всех задач. Как выразился Торндайк, «разум не дает что-то в обмен на ничего, но никогда не жульничает»[251].
Ум, может быть, и не мышца, но все-таки было бы здорово иметь побольше навыков, применимых в разных областях. В следующей главе мы поговорим о разнообразии практики — одном из самых перспективных методов освоения гибких навыков.