📚 Desirable Difficulty Classifier — 可取难度分类器

何时使用

您正在审查或设计一个学习体验，想知道它产生的难度是增强还是削弱学习。典型情况：

• 教学设计师完成了课程大纲，希望在发布前进行循证的难度审核
• 培训师注意到参与者没有保留材料，怀疑难度结构有问题
• 学习者正在使用一种学习方法（例如重新阅读、重新观看讲座），想知道为什么什么都没有记住
• 企业 L&D 团队正在重新设计入职培训，想知道要添加或删除哪些难度
• 教练想要评估运动员、音乐家或专业人士的练习计划

开始前请验证：

• 是否有学习活动的描述？（足以理解学习者在练习或学习期间做什么）
• 学习者的背景是什么？正在培养的技能是什么？

模式：混合 — 智能体运行分类分析并生成报告。人类决定实施哪些建议。

背景和输入收集

必需背景（必须有 — 如果缺失请询问）

• 学习活动描述： 学习者在练习或学习期间实际做什么？→ 检查：课程大纲、培训大纲、练习计划、课程描述、学习方法描述→ 如果缺失，询问："描述学习活动——学习者做什么，按什么顺序，做多久？"

• 目标技能或知识： 学习后学习者必须能够做什么？→ 检查：学习目标、工作能力要求、考试描述→ 如果缺失，询问："学习者培训后应该能够做什么？成功是什么样的？"

• 学习者背景： 学习者的先验知识和技能水平→ 检查：先决条件声明、受众档案、经验水平→ 如果缺失，假设为中级（有一些该领域的先前接触，但不是专家）

可观察背景（无需询问即可收集）

• 练习结构信号： 是否有任何关于集中练习、随机顺序、集中学习或间隔复习的提及
• 评估信号： 设计是否包含测试、测验或绩效检查
• 反馈信号： 是否提供纠正反馈以及何时提供

默认假设

• 如果没有指定先验知识 → 假设为中级学习者
• 如果没有指定时间线 → 假设为多周项目（不是单次课程）
• 如果描述提到"讲座 + 笔记"且没有练习 → 标记为集中-被动基线

充分性阈值

当以下所有条件都为真时视为充分：
✓ 学习活动描述清晰到可以识别练习结构
✓ 目标技能或知识已知
✓ 学习者背景已知或可接受地假设
阻止条件：
如果描述过于模糊（例如"我们做培训"），无法识别任何结构元素

流程

步骤 1 — 绘制学习活动结构

阅读描述并识别学习设计的所有结构元素。提取：

• 练习形式： 内容如何传递（讲座、演示、阅读、视频、模拟）
• 练习时间： 课程如何间隔或压缩（单块、每日、每周、按需）
• 练习顺序： 主题是集中（一次一种类型）还是混合（交叉）
• 练习变化： 相同场景是重复相同还是变化
• 评估方法： 学习者是否被测试、自我测验或从未正式评估
• 学习者生成： 学习者是否被要求产生答案、解决问题，还是只接收信息
• 阐述提示： 学习者是否被要求将新知识与先验知识联系起来或用自己的话解释

原因： 分类需要知道学习者实际做的结构，而不仅仅是主题。关于检索练习的讲座可以是被动事件（低可取难度）或主动事件（高可取难度），取决于学习者是否被测验、被要求生成示例，还是只是阅读幻灯片。相同的内容可以根据周围的练习结构成为可取或不可取的难度。

输出：从描述中提取的 5-10 个设计元素的结构化列表。

步骤 2 — 应用 Bjork 两部分分类测试

对于步骤 1 中识别的每个难度元素，应用两个测试：

测试 A — 努力是否加强编码？

询问：この难度是否要求学习者主动从长期记忆中重建知识、生成反应或进行区分？

如果是 → 可能是可取的。如果努力纯粹是为了克服与正在学习的技能无关的障碍 → 不可取的。

测试 B — 学习者能否克服这个难度？

询问：学习者是否有先验背景知识和技能来成功回应这个难度？

如果是 → 可取的。如果难度超过学习者当前的响应能力 → 不可取的。

关键区别： 当难度触发编码和检索过程时，它是可取的。当学习者无法克服它时，当它不加强特定目标技能时，或者当它产生消耗工作记忆容量而不是将其引向学习的焦虑时，它就变成不可取的。

不可取难度标记 — 标记为移除或重新设计：

• 由缺失先决条件知识引起的难度（学习者无法参与，因为差距太大）
• 由演示质量差引起的难度（与目标技能无关的混乱语言、破损技术、无障碍格式）
• 足以干扰性能的测试焦虑引起的难度（自我监控消耗工作记忆）
• 匹配学习风格偏好但没有经验支持引起的难度（例如，要求仅限视觉呈现给自认的"视觉学习者"）
• 需要克服与技能无关的身体或认知限制引起的难度（例如，要求阅读障碍学习者解码复杂文本，而目标技能是数学推理）

原因： Bjork 框架区分了在表面上看似缓慢但加强持久学习的难度（可取）和简单阻碍而没有认知益处的难度（不可取）。"努力是否成功？"的测试是关键区分器：在不可逾越的障碍面前不成功的努力不会产生学习。两个条件都必须满足，难度才能被认定为可取的。

输出：分类表：每个难度元素标记为可取、不可取或模糊，并附上确定分类的具体测试。

步骤 3 — 映射到六策略分类法

对于步骤 2 中分类为可取的每个难度，识别它代表六种命名策略中的哪一种。对于每种策略，注意它在当前设计中是存在、部分存在还是缺失。请参阅 references/six-strategy-taxonomy.md 获取完整的双边对比表。

摘要：

• 存在：设计明确包含此策略（例如，测验前反馈 = 检索；随机问题顺序 = 交叉）
• 部分存在：存在一些元素但不一致（例如，模块结束测验但课程间没有间隔）
• 缺失：设计中没有任何此策略的元素

原因： 命名哪些策略存在或缺失将主观批评（"这个培训似乎是被动的"）转化为具体的、可操作的差距。每个缺失的策略都代表一个具体的重新设计机会。部分存在通常比完全缺失更具可操作性——这意味着设计已经有了正确的结构想法，但应用范围很窄。

输出：6 行策略存在表。

步骤 4 — 识别重新设计优先级

根据预期学习影响对步骤 3 中的差距进行排名。优先考虑：

• 缺失检索练习 — 对长期保持影响最大的单一策略。如果学习者从不从记忆中产生答案，所有其他策略的效果都会降低。

• 缺失间隔 — 没有课程之间的时间，检索无法从长期记忆中提取，破坏所有其他策略的机制。

• 缺失生成 — 只接收信息而不产生反应的学习者迁移能力较弱。

• 集中练习/缺失交叉 — 集中产生狭窄技能，无法迁移到现实世界的变化。

• 缺失多样化 — 产生 rigid 的模式匹配，对专业和应用技能尤其成问题。

• 缺失阐述 — 减少与先验知识的整合；新学习保持孤立且较难检索。

对于每个优先差距，生成适合现有设计格式的具体重新设计建议。当小改动就能达到目标时，不建议激进的结构变更。

重新设计建议格式：

差距： [策略缺失或部分存在]
当前设计元素： [当前存在什么]
重新设计： [添加策略的具体变更]
工作量： [低/中/高 — 需要多少设计工作]
预期影响： [什么会改善以及为什么]

原因： 优先级排序防止教学设计师感到不堪重负。重新设计建议的排序使得最高影响的变更首先得到解决。在被动讲座中添加检索练习（例如，在每次课程结束时三个测验问题）是低工作量但影响不成比例的变更。工作量估计帮助设计师进行优先级排序。

输出：3-6 个优先的重新设计建议。

步骤 5 — 生成难度分析报告

将步骤 1-4 的输出编译成结构化报告：

报告部分：

• 学习活动摘要 — 2-3 句关于被分析内容的描述
• 分类表 — 所有难度元素带有可取/不可取/模糊标签
• 策略存在表 — 所有六种策略带有存在/部分存在/缺失状态
• 不可取难度列表 — 要移除或重新设计的具体元素
• 优先建议 — 3-6 个按排名排序的重新设计建议
• 持续设计的筛选问题 — 设计师可以针对任何未来学习元素提出的 6 个问题（见步骤 6）

原因： 结构化报告使分析可操作且可共享。分类表为每个发现提供证据。策略存在表一目了然地显示整体难度概况。筛选问题使设计师能够自我评估未来设计，而无需重新运行完整分析。

输出：难度分析报告。

步骤 6 — 提供持续设计的筛选问题

将这六个问题交给教学设计师，供未来设计审查使用。它们源自 Bjork 的分类框架和六策略分类法：

• 学习者在收到反馈前是否从记忆中产生反应？（测试检索练习 — 如果没有，添加低风险测验或回忆提示）

• 练习是否分布在多个课程中，课程之间至少有一天间隔？（测试间隔 — 如果没有，重新设计时间表以防止集中练习）

• 不同主题或问题类型在课程内是否混合而不是集中？（测试交叉 — 如果没有，随机化问题顺序或交替主题块）

• 学习者在课程中是否遇到不同的场景、示例或问题格式？（测试多样化 — 如果没有，多样化练习集）

• 是否要求学习者在解决方案揭示之前尝试解决方案或生成答案？（测试生成 — 如果没有，添加解决方案前的尝试，即使对于尚未教授的材料）

• 设计是否要求学习者将新材料与已知内容联系起来或用自己的话解释？（测试阐述 — 如果没有，添加反思提示或解释练习）

额外的不可取难度筛选问题：

• 这个难度是否需要学习者尚未具备的先决条件？（如果是 → 它是不可取的；首先解决先决条件差距）

原因： 提供筛选问题将分类框架转化为自助服务工具。拥有这些问题的设计师不需要为每个设计决策重新使用技能——他们可以在几分钟内自我审核。问题被写成产生二元是/否答案，因为在实践中不使用模糊标准。

输入

输出

关键原则

1. 难度本身没有好坏 — 机制决定价值

相同的活动可以是可取或不可取的难度，取决于它是否加强编码以及学习者是否能克服它。在学习者没有任何相关知识之前给出的测试是不可逾越的障碍。同样的测试在初步教学之后给出是可取的检索事件。机制 — 而非感受到的难度 — 才是重要的。

2. 流利是持久性的敌人

感觉轻松、顺畅和有成效的学习往往是最不持久的。重新阅读产生流利（文本感觉熟悉）而非可检索性（学习者无法在没有文本的情况下回忆）。集中练习产生表现提升（课程中快速改善）而非长期保持。优先考虑参与者舒适度的教学设计始终产生较差的保持效果。

3. 成功的努力才是教学的努力

导致正确回忆的努力（无论是否有挣扎）都会加强记忆痕迹。因难度不可逾越而失败的努力则不会。关键是将难度调整到学习者当前水平：足以要求从长期记忆重建，但不至于重建完全失败。

4. 所有六种策略是累加的

六种可取难度策略不是互斥的 — 它们是叠加的。包括检索（从记忆测验）、间隔（在学习后一周安排）、交叉（混合问题类型）和阐述（用自己的话解释答案）的练习课程比任何单一策略都显著更有效。教学设计应该旨在纳入多种策略，而不是优化单一策略。

5. 结构构建需要难度

被动接收信息的学习者发展表面熟悉度。被要求生成、检索和阐述的学习者发展心智模型 — 能够迁移到新问题的连接知识结构。构建意义的难度无法绕近；它是学习的机制。

示例

示例 1 — 企业入职审核

输入： 新员工入职计划：第一天是全天讲座，幻灯片涵盖公司历史、文化和流程。员工收到一本手册阅读。没有评估。第二天和第三天员工跟随资深同事观察。第四周是独立工作。

分类结果：

• 全天讲座：不可取 — 被动接收，无检索要求；集中（一天），无间隔
• 仅阅读手册：不可取 — 重新阅读模拟；产生熟悉感，非可检索性
• 观察：部分存在 — 观察性，非生成性；无检索或阐述要求
• 独立工作（第四周）：可取 — 现实世界变化；需要生成；与第一天有隐含间隔

策略存在：

• 检索练习：缺失
• 间隔：缺失（第一天讲座在独立工作前从未回顾）
• 交叉：缺失
• 多样化：部分存在（第四周提供）
• 生成：部分存在（仅第四周）
• 阐述：缺失

首要建议： 在第一天结束时添加三个检索提示："不看笔记，写下今天你需要在你第一次独立任务中做的三件事。"低工作量，高影响。

示例 2 — 医学培训研讨会

输入： 一天继续教育研讨会，为医生提供：上午是两小时的病例展示（主治医师展示，住院医师观看）。下午是小组成员讨论病例。参与者在结束时完成满意度调查。

分类结果：

• 病例展示（被动）：不可取 — 仅观察；无检索，无生成
• 小讨论：可取 — 阐述存在（与先前病例联系）；生成部分存在（如果参与者在主治医师揭示之前必须提出诊断）
• 满意度调查：不可取难度标记（不是学习评估）

策略存在：

• 检索练习：缺失
• 间隔：缺失（单日活动，无后续）
• 交叉：部分存在（病例是不同主题）
• 多样化：存在（多样化病例）
• 生成：部分存在（讨论可能需要，但不持续）
• 阐述：部分存在（讨论情境鼓励）

首要建议： 将病例展示重新构建为检索事件：展示病例和发现，暂停，要求参与者在主治医师揭示之前写下他们的诊断。相同内容，相同时间 — 但将被动观察转变为主动检索。

示例 3 — 自学方法审核

输入： 软件开发人员准备认证考试：学习方式是观看两遍教程视频，然后阅读一次官方指南。考试在四周后。

分类结果：

• 重新观看视频：不可取 — 重新阅读模拟；重复曝光产生熟悉感，非检索强度
• 阅读官方指南：不可取单独 — 被动编码，无检索要求

策略存在：

• 检索练习：缺失
• 间隔：缺失（所有材料在压缩的初始期间消耗）
• 交叉：缺失（一个主题完全后再进行下一个）
• 多样化：缺失（单一来源格式）
• 生成：缺失
• 阐述：缺失

评估： 此方法零可取难度策略。高努力，低预期保持。学习者会感觉准备好（熟悉感幻觉）并在考试中表现不佳。

首要建议： 用自我测验取代重新观看。观看每个视频一次后，关闭它，从记忆中写下五个最重要的概念。与视频核对。仅对遗漏的项目重复。这单一变更同时引入检索练习、生成和隐含间隔 — 一次三个策略。

参考资料

• references/six-strategy-taxonomy.md — 所有六种策略的完整双边对比表，包含定义、机制、证据摘要和对应物描述
• references/bjork-classification-criteria.md — 关于 Bjork 可取与不可取难度框架的详细来源注释，包含直接章节引用

许可证

此技能根据 CC-BY-SA-4.0 获得许可。来源：BookForge — Make It Stick: The Science of Successful Learning，作者 Peter C. Brown、Henry L. Roediger III、Mark A. McDaniel。

相关 BookForge 技能

此技能是独立的。浏览更多 BookForge 技能：bookforge-skills