Похоже, что обучение оптимально как для людей, так и для машин, когда получается добиться успеха примерно в 85% случаев. Из недавней работы Уилсона, Шенхава, Страччиа и Коэна:
Во многих ситуациях мы замечаем, что существует оптимальная точка, в которой обучение проходит не слишком легко, но и не слишком тяжело, а сам процесс идет достаточно быстро. Для всех этих алгоритмов обучения, основанных на стохастическом градиентном спуске, оптимальная частота ошибок для обучения составляет около 15,87% или, наоборот, оптимальная точность обучения составляет около 85%.
Трудно понять, что именно нужно улучшить, если вы всегда добиваетесь успеха. И вы не поймете, что работает, если постоянно терпите неудачи. Только при смешении успехов и неудач мы видим отличия между хорошими и плохими стратегиями.
Эти выводы хорошо согласуются с показателем успеха в 80%, обнаруженным Бараком Розеншайном в исследовании успешных классов, несмотря на то, что они исходят из совершенно другой теоретической базы.
В ходе исследования знаний по математике в четвертом классе было обнаружено, что в классах наиболее успешных учителей правильных ответов было 82%, а у учеников менее успешных преподавателей — 73%. Высокий процент правильных ответов во время практики под руководством учителя также ведет к более высоким показателям самостоятельной работы.
Также исследование показывает, что оптимальный коэффициент успешности для повышения успеваемости составляет около 85%. Он говорит о том, что учащиеся усваивают материал и испытывают трудности.
Как применить правило 85%
Представьте, что вы готовитесь к тесту, решая практические задачи. Вы применяете различные уровни подсказок, чтобы отточить показатель успеха. Проще всего решать задачи, открыв книгу и держа перед глазами готовые варианты решения. Самый трудный вариант — условия, похожие на тестовые, с закрытой книгой.
Правило 85% предполагает, что вам следует точно настроить объем подсказок, который вы используете, в зависимости от коэффициента успешности. Если вы ошибаетесь более чем в одной задаче из пяти, стоит обратиться к дополнительной помощи. Если вы решаете почти все задачи правильно, пора повысить уровень сложности.
Во многих навыках задания оцениваются по шкале сложности. У фортепианных пьес, например, есть такие уровни. Горнолыжные склоны имеют рейтинг от зеленого до двойного черного. Языковая практика варьируется от простых приветствий до бурных дебатов. Правило 85% предполагает, что рост будет максимальным, если практиковать задания, в которых мы преуспеваем примерно в четырех случаях из пяти.
Точный процент варьируется в зависимости от задачи. Чтение на иностранном языке требует понимания около 95% слов, чтобы не быть безумно утомительным. У Джона Пасдена есть интересная демонстрация того, как ощущается разный уровень понимания английского языка.
Конечно, часть количественной двусмысленности заключается в том, что «успех» определяется по-разному. Неспособность понять 20% слов в тексте — это не 80% понимания, а ближе к 10%. Аналогично, если катаясь на лыжах, вы бы падали в 20% случаев, то не продвинулись бы далеко без травм.
Тем не менее, я думаю, что это правило предлагает довольно хорошую эвристику. Если вы добиваетесь успеха в каждой попытке, то сложность недостаточно высока для совершенствования. Если у вас ничего не выходит большую часть времени, то прогресс принесут меньшие и более управляемые задачи.
Пояснения к правилу 85%
Существует множество теорий оптимального обучения, и все они указывают на золотую середину сложности — не слишком легко, но и не слишком трудно.
Теория Льва Выготского о зоне ближайшего развития гласит, что задачи, с которыми мы не справляемся самостоятельно, но можем выполнить с чьей-то помощью, приносят максимальную пользу.
Уолтер Кинч предлагает аналогичный подход к пониманию текста. В одном из исследований участники читали одну из двух версий текста. Первая была написана для максимального удобства понимания, с полными пояснениями и подзаголовками, указывающими на организацию текста. Во второй не было вспомогательных средств, что требовало от студентов применения умозаключений для понимания смысла текста.
В тестах, где вопросы задавались непосредственно по тексту, студенты как с высоким, так и с низким уровнем фоновых знаний лучше справились со связным текстом. Однако при выполнении теста, требующего умозаключений или решения проблем, студенты с более высокими базовыми знаниями справились лучше, чем студенты с меньшими базовыми знаниями, при интерпретации менее связного текста.
Эти результаты соответствуют модели, согласно которой вы не тратите много усилий на создание ментального шаблона содержания, если в тексте говорится о чем-то, что вы легко понимаете. В этих случаях более сильные трудности полезны, поскольку усилие, которое они создают, заставляет извлекать фоновые знания. (Это работает в том случае, если у вас есть знания, которые можно восстановить!)
В модели сознательной практики Андерса Эрикссона утверждается: когда навыки становятся автоматическими, мы останавливаемся на уровне способностей, который намного ниже нашего потенциала. Чтобы этому противостоять, необходимо вернуться к целенаправленной фазе обучения. Это можно сделать, выбрав более сложные задачи или поставив более высокие цели в отношении производительности.
Теория приобретенного трудолюбия Роберта Айзенберга предполагает, что трудности также играют определенную роль в мотивации. В ходе эксперимента одной группе испытуемых давали трудные головоломки. Другую группу тщательно соотносили с первой. Они получали легкую головоломку за каждый вопрос, на который первая группа отвечала правильно, и невыполнимую задачку, если те ошибались.
Таким образом, обе группы имели одинаковый процент успеха, но совершенно разные ожидания относительно роли усилий. Первой группе тяжелая работа часто приносила плоды, второй — никогда. В последующем задании члены первой группы упорствовали дольше, чем члены второй группы, и это говорит о том, что они научились усердно работать над подобными головоломками.
Приобретенное трудолюбие предполагает, что успех в решении сложных задач полезен, а неудача демотивирует. И ещё раз: золотая середина трудностей находится там, где мы работаем над проблемами, которые одновременно и решаемы, и достаточно трудны, чтобы стимулировать усилия в будущем.