Наука обучения: что доказано

Зачем главе про науку место между авиацией и LLM

Главы 2–6 показывали практиков: геймдизайнеров, продуктовые команды, бизнес-школы, авиацию. У каждого мира — свои приёмы и своя мифология. Эта глава — арбитр. Наука об обучении накопила то, чего нет ни у одной индустрии: рандомизированные контролируемые испытания, метаанализы на сотнях исследований и полувековую историю проверки красивых идей на прочность. Часть проверок разгромна: индустрия corporate learning размером ~$340–360 млрд в год (оценка Bersin, 2024–2026) в основном не знает, работает ли она, — около 80% программ измеряют только «понравилось ли». Часть — обнадёживает: две-три техники с большими эффектами известны десятилетиями, просто их почти никто не применяет, потому что они логистически дороги. И ровно эту логистику впервые удешевил ИИ.

Для проводника эта глава делает три вещи: даёт ему интеллектуальную родословную (идее «поддержка вместо курса» 35 лет), даёт доказательный набор механизмов (retrieval, spacing, mastery, worked examples) и даёт главное предупреждение эпохи GenAI — один и тот же инструмент растит либо компетентность, либо её иллюзию, и разница только в ограждениях.

T1 · смерть курсаT3 · телеметрия вместо самоотчётаT6 · ограждения против костыляT7 · адаптивный режиссёр

7.1. Родословная проводника: EPSS → 5 моментов → поток работы

Ключевое напряжение всей науки и индустрии обучения формулируется одной осью: обучение как событие против поддержки в момент работы. Вся история поля с 1991 года — это медленный дрейф от первого полюса ко второму, регулярно прерываемый рецидивами «событийной» модели (LMS, MOOC, каталоги курсов).

Точка отсчёта — Глория Гери и её книга «Electronic Performance Support Systems» (1991). Гери предложила систему, которая даёт «интегрированный доступ к информации, советам, обучающим фрагментам и инструментам, чтобы обеспечить высококлассное выполнение работы с минимальной поддержкой других людей». Обратите внимание на цель: не научить, а обеспечить выполнение. Научение в модели Гери — побочный продукт выполнения работы с поддержкой. EPSS 1990-х упёрлись в технологию: каждый сценарий поддержки надо было спроектировать и запрограммировать заранее, и это оказалось неподъёмно дорого и негибко.

Вторая веха — Боб Мошер и Кон Готтфредсон с рамкой «5 moments of need»: человеку нужна поддержка в пяти моментах — New (учу впервые), More (расширяю), Apply (применяю прямо сейчас), Change (всё изменилось), Solve (что-то сломалось). Классическое обучение обслуживает только первые два момента. Занятой руководитель живёт почти исключительно в трёх последних: он не «изучает ИИ», он в 14:40 между встречами пытается понять, можно ли поручить агенту подготовку совета директоров. Третья веха — Джош Берсин и learning in the flow of work (2018): единственное обучение, которое масштабируется для занятых людей, встроено в инструменты, где человек уже работает, длится минуты и приходит в момент потребности. К 2024–2026 Берсин фиксирует следующий сдвиг — от «обучения» к dynamic enablement: ответ на вопрос, поиск эксперта, генерация ровно нужного фрагмента в моменте; курс как единица упаковки знания размывается.

Почему EPSS возвращается именно сейчас: LLM-агент снимает оба ограничения 1990-х. Не нужно заранее программировать каждый сценарий — агент строит поддержку диалогом; не нужно отдельное «приложение поддержки» — агент уже живёт там, где руководитель работает. Проводник П59 — прямой наследник Гери, и учебник говорит это явно: мы не изобретаем жанр, мы достраиваем 35-летнюю программу, у которой наконец появилась технология.

7.2. Bloom и две сигмы: миф, ревизия и что осталось

Самая цитируемая цифра в истории образования — «проблема двух сигм» Бенджамина Блума (Educational Researcher, 1984): средний ученик, занимавшийся с индивидуальным тьютором по mastery-методике, показывал результат на ~2 стандартных отклонения выше среднего ученика обычного класса. Формулировка Блума честная — «как получить эффект тьютора без тьютора на каждого?» — но цифра зажила своей жизнью и сегодня украшает питчи каждого второго edtech-стартапа, включая ИИ-тьюторов.

Проверка, о которой питчи молчат. Во-первых, у обобщённых Блумом диссертаций (Anania 1981, Burke 1983) была методологическая уязвимость: в тьюторских условиях порог mastery держали на 90%, в классных — на 80%, то есть тьюторы просто обязаны были доводить дальше — сравнение нечестное. Во-вторых, метаобзоры (VanLehn 2011; систематический обзор Nintil) дают реальный эффект человеческого тьюторинга ~0,7–0,8σ: из массы исследований лишь два достигали двух сигм. «2σ» — витрина жанра, а не типичный результат (оценка).

Что осталось после ревизии — немало. Направление Блума верно: индивидуализация плюс обязательное доведение до освоения стабильно дают крупнейшие эффекты в поле. Метаанализ mastery learning (Kulik, Kulik & Bangert-Drowns, 1990; 108 исследований) — средний эффект ES ≈ 0,52σ, причём сильнее всего у слабых учащихся. Механика проста: фиксируем уровень освоения, варьируем время; дальше не пускаем, пока блок не освоен. Почему это не прижилось массово? Две причины, обе логистические: все идут разным темпом (класс рассыпается) и проверки освоения дороги. Заметьте: не «не работает», а «дорого администрировать». Именно эти два ограничения снимает ИИ — держать индивидуальный порог освоения и темп для аудитории из одного руководителя агент может бесплатно. Проблема двух сигм решается — в её честной, 0,7–0,8σ версии.

7.3. Dunlosky: что работает и что нет

Если из всей науки обучения оставить одну работу, пусть это будет Dunlosky et al., «Improving Students' Learning With Effective Learning Techniques» (Psychological Science in the Public Interest, 2013) — систематическая оценка десяти учебных техник по полезности. Результат неудобен: техники ранжируются почти в обратном порядке к их популярности.

Верх шкалы: retrieval practice — вспоминание и самопроверка вместо повторного потребления (метаанализ Adesope et al., 2017, 217 исследований: g ≈ 0,61 против перечитывания) — и distributed practice — распределение практики во времени (классика Cepeda et al., 2006: устойчивый эффект на отсроченное удержание). Низ шкалы — перечитывание, маркер, конспектирование — то есть весь стандартный репертуар занятого взрослого, читающего «про ИИ» в самолёте. Перевод для проводника беспощаден: «прочитал», «посмотрел», «переслал себе в избранное» — не события обучения. Событие обучения — это «попробовал на своей задаче → через неделю вспомнил и повторил приём на новой». Ритм возвращений, о котором глава 3 говорила языком streaks, здесь получает механизм: spacing — это не трюк вовлечения, это способ, которым память вообще решает, что важно.

7.4. Когнитивная нагрузка: worked examples, переворот экспертизы и целостные задачи

T7 · адаптивный режиссёр

Теория когнитивной нагрузки (Sweller, с 1988) исходит из жёсткого ограничения: рабочая память удерживает порядка четырёх элементов; обучение — это перенос в долговременную память через построение схем. Из этого следуют три эффекта с сильной эмпирической базой, и все три — прямые проектные требования к проводнику.

Первый — worked example effect: новичку полезнее разобрать готовое решение, чем решать самому с нуля. Самостоятельное барахтанье перегружает рабочую память операционной суетой и мешает выделить принцип. Второй — expertise reversal effect (Kalyuga et al.): то, что помогает новичку — разжёванные примеры, пошаговые инструкции, — для опытного становится избыточным и даже вредным; эксперт учится лучше на задачах. Между ними лежит fading — плавное убывание поддержки: пример целиком → пример с пропущенными шагами → задача с подсказкой → задача без поддержки. Третий — split attention / redundancy: раздробленность и дублирование каналов подачи вредят. Это тихий, но сильный аргумент против архитектуры «курс + шпаргалка + отдельный чат-бот» — и за один интегрированный интерфейс.

Уровень выше отдельных эффектов — вопрос, чему вообще учить: модулям или целым задачам. Модель 4C/ID ван Мерриенбура (с 1990-х; «Blueprints for Complex Learning», 2002) создана для комплексных навыков, где знание, процедуры и суждение неразделимы: медицина, авиация, управление. Её принципиальный тезис: не дробить навык на изолированные подскилы — комплексный навык осваивается только на целостных аутентичных задачах, от простых классов задач к сложным, с убывающей поддержкой; теория подаётся «вокруг» задач, процедурные подсказки — точно в момент шага. Есть данные, что 4C/ID улучшает именно перенос, а не только результат теста. Работа с ИИ-агентами — комплексный навык в строгом смысле: делегирование, оценка результата, коррекция и суждение неразделимы. Значит, «модуль про промпты» — методическая ошибка; учить надо целыми реальными задачами руководителя. Ту же логику дистиллирует Меррилл (First Principles of Instruction, 2002): реальная задача → активация имеющегося опыта → демонстрация → применение → интеграция в практику. Пять принципов — готовый чек-лист первой сессии проводника.

Наконец, теория экспертизы. Ericsson, Krampe и Tesch-Römer (1993) показали: экспертизу растит не опыт сам по себе, а deliberate practice — задачи на границе возможностей, немедленная обратная связь, коррекция, повторение; наивная практика выходит на плато. Проверка (метаанализ Macnamara, Hambrick & Oswald, 2014) охладила энтузиазм: deliberate practice объясняет 26% дисперсии результатов в играх, 21% в музыке, 18% в спорте — и меньше 1% в профессиях. Эрикссон оспаривал методологию, но для нас важна сама цифра «<1%»: в профессиях структурированную практику с обратной связью почти невозможно организовать — её там просто нет. У руководителя нет спарринг-партнёра, который даст ему семь раз подряд отрепетировать трудный разговор с CFO о бюджете на агентов. ИИ впервые делает такую практику дешёвой — глава 6 показывала это на симуляторах авиации, глава 8 покажет на LLM-ролеплее.

7.5. Transfer problem: почему выученное не доезжает до работы

T1 · смерть курсаT3 · телеметрия вместо самоотчёта

Даже если обучение сработало в классе, остаётся главный разрыв — перенос в рабочее поведение. Классический обзор Baldwin & Ford (Personnel Psychology, 1988; ~70 эмпирических работ) раскладывает перенос на три группы факторов: характеристики учащегося, дизайн обучения и — самое недооценённое — рабочая среда после обучения: ждёт ли человека возможность и поддержка применить новое. Кочующая по презентациям цифра «переносится не более 10% затрат на обучение» восходит к Georgenson (1982) и является риторической прикидкой, ставшей мифом, — само её сорокалетнее кочевание по литературе показательно (оценка, не факт). Твёрдое из Baldwin & Ford другое: near transfer (та же ситуация) достигается легко, far transfer (новый контекст) — крайне плохо; «навыки вообще» почти не переносятся, обучение на конкретных рабочих задачах — переносится.

Роберт Бринкерхофф дал переносу арифметику. Его данные: ~15–20% участников корпоративного обучения так и не пробуют применить новое, ~65% пробуют и откатываются, устойчиво применяют ~15–20%. А его модель 40-20-40 распределяет вклад в конечный результат: 40% — то, что происходит до обучения (настройка, контракт с руководителем, реальная задача), 20% — само учебное событие, 40% — то, что после (поддержка применения). Индустрия при этом инвестирует почти всё в средние 20%.

Сколько обучения выбрасывается, показывает метрика scrap learning — доставлено, но не применено. Оценки расходятся, потому что методики разные (все цифры — оценки): CEB (2014) даёт ~45% в средней организации, замеры KnowledgeAdvisors по программам — 48–64%, Бринкерхофф — до 80–85%. Разброс велик, но обратите внимание: даже нижняя граница означает, что почти половина из ~$340-миллиардного рынка — в корзину. Сюда же — завершаемость MOOC 3,13% (Reich & Ruipérez-Valiente, Science, 2019) из главы 3 и опрос 24x7 Learning, где лишь 12% сотрудников говорят, что применяют навыки из тренингов (опрос, не RCT).

Замыкает картину оценка. Модель Киркпатрика (1959) — четыре уровня: реакция → научение → поведение → бизнес-результат. Реальность индустрии: ~80% программ измеряют только уровень 1 («понравилось?»), менее 40% добираются до уровней 3–4, и лишь ~12% организаций оценивают бизнес-эффект. Хуже того, критика (Holton, 1996 и далее) показывает: каузальные связи между уровнями слабые — реакция почти не коррелирует ни с научением, ни с поведением. Смайлики после курса не значат ничего. Единственные честные метрики — изменение поведения (L3) и результата (L4).

7.6. Что меняет GenAI: RCT тьюторов и урок ограждений

T6 · ограждения против костыляT3 · телеметрия вместо самоотчёта

До 2023 года машинный тьюторинг уже работал: step-based intelligent tutoring systems давали ES ≈ 0,76 — почти уровень человека-тьютора (0,79) по VanLehn (2011). LLM не изобрели машинного тьютора — они сняли барьер стоимости и универсальности: не нужно годами размечать предметную область. За 2023–2025 появились первые настоящие RCT, и они рисуют картину с двумя сторонами.

Центральный факт для всего учебника — эксперимент Bastani et al. («Generative AI Can Harm Learning», PNAS, 2024/2025). Один и тот же базовый инструмент дал противоположные результаты в зависимости от дизайна: «голый» GPT-4, охотно выдающий готовые решения, сделал учеников продуктивнее на практике и слабее на экзамене — навык не сформировался, сформировалась зависимость. GPT Tutor — та же модель, но с ограждениями: подсказки по шагам вместо ответов — вред снял полностью. Разница между «+2× к научению» Гарварда и «−17% к навыку» Bastani — не в модели. Она в педагогическом дизайне ограждений.

Рядом с твёрдыми RCT — развивающаяся база про иллюзию знания: беглость ответов ИИ повышает субъективную уверенность без роста умения (эффект fluency известен давно; работы 2024–2026 о cognitive offloading показывают снижение усилия при доступности ИИ — базу помечаем как формирующуюся). Это тот же механизм, который глава 1 вводила через METR: −19% реальной скорости при «+20%» в самоощущении. Самоотчёту в этой области верить нельзя ни в какую сторону.

Для руководителя риск «костыля» специфичен, и это важно проговорить точно. Школьник из RCT Bastani терял навык решения задач руками. Руководитель задачи руками не решает — он принимает решения и оценивает результаты агентов. Значит, опасность для него — не потеря навыка исполнения, а делегирование суждения: привычка принимать вердикт ИИ, не формируя собственных критериев. Ограждение для C-level выглядит иначе, чем для школьника: проводник должен заставлять руководителя формулировать критерии оценки и выносить вердикт самому — и только потом показывать свой разбор. Сюда же добавится сикофантия моделей (глава 8): агент, который со всем соглашается, — это костыль для суждения в чистом виде.

И теперь — обещанная честность. Прямых RCT на руководителях не существует. Вся доказательная база этой главы построена на школьниках, студентах и тьюторах: Гарвард — вводная физика, Bastani — старшеклассники в Турции, метаанализы Kulik и Adesope — школа и вуз. Механизмы (память, нагрузка, перенос, костыльный эффект) фундаментальны и почти наверняка работают на взрослых экспертах — но коэффициенты переносить нельзя: ни «0,52σ», ни «−17%» никто на CEO не воспроизводил. Более того, у C-level есть переменные, которых в этих выборках нет вовсе: статусный страх (глава 5), дефицит времени, право не участвовать. Учебник помечает это как главную дыру в базе — и как обязательство: проводник должен быть инструментирован так, чтобы самому закрывать эту дыру телеметрией — стать первым источником данных об обучении руководителей, которых у науки нет.

7.7. Сводка: доказательный каркас проводника

Соберём главу в один каркас. Наука обучения отдаёт проводнику не «вдохновение», а прямые проектные требования — каждое с источником и размером эффекта.

И финальная рамка честности: всё перечисленное доказано не на той аудитории, для которой мы строим. Проводник опирается на механизмы, а не на коэффициенты, — и обязан собирать собственные данные с первого пользователя. В следующей главе — что происходит на LLM-фронтире прямо сейчас: обучающие режимы больших вендоров, AI-коучи с миллионами разговоров и первые цифры о том, как ИИ уже меняет самих учащихся.

Куда копать глубже