教育应该向王者荣耀学习的地方

电子游戏又一次因为《王者荣耀》被说成是毁灭人生的电子海洛因,这不是第一次,也不会是最后一次。尽管学习知识和玩游戏,本身并没逻辑上的对立,但大家都会想,为什么玩游戏会“沉迷”呢?想要回答这个问题,我觉得首先应该问问“为什么学习知识不能让人沉迷”?

制作游戏的人都知道,玩家玩游戏是希望“胜利”的,过多的“挫败感”会让玩家放弃游戏,但是如果胜利来的太容易,又会变成无聊。所以游戏开发者都会努力去平衡“胜利的成就感”和“失败的挫败感”。玩家在一次次的尝试中,尝试过失败,也经历过胜利。这种胜利的感觉会鼓励玩家继续进行再一次的游戏。

然而回过头看我们的应试教育,我们会按各种测验考试来排名次,名次考前的自然会有一些成就感,大概排前20%会感觉不错吧,那么,剩下那80%的学生,很可能就是经历了一次“失败”的体验。我不知道哪个游戏敢让80%的玩家反复体验“失败”,还能让玩家继续玩这个游戏的。——我们的学习体验,往往就是沉浸在这种高浓度的失败感中,怎么能让人喜爱这种学习呢?由于我们的应试教育,目标是让大家在一个智力测验中,排出名字来分配教育资源,所以根本目的就是让绝大多数人失败,因为作为奖品的教育资源很少,这就是应试教育的死结。这个游戏是一个“零和”游戏:你在这个游戏里面越成功,别人在这个游戏里就越失败。《王者荣耀》从来没有限定百分之几的玩家才能在排位赛中上黄金、铂金段位,所以我们的每次努力,都是在为了胜利而积累。

理论上,电子游戏实际上也是一种体力和脑力的训练,这和我们训练打球,训练弹琴,甚至学习文化知识所做的训练并无差异。关键是这种训练的形式非常不同。我们一开始玩《王者荣耀》的时候,也有新手教程需要学习,但是你很快的就能把新学到的知识,立刻在战斗中使用一下。也许你学的不好,但你可以反复的尝试,最后一定能得到成功。

而我们的学生体验一般都是这样的:我们学习了名著,但是作文从来没有让我们写过自己的思想;我们学习了数学,但是除了买东西算算帐从来也没实际用过;我们学习了英语,从来没有在生活上打开过一份英文报纸。我们学习了物理和化学,但实验课是不受重视的,因为考试不考实验。但是我喜欢生物课,因为我可以从咀嚼米饭的甜味中认识到淀粉;我也喜欢美术课,尽管老师似乎从来没教过任何绘画技巧,但我可以自己去涂抹些图案。这就是我们为什么不喜欢“学习”的原因:没有实际使用的机会!我们只能在大脑中死记硬背这些知识,然后试图去理解这些“知识”。但是这不是人类学习知识的生理规律,人类都是在不断的尝试使用中,去理解和掌握知识的。

电子游戏设计中有一个特点,就是高度的形象化,比如我们的图形界面中,按钮都是有图标的,游戏中的行为,都是有人物、物体、道具的。就算是“任务”这种抽象的概念,也会专门的有任务图标和任务界面,会做成类似一本书的样子。

但是我们学习的知识,大部分都是抽象化的,文字、公式是主要的载体。这就是为什么生物课本和地理课本看起来要可爱的多的原因。我们整个的学习过程,也主要是文字过程的:通过语言到文字,变成概念,最后作业和考试还是文字。但是我们都知道,人类是视觉动物,我们喜欢看图形、色彩,文字在人类诞生了数万年后才出现。虽然它们是一种高效的信心表达工具,但并不是一种有趣的自然的表达方式。多媒体教学说了那么多年,实际上我们大多数看到的还是把文字搬上了PPT而已。而我在网上搜过一些数学的视频,比如泰勒级数、微积分的课程,就有把函数曲线动态的描画出来的,让人茅塞顿开。

我们都知道,《王者荣耀》现在是一个社交工具,大量玩家实际上是因为朋友玩,所以参与进来的。人是群居动物,热爱社交是天性。所以大家都玩一个游戏,就有了共同的话题,也有了可以一起做的事情。

虽然我有很多学生时代的好朋友,但是却很少有真正一起研究“学习”的体验。因为我们的教育方式,并不是鼓励合作学习的。我们上课的时候只能回答问题,不能和同学讨论。我们的作业都是自己写的。我们很少会讨论学习的内容,因为这些内容都是有标准答案的,没有什么好讨论的。在做题上,我们也不鼓励创造出更多的解题方法,反而是要求我们用“最快”的方法来解题,这样我们在做题上也没啥可讨论的,因为不具备讨论的价值。由于我们学的都是标准内容,各人所具备的其他知识,几乎也都是“没用的”闲谈。不管我们同学间聊的是电视剧的内容,还是从记录片上看来的有趣知识,这些都是“没用的”,我们的课程并不认可这些东西。每个人都尽量的表现出同样的知识水平,所以就没有可以讨论交流的空间了。在这方面,我们发现欧美的一些学校都是分小组来学习的,作业也是一起合作完成的。我虽然不觉得这样能提高学习的效率,但这肯定能提高学习的兴趣。

在“沉迷游戏”和“学习”的口水战中,我觉得没有一方能最后获胜。如何改进“学习”的方式,才是最有价值的思考。

感谢大家的阅读,如觉得此文对你有那么一丁点的作用,麻烦动动手指转发或分享至朋友圈。如有不同意见,欢迎后台留言探讨。

原文发布于微信公众号 - 韩大(handa1740168)

原文发表时间:2017-07-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

大数据的机遇与挑战:清华、复旦、中科院、春雨移动及考拉征信专家的观点

1424
来自专栏PPV课数据科学社区

【学习】如何成长为顶级数据分析师和数据挖掘师?

#玩转大数据#12点的钟声敲响后,意味着已经跨过2015,进入2016了。新的一年应该拥有新的开端以及新的计划目标,也标志着新的希望。一个数据科学家在年尾做了一...

3794
来自专栏AI科技大本营的专栏

Google Brain团队最新视频介绍

刚刚,Google Brain团队发布了一个全新的介绍视频"Meet a few of our machine learning makers",Jeff De...

4066
来自专栏java达人

人工智能全局概览:通用智能的当前困境和未来可能

来源:机器之心 作者:Mike Loukides、Ben Lorica 链接:http://www.jiqizhixin.com/article/1336(点...

1717
来自专栏大数据文摘

我们问了Yann LeCun等16个顶级数据科学家,这是他们给数据新人的建议

712
来自专栏AI科技评论

北大黄铁军教授:「智能为用,机器为体」,30 年内实现人造大脑

AI 科技评论按:在去年年底北京大学举办的人工智能前沿论坛上,黄铁军教授做了题为《强人工智能之路》的演讲。 黄铁军教授,北京大学信息科学技术学院教授,计算机科学...

3113
来自专栏企鹅号快讯

什么是人工智能,生活中有哪些应用是人工智能,能实现什么功能?

在很长一段时间内,我们对于人工智能的印象和认识都来源于科幻电影,每当提起人工智能,我们的大脑总会浮现出未来感,科技感的画面或者词语。但是短短几十年的风云际会,当...

3117
来自专栏人工智能头条

增强学习是人工智能的未来

1946
来自专栏机器人网

解密Facebook人工智能研究室 数字助手制止你放纵自己

国外媒体近日撰文介绍了Facebook已成立一年的人工智能研究实验室。该实验室由纽约大学教授、深度学习专家雅恩·乐昆领导,他们目前想要为Facebook打造一种...

2695
来自专栏AI研习社

AI 开发者高薪太诱人?请收下这份给国内开发者转型 AI 指南

如果你浏览 AI 相关的新闻,不难发现「高薪」、「百万年薪」等极具诱惑力的词汇的出现频率非常高。同样,在知乎中搜索「如何转型 AI?」、「AI 领域需要怎样的人...

1162

扫码关注云+社区