📖

工作範例：技能與程序的習得

W is for Worked Examples: Acquiring Skills and Procedures
出處：Schwartz, D. L., Tsang, J. M., & Blair, K. P. (2016). The ABCs of How We Learn: 26 Scientifically Proven Approaches, How They Work, and When to Use Them. Chapter W — Worked Examples.
報告者：（報告者姓名）/ 課程名稱 / 授課教授 / 報告日期
Slide 2 / 13

報告大綱 Outline

  1. 研究背景與問題意識 — 初學者面對程序性任務的困境，以及工作範例策略的提出
  2. 理論基礎：認知負荷理論 — Sweller 的工作記憶限制與分散注意力效應
  3. 核心概念：工作範例的運作機制 — 定義、觀察學習基礎與子目標分解
  4. 設計原則與教學策略 — 圖文整合、任務分解、自我解釋與交錯練習
  5. 研究證據與學習成效 — 跨領域實證研究與適用範圍
  6. 風險與因應策略 — 盲目模仿、過度依賴的風險與逐步淡出策略
  7. 教學應用、評析與結論 — 實際案例、個人反思與 AI 時代展望
Slide 3 / 13

研究背景與問題意識 Research Background

  • 初學者的困境：面對新的程序性任務（如解代數方程式、組裝電路、撰寫程式），常常不知從何下手，缺乏有效的起始策略
  • 傳統教學的盲點：「直接解題」（Problem Solving）對新手而言效率低落，造成不必要的摸索與試誤，學習者將大量認知資源耗費在搜尋解法上，而非理解問題結構
  • 教學者迫切需要一種能縮短學習路徑、降低新手挫折感的有效教學策略
  • 工作範例應運而生：透過逐步示範（Step-by-Step Demonstration）完成任務的方法，讓學習者有明確的路徑可以依循
  • 核心挑戰：如何讓學習者既能模仿步驟，又能理解背後的原理？避免淪為「只會照做」而不會遷移應用
  • 書中生動舉例：借朋友腳踏車時輪胎破了，面對四種應對方式 — (1)打電話求助、(2)自己亂修、(3)讀修車手冊、(4)看 YouTube 教學影片 — 其中最有效率的就是觀看逐步示範的教學影片，這正是工作範例的日常體現
💭 報告者見解：回想自己初學程式設計的經驗，第一次被要求「直接寫一個程式」時完全不知從何下手，後來透過觀看教學影片一步步跟著做，才逐漸理解程式的邏輯結構。這段親身經歷正好印證了工作範例對初學者的重要性。
Slide 4 / 13

理論基礎：認知負荷理論 Cognitive Load Theory

  • Sweller（1994）的核心主張：人類的工作記憶（Working Memory）容量極為有限，一次只能處理有限數量的資訊元素，這是教學設計必須考量的根本限制
  • 直接解題的問題：新手在解題時需要同時進行「理解問題結構」與「搜尋解決策略」兩項任務，導致認知負荷（Cognitive Load）嚴重超載，學習效果反而低落
  • 工作範例的優勢：透過提供已完成的解題步驟，減少不必要的外在認知負荷（Extraneous Cognitive Load），讓學習者將有限的認知資源專注於理解每個步驟的意義與邏輯
  • 分散注意力效應（Split-Attention Effect）：當圖片與文字說明分開呈現時，學習者必須在兩個資訊來源之間來回切換、進行心智整合，額外增加了認知負擔
  • Chandler & Sweller（1991）的實證研究：以電路圖教學為例，採用整合式設計（文字標註直接放在圖示上）的學生，學習成效顯著優於使用分離式設計（圖文分開呈現）的學生
  • 書中的經典圖例對比：Figure W.1（原始版）— 文字說明放在上方，電路圖放在下方，學習者必須來回對照；Figure W.2（改良版）— 步驟編號直接標注在電路圖的對應位置上，大幅降低認知整合的負擔
Slide 5 / 13

核心概念：工作範例的運作機制 How Worked Examples Work

  • 定義：工作範例（Worked Example）是一種逐步示範如何完成程序性任務的教學方法，向學習者展示從問題到解答的完整過程
  • 理論根基：建立在觀察學習（Observational Learning）的基礎上 — 人類天生就擅長透過觀察他人的行為來學習新技能，Bandura 的社會學習理論提供了重要的理論支撐
  • 運作方式：讓學習者觀察並模仿明確定義的步驟序列，每一步都清楚呈現「做什麼」以及「為什麼這樣做」
  • 專家思維的外顯化：分享專家的思維過程，揭示專家如何將複雜問題分解為可管理的子目標（Subgoals），這些隱性知識通常不會在傳統教學中被明確呈現
  • 效率優勢：相較於直接解題，工作範例能大幅減少盲目摸索的時間，讓初學者更快速地建立正確的問題解決程序
  • 形式多元：工作範例不一定需要真人示範 — 紙上的代數運算步驟、教科書中的解題範例、螢幕錄製的軟體操作教學，都是工作範例的具體形式
Slide 6 / 13

設計原則：降低認知負荷 Design Principles

  • 原則一 — 圖文整合（Integrated Format）：將文字標註直接放在圖示的對應位置上，避免學習者在圖片和文字之間來回搜尋、進行心智整合，降低分散注意力效應
  • 原則二 — 步驟編號（Numbered Steps）：明確標示操作順序，降低學習者的搜尋成本，讓步驟的先後邏輯一目了然
  • 經典改良案例：Figure W.1 → W.2 的對比 — 配線圖教學從分離式（文字在上、圖在下）改為整合式（步驟編號直接標注在電路圖上），學習成效顯著提升
  • 原則三 — 選擇適當的分解層次：步驟拆解的粒度必須配合學習者的程度 — 太粗略則新手跟不上，太細碎則失去整體脈絡，難以形成連貫的理解
  • 原則四 — 標示子目標（Subgoals）並解釋原因：不只告訴學習者「做什麼」，更要說明「為什麼要這樣做」，幫助學習者建立步驟與目標之間的因果連結（Catrambone & Holyoak, 1990）
  • 書中代數範例的啟示：以方程式 3x = 6 為例，書中展示了三種不同的呈現方式 — 從最簡略（只給答案）到最詳細（每一步都標註運算理由），越詳細的版本對初學者越友善，但對已有基礎的學習者反而可能產生冗餘效應
Slide 7 / 13

教學策略：任務分解與自我解釋 Task Decomposition & Self-Explanation

  • 任務分解（Task Decomposition）：將複雜問題拆解為適合學習者當前程度的子步驟，每個子步驟都應該是學習者能夠理解和執行的大小，形成一條清晰的學習路徑
  • 專家盲點（Expert Blind Spot）：Nathan & Petrosino（2003）指出，專家因為長期的自動化處理，往往忘記了新手的認知起點，導致跳過關鍵步驟或假設學習者已具備先備知識，使得範例對初學者而言仍然難以理解
  • 認知任務分析（Cognitive Task Analysis）：透過系統性地訪談領域專家，將他們內隱的、自動化的知識與決策過程逐一拆解並外顯化，確保工作範例能真正反映完整的解題歷程
  • 自我解釋（Self-Explanation）：Renkl 等人（1998）的研究發現，當學習者被引導主動問自己「為什麼要這一步？」「這一步和前一步的關係是什麼？」時，學習成效會顯著提升，因為這促進了深層的意義建構
  • 交錯練習（Interleaving）：將工作範例與類似的練習問題交替呈現（例如：範例 → 練習 → 範例 → 練習），既能提供示範又能促進主動練習，避免被動接收，是最佳的教學編排方式
Slide 8 / 13

研究證據與學習成效 Research Evidence & Outcomes

  • 最核心的成效：工作範例最自然、最直接的學習成果是幫助初學者習得早期程序性技能（Early Procedural Skill），讓學習者能正確地執行特定的操作程序
  • 適用領域：工作範例在結構明確（Well-Structured）的領域中效果最為顯著，包括代數方程式求解、幾何證明、物理電路設計、程式設計、統計分析等需要遵循特定步驟的學科
  • 關鍵綜述研究：Atkinson 等人（2000）在 Review of Educational Research 發表的系統性回顧中，彙整了大量跨領域的實證研究，一致顯示工作範例教學在多數情境下優於直接解題教學
  • 典型實驗設計與結果：將學生隨機分為「範例組」（研讀工作範例）和「解題組」（直接練習解題），在相同學習時間後進行後測，範例組在程序性技能的表現上穩定優於解題組，且學習所需時間更短
  • 適用限制：工作範例不太適合結構模糊（Ill-Structured）的領域（如創意寫作、藝術創作、倫理辯論），也不能直接建立概念性知識（Conceptual Knowledge）— 學生可能學會「怎麼做」但不理解「為什麼」
  • 彌補策略：搭配自我解釋（Self-Explanation）策略可有效彌補概念性知識的不足，促進學習者從步驟中抽取出抽象的原則與規律
Slide 9 / 13

風險與因應策略 Risks & Mitigation

  • 風險一 — 盲目模仿：學習者只機械性地記住步驟卻不理解背後的原因。書中以 GPS 導航做類比：跟著導航走確實能到達目的地，但關掉導航後卻完全記不得路，因為學習者從未主動建構空間認知地圖
  • 風險二 — 無法應對變異：學習者只會處理與範例完全相同的問題類型，一旦遇到稍有變化的新情境就束手無策，缺乏遷移（Transfer）能力
  • 風險三 — 過度依賴：學習者形成一種心態，期望所有問題都有現成的解法可以參照，遇到沒有範例的情況就不願嘗試、不敢獨立思考
  • 因應策略一 — 交錯與逐步淡出（Fading）：交替呈現範例與練習題，並隨著學習者能力的提升，逐步減少範例中提供的步驟數量（例如：完整範例 → 部分步驟留白的範例 → 完全獨立解題），讓學習者漸進式地獲得自主性
  • 因應策略二 — 多元比較與反面案例：Rittle-Johnson & Star（2007）的研究證實，提供不同解法的並排比較（Side-by-Side Comparison），以及展示錯誤解法讓學習者分析其錯誤原因，都能有效促進更深層的理解與遷移
💭 報告者見解：在 AI 時代，ChatGPT 等生成式 AI 工具可被視為超大型的「工作範例生成器」— 隨時可以產出任何問題的逐步解答。這使得「盲目模仿」的風險被大幅放大：學生可能養成直接複製 AI 答案的習慣，而非真正理解。因此，書中提出的「逐步淡出」策略在 AI 時代比以往任何時候都更加重要。
Slide 10 / 13

教學應用案例 Good Use vs. Bad Use

✅ 好的用法（初學階段）

  • 時機：初次教授程序性技能時，提供完整的工作範例搭配結構類似的練習題目
  • 實例：教 Excel 製作直方圖 — 先用範例資料逐步示範整個操作流程（開啟檔案 → 選取資料 → 插入圖表 → 調整格式），再讓學生用不同的資料集自行操作
  • 關鍵技巧：指令用語要具有可泛化性 — 使用「選取資料欄位」而非「選取 C2:C4」，幫助學生理解操作的邏輯而非死記特定位置
  • 搭配自我解釋：在每個步驟後加入提問「為什麼要先選取資料再插入圖表？」促進深層理解

❌ 壞的用法（熟練階段）

  • 時機錯誤：學期末複習時仍然提供完整的工作範例
  • 問題：學生已經熟悉該內容，此時範例不但無法促進學習，反而浪費寶貴的複習時間
  • 冗餘效應（Redundancy Effect）：對已有能力的學習者來說，額外的指引反而增加不必要的認知負荷
  • 正確做法：此時應讓學生直接獨立解題，甚至挑戰變異題目，才能更有效地鞏固和擴展已學的技能
Slide 11 / 13

評析與反思 Critical Analysis

  • 優勢總結：工作範例的理論基礎扎實（根植於認知負荷理論），經過大量跨領域的實證研究驗證（代數、物理、程式設計等），且設計原則具體可操作（圖文整合、步驟編號、子目標標示等），教學者可直接應用於課堂
  • 與其他學習機制的互補性：結合自我解釋（Self-Explanation）可強化概念性理解；搭配即時教導（Teaching at the Right Time）可避免盲目模仿；與逐步淡出（Fading）策略併用可促進學習者的自主性發展
  • 理論限制：對於結構模糊（Ill-Structured）的領域 — 如創意寫作、藝術設計、道德判斷 — 工作範例不直接適用，因為這些領域沒有單一正確的解題步驟
💭 報告者見解（個人觀點專區）：

台灣教育現場觀察：台灣的教師其實已經大量使用工作範例（例如國中數學老師在黑板上逐步示範解題過程），但往往缺乏系統性的設計原則指引，導致常見的問題如圖文分離、步驟粒度不當、缺乏自我解釋提示等。

限制的延伸思考：即使是結構模糊的任務，也可以嘗試「結構化」來適用工作範例。例如，論文引言寫作看似模糊，但可以拆解為五個步驟：(1)說明研究領域的重要性 → (2)回顧相關文獻 → (3)指出研究缺口 → (4)提出研究目的 → (5)預告論文架構。

AI 時代展望：生成式 AI 讓工作範例的產生變得前所未有的容易，任何學生都可以即時獲得任何問題的逐步解答。這既是機會（個人化範例唾手可得），也是挑戰（盲目模仿的風險急遽放大）。教學者必須更積極地教導學生「何時該看範例、何時該獨立嘗試」的後設認知能力。
Slide 12 / 13

結論 Conclusion

  • 核心定位：工作範例是初學者習得程序性技能最有效的教學策略之一，數十年的實證研究提供了堅實的支持證據
  • 核心價值：透過降低認知負荷（Cognitive Load），讓學習者將有限的工作記憶資源專注於理解步驟的意義，而非盲目摸索解題路徑
  • 成功的三大關鍵：(1) 圖文整合 — 消除分散注意力效應；(2) 適當的任務分解 — 配合學習者的認知程度；(3) 避免專家盲點 — 透過認知任務分析確保步驟完整
  • 不可或缺的配套策略：必須搭配自我解釋（促進概念性理解）與逐步淡出（培養獨立解題能力），才能避免盲目模仿與過度依賴的風險
  • 最終啟示：好的教學設計不只是「教什麼」（What to teach），更是「如何呈現」（How to present）— 同樣的知識內容，透過不同的呈現方式，可以產生截然不同的學習效果
💡 好的教學設計不只是「教什麼」，更是「如何呈現」—— 工作範例正是這一理念的最佳體現。教育工作者應善用認知科學的研究成果，設計出真正能幫助學習者高效學習的教學材料。
Slide 13 / 13

參考文獻 References

  • Atkinson, R. K., Derry, S. J., Renkl, A., & Wortham, D. (2000). Learning from examples: Instructional principles from the worked examples research. Review of Educational Research, 70(2), 181–214.
  • Catrambone, R., & Holyoak, K. J. (1990). Learning subgoals and methods for solving probability problems. Memory and Cognition, 18(6), 593–603.
  • Chandler, P., & Sweller, J. (1991). Cognitive load theory and the format of instruction. Cognition and Instruction, 8(4), 293–332.
  • Mayer, R. E., Heiser, J., & Lonn, S. (2001). Cognitive constraints on multimedia learning: When presenting more material results in less understanding. Journal of Educational Psychology, 93(1), 187–198.
  • Nathan, M. J., & Petrosino, A. J. (2003). Expert blind spot among preservice teachers. American Educational Research Journal, 40(4), 905–928.
  • Renkl, A., Stark, R., Gruber, H., & Mandl, H. (1998). Learning from worked-out examples: The effects of example variability and elicited self-explanations. Contemporary Educational Psychology, 23(1), 90–108.
  • Rittle-Johnson, B., & Star, J. R. (2007). Does comparing solution methods facilitate conceptual and procedural knowledge? An experimental study on learning to solve equations. Journal of Educational Psychology, 99(3), 561–574.
  • Roll, I., Aleven, V., McLaren, B. M., & Koedinger, K. R. (2011). Improving students' help-seeking skills using metacognitive feedback in an intelligent tutoring system. Learning and Instruction, 21(2), 267–280.
  • Salden, R. J. C. M., Koedinger, K. R., Renkl, A., Aleven, V., & McLaren, B. M. (2010). Accounting for beneficial effects of worked examples in tutored problem solving. Educational Psychology Review, 22(4), 379–392.
  • Schwartz, D. L., Chase, C. C., Oppezzo, M. A., & Chin, D. B. (2011). Practicing versus inventing with contrasting cases: The effects of telling first on learning and transfer. Journal of Educational Psychology, 103(4), 759–775.
  • Sweller, J. (1994). Cognitive load theory, learning difficulty, and instructional design. Learning and Instruction, 4(4), 295–312.
✅

本單元完成！

準備好進入下一個階段了嗎？

🏠 回到統整頁 課程認證測驗 →
1 / 14
© 2026 阿亮老師