元认知与自我调节学习

#学习理论#元认知#自我调节学习#学习策略

一句话定位：元认知研究"对认知的认知"——人如何监测和控制自己的思维；自我调节学习 (SRL) 将其扩展为学习者主动管理认知、动机与行为的循环过程。这一领域最扎实也最令人不安的发现是：学习者对自己学习状态的判断系统性地失真，因此"学会学习"必须被显性地教。

历史脉络

弗拉维尔 (John Flavell) 在 1970 年代初的元记忆 (metamemory) 研究中发现，幼童往往高估自己的记忆能力且不会自发使用策略；1976 年他正式提出元认知 (metacognition) 一词，1979 年在《美国心理学家》上发表《元认知与认知监测》(Metacognition and Cognitive Monitoring)，给出经典框架。1990 年纳尔逊与纳伦斯 (Thomas Nelson & Louis Narens) 提出监测—控制的两层模型，为实验研究提供了统一架构。1980–90 年代，班杜拉的社会认知理论催生了自我调节学习研究：齐默曼 (Barry Zimmerman) 与舒克 (Dale Schunk) 将自我效能、目标设定与元认知整合为循环模型；平特里奇 (Paul Pintrich) 开发的 MSLQ 量表使 SRL 成为可大规模测量的构念。2000 年代后，元认知实验室研究（学习判断、流畅性）与 SRL 课堂研究合流，产出了对高等教育最具实用价值的一批发现。

核心原理与概念

弗拉维尔框架：元认知知识、体验与监控

弗拉维尔 1979 年的框架包含：元认知知识——关于人（自己与他人作为认知者的特性）、任务（不同任务的认知要求）与策略（何种策略适用何种目标）三类变量的知识；元认知体验——伴随认知活动的即时感受，如"似曾相识"、"卡住了"的感觉；以及目标与策略的运用。三者互动构成认知监测系统。这一区分至今仍是领域的基本词汇：知道"间隔复习优于集中复习"是元认知知识，感到"这章我好像没看懂"是元认知体验，据此决定重读并自测是元认知控制。

监测与控制：两层模型

纳尔逊与纳伦斯把认知系统分为对象层（执行认知任务）与元层（持有对象层的模型）：信息自下而上流动为监测 (monitoring)，自上而下流动为控制 (control)。由此定义了一系列可测量的监测判断：学习判断 (judgment of learning, JOL)——预测自己稍后能否记起刚学的材料；知晓感 (feeling of knowing)；信心判断等。监测的准确性（校准, calibration）成为核心因变量：如果监测失真，控制必然失当——学习者会在已掌握的内容上继续花时间，或过早停止学习未掌握的内容。

流畅性错觉：为什么学生偏爱低效策略

大量研究表明 JOL 主要依赖启发式线索而非对记忆痕迹的直接读取，其中最误导人的是加工流畅性：读起来顺、看起来熟，就觉得学会了。重读课本与划线制造强烈的流畅感，因而被学生普遍偏爱；检索练习与间隔学习在当下体验困难、错误频出，被误判为低效。比约克、邓洛斯基与科内尔 (Bjork, Dunlosky & Kornell) 2013 年的综述将此概括为流畅性错觉 (illusion of fluency)：短期表现与长期学习相互解离，而学习者以前者为指针。这解释了一个长期困惑：为何仅仅告知学生"检索练习更有效"收效甚微——错觉植根于体验本身，须以亲历的对比证据与持续的策略训练来矫正。邓洛斯基等人 (Dunlosky, Rawson, Marsh, Nathan & Willingham) 2013 年对十种常用学习策略的系统评估提供了权威清单：练习测试与分散练习被评为高效用；精细询问、自我解释与交错练习为中等效用（证据有前景但边界条件待明）；总结、划线重点、关键词记忆术、文本想象与重读被评为低效用——而后一组恰是学生自报最常用的。

自我调节学习的三个模型

齐默曼的循环模型把 SRL 分为三阶段：计划阶段 (forethought)——任务分析、目标设定、策略规划，以及自我效能、结果预期等动机信念的启动；执行阶段 (performance)——自我控制（专注、策略执行、时间管理）与自我观察；自我反思阶段 (self-reflection)——自我评价、归因、自我反应，其结论回馈至下一轮计划。模型的要点在于动机与元认知不可分：自我效能低的学生不会启动费力的策略，把失败归因于能力的学生会放弃调节。平特里奇 (Paul Pintrich) 的框架沿四个区域（认知、动机/情感、行为、情境）×四个阶段展开，其与同事开发的 MSLQ (Motivated Strategies for Learning Questionnaire, 1991) 成为全球使用最广的 SRL 自陈量表。温尼与哈德温 (Winne & Hadwin) 的 COPES 模型则以信息加工语言刻画每个学习环节的条件—操作—产品—评价—标准结构，因其颗粒度适合日志数据建模，成为学习分析研究的首选框架（此处提及即可）。

代表人物与经典文献

• 弗拉维尔 (John Flavell)："Metacognition and Cognitive Monitoring" (1979)。
• 纳尔逊与纳伦斯 (Nelson & Narens)："Metamemory: A Theoretical Framework and New Findings" (1990)。
• 齐默曼 (Barry Zimmerman)："Becoming a Self-Regulated Learner: An Overview" (2002)；循环模型见 Handbook of Self-Regulation (2000) 中的章节。
• 平特里奇 (Paul Pintrich)：MSLQ 手册 (1991)；"The Role of Goal Orientation in Self-Regulated Learning" (2000)。
• 邓洛斯基等 (Dunlosky et al.)："Improving Students' Learning With Effective Learning Techniques" (2013)。

理论间关系

• 直接生长于 认知主义与信息加工：元认知即信息加工系统的自我监控层。
• SRL 的动机与自我效能成分承自 社会认知理论与班杜拉：齐默曼是班杜拉传统在教育中的主要继承人。
• 与 动机理论谱系 交叉：目标取向、归因与自我效能既是动机构念，也是 SRL 计划与反思阶段的引擎。
• 与 学习科学前沿 中的检索练习、期望性困难研究互为表里：那些策略之所以需要教，正因元认知错觉阻止学生自发采用。
• 与 成人学习与经验学习 的反思传统相邻：批判性反思可视为指向前提假设的元认知，但 SRL 的对象更聚焦于学习过程本身。
• 为 以学生为中心的教学 提供认知科学根据：把学习责任移交学生的前提是训练其自我调节能力。
• 与 认知负荷理论 互补：自我调节活动本身消耗工作记忆资源，新手的 SRL 支架须计入负荷预算。
• 是 AI时代的教与学 中认知卸载争论的关键理论资源。

在高等教育中的实践应用

第一，考后反思 (exam wrapper)。洛维特 (Marsha Lovett) 等人推广的做法：考试发还时附一页结构化反思——错误类型分析、备考策略盘点、下次的具体调整——把考试从终点变为校准监测的数据源，成本极低，易于嵌入任何课程。第二，学习策略的显性教学。在专业课内（而非孤立的学习方法课）示范并要求使用检索练习、间隔与自我解释，配合"策略有效性亲历实验"（如课堂上对比重读组与自测组的保持率）来击穿流畅性错觉；麦圭尔 (Saundra McGuire)《教学生如何学习》(Teach Students How to Learn, 2015) 提供了可移植的课程模块。第三，反思日志与学习档案：要求学生定期预测成绩、复盘策略，训练校准；关键是给予反馈——无反馈的反思会固化原有错觉。第四，课程设计层面：频繁低权重测验既是检索练习也是监测数据；大纲中写明各任务的认知要求（任务变量知识）；对新生与学业困难学生，SRL 训练的边际收益最大，宜纳入学业支持体系的标准配置。

批评与局限

其一，测量的老问题：MSLQ 等自陈量表测的是学生"认为自己做什么"，与日志、行为痕迹的相关经常偏低——用失真的自我报告研究自我监测的失真，有方法论上的循环风险；温尼等人因此力主转向事件级的痕迹数据。其二，构念膨胀：元认知、SRL、执行功能、学习力等概念边界模糊，测量工具之间收敛效度不佳。其三，SRL 模型多为描述性框架而非可证伪的过程理论，阶段划分的时序证据薄弱。其四，干预研究的持久性与迁移证据有限：策略训练常见近迁移，跨课程的远迁移难以确证。其五，文化与公平维度：SRL 话语可能把结构性劣势（时间贫困、打工、家庭负担）重新表述为个体调节失败，教育者使用时须自觉这一风险。

前沿动态

2010 年代以来的主要发展：学习分析与 SRL 理论结合，从点击流、日志与眼动中实时推断调节过程（温尼—哈德温模型因此复兴），并催生带监测提示的自适应学习环境；共享调节 (socially shared regulation of learning, Hadwin、Järvelä 等) 把调节单位从个体扩展到协作小组；元认知研究与认知神经科学交叉（Fleming 等人对元认知敏感度的计算建模）。最紧迫的新议题是认知卸载 (cognitive offloading)：里斯科与吉尔伯特 (Risko & Gilbert) 2016 年的综述已表明，人会系统性地把记忆与计算外包给设备，而卸载会改变对自身能力的监测。生成式 AI 将此推向极致——当起草、总结、解题皆可外包，学生的元认知任务从"监控自己的认知"扩展为"监控 AI 的认知并决定何时信任它"；已有研究者论证 (如 Tankelevitch 等 2024 年的分析)，使用生成式 AI 对元认知提出了更高而非更低的要求。在这个意义上，元认知与自我调节可能是 AI 时代最难被替代、也最值得大学显性培养的能力。

延伸阅读

• Flavell, J. H. "Metacognition and Cognitive Monitoring: A New Area of Cognitive-Developmental Inquiry" (1979)
• Dunlosky, J. et al. "Improving Students' Learning With Effective Learning Techniques" (2013)
• Bjork, R. A., Dunlosky, J. & Kornell, N. "Self-Regulated Learning: Beliefs, Techniques, and Illusions" (2013)
• Zimmerman, B. J. "Becoming a Self-Regulated Learner: An Overview" (2002)
• Winne, P. H. & Hadwin, A. F. "Studying as Self-Regulated Learning" (1998)
• McGuire, S. Y. Teach Students How to Learn (2015)

相关条目：认知主义与信息加工 社会认知理论与班杜拉 动机理论谱系 学习科学前沿 认知负荷理论 以学生为中心的教学 教学评价与改进实践 AI时代的教与学