为变革做准备:拥抱未来技能与终身学习
Linas Juozenas分享
未来技能 · 适应力 · 终身学习
为变化做好准备:如何在不确定的世界中持续学习
面向未来并不是预测每一种新工具、新职业或颠覆的能力,而是留意正在发生的变化,学习重要的内容,在现实中检验自己的理解,并在计划不再适用时恢复调整的能力。
- 有意学习
- 独立思考
- 批判性地使用 AI
- 通过实践积累证据
无法逐项技能预测未来
技术、气候压力、人口结构变化和新的商业模式可能迅速重塑工作。然而,变化很少像“一种职业消失,另一种职业取而代之”那样简单。
工作是由一组任务构成的。新工具可能会自动化一项任务、加速另一项任务,并让第三项任务变得更有价值。设计师可能会减少制作粗略变体的时间,增加定义问题、判断质量以及了解成果使用者的时间。技术人员可能会依赖更好的诊断工具,同时承担更多安全、解读和沟通方面的责任。因此,有用的问题不仅是 “这份工作会保留下来吗?”,而是 “它的任务正在如何变化?随着这些变化,哪些人的能力会变得更加重要?”
旧的教育模式把学习视为一种准备:先学习,然后在一个大体稳定的知识库基础上工作。更现实的模式则把学习视为工作和生活的一部分。基础仍然重要——读写能力、算术能力、科学推理、沟通能力和领域知识——但随着环境变化,这些基础必须不断重温、联系和应用。
试图关注每个平台、每条头条新闻和每个预测,只会制造噪音,而不会带来适应力。优秀的学习者会通过个人方向、可靠证据和实际机会来筛选变化。
工具与工作流程
界面、软件功能、流程和流行的方法可能很快过时。它们在确有实际用途时值得学习,但不要把自己的全部身份建立在某一个工具之上。
领域与系统
职业、法规、组织和市场会在多种相互作用的力量推动下演变。理解这一系统有助于你超越单一公告来看问题。
人的基础能力
清晰思考、稳健判断、好奇心、合作、自我导向和学习能力,在不同工具、角色和人生阶段中始终有用。
预测仍然可以提供帮助。雇主调查、劳动力市场数据以及你所在领域的最新发展,都能揭示值得为之准备的趋势。但预测只是可能性的地图,而不是针对个人的行动指令。将它们与当地需求、你现有的优势、你的健康状况和责任,以及你希望作出的贡献结合起来。
适应力能力栈:相互强化的七项能力
没有任何一种单独的“未来技能”能保护一个人免受所有变化的影响。适应能力来自一组相互连接的认知、实践、社交和情绪能力。
这是一套用于反思的实用模型,不是科学评分或诊断公式。
元学习与自我调节
元学习意味着理解自己如何学习:你已经知道什么、理解在哪些地方失效、哪些练习能带来进步,以及何时需要反馈。自我调节则通过规划、监测和调整,将这种觉察转化为行动。
- 明确成功表现应是什么样。
- 把宏大的目标拆分为可测试的子技能。
- 注意熟悉感与回忆之间的差异。
- 审视方法,而不只是结果。
分析性与系统性思维
分析性思维将问题拆分为各个部分;系统性思维则重新连接这些部分,并探究它们如何随时间相互影响。二者结合起来,有助于你找出原因、激励因素、延迟、反馈回路和意外影响。
- 思考什么证据会改变你的看法。
- 区分因果关系、相关性和巧合。
- 梳理谁会受到影响,以及每个人能看到什么。
- 关注二阶影响,而不只是眼前的收益。
创造性问题框定
创造力并不局限于艺术创作。它还包括意识到问题的框定可能过于狭窄、结合不同领域的想法,以及在无法确定时设计小型实验。
- 在选择一种解释之前,先提出几种解释。
- 从他人的视角重新表述问题。
- 在大量投入之前,先低成本制作原型。
- 把失败的实验当作信息,而不是对自我的定义。
数字与人工智能素养
数字熟练度是选择、使用和评估工具的能力,而不只是会操作工具。对于人工智能,这还包括理解:流畅的回答仍可能不完整、有偏见、过时或虚构。
- 了解工具接收和保留哪些数据。
- 根据可靠来源核实重要输出。
- Understand the task well enough to judge the result.
- 充分理解任务,以便判断结果。
沟通与协作智能
复杂的工作很少能独自完成。协作智能包括准确倾听、解释决策、记录背景信息、让分歧能够安全表达,以及结合不同形式的专业知识。
- 以便他人能够继续你的工作为目标进行写作。
- 在讨论解决方案之前确认共同的定义。
- 针对可观察到的工作提供反馈,而不是评价个性。
- 知道何时寻求专业帮助。
韧性与可持续的自我管理
韧性不是无休止地忍耐,而是在经历困难后作出应对、恢复、学习并重新获得有益选择的能力。它部分取决于个人习惯,也部分取决于环境是否提供安全、时间、资源和支持。
- 在判断力恶化之前识别过度负荷。
- 将恢复视为表现的一部分并加以保护。
- 不要把一次挫折等同于永久性的结论。
- 建立多个实际支持和社会支持的来源。
伦理判断与公民意识
强大的工具让“应该做什么”比“能够做什么”更为重要。伦理判断需要思考谁能受益、谁承担风险、需要谁的同意、哪些权利或义务适用,以及如果决策过程公开,这项决策是否仍然站得住脚。
规则是必要的,但新情况往往会在明确规则出现之前到来。养成在高影响决策前暂停、征求受影响者的观点并记录假设的习惯。缺乏责任感的效率,同样可能扩大危害和收益。
建立一个学习系统,而不是堆积一批未完成的课程
当学习与目标相连、从记忆中回想、在真实条件下应用,并通过反馈得到修正时,它才能持久。
从有意义的目标开始
“学习数据科学”或“提升沟通能力”都过于宽泛,无法指导练习。先从你想要展示的一项能力开始:分析一个月的销售数据,并解释三个有用的决策、用另一种语言进行十分钟的对话,或撰写一份项目简报,让同事无需开会也能执行。
当三件事清晰可见时,动力更容易维持:目标——这项技能为何重要;自主性——你可以选择哪条路径;以及进步——哪些事情已经成为可能,而过去还做不到。外部奖励和截止日期会有所帮助,但最好将它们与个人真正有意义的方向结合起来,而不是让它们取而代之。
-
定义表现
描述你希望能够做什么、为谁做、在什么条件下完成,以及达到什么标准。具体的成果会为学习指明方向。
-
找到先备知识链条
从最终表现反向推导。确定它所依赖的概念、程序、判断和词汇。先学习最薄弱的先备知识。
-
交替输入与努力
阅读或观看到足以开始的程度,然后合上资料,凭记忆提取、解释、解决问题或创作。需要付出努力的回忆会揭示被被动复习掩盖的不足。
-
在小型真实项目中应用这项技能
现实会带来模糊性、权衡和不完整的信息。项目能将孤立的知识转化为可用能力,并产生可以展示的证据。
-
寻求具体反馈
思考工作会在哪个环节出问题、哪个假设不够稳健,以及哪一项改变最能改进下一次尝试。笼统的鼓励让人感觉良好;具体的反馈才能改变表现。
-
复习、迁移并讲授
用自己的话解释这个观点,在不同情境中应用它,并记录自己会做出哪些不同的做法。迁移能力是检验学习是否变得灵活的标准。
使用能让记忆发挥作用的学习方法
| 方法 | 含义 | 简单练习 | 常见错误 |
|---|---|---|---|
| 提取练习 | 不看答案,努力回想信息。 | 课后凭记忆写下五个最重要的观点,然后检查答案。 | 反复重读,直到页面看起来很熟悉,并将熟悉感误认为掌握。 |
| 间隔练习 | 随着时间推回复习材料,而不是把所有练习集中在一次学习中。 | 在一天后、几天后以及之后几周再次复习一个概念,并根据难度调整间隔。 | 临时抱佛脚,短暂完成任务后便假定知识会一直保留。 |
| 交错练习 | 混合练习相关的问题类型,迫使自己判断应采用哪种方法。 | 以不断变化的顺序练习几种计算、诊断或例题。 | 如此快速地混合不相关的主题,以至于没有任何一个主题得到足够关注,无法打下基础。 |
| 精细加工 | 将新知识与原因、例子、对比和已有理解联系起来。 | 问“为什么?”“如何做到?”“什么时候会失败?”以及“相反的情况是什么?” | 添加装饰性细节,只增加篇幅,却没有加深解释。 |
| 反馈 | 将表现与标准进行比较,并利用差距指导下一次尝试。 | 一次只针对一个维度征求意见,修改后再检查是否有所改进。 | 收集反馈,却没有计划进行第二次尝试。 |
选择适合这项技能的形式
没有一种学习形式在任何情况下都最好。短课适合复习和学习狭窄概念,但仅靠碎片化学习很少能培养复杂的判断力。社会化学习可以暴露假设并提供反馈,但群体并不能保证准确性。当空间、程序性或高风险练习难以开展时,模拟和沉浸式工具很有价值;不过,它们必须模拟真实环境中重要的决策。
学习一个小概念,在没有帮助的情况下检索它,将其应用于实际问题,获得或生成反馈,并安排下一次复习。这个循环比平台更重要。
使用人工智能提升练习质量,而不是逃避思考
人工智能助手可以以惊人的速度进行解释、提问、模拟、翻译、比较和批评。这使它成为强大的学习伙伴,但前提是学习者仍然要对事实、判断和最终表现负责。
请求引导式难度
一次提出一个问题,在给出答案前提供提示,并逐步增加复杂度。这样既能让我获得即时支持,又能让我持续进行认知活动。
练习判断
要求提供包含不完整或相互矛盾信息的真实案例。先作出判断,然后将你的推理与其他解释进行比较。
暴露薄弱理解
自己解释一个概念,并请系统找出其中的空白、含糊的表述和遗漏的步骤。在接受批评之前,先核实它。
生成检索练习
把你自己核实过的材料转化为问题、闪卡或综合题。不看材料作答,纠正错误,稍后重新复习困难的题目。
防止虚假掌握
人工智能可能让学习者在能够独立完成任务之前,看起来已经很有成效。精致的摘要、计划或代码并不能证明你理解了它。使用人工智能后,移除辅助并测试自己:重构推理过程,解释其中的权衡,完成一个新的例子,或找出并修复一个故意设置的错误。
核实
对于重要影响的主张,将信息追溯至原始文件、原始研究、官方标准或具备资质的专家。
保护
除非你了解该服务的数据控制措施,并且有权分享,否则不要输入机密、个人或受监管的信息。
保留
当你可能需要在没有工具的情况下工作、发现工具的错误,或对结果负责时,继续练习底层技能。
韧性是带着学习的复原,而不是默默忍耐
变化会消耗注意力。当不确定性持续存在时,即使能力出众的人也可能难以规划、记忆和决策。因此,可持续的适应力还包括恢复能力,而不只是要求付出更多努力。
韧性有时被描述为一种人格特质:据说有些人“天生具备”,而另一些人没有。实际上,人们应对逆境的方式取决于许多因素——健康状况、睡眠、物质保障、过往经历、人际关系、工作量、掌控感,以及事件本身的性质。技能可以增强韧性,但不应被用来为有害环境开脱,或把所有负担都推给个人。
恢复基本状态
在情况允许的范围内,保障睡眠、饮食、运动、医疗需求,以及一段不接收外界要求的时间。这些不是完成工作后的奖励,而是支持你完成工作的基础。
区分事实与预测
写下已知的事情、不确定的事情,以及你当前正在想象的事情。这样可以防止某一种可能的结果在你心中悄然变成唯一的结果。
找到下一步可控行动
选择一个小到足以完成的行动:打一个电话,更新一个页面,练习十五分钟,或向一个人询问具体信息。
建立支持组合
不同需求需要不同的人来支持:情感关怀、技术建议、坦诚反馈、实际帮助和专业知识不必都来自同一段关系。
以可承受的程度练习面对不确定性
小规模、可逆的尝试能积累经验,而不必把每个决定都变成一次飞跃。可以在低风险任务中尝试新工具,参与短期项目,向他人学习,发布一个小样本,或进行一次信息访谈。目的不是消除不适,而是学会通过准备、设定边界和保留退路来面对不确定性。
如果压力、疲惫或痛苦持续存在、程度严重,或影响日常生活,合格的健康专业人士可以帮助评估正在发生的情况。学习计划应根据健康和安全需求进行调整,而不是与之竞争。
构建可迁移的技能组合
有韧性的职业生涯由能跨情境迁移的能力、使你脱颖而出的专业价值,以及证明你能够胜任工作的可见证据共同支撑。
思考并沟通
写作、定量思维、研究能力、数字卫生、信息评估和清晰解释能力,能让专业化学习更容易、更安全。
了解一个领域
深厚的知识能为评估工具、发现异常情况和理解后果提供背景,这是通才可能忽略的。
连接相邻技能
一项有用的相邻能力——分析、销售、设计、自动化、教学或运营——可以让你的核心专长更具适用性。
展示已完成的工作
一份案例研究、一个原型、一项改进后的流程、一个可量化的成果或一段经过深思熟虑的说明,往往比课程清单更能展现能力。
通过贡献建立知名度
可靠的合作能够带来任何课程目录都无法提供的背景信息、反馈和机会。
保留不止一条前进路径
记录可迁移的成就,了解相近的职位,并保留一笔适度的学习储备,这样一条路径关闭时,旅程不会就此结束。
用证据而不是证书积累来证明自己
当某个职业受到监管、雇主将资质作为筛选要求,或项目提供高质量的教学与机会时,证书可能很重要。但徽章并不自动等于技能,技能也不一定能被看见。将正规学习与一项成果结合起来:一个已解决的问题、一项有记录的决策、一次展示、受监督的实践,或一份符合该领域标准的作品集内容。
在报名参加另一个长期项目之前,先问自己:“下个月我能完成什么,从而证明我喜欢这项工作,并且能够在这方面不断进步?”答案可能节省时间、揭示基础能力的不足,或确认深入学习确实值得。
适应性也属于组织、社区和政策
人们不可能持续围绕糟糕的系统重新培训自己。真正的学习文化会在危机迫使改变之前,就提供时间、信息、流动机会和支持。
学习型组织的不同做法
保障学习时间
学习会被纳入日程,并与实际工作相连,而不是在繁重的工作量之上被隐形叠加。
让提问变得安全
人们可以报告错误、不确定性和早期预警信号,而不会因提供有用信息而受到惩罚。
共享知识
决策、流程、经验和责任归属都会被记录下来,因此不会因某个人离开而让专业知识消失。
建立内部发展路径
员工可以通过跟岗学习、轮岗、导师指导、学徒制和逐步转向变化中的工作来发展,而不是等变化发生后才措手不及。
评估成果
培训应根据绩效、安全和机会的改善来评估,而不应只看出勤或是否完成课程。
公平分配机会
兼职工作者、年长工作者、残障人士和从事低薪工作的人,都能获得切实可行的发展途径。
支持性学习生态系统的作用
图书馆、学校、大学、雇主、职业教育机构、社区团体和数字平台可以构建本地学习网络。有效的公共政策能够减少仅凭善意无法独自解决的障碍:费用、时间、交通、网络连接、照护责任、无障碍设计不足,以及不确定哪些项目真正能带来发展。
- 可转移的支持:在职业转型期间仍可使用的学习账户、补助金或带薪休假。
- 清晰的指导:关于本地需求、项目质量、先决条件和可能结果的可靠信息。
- 可被认可的学习成果:能够在不同机构之间被理解的证书,同时保留严格的评估标准。
- 通往工作的桥梁:学徒制、监督下的实践、职业回归计划,以及与真实组织合作的项目。
- 安全底线:提供转型支持,让人们拥有足够的稳定性来学习,而不是被迫做出绝望的短期选择。
一个社会变得更具适应力,并不是因为每个人都被独自留下、去追逐不断变化的要求,而是因为人们能够更新自己的能力,同时不必牺牲健康、尊严或参与社会的权利。
灵活的90天适应力冲刺计划
九十天足以产生有意义的证据,也足够短,便于诚实地复盘。根据你的实际情况调整工作量;在可持续的水平上保持一致,比制定一个无法坚持的高强度计划更有用。
| 阶段 | 重点 | 行动 | 要保留的证据 |
|---|---|---|---|
| 第1—14天 | 方向与基线 | 选择一项可展示的能力。研究三个真实案例。在训练前先尝试一项小任务,以便了解起点。 | 一次基线尝试、技能图谱,以及对成功的书面定义。 |
| 第15—35天 | 基础 | 学习关键概念和词汇。使用检索练习和间隔复习。完成带有解答或反馈的简短练习。 | 订正后的练习、检索笔记,以及一份重复性错误清单。 |
| 第36—63天 | 应用项目 | 为真实的用户或情境构建一些小成果。让决策、来源和局限保持透明。 | 一份可运行的草稿、项目日志,以及你能够解释的决策。 |
| 第64—77天 | 反馈与修订 | 请一位有经验的人、用户或可靠的评估者提出具体批评。修改项目并再次测试。 | 前后版本,以及一份简短的变化说明。 |
| 第78—90天 | 迁移与下一步决策 | 在没有分步协助的情况下,将技能应用于一个全新的案例。决定是深化、结合、暂停,还是调整学习路径。 | 第二次表现、最终反思,以及接下来30天的选择。 |
每周五分钟复盘
我现在能做什么?
说出一项已经变得更容易、更快、更安全或更独立的具体行动。
我仍然在哪些方面失败?
找出最小的重复性错误或缺失的先决条件——这不是对你价值的评判。
下周应该改变什么?
根据证据调整难度、方法、安排、来源或反馈渠道。
通过实际练习发现某个领域、方法或机会并不适合自己,是有用的信息。目标是做出更好的判断并提升能力,而不是服从一个在知识更少时制定的计划。
常见误区与实用问题
适应性常常被包装成口号。明确这些区别,会让它更人性化,也更有用。
适应性是与生俱来的性格特质吗?
气质和既往经验会影响人们感受变化的方式,但适应性行为可以得到强化。学习策略、领域知识、支持性关系、反复进行的低风险实验,以及恢复能力,都会扩大一个人可采取的应对方式范围。
终身学习是否意味着永远获得更多学位?
不是。正式资历在某些领域不可或缺,在许多其他领域也很有价值,但终身学习还包括在指导下练习、阅读、短期课程、导师指导、社群学习、实验和项目。应根据技能以及所在领域要求的证据来选择形式。
我是否应该学习每一种热门的AI工具?
不是。学习与你的目标相关的概念和工作流程,然后选择少量你能够充分评估的工具。具体工具的知识很有用,但对任务的理解、质量检查以及敏感信息保护具有更长久的价值。
AI能取代教师、导师或刻意练习吗?
AI可以扩大人们获取解释和练习的机会,但它无法取代人的判断、关怀、责任、生活背景或经过验证的专业知识。它还可能如此流畅地完成工作,以至于学习者高估自己的能力。最有效的使用方式是让学习者保持主动,并在需要人类经验的地方引入他人。
年长者是否无法学习不熟悉的技术?
不是。学习贯穿整个成年阶段都是可能的,尽管学习速度、既往经验、健康状况、界面设计和教学质量都会影响过程。清晰的相关性、易于理解的指导、足够的练习,以及不必担心尴尬,往往比关于年龄的刻板印象更重要。
韧性是否意味着始终保持冷静和高效?
不是。压力、悲伤、不确定性和疲惫都是人的正常反应,并不自动意味着失败。韧性包括认识到自己的界限、寻求帮助、改变不安全的处境、恢复状态,并带着更多信息或不同的计划重新出发。
未来充满不确定时,我该如何选择一项技能?
寻找耐用的基础、真实的需求、你已有的优势、可获得的机会,以及你认为有意义的工作之间的交集。然后先开展一个小项目,再做出重大承诺。你不需要确定性;你需要的是一个合理的下一步实验,以及一个复盘节点。
目标不是让自己对未来无懈可击
没有人能够对动荡免疫,也没有任何技能清单可以保证某种特定的未来。更现实的目标是成为面向未来的人:能够在新信息不断出现时学习、判断、合作、恢复并调整方向。
这种能力通过日常而持续、用心重复的循环不断成长。选择一件值得做的事。学习足够的内容,开始尝试。回忆并运用你所知道的知识。主动寻求纠正。能力耗尽时休息。记录发生了哪些变化。然后决定下一阶段值得投入注意力的事情。
以这种方式来看,终身学习并不是一场永无止境、与过时抗争的竞赛。它是一种让自己持续成为生活积极参与者的方式,也能帮助家庭、组织和社区以更多智慧、尊严和选择应对变化。
哪一项能力能让你更有用、更独立,或更有能力照料重要的人和事?在接下来的七天里,你可以创造哪一小份证据来证明它?
本文仅供一般教育用途,不能替代个性化的医疗、心理、法律、财务或职业建议。
证据视角与延伸阅读
本文避免将预测视为确定事实。这些来源为不断变化的技能需求、成人学习体系和有充分证据支持的学习方法提供了有用依据。
-
世界经济论坛——《2025年未来就业报告》
一项关于劳动力市场变化以及组织预计需要哪些技能的国际雇主调查。 -
经合组织——《经合组织技能展望2025》
跨国分析整个生命历程中的技能发展、适应性问题解决、获取机会和发展机遇。 -
经合组织——成人学习趋势
一项关于成人学习体系中的参与、实施和长期障碍的综述。 -
联合国教科文组织终身学习研究所——全球学习型城市网络
一套面向教育、工作场所、家庭和社区的包容性学习框架。 -
邓洛斯基及其同事——运用有效学习方法提升学生学习效果
一项比较常用学习方法的大型综述,包括测试练习和分散练习。