为变革做准备:拥抱未来技能与终身学习
Linas Juozėnas分享
未来技能 · 适应力 · 终身学习
为变化做好准备:如何在充满不确定性的世界中持续学习
面向未来并不是预测每一种新工具、新工作或新冲击的能力,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。
- 有意识地学习
- 独立思考
- 批判性地使用AI
- 通过实践积累证据
未来无法按技能逐一预测
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”这么简单。
工作是由一组组任务构成的。新工具可能自动化一项任务、加速另一项任务,并让第三项任务更具价值。设计师可能减少制作粗略变体的时间,转而投入更多时间来界定问题、判断质量,并理解将使用成果的人。技术人员可能依赖更好的诊断工具,同时对安全、解读和沟通承担更多责任。因此,有用的问题不只是:“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准备:先学习,然后在一个基本稳定的知识储备中工作。更现实的模式是把学习视为工作和生活的一部分。基础能力仍然重要——读写能力、计算能力、科学推理、沟通能力和领域知识——但必须随着环境变化不断重新审视、建立联系并加以应用。
试图追踪每个平台、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、可靠证据和真实机会来筛选变化。
工具与工作流程
界面、软件功能、流程和流行方法可能很快过时。当它们确实有实际用途时就去学习,但不要把自己的全部身份建立在某个工具之上。
领域与系统
职业、法规、组织和市场会在许多相互作用的力量推动下不断演变。理解这一系统,有助于你看清单个公告之外的整体变化。
人的基础能力
清晰思考、正确判断、好奇心、合作、自我导向和学习能力,在不同工具、角色和人生阶段中依然有用。
预测仍然有帮助。雇主调查、劳动力市场数据以及你所在领域的发展,可以揭示值得提前准备的趋势。但预测是可能性的地图,而不是针对个人的行动指令。将它们与本地需求、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
没有任何单一的“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关联的认知、实践、社交和情绪能力。
这是一个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、理解在哪些地方出现缺口、哪种练习能带来进步,以及何时需要反馈。自我调节则通过规划、监测和调整,将这种认识转化为行动。
- 明确成功表现的标准。
- 将宽泛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。
- 复盘方法,而不仅是结果。
分析性与系统性思维
分析性思维会把问题拆分成各个部分;系统性思维则将这些部分重新联系起来,并探究它们如何随着时间相互影响。两者结合起来,有助于你发现原因、激励因素、延迟、反馈回路和意料之外的影响。
- 问问自己,什么证据会改变你的看法。
- 区分原因、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,而不仅是眼前的收益。
创造性问题框架
创造力并不局限于艺术工作。它还包括发现问题的框架过于狭窄、融合不同领域的想法,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。
- 从另一个人的视角重新表述问题。
- 在投入大量资源之前,先以低成本制作原型。
- 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
数字素养是选择、使用和评估工具的能力,而不仅仅是操作工具。对于人工智能而言,这包括理解:即使回答流畅,也可能不完整、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、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表现提供反馈,而不是针对个性。
- 知道何时寻求专业帮助。
韧性与可持续的自我管理
韧性不是无止境地忍耐,而是在困难之后作出回应、恢复状态、吸取教训并重新获得有益选择的能力。它部分取决于个人习惯,也取决于环境是否提供安全、时间、资源和支持。
- 在判断力下降之前识别过度负荷。
- 将恢复精力视为表现的一部分加以保护。
- 将一次挫折与永久性的结论区分开来。
- 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
强大的工具让人更需要决定应该做什么,而不仅仅是能够做什么。伦理判断要问:谁从中受益,谁承担风险,需要谁的同意,适用哪些权利或义务,以及如果决策过程公开,这项决定是否仍然经得起辩护。
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、听取受影响者观点并记录假设的习惯。缺乏责任的效率同样可能扩大伤害和益处。
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、通过记忆回想、在真实条件下应用,并通过反馈得到纠正时,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”范围太广,无法指导练习。先从你想要展示的一项能力入手: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,让同事无需开会即可执行。
当三件事清晰可见时,动力更容易维持:目的——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,但当它们服务于个人有意义的方向,而不是取而代之时,效果最佳。
-
定义表现
描述你希望能够做什么、为谁做、在什么条件下做,以及要达到什么标准。具体的成果能为学习指明方向。
-
找出先备知识链
从最终表现倒推。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。
-
交替进行输入与练习
阅读或观看到足以开始的程度,然后合上资料,回忆、解释、解决问题或创作。需要付出努力的回忆能揭示被动复习可能掩盖的不足。
-
在一个小型真实项目中应用技能
现实会带来歧义、权衡和不完整的信息。项目能将孤立的知识转化为可用的能力,并提供可展示的证据。
-
寻求具体反馈
询问工作在哪些地方会出问题、哪个假设不够稳妥,以及哪一项改变最能改善下一次尝试。笼统的鼓励让人感觉良好;具体的反馈才能改变表现。
-
复习、迁移并教学
用自己的话解释这个想法,将其应用到不同情境中,并记录自己会做出哪些不同的做法。迁移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 |
|---|---|---|---|
| 检索练习 | 不看答案,努力回想信息。 | 课程结束后,凭记忆写下五个最重要的观点,然后进行核对。 | 反复阅读,直到页面让人感到熟悉,并把熟悉误认为掌握。 |
| 间隔练习 | 随着时间反复接触材料,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重新学习一个概念,并根据难度调整间隔。 | 临时抱佛脚,短暂发挥后便以为知识会一直保留。 |
| 交错练习 | 混合相关的问题类型,迫使自己判断应采用哪种方法。 | 练习多种计算、诊断或示例,并不断改变顺序。 | 过快地混合无关主题,以至于没有任何主题得到足够关注,无法打下基础。 |
| 精加工 | 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?”“什么时候会失效?”以及“什么是相反的案例?” | 添加装饰性细节,只增加篇幅,却没有深化解释。 |
| 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。 |
选择适合该技能的形式
没有一种学习形式在任何情况下都是最佳选择。短课适合复习和学习狭窄的概念,但仅靠碎片化学习很少能培养复杂的判断力。社交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;但它们必须模拟现实环境中真正重要的决策。
学习一个小概念,在没有帮助的情况下回忆它,将其应用于真实问题,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。
利用人工智能提高练习质量,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,但前提是学习者仍要对事实、判断和最终表现负责。
要求循序渐进的难度
一次只提一个问题,在给出答案前提供提示,并逐步增加复杂度。这能让你在获得即时支持的同时,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可能的解释进行比较。
暴露薄弱理解
亲自解释一个概念,并请系统找出其中的理解漏洞、模糊表述和缺失步骤。接受批评之前先核实。
生成检索练习
将你自己核实过的材料转化为问题、抽认卡或综合题。不看材料回答,纠正错误,之后再次复习较难的题目。
防止虚假掌握
在学习者还不能独立完成任务之前,人工智能可能让其看起来效率很高。一份经过润色的摘要、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:重建推理过程,解释其中的权衡,完成一个全新的例子,或找出并修复一个故意设置的错误。
核实
对于影响重大的主张,应将信息追溯至原始文件、原始研究、官方标准或合格的专业人士。
保护
除非你了解该服务的数据控制措施,并有权分享相关信息,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,或对结果承担责任时,继续练习底层技能。
韧性是从失败中恢复并汲取经验,而不是默默忍耐
改变会消耗注意力。当不确定性持续存在时,即使有能力的人也可能难以规划、记忆和决策。因此,可持续的适应能力还包括恢复自身的能力,而不只是要求自己付出更多努力。
人们有时会把韧性描述成一种人格特质:据说有些人“具备韧性”,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,以及不受外界要求打扰的时段。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
写下已知的事实、不确定之处以及你当前的设想。这能防止某种可能的结果在你心中悄然变成唯一的结果。
找到下一步可控的行动
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
不同的需求需要不同的人来满足:情绪关怀、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。
以可控的程度练习面对不确定性
小规模、可逆的实验能积累经验,而不必让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,跟随他人学习,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、设定边界并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,合格的医疗专业人士可以帮助评估具体情况。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,需要有能跨情境迁移的能力、能让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。
思考与沟通
写作、定量思维、研究能力、数字卫生、信息评估和清晰阐释能力,会让专业学习更容易、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
一种有用的相邻能力——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、原型、改进后的流程、经过衡量的成果或经过认真思考的说明,往往比课程清单更能展现能力。
通过贡献建立知名度
可靠的合作关系能够带来背景信息、反馈和机会,而这些是任何课程目录都无法提供的。
保留不止一条前进路径
记录可迁移的成就,了解相近岗位,并保留适度的学习储备,这样一条道路关闭时,旅程也不会就此终止。
用证据而不是证书积累来证明能力
当某个职业受到监管、雇主将证书作为筛选要求,或项目提供高质量教学和发展机会时,证书可能很重要。但徽章并不自动等于技能,技能也不会自动显现。将正式学习与一项成果结合起来:解决的问题、记录在案的决策、演示、在监督下完成的实践,或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,先问问自己:“下个月我能完成什么,从而判断自己是否喜欢这项工作,以及能否在这方面有所提高?”答案或许能节省时间、揭示基础能力的缺口,或确认深入学习确实值得。
适应能力也属于组织、社区和政策
人们不可能持续通过再培训来弥补糟糕的系统。真正的学习文化会在危机迫使变革之前,就提供时间、信息、流动机会和支持。
学习型组织有哪些不同之处
保障学习时间
学习会被纳入日程,并与实际工作相结合,而不是在满负荷工作之上被无形地额外叠加。
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受到惩罚。
共享知识
决策、流程、经验教训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、导师指导和学徒制,逐步转向不断变化的工作,而不是等变化发生后才措手不及。
评估成果
培训成效应根据绩效、安全性和机会的改善来评估,而不仅仅看出勤或是否完成课程。
公平分配机会
兼职工作者、年长劳动者、残障人士和低薪岗位从业者都能获得切实可行的发展途径。
支持性学习生态系统能提供什么
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组成一个本地学习网络。有效的公共政策能够减少仅靠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能真正带来发展。
- 可携带的支持:学习账户、补助金或带薪假期,在职业转型期间仍可使用。
- 清晰的指导:提供关于当地需求、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:制定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、重返职场项目,以及与真实组织合作的项目。
- 安全底线:提供过渡支持,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置于孤立状态、各自追逐不断变化的要求,而是因为人们能够更新自身能力,同时不必牺牲健康、尊严或参与社会的机会。
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,可以诚实地进行复盘。根据自身情况调整工作量;以可持续的水平保持一致,比制定一个无法坚持的高强度计划更有用。
| 阶段 | 重点 | 行动 | 应保留的证据 |
|---|---|---|---|
| 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。在训练前尝试完成一项小任务,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 | 基础知识 | 学习关键概念和词汇。运用主动回忆和间隔复习。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个小型成果。记录决策、来源和局限性,并保持透明。 | 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 | 请一位知识丰富的人、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,以及对发生了什么变化的简短说明。 |
| 第78–90天 | 迁移与下一步决策 | 在没有分步指导的情况下,将技能应用于一个新的案例。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。 |
每周五分钟回顾
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。
我仍然在哪些方面做得不好?
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、时间安排、来源或反馈渠道。
通过真实实践发现某个领域、方法或机会并不适合自己,是有用的信息。目标是形成更好的判断并提升能力,而不是服从一个在掌握较少信息时制定的计划。
常见误区与实用问题
适应性常常被包装成口号。这些区分能让它更具人性,也更实用。
适应性是否是一种与生俱来的性格特质?
性情和过往经验会影响一个人感受变化的方式,但适应性行为是可以增强的。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不断地获得更多学位?
不是。正式学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。根据技能以及所在领域要求的证明方式,选择合适的学习形式。
我是否应该学习每一种热门的人工智能工具?
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。特定工具的知识固然有用,但对任务的理解、质量检查和敏感信息保护更具长远价值。
人工智能能否取代教师、导师或有意识的练习?
人工智能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、亲身经历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。最有效的用法是让学习者保持主动,并在需要人类经验的地方引入他人。
成年人是否无法学习不熟悉的技术?
不是。整个成年阶段都可能继续学习,尽管学习速度、过往经验、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、充足的练习机会,以及不必担心尴尬的环境,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、不确定感和疲惫是人的正常反应,并不自动意味着失败。韧性包括认识到自身局限、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。
未来充满不确定性时,我该如何选择一项技能?
在持久的基础、真实的需求、你现有的优势、可获得的机会,以及你认为有意义的工作之间寻找交集。然后先开展一个小项目,再做出重大承诺。你不需要确定无疑;你需要的是一个合理的下一步实验,以及一个复盘节点。
目标不是让自己无惧未来变化
没有人能够对颠覆免疫,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:能够在新信息到来时学习、判断、合作、恢复并调整方向。
这种能力通过日复一日、用心重复的平凡循环不断成长。选择一件值得做的事。学到足以尝试的程度。提取并运用你所知道的知识。主动接受纠正。当能力耗尽时休息。记录发生了什么变化。然后决定下一阶段的注意力应当放在什么事情上。
以这种方式进行终身学习,并不是一场永无止境的抗淘汰竞赛,而是一种让自己持续积极参与自身生活的方式,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,你可以创造哪一小段证据来证明这一点?
本文仅用于一般教育目的,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、成人学习体系以及有充分证据支持的学习方法提供了有益依据。
-
世界经济论坛——《2025年未来就业报告》
一项针对国际雇主的调查,探讨劳动力市场变化以及各组织预计需要的技能。 -
经合组织——《经合组织技能展望2025》
跨国分析技能发展、适应性问题解决能力、获取机会以及整个生命历程中的发展机会。 -
经合组织——成人学习趋势
一篇关于成人学习体系中的参与、实施方式和长期障碍的综述。 -
联合国教科文组织终身学习研究所——全球学习型城市网络
一套涵盖教育、工作场所、家庭和社区的包容性学习框架。 -
Dunlosky及其同事——运用有效学习方法改善学生学习
一篇比较常用学习方法的主要综述,包括练习测试和分散练习。