中山醫學大學附設醫院 外科部教學研究主任
中山醫學大學附設醫院 醫學教育部實證醫學中心主任
中山醫學大學醫學院 醫學系副主任
謝明諭
「學而時習之，不亦說乎？」──《論語》開篇第一句話，歷經兩千五百年傳誦，至今仍是華人教育哲學的根基。然而，「習」字在傳統詮釋中往往被窄化為「溫習」，忽略了其更豐富的實踐意涵。若從現代學習科學的角度重新審視，「習」更接近一個以實踐為核心的動態循環歷程──在情境中反覆進行「知識提取→判斷決策→輸出行動→接收回饋→認知重組」的完整循環。
在醫學教育中，「刷題」這一高頻率練習策略長期受到兩極化評價。在George E. Miller於1990年提出的米勒金字塔（Miller's pyramid）中，臨床能力被分為知道（knows）、知道怎麼做（knows how）、展示怎麼做（shows how）與實際做（does）四個層次。選擇題測驗通常被歸於最底層的「知道」，被視為僅能評量事實記憶的工具。然而，這一歸類可能嚴重低估了選擇題的學習價值──一道設計良好的臨床情境選擇題，實際上可同時觸發知識提取、鑑別診斷與臨床決策等多層次認知歷程。
本文嘗試整合五大學習理論，提出「習導向學習循環模型」（practice-driven learning loop, PLL），論證設計良好的反覆練習本質上是一種「高頻率微型問題導向學習」（high-frequency micro-PBL），並為題庫設計提供可操作的原則。
（一）圖式理論（schema theory）：知識架構的建立
圖式理論源於巴特雷特（Bartlett, 1932）對記憶重建的研究，後經皮亞傑（Piaget）與安德森（Anderson, 1977）發展至教育領域。圖式（schema）是個體用以組織與詮釋資訊的內隱認知架構（implicit cognitive structure），並非可具體繪製的「知識地圖」。概念圖（concept map, Novak & Gowin, 1984）可視為圖式外顯化的工具，但圖式本身涵蓋陳述性、程序性與條件性知識，遠比任何圖表豐富。齊等人（Chi et al., 1981）發現，專家以深層結構分類問題，新手則依表面特徵分類──此差異正反映圖式發展的程度。在刷題情境中，每道題目都迫使學習者將知識「放入」認知架構中，隨著練習累積，零碎知識逐漸被組織為連貫結構。
（二）提取練習（retrieval practice）：以輸出驅動學習
洛迪格與卡皮克（Roediger & Karpicke, 2006）的經典實驗證實，重複測驗組在延遲測驗中的保留率顯著超越重複閱讀組。卡皮克與洛迪格（Karpicke & Roediger, 2008）在《科學》（Science）期刊進一步證實，反覆提取練習對長期記憶的效果遠優於反覆學習。鄧洛斯基等人（Dunlosky et al., 2013）系統評估十種學習策略，將「練習測驗」列為僅有的兩種「高效用」策略之一。提取練習不僅強化已學過的材料，更具有「前瞻效應」──測驗先前學過的內容可增進後續新資訊的學習效果。因此，每一次作答不只是評量，更是學習的引擎。
（三）組塊化（chunking）：從碎片到模式的躍遷
認知心理學家米勒（George A. Miller, 1956）提出短期記憶容量約為七個「組塊」（chunks），組塊大小取決於先備知識。需注意此處的 George A. Miller（1920–2012）與前述提出米勒金字塔的 George E. Miller（1919–1998）為不同學者。喬斯與賽門（Chase & Simon, 1973）在國際象棋研究中發現，大師能將棋子組織為大型有意義的模式，新手則不能。在醫學教育中，初學者看到十道題目是十個獨立問題，有經驗者則看到「兩種病理機制加上三種變形」。刷題正是促進此種「碎片→模式→結構」認知躍遷的歷程。
（四）交錯學習（interleaving）：區辨力的鍛造
交錯學習是將不同類型問題混合排列練習，而非按類型集中。洛赫與泰勒（Rohrer & Taylor, 2007）發現，混合練習的學生在延遲測驗中顯著優於集中練習者。洛赫等人（Rohrer et al., 2014）的課堂實驗中，交錯練習組測驗成績為72%，集中練習組僅38%。交錯學習迫使學習者不僅學會「如何執行策略」，更要學會「何時該選擇哪種策略」。在臨床推理中，區辨腸套疊與腸炎、感染與免疫反應的「判斷力」，正是交錯練習所鍛造的核心能力。
（五）理想困難（desirable difficulties）：困難作為學習催化劑
柏喬克（Bjork, 1994）提出的「理想困難」，指那些暫時減緩學習速度、但增強長期記憶保持與遷移的條件，包括間隔練習、交錯排列、提取練習等。關鍵區分在於：學習時感覺流暢的條件往往只產生脆弱的知識，而感覺吃力的條件反而建立持久的理解。但困難必須在學習者能力範圍內才是「理想的」。刷題過程中常見的挫折感──答錯、卡住──恰恰是深度認知處理正在發生的訊號。
綜合上述五大理論，本文提出「習導向學習循環模型」（PLL），核心命題為：學習的本質不在於知識輸入，而在於情境中反覆完成「提取→輸出→回饋→重組」的認知循環。模型包含六個步驟：（1）情境觸發──題目或病例啟動循環；（2）知識提取──從長期記憶搜尋相關知識；（3）判斷與決策──在多個選項間區辨與選擇；（4）輸出──產出答案；（5）回饋──接收正誤資訊與解釋；（6）結構重組──認知架構進行同化、調適或重構。每完成一輪，學習者帶著更新的圖式進入下一循環，形成螺旋上升的學習歷程。
將PLL與問題導向學習（problem-based learning, PBL；Barrows, 1986）比較，兩者具有高度的結構同構性：PBL的案例呈現、假說生成、小組討論、方案執行、導師反饋、反思，直接對應PLL的六個步驟。差異僅在於尺度與頻率──PBL是低頻率、大規模的深度探索循環；刷題則是高頻率、小規模的快速迭代循環。兩者不是對立的教學法，而是同一認知歷程在不同尺度上的互補呈現。
基於PLL模型，本文提出五項設計原則：第一，題目之間應有結構性關聯，促進圖式建立；第二，刻意穿插易混淆概念，強化交錯學習的區辨效果；第三，回饋設計應超越對錯，包含解釋性資訊與錯誤類型分類，讓錯誤成為有價值的學習事件；第四，回饋應幫助學習者建立分類框架，加速組塊化進程；第五，題目難度應動態適配學習者程度，維持在「有挑戰但可達成」的最適挑戰點。
本文從《論語》「學而時習之」出發，整合圖式理論、提取練習、組塊化、交錯學習與理想困難等五大理論，提出了「習導向學習循環模型」。此模型揭示了刷題與PBL之間的深層同構性──兩者並非對立的教學範式，而是同一認知歷程在不同尺度上的互補呈現。這一理論重構的意義在於：它不僅為長期受到批評的反覆練習提供了學理上的辯護，更重要的是，它為「如何設計有效的練習」提供了可操作的指引。當題目具有結構性關聯、交錯排列、適當難度與解釋性回饋時，日常測驗就能轉化為深度學習的引擎。面對能力導向醫學教育的趨勢與人工智慧輔助學習的興起，如何設計能夠促進深度學習的練習系統，是值得醫學教育工作者持續探索的課題。
