更新于 2026年11月21日
主动学习 vs 被动学习:哪种形式更有效?
观看培训视频,有时会让人觉得自己在学习。内容清晰,讲解环环相扣,一切似乎都很合乎逻辑。
但有一个重要的问题:学员真的理解了刚刚看过的内容吗?
这正是被动观看的主要局限之一。只要学员不需要回答问题、解释概念,或运用刚学到的知识,他就可以一路学下去,却并不清楚自己究竟掌握了什么。
交互式学习改变了这一局面。学员不再只是接收内容:他会提问、回答、复述、出错、获得反馈并重新尝试。
本文将探讨,为什么这种差异对学员来说绝非细枝末节。
主动学习 vs 被动学习:区别何在?
假设有两位学员学习完全相同的课程。
第一位观看一段十五分钟的视频。讲师讲解一个概念,举一个例子,然后进入下一章。
第二位听到的是同样的讲解。但几分钟后,讲师向他提出一个问题,学员必须作答。如果答错,他会得到解释。如果没有理解某个概念,他可以中断课程,请求进一步说明。
在这两种情况下,传递的信息可能完全相同。
但要求学员付出的认知活动却并不相同。

正因如此,关于主动学习的研究才格外值得关注。
发表于《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)的一项元分析,比较了高等教育理科领域中讲授式教学与主动学习的225 项研究。采用主动学习方式的学生成绩更好,而在传统讲授式课程中,挂科风险明显更高。
这绝不意味着听讲解毫无用处。
它只是说明,当讲解配合能促使学员处理所听内容的活动时,效果会更加显著。
为什么看过课程不等于理解了课程
当我们听到流畅的讲解时,人脑往往会产生偏差,把两件事混为一谈:
“我听得懂老师正在讲什么”
和
“我能够独立回想并运用这些信息。”
这显然是两种不同的能力。
只要老师在讲解推理过程,学员就可能觉得自己完全跟上了。真正的困难出现在需要在没有任何帮助的情况下复现这一推理的时候。
这时,互动对记忆而言就变得至关重要。
像“你能用自己的话解释一下,为什么这条规则适用于这里吗?”这样的问题,会促使学员从记忆中提取信息并重新构建。
在认知科学中,这一机制被称为提取练习(retrieval practice)。Jeffrey Karpicke 和 Janell Blunt 的研究表明,主动提取信息比主要依靠反复接触内容的学习方式,能带来更持久的记忆。
换句话说,回答问题不仅仅是检验自己是否学会的方式,它还可能本身就是学习过程的一部分。
互动还有助于保持注意力
互动还有第二个作用:它会不断把学员拉回课程中。
视频的问题未必在于质量。即使是一段出色的视频,观看时的注意力也可能时高时低。
Karl Szpunar、Novall Khan 和 Daniel Schacter 开展的一项实验对此现象颇有启发,研究的正是观看在线课程期间的注意力。
研究人员在视频讲座中定期插入简短的测验。
在被定期提问的参与者中,走神的情况约占19%,而在没有定期测验的条件下则为39%至41%。研究人员还发现,有利于记忆和学习的行为更多,例如实验对象会做笔记。
这对数字化培训是一个重要启示:互动并不只是为了让课程更有趣。它可以具有认知功能。
当学员知道自己可能被提问、必须作答,而且回答会影响后续课程时,就更难让课程只是在后台播放。
提出自己的问题:传统视频做不到的事
不过,在视频中加入测验与真正的对话式体验之间,还存在更深层的差异。
在测验中,问题由设计者事先决定。
在对话中,学员可以提出自己的问题。
这一差异至关重要。
两名学生观看完全相同的讲解,卡住的地方却可能不同。
一个人可能不理解某个词。
另一个人可能理解了定义,却不理解例子。
第三个人可能想知道这个概念如何应用于不同的情境。
传统视频无法预见所有这些疑惑。
相反,老师可以回答学生的每一个疑问,直到疑惑消除。
对话式 AI 如今正好能让数字化培训部分重现这一教学闭环。
AI 虚拟形象让课程变成对话
因此,对话式 AI 虚拟形象并不只是给视频加上一张脸。
当它成为教学对话者,如同一位虚拟教师时,它的价值才会显现。
在 Complement 上,虚拟形象讲解课程,学员也可以向它提问,可以请它换种说法或补充解释。虚拟形象也可以反过来向学员提问、评估其回答并给出反馈。这样,学习体验可以根据学习过程中识别出的回答和需求进行调整。
这改变了数字化学习的体验。
例如,设想一位学员在 GDPR 培训中学习数据最小化原则。
在传统视频模块中,他听完定义,然后继续学习。
在对话式体验中,他可以立即提问:
“这是不是意味着,企业绝对不能收集以后可能用得上的数据?”
虚拟形象作出回答。
几分钟后,它可以互换角色:
“某企业仅为验证用户是否年满 18 岁,就要求提供完整的出生日期。这符合最小化原则吗?请解释原因。”
这时学员必须思考。
然后 AI 可以针对他的回答作出回应。
这不再是单纯被动接受的培训,学员真正参与其中。

这一闭环,而不是屏幕上出现一个虚拟形象,才是该方案的教学价值所在。
解释也促使学员梳理自己的理解
当学员需要解释自己的推理时,互动可以走得更远。
认知科学中关于自我解释效应(self-explanation effect)的研究表明,促使学员自己做出解释,有助于更深入地理解所学内容。
这一点很重要。
因此,好的教学互动不会只问:
“选 A、B 还是 C?”
它还可以问:
“你为什么选这个答案?”
或者:
“请用你自己的话解释这个概念。”
学员不再只是被考察能否认出正确选项,而是必须把自己所知的内容组织得足够清楚,才能表达出来。
这再一次比普通的单向学习更接近与老师一对一交流时的情形。
78.8% 的学生更喜欢对话式体验

这种差异也体现在学员的偏好中。
在与 IÉSEG 开展的一项试验中,78.8% 的受访学生表示,相比非对话式形式,更喜欢对话式体验。 *
学校公布的定性反馈也印证了这一点:学生尤其欣赏虚拟形象的互动性、可以请求进一步解释,以及体验更具人情味。
因此,他们追求的未必是更多内容,而是能够对内容采取行动。
目标不是增加互动的数量
并非所有互动都会自动提升学习效果。
过于频繁的测验可能令人厌烦,而过于简单的问题对学员几乎没有挑战。因此,关键不在于尽可能多地添加互动,而在于把互动放在合适的时机。
真正的问题是:
“学员应该在什么时候停止听讲,开始思考?”
高效的体验会交替进行讲解、提问、回答和反馈,从而接近自然的教学情境:老师讲解,并定期确认学生是否理解。
关于 AI 虚拟形象的初步研究也指向这一方向。2026 年发表的一项针对 48 名学生的实验研究发现,使用交互式 AI 虚拟形象的学生,其知识得分高于在互联网上自主学习的学生。不过,作者呼吁继续开展研究。
因此,让人学会的并非 AI 本身,而是它融入教学的方式。
从“观看的内容”到“用来学习的内容”
视频仍然是一种出色的讲解方式,但它有一个局限:它不知道屏幕前的人是否真的理解了。
对话式学习补上了这个缺失的闭环。
学员卡住时可以提问,可以请求换一种说法,也可以被反过来提问,并立即获得反馈。
这样一来,数字化学习就不再只是呈现一门课程。
它开始对学员作出反应。
这正是 AI 虚拟形象的价值所在:不是取代老师,而是延伸那些让老师的指导如此宝贵的互动。
如需进一步了解:立即开始 Complement 为期 7 天的免费试用,着手创建由对话式 AI 虚拟形象主讲的首批课程模块。
