问题解决
问题解决(problem solving)指主体从某个初始状态出发,经过一系列有目标的认知操作,克服障碍、逐步逼近并最终达到目标状态的思维过程。它既包括解一道数学题、修一台故障机器这样明确的任务,也包括如何与难缠的同事相处、如何在有限预算内安排行程这类模糊的处境。问题解决研究关心的是:人如何理解问题的结构,如何选择策略,又是什么使人卡住或豁然开朗。作为认知心理学的核心议题之一,它把记忆、概念形成、推理与创造力串联起来,也是教育、管理与人工智能共同关注的实践领域。
问题的结构与类型
认知心理学通常把一个问题的构成拆成几个成分:初始状态,即起点所处的状况;目标状态,即希望达到的结果;操作或算子,即允许采取的步骤;以及限制条件,即哪些做法不被允许。按照这一框架,解题就是在一个由状态与操作构成的网络里寻找一条从起点通向目标的路径。路径是否清晰、状态是否容易表征,直接决定了问题的难度。
依据条件的不同,问题可分为若干类型。定义良好的问题,起点、目标与操作都被明确规定,如棋局与几何证明;定义不良的问题,则连目标本身都含糊,如“怎样让公司更有创新力”。还有一类被称为顿悟问题,看似无从下手,一旦换一种表征便迎刃而解,其关键在于打破惯常的思路而非逐步推导。这种分类的意义在于提醒研究者,不同问题的解决机制未必相同,用解谜题的结论去解释现实中的复杂决策,往往并不可靠。
顿悟、定势与功能固着
早期对问题解决的研究多来自格式塔学派。苛勒在20世纪10年代对黑猩猩的观察发现,动物在够不到食物时会先摆弄箱子、拼接竹竿,经过一段看似停顿的时期后突然完成动作,他据此提出顿悟说,认为解决问题不是试错的累积,而是对情境整体关系的突然把握。这一观点强调了重组知觉结构的作用,也启发了后来对“啊哈”体验的研究。
与顿悟相对的是思维的僵化。邓克尔在20世纪40年代设计的蜡烛问题要求被试把蜡烛固定在墙上并点燃,可用材料只有图钉与火柴盒,多数人想不到把装图钉的盒子当作烛台,这种被物体的常规用途束缚的现象被称为功能固着。陆钦斯的量水问题则展示了另一种僵化:被试学会了一套固定的解题步骤后,遇到可以用更简单方法解决的问题仍照搬旧法,这种现象称为定势或思维惯性。二者共同说明,过去成功的经验既是资源,也可能成为障碍。[1]
信息加工的解释
20世纪后半期,纽厄尔与西蒙把问题解决纳入信息加工的框架,提出“问题空间”这一核心概念。问题空间由解题者所理解的全部可能状态以及可用的操作构成,解题就是在这一空间里搜索通路。他们据此编写的计算机程序能够模拟人解逻辑题、下棋的过程,这一尝试把“思维”变成了可以用状态、规则与搜索来描述的对象。
在这一框架下,策略被分为两大类。算法是保证能求得答案的穷举式程序,只要按部就班执行就必定成功,但代价是耗时耗力;启发式则是凭借经验采取的捷径,不保证成功却能大幅节省资源。常见的问题解决启发式包括手段—目的分析,即不断比较当前状态与目标、设法缩小两者的差距;逆向搜索,即从目标倒推回起点;以及爬山法,即每一步都选择看起来更接近目标的方向,但容易卡在局部最优而错过全局最优。人面对复杂问题时,几乎总是依赖启发式而非算法,这既是效率的来源,也是系统性偏差的来源。[2]
影响因素
知识的组织方式是最重要的变量之一。专家与新手面对同一问题时的差别,往往不在智力而在知识的表征:专家把知识组织成围绕核心原理的层级结构,能迅速识别问题的类型并调用相应图式;新手则依赖表面特征,容易被无关细节带偏。这也解释了为什么迁移如此困难,学生学会了某道题的解法,换一个情境便无从下手,因为他们记住的是具体步骤而非背后的原理。
问题的表征方式同样关键。同一个问题换一种呈现,难度可以天差地别,把抽象数字放进具体情境、或画出示意图,常常能让人挣脱僵局。动机与情绪也参与其中,中等强度的动机最有利于复杂问题的解决,过强的动机反而造成紧张与思路狭窄。此外,定势、功能固着、缺乏相关背景知识、以及工作记忆容量的限制,都会让解题者停滞不前。[3]
测量与培养
研究问题解决常借助口语报告法,让被试在解题时把想到的每一步说出来,研究者据此推断其搜索策略与卡壳的位置。这种方法能揭示解题的内部过程,但也可能因“说出来的思考”干扰原本的思维,或使被试事后合理化自己的步骤。另一类指标是迁移测验,通过观察被试能否把学到的方法用到新问题上,来判断其掌握的是原理还是具体操作。
在培养层面,研究表明单纯反复练习同类题目容易强化定势,而安排变式、鼓励一题多解、要求在解题后总结思路,更有助于形成可迁移的解题能力。适当的延迟给出答案、允许失败与试错,也能促使学习者主动重组问题表征。这些做法背后的共同逻辑是:问题解决能力的核心不是记住更多解法,而是学会在面对陌生情境时灵活地建构与重构问题。
近年来还出现了以计算机模拟来检验理论的做法。研究者把关于人类解题的假设写成程序,看它能否复现人的解题步骤、停顿与错误模式,若模拟与真人表现吻合,就说明这套假设至少抓住了部分机制。这种方法的长处是迫使理论精确到可执行的程度,短处在于它容易把“能算出来”等同于“人也是这样算的”,而人对问题的理解往往比程序更依赖情境、经验与直觉。
争议、应用与评价
问题解决研究长期面临生态效度的质疑。实验室里的谜题与棋局定义清晰、条件封闭,而现实中的问题往往目标模糊、信息不全、还牵扯情绪与人际,用前者得出的规律去指导后者,需要相当谨慎的转换。也有学者指出,把思维等同于搜索,忽略了直觉、灵感与身体经验在解题中的作用,信息加工框架虽强大,却未必完整。
尽管如此,这一领域的影响是深远的。它塑造了现代教育对“授人以渔”的重视,推动了以问题为导向的教学;它也为人工智能提供了最早的思维建模思路;它也提醒每一个解题者,卡住时不妨退一步审视自己对问题的理解,因为很多时候,障碍并不在题目本身,而在我们为题目画出的那幅像,以及我们不愿擦掉重画的那份固执。[4]
参考资料
- ↑ Problem Solving,Encyclopaedia Britannica,2024年访问
- ↑ Creativity,Encyclopaedia Britannica,2024年访问
- ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
- ↑ 中国科学院心理研究所,中国科学院心理研究所,2024年访问