跟着教程学一个操作，照着步骤做，结果也没问题。可换成自己手头的数据，刚准备独立试一试，就卡住了。步骤明明还记得，却拿不准现在该用哪一步。

刚才还会，怎么换份数据就不行了？

先别急着怀疑自己的学习能力。跟着做出来，到换个任务还能独立完成，中间可能还有一些问题没有解决。这就涉及学习迁移。

学习迁移，是先前学习对另一个情境中的表现产生影响。 有帮助，是正迁移；造成妨碍，是负迁移。学过的方法到了新任务里，能不能帮上忙，会不会反而把你带偏，都与迁移有关。

我们往往觉得，既然学会了，换个地方当然也能用。但回想一下，你学习时有哪些提示？教程的界面、练习数据的格式，还有每一步的说明，都在帮你判断接下来该做什么。学到的知识，也可能与这些线索联系在一起。

换成自己的数据，格式和问题变了，原来的提示也没有了。知识还记得，却未必在该用的时候想起来。也有些时候，原先就没有学会独立判断，或者新任务多了没学过的内容。即使想起旧方法，也可能用错地方。究竟卡在哪里，需要往下查。

会背游泳要领的人，下水后也未必会游。要领有用，身体怎么配合动作，还得在水里练。读懂教程之后，同样需要拿一个具体任务试试，看看自己能做到哪一步。

先分清"保持"和"迁移"。

隔了一周，原来会解的题还能解出来，这是保持；面对一道新题，能不能用上先前学过的方法，这是迁移。前者关注学过的东西过一段时间还剩下多少，后者关注任务变化后，原来的学习能不能提供帮助。

两者会交织在一起。你可能记得很牢，却不知道怎么用；也可能今天在新任务中用上了，过些日子又忘了。

英国数学家、哲学家怀特海在1929年出版的《教育的目的》中，讨论过"惰性知识"的问题：学生记住了许多东西，考试时能够复述，却没有在实际生活中用起来。

这类情况并不难遇到。问一个概念，能说得头头是道；碰到具体问题，却想不到它能派上用场。能复述，说明记住了某些内容，还不能保证知道什么时候、怎样使用。就像文件确实存着，你却没想到眼前的问题可以靠它解决。

迁移还分近和远。比如，习惯了开小轿车，再换到卡车上，一部分熟悉的操控方式仍能派上用场。这类发生在相似任务之间的迁移，通常称为近迁移。应用情境差异较大时，则常用远迁移来描述。

不过，近和远没有统一的严格标尺。学校里学的加权平均，用来计算运营活动的报名率，使用场景变了，公式和运算却可能很接近；如果数据口径也变了，需要处理的问题就会多一些。究竟算近还是远，要看具体变了什么。

哈佛大学教育学者珀金斯和教育心理学家所罗门还区分了低路迁移和高路迁移。充分练习过的技能，在相似情境中可以自动被唤起，属于低路迁移。前面开车时借用熟悉操作的例子，就可以这样理解。但如果情境差得远，自动唤起靠不住，你需要主动从原来的经验里找出关系，再看它与眼前的问题能否对应。这就是高路迁移。

换句话说，如果新旧任务很像，旧办法可能自己就冒出来了。但如果新任务需要你重新判断哪些条件变了、旧方法还能不能用，光等是不够的，得主动去比较和检查。

这些名称不必一下子全记住。先留意一件事：原来的任务会做，到了新任务，还需要判断旧方法是否适用、怎样使用。后面的五步排查，就是帮你从这些地方寻找原因。

为了我们便于理解迁移中的困难，可以先看"三道锁"。

第一道是表征锁。学的时候记住了操作，却没有弄清楚为什么要这样做。

拿学Excel来说，"选中数据区域，点插入图表，选柱状图"，记下来的是一套步骤。如果还能说明"比较两组数据的差异时，柱状图比饼图更容易看出差距"，就多了一层选择依据。换份数据后，你才有机会判断这套做法是否合适，而不只是照着点一遍。

第二道是触发锁。方法懂了，遇到问题时却没想到它。

教程会告诉你下一步用哪个功能，真实任务通常没有这样的提示。你或许知道某个函数怎么用，但面对一张报表，就是没意识到这里可以用它。

第三道是生态锁。想到了办法，实际使用时却缺少练习机会、反馈或支持。

比如，你察觉某个数据有些异常，想继续查，却找不到人确认，也不知道做完后由谁判断。犹豫一阵，就把它搁下了。这样的情况反复发生，人很容易回到原来的做法。

珀金斯和所罗门在1988年的文章中也讨论了学习与应用情境的联系。学习时没有接触过实际要解决的问题，可能既不容易理解方法的适用条件，也不容易在需要时想起它。这些影响会与前面的几类困难交织在一起。

物理课上的公式就是一个例子。课上题目已经替你说明要处理什么问题，到了生活里，你得先认出眼前存在怎样的关系，才知道该用哪个公式。

认知心理学家吉克和霍利约克在1980年代做过一系列类比解题实验。其中一个故事讲的是，一位将军要攻打一座堡垒，通往堡垒的道路布有地雷，大部队集中通过会触发地雷，小队却能安全通过。于是，将军把军队分成几路，从不同方向同时进攻，在堡垒处汇合。

随后，参与者面对另一道题：怎样用射线杀死肿瘤，又不伤害射线沿途经过的正常组织？题目设定，单束射线太强会伤害正常组织，太弱又无法杀死肿瘤。

汇聚方案是让多束低强度射线从不同方向照射，每束对沿途组织的作用都低于题设中的损伤阈值，在肿瘤处汇聚后，合起来达到所需的强度。

把两个问题放在一起，就能逐项比较。军队对应射线，堡垒对应肿瘤；道路能安全通过的兵力有限，对应正常组织能承受的射线强度有限。分散的小队对应多束低强度射线，最后都要在目标处同时汇合。

两个故事的场景不同，但解题时借用的是同一个关系：让较小的力量分路通过，在目标处集中。这也是后面要讲的"桥接"所做的事，先找出对应关系，再检查这种对应是否成立。

在相关实验中，无提示时大约三成参与者想到了汇聚方案；有提示时，约四分之三能解出来。提示大意是"想想刚才读过的故事"。

这样的差距说明，能否发现旧案例与新问题的联系，可能影响解题结果。不过，提示后答对，还不能证明参与者此前已经理解了可迁移的原理。他也可能是在得到提示后，才开始比较并建立对应。

珀金斯和所罗门提出了两种帮助迁移的教学思路，叫"拥抱"和"桥接"。

学习时就接触以后要处理的问题，让练习中的线索、判断和任务尽量贴近实际使用。它可以是模拟操作，也可以是在讲解知识时，就把未来要解决的问题放进来。

想学好Excel，可以边看教程，边拿自己的报表试。学到VLOOKUP函数，就找一份需要查找匹配的数据做一遍。如果报表太复杂，可以先选出能练这一项的小任务，其余问题留到后面逐步处理。

练习该有多难，要看你已有多少基础。刚学一个功能，就同时面对一堆陌生概念和不完整的数据，出了错往往连原因都找不到。分阶段增加难度，才更容易知道自己该补什么。

练习与未来任务共享的相关线索和操作越多，熟悉的办法就越容易派上用场。这也是拥抱常与近迁移联系起来的原因。

桥接需要从一个场景中找出关系，再看它能否用来理解另一个场景。情境差异较大时，熟悉感未必能把旧经验带出来，往往需要主动找联系。因此，桥接常与远迁移联系在一起。

桥接有两个方向。学一个方法时，想想"以后哪些问题可能用得上"，这是向前桥接；遇到新问题时，回想"以前有没有处理过类似的关系"，这是向后桥接。

比较时，要看各个要素怎样关联、方法为什么起作用。

心理学家金特纳在1983年提出的结构映射理论，讨论的就是这类关系对应。比如，拿太阳系与早期的原子模型作类比，看重的是"中心吸引外围对象"这样的关系。这种类比只涉及部分关系，不能把两个系统的所有性质都照搬过去。

结构映射也不只看某一个关系是否相似，还要看这些关系怎样组织在一起，哪些关系决定了后面的结果。

反过来，两个故事都发生在学校，并不意味着能用同一种办法解决。场景相似，还得看问题中的关系是否相似。

比较案例是否有助于迁移，也有人做过实验。1999年，洛温斯坦、汤普森和金特纳让参与者学习两个谈判案例。故事不同，解决办法却有共同之处：双方对未来结果有不同判断时，可以约定部分交易条款随实际发生的结果变化。

一组分别学习两个案例，另一组比较着学。在后续谈判中，比较学习条件下，使用这一策略的谈判双人组所占比例，约为分别学习条件下的三倍。后续研究还发现，即使把两个案例放在同一页纸上，不要求比较，书面回答中也没有出现自发比较的证据。

对学习者来说，这意味着值得专门留出一个比较的环节，看看两个例子到底有哪些关系相同、哪些地方不能照搬。材料摆在一起，并不保证这个动作已经发生。

拥抱和桥接可以一起用，效果也会随任务和学习者而变化。做过这两种练习，仍然需要到新任务里检验，不能把练习本身当成已经会用的证明。

可以从最近学的一种方法开始：它解决了什么问题，依赖哪些条件？再想几个以后可能用到它的场景，选一个手头的任务试一试。这既是在找联系，也是在接近实际使用。口述第一步能帮你理清思路，真正做起来，才知道还有哪些地方会卡住。

练过以后仍然卡住，可以用下面这份清单缩小问题范围。几种原因可能同时存在，一次检查也未必能确定原因。

没有老师或主管帮忙时，也可以先自己试。找一份没见过的同类任务，独立完成，再核对答案和过程。先留下自己没有提示时的表现，后面才知道哪些帮助起了作用。

别只重做熟悉的那份练习。换一份同类数据，独立处理，并试着说明为什么这么做。如果连这样的任务也做不好，可能是基础没有掌握，也可能是有些内容已经忘了。先把这一部分补上。

先自己做，卡住后再一点点看提示，记下看到哪一处时有了思路。有提醒才会，和没想到这里能用旧方法，都可能表现为"无提示失败，有提示成功"。仅凭这一次表现，还分不清具体原因。

此时先记下"在提示下能够完成"，再结合第三步的适用条件检查、第五步的环境检查，决定下一步怎么练。逐渐减少提示、主动比较新旧任务，可以结合起来尝试，之后再换任务检验。

有时你想起了旧办法，却用错了地方。两个任务都出现数据异常，异常的原因和判断标准可能不同。要看旧方法为什么在原任务中成立，这些条件到了新任务里还在不在。

选对了方法，也可能因为不会用某个工具、不了解某项新知识而做不下去。把任务拆开看：哪些部分已经能借用旧经验，哪些部分需要另外学。新技能有缺口，不代表原来的学习完全没有帮上忙。

知道怎么做，也可能因为没有权限、时间不够而做不成。做完后没人反馈，还会影响你判断这套办法到底有没有用。这些条件需要一并检查。

调整练习之后，再换一道没见过的任务，不看提示，看看能不能独立完成。如果还想知道这种表现能否保持，过一段时间再试一次。看过提示后答对，只说明在这次帮助下做成了，还需要再看独立完成时的表现。

拿加权平均的例子，看看这份清单怎么用。你在学校学过加权平均，现在做运营，要算一次活动的总体报名率。渠道A有300人访问、30人报名，报名率10%；渠道B有200人访问、40人报名，报名率20%。

你把10%和20%加起来除以2，算出15%，又隐约觉得有些不对。

先查第一步：加权平均还会不会算？换一道没见过的同类计算题，能够独立做对，说明计算本身还记得。

再查第二步：面对这两个渠道的数据，有没有想到加权平均？一开始没有，看到提示后才想起来。暂时能确认的是提示有帮助。至于当时为什么没想到，还要看看你能不能解释，两个渠道人数不同，会怎样影响总体报名率。

接着查第三步：这里能不能用加权平均？总体报名率要用总报名人数除以总访问人数，各渠道报名率的权重来自访问人数。这与学过的加权平均可以对应起来。

但还要检查数据能不能直接合并。同一个人访问了两个渠道，访问人数就可能重复；通过两个渠道都报了名，报名人数也可能重复。分子、分母要分别核对，不能事先判断不去重会把报名率算高还是算低。

假设统计口径一致，也确认了两个渠道人群不重叠，就可以直接相加：总共70人报名、500人访问，总体报名率是14%。

原来算出15%，是把规模不同的两个渠道按相同权重平均了。接下来练习时，要把"什么时候需要加权"和"人数能不能直接相加"一起检查。然后再换一道同类任务，不给提示，独立做一遍。

如果这次能选对方法、核对条件并算对，至少说明你在这道新任务中独立用上了原来的知识。换成其他任务还能不能做到，还要继续观察。

还有一种情况需要留意：旧习惯把你带偏了。新任务表面上与以前相似，关键条件却已变化，你仍沿用老办法，结果做错。这就是负迁移。

比如，旧项目要求"超过均值20%就追查"，新项目需要重点处理的却是"连续三天低于均值"。你仍只盯着突然冲高的数据，就可能花时间查偶尔出现的高峰，漏掉持续下滑的趋势。检查方法是否适用时，也要问一问：旧习惯是不是正在把注意力引向错误的地方？

跟着教程完成过操作，也拿真实数据练过，接下来还可以再问一句：换一份没见过的同类任务，不看教程、没人提醒，我能做到哪一步？

这就是一次迁移检验。它让你看到，所学在新任务中能发挥多少作用，哪些地方还需要补练。

这篇是学习系列的一站。前几篇讨论了学习活动的类型、知识结构、练习难度和系统训练，侧重学习过程中怎样理解、掌握和练习。这一篇关注的是，任务变了以后，学过的东西还能不能用起来。

第117篇可取的困难，讲的是某些学习中的困难怎样帮助你记得更牢、理解得更深入。但记得牢，并不保证遇到新问题时就知道怎么用。第119篇默会知识，讲的是为什么有些判断无法完全靠文字教会，需要在实践中体会和练习。

默会知识与本篇的"拥抱"都重视实际练习，关注点却有区别：前者讨论哪些东西难以用文字讲全，后者关心练习是否贴近将来的使用任务。

因此，练过之后，不妨再换一份数据、一道题或一个实际任务，看看原来的方法能不能用，哪些条件需要重新判断。这样的检查，比单凭"我学过这个"更能说明眼下会到什么程度。

下次发现自己会做A，却做不了B，可以先沿着五个问题查一遍：原来会到什么程度，能否自己想到方法，方法是否适用，还有没有缺少的技能和使用条件。找到具体卡住的地方，再决定下一步怎么练。