Что значит понимать: узнавание, воспроизведение, перенос

Вечером вы прочитали хорошую статью про consistent hashing. Всё сошлось: почему hash(key) % N разваливается при добавлении узла, почему кольцо решает проблему, зачем виртуальные узлы. Ощущение полной ясности. Через три недели на обсуждении вас спрашивают, как распределить сессии между двенадцатью инстансами, чтобы деплой не выбивал всех пользователей сразу. Вы помните, что читали ровно про это. Вы помните слово «кольцо». Вы не можете сказать ничего, что помогло бы принять решение.

Обычное объяснение — «забыл» — неверно принципиально: забыть можно то, что было. В тот вечер возникло состояние, которое ощущается как понимание, но им не является: оно поддерживает узнавание готового текста и не поддерживает производство ответа. Разница между этими состояниями не в силе одного и того же следа памяти, а в том, какой задачей они проверяются.

Эта глава — про то, чтобы перестать пользоваться словом «понимать» как одним словом. Привычка к такому различению у инженеров уже есть: никто не говорит «код работает» без уточнения, что именно проверено — компиляция, юнит-тесты, интеграционные, продакшн-нагрузка. «Я понял тему» — такое же непроверенное утверждение, пока не сказано, каким испытанием оно подтверждено.

Три вопроса, спрятанные в одном слове

Разложим «я понимаю X» на вопросы, на которые отвечают наблюдением, а не самоощущением.

Узнаю ли я X, когда увижу? Вам показывают код, схему, термин — вы говорите: да, это consistent hashing. Материал перед глазами, вы его опознаёте.

Могу ли я произвести X без опоры? Чистый лист, никакой статьи и никакого чата с моделью. Объясните механизм, нарисуйте кольцо, скажите, какого порядка доля ключей переедет при добавлении узла.

Могу ли я применить X там, где никто не сказал, что нужен именно X? Задача про сессии и деплой не содержит слов «consistent hashing». Опознать в ней задачу о распределении с минимальным переносом состояния — отдельная способность, и она не следует из первых двух.

Это не строгая лестница, но устойчивый порядок трудности: узнавание достаётся дешевле всего, перенос дороже всего, и разрыв между ними больше, чем принято думать.

Уровень 1. Узнавание

Узнавание — способность опознать материал при повторном предъявлении, и оно бывает поразительно ёмким. Классическая демонстрация — Standing (1973) в Quarterly Journal of Experimental Psychology: людям показывали до десяти тысяч изображений, затем проверяли парами, какое из двух они видели. Точность держалась на уровне порядка 80% даже при таком объёме. Но заметьте формат проверки: показывали оба варианта. Ни один участник не смог бы описать десять тысяч картинок по памяти.

У инженера узнавание работает так же: читаете чужой pull request и опознаёте знакомый паттерн, смотрите на трейс и опознаёте форму проблемы. Это рабочий инструмент ориентирования: он подсказывает, где искать, и не даёт изобретать решённое. Значительная часть инженерной эрудиции живёт здесь и должна здесь жить — помнить, что существует HyperLogLog и в каком классе задач он всплывает, полезно; помнить его внутреннее устройство наизусть обычно нет.

Проблема начинается там, где узнавание принимают за уровень выше. Механизм подмены простой: при чтении знакомого текста обработка идёт легко, а лёгкость интерпретируется как признак знания. Koriat и Bjork (2005) показали, что суждение «я это знаю» систематически завышается, когда ответ перед глазами. Разбор механизма — в главе «Иллюзия понимания»; здесь достаточно зафиксировать: приятное ощущение при перечитывании — сигнал о качестве текста, а не о вашей памяти.

Цена уровня. Узнавание дёшево: чтение, доклад, беглый обзор документации. Поэтому оно и не окупается там, где нужен результат без опоры — на собеседовании, на инциденте в три часа ночи, в споре, где возразить по существу надо сейчас.

Уровень 2. Воспроизведение

Воспроизведение — производство ответа без предъявления материала. Разница с узнаванием не количественная, и лучше всего это видно в исследованиях контекстной зависимости памяти. Godden и Baddeley (1975) заучивали с аквалангистами списки слов на берегу или под водой и проверяли там же или в другой среде: свободное воспроизведение заметно падало при смене среды. Через пять лет те же авторы (1980) повторили эксперимент с проверкой на узнавание — эффекта среды не нашли. Узнавание и воспроизведение опираются на разные процессы, и второе гораздо сильнее зависит от совпадения контекста.

Теоретическая рамка — принцип специфичности кодирования (Tulving и Thomson, 1973): доступность следа определяется совпадением подсказок при извлечении с тем, что было закодировано при изучении. Следствие жёсткое: если знание кодировалось в контексте «читаю раздел документации с заголовком про блокировки», подсказкой служит заголовок. В проде заголовка нет — есть симптом. Поэтому знание, натренированное чтением, плохо достаётся в ситуации отладки.

• Условия, где знание понадобится, беднее подсказками, чем условия, где оно приобреталось.
• Проверка себя должна повторять эту бедность: не «прочитай и кивни», а «объясни, ничего не открывая».
• Разрыв растёт со временем: через месяц вы узнаёте почти всё прочитанное и воспроизводите заметно меньше.

Приём, тренирующий именно этот уровень, — извлечение из памяти («Извлечение из памяти»); как расставить проверки во времени — «Интервальное повторение».

Цена уровня. Воспроизведение требует попыток вспомнить, а это медленно и неприятно. Оно не окупается для знания, которое всегда под рукой и редко нужно: синтаксис редкой команды, номера портов, значения флагов. Такому знанию место во внешней памяти — «Заметки и внешняя память».

Уровень 3. Перенос

Перенос — применение изученного в ситуации, отличной от той, где учили. Самый ценный и хуже всего достижимый уровень, и здесь особенно важно не соврать читателю.

Thorndike и Woodworth (1901) проверяли «формальную дисциплину» — идею, что изучение латыни или геометрии тренирует ум вообще. Не нашли: улучшение переносилось ровно в той мере, в какой задачи разделяли конкретные общие элементы. С тех пор форма вывода не изменилась: чем дальше новая задача от исходной, тем меньше переносится.

Gick и Holyoak (1980, 1983) — эксперименты с задачей Дункера об облучении опухоли. Сначала испытуемые читали историю о полководце, который взял крепость, разделив армию на отряды и подойдя с разных дорог. Затем получали задачу: как облучить опухоль, не сжигая ткань по пути. Структура одна — распределить воздействие по нескольким слабым направлениям. Без подсказки долю решивших измеряли на уровне порядка 20–30%. Достаточно было сказать «вспомните историю, которую вы читали» — и доля поднималась примерно до трёх четвертей. Конкретные проценты гуляют между версиями материала, но качественный результат устойчив: аналогия была в голове, была доступна по прямому запросу и не активировалась сама.

Это, пожалуй, главный факт главы. Знание может присутствовать, быть полностью воспроизводимым — и не всплывать в нужный момент, потому что новая ситуация не похожа на старую поверхностно.

Насколько далеко переносится знание

Barnett и Ceci (2002) в Psychological Bulletin предложили таксономию, превращающую расплывчатое «далеко/близко» в набор осей.

Чем больше осей разъехалось между обучением и применением, тем меньше шансов на перенос. Учебное «реализуйте LRU-кэш на собеседовании» и рабочее «растёт p99 из-за промахов кэша в каталоге» разъехались почти по всем осям: общее — слово «кэш» и, отчасти, требуемый навык.

Sala и Gobet (2017) свели данные по шахматам, музыке и тренировкам рабочей памяти: ближний перенос внутри той же области наблюдается, дальний — систематически не обнаруживается. Резче формулировал Detterman (1993) в сборнике Transfer on Trial: надёжно наблюдаемый перенос почти всегда объясняется тем, что задачи разделяют конкретные элементы, а «перенос вообще» как отдельная способность в экспериментах не выделяется.

Граница применимости. Всё это — лабораторные и учебные постановки: списки слов, физические задачки, шахматы, тренировки рабочей памяти. Контролируемых исследований переноса именно инженерных навыков — влияет ли изучение теории категорий на качество проектирования API — практически нет, и любой, кто утверждает обратное «со ссылкой на науку», скорее всего пересказывает эти же классические работы. Разумная позиция: считать перенос трудным и требующим специальных усилий, потому что это устойчивый результат во всех проверенных областях, и не выдавать за доказанное обещания вроде «выучи Haskell — станешь лучше писать на Java».

Почему перенос упирается в структуру знания

Переносится не текст, а то, как знание организовано. Chase и Simon (1973), развивая наблюдения де Гроота, показали: мастера шахмат восстанавливают позицию после пятисекундного взгляда почти без ошибок, новички — плохо; но если фигуры расставлены случайно, преимущество мастеров почти исчезает. Дело не в «хорошей памяти», а в том, что мастер видит знакомые конфигурации и хранит их как единицы. Chi, Feltovich и Glaser (1981) просили новичков и физиков разложить задачи по группам: новички группировали по поверхностным признакам («про наклонную плоскость», «про пружину»), эксперты — по принципам («на сохранение энергии», «на второй закон Ньютона»). Обе группы читали одни и те же условия и видели разные задачи.

Отсюда рабочий критерий: вы владеете темой на уровне переноса ровно настолько, насколько ваша группировка задач опирается на механизмы, а не на технологии. Если ваши заметки называются «Kafka», «Redis», «Postgres», а не «повторная доставка», «отставание реплики», «конкурентная запись», знание лежит в форме, из которой перенос не происходит. В этом практическая ценность сквозных тем портала: главы «Идемпотентность и гарантии доставки» и «Ментальные модели» полезны не новыми фактами, а тем, что дают имена группам.

Как такие группы строятся — темы глав «Перемежение и вариативность» и «Перенос знания». Коротко: одна задача не даёт материала для абстракции, нужна вторая, непохожая поверхностно, и явное сравнение — у Gick и Holyoak (1983) чтение двух разных историй с общей структурой и просьба сформулировать общее поднимали долю спонтанного переноса заметно выше, чем одна история.

Жизненный цикл владения темой

Уровни — не ступеньки, на которые залезают навсегда. Знание деградирует асимметрично: перенос теряется первым, узнавание — последним.

Переход «Переношу → Автоматизм» реален и одновременно опасен: автоматизм экономит внимание, но делает знание немым. Вы делаете правильно и не можете объяснить почему — значит, плохо передаёте это другим и плохо замечаете момент, когда условия изменились и правило перестало работать («Грейды»).

Почему «я понял» — ненадёжный сигнал

Все три уровня оцениваются изнутри одинаково: ощущением ясности. Метапознание — знание о собственном знании — работает плохо, и это измеренный факт, а не риторика.

Самый дорогой квадрант — левый верхний: вы уверены и не правы. Из него берутся оценки задач, которые срываются в три раза, и архитектурные решения, обоснованные наполовину понятой статьёй.

Даннинг-Крюгер: что там на самом деле

В популярной подаче это выглядит так: некомпетентные считают себя гениями, и есть кривая с «пиком глупца» и «долиной отчаяния». Обе части неверны. Kruger и Dunning (1999) просили участников выполнить тест и оценить свой результат относительно других. Люди из нижнего квартиля переоценивали свой ранг сильнее всех — но при этом всё равно оценивали себя ниже, чем оценивали себя сильные участники. Никакого «слабые считают себя лучше сильных» в данных нет; сильные, наоборот, слегка недооценивали свой ранг. Кривой с «пиком глупца» в статье нет вообще — это позднейший интернет-фольклор, в оригинале графики представляют собой линии оценок по квартилям.

Есть и методологическая критика: Krueger и Mueller (2002) показали, что заметная часть эффекта воспроизводится статистически — измерения содержат шум, при шумных измерениях крайние группы регрессируют к среднему, плюс работает общее «я чуть лучше среднего». Спор о том, сколько остаётся после поправок, не закрыт.

Практический вывод скучный, но полезный: точность самооценки тем ниже, чем меньше у вас навыка, потому что для оценки качества решения нужно примерно то же знание, что и для решения. Значит, нужен внешний критерий — тест, ревью, работающий прототип, вопрос от коллеги. Как искажения ломают рассуждение — «Когнитивные искажения».

Три мифа, которые мешают разговору о понимании

Называть их мифами — не поза, а необходимость: они определяют, как люди тратят время.

«Стили обучения»: визуалы, аудиалы, кинестетики. Утверждение состоит из двух частей. Первая — у людей есть предпочтения в формате подачи; это правда и никем не оспаривается. Вторая — гипотеза соответствия: обучение эффективнее, когда формат подобран под стиль. Именно она рабочая, и именно она не подтверждена. Pashler, McDaniel, Rohrer и Bjork (2008) в обзоре для Psychological Science in the Public Interest показали: исследований с корректной схемой (случайное распределение, скрещивание стиля и формата, общий тест для всех) почти нет, а проведённые корректно дают отрицательный результат. Вывод: формат выбирайте по природе материала, а не по «типу» человека. Схему сети рисуют, потому что она пространственная; протокол разбирают по шагам, потому что он последовательный.

«Пирамида обучения»: запоминаем 10% прочитанного и 90% сделанного. Первоисточника у этих чисел нет. Их приписывают «конусу опыта» Эдгара Дейла (Audio-Visual Methods in Teaching, 1946), но в его конусе процентов не было — это классификация способов подачи по степени абстрактности. Историю появления цифр разбирали Моленда, Субраманий, Бетрус и Тальхаймер в серии заметок в Educational Technology (2014): проценты появляются в источниках без ссылок, подозрительно круглые и взаимно противоречивые. Что правда в общей идее: активные форматы в среднем работают лучше пассивных — но это отдельно измеренный эффект, а не эти числа.

«10 000 часов». Формулировка Гладуэлла (Outliers, 2008) — искажённый пересказ Ericsson, Krampe и Tesch-Römer (1993). В оригинале: у скрипачей высшей группы среднее накопленное время одиночной осознанной практики к двадцати годам составляло около десяти тысяч часов. Это среднее по группе, а не порог; разброс внутри групп большой; речь о специально организованной практике с немедленной обратной связью в области с устоявшейся методикой обучения. Сам Эрикссон публично возражал против трактовки «десять тысяч часов кого угодно делают экспертом». Метаанализ Macnamara, Hambrick и Oswald (2014) показал, что доля объяснённой дисперсии сильно зависит от области: заметная в играх и музыке, существенно меньше в образовании и особенно мала в профессиях. Программирование — область без чёткой методики и с медленной зашумлённой обратной связью, то есть худший случай для наивного применения этой модели. Подробнее — «Осознанная практика».

Как проверить, на каком уровне вы находитесь

Дальше — процедура, которую можно выполнить за пятнадцать минут по любой теме.

Проверка на предсказание

Самая практичная и самая безжалостная: вы понимаете механизм ровно настолько, насколько можете предсказать поведение системы до запуска. Отладка — естественный полигон: гипотеза, предсказание, запуск, сверка.

-- Индекс по времени создания
CREATE INDEX idx_events_created ON events (created_at);

-- Вопрос 1: будет ли использован idx_events_created здесь?
SELECT * FROM events
WHERE created_at::date = DATE '2026-07-16';

-- Вопрос 2: а здесь?
SELECT * FROM events
WHERE created_at >= TIMESTAMP '2026-07-16 00:00:00'
  AND created_at <  TIMESTAMP '2026-07-17 00:00:00';

Ответ произнесите вслух до того, как откроете EXPLAIN. Первый запрос применяет функцию к индексируемому столбцу, поэтому обычный B-tree индекс по created_at ему не подходит: нужен индекс по выражению либо переписывание в диапазон. Второй сформулирован как диапазон и индекс использует. Предсказали — уровень выше пересказа. Знали формулировку «не применяйте функции к индексируемому столбцу», но не смогли решить, к какому из двух запросов она относится, — уровень пересказа («Индексы и планы запросов»).

package main

import "fmt"

func main() {
    ch := make(chan int, 2) // буферизованный канал на два элемента
    ch <- 1
    ch <- 2
    close(ch) // писать больше нельзя, читать — можно

    // Вопрос: паника, зависание или нормальный вывод?
    for v := range ch {
        fmt.Println(v)
    }
    fmt.Println("готово")
}

Частая ошибка предсказания — «паника, потому что канал закрыт». На самом деле range вычитает оставшиеся в буфере значения, напечатает 1 и 2, затем увидит, что канал закрыт и пуст, и корректно завершит цикл; паника была бы при записи в закрытый канал («Конкурентность в Go»). Тот же приём годится для любого языка: [lambda: i for i in range(3)] в Python даст три функции, возвращающие 2, потому что замыкание захватывает переменную, а не её значение на момент создания («Функции и области видимости»).

Проверка на границы

Вопрос «когда это перестаёт работать» отделяет знание описания от знания механизма. Описание можно пересказать, не имея модели. Границы вывести без модели нельзя.

Правая колонка не гуглится одним запросом и почти не берётся из статьи — она берётся из случаев, когда вы это видели или разбирали. Как устроить себе такие случаи — «Учиться на чужом коде» и «Обратная связь».

Проверка объяснением

Объяснить своими словами так, чтобы слушатель мог принять решение, — сильная проверка. У приёма есть популярное имя («техника Фейнмана») и честная оговорка: контролируемых исследований именно этой упаковки нет, это отраслевой фольклор. Зато у двух её составляющих база есть. Chi, Bassok, Lewis, Reimann и Glaser (1989) показали, что студенты, проговаривавшие себе, почему очередной шаг разобранного примера именно такой, справлялись с новыми задачами лучше тех, кто просто читал примеры. Fiorella и Mayer (2013) обнаружили, что выигрыш даёт не намерение объяснить, а само объяснение вслух. У инженера это не «пересказать статью», а объяснить коллеге решение так, чтобы он мог его оспорить; ревью чужого PR с вопросом «почему так, а не иначе» — та же проверка внутри рабочего процесса.

Фиксация результата

Записывать полезно не «прочитал X», а результат проверки — чтобы через месяц было видно, что именно проверялось и чем закончилось.

# journal/2026-07-16.yaml — журнал проверок, а не список прочитанного
topic: consistent hashing
checks:
  - kind: воспроизведение
    task: "объяснить с нуля, зачем виртуальные узлы"
    result: fail
    note: "вспомнил про кольцо, не смог сказать про перекос нагрузки"
  - kind: предсказание
    task: "сколько ключей переедет при добавлении 13-го узла из 12"
    result: pass
  - kind: перенос
    task: "задача про сессии и деплой, слово 'хеширование' не звучало"
    result: fail
    note: "не опознал класс задачи; повторить на другой формулировке"
next_review: 2026-07-30

Разница со списком прочитанного принципиальная: список отвечает на вопрос «что я проходил», журнал — «что из этого выдержало проверку». Как не превратить журнал в ритуал — «Заметки и внешняя память» и разбор инструментов в треке по тайм-менеджменту.

Не всё нужно понимать одинаково глубоко

Уровни — не шкала добродетели, а шкала стоимости. Довести тему до переноса дорого: это часы решения задач с обратной связью, а не минуты чтения. Значит, решение «до какого уровня доводить» — инженерное решение о распределении ограниченного ресурса, и принимать его надо явно.

• Узнавания достаточно для широкой периферии: технологии, которые вы не используете, но должны опознать в чужом решении; алгоритмы, о существовании которых надо помнить; области смежных команд.
• Воспроизведение нужно для инструментов ежедневной работы и для того, что понадобится без интернета и без времени: модель памяти вашего языка, семантика транзакций вашей БД, устройство системы сборки.
• Перенос нужен для узкого ядра — механизмов, повторяющихся во всех задачах вашей области. Для бэкенда это конкурентность, согласованность, гарантии доставки, границы транзакций, поведение под нагрузкой.

Ошибка новичка — держать всё на узнавании и удивляться, что ничего не применяется. Ошибка увлечённого — тащить всё на перенос и не успевать ничего. Соотношение ядра и периферии полезно пересматривать раз в полгода («План обучения»); тому, кто ещё выбирает направление, пригодится «Что дальше».

Что меняет наличие ИИ

Языковые модели резко удешевили нижние уровни: узнавание («что это за штука в чужом коде») и воспроизведение описания («как примерно устроен этот алгоритм») теперь доступны за секунды. Верхний уровень не изменился: чтобы задать правильный вопрос, нужно уже опознать класс задачи; чтобы проверить ответ — уметь предсказать поведение самому. Модель охотно выдаёт правдоподобный разбор, который на уровне узнавания неотличим от верного, а это ровно тот уровень, на котором большинство и проверяет. Отсюда сдвиг: инвестировать имеет смысл в то, что модель не закрывает, — в опознание глубинной структуры и в проверку. Как устроены модели — ai-basics; как проверять то, что они пишут — «Ревью кода от ИИ»; развёрнутый разбор — «Зачем учиться, когда есть ИИ» и «Учиться с ИИ».

Про формальные таксономии

Таксономия Блума (1956), пересмотренная Anderson и Krathwohl (2001), даёт шесть уровней: запомнить, понять, применить, проанализировать, оценить, создать; польза прикладная — глядя на список, легко заметить, что все ваши проверки застряли на первых двух. Таксономия SOLO (Biggs и Collis, 1982) описывает не тип действия, а структуру ответа: от «один аспект» через «несколько несвязанных аспектов» к «связанной структуре» и «обобщению за пределы задачи» — разница между «назвал три причины медленного запроса» и «связал их в модель, где видно, какая здесь главная». Оговорка к обеим: это классификации для составления проверок, а не эмпирические теории обучения, и строгая иерархичность уровней в них — предположение.

Типичные ошибки

• Считать ясность при чтении сигналом понимания. Ясность означает, что текст хорошо написан; проверяется противоположным действием — закрыть и восстановить.
• Проверять себя тем же материалом, на котором учились. Пройти те же примеры — проверка узнавания; нужен другой пример того же класса.
• Учить по технологиям, а не по механизмам. Пять статей про пять брокеров дают пять записей в поверхностной группировке; одна разобранная до причины потеря сообщений даёт группу, в которую потом складываются все брокеры.
• Смешивать «не знаю» и «не могу применить». Первый диагноз лечится чтением и извлечением, второй — задачами с обратной связью. Первый ставить проще, поэтому его ставят чаще, чем следует.
• Ждать переноса самопроизвольно. Помогает привычка спрашивать при встрече с задачей: «на что это похоже по механизму, а не по технологии».
• Требовать от себя переноса по всем темам сразу. Способ не довести до него ни одну.

Мини-итог

• «Понимать» — три состояния с разной стоимостью, скоростью деградации и проверками. Узнавание ёмко и дёшево — поэтому и принимается за знание (Standing, 1973; Koriat и Bjork, 2005).
• Воспроизведение зависит от совпадения контекстов изучения и применения (Tulving и Thomson, 1973; Godden и Baddeley, 1975, 1980), а рабочая ситуация беднее подсказками, чем учебная.
• Перенос не происходит сам: аналогия может быть в памяти и не активироваться (Gick и Holyoak, 1980); дальний перенос в проверенных областях систематически не обнаруживается (Sala и Gobet, 2017; Detterman, 1993). Данных именно по инженерным навыкам почти нет.
• Переносится структура, а не текст: эксперты группируют задачи по механизмам, новички — по поверхностным признакам (Chase и Simon, 1973; Chi, Feltovich и Glaser, 1981).
• Самооценка тем хуже, чем меньше навыка; популярная подача Даннинга-Крюгера искажена — «пика глупца» в оригинале нет, часть эффекта объясняется статистикой (Kruger и Dunning, 1999; Krueger и Mueller, 2002).
• Три мифа: гипотеза соответствия «стилям обучения» не подтверждена (Pashler и др., 2008); проценты «пирамиды обучения» не имеют первоисточника; «10 000 часов» — искажение работы Ericsson и др. (1993).
• Глубина — решение о ресурсе: периферия на узнавании, ежедневный инструмент на воспроизведении, узкое ядро механизмов на переносе.

Источники

Работы даны с авторами и годом — этого достаточно, чтобы найти их по названию в Google Scholar или на сайте издателя; у части есть открытые копии.

• Standing, L. (1973). Learning 10,000 pictures. Quarterly Journal of Experimental Psychology, 25(2).
• Tulving, E., Thomson, D. M. (1973). Encoding specificity and retrieval processes in episodic memory. Psychological Review, 80(5).
• Godden, D. R., Baddeley, A. D. (1975). Context-dependent memory in two natural environments. British Journal of Psychology, 66(3); и (1980) When does context influence recognition memory? British Journal of Psychology, 71(1).
• Thorndike, E. L., Woodworth, R. S. (1901). The influence of improvement in one mental function upon the efficiency of other functions. Psychological Review, 8.
• Gick, M. L., Holyoak, K. J. (1980). Analogical problem solving. Cognitive Psychology, 12(3); и (1983) Schema induction and analogical transfer. Cognitive Psychology, 15(1).
• Chase, W. G., Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1).
• Chi, M. T. H., Feltovich, P. J., Glaser, R. (1981). Categorization and representation of physics problems by experts and novices. Cognitive Science, 5(2).
• Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., Glaser, R. (1989). Self-explanations. Cognitive Science, 13(2).
• Barnett, S. M., Ceci, S. J. (2002). When and where do we apply what we learn? A taxonomy for far transfer. Psychological Bulletin, 128(4). doi:10.1037/0033-2909.128.4.612
• Detterman, D. K. (1993). The case for the prosecution: transfer as an epiphenomenon. В сб.: Detterman, D. K., Sternberg, R. J. (ред.) Transfer on Trial.
• Sala, G., Gobet, F. (2017). Does far transfer exist? Negative evidence from chess, music, and working memory training. Current Directions in Psychological Science, 26(6).
• Koriat, A., Bjork, R. A. (2005). Illusions of competence in monitoring one’s knowledge during study. Journal of Experimental Psychology: LMC, 31(2).
• Kruger, J., Dunning, D. (1999). Unskilled and unaware of it. Journal of Personality and Social Psychology, 77(6). doi:10.1037/0022-3514.77.6.1121
• Krueger, J., Mueller, R. A. (2002). Unskilled, unaware, or both? Journal of Personality and Social Psychology, 82(2).
• Pashler, H., McDaniel, M., Rohrer, D., Bjork, R. (2008). Learning styles: concepts and evidence. Psychological Science in the Public Interest, 9(3).
• Ericsson, K. A., Krampe, R. T., Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3). doi:10.1037/0033-295X.100.3.363
• Macnamara, B. N., Hambrick, D. Z., Oswald, F. L. (2014). Deliberate practice and performance in music, games, sports, education, and professions: a meta-analysis. Psychological Science, 25(8).
• Fiorella, L., Mayer, R. E. (2013). The relative benefits of learning by teaching and teaching expectancy. Contemporary Educational Psychology, 38(4).
• Biggs, J., Collis, K. (1982). Evaluating the Quality of Learning: The SOLO Taxonomy; Anderson, L. W., Krathwohl, D. R. (ред., 2001). A Taxonomy for Learning, Teaching, and Assessing.
• Материалы лаборатории Роберта Бьорка по желательным трудностям и метапознанию: bjorklab.psych.ucla.edu

Что дальше

Мы разобрали, чем отличаются три состояния, которые называют одним словом, и как проверить, в каком из них вы находитесь. Осталось главное практическое следствие: почему самый популярный способ учиться — перечитывание — надёжно поднимает только нижний уровень и одновременно усиливает уверенность в том, что поднял верхний.

Иллюзия понимания: почему перечитывание не работает