Осознанная практика: что на самом деле показали исследования

Предыдущие главы разбирали приёмы работы с материалом: извлечение, интервалы, желательные трудности, перемежение. Все они про то, как удерживать и переструктурировать знание.

Эта глава про другое — про рост умения. И она устроена как разбор, а не как рецепт, потому что здесь находится самый растиражированный миф индустрии и одновременно один из самых грязных научных споров в психологии.

Тезис главы формулируется сразу, чтобы дальше его проверять:

Понятие «осознанная практика» было определено на очень узком классе областей — с готовой методикой обучения, тренером и мгновенной оценкой каждой попытки. Инженерия таким условиям не удовлетворяет. Поэтому переносить сюда ни числа, ни рецепты нельзя. Переносится одно: умение растёт там, где цикл «попытка — проверка — коррекция» короткий и честный, и в инженерии этот цикл почти всегда приходится строить руками.

Про «10 000 часов» коротко уже говорилось в обзоре трека и в главе «Что значит понимать». Здесь — полный разбор: что измеряли, как, что оспорено и что осталось.

Что именно сделали Эрикссон, Крампе и Теш-Рёмер в 1993 году

Работа: 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).

Дизайн первого исследования. Берлинская музыкальная академия, скрипачи, три группы по оценке преподавателей:

• «лучшие» — те, кого профессора считали кандидатами в солисты международного уровня;
• «хорошие» — крепкие исполнители того же курса;
• будущие преподаватели музыки — студенты педагогического направления той же академии.

Плюс отдельная контрольная группа: профессиональные скрипачи симфонических оркестров Берлина, существенно старше.

Что измеряли. Испытуемых просили ретроспективно оценить, сколько часов в неделю они занимались индивидуально в каждом году жизни начиная с первого года обучения. Дополнительно велись дневники текущей недели и оценивалась субъективная полезность и приятность разных занятий.

Что получили. Накопленный объём одиночной практики к двадцати годам различался по группам: у лучшей группы это порядка десяти тысяч часов, у хорошей — примерно семь с половиной–восемь тысяч, у будущих преподавателей — около четырёх с половиной тысяч. Это средние по группам, полученные из ретроспективных оценок.

Что в этой работе обычно не пересказывают, а зря:

• Одиночная практика оценивалась испытуемыми как самая полезная и одновременно как одна из наименее приятных. Это ключевая часть определения: осознанная практика — не игра и не выступление.
• Занятия распределялись блоками примерно по часу с перерывами, преимущественно в первой половине дня. Суммарно лучшие скрипачи не выходили за пределы примерно четырёх часов такой практики в день — при том что времени у них было больше.
• Лучшая группа спала больше, в том числе за счёт дневного сна. Восстановление в этой работе — не бытовая деталь, а часть модели ограничений.
• Авторы прямо писали, что работают с корреляционными данными на отобранной выборке: все испытуемые уже прошли жёсткий отбор в академию.

Методические слабости, о которых стоит знать

Это не разоблачение, а нормальная оценка дизайна.

Ни одна из них не делает работу плохой. Все вместе они означают: это основание для гипотезы, а не доказательство причинного механизма.

Определение: что считается осознанной практикой

Термин у Эрикссона узкий. Занятие считается осознанной практикой, когда выполнены примерно такие условия (формулировки из работы 1993 года и книги Ericsson & Pool, Peak, 2016):

Эрикссон и Пул разводят три вещи, и различение полезное:

• наивная практика — просто делать то, что уже умеешь, много раз;
• целенаправленная практика (purposeful practice) — есть конкретная цель, обратная связь и выход из зоны комфорта, но нет наработанной методики и тренера;
• осознанная практика (deliberate practice) — целенаправленная плюс существующая в области система обучения с диагностикой ошибок.

Держите это различение в голове: всё, что реалистично построить инженеру, — это целенаправленная практика. Осознанной в строгом смысле она быть не может, потому что в разработке нет ни канонической программы, ни института тренеров. Это не придирка к словам, а причина, по которой числа из музыкальных исследований сюда не переносятся.

Как из этого получились «10 000 часов»

Число попало в массовое сознание из книги Малкольма Гладуэлла Outliers (2008); сам Эрикссон впоследствии публично возражал против такой трактовки — в Peak (2016) есть отдельный раздел об этом. Искажение состоит из трёх независимых подмен:

Про разброс есть отдельные данные, и они убивают идею порога надёжнее любых рассуждений. Gobet F., Campitelli G. (2007). The Role of Domain-Specific Practice, Handedness, and Starting Age in Chess. Developmental Psychology, 43(1): среди шахматистов, достигших звания мастера, накопленный объём практики различался примерно от трёх тысяч до двадцати трёх тысяч часов. Один и тот же уровень — разница в семь раз.

Отсюда сразу следует практический вывод для инженера: счётчик часов не является ни целью, ни диагностикой. Если у вас есть метрика «сколько я вложил времени» и нет метрики «что изменилось в результате», вы измеряете расход, а не рост.

Спор: что показали проверки

Дальше начинается самое интересное и самое замалчиваемое в популярных пересказах.

Метаанализ 2014 года

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).

Авторы собрали исследования, где измерялись и накопленная практика, и результат, и оценили, какую долю различий в результатах объясняет объём практики:

Читать эту таблицу нужно осторожно в обе стороны. «26 %» не значит «практика неважна» — это очень много для одного предиктора. Но и «практика решает всё» из этого не следует: три четверти различий объясняются чем-то другим — возрастом начала, средой, поддержкой, качеством обучения, индивидуальными различиями и просто шумом измерения.

Строка «профессии» — про нас. Меньше одного процента. Но прежде чем делать из этого вывод «в работе практика бесполезна», посмотрите на то, как в этих исследованиях вообще измеряли практику у профессионалов: как правило, это стаж или самоотчёт о рабочем времени, то есть не осознанная практика, а просто занятость. Строка честнее всего читается так: стаж сам по себе почти ничего не предсказывает. Это, кстати, ровно то, что видит любой, кто проводил собеседования: десять лет опыта у двух кандидатов означают совершенно разные вещи.

Возражения Эрикссона и ответная реплика

Эрикссон отвечал, что в метаанализ попали исследования, где под «практикой» считалось всё подряд — групповые занятия, игра, работа, — и что при таком подсчёте эффект неизбежно размывается: Ericsson K. A. (2016). Summing Up Hours of Any Type of Practice Versus Identifying Optimal Practice Activities. Perspectives on Psychological Science, 11(3).

Контрдовод оппонентов (Macnamara, Moreau, Hambrick, 2016, там же) состоит в том, что определение, при котором засчитывается только практика, приведшая к росту, становится невыпровергаемым: любой случай отсутствия роста объявляется «не той практикой». Это методологический тупик, и распознавать такую конструкцию полезно не только здесь — разбор подобных ходов есть в треке по логике.

Отдельно стоит прочитать Hambrick D. Z., Oswald F. L., Altmann E. M., Meinz E. J., Gobet F., Campitelli G. (2014). Deliberate Practice: Is That All It Takes to Become an Expert? Intelligence, 45 — там разбираются шахматы и музыка на индивидуальных данных, и показано, что при одинаковом объёме практики итоговый уровень различается очень сильно.

Репликация 2019 года

Macnamara B. N., Maitra M. (2019). The Role of Deliberate Practice in Expert Performance: Revisiting Ericsson, Krampe & Tesch-Römer (1993). Royal Society Open Science, 6 (doi:10.1098/rsos.190327).

Авторы воспроизвели дизайн 1993 года настолько близко, насколько смогли. Итог: часть картины подтвердилась — группы различались по накопленной практике, — но лучшая и хорошая группы между собой по объёму одиночной практики практически не различались. То есть переменная, которая должна была разделять уровни мастерства, на верхней части шкалы этого не делала.

Что осталось после спора

Честная сводка, без выбора стороны:

• Практика необходима. Никто в этом споре не утверждает обратного: без большого объёма целенаправленной работы высокого уровня не достигают нигде.
• Практика недостаточна и не является единственным фактором. Формулировка Campitelli и Gobet (2011) — «necessary but not sufficient» — выдержала проверку лучше всех остальных.
• Величина вклада зависит от области, и зависит сильно: от четверти дисперсии в играх до почти нуля в профессиях.
• Числа вроде 10 000 часов не имеют статуса порога ни в одной из работ.
• Ключевая переменная — не количество часов, а устройство обратной связи, и об этом дальше.

Почему в профессиях эффект почти исчезает

Здесь начинается самая полезная для инженера часть, и, что приятно, её доказательная база независима от спора вокруг Эрикссона.

Kahneman D., Klein G. (2009). Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6). Два исследователя с противоположными взглядами на интуицию — один изучал систематические ошибки суждения, другой успешные решения пожарных и медсестёр — сели и договорились, при каких условиях профессиональная интуиция вообще может сформироваться. Условий два:

1. Среда достаточно регулярна — в ней есть устойчивые закономерности, которые в принципе можно выучить (авторы называют такие среды высоковалидными);
2. Есть возможность выучить эти закономерности — то есть длительная практика с обратной связью, которая приходит достаточно быстро и однозначно связана с решением.

Если первое условие нарушено, опыт даёт уверенность без точности. Если нарушено второе — навык не формируется даже в регулярной среде.

Смежные работы, которые стоит знать:

• Shanteau J. (1992). Competence in Experts: The Role of Task Characteristics. Organizational Behavior and Human Decision Processes, 53 — систематизация того, в каких профессиях экспертные суждения оказываются точными (метеорология, шахматы, оценка почв — быстрая и однозначная обратная связь), а в каких нет (прогноз фондового рынка, клиническая психология, отбор персонала).
• Hogarth R. (2001). Educating Intuition и Hogarth, Lejarraga, Soyer (2015). The Two Settings of Kind and Wicked Learning Environments. Current Directions in Psychological Science — различение добрых и злых сред обучения. В доброй среде обратная связь полная, быстрая и не искажена. В злой — обратная связь запаздывает, приходит выборочно или систематически вводит в заблуждение, и опыт в такой среде обучает неправильному.

Инженерия — не одна среда, а смесь. Часть задач живёт в почти идеально добром окружении, часть — в откровенно злом.

Правый нижний квадрант — самый коварный. Сигнал приходит быстро, поэтому кажется, что вы учитесь; но он не связан с тем, что вы хотите улучшить. Прохождение алгоритмических секций собеседований — характерный случай: цикл короткий, критерий чёткий, прогресс измерим, а перенос на промышленную разработку никем не измерен. Тренировать это осмысленно ради самой цели — попасть на работу, см. подготовку к собеседованиям, — но выдавать это за рост инженерного умения нельзя.

Левый нижний квадрант объясняет, почему в профессиях метаанализ показал меньше процента. Архитектурное решение проверяется через год-два, за это время меняется всё, и приписать исход решению почти невозможно. Про то, как задержки в контуре обратной связи ломают обучение системы, есть отдельная глава в треке системного мышления.

Что из условий Эрикссона выполнимо у инженера

Разбор по пунктам, без утешений.

Строка «работа не является практикой» — самая важная и самая неприятная. В терминах Эрикссона выступление и практика — разные вещи: во время выступления вы делаете то, что уже умеете, максимально надёжно. Обычная рабочая задача — это выступление. Она оптимизирована под поставку результата, а не под ваш рост; в ней вы выбираете знакомые инструменты, избегаете риска и не повторяете одно и то же с вариациями.

Отсюда не следует, что работа не учит. Следует, что она учит побочно и неравномерно: тому, что часто встречается, а не тому, что вам нужно; и останавливается, как только достигнут уровень «достаточно хорошо». Как выжимать из рабочих задач больше — отдельная тема главы «Учиться на чужом коде и внутри рабочих задач».

Как выглядит цикл практики

Практический критерий, отделяющий практику от работы и от имитации:

Различие между часом работы и часом практики — не в усердии, а в числе замкнутых циклов:

Формы у инженера: что делать, чего стоит, когда не окупается

Дальше — конкретные формы. Сразу оговорка, которую нельзя пропускать: контролируемых исследований осознанной практики в промышленной разработке я назвать не могу. Всё нижеследующее — перенос механизма по аналогии плюс отраслевой опыт. Механизм правдоподобен, цена измерима, риск невелик, но это не данные.

Реализация против набора свойств

Что делать. Взять узкий компонент, сформулировать его контракт как проверяемые свойства и реализовать с нуля, проверяя себя автоматически. Оракулом служит не «выглядит правильно», а инвариант.

Пример: ограничитель запросов по схеме token bucket. Реализация занимает десять строк, а ошибиться в ней можно четырьмя разными способами.

Сначала контракт словами: за любой интервал длины T пропущено не более capacity + rate * T запросов; в покое накопление не превышает capacity; при cost > capacity не проходит никогда.

class TokenBucket:
    """Ограничитель: всплеск до capacity запросов, восполнение rate штук в секунду."""

    def __init__(self, capacity: float, rate: float) -> None:
        self.capacity = capacity
        self.rate = rate
        self.tokens = capacity      # стартуем с полным ведром
        self.ts = 0.0               # момент последнего пересчёта

    def allow(self, now: float, cost: float = 1.0) -> bool:
        # Восполняем пропорционально прошедшему времени, но не выше ёмкости.
        # Типичная ошибка — забыть min и получить неограниченный всплеск после простоя.
        self.tokens = min(self.capacity, self.tokens + (now - self.ts) * self.rate)
        self.ts = now               # время двигаем всегда, а не только при успехе
        if self.tokens >= cost:
            self.tokens -= cost
            return True
        return False

Сложность: O(1) по времени на вызов и O(1) по памяти на ведро — состояние это два числа, история запросов не хранится.

Теперь оракул. Не «прогнал руками, вроде работает», а проверка инварианта на случайных сценариях:

import random


def check_invariant(trials: int = 300, events_per_trial: int = 200) -> None:
    """Свойство: на любом окне длины T пропущено не больше capacity + rate * T."""
    for _ in range(trials):
        cap = random.choice([1.0, 5.0, 20.0])
        rate = random.choice([0.5, 2.0, 10.0])
        bucket = TokenBucket(cap, rate)
        t, passed = 0.0, []
        for _ in range(events_per_trial):
            t += random.expovariate(5.0)          # неравномерный поток, а не равномерный
            if bucket.allow(t):
                passed.append(t)
        for i, start in enumerate(passed):        # все окна, начинающиеся с пропущенного запроса
            for j in range(i, len(passed)):
                window = passed[j] - start
                if (j - i + 1) > cap + rate * window + 1e-9:
                    raise AssertionError(
                        f"нарушение при cap={cap}, rate={rate}, окно={window:.3f}"
                    )

Проверка стоит O(k²) по времени, где k — число пропущенных запросов, и это нормально: оракул не обязан быть быстрым, он обязан быть верным. Приём в целом — из трека тестирования, там же разобрано, как формулировать свойства.

Цена. 40–90 минут на одно упражнение, из них половина уходит на формулировку свойств — и это самая полезная половина.

Когда не окупается. Когда готовый компонент есть в стандартной библиотеке и вы никогда не будете его писать. Тогда полезнее уметь выбрать и настроить, а это другое упражнение.

Восстановление по памяти с проверкой

Пересечение с главой про извлечение: реализация известного алгоритма без подглядывания, с тестами в роли обратной связи. Отличие в акценте — там это работа с памятью, здесь важен второй заход: увидели ошибку, исправили, написали заново с нуля через день.

Цена. Второй заход психологически тяжелее первого, потому что кажется бессмысленным. Именно он и есть практика.

Когда не окупается. Если материал вы применяете ежедневно — он уже отработан.

Предсказание и журнал расхождений

Самая дешёвая форма, работающая в злых средах. Перед запуском кода, чтением логов, просмотром плана запроса или ответа модели — записать одну фразу о том, что ожидаете. Потом сверить. Расхождения складывать в один файл.

Ценность не в самом предсказании, а в накоплении статистики о собственных систематических промахах: через месяц журнал показывает не «я иногда ошибаюсь», а «я недооцениваю стоимость миграций данных в три раза» и «я всегда забываю про поведение при пустом входе».

Косвенное основание, что калибровку вообще можно тренировать, есть: в исследованиях прогнозных турниров короткое обучение вероятностному мышлению улучшало точность прогнозов — Mellers B. и коллеги (2014). Psychological Strategies for Winning a Geopolitical Forecasting Tournament. Psychological Science, 25(5); популярное изложение — Tetlock, Gardner, Superforecasting (2015). Это про геополитические прогнозы, а не про оценку сроков в разработке; прямого переноса никто не измерял.

Цена. Секунды на запись, минуты в неделю на разбор. Реально мешает не время, а то, что записывать промахи неприятно.

Когда не окупается. Если журнал не перечитывается — тогда это ритуал. Раз в две недели прочитать и найти повторяющийся класс ошибок обязательно, иначе форму можно бросать.

Ревью вслепую

Что делать. Открыть чужой pull request, до чтения комментариев и тестов записать список мест, которые считаете опасными, потом сравнить со списком реально найденных дефектов и с тем, что позже сломалось в проде.

Это одна из немногих инженерных задач среднего квадранта, которую можно перевести в добрую среду почти без затрат: список ваших предсказаний и список реальных дефектов сопоставимы напрямую.

Цена. 5–10 минут на ревью.

Когда не окупается. На косметических диффах и на чужих доменах, где у вас нет модели системы.

Симуляция вместо ожидания реальности

Единственная профессиональная область, где у осознанной практики есть приличная доказательная база, — медицина, и там она держится именно на симуляторах: McGaghie W. C., Issenberg S. B., Cohen E. R., Barsuk J. H., Wayne D. B. (2011). Does Simulation-Based Medical Education with Deliberate Practice Yield Better Results Than Traditional Clinical Education? Academic Medicine, 86(6) — обучение на симуляторах с повторением и коррекцией превосходит традиционное клиническое обучение.

Логика переносится, но именно как аналогия: симулятор превращает редкое событие с отложенными последствиями в повторяемое упражнение с быстрой обратной связью. Инженерный аналог — учебные инциденты, игровые дни, отработка восстановления из бэкапа и отката релиза; всё это разобрано в треке SRE. Разбор произошедших инцидентов — постмортемы — работает как отложенная обратная связь для тех решений, которые иначе не проверяются никогда.

Цена. Организационная: нужен стенд, время команды и разрешение ломать. В одиночку доступна урезанная версия — поднять систему локально и убить в ней что-нибудь.

Когда не окупается. Если сценарий учений не похож на реальные отказы, тренируется реагирование на выдуманное. Сценарии стоит брать из истории собственных инцидентов.

Человек в цикле

Замена тренера — самая дефицитная часть конструкции. Работающие приближения: парная работа с более сильным инженером на его задаче (а не на вашей), ревью, где вы просите разбор своего мышления, а не одобрение диффа, и защита решения перед скептически настроенным коллегой.

Про то, как устроена полезная обратная связь и почему большая её часть бесполезна, — следующая глава и, со стороны дающего, глава в треке лидерства.

Цена. Чужое время, которое надо чем-то возвращать.

Когда не окупается. Если рядом нет никого сильнее вас в нужном навыке — тогда честнее строить оракулы, а не искать наставника любой ценой.

Плато: почему рост останавливается

Классическая модель освоения навыка — три стадии Fitts и Posner (1967, Human Performance): когнитивная (думаем над каждым шагом), ассоциативная (ошибок меньше, действия связываются), автономная (выполняется без сознательного контроля).

Автоматизация — это польза: она освобождает рабочую память. И одновременно это место остановки, потому что автономная стадия достигается на уровне «достаточно хорошо для текущих задач» и дальше сама по себе не улучшается. Эрикссон называл это состоянием остановленного развития и считал, что эксперты выходят из него, намеренно возвращая себе сознательный контроль над отдельными компонентами. Данных, подтверждающих это вне исполнительских областей, немного — держите утверждение как модель, а не как факт.

Петля Plateau --> Plateau — это и есть «десять лет опыта, из которых один год повторён десять раз». Она не признак лени: она естественное состояние системы, где ничто не заставляет выходить за пределы достаточного. Выход из неё стоит времени и дискомфорта, и решение выходить не всегда правильное — про это ниже.

Заодно: остановка на плато — не то же самое, что выгорание и не то же самое, что прокрастинация. Их лечат разными средствами, и попытка лечить усталость дополнительной практикой делает хуже.

Цена и границы

Раздел, без которого глава была бы очередным набором советов.

Практика конкурирует с поставкой. Час на упражнение — это час не на задачу. В командах, где загрузка близка к предельной, практика вытесняется первой. Это не проблема дисциплины, а арифметика; см. внимание и энергию.

Она ограничена по объёму. У Эрикссона верхняя граница — порядка четырёх часов в день на пике формы у людей, чья профессия и есть практика. У инженера, у которого восемь часов уходит на работу, реалистичный бюджет — часы в неделю, а не в день. Планы вроде «два часа практики каждый вечер» ломаются об это ограничение, а не об отсутствие мотивации.

Она неприятна по устройству. Правильно выбранная задача даёт провалы примерно в трети попыток. Ощущение при этом такое же, как при некомпетентности, — и отличить одно от другого изнутри нельзя, это продолжение сюжета иллюзии понимания.

Есть риск тренировать прокси. Самая частая ошибка: выбрать навык, у которого удобная обратная связь, вместо навыка, который нужен. Алгоритмические задачи, соревновательное программирование, конкурсы по скорости — всё это измеримо и потому притягательно. Перенос на промышленные задачи никем не измерен, и предполагать его по умолчанию нельзя. Механику того, почему перенос не происходит сам, разбирает глава 10.

Результат не гарантирован и не предсказуем по вложенным часам. Разброс на графике выше — не про шахматы, а про свойство любых сложных навыков. Из «я вложил 200 часов» не следует «я должен был выйти на уровень X».

Не окупается, когда:

• узкое место не в вашем умении, а в организации: непонятные требования, отсутствие ревью, никакой обратной связи от продукта. Тогда практика — способ не решать настоящую проблему;
• навык быстро обесценивается инструментами. Тренировать ручное написание шаблонного кода в 2026 году — сомнительная инвестиция, а вот умение проверять сгенерированный код растёт в цене, см. проверку кода от ИИ;
• вы уже на уровне, достаточном для ваших целей, и хотите потратить время на другое. Это законный выбор, а не поражение;
• вы в фазе высокой нагрузки, где не хватает восстановления. Практика в этом состоянии не даёт эффекта и ускоряет истощение.

Антипаттерны

Счётчик часов. Метрика вложенного времени всегда растёт и потому приятна. Она не отличает восьмичасовой день копипаста от полутора часов упражнений с провалами. Если хотите метрику — считайте число замкнутых циклов «попытка — проверка — коррекция» или число исправленных классов ошибок.

«Опыт вместо практики». Стаж предсказывает результат слабо — это как раз та строка метаанализа с показателем меньше процента. Опыт становится обучением только там, где обратная связь дошла до вас и была разобрана.

Ката как ритуал. Практика на одном и том же упражнении, которое уже получается, — наивная практика по определению Эрикссона. Признак: вы знаете, каким будет результат, ещё до начала.

Тренировка сильной стороны. Приятно и бесполезно. Дефицит по определению находится там, где неприятно.

Прохождение туториалов. Повторение за экраном не содержит ни попытки, ни оракула, ни коррекции — там вообще нет цикла. Это чтение с дополнительными движениями; разбор механики — в главе про иллюзию понимания.

«Найду наставника и тогда начну». Тренера в инженерии почти ни у кого нет. Работоспособная замена — построенный оракул: тест, инвариант, бенчмарк, журнал расхождений. Ждать идеальных условий дороже, чем начать с плохими.

Ссылка на «10 000 часов» в собственном плане. Если в вашем плане обучения есть число часов как цель, план измеряет расход. Как строить его иначе — глава 15.

Отдельно: «10x-инженер» и почему это тоже нужно проверять

Сюжет соседний и болеет тем же. Утверждение о десятикратном разбросе производительности программистов восходит к работе Sackman H., Erikson W. J., Grant E. E. (1968). Exploratory Experimental Studies Comparing Online and Offline Programming Performance. Communications of the ACM, 11(1). Разбор методических проблем этой работы — Prechelt L. (1999). The 28:1 Grant/Sackman Legend Is Misleading, технический отчёт университета Карлсруэ; популярный разбор мифов такого рода — книга Laurent Bossavit, The Leprechauns of Software Engineering (2015).

Смысл упоминания здесь не в том, чтобы решить вопрос о разбросе (он не решён), а в том, чтобы показать шаблон: число из старой работы с сомнительным дизайном живёт десятилетиями, потому что удобно рассказывается. Ровно как «10 000 часов». Полезная привычка — при встрече с круглым числом спрашивать, на какой выборке и в каком дизайне оно получено.

Что при этом действительно неплохо документировано — различия в организации знания между новичками и опытными программистами. McKeithen K. B., Reitman J. S., Rueter H. H., Hirtle S. C. (1981). Knowledge Organization and Skill Differences in Computer Programmers. Cognitive Psychology, 13(3) — эксперты лучше воспроизводят осмысленные фрагменты программ, но теряют преимущество на перемешанных; это прямая аналогия шахматных работ Chase и Simon (1973). Вывод, полезный для практики: экспертиза — это не скорость набора, а структура памяти под предметную область, и тренируется она работой со смыслом, а не с объёмом.

Мини-итог

• Работа Ericsson, Krampe, Tesch-Römer (1993) — про скрипачей академии, ретроспективные оценки часов, малые группы и корреляционный дизайн. Она сформулировала полезное понятие, но не доказала, что часы порождают мастерство.
• «Осознанная практика» по определению требует методики обучения и тренера. В инженерии их нет, поэтому доступна только целенаправленная практика — с самодельным источником истины.
• «10 000 часов» — популяризация Гладуэлла, а не результат Эрикссона: среднее по группе превратилось в порог, специфическая практика — в любые часы, одна область — в любые области. Разброс в данных по шахматам (Gobet, Campitelli, 2007) — примерно от 3 000 до 23 600 часов до одного и того же уровня.
• Метаанализ Macnamara, Hambrick, Oswald (2014): практика объясняет около 26 % различий в играх, 21 % в музыке, 18 % в спорте, 4 % в образовании и меньше 1 % в профессиях. Спор о методике подсчёта не закрыт; репликация Macnamara и Maitra (2019) воспроизвела результат 1993 года лишь частично.
• Устойчивая формулировка после всего спора: практика необходима, но недостаточна, и её вклад сильно зависит от области.
• Ключевая переменная — не число часов, а среда обратной связи: Kahneman и Klein (2009), Shanteau (1992), Hogarth (2001). Инженерия смешанная: часть задач в доброй среде, часть в злой.
• Практическая программа сводится к одному: сузить задачу до проверяемой, построить оракул, повторять с коррекцией. Всё остальное — детали реализации.
• Контролируемых исследований осознанной практики в промышленной разработке нет. Всё, что написано в разделе про формы, — аналогия и отраслевой опыт, а не данные.
• Цена: конкуренция с поставкой, ограничение по объёму, устойчивый дискомфорт, риск тренировать удобный прокси вместо нужного навыка.

Источники

• 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
• Ericsson K. A., Pool R. (2016). Peak: Secrets from the New Science of Expertise. Houghton Mifflin Harcourt.
• Ericsson K. A. (2016). Summing Up Hours of Any Type of Practice Versus Identifying Optimal Practice Activities. Perspectives on Psychological Science, 11(3).
• 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).
• Macnamara B. N., Moreau D., Hambrick D. Z. (2016). The Relationship Between Deliberate Practice and Performance in Sports. Perspectives on Psychological Science, 11(3).
• Macnamara B. N., Maitra M. (2019). The Role of Deliberate Practice in Expert Performance: Revisiting Ericsson, Krampe & Tesch-Römer (1993). Royal Society Open Science, 6. doi:10.1098/rsos.190327
• Hambrick D. Z., Oswald F. L., Altmann E. M., Meinz E. J., Gobet F., Campitelli G. (2014). Deliberate Practice: Is That All It Takes to Become an Expert? Intelligence, 45.
• Gobet F., Campitelli G. (2007). The Role of Domain-Specific Practice, Handedness, and Starting Age in Chess. Developmental Psychology, 43(1).
• Campitelli G., Gobet F. (2011). Deliberate Practice: Necessary But Not Sufficient. Current Directions in Psychological Science, 20(5).
• Kahneman D., Klein G. (2009). Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6).
• Shanteau J. (1992). Competence in Experts: The Role of Task Characteristics. Organizational Behavior and Human Decision Processes, 53(2).
• Hogarth R. M. (2001). Educating Intuition. University of Chicago Press; Hogarth R. M., Lejarraga T., Soyer E. (2015). The Two Settings of Kind and Wicked Learning Environments. Current Directions in Psychological Science, 24(5).
• McGaghie W. C., Issenberg S. B., Cohen E. R., Barsuk J. H., Wayne D. B. (2011). Does Simulation-Based Medical Education with Deliberate Practice Yield Better Results Than Traditional Clinical Education? Academic Medicine, 86(6).
• Mellers B. и коллеги (2014). Psychological Strategies for Winning a Geopolitical Forecasting Tournament. Psychological Science, 25(5); популярное изложение — Tetlock P., Gardner D. (2015). Superforecasting.
• Fitts P. M., Posner M. I. (1967). Human Performance. Brooks/Cole.
• Chase W. G., Simon H. A. (1973). Perception in Chess. Cognitive Psychology, 4(1); de Groot A. D. (1965). Thought and Choice in Chess.
• McKeithen K. B., Reitman J. S., Rueter H. H., Hirtle S. C. (1981). Knowledge Organization and Skill Differences in Computer Programmers. Cognitive Psychology, 13(3).
• Sackman H., Erikson W. J., Grant E. E. (1968). Exploratory Experimental Studies Comparing Online and Offline Programming Performance. Communications of the ACM, 11(1); критика — Prechelt L. (1999). The 28:1 Grant/Sackman Legend Is Misleading, техотчёт университета Карлсруэ; Bossavit L. (2015). The Leprechauns of Software Engineering.
• Gladwell M. (2008). Outliers: The Story of Success — источник популярной формулировки про 10 000 часов, не научная работа.

Что дальше

Вся конструкция этой главы держится на одном компоненте, который в инженерии приходится строить руками: на обратной связи. Без неё практика не отличается от повторения и закрепляет ровно то, что вы делаете неправильно, — включая ошибки, которых вы не замечаете годами.

Обратная связь: без неё практика закрепляет ошибки