本期编译自商业写作者 Cedric Chin 关于「隐性知识」的系列文章，本文是第二篇。
第一篇：普通人如何复制高手做事的本能？
🔵 假设你已经接受了隐性知识的概念，并且认同它主要通过模仿、学徒制和潜移默化的方式学习。
那么，接下来的问题就是：我们能否提高学习隐性知识的效率？有没有研究告诉我们如何更有效地进行模仿或学徒学习？
在我之前的文章中，我提到过自然决策研究（NDM，Naturalistic Decision Making）是我发现的最有前景的专家研究子领域。我还提到，学习 NDM 的方法对我个人的技能提升产生了最显著的影响。
这篇文章将深入探讨这些方法。
两个需要澄清的前提
在开始之前，我需要先说明两点：
1. “隐性知识”这个术语并不完美，“隐性知识”来源于知识论（Epistemology），即对“真理”的哲学研究。
我在本系列中定义它为“无法仅用语言传授的知识”，但这个定义本身就存在各种争议和歧义。
让我们快速浏览一下关于“隐性知识”的一些哲学争论：
⭕️ 隐性知识可能是“身体化（embodied）”的——例如，骑自行车、打网球等涉及身体协调的技能，有些哲学家认为这些技能与编程、设计、写作等“认知性”技能的隐性知识有所不同。（我个人并不认同这种区分，但完整论证它需要写 50 页的文章，我们暂且不讨论这个问题。）
⭕️ 隐性知识可能被转化为显性知识——例如，骑自行车的物理原理可以被写成物理方程，但这些方程对学习者而言几乎毫无帮助。所以这到底算隐性知识，还是显性知识，抑或两者兼而有之？
⭕️ 视频或图片能否传达隐性知识？——如果一个复杂的瑜伽动作无法用语言描述，但可以通过视频或图片传授，那么它算是隐性知识，还是显性知识？
⭕️ 组织层面的隐性知识——1988 年，丰田生产系统（TPS）的创始人大野耐一（Taiichi Ohno）出版了一本书，首次公开了 TPS 的理念。在此之前，他多年拒绝将其原则正式整理成书，因为他担心这会削弱丰田的竞争优势。
但令人惊讶的是，即使书籍发布后，其他公司仍然无法轻易复制丰田的成功。即使竞争对手挖走了 TPS 专家，也无法在自己的企业内重建同样的生产系统。
这引发了关于组织隐性知识的研究——即某些知识只能在特定的文化和环境中发挥作用，而无法通过简单的文档或培训复制。
这些讨论在哲学领域非常重要，但在本博客的语境下，它们并不实用。
我关心的不是“什么是真理”，而是“如何让你更好地获取专家的知识和技能”。
如果你是一名哲学家，或者是某个在线论坛里喜欢较真的评论者，熟悉维特根斯坦（Wittgenstein）、德雷福斯（Dreyfus）或波兰尼（Polanyi），那么这些问题的答案对你来说可能很重要。
但如果你是一名实践者，看到自己公司里有人展现出极高的专业能力，你大概不会关心这些哲学讨论的结论。
你真正想知道的是：如何获得你那位更优秀同事脑子里的知识和技能。
2. 我真正关心的是“专家直觉”
为了绕开上述哲学讨论，我在本系列中所说的隐性知识，实际上指的是“专家直觉（expert intuition）”或“专家判断（expert judgment）”。
这种知识之所以被认为是隐性的，是因为：
- 它极难被研究
- 它极难被显性化
- 它极难被教授
理论上，专家的直觉可以被显性化。如果你找到一位合适的专家，或者让一位受过 NDM 训练的人来访谈专家，他们或许能提取出专家的思维模型，并进行讲解。
但这带来了两个问题：
- 你的领域可能没有合适的人来提取这种知识。NDM 研究本身仍是一个小众领域，而且能够精准表达自己专业判断的专家也非常罕见。
- 即便专家能够解释，他们的解释对你未必有帮助。就像物理学家可以用方程描述骑自行车的原理，但这并不能教会你骑车。同样，一位优秀的程序员可能会用一堆复杂的逻辑来解释她的决策方式——但这对你来说可能毫无帮助。
在我之前的文章中，我曾简单提到过这两个问题。而核心观点在于：无论你的领域中的隐性知识是否可以被显性化，对你来说，更有用的做法是假设它无法被显性化。
这种思维方式能让你跳出对“解释”的执念，去寻找更有效的学习方法，而不仅仅依赖理论上的讲解。
我的第二个补充是：即使隐性知识让人困惑，它仍然值得被介绍。
我发现，当我直接向别人讲解 NDM 的理念时，大多数人并不会感兴趣。但如果我先介绍“隐性知识”这个概念——即某些深植于人类专业能力中的知识，无法仅通过语言传达——他们往往能立刻将这一现象与自己的经验联系起来。这样一来，他们就更愿意听我讲解 NDM 的训练方法了。
所以，在理解了这两个前提之后，让我们正式开始。
🔵 自然决策研究（NDM）的方法
为了更好地学习隐性知识（模仿学习），我们需要理解它的本质。一个危险的误区是把“专家直觉”误认为是一种“无法学习的天赋”。
但事实并非如此。
整个 NDM 研究领域的目标就是提取专家的直觉，并将其提炼转化为可训练的技能。
许多 NDM 项目由政府或军方资助，这些机构会衡量培训效果、优化训练方法、并支付研究人员费用，然后让他们继续下一个项目。
那么，他们是如何做到的？
据我所知，NDM 研究者主要依赖三种工具。
其中第一种是认知任务分析（Cognitive Task Analysis, CTA），这是一套专门用于访谈的技术，目的是挖掘专家头脑中那些隐性的认知模型。
但要做到这一点并不容易。CTA 的早期版本被称为关键决策法（Critical Decision Method, CDM），它专注于分析那些“棘手案例”，试图揭示专家在关键决策时脑海中到底发生了什么。
如今，CTA 这套方法已经大大扩展，涵盖了更多技术，统称为认知任务分析。
如果你研究过心理学方法的发展，就会发现认知任务分析（CTA）其实是行为主义心理学早期技术的延伸，这些技术最初用于在实验条件下分析心理效应。（比如，Paul Harmon 就曾讨论过这一演变过程。）
在 NDM 研究中，研究者通常会在项目初期进行认知任务分析，以此从专家那里提取隐性知识。这是他们研究专业技能和决策过程的重要手段。
🔵 识别优先决策模型帮助我们理解专家是如何凭直觉做出决策的。
其次，许多 NDM 研究者依赖于一种解释专家直觉的模型，即识别优先决策模型（Recognition-Primed Decision Making, RPD）。
这个模型由 Gary Klein 及其团队在 1990 年代提出，是他们理解专家直觉的核心理论。
RPD 模型解释了专家直觉是如何运作的，同时也揭示了为什么专家在传授自己的专业知识时会感到困难。
NDM 研究者在访谈过程中会以 RPD 模型作为指导，同时也会利用它来设计训练方案，帮助学员更有效地培养专家级决策能力。
最后，NDM 研究者还会开发训练项目，帮助经验较少的实践者培养自己的专家级判断力。
NDM 从业者通常对教学方法有所了解，但在设计训练方案时，他们同样依赖 RPD 模型 作为指导。这意味着，他们不会单纯依靠理论讲解，而是注重模拟真实情境，让学员通过实践逐步形成专家级的直觉和决策能力。
很多人会误以为：“哦，如果隐性知识可以被显性化，那只要把它讲清楚，别人就能学会。” 但这个结论是错误的。
正如我们即将看到的，专业知识中有很大一部分是隐性的，而对于某些特定类型的专业能力，训练方法本身也必须是隐性的。
换句话说，真正有效的训练并不是靠讲解，而是通过模仿、实践和情境训练来掌握，而不是依赖明确的指令式教学。
NDM 的价值在于，它为我们提供了一套严谨的方法，让我们能够系统地思考和设计这种类型的学习过程。
由于 RPD 模型 是 NDM 研究的核心，如果我们想要应用它，就应该从这个模型入手，并深入探讨它所涵盖的内容。
🔵 识别优先决策模型（RPD）
想象一下，你坐在我的位置上，身旁是一位资深程序员。他只用了几秒钟扫了一眼你的代码，就给出了几条建议。
你惊讶地问：“你是怎么做到的？”他随口回答：“哦，这就是一种感觉，对了就是对了。”
要理解这位程序员的专业能力，我们必须问自己：在这几秒钟里，他的脑海中到底发生了什么？
这正是 RPD 模型 能给我们提供线索的地方。
RPD 模型描述了人在现实世界中如何进行问题解决。它告诉我们，当专家遇到问题时，他们的大脑会观察周围不断变化的环境，并迅速将其与记忆中的一系列原型进行匹配。
如果他们能识别出当前情境与某个原型相似——即便这个情境是非典型的！——那么，他们的大脑会立刻生成四个关键内容：
1. 一套“预期”（Expectancies）——在分析一个情况时，专家会在脑海中构建心理模拟，预测事件是如何发展到当前状态的，并推测它接下来可能如何演变。
换句话说，他们会对接下来的情况有所预期，而且经验越丰富，这种预期就越清晰、越精准。
例如，一名经验丰富的消防员只需扫视火场一眼，就能迅速判断火势可能蔓延的方向，以及哪些因素可能导致情况恶化。同样，一名资深程序员在阅读代码时，如果发现了几个奇怪的临时修补（kludge），可能会立刻怀疑某个子模块一直是 bug 频发的根源。
2. 一组可行的目标（Plausible Goals）——专家会迅速判断当前应该优先处理什么，以及哪些事情可以稍后再做。
例如，在战斗中，海军陆战队的小队长需要在多个目标之间做出权衡，比如保护队员生命、安全转移到更好的掩体、还是继续执行任务。他会根据识别到的情境原型，迅速确定当前的优先级，从而腾出认知资源来进行其他决策。
同样，一名程序员在收到一组业务需求后，可能会立刻在脑海中生成一个按优先级排序的目标列表，依据过往经验判断哪些任务应该优先完成，哪些可以稍后处理。
3. 一组关键线索（Relevant Cues）——专家知道应该关注哪些信息，而新手往往不知道。
当专家识别出某个情境原型时，他们的大脑会自动关联一组重要线索，帮助他们快速理解局势。例如，刚开始学开车的人可能会觉得信息量过载，需要同时关注仪表盘、各种按钮和后视镜。
但开了一段时间后，这些操作变得自动化，注意力也会自然转移到特定情境下的关键信息。
比如，在转弯时，你会本能地检查侧后视镜，并且清楚应该注意哪些潜在危险。而对于刚学车的新手来说，他们可能还在费力地记住这些步骤，而不是自然而然地做到。
4. 一套行动脚本（Action Script）——最后，如果当前情境是典型情况，专家的大脑会立即生成一个可执行的行动方案。
如果情境并不典型，专家的大脑仍然会生成一组可能的行动步骤，但他们会放慢节奏，在脑海中逐步推演每一步的可行性。
这使得他们即使面对陌生或复杂的情况，也能通过已有经验迅速制定合理的应对方案。
对目标、关键线索、预期和行动方案的识别，都是识别情境的一部分。而关键在于，这一切都发生在隐性记忆（implicit memory）中。
这也正是为什么专家往往无法清楚地用语言解释他们的决策过程——因为他们的大脑是在无意识地模式匹配，而不是通过有意识的推理一步步得出答案的。
隐性记忆的运作是无意识的。
举个例子，我们识别人脸的能力就是一种隐性记忆的运作方式，但我们无法准确描述这个过程是如何发生的。
当你的朋友 Mary 走进房间时，你会立刻认出她的脸，但回忆她的名字却是另一个完全不同的过程。这是因为识别人脸属于“识别”（recognition），而回忆名字属于“回忆”（recall）——这两种操作依赖于大脑中不同的记忆子系统。（Gillund & Shiffrin, 1984）
🔵 识别发生在隐性记忆中，这就解释了为什么专家无法清楚地表达他们的决策过程。
当专家说“我就是觉得这样做对”，他们的意思实际上是他们识别出了一个问题，并将其归类为他们脑海中已有的某种原型。
这个过程中，大脑会自动生成四个副产品，但这一隐性记忆操作的速度非常快，以至于专家无法言传。他们只能说：“感觉就是对的！”——这和你看到一个熟人但一时想不起名字的情境类似，你可能会说：“我认识她，但就是想不起来她叫什么！”
到目前为止，我们所探讨的 RPD（Recognition-Primed Decision Making）模型仍然不完整。
在某些情况下，专家可能会遇到与他们记忆中原型不匹配的情境，或者发现某些证据违背了他们原本的预期。
在这种情况下，专家会立刻意识到自己的原型匹配是错误的，随即回到模式识别阶段，尝试构建一个新的叙述或模拟，以解释眼前的情况，从而匹配一个新的原型。例如：
- 消防员可能会后退一步，观察是否有其他烟雾迹象；
- 程序员可能会深入挖掘某个子系统；
- 海军陆战队小队长可能会选择换一条侦察路线。
我们的 RPD 模型现在看起来是这样的——所有红色部分代表第二种变体，即包含反复模式匹配的循环：
RPD 模型的第三种变体关注的是行动。
传统的规范决策理论（Normative Decision-Making Theory）认为，人类在做决策时，会列出多个选项，逐一权衡利弊，最终选择最优方案，可能还会用某种“期望值计算”来做判断。
但在现实世界中，Klein 和他的研究团队发现，专家并不会这样做。
他们不会花时间比较所有可能的选择，而是采用一种“满意即可”（satisficing）的策略——他们会选择第一个符合自己标准的可行方案，而不是寻找理论上的最佳方案。
他们会不断重复这一过程，直到找到第一个符合所有标准的方案。
如果所有备选方案都不合适，他们会回归原型识别（Prototype Recognition）策略。而一旦某个方案在心理模拟中表现良好，他们就会立即付诸实践。
Klein 在《Sources of Power》第 7 章中解释道，以下情境下更可能出现逐个模拟方案，直到找到一个可行的策略：
- 时间压力大
- 人在该领域经验丰富，对自己的判断更有信心，因此他们的大脑会默认采用这种快速决策方式，而不是逐一比较所有选项。
- 环境动态变化快，当环境变化迅速时，传统的决策分析方式成本过高，因为一旦花时间权衡选项，情况可能已经发生了变化，导致之前的分析全部作废。因此，快速识别并执行可行方案，比精确计算最佳方案更实际。
- 目标不明确
相反，人们更可能使用比较评估策略（即寻找最佳方案） 的情况是：
- 需要向上级或团队解释决策
- 涉及利益冲突，需要平衡多个利益相关者的要求
- 经验较少，对自己的判断不自信
- 任务需要优化，即必须找到最优解
- 问题计算复杂度高，比如投资组合分析，这种任务涉及的因素太多，会超出大脑的模式识别能力
在大多数情况下，人类的默认决策方式是“满意原则”，即找到第一个可行方案后立即执行。 这一机制既有好处，也有坏处。
许多认知偏差（cognitive biases）和启发式思维（heuristics）研究认为，这种方法是导致人类判断错误的主要原因之一。而 Klein 的研究只是指出：这是人类大脑的工作方式。
至此，我们已经完整探讨了识别优先决策模型（RPD）。最终的模型可以总结如下：
RPD 模型的最大价值在于，它让我们更好地理解人类的专业判断能力。
当你作为学徒向专家学习时，你实际上是在建立自己大脑中的“原型库”——你在学会识别关键线索、理解可能的目标、内化行动脚本，并存储预期情况。
同时，你也在积累足够的经验，以便在大脑中模拟各种行动方案。
Klein 提到，RPD（识别决策模型）与其他专业知识模型相似，比如 李·比奇 和 特里·米切尔 提出的意象理论（image theory）、延斯·拉斯穆森 提出的技能-规则-知识（skills-rules-knowledge）框架，以及 P. A. 安德森、沃尔以及 德雷福斯兄弟 提出的其他专业知识模型。
根据 Klein 在《Sources of Power》第七章中的观点，RPD 的贡献仅在于：
- 它描述了人类在现实世界中最常用的决策策略。
- 它解释了人们如何利用经验做出复杂决策。
- 它证明了，人们可以在没有理性决策模型的情况下做出有效决策。
这就引出了一个问题：我们如何利用这一模型来提高自身能力？
🔵 我们如何使用 RPD 模型 ？
RPD 模型最明显的一个作用就是，我们现在可以用它来进行认知任务分析。
换句话说，我们终于有机会理解我的资深程序员当时是怎么思考的。
这四个副产品就是获取实践者隐性知识的方法。
在采访专家时，自然决策研究（NDM）从业者总是会关注专家经历过的“棘手案例”，以分析他们头脑中基于识别的决策过程。
具体来说，认知任务分析（CTA）访谈员会建立该案例的时间线，并提出一系列问题，以引导专家回忆：
- 他们最先注意到哪些线索？
- 在特定情境下，他们预期接下来会发生什么？（预期）
- 他们当时的优先事项（目标）是什么？
- 他们第一时间想到哪些应对方案？
这四个方面正是获取实践者隐性知识的方法。
之后，在设计培训项目时，自然决策研究（NDM）研究者可以依靠这些明确的原型和四个副产品，制定有效的培训场景。目标当然是拓展学习者头脑中的经验原型集合。
RPD 模型本身就能直接启发出一些特定的培训方法。让我们来看看其中的一些关键手段——如果你稍加思考，应该会很容易理解它们：
01 🟡 系统性地扩展你的“原型库”
第一个应用方法直接来自 RPD 模型：由于专业技能在很大程度上依赖于模式匹配，因此 NDM 从业者设计的许多培训项目都围绕着扩展学习者头脑中的经验原型。
一个著名的案例是 1993 年 Beth Crandall 对 NICU（新生儿重症监护室）护士的研究。她发现，一些资深护士能够在其他医生和护士察觉之前，凭直觉判断出婴儿是否患有败血症。
但当她进行访谈时，这些护士无法解释自己是如何知道的。
克兰达尔（Crandall）对这些护士进行了系列认知任务分析（CTA）访谈，并成功提取出她们注意到的感知线索。随后，她被要求将这些发现制作成一份演示文稿，用于培训医院集团内所有新入职的新生儿重症监护室（NICU）护士。
当时，这些护士用于识别败血症的多个感知线索在医学文献中尚未被记录！
而且，护士们自己也并不清楚具体在观察什么，因为她们依靠的是一种“整体感知”——即婴儿呈现出的整体状态。
但克兰达尔对她的演示文稿做了一个重要的调整。她没有像传统讲座那样将这些感知线索单独列出，而是通过一系列故事来呈现它们。这样做的原因是，故事更准确地反映了护士在实际工作中可能遇到的情境。
例如：“你会注意到乔治宝宝的呼吸变浅了。他看起来很正常，但血压略微升高。你检查他的病历……”
✅ 关键在于将这些感知线索融入护士可能遇到的真实情境中。
克兰达尔通过这些故事的目的，是扩展听众脑海中的经验原型。她明确提炼出的感知线索只是冰山一角，真正关键的是将它们嵌入护士可能遇到的真实情境中。
之后，经验较少的护士可以在资深护士的指导下学习，而克兰达尔的研究使这些感知线索变得清晰可言，为她们提供了一套共同的观察语言。
如果你是一名独立从业者，该如何运用这个洞见呢？
1️⃣ 一种方法是有意识地寻找自己经验较少的情境，以拓展自己头脑中的经验原型。
2️⃣ 另一种方法是选择并练习能够强化已有原型的训练方式。
例如，如果你是一名程序员，可以练习代码套路（code katas），但前提是这些练习要与你实际工作中可能遇到的问题相契合。
在实际操作中，尝试使用认知任务分析（CTA）来提取专家经验并设计培训项目并不容易。CTA 本身也是一项技能，大多数自然决策研究（NDM）从业者认为，想要熟练掌握它需要数月甚至数年的实践。
尽管如此，我自己也尝试过一些方法，我认为还有其他几种可行的应用方式：
02 🟡 识别他人拥有而你没有的经验原型
另一个不那么明显的 RPD 应用方式，是识别实践者何时在使用直觉。
当你发现某位专家能够迅速评估问题，说出“我就是觉得这样更对”或者给出的解释充满各种注意事项和细微差别时，这意味着他们正在依赖一种基于经验的隐性记忆识别过程。
如果你在类似情况下却需要反复权衡选项，这说明你的同事拥有一个你没有的经验原型。这可能正是你应该学习和获取的内容。
换句话说，你可以利用这种方法为自己构建一套“技能树”。
RPD 之所以有用，是因为它能引导你去询问专家脑海中的线索、预期、优先事项以及可能的应对方案。
当然，这并不能真正提取他们的隐性知识，因为专家的直觉往往难以言明，而认知任务分析（CTA）本身也不容易掌握。
但即便如此，沿着这些思路提问仍然会带来意想不到的收获。至少，相比于盲目模仿或只是惊讶地问一句“你是怎么做到的？！”，这种方法能给你提供比零散学习更有价值的线索。
03 🟡 提高你的心理模拟能力
RPD 模型带来的第二个关键方法，是让学习者获得足够的经验，以提高他们的情境模拟能力。 经验越丰富，心理模拟就越精准。
回顾一下，心理模拟是 RPD 的核心部分——它帮助实践者识别预期情况，并在执行前模拟不同的行动方案。经验越丰富，心理模拟就越准确。
基于 Klein 的研究成果，美国海军陆战队的小队长现在会接受训练，以识别自身决策中的关键需求。Klein 写道：
“决策需求训练”要求小队长识别自己在任务中面临的关键判断和决策，分析这些决策为何具有挑战性，以及可能会出错的地方。
这些决策需求就是决定任务成败的核心因素，也是他们需要重点提升的决策技能。
此外，通过识别任务中的决策需求（例如，确定直升机的理想降落区域、判断小队从一个地点移动到另一个地点所需的时间），小队长可以找到有效的练习方式。
例如，他们可以向直升机飞行员寻求反馈，以评估降落区是否合适，或者在不同地形上计时小队的行进速度，以增强对地形特征、天气影响以及装备负重等因素的敏感度。
因此，决策需求分析不仅帮助小队长明确自身任务的关键点，还促使他们主动寻找实践机会，并通过反馈不断优化自己的判断和决策能力。
这一训练方式极大地提高了小队长在实战中的心理模拟能力，使他们在战场上能够更快地做出正确决策。
可以想象，这种训练方式会有多实用：在战斗中，海军陆战队的小队长可能需要快速评估不同的行动路线。如果他们经过系统训练，实际体验并测量过不同地形上的移动时间，那么在实战中进行心理模拟时，就能更准确地预判行动方案的可行性。
这种训练不仅能提高决策速度，还能增强他们在高压环境下的判断力，使他们在战场上做出更合理的选择。
04 🟡 从专家那里获取关于识别和模拟的反馈
有时候，为自己设计合适的训练方案并不容易。
一种解决方案是：反思你的过往经验，然后向更有经验的人寻求反馈。
这样，你不仅能了解到自己选择的行动是否合理，还能学习专家在类似情境下的思维方式和决策逻辑。
但这里有一个关键点：你必须以正确的方式描述你的经历！
按照事件发生的顺序来描述你的经历，并且只提供当时掌握的信息，不要提前透露你事后得出的结论或额外的信息。
例如，如果你想提升自己在人事管理方面的决策能力，可以描述一次下属对你产生负面反应的经历，并按照事情发展的顺序讲述。当时你观察到了什么？你是如何做出决策的？你的预期是什么？但不要提前告诉专家你后来发现的真相或最终的结果。
简单来说，你需要让专家站在你的角度思考，这样他们才能基于你当时掌握的信息，给出更有针对性的反馈和建议。
在进行这种对比时，可以关注以下几点：
✅ 你注意到的线索 vs. 他们注意到的线索 （有时，你可以从他们在听你讲述时提出的后续问题中看出这一点。）
✅ 你对接下来发展的预期 vs. 他们的预期
✅ 你当时想到的行动方案 vs. 他们会选择的行动方案
✅ 你在那个情境中的优先事项 vs. 他们可能会优先考虑的事项
我借鉴了 Klein 的认知批判法（cognitive critique），这是一种海军陆战队用来提升小队长战术决策能力的工具。
认知批判法（Cognitive Critique）帮助小队长在演习后反思哪些决策有效，哪些地方可以改进，并通过这种反思最大化他们从经验中学到的东西。
这个方法本质上是一个简单的回顾练习，包括以下几个关键问题：
– 情境评估：小队长对形势的判断是否准确？
– 不确定性：哪里存在不确定性？如何应对？
– 意图与决策依据：此次行动的重点是什么？
– 应急预案：如果情况发生变化，他们会如何调整？
这套检查清单（checklist）可以用于战术决策演练后，让小队长们相互交流、获得反馈，并了解他人对相同局势的不同看法。
它最初是为实地训练设计的，通过系统回顾演习，就像国际象棋大师复盘比赛一样，让经验变得更加深刻和可借鉴。
自然决策研究（NDM）中还有许多训练方法，但我发现几乎所有方法都围绕以下几个核心思想展开：
- 扩展学习者的经验原型库。
- 增加进行心理模拟所需的经验基础。
- 通过更有经验的实践者获得及时反馈。
我之所以对 NDM 研究感兴趣，主要是因为他们的研究论文经常包含真正有效的培训方案。
我阅读这些研究，更多是将其作为灵感来源——或者可以说，我在用它们来扩展自己脑海中的训练模式库。
🔵 我们如何知道这个模型是准确的？
你可能会问：RPD 模型真的可信吗？
我已经向你介绍了自然决策研究（NDM）的方法，你可能也注意到了，这些方法并不基于实验研究。
NDM 研究者不使用假设检验，他们的研究没有可证伪性（falsifiability）这一概念。Klein 自己也坦言，NDM 更接近人类学（anthropology），而非心理学（psychology）。
Klein 在《Sources of Power》的结论部分为自己的研究领域进行了辩护：
“我所描述的研究并不是传统意义上的科学研究。 我们没有精确校准仪器，也没有呈现经过严格测量的视觉刺激，来确定它们投射到视网膜上的精确角度。这些都是科学研究的“外在形式”，但并非科学研究的“核心特征”。 简单来说，科学研究需要满足两个基本标准：
数据的收集方式应当可重复， 也就是说，其他研究者可以按照相同的方法进行研究并获得类似的结果。
研究应基于证据和数据，而非单纯的论证。
对于自然决策研究（NDM）这样的领域，“可重复” 意味着其他研究者可以按照我们的方法收集数据，并使用相同的分析和编码方式得出结论。
确实，NDM 的访谈方法可能比较难以复制，但我们已经发表了多篇论文详细描述这些方法，供其他研究者学习。
毕竟，基因剪接实验的复制 也需要大量专业训练，所以如果研究自然决策过程需要一定的数据收集培训，这并不构成逻辑上的问题。
近年来，已有研究成功复现了 RPD 模型的核心发现，尤其是以下几项研究：Mosier（1991）、Pascual & Henderson（1997）、Randel, Pugh & Reed（1996）
我们的研究有一个明显的弱点：大多数研究依赖访谈，而不是正式实验，无法通过控制变量来观察单一因素的影响。当然，也有一些科学领域不以操控变量为核心，比如地质学、天文学或人类学。自然决策研究（NDM）可能更接近人类学，而不是心理学。
在研究中，我们有时会直接观察决策者的行为，但几乎所有研究都依赖受访者的自我回忆。我们询问他们在决策时的思考过程，并分析他们的回答。
然而，我们无法确定他们说的是否真实，还是仅仅是他们事后的合理化解释。
我们可以重复这些研究，或者更理想的做法是让其他研究者进行重复实验，看看他们是否得出相同的结论。但即便如此，我们仍无法百分之百确信决策者的自述完全可靠。
在这里，Klein 试图通过批评实验室研究方法来规避这个问题。
他认为，主流的实验心理学过于关注那些在实验室中容易测试的内容，而忽略了现实世界中的复杂决策过程。他认为：
(……) 实验室研究和实地研究各自都有其局限性。研究自然决策的人必须面对无法控制研究条件的挑战，而采用严格实验室范式的研究者则需要担心他们的发现是否能适用于现实世界。
评估自然决策研究（NDM）的一种方式是看它能带来什么成果：
它提出了哪些有价值的理论和模型？它是否能在实际应用中发挥作用？如果 NDM 及其对决策过程的研究最终无法产生实质性的影响，那么与其争论它是否科学，人们更可能因此对这一研究方法失去信心。
自《Sources of Power》首次出版后的 20 多年间，NDM 作为一个研究领域不断发展壮大。
👉🏻 全球各国军队 纷纷采用 NDM 方法，提取战场专家的隐性知识，并将其转化为训练方案。
👉🏻 纳斯达克（Nasdaq） 聘请 NDM 研究人员设计用户界面，以增强经验丰富的金融欺诈调查员的能力。
👉🏻 Klein 与诺贝尔经济学奖得主 Daniel Kahneman 共同撰写论文，探讨专家直觉在何种情况下有效，何种情况下无效。
👉🏻 NDM 研究先锋 Robert Hoffman（《剑桥专家与专家表现手册》的合著者）在过去十年里致力于为整个 NDM 领域建立一个完整的知识论体系。
所有这些迹象表明，NDM 研究确实揭示了一些关于现实世界的真实规律。
然而，对你而言，这可能并不是最重要的。
我在其他地方已经论证过： 如果你主要是一名从业者/实践者（practitioner），那么你的知识观（epistemology）应该与科学家的不同。
如果你是科学家，你的目标是探索科学真理。
这意味着你会关注经过多年重复验证的研究结果，并依赖大规模随机对照实验的荟萃分析，具备足够的统计能力。
但如果你是一名从业者，你的目标是找到对自己实现目标有用的方法。
你的评判标准不应是“这是否经过严格的科学验证”，而应是“这对我的目标是否有用？”
自然决策研究（NDM）在我的实践证据体系中占据最高层级：我亲自尝试了他们的方法和理念，几乎每一次都带来了实际的提升。
在这篇文章中，我讲述了自己如何深入研究 RPD 模型，并尝试将其应用到自己的技能提升之路上。但我很可能才刚刚踏上这条探索之路。
在这个领域，还有许多我尚未发现的内容，甚至可能隐藏着更有价值的收获。
但不要只听我的说法，亲自去试试——用 RPD 模型的视角观察你身边的专家：
- 你想精通什么技能？
- 你身边谁已经擅长这件事？
去找到那些人，向他们提问，观察他们的做法，模仿他们，学习他们的经验。
https://commoncog.com/how-to-learn-tacit-knowledge/
https://commoncog.com/the-tacit-knowledge-series/