原标题：知识点有什么用

　　以知识点为代表的知识体系或知识图谱，在自适应学习大火之时，曾经非常热门，乃至各种人士和团队都会提及，说起“纳米级”或“苏格拉底系统”，某些有记忆的同学还会会心一笑。

　　但大风过后，其实教育领域的知识点/知识体系乃至曾经时髦的帽子知识图谱，实际上留下来的不过就是一些标签，它们真正被“用”过的，不外是教辅组织章节题目时，以及泛题库中题目上打标签时；细分无非三个地方使用：

　　用题目配置课件时的查询工具

　　推荐题包时的特征

　　报告中是否掌握知识点及其数量

　　课件用它，查询工具而已；题包推荐用它，各种杂乱特征之一而已；而至于报告，其实没人点开几下，而真到了知识点是否掌握，也成了说不清、看不懂的数据而已。

　　纳米级或苏格拉底系统们的闪光点，早已成了一堆碎屑。自适应学习，实践多在“自适应”自话而不是“学习”上。

　　所以，看起来留下的经验教训是，知识点，并没有什么用。

　　如果仅仅是到这里，那我们也不会有什么启发，并对未来之路毫无益处。我们还得继续探讨这个话题。

　　知识点，其实是教育目标的知识化、标签化、工程化的一种朴素的呈现或界定，以题目辅导为主要场景，兼用于教师日常、教辅行业、在线教育行业等。但如果稍稍严肃的讨论知识点背后的“体系或图谱”，实际上需要回到教育目标上来，回到教育目标的达成过程——测评、诊断和学习上来。（教育目标参考：1.教育目标引言——李子谈基础教育与教育技术）

　　把知识点这个一时方便但又先天不足的概念放下，而把知识点所代表的“教育目标”中的统一定义的“概念”留下，对于回答教什么、学什么、效果怎样是十分必要的。

　　首先，如果我们笼统的把能力、素养放到一个大方向上，那么能力素养的“概念体系”标签化之后，我们自然遇到的问题是（宏观问题A）：

　　我们要培养学生的哪些能力

　　学生的当前能力水平如何

　　学生当前能力上的问题是什么，应该如何提升

　　这是能力测评和诊断应该回答的。

　　其次，如果我们聚焦微观的学习过程，以数学为例，那么学生每一个具体的学习材料，其实是对应于某一个泛概念的理解和学习，或者是某一个具体问题的解答和解决。这个时候，我们遇到的问题是（微观问题B）：

　　对于要掌握的泛概念学生是否深刻理解和掌握了

　　对于具体的问题，学生是否会解决问题并适当迁移

　　如果没有掌握，或不能解决问题，原因是什么，如何改进

　　这是学生在微观学习过程中最核心的、颇需要回答的。

　　实际上，原来的“知识点”，是同时涵盖这两方面的维度。当然，以后者为重。在微观层面，知识点也是以知识目标为重，知识的点嘛，是否掌握，无非就是知识是否知道，题目应用时是否会调取应用。但题是无穷的，为了不断深究学生为啥不会解题，以至于知识点越拆越细——就有了纳米级的说法（或做法）。

　　大家认为，学生是否会解题，就要在题上打知识点，并基于知识点和题目的作答对错来进行分析。

　　以知识点“圆的面积公式”为例。最常见的一个问题是，一个圆，告诉学生半径是r=5cm，求圆的面积。这个例题是这个知识点，我们另外举例了4个例题，图中F2[1]、F2[2]、F2[3]、F2[4]，它们也都是考察圆的面积公式这个知识点。

　　从“知识点”的角度，这些题目（主）知识点几乎一致——但实际上，它们对于孩子能力的考查维度，其实有非常大的区别。它们给孩子带来的思考深度和挑战，也是有极大不同的。

　　知识点并不能准确刻画数学问题，或者数学任务。我们前面说，知识点的降生出发点，实际上是来源于信息组织场景，或者来源于把教育过程当作“信息化”的在线教育场景，它不是来自“学习过程”的深度理解或科学探究。

　　学习过程的深度理解或科学探究，无法不把能力素养或问题的解决当作核心出发点。

　　用知识点打标签和推断的思考模式F1，是我们之前“知识点/知识图谱”的思考模式。但实际上，我们还有另外一种思考模式F2，其实就是对数学问题/数学任务进行建模，对解决问题的过程进行建模，对能力和素养的达成过程进行建模。当然，这个很难。

　　但如果一旦深入分析和实践，就会发现，F1思考模式是无效的，无法进行自适应“学习”。我有一种简单的描述，那就是，一个题目，实际上是概念的一种关系结构（条件，未知量）；而解决题目，实际上是对这些“概念关系”之上的操作之间关系的研究，变形、搜索或推理等；而解决题目的策略和思维方法，又是对这些操作关系之上进行的抽象和处理。我的意思是，学会解决问题，实际上要对概念进行至少三次关系抽象——远不是打几个知识点标签就能解决的。

　　作为教师教学，朴素的经验是讲解题方法，部分场景下针对错因进行讲解。因此，作为便利的方法（而不是波利亚这种教育家的研究，或者学习科学能力诊断），教师们有两种办法来教学生如何解题：

　　一种是不断重复正确的解题思路甚至套路

　　一种是针对错因进行针对性引导

　　但解决问题的能力，毕竟不等于解决问题的套路。所以这里还存在许多模糊的区域。可是错因对于过程分析，大家有直观的认可。但如果用“知识点”或知识图谱来溯源因由是“某某知识点不会”，这个不仅有点力不从心，甚至是南辕北辙。

　　这个例子取自于真实数据。一个长方形面积计算的应用题，小学生们就有很高的错误率。如果你不看学生的答案，你只能打知识点标签为“长方形面积公式”、“四则运算”诸如此类，学生不会的原因，也大概只能说长方形面积公式不会应用，或者计算错误。

　　但如果我们细致研究学生的“思考”过程，就会发现事实远不是这样。小学生们最大的问题之一，其实是条件分析的问题——信息提取和分析的问题。他们一上来，就会用套用长乘以宽的面积公式，而没有有效提取和分析数量关系。当然，还有其它众多错误过程的可能性（如上面数据诊断的结果）。

　　这个真实例子告诉我们，学生的解题和思考过程——如果设想这个题目打上了某知识点，知道了结果对错——远远不能通过这些信息进行分析和揭示。甚至于说，现在打上去的知识点，知识点题目数量的对错统计，其实对真正理解学生的思考过程，反而形成了屏障。

　　所以，我的观点是，通过狭义的知识点标签和对错统计，无法真正形成有效的学习过程理解，无法进行以能力和素养为目标的教育教学实现。

　　但无论是宏观问题A，还是微观问题B，这是我们真正在面临的问题。我们是否真正在帮助学生，在于我们是否真正有意/无意的在解决这些问题。狭义的知识点是无效的，但新的路应该有希望。

　　但我目前仍不知道的是，宏观问题A的解法，和微观问题B的解法，是否最终会二路合一。也就是说，它们是不是一条路来解，我也不知道。

　　我们都了解，A问题因为太宏观，所以导致它非常难于介入日常教学或课程。PISA的能力测评，应该具体如何影响一个老师的某堂课？实际上目前只能基于经验和想象，在数据上并不“通”。这也是所有做能力测评的最大的挑战，测评可以很“专业”，但教学不知道怎么用。

　　对于B问题，其实我们上面在隐约中提到一种思路。因篇幅关系，我不能细致探讨。

　　虽然我不知道它们俩是否可以合拢，但我曾经设想架构一套产品和内容体系，来把它们打通：

　　这里触达了教育技术与信息技术的核心区别。但整个行业内，懂教育又懂技术的就很少，而懂技术可以明确知晓教育技术和信息技术区别的，更是凤毛麟角。这也导致了大家实践的曲折。

　　我自己在这件事中止了一下。而看字节，它也似乎在同样、更早期的坑中。规律就是规律。

　　自适应学习暂时回落了，教育测评也没有真正形成专业化应用。某些局部时间点，大家还偶尔歪歪一下知识点的辉煌时刻，后来人还念念不忘做套新的知识点体系，但一看就是旧的知识点思想。我觉得这是在走老路。

　　新路如果不能直接往前走的话，其实我们应该把问题A和问题B，在新的业务场景下再问一遍。

　　也就是说，现在大班课小班课AI课各种课火了，校内课也一直而且貌似永远存在下去，那么，我们不访问——我们现在的这些认知，是否可以帮助学生在线上课学习或线下课学习中，获得更好的服务和效果？（进而达成更好的商业价值实现效率？）

　　知识点其实没什么用。但教育目标拆解为问题A和问题B，并继续追问它的解答，未来之路应该还可以展开。这是我的第一个认知。