【 詳細專業版】
前幾天看了曾經供職于牛津大學的心理學家Tom Chatfield 的TED演講：游戲獎勵大腦的7種方式，正好跟這個問題十分契合。
嗑瓜子這個活動其實可以分解為若干個嗑一粒瓜子的小活動，這其中包含了三個讓人感到舒適、愉悅和容易的特點。首先，化整為零。把一個大的活動分割為若干個小的活動，也就是長期目標（嗑完一堆瓜子）和短期目標（嗑一顆瓜子）的有機結合，其好處是小活動相對于大活動更便于實施，小目標相對于大目標更容易實現。其次，及時的反饋。在單獨的、嗑一顆瓜子的小活動中，參與者的行為（嗑瓜子）和結果（吃到瓜子）之間的時間跨度短，也就是說努力得到的反饋及時，使得參與者更容易建立起行為-結果/努力-反饋之間的因果聯系，進而對下一步的行為產生正向激勵作用；第三，對每一次努力進行獎勵。
與此相對的，看書/學習是一個回報周期長、見效慢，需要長期積累和不懈努力的活動。其間，如果沒有人為地設置及時的回饋和對每次努力的獎勵，并把長期的目標分解為短期目標、將長短期目標有機結合起來，那么這樣一個活動對參與者而言將是辛苦、枯燥而意義甚微的。誠然，我們每個人都知道看書/學習無論是對個人成長還是職業發展都大有裨益的，但是這個裨益在遙遠的前方，需要以三年，五年甚至十年為單位進行衡量。并且在這樣漫長的時間進程中，沒有一個具體可感的成長進度條可供參與者及時了解自己此時此刻的狀況，來和行動前進行對比以獲知自身的變化：這些都不由得讓參與者感到自己的努力石沉大海，獲得回報遙遙無期，進而失去下一步繼續前進的動力。
回到Tom Chatfield 的TED演講。Tom通過研究網絡游戲的機制，并總結它們引人入勝、甚至讓人成癮的原因，來探究人類學習有怎樣的特點和規律，進而思考如何將游戲中這些符合人類學習規律的設置反過來應用到學習、工作和社會生活中，使得我們的學習、工作和社會生活更輕松，更高效，也更令人愉悅。在演講中，Tom提出以下7點值得借鑒的游戲設置：
(1). Experience bars measuring process.
It's already been done at the University of Indiana in the States. among other places.
Instead of grading people incrementally in little bits and pieces, you give them one profile character avatar which is constantly processing in tiny, tiny little increments, which they feel are their own. Everything comes towards that, they watch it creeping up, and they own that as it goes along.
第一點就是，通過經驗條來衡量進展。在美國的印第安納大學，Lee Sheldon教授在他的課堂上就極具創意地大膽采用了這種游戲中的設置。他告訴學生，在這堂課上所有人的起點都是Level1，最高級別是Level12，在一個學期中通過完成作業，課堂討論和展示，獲得積點來不斷升級。和游戲中相同的是，這種經驗條可以讓參與者，在這里也就是學生，及時了解自己的進展，獲知自己的位置，具體感受到自己的成長和變化，從而激勵他們繼續努力向前。
(2). Multiple long and short-term aims
So you give people lots and lots of different tasks, you say, it's about doing 10 of these questions, and another task is turning up to 20 classes on time, but another task is working with other people, and another task is hitting this particular target. You break things down to calibrated slices that people can choose and work in parallel to keep them engaged, and that you can use to point them to individual beneficial activities.
第二點是，多個長短期目標的有機結合。在游戲中，游戲開發者會給玩家設計一系列不同的任務，可能是先回答10個問題，然后20節課按時出勤，下一個任務是和其他人合作完成。就是這樣換瓶不換酒的不同任務，把一個大的任務切分成大大小小的任務版塊，把長期目標分解為短期目標的結合，然后通過這樣花樣迭出的組合讓參與者（學生或玩家）始終保持高度的注意力和興趣，讓他們長時間、持續地參與到任務中。
(3). Rewards for effort
Every time you did something, you get a reward for trying. You don't punish failure, you reward every little bit of effort.
第三點是，一份努力一份收獲。對比現實世界我們才會驚訝地發現，在游戲里面我們會為自己做的屁大一點的事情而得到褒獎:：經驗值，裝備和虛擬貨幣。游戲中不會對失敗進行懲罰，而每一分努力都會得到獎賞。顯然，現實生活比這個要辛苦多了，但這不意味著我們不可以人為地設置出這樣一個player-friendly的界面，來連接我們的內心和殘酷的世界。每次按時起床，每次吃早飯，每次給家人打電話，每次認真刷牙……打卡應用就是這樣應運而生的。
(4) Rapid, frequent, clear feedback
If you look at the most intractable problem in the world today, that we've been hearing amazing things about, it's very very hard for people to learn if they cannot link consequences to actions, pollution, global warming, these things, the consequences and actions are very distant in time and space. It's very difficult to learn, to feel a lesson, but if you can model things for people,
if you can give people things that they can manipulate, and play with, and where the feedback comes, then they can learn a lesson, they can see, they can move on, they can understand
第四點是，迅速、頻繁、明確的回饋。Tom指出，如果參與者無法成功地把行動和結果聯系起來的話，如環境污染、溫室效應、能源短缺，他們將很難吸取教訓。保護環境，人人有責？我扔的一片紙對環境的影響微乎其微/還有那么多人都在污染環境即使我做得很好也于事無補……這樣的心態在回饋機制匱乏的情況下層出不窮，屢禁不止。這是因為行為和結果之間存在著很大的時間上和空間上的距離，人們完全無法感受到自己的行為會帶來怎樣切實的改變。
如果，我們能夠模擬真實的環境，給參與者一個可以操控的對象，一個行動即能引發后果的虛擬平臺。在這個平臺上我們通過算法模擬出每回收一公斤紙張，甚至沒回收一張紙，能夠挽救多少立方米的樹木，讓參與者每一個微小的行動都實實在在地轉化為具體可感（即使是虛擬的具象）的成果。那么，在這種情況下我相信參與者的數量和持續參與的時間都會顯著提升。將這樣的回饋機制運用到學習中也同樣會起到這樣杰出的成效。
(5) The element of uncertainty
Now this is a neurological goldmine, because a known reward excites people, but what really gets them going is the uncertain reward, the reward pitched at the right level of uncertainty, that they didn't quite know how whether they were going to get it or not.
The 25%, this lights the brain up. And if you think about using this in testing, in just introducing control elements of randomness in all forms of testing and training, you can transform people's level of engagement by tapping this magnificent evolutionary mechanism: that when we cannot predict something, we get really excited about it. We just want to go back and find out more.
第五點是不確定因素。Tom說，不確定因素是一個神經學上的大金礦。已知的獎勵讓參與者感到激動，而真正讓他們持續參與的是不確定的獎賞。游戲開發者通過操縱獲得獎勵的大小和幾率，讓玩家始終處于一種好奇和亢奮的狀態，他們不知道自己下一步的行為是否會帶來獎賞，也不知道到底能夠獲得多大的獎賞。這有一點像賭博，輸贏都難以預測，這種充滿無限可能性的冒險讓人的腎上腺激素飆升。
在游戲中，如果百分之百能夠獲得獎賞，游戲會變得太簡單而失去吸引力；反之，如果獲得獎賞的幾率太小，百分之一或者千分之一，游戲會變得過于困難讓玩家感到自己的努力并沒有獲得公平的回報。隨意性，變換的幾率，不確定性和不可預見性讓我們斗志昂揚。
(6) Windows of enhanced attention
The neurotransmitter associated with learning is called dopamine, it's associated with reward seeking behavior. And something very exciting is just beginning to happen in places like the University of Bristol in the U.K., where we are able to mathematically model dopamine levels in the brain. Thus we can predict learning, we can predict enhanced engagement.
Those windows of time, in which the learning is taking place at an enhanced level. And two things really flow from this:
The first has to do with memory, more likely to remember;
The second is confidence, that we can see how game playing and reward structures make people braver, make them more willing to take risks and more willing to take on difficulty, harder to discourage.
第六點對于學習和工作而言非常關鍵，那就是注意力窗口。和學習密切相關的神經傳遞質是多巴胺，這種介質和尋求獎勵的行為機制是相聯系的。在英國布里斯托大學，研究人員成功地建立了人腦中多巴胺水平的數學模型，這樣我們就能夠預見學習的成功，預見高效學習的窗口在何時發生。在這樣的時間窗口內，我們的記憶能力和理解能力能夠達到相對高的水平；同時我們也更加自信。游戲開發者通過不斷的改進使得游戲的結構和獎勵機制能夠在玩家出現疲倦的時候及時給予新的刺激，進而讓玩家持續地、不知疲倦地繼續參與到游戲當中。
應用到工作當中的例子，舉一個大家都熟悉的番茄工作法，原理就是把人的工作切分為一個個注意力高度聚焦的時間窗口，25分鐘，也就是一個番茄。在聚焦達到峰值，也就是25分鐘后及時休息，為下一個25分鐘做準備。
(7) Other people!
The biggest turn on of people is OTHER PEOPLE! This is what really excites us. In reward terms, it's not money, it's doing things with our peers, watching us, collaborating with us.
第七點是，群體效應。有的時候，讓我們跑起來的是其他人，或是競爭，或是合作，teamwork是在學習工作中廣泛應用并成效頗多的一種機制。
通過以上的討論，我想大家對于怎樣安排自己的學習生活會有一些新的想法了。
——拾荒少女
