知识经验上的差异
专家之所以成为专家是因为他们在不断的学习中存储了大量相关的知识经验。相比较而言，新手的相关知识经验比较贫乏。
专家和新手在知识数量上有差异是毋庸证明的。有人以计算机编程专家和新手为被试，要求他们记忆有意义的程序和无意义的程序。结果表明，在回忆有意义的程序时，编程专家的成绩优于新手；但在回忆无意义的程序时，编程专家的成绩并不比新手好。这表明，在与领域相关的典型任务（例如计算机编程）上，专家的知识在数量上和新手存在着差异，专家多于新手。这种差异主要是对某一领域内知识的组织方式以及是否具有丰富的实践经验的体现，正是这些知识与经验在不断地构建着专业化的认知结构和知识体系。
赖夫（Reif，1979）从知识经验的层次组织的角度分析了专家和新手知识结构间的不同。他认为，专家凭借多年的经验，各项知识间已经形成各种联系。例如，它们之间已经可以归类，几个类的知识又可以归成更大的类。这些知识的归类是按照知识单元内在结构的相似性组织起来的，从而构成了一个高度抽象和概括的知识网络，利用这个网络，还能够对新的知识和信息进行辨识、推理和评价，并在更高层次进行概括。而新手头脑中的知识则是一些相对较小的、孤立的知识单元，它们之间可能有联结，但是这些联结往往是根据表面的相似性组织起来的。
艾隆（Eylon，1979）提出，如果教学中按照专家的知识结构来教学生，应该可以提高教学质量。他编写了两种讲授浮力的教材，第一种教材采用传统的编写方法，第二种教材是在分析专家有关浮力的知识之后，用分层次的方式呈现知识。结果，学习第二种教材的学生果然比学习第一种教材的学生成绩好得多。这个研究结果对于我们改进教材教法是一个启发。
另一个比较有代表性的研究是在物理学方面进行的，蔡等人（Chi，Feltovich＆Glaser，1981）分析了物理学家和初学物理的人对于24道物理学习题（每一道习题都有一个附图）的分类。他们发现，初学者往往把表面上相似的习题分为一类，例如把附图中有斜面的习题都分为一类，并称之为斜面问题，把附图中有圆盘的问题都称为旋转问题，等等；而专家则将运用同一定理或解法相同的习题分为一类。这说明初学者易受问题的表层结构的迷惑，而专家则善于发现问题的深层结构——其内在涵义。结果见图10-7和图10-8。
图10-7 新手的分类
（来源：Chi，Feltovich＆Glaser，1981）
(https://www.daowen.com)
图10-8 专家的分类
（来源：Chi，Feltovich＆Glaser，1981）
专家除了知识经验高于新手外，解决问题的策略是否也与新手不同？一开始有人认为，新手常采用逆推法（working backwards），而专家常采用从已知条件推向答案的顺推法（working forwards）。但是也有人提出，专家遇上难题时常常也用逆推法。
表10-2列出了专家与新手的主要区别。
表10-2 专家与新手的对比
（来源：Sternberg，R.J.＆Sternberg，K.，2012）
专家的工作效率并不总是令人满意的。有些研究发现，专家判断的准确性很不好，他们往往并不比同一领域的新手出色。例如，戈德堡（Goldberg，1959）让精神病医生和他们的秘书用普通的本德完形测验（Bender-Gestalt Test）诊断脑损伤，发现两者的能力没有区别。他还分别让大学生、临床心理学家和精神病医生使用明尼苏达多相人格量表（MMPI）诊断精神病患者，结果发现，虽然专家的正确率为65%，而大学生为58%，但两者没有显著差异。在其他一些领域（例如，研究生录取和经济预测等）也发现了同样的现象。