在「聪明的学习者如何学习?」中,作者 00 做了一次关于学习的主题学习,归纳出几个高效学习的原则:1)发现和提出问题比解答问题更重要;2)主动深度加工比信息量更重要;3)刻意练习比记忆时长更重要;4)融合、拓展和应用比理解更重要。那么,开始学习新知识时,该怎么做?为了更加科学地解释,00 梳理出一组问题和行动清单,作为不同学习阶段的「脚手架」,辅助实践。
不同知识粒度的学习
虽然我们总想找到以一敌万的方法,但是稍微回顾一下过往的学习经历,很容易发现,学习一个学科、一个交叉领域、一个知识点、一项技能,其实需要不同的路径和方法。
(点击查看大图)
问题/行动清单
学习本来就不是一件轻松的事情。与其纠结,不如试着列一张清单,开始做。
I. 热身
明确预期
简要写出以下问题的回答:
动机何在?—— 赋予意义,通过音视频(如 TED,如看大师的作品)激发对领域的进一步热情
现状如何?—— 简单写下目前对领域的理解,之前的学习情况,理想和现实的 Gap 是什么?
要改变什么?—— 学了之后带来哪些新视角,可以做什么,在生活中解决哪些问题?
提出问题 —— 列出尽可能多的子问题并筛选和排序,思考对人生母题可能有什么贡献?
搭建环境
切忌陷入在热身阶段无法自拔,现在流行用一个词形容这种情况 —— 拖延症。
II. 建立「输入-编码-提取」闭环
陈述性知识 — 主题式学习
(关于陈述性知识和程序性知识,请回顾:聪明的学习者如何学习?)
A. 提取领域知识脉络,识别学习路径
通过 wiki、wolfram、经典论文、多本书籍(从豆列开始)目录和概要,提取出粗略的知识脉络,然后在收集到的材料中,识别出较优的学习路径。比如在「关于学习」的主题学习中可以按照这样的顺序看:
心理学教材里学习相关章节
教育心理学领域的专著
看综合学科体系视角的名人传记
具体的、不同学科的学习方法
B. 多种材料集中阅读
主题学习的要义之一就是对比。通过不同时期、不同人的观点对质,建立起知识的时空观,并且让更有生命力的学说和观点自动浮现。
对比阅读时一边做笔记,试着在勾画前找到中心思想,减少划线和高亮的内容,在空白处总结出关键概念,也可以记下想到的比喻、图像等,阅读完一部分或全部内容后,试着将笔记浓缩到包含知识间关系的一幅「地图」中。
C. 小黄鸭提问法
受「小黄鸭调试法」的启发,我们可以试着在知识学习和消化过程中,在手边(或脑海中)放一只小黄鸭,不停地回答它提出的问题。下面是可供选择的问题(需要持续增改):
它说了什么?
主要观点是什么?
作者为什会这样想?
有什么论据?
逻辑是什么样的?
这些观点有多重要?
它是什么?
我们从谁的视角来看、读、听?从什么角度、什么观点出发?
我们如何得知自己已经知道了某事?证据是什么?这种证据是否可信?
某种说法中,哪些部分是新的?哪些是旧的?之前接触过这种观点吗?
为什么这种观点很重要?它意味着什么?
假如不是呢?事情的另一面是什么样的?
这件事情有何利弊?
它是怎么得出/实现的?
它如何拓展?
深度拓展:知识从何而来?结论来自何处?事物为什么以这种方式存在?
横向拓展:与此类似的结论有哪些?异同?同一时期还有哪些其他发现?同一人还有哪些发现?同一领域还有哪些发现?
纵向拓展:我知道知识从何而来,与哪些知识有关系吗?更宏观和更微观的相关知识有哪些?
哪些知识是可以复用的?为什么?可以用在哪里?解释什么?解决什么?
可以怎样将知识用到实际生活中?具体情境是什么样的?
D. 回答在学习前提出的问题和小黄鸭问题,并输出
我们很喜欢重读笔记或课本,因为看书比回顾做起来简单,但这会产生知识已经在自己的脑海里的错觉。最直接的输出方式,是上一篇文章中提到的费曼技巧,比起写作,它更能检验是否真正理解和掌握了所学知识。
Oliver Ding 在信息架构专家 Peter Morville 的故事中提出专业服务人士的七种兵器,是一个非常值得参考的分层级输出体系:
通过实践,把新知识和旧知识共冶一炉;
通过写作,把经验和体会书面化;
通过讨论和交流,把知识社会化,获得建议和反馈;
通过准备演讲幻灯片,把知识系统梳理,形成骨架和模式;
通过演讲,在更正式的场合把知识社会化,传播到行业社群中,同时提升个人品牌;
通过书籍的写作,为知识系统的骨架添砖加瓦,将知识系统细化;
通过书籍的出版及发行,将知识系统转化为有形商品,进一步将知识传播到更广泛的社会层面。
E. 制定回顾计划和评估方法
每天和每周找一个相对重复出现的场景(注意,不是固定时间,执行意图需配合场景触发器使用),用来回顾新学习的知识。比如每天上下班通勤时,在头脑中重「画」一次笔记地图。
更多复习和评估的方法,可以参考下表(via 采铜):
程序性知识 — 操练学习
跟陈述性知识「在脑中学」不同,程序性知识强调「在做中学」。几乎所有的程序性知识,比如编程、运动、手艺、技术,都是一种「语感」培养的过程,即在大量操练中建立条件反射式的动作序列(组块)。
步骤其实很简单,关键还是「做中学」:
仔细观察新手和专家的区别
向若干专家取经
找出核心操练点,细致解构要素和过程(组块拆分)
寻找每一步骤更优的「算法」
在真实情境中刻意练习,通过反馈中修正
III. 融合操练
陈述性知识和程序性知识是一种简化而理想的划分,其实有不少领域需要同时涉及这两种类型的学习。比如设计,既要理解人的需求、动机、行为,要对人-物系统做整体分析,要理解认知过程如何影响理解和行为,同时又要掌握的各种用于表达和制造的工具,把解决方案呈现并实现出来。这就需要频繁地融合操练:
对陈述性知识:使用费曼技巧,反复进行知识回顾和提取
对程序性知识:锚定标杆,自创方法,适度挑战,输出-反馈 反复迭代
创造应用场景,设计实践项目去操练(写作式;游戏式;设计式)
提取可复用模块,纠错,模型化
回顾热身阶段提出的大问题,调整目标
总结
一图胜千言
——- 学习人工智能,实践学习方法 -——
掌握深度学习原理
搭建神经网络模型
熟悉自然语言处理
开发智能个人助理
戳原文,马上预约下期!