在「重启学习系统，做知识炼金术士」中，00 做了一次关于学习的主题学习，既从心理学和认知科学角度了解学习的本质和过程，也参考了学霸们的学习方法，然后归纳出几个高效学习的原则：
- 发现和提出问题比解答问题更重要
- 主动深度加工比信息量更重要
- 刻意练习比记忆时长更重要
- 融合、拓展和应用比理解更重要
道理都懂，那么问题来了：
开始学习新知识时，该怎么做？
为了更加科学地耍流氓，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。
| 粒度 | 例子 | 特点 | 方法 |
|---|---|---|---|
| 学科 | 统计学，认知科学 | 有相对清晰的边界和演化脉络，有研究范式 | 从经典文献出发，快速了解学科的重要学说和知识形成的里程碑，并归纳出核心的知识点或主题，以及当前研究热点。结构和模型很关键 |
| 交叉领域 | 人机交互，生物计算 | 有多个学科背景，但是处在融合期，新旧知识纠缠、更替速度快 | 首先从应用出发，反推父学科的重要模块，顺藤摸瓜去学习领域核心知识 |
| 知识点 | 认知偏差，隐马尔科夫模型 | 知识组块，有相对明确的核心概念 | 深度加工，尽可能与其他知识点建立联系，反复练习并且拓展应用场景 |
| 技能 | Python，手绘，乐器 | 程序性知识为主， learn by doing | 大量观察，提炼模式；设定标杆，反复操练；产出作品，及时获得反馈并调整 |
问题/行动清单
学习本来就不是一件轻松的事情。与其纠结和低效，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
- 根据知识粒度收集学习素材，原则：源头>数量，材料>方法，效率>全面
- WOOP 大法 （请参考「WOOP 思维心理学」）
- W：期望
- O：想象最理想的结果发生的场景
- O：最可能阻碍计划完成的因素有哪些
- P：设定执行意图清单（if……then……）
- 建立或加入相关社群
- 选择输出方式和获取反馈的渠道
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，请看上一篇---------）
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
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，适时调整目标
总结
一图胜千言
网友评论