引
刚才在B站上看到一个视频,感觉很有感触,视频名称叫作《你的学习习惯只配当一个学渣》,这个视频中UP主提到,学习可以被分成两个步骤,一个是输入,另一个是输出。其中输入程度和下面四个维度有关:
- 质量
- 速度
- 必要
- 完整性
输出和下面两个维度有关:
- 精确性
- 完整性
输入的维度:
为什么输入要有质量?
一场高质量的输入必然来自于一个好的教育者,这个好的教育者会激发学习者的学习兴趣,给学习者构建出一个更加完备、更加饱满的知识体系,同时会让你在这场输入中隐晦但深刻地掌握知识体系的元点和推理出整个知识体系的路径。
为什么输入要有速度?
追求输入的速度是为了让学习者能够最快地达到能够模仿的程度,模仿式学习的效果一定是要比灌输式学习的效果要好的,我们常说:师傅领进门,修行在个人。其实就是这个道理,师傅只要告诉你怎么学,剩下的,你照着师傅学,如果你在哪里卡住了,师傅再给你点一下,这样慢慢就学通透了。在学习一个知识前期,只要快速的将知识的体系、元点知识和推理方式学会,后面的学习都是通过输出来反馈输入,这样就能学会这一知识点了。
为什么要输入必要?
这里的必要,其实就是指的知识体系的元点,往往是用公理或者经验表达出来的,这些东西不是有脑子就能知道,必须要有教育者的引导才能获得。
为什么输入要有完整性?
如果学习者学到的知识体系不完整,那么就会导致学习者最后得到的知识不完备,在其使用这一知识牵引其他知识时就会产生认知上的偏差,这种偏差会是很难纠正和完善的。
输出的维度
我们再来看输出的维度,和输入的维度不相同,因为这两个是需要学习者尽可能趋近于,而不是完全达到。只要这个学习者有输出,就会对输入产生反馈,不管这个输出是正确的还是不正确的,都会对学习者的整个知识体系产生积极作用。
学习方法论
我是十分认同这个视频的内容的,这里我做一些延伸,从计算机相关专业角度来思考怎么样学习,在这里,我给出以下观点:
- 学习兴趣大于努力程度
- 知识体系大于全部内容
- 元点推理大于记忆细节
- 输出密度大于输入广度
学习兴趣大于努力程度
为什么说学习兴趣大于努力程度呢?难道说努力不重要吗?
不!恰恰相反,努力非常重要,它是学习的最重要的途径。而兴趣会直接给你一辆越野车,让你在这条路上走的更有力量。
仔细想一想,这不仅仅是努力不努力的问题,而是是否有足够内驱力的问题,在现行教育下,大部分学生能够获得学习的乐趣嘛?那肯定是不能,只是为了成绩罢了,哪有什么对于学习的热情。现在,来看我下面的问题,在心里给出答案:
如果你现在有充足的时间,你完全没有任何其他事情要干,面前有一道你完全有能力做出来但要动一动脑子的题目,你是否会选择去做?
我相信大部分的人的答案是”否“。如果你的答案是”是“,恭喜你,你对学习是充满热情的。
我一直认为,学习,不仅仅是去学习课本上的知识,我们做任何事情其实都是在学习,我们不应该去狭隘地看待”学习“一词,“学习”不应该是一种行为,更应该是一种状态,一种能够接收外界信息的状态。
知识体系大于全部内容
在信息时代,知识内容爆炸式增长,试图掌握一个知识内的所有内容既不现实也没必要。优秀的学习者应聚焦于构建核心知识框架:
在学习一部分知识前先构建相关的知识骨架,同时将知识的骨架与旧知识的骨架进行比较和链接,将曾经的思维体系代入到新知识框架中,来辅助在新知识中的思考。在新旧链接过程中,你整个人的知识点就会构成一个知识网络,无论临时丢失哪一个节点,都能通过其他节点进行回想,实现了优秀的抗遗忘性。同时,学习新知识并非去将它堆叠进自己的大脑中,而是将它链接到原有的知识体系中,让自己的知识体系时刻处于动态更新中,不断扩展自己的知识领域。
元点推理大于记忆细节
为什么说元点推理大于记忆细节?难道细节不重要吗?
细节当然重要,它是构成知识大厦的砖瓦。然而,在信息爆炸的时代,试图记忆所有细节不仅效率低下,而且极易导致“只见树木,不见森林”的困境。
元点知识(如数学中的公理、物理中的基本定律、编程中的核心范式、设计中的基础原则)是整个知识体系的根基和出发点。它们往往是无法通过现有知识完全推导出来的公理性或经验性基石,需要高质量的输入来获取。
通过元点推导细节的过程,本身就是对知识内在逻辑和联系最深刻的梳理。这远比被动接受和记忆细节更能触及本质。元点是高度抽象和通用的。在不同场景下遇到看似不同的细节问题时,回溯到元点进行推理,往往能找到解决路径,实现知识的跨领域迁移。推导过程建立了知识节点间的强连接网络。即使某个具体细节暂时遗忘,只要记得元点和推理路径,就能重新“生成”或“定位”它。而死记硬背的细节,孤立无援,极易丢失。面对新问题、新技术,核心是识别其依赖的“新元点”或与“旧元点”的联系。掌握了推理能力,就能更快地理解和适应变化,而不是在浩如烟海的细节中迷失。
输出密度大于输入广度
为什么说输出密度大于输入广度?难道广泛涉猎没有价值吗?
广泛涉猎对于开阔视野、建立跨领域连接非常有价值。然而,学习的深度和内化程度,根本上取决于输出的强度与频率。输出是学习的“压力测试”和“精炼炉”。
无论你输入了多少信息,只有当你尝试输出(讲解、写作、解题、编程、实践)时,才能真正检验自己是否理解、理解得是否准确、知识体系是否有漏洞。输出过程中的卡壳、错误、表达不清,都是最宝贵的学习经验,精准指向你需要加强或修正的地方。输入时感觉懂了,但输出时卡住,是极其普遍且关键的学习环节。
为了有效输出,大脑必须对输入的信息进行深度加工:梳理逻辑、建立联系、提炼要点、组织语言或代码。这个过程极大地强化了神经连接,将零散的信息结构化、内化为你的心智模型。输入是被动接收,输出是主动构建。
频繁的输出练习,相当于反复调用大脑中的知识路径。这不仅加深记忆(检索强度),更重要的是提升了在需要时快速、准确提取并应用知识的能力。这是“知道”和“会用”的关键区别。在计算机领域,这就是理论和工程能力的桥梁。
输出产生的反馈(不管正面的还是负面的)都是是调整后续输入方向和策略的最重要依据。没有高密度的输出,学习就成了开环系统,效率低下且容易偏离目标。
总结
为什么我提出的学习方法论只有上面这四个点呢,恰恰这四个点就已经涵盖了个人的整个学习流程:
- “学习兴趣大于努力程度”让你想要去获取知识,这是获取知识的起点
- “知识体系大于全部内容”告诉你知识的体系脉络,这是获取知识的骨架
- “元点推理大于记忆细节”告诉你在学习过程中独立思考的重要性,这是获取知识的脉络
- “输出密度大于输入广度”告诉你在学习过程中反馈的重要性,这是获取知识的形貌
简而言之,先去想要学,再知道要学什么,然后学需要学的,最后修正自己学的,这就是学习方法论。
Comments NOTHING