首页 > 科技快讯 > 如何找到适合当下的学习路径?新手学习三问

如何找到适合当下的学习路径?新手学习三问

编者按:本文来自微信公众号“开智学堂”(ID:openmindclub),作者:connie,36氪经授权发布。

每个人的经历不同,没人比你更了解自己。别人推荐的学习方法不一定完全适用。学会做自己的老师,找到适合当下的学习之路。

自从知识付费变成话题,涌现出来一大波授课的人。碰巧一个海归博士教数据分析,还挺有意思,就报名了。

数据分析需要统计,编程,业务,三个能力圈拼成。理解统计基础不难,而编程之路如套娃,没有尽头。python-爬虫-网页-数据库。犹如初登黄山不带地图,上去才知道有 72 峰,想看遍?顿觉心力不足,遂中途放弃。

不得不思考学编程有没有方法论。结果得到两种完全相反的建议:一说先打基础,按部就班,先学计算机原理。不懂底层逻辑,解决不了任何问题;另一说先练习,有即时反馈才能坚持进步,科班方法是入门到放弃之路。听着都有道理,两派高手打擂台,门外汉看的一脸懵。

到底哪个说法正确?新手学习,先问自己三个问题。

什么类型?

每个人天性不同,擅长类目也不同。我们往往沿用成功经验去学新学科。我用学英语的方法学编程,翻车了。让我们抛开自身经验,先判断学科类型,有助于找准学习路径。

最熟悉的学科分类在学校里,语数外这类一级学科有 62 个,分成 5 个门类。(参照我国学科分类与代码的现行版本 GB/T 13745-2009,2016 修订)。

自然科学(代表科目:数学,信息科学,物理,化学,生物)

工程与技术科学(代表科目:电子通信,机械工程,材料科学)

人文与社会科学(代表科目:社会学,历史,文学,艺术)

医药科学

农业科学

国外分类各有不同,相似的有自然科学,社会科学和应用科学,不同的是形式科学 Formal Science,不关注现实世界的观察理论,主要描述抽象的概念规则。

形式科学—代表科目:数学,逻辑学,统计学,理论计算机,信息论,人工智能。

形式科学依靠推理演绎,不需经验证据来验证概念。这种分类依然有分歧,不过先验特性与其他实证科学确实有区别。不知道有多少人和我一样,形式科学的每门学科都不擅长。大脑不善于理解抽象概念,人不擅长与机器对话。

你擅长的学科是不是同一类型?要学习的学科属于什么门类?

文学偏经验,通过书本和老师获得知识和观点,靠理解记忆。而机械工程偏应用,靠动手反复操作学会。这两种不同的类型,称为陈述性记忆和程序性记忆。

陈述性:描述事实和事件,解决是什么和为什么的问题。

程序性:执行和动作,解决怎么做的问题。

学科知识要不假思索的灵活应用,这两种记忆都需要。不同学科占比不同。文学陈述性知识偏多,依然需要反复阅读的动作。机械工程靠练习才能成为内隐技能,依然要明白图示表示的意义。

从不会到会,有个学习过程。早点意识到编程其实和开车一样,大概就不会焦虑挫败了。谁刚摸了方向盘就能上路呢?

分类有助于理解学科间的区别,其局限是人为设置了学科间的界限。复杂的现实世界,只用一种工具去解释容易有偏见。每个学科的思维方式不同。

用跨学科,多角度,辩证看问题更能拓展认知深度。比起单一工具,一个工具箱解决问题的成功率更高。

大师都是跨学科的代表。文艺复兴时期的达·芬奇,他是发明家,科学家,军事家和画家。20 世纪的罕见天才赫伯特·西蒙,先拿图灵奖,后得诺贝尔经济学奖。拿了美国国家科学奖和心理学杰出贡献奖,还是中国科学院的外籍院士。近百岁的查理芒格,掌握的一百个多元思维模型,包含数学物理工程学心理学等多个学科。

跨学科学习的一个方法是利用远距离联想帮助陈述性记忆。借助自己擅长学科中获得的经验,联系新学的知识,让难以理解的抽象概念变得有意义。

类似生活经验,空间位置,学科内容,社会结构,都能用来帮助理解新知,更快入门。程序性记忆靠反复练习。没有捷径。

孰先孰后?

编程需要练习无疑。回到最初的两个建议,先学原理和先练习。其实问题是先学陈述性知识还是程序性知识。取决于你当下的学习阶段和学习目标。看黄山奇景,先奇松怪石或先云海温泉?取决于你走哪条路线。

我们看看硅谷创业教父保罗格雷厄姆的经验。

格雷厄姆青少年时代开始编程。大学主修哲学,再去读了计算机硕士博士。他在大学受到的教育是上机编程前,先在纸上把程序搞清楚。他自己喜欢坐在计算机前编程,先把代码堆上去再慢慢修改。整个程序在写代码的时候思考完善。

按照格雷厄姆经验,先练习吗?那你忽略了他青少年编程的经历。他到大学已经不是初学者了,基础知识作为经验内化不用从头学习。

编程即使靠练习,也有陈述性知识,诸如语法命令和数据类型。新手直接练习容易导致挫败放弃。零基础应该先了解背景知识,再反复练习内化,促进迁移。直到阶段目标完成,再定下一个目标。每次练习一种类型,循环重复。

知识不是单一线性,而是立体网状结构。建议你先学计算机原理的,朝着架构专家的目标提的建议。建议你先练习的,默认基础语法懂了,上手就能练习。

那新手如何能知道自己当下属于什么水平,确定合适的目标?

先从经典教材入手。教材大多厚到可以当枕头,只怕要枕个一年半载。

那为什么还要建议从教材入手?教材目录是地图,能让你大概了解这门学科的主要脉络。通常有配套习题,先测再学,基本了解当下水平。再多比较几本教材,加上附录的参考资料,术语索引和学科大神就能找到大致路径。

想学成专家当手艺人,或业余爱好自娱自乐?找到方向,管理预期,确定阶段目标。目标要适合当下水平。高一点点刚刚好。掌握具体目标的人是最可能完成行动的人。

新手获得的知识相对浅显。反复练习内化成无意识动作后,才能腾出记忆空间用来思考。新手无力创新,专家也是经过常年积累无数自动化而成。自动化之后,就不会再思考如何调用记忆。

专家往往很难理解新手遇到的困难,这种认知偏见称为知识的诅咒。不过诸如画家作家,有作品的创作者,能一定程度上破解这种偏见。按照时间线排列作品,就能一窥他们在实践中一步一步成长的路径。尤其作家,语言即思想。

学思想不容易,升级了就很难回退。张五常连听他老师六个学期的课,他老师赫舒拉发(J.Hirshleifer)很疑惑,有一次在课后问他:

「你旁听了我六个学期,难道我所知的经济学你还未学全吗?」

张五常回答说:「你的经济学我早从你的著作中学会了;我听你的课与经济学无关——我要学的是你思考的方法。」

张五常学了六个学期还在学如何思考。想更进一步做个高阶学习者,先学苏格拉底式提问。

会提问吗?

编程经常会碰到报错信息。尝试各种方法都解决不了怎么办?一般去 stackoverflow 上求助。如何提问也是学问。

先讲个小事。

有天一早小赛进办公室先问:「昨晚谁最后一个走?」 没人吱声。

我心想有人没关空调还是没关电水壶?不久前领导还特意强调过一次。不会又有人忘记了吧?问道:「怎么了?」

小赛道:「我想问下他把会议室钥匙放在哪里了,前台没有。」

小李一声 「啊呀,会议室钥匙在我这里,忘记放回前台了。」

小赛假设最晚走的人拿了会议室的钥匙,找到那个人就能找到钥匙。你大概觉得小赛莫名其妙,其实是很常见的 X-Y 问题。

X-Y 问题源自 Eric S. Raymond 的一篇文章,讲编程中碰到问题如何正确提问。有人不知道 X 怎么做,觉得会了 Y 就能做 X 。他也不知道 Y 怎么做,就提问如何做 Y 。别人不知道他的隐含假设,提供 Y 的解决方案,根本解决不了 X 问题。

我的学习过程也是个 X-Y 问题:

问题 X:如何学习数据分析?学统计,学 Python。

问题 Y:如何学 Python?沉浸在各种原理技巧方法论汇中学习 python。我其实想学的是数据分析。目标已经替换了。

请自行代入写作,英语等技能。

问题 X:如何学习写作?先阅读再写作。

问题 Y:如何阅读?沉浸在各种原理技巧方法论中学习阅读。

X-Y 问题提醒并帮助我思考并找到真正重要的问题。多问渐进式问题,问浅显且重要的问题。好问题比答案重要。找到正确问题,答案能浮现一半。张五常说过诺贝尔经济奖得主弗里德曼擅长改问题。

你问他一个问题,他喜欢这样回答:「且让我改一下你的问题。」(Let me rephrase your question.) 他一改,就直达你要问的重心。

不同的问题能引导你思考学习目的,应用场景,练习方法。探寻问题的过程是自我反思,也是学习。参考苏格拉底式诘问,学习是什么?怎么做?为什么?所以呢?还有吗?搜索引擎提供你精确答案,你得输对关键字。

初学编程依然改变了我的思维方式。批处理又快又准确,眨眼间正确完成任务。高效反馈提供的快乐没人不喜欢。把这种方式用来选书,总能找到几本意外之喜,如同书店偶遇。

结尾

回顾一下新手学习路径:

判断学习的科目类型。偏陈述性或程序性。

确定阶段目标。先有背景知识再练习。重复迁移。

问简单且重要的问题。正确思考。

黄山主峰轮流开放,3-5 年调整一次。想要黄山归来不看岳,去一次不够。这次拿着地图,确定山峰,找到正确路径,下次再登其他山峰。学习也是同样的过程。每个人的经历不同,没人比你更了解自己。别人推荐的学习方法不一定完全适用。学会做自己的老师,找到适合当下的学习之路。

孔子两千多年前就总结了正确的学习方法,学习需要思考和练习兼顾:「学而不思则罔,思而不学则殆。」

知识诅咒不可避免。当个创作者,留个印迹,提醒自己。

参考资料:

心理学与生活(第19版),菲利普·津巴多,记忆&动机

为什么学生不喜欢上学,丹尼尔·威林厄姆

吾意独怜才,张五常

黑客与画家,保罗·格雷厄姆

x-y problem,Eric S. Raymond

相关推荐

如何找到适合当下的学习路径?新手学习三问
优秀的创业者是如何“学习”的?
AI定制学习成长路径,「瓶盖思维」想要颠覆现有学习方式
从“机器儿童”到“机器学习”:“学习”的概念是如何变化的?
Google 开源量子机器学习库,量子计算和机器学习结合会改变什么?
图灵奖颁给深度学习三巨头,他们曾是顽固的“蠢货”
面试转向线上,如何找到适合创业公司的候选人?
图灵奖颁给深度学习三巨头,他们曾是一小撮顽固的“蠢货”
深度学习三巨头:AI需要新硬件,万亿突触神经网络或成可能
如何真的建立学习文化?

网址: 如何找到适合当下的学习路径?新手学习三问 http://m.xishuta.com/newsview46046.html