元学习-01

元学习——学习怎么学习。用一句话概括的话——元学习是学习他爸。

首先先扯一个题外话,李笑来曾经说过一段话,我觉得很对:在中国,若是一个人没有英语障碍,能自如地使用计算机这个工具。那么这个人相当于身边不懂英文。不善于用计算机的人来说就更懂得自由的滋味。当我们提到自由的时候,这里所说的自由不一定指的是政治上的自由,而是指实实在在生活中方方面面的自由。因此,我觉得未来会有两个必备的技能——英文和编程。

元学习这个概念还是有些虚,为了更好地说明这个概念,就以编程为例。

如果将编程转变为一个公式的话,就是要先观察这件事的输入是什么,然后再观察这件事情的输出是什么,然后想办法让这件事重复地去做。如果你遇到A状况就执行A方法,如果遇到B状况,就执行B方法。然后反复地做。

前几天得一机缘,看到了一篇关于编程学习的方法论,与我之前的观点有些不一样。细想之后发现,不一样的地方不多,但是背后折射的道理却千差万别。对于处于瓶颈期的我来说,尝试这些方法,可能会对我突破瓶颈有所帮助。为了方便叙述,我就把网上看到的这篇理论叫做 “w理论”。

w理论主要是三个词,分别是——拼图理论、成就感、重复训练。

拼图理论是说,学习是拼图,而不是登山。没有必要从计算机的基础理论开始学习,也并不需要把每个编程语言的语法规则全部掌握了才开始动手编程。这样是把学习当成了登山,认为必须把基础打牢固了才能进行下一步的学习。这个认知不对,因为学习更应该像玩拼图一样。你可以这里拼一块,那里拼一块。慢慢来,假以时日最终把图给拼出来。当然拼图最有效的方法应该是先把整个图的边框拼起来。这样你就知道图的边界在哪里。然后再往中间去填东西。当然,学习编程以外的技能,也可以套用这个理论。

第二个关键词是成就感,成就感指的是在学习的过程中要不断地得到正向的反馈。正反馈越多,成就感越强。甚至觉得自己就是个天才,这样就能避免被挫败感湮灭,从而轻易地完成从入门到放弃。如何才能获得这样的成就感呢,花一个与你现在的水平支持得起的钱去获得这样的知识。一旦花钱了,就是对这个课程有了先期的感情投入。而付费又是在“捡便宜”,这会比网上免费得来的资料效果好很多。

第三个关键词是重复训练,大量的重复训练会让你形成肌肉记忆。初学编程最好的方式是,跟着敲代码,实现功能先,并且不要问为什么。不懂的地方背起来就行,然后等代码敲到一定的量的时候就会有种突然懂很多的感觉。 解决问题越来越快,越来越知道自己在干什么。直道最后自己可以独立开发项目。

另外,w理论还引申出来了游戏化学习的操作方法,它是通过手游让人沉迷的三部曲来介绍这套方法的。

手游的三部曲分别是。第一,叫你按照步骤A,就能得到结果B,甚至可以得到奖励C。接着,你熟悉大部分的游戏操作原理有,开始按照这些操作攻城略地。正在你开始觉得无聊时,系统开始随机出现奖励,然后你就不可自拔地继续玩下去了。借此类比运用到编程上。第一步,copy这个就能得到那个,改这个就能得到那个闪亮亮的东西,快速把东西拼出来。第二,按照这个简单的原来,快速地继续拼稍微大一点儿的东西。不理解原理也没关系,能得到结果就行,这样就能得到内在的正反馈。然后把你的小作品公开给别人看,得到外在的正反馈,享受被称赞为天才的感觉。新手用这样的模式去建立自己的学习的系统,让自己不可自拔地掉到成就与挑战感的天堂,最终学会编程。

不过会有人存疑——这样学习好像很自欺欺人,也很不扎实,真的不用好好打“打基础”吗?如果你把编程当做登山的话,确实要好好打打基础。比如登山前做做热身运动,带好登山的装备。如果身体抱恙的话,还需要提前一段时间做适应性训练。但我们并不需要去了解这个上具体的历史演变,每一块地方的沙石构成。如果真的这么去做的话,估计等别人开始爬第二座山的话,你还没开始爬。此外,编程这门技术较之于登山,更像是拼图。一开始的时候,我并不知道每个小块的意义,只能靠着块与块之间微小的联系强行把他们拼在一起,等拼出一个小块才稍微有点儿感觉。哦,这是个人的面部,看来这个拼图很可能是张肖像画。当然,这个时候对整体的理解还是很模糊,但至少已经知道大致的东西了。随着每一小块的东西不断地拼出来,最终得到了一张完整的图的那一刻,也就能对拼图了如指掌了。

在那篇文章的结尾,还讲了一个画画的例子,来自于贝蒂·爱德华的《像艺术家一样思考》。据说这还是一个在80年代被发明的学画画的学习方式,只要让新手学习5天就能学会画画。它是怎么做到的呢——让新手在学素面的时候倒着画自己的自画像。当中的原理是这样的,作者发现,当学生正着画自己的自画像的时候,通常会画的歪七扭八。学生因为熟悉自己的样貌,所以作画时就会纠结细节,一直想要去修改自己所呈现的容貌。问题是,新手又没有足够的会话技巧,于是就会画的一团糟。如果让学生将自己的照片反过来临摹作画,这时候他们就突然间会画了。正是因为自己都不知道自己在画什么,所以纠结比较的那一个部分就会被关掉了。他们反而会把重点放在观察全局与细节。结果这些学生倒过来画的作品会比正着画的作品在水准上高出很多。

贝蒂发现的这个现象正是因为人的左右脑具有不同的运作模式,左脑注重逻辑分析与细节,右脑注重全局观。正着画图让我们不由自主地针对自己熟悉的部分开启左脑分析模式,但是我们又不具备绘画的功力,导致在这之中一直绊倒自己。他发现用这个方法,可以让没有受过绘画训练的人强制关掉左脑的分析模式,专注在全局。

学习英语以及编程是一脉相通的,正因为语言,或者说编程中使用的英文单词是我们熟悉的语言。因此在学习时,学习者会不由自主地开启分析模式,试图去找到与过往经验所匹配的模式,此时如果匹配不到,或者是匹配错误,学习者就会自己绊倒自己。这也就是网上一些有效的学习技巧会要求学习者不要去记单词,可以的话,就是大量地去听别人去说什么,或者是大量地去模仿说句子,这就是让学习者大量地去使用右脑的直觉以及身体的感觉,去快速抓到全局感,拼出基础框架。甚至有些厉害的老师会建议学英语最有效的方式甚至是直接搬到英语为母语的国家或地区去居住,因为在这样的情境之下,学习者可以大量地模仿,以及大量地使用累积出的简单框架,在当地生活购物,累积更强的语感和成就感。基于此,有部分老师认为英语最重要的作用就是社交沟通,而如果仅仅是读课本、听录音带,这样是学不会怎么说英语的,真正的要学会说英语,得要大量的练习口腔的肌肉,让口腔知道怎么正确地发音,抓到语感,而这东西有些人称之为节奏,学会用语言的节奏,这才是最重要的事情。当然如果没有出去的机会的话,大量的使用,比如可以找外国人聊天。如果这也不行,那就大量地阅读和翻译也是一样的。不过在大量阅读和翻译的时候,也会慢慢地发现词汇量的问题,这是由于词汇量的不足而引发的一个理解力无法上升的瓶颈,如果想要快速突破阅读的这个瓶颈的话,这个时候背单词才是有必要的。以后有机会的话,再详细说说这个情况。

同样的,编程也是相同的道理。一开始去学习编程,初学者甚至不应尝试着去搞懂里面的用法,因为人类的大脑是——无法用未知去解释未知。你就算看了一整天,也没没有办法用逻辑去分出个所以然。所以学习编程最有效的方式就是冲进度,你只需要知道输入什么,能够得到什么,就可以了。你可以用copy的方式快速搭建一个小项目,从中建立一个大致的全局感,让自己熟悉编程的流程与节奏,最后再把成果发布出来。比如自己的是全英文阅读笔记,说英语的video,发布自己的编程小项目,让朋友为之震惊,称赞你牛逼,在这当中你就可以收获有效的成就感。这样就可以激励自己继续学习英语和编程。利用这样的方法,就可以抢在自己放弃之前建立起学习的正循环。

原文发布于微信公众号 - 怀英的自我修炼(hydzwxl)

原文发表时间:2017-08-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Small Code

2017 Python 问卷调查结果初步分析

2017 年末,PSF(Python Software Foundation,Python 软件基金会)和 JetBrains 一起进行了一次全球范围内的关于 ...

59016
来自专栏大数据文摘

基于面部表情的情绪识别

1685
来自专栏PPV课数据科学社区

【探讨】为什么数据分析师要用产品思维?

数据分析这词汇时髦的不得了,然而就像这些年所炒的各种概念一样,当冷静下来,请很多人解释数据分析到底是什么时,恐怕要有一个不错的答案很难。   比较常...

3375
来自专栏程序员互动联盟

零基础,如何选择一门编程语言?

这种问题一般会被初学者问上N多遍,在这姑且分析下,选择什么语言决定性因素太多了,每个人的情况不一样,做出的决定又不尽相同。如果选择的出发点不一样选择的结果也是不...

27210
来自专栏灯塔大数据

每周学点大数据 | No.1何谓大数据

No.1期 带你认识大数据 咚咚咚。 一天下午,王老师的门被敲响了。 Mr. 王:请进。 门被轻轻地推开了,随后被有礼貌地关上了。 Mr. 王:你就是小可吧?...

33814
来自专栏人工智能快报

麻省理工人工智能通过“图灵听力测试”

2016年6月13日,麻省理工计算机科学与人工智能实验室(CSAIL)发布消息称,该实验室开发的人工智能程序通过了“图灵听力测试”。 该实验室的研究人员展示了一...

3084
来自专栏量子位

机器学习产品宝典:这是谷歌内部总结的七大要点

李林 若朴 编译整理 量子位 报道 | 公众号 QbitAI 产品经理新入机器学习坑,应该注意什么? Google的用户体验设计团队总结了7点,量子位编译如下:...

3304
来自专栏大数据文摘

求职季 | 让你挂掉数据科学家面试的4宗罪

1126
来自专栏大数据挖掘DT机器学习

数据科学家/统计学家应该养成哪些好习惯?

1、永远不要轻信自己的分析结果,多用业务和常识去检验。 很多时候,我们的分析都是含有一些潜在的假设,而在分析过程中被忽略。比如最经典的案例是在1948年,盖洛普...

2864
来自专栏人工智能头条

来自Google的经验:以用户为中心的机器学习七大技巧

742

扫描关注云+社区