如何高效学习

背景

最近接触了不少关于学习方法的内容,好比在kindle上无心中找到的一本杂志,里面提到如何提升阅读能力.在做者推荐下又看了《开动大脑》,接触了一些关于学习的理论,做者在书中提出了思惟导图的学习方法,这种方法平时你们应该都有接触,平时我比较习惯叫作知识框架图.今天看了一期《鸿观》里面也提到了学习方法,发现无论知乎上,书上,仍是微信朋友圈里看到的那些关于学习方法的内容几乎都很类似,其核心都是在强调知识间的联系.因而想总结这段时间看到的学习方法.
对于我看过文章和书籍里提到的学习过程能够总结为如下几个阶段:java

  1. 知识获取: 从大量的知识中,获取你须要的知识.这过程包括了学习资料的筛选,知识内容筛选等.
  2. 理解: 从上下文语义中理解单词,句子的意思.理解句子表达的内容.
  3. 拓展(或者创建联系): 主要是为了创建知识之间的联系,包括深度拓展,横向拓展和纵向拓展.
  4. 纠错: 纠正本身对知识的理解,以及在拓展阶段是否创建了错误的链接.
  5. 应用: 学以至用,将学习到的知识应用到生活中.若是暂时用不到的知识能够采用写博客方式分享出去.
  6. 记忆:重复记忆可以更加熟练掌握知识,同时可以更容易的与其余知识创建联系,更容易消化和吸取新知识.
  7. 测试: 在每一个阶段进行测试,看是否成功完成每一个阶段的目标.如测试本身是否完成了.

这种学习模式在《如何高效学习》里称做总体性学习,核心就是要将新知识与旧知识创建联系.联系越多越好,能够帮助本身理解以及记忆.固然这些阶段之间不是按严格的顺序执行的,好比测试阶段在每一个阶段都有进行.应用阶段有时候也是记忆阶段,重复的练习和应用都能使你更加牢固地掌握该知识.因此这些阶段都是能够穿插进行的.本文针对这几个阶段进行详细介绍.c++

学习过程与模式识别的关系

观察以上的几个阶段,发现其实和如今计算机里流行的机器学习方法或模式识别过程很类似.若是将学习过程看作是不断创建和完善本身的一套人生观,价值观,并用该世界观与人生观去看待生活中出现的问题和现象,以及根据已有的知识模式去解决将来未知的事件.那么模式识别的过程就是为了创建一个完善的模型去识别和判断未知样本.目标很类似的.从模式识别中的模型训练过程分为训练数据获取(知识获取),预处理和特征抽取(理解),训练模型(拓展),剪枝(纠错),测试,应用,二者也很类似.算法

  1. 训练数据的好坏以及数据的规模对于模型训练的好坏影响很大,质量好且数据量大的训练数据能够训练出性能更优的模型.从学习角度说,咱们学习的知识来源须要必须是好的,权威的.若是书中内容出现多处错误,或者书中的思想自己就有问题,那么选择这样一种书籍你获得的知识结构和观念都将会是错误的.用这样的思惟去看待世界得出的结果必然也是错误的.另外多看书,多看报,在学习本专业的同时也应该跨专业地学习知识,目的就是把本身的思惟模型变得更加灵活,提供更多灵感,也可以从多角度多方面的看待问题,这样你的思惟模型会变得更加优化.
  2. 预处理和特征抽取主要对目标问题进行分析和理解,从中抽取好的特征用于训练,相似咱们对知识的处理和理解,根据咱们的须要从中挑选咱们须要的知识并理解其中含义.
  3. 模式训练的阶段就是与这些数据之间创建联系,人类学习过程也是将新知识与旧知识联系到一块儿为了使本身的思惟模型更加优化,适应度更强.
  4. 决策树等模型为了不过分拟合,常常用的手段就是剪枝,剪枝的过程其实就是根据新的样本对模型纠错,使模型性能优化.人类的思惟模型也应该常常进行修正,不断经过与外界交换信息对模型进行修剪,否则会出现过分拟合现象即变得执拗,不易接受外界新观点等毛病.
  5. 测试就是将训练好的模型用测试数据去验证,保证模型可靠性.在学习过程当中,咱们对已经掌握的知识也要进行测试,看是否已经完成掌握了,是否理解有误差.
  6. 模型的训练都是为了解决特定领域的问题. 若是模型性能达到要求了,那么模型就能够用于实际应用中了.学习的知识若是不拿来应用,那学习的意义就没有了.若是当前应用不上,那么采用写博客分享也是一种比较好的应用手段.固然若是计算机专业的优点在于能够有不少实践机会,对于大部分的知识点只要一台电脑安装相关软件就能够进行实践了.

知识获取

固然在学习过程当中不能只追求学习的量,应该注重学习的质量,适当的放慢阅读速度有意加深对知识的理解.阅读的速度与知识掌握的量之间每每成反比,阅读过快每每容易忽视一些细节.固然每一个人的阅读能力不一样,阅读速度等会有所误差.设计模式

理解

这个过程主要是对知识的一个理解,消化.有些知识点比较难懂的能够反复多读几遍,或者适当的跳过,由于有的知识点的理解每每须要后面的知识做为基础.当了解后面的知识后回头看这部分知识点,就变得很好理解了.性能优化

拓展

这部分是不少做者强调的地方,就是将新知识与已有的知识创建链接.若是咱们把某个知识体系比做一个城市,该体系中的知识点比做城市中的建筑.若是城市中的交通发达,任何建筑都有道路相连,那么整个城市之间的交通便会很便利.若是城市内部还提供了地铁,高架桥等交通手段,那么能够缩短城市内任意两点之间的交通时间.知识也是如此,创建的强联系越多,那么知识之间的联系就更加便捷,反应更增强烈,且不易遗忘.从神经元角度说,若是神经元之间的突触越多,那么信息在大脑的传递速度越快,意味这对知识的反应能力越强.创建知识联系的过程也是神经元之间创建联系的过程.微信

好比咱们在学习java的多态时,咱们能够联系到:框架

  1. C++里的多态是如何实现的----和c++的虚函数联系到一块儿
  2. 虚拟机内部是如何支持多多态的----这里和虚拟机的动态分派和静态分派联系到一块儿.
  3. 为什么多态是面向对象的基本特性----面向对象思想
  4. 为何要使用多态----设计模式

除了以上的联系固然还能够不少其余的,经过联系能够加深对一个知识点的理解,也能够完善你的整个知识体系结构,也同时容易记忆.不少书籍在讲解某个概念时都会引入一些生活中的例子来解释,一方面时为了让你更好理解,一方面也时便于记忆.例如 《大话设计模式》里就用了不少现实生活的例子来解释设计模式的概念,通俗易懂,且不易遗忘.
因此宋鸿兵在《鸿观》的提出应该多跨专业的学习,这种跨专业学习一方面能够提升咱们创建联系的能力,同时可让咱们从多方面,多角度地看待问题.另外,吸取其余专业的知识,对本专业方面的工做提供更多灵感.机器学习

拓展能够分为深度拓展,纵向拓展,横向拓展:函数

  1. 深度拓展: 从单个知识点去挖掘,好比机器学习里的算法公式是怎么来的?目标函数是什么?如何推倒?在什么状况下使用它?
  2. 纵向拓展: 和同一个知识体系内的其余知识点创建链接,如:动态规划和贪心算法的区别与联系,HashMap与ConcurrentHashMap的区别与实现原理.
  3. 横向拓展: 就是将知识与不一样专业知识联系在一块儿,就像《失控》中将互联网思惟用来解读当今经济现象等.

关于这部分不少人建议采用思惟导图的方式进行学习,知识点之间的联系能够在思惟导图将相关的知识点用线链接在一块儿,思惟导图不只能够提升作笔记的速度,同时提供一个清晰的知识体系,便于复习.每次复习时,只要看思惟导图,对于某个知识点想不起来的,那么这个知识点是你重点复习的地方.常常复习思惟导图,可使你对整个知识体系的有更加清晰的认识,知识便具备系统性.关于思惟导图的相关资料推荐你们看《开动大脑》,该做者是思惟导图的发明者.性能

纠错

对于每一个知识点应该提出质疑,经过提问的方式来解除对知识的疑惑,同时也是修正本身以往的思惟观念.尽信书不如无书,应该要培养对知识的质疑能力,同时也能勇于认可本身的认知也有错误的时候.这样能够在不断提问,寻找答案的过程纠正本身的思惟模式.

应用

学习的知识若是不拿来应用,那学习的意义就没有了.若是当前应用不上,那么采用写博客分享也是一种比较好的应用手段.固然若是时计算机专业的,能够经过动手练习加强对技术的熟练程度.也能够像《大话设计模式》用设计模式解释生活的一些现状.

记忆与测试

记忆这个领域有不少的研究,《开动大脑》中提出,人在学习一段时间后记忆能力会逐渐衰减,因此建议应该合理安排学习和休息时间.正常学习1小时应该进行休息,这时候记忆力又恢复到峰值状态.

《开动大脑》同时也提出一个观点:记忆力与理解力变化曲线不一样.意思是某个知识点你如今理解了,过段时间你可能就忘记了,但不影响你再次理解.同时也说明理解了并不等于记住.因此及时复习仍是颇有必要的.人在接触新的知识的时候,过去的知识链接会出现断开的现象,若是不及时复习那么会影响到对新知识的理解,也不易创建链接,同时也浪费了本身花那么多时间去学习.若是及时复习,会造成一种滚球式的学习模式.一方面在牢固的知识体系下对新知识更加容易消化吸取,另外一方面也容易与旧知识创建联系.所以学习的信心更足,因而滚球同样,知识越滚越大.造成良性循环.

通常采用的方式是根据记忆遗忘曲线进行记忆,例1小时候,1天后,一周后,一个月后.在这些点上进行复习,一个月以后就会转变为长期记忆.复习时能够采用拿出A4纸凭记忆画出思惟导图,并与原图进行比较,对于不熟练的地方增强复习,不断重复直到与原图没有差别.平时也能够将思惟导图打印出来,在有空的时候翻一翻,思惟导图的复习比较快,通常一本书不用花一个小时就开业回顾完了.(固然前面会比较困难写,越到后面越熟练).

参考资料

《如何高校学习》--斯科特.扬
《开动大脑》
《鸿观》---自媒体,第30期 读万卷书之五大神器
《学会提问》
 知呼:https://www.zhihu.com/question/28358499/answer/43002343

以上是最近的一些总结,固然若有勘误你们能够指出共同窗习进步.

相关文章
相关标签/搜索