「必要困難」理論:如何成為一個超級學習者

2020-10-18 造就
 
如果你打算在2020年學習一項新技能,那你如今可能正在放棄的邊緣徘徊。無論是學一門語言還是一種樂器,亦或是計劃上職場提升課,進步總是慢得令人絕望,最初的熱情並不能讓你堅持太久。
 
在放棄邊緣掙扎時,你可能會認為自己只是缺乏一種天賦。有些幸運兒生來就有這種天賦,他們學習任何新技能時總是遊刃有餘,而你只是不那麼走運,恰巧缺少這種天賦罷了。

在放棄邊緣掙扎

但是,事實卻並非如此。許多博學多才的人,無論是大名鼎鼎的查爾斯·達爾文(Charles Darwin)還是諾貝爾物理學獎獲得者理察·費曼(Richard Feynman)都聲稱自己的智商與常人無異。
 
他們的智商高低暫且不論,但最新的神經科學研究表明,只要使用合適的學習策略,絕大多數人的智商能足以學會新技能。
 
神經科學領域的許多研究都基於洛杉磯加利福尼亞大學的羅伯特·比約克(Robert Bjork)教授和伊莉莎白·比約克(Elizabeth Bjork)教授提出的「必要困難」理論。「必要困難」理論指在學習時故意製造輕微的挫敗感,這樣可以使大腦對學習材料的處理更深入,記憶更持久。就像體育鍛鍊一樣,剛開始會覺得肌肉酸痛,但長期堅持下去,身體素質自然會越來越好。
 
不幸的是,我們如今使用的許多學習技巧,比如邊讀邊劃重點、繪製五顏六色的思維導圖等方法,對我們的大腦來說都不夠具有挑戰性,所以無法讓我們記住所學的信息,學習效果可想而知。
 
格拉斯哥大學心理學家、學習科學家網站成員卡羅萊娜·庫珀-特策爾(Carolina Kuepper-Tetzel)博士認為:「我們學習時往往傾向於使用那些既輕鬆又不費力的學習技巧。」「但它們不會轉化為對知識的長期記憶。」
 
之前,我們曾講過如何成為一名博學家,,今天我們再給大家提供一些學習方法,助你成為一個超級學霸。無論你打算學什麼,以下方法都能幫你改正不良習慣,讓你擁有令人羨慕的記憶力。
 
學前測試
 
為什麼就算學前測試回答不出來,我們還要測試呢?讓我們通過一個測試來回答這個問題。你知道芬蘭語的「謝謝」怎麼說嘛?
 
答案是「kiitos」。
 
如果你不是芬蘭人,大概不會覺得自己能回答出來。但由於回答時的苦思冥想,你記住這個答案的可能性大大增加。心理學研究表明,即使在學前測試中一個問題都沒答對,也能讓大腦做好準備,在後來的學習過程有針對性地吸收信息。
 
無論是對簡單瑣事的記憶,還是對複雜材料更深層次的理解,都是如此。在一項研究中,參與者在閱讀奧利弗·薩克斯(Oliver Sacks)一篇關於視覺神經科學的論文前,先接受了有關視覺神經科學的測試。結果,他們的學習效率比那些時間閱讀更長的學生要高10% - 15%。不管你現在在學什麼,做個學前測試,即使你答不對,也能加強你之後的學習效果。
  
教給別人
 
除了學前測試,你可能還想做個測試,看看自己的學習效果怎麼樣。這在心理學上叫做「檢索練習」,可以鞏固對知識的記憶。在對照實驗中,檢索練習的學習效果遠遠勝過思維導圖。正如庫珀-特策爾博士所說:「測試通常被視為評估知識的一種方式。然而,測試本身就是一種有效的學習策略,科學證明它可以提高對知識的長期記憶。
 
這可能是抽認卡測試效果不佳的原因之一。因為你認為這樣的自我測試純粹是在考驗記憶力,所以你可能一想不起來就會去看答案。然而,如果你想記得更牢,必須要在放棄之前真正絞盡腦汁地去回想,這樣記憶效果才更好。
 

檢索練習的學習效果遠遠勝過思維導圖
 
德國卡塞爾大學的米麗婭姆·埃伯斯巴赫(Mirjam Ebersbach)教授表示:「你檢索時覺得越難,加強記憶的效果越好。」如果你正在為考試而學習,儘量發現自己不明白的地方,提出問題,而不是只一味地看書。埃伯斯巴赫發現,提出問題的過程本身就能提高學習效果,因為它迫使你以一種新的方式重新組織材料。
 
也許最有效的學習方法是嘗試把學到的東西教給另一個人,因為這能使你對學習內容有更深刻的理解。如果你沒有一個願意聽你講課的小夥伴,你可以想像向某個人講,或是寫一封電子郵件,儘可能詳細地列出你學到的東西。
  
轉換學習
 
不要在一個學習任務上花費太長時間——要經常在各個學習任務之間轉換。例如,如果你正在學習一門新語言,你可能會在兩三個詞彙表之間轉換,或者在在不同的動詞時態之間轉換,而不是依次學習。

這種策略被稱為交叉學習,它就像學前測試一樣會讓人感到沮喪,因為你不能在轉換前就真正記住。但根據必要困難理論,這就是它奏效的原因。大量研究表明,暫時的記憶混亂能極大地提高長期記憶的效果。

除了促進知識學習外,交叉學習還可以加強你的動手技能。例如,如果你正在學習一種樂器,可以在音階和正在練習的樂曲之間轉換,學習效率會顯著提高。
  
運動起來
 
在大眾印象中,那些聰明人總是久坐不動,但事實卻恰恰相反,最好的學習者同時也是最愛運動的人,因為有氧運動會刺激多巴胺、腎上腺素等神經遞質釋放,它們在記憶形成過程中扮演著重要角色。這意味著在晨跑或健身房鍛鍊後,你的思維會更加活躍。所以,試著根據你現有的運動計劃來安排你的學習時間,你的記憶可能會自然而然地增強。
 
運動能增強記憶力
  
改變學習環境
 
你有沒有注意過,當你回到家鄉時,過去那些久遠的回憶會突然浮現在腦海中?這是因為我們的記憶與環境息息相關,也就是說,我們的記憶很大程度上受到環境因素的影響。
 
情境相關記憶會引發愉快的懷舊情緒,但也會導致我們在實際學習中出現思維障礙。如果我們經常只在一個地方學習或練習某種技能,我們的記憶就會與那個地方的景象、聲音和氣味緊密聯繫在一起。當我們在考場上時,環境中沒有了這些線索,我們在這樣的新環境中很難回憶起同樣的知識。

為了避免上述情況,我們應該嘗試在不同的地方學習。羅伯特·比約克教授和他的同事研究發現,僅僅是在不同的教室學習就能使學習效率提高21%。
 
清醒休息
 
在大腦與所有這些必要困難鬥爭後,給它一段恢復時間。這裡說的並不是像看電視那樣的時間,而是真的什麼都不做。愛丁堡赫瑞-瓦特大學的米凱拉·杜瓦(Michaela Dewar)教授發現,在沒有任何外部刺激的情況下,「清醒地休息」可以讓大腦鞏固對所學知識的記憶。
 
清醒地休息可以讓大腦鞏固對所學知識的記憶
 
所以閉上眼睛,放鬆下來,讓你的想法去它們想去的地方——因為你知道你的大腦正忙著鞏固你的學習記憶。

文字&版面 | 田曉娜


互動話題:你有什麼獨家學習方法嗎?

恭喜上周互動話題獲獎者@杜恩豐,請聯繫小助手(微信:zaojiu16)領獎。每周評論區,被zan最多的評論者,將獲得造就送出的書籍一本。



相關焦點

  • 初中英語作文80詞帶翻譯:如何成為一個好的學習者?
    新東方網>英語>英語學習>英語寫作>中小學英語作文>正文初中英語作文80詞帶翻譯:如何成為一個好的學習者? 2019-10-15 14:47 來源:網際網路 作者:       【典型例題】   為了交流學習經驗,提高學習效率,某初中英語學習報正在舉辦以「how to be a good learner」為題的徵文比賽
  • 從動機理論看如何培養與激發學生的學習動機
    為了方便大家更好地記憶如何培養與激發學習動機這一塊的內容,在這裡為大家提供了一種簡便的記憶方法,具體來講,就是通過一一對應的方式將各個理論與培養、激發措施聯繫起來。在學習動機這部分,我們總共學習了強化理論、成就動機理論、歸因理論、自我效能感、需要層次理論以及耶克斯-多得森定律等六大理論。
  • 學習動機理論
    學習動機理論是教師招聘考試中的重點內容,考試頻率比較高,要求各位考生以全題型的形式進行備考。尤其需要注意對於案例分析題的備考。一下是常見的動機理論,要求大家把握好每個理論的核心觀點,能夠用動機理論來分析學生的學習問題。一、強化理論強化理論是行為主義學派的觀點。行為主義心理學家認為,動機是強化的結果。
  • 託爾曼的符號學習理論
    託爾曼的學習理論在教師招聘的考試中通常以客觀題的形式出現,一般為單選題和判斷題,相較於認知主義學習理論中的其他幾個人物,對於託爾曼的相關理論觀點我們的熟悉度有待提高。本節知識點將圍繞託爾曼所做的實驗及得出的結論來進行介紹。
  • 學習動機有哪些理論?
    在學習中,合理地增強正強化,利用負強化,減少懲罰,將有助於提高學生的學習動機水平。 【注意】強化動機理論屬於行為主義動機理論。②避免失敗的動機:避免失敗者者則傾向於非常容易或非常困難的任務,如果成功概率大約是50%時,他們會迴避這項任務,以防止自尊心受損和產生心理煩惱。
  • 學習動機的五大理論
    在教師招聘考試中,學習動機理論幾乎可以說是一個必考知識點,其重要性可見一斑。在教師招聘考試當中經常以單選題、多選題和判斷題的形式出現。家長為了讓孩子好好學習會獎勵允許學生多看一會電視、多玩一會遊戲,或者買一個玩具等等。2.需要層次理論需要層次理論的代表人物是馬斯洛,其主要觀點:認為人的行為動機都是在需要的基礎上被激發出來的。而人具有5種需要即生理需要、安全需要、歸屬與愛的需要、尊重需要、自我實現需要。所以馬斯洛認為人因為有了內在的學習需要會產生相應的學習動機。
  • 學習動機的基本理論
    為了有效激發和培養學生的學習動機,首先必須要了解學習行為是如何受學習動機影響的。人們對這一問題的看法大致可以歸納為三類:(1)強調誘因的直接作用,屬於行為主義的觀點。(2)強調需要的直接作用,屬於人本主義的觀點。(3)強調對於需要、誘因、以及學習活動本身的相關因素的意識和思考作為中介起作用,屬於認知觀點。
  • 學習動機理論-成就目標理論
    德韋克的成就目標理論在教師招聘的考試中通常以客觀題的形式出現,一般為單選題、多選題和判斷題為主,主要考察的是理論與觀點的對應,考察對於觀點的表達是否能夠清楚掌握。這部分的知識相對來說較為生疏且理論性較強,但考察難度不大,因此以理解性的識記為主。本文主要介紹成就目標理論的具體內容。
  • 如何鑑別超級電容器
    在市場上,超級電容器的概念很混亂,因此有必要掌握鑑別各類超級電容器的基本能力。 首先,要清楚什麼是超級電容器。既然稱之為 「電容器」,就應該是物理過程存儲電荷,而不是依靠電化學過程存儲電荷。在這個基本概念下,純雙電層原理的超級電容器是真正的 電容器;電化學電容器是否可以稱為電容器則需要分析。
  • 有必要修正黑洞理論了(一)
    有必要修正黑洞理論了(一)2020年10月18日—30日 寫在前面的話2020年10月29日,網上的《原始黑洞是否可能是暗物質?》這篇文章說到:「根據原始黑洞假說,發現一個亞太陽質量的黑洞應該是比較常見的,而且這種黑洞不能由恆星形成。」。在我基本寫了自己的這篇近萬字的文稿後,看到了網上的這篇文章。這說明什麼呢?
  • 學習動機理論的材料分析題備考指導
    學習動機理論是教師資格以及教師招聘考試中材料分析題的,材料題通常考察的都是學習動機的歸因理論、耶克斯多德森定律以及學習動機理論的綜合運用,下面是學習動機理論出材料分析題的常見考法:材料分析題一:閱讀案例,回答問題。
  • 一個普通父親是如何啟蒙兒子成為超級科學家的?
    ——費曼學習法。可是,你知道費曼是如何想到這麼簡單又高效的學習方法的嗎有一次,大人們都去上班了,費曼和小朋友一起在草地上玩,其中一個孩子問費曼:「看看那隻鳥,那是什麼鳥?」要知道怎麼解決每一個已經被解決的問題。」
  • 孩子學習不自覺?運用「路徑依賴理論」,讓學習成為習慣
    簡單來說,就是孩子學習總是不自覺,做作業拖拉還不能及時完成,讓孩子的媽媽心態崩了。我不是很支持這位媽媽的做法,但是我也理解每位家長對於孩子做作業問題的怒火。但是我想說與其打罵孩子還得不到成效,影響親子關係,家長們還不如試試「路徑依賴理論」,讓孩子養成良好的學習習慣。
  • 學習動機理論之成就目標理論
    20世紀80年代初,德維克等人在社會認知框架的最新研究成果基礎上,綜合以前成就動機的研究成果,提出了較為完善的成就目標理論。德維克以為,人們對能力持有不同的內隱觀念。一種為能力實體觀,持這種觀點的人認為能力是穩定的,不可改變的特質。根據這個觀點,有些人會比另一些人更加聰明,但是每個人的能力的量都是固定的。
  • 學習動機理論之自我價值理論
    學習動機理論之自我價值理論美國教育心理學家科溫頓提出了自我價值理論。該理論關注人們如何評估自身價值,其基本假設是當自己的自我價值受到威脅時,個體將竭力維護。自我價值理論認為個體將自我接受作為最優先的追求。這種保護和防禦以建立一個正面自我形象的傾向就是自我價值動機。
  • 認知主義與行為主義學習理論
    當新的經驗改變了學習者原有的認知結構時,學習就發生了;2.學習是憑藉智力與理解,進行有意義的發現和認知的過程,決非盲目的嘗試;3.重視內在動機與學習活動本身帶來的內在強化的作用。認為外在強化不是學習產生的必要因素,沒有外在強化學習也會發生。
  • 破除英語學習死循環,《睡眠英語》推英語超級學習法
    去年發表在《Current Biology》雜誌上的一項研究對此進一步推進,研究人員給參試者播放了幾對虛構的單詞和其假定的含義,比如「guga」的意思是大象,待他們睜眼後進行詞義對應測試,結果參試者能答對大部分,也就是說睡眠學習的能力可以拓展至詞彙學習。
  • 技術如何釋放學習者的潛能
    幾十年的工作經歷讓他近距離地觀察到,以計算機為基礎的技術是怎樣一步一步地成為全世界人們工作和生活中不可或缺的重要部分。這也促使他決定把自己的整個人生都投入到推動技術更好地服務於學習和教育當中,最終他創作了《學習的升級》這本書。庫奇認為,對於學習者來說,任何地方都應該成為學習的場所,像是圖書館、博物館或者社區,甚至包括在蘋果零售店裡,都應該讓人們能夠獲得使用技術和創新學習的機會。
  • 魏坤琳:終身學習者如何善用大腦?來自認知科學的建議
    大多終身學習者常用大腦,卻不懂大腦。北京大學心理與認知科學學院教授魏坤琳教你科學用腦,告訴你大腦的三大規律,並提出學習建議:1)學會對付偷懶的大腦;2)善用好奇心助力學習;3)成為學徒。事業有成的「聰明人」幾乎都是終身學習者,但想成為 21 世紀的終身學習者,面臨兩個困境:信息過載和學習方式陳舊,那該怎麼辦?答案是在認知科學指導下學習。
  • 「深度學習與統計學理論」研討會成功舉辦
    張教授表明,在Computation方面,機器學習主要關注分類,聚類等離散問題;除了如何基於訓練集進行優化求解外,機器學習還關注如何提高在測試集上的泛化性能,以實現優化算法和泛化理論的有機統一。高教授的報告圍繞他和他的課題組在非參深度學習方面取得的理論初步進展,著重介紹了收斂界的研究,並解釋了其如何在理論上指導非參深度模型的構建。高教授以「Deep Forests」為切入點,將目前的深度學習視作多層傳統神經網絡構成。通過分析其層數過深而造成的訓練困難的問題,高教授表示可利用連續可微的激活函數(Relu),採用BP算法進行訓練。