为什么大学式的学习策略是低效的，以及如何改进。
以学习编程为例。编程学的好的人往往是这么学的：首先有一个问题要解决（比如要写一个完成特定目标的项目），然后分析哪些工具能完成这个目标（比如选定了语言、函数库和硬件设备等），然后遇到问题具体分析解决（比如怎么传输数据？然后去学习和了解 TLV 编码/Json编码等。）。而学的不好（但是努力了的）往往是别人项目都写完了，他还在打基础，在看数据库的第二范式，在学习大端小端，并且到知乎提问：“如何系统学习MySQL/C++/...”。
两类人对于所学的认知可以划分为：
- 一种以解决问题为目的，不断探索积累各类方法的活动。
- 一种以熟练方法体系为目的，用解决问题来练习的活动。
这两种策略其实无所谓好坏，适用范围不同。前者适合思辨为主的学习，尤其是理工科学习，比如数学、物理、编程。后者适合重复为主的学习，比如乐器、舞蹈、武术、物理/数学/算法竞赛等等。可悲的是，我们的（几乎所有国家的）教育体系是矛盾的，他想以解决问题为目的，却使用线性上课、“体系化”、集中做题为手段。
这导致的奇观就是期末两周大家突击复习，刷往年题，各个考八十多，厉害的九十多，但是其实对这门课的理解并不深入，只是掌握了各种题型技巧。
我的解决方案：大多数课程，如果你想要有一个深入的理解，应当采用项目制学习。教科书可以有，用来做一个随时翻阅的参考。如果想学习密码学，就亲自去重现各种算法。如果想学习 AI，就动手搭建和训练模型。
这篇感想还要回答一个问题：项目制学习说的好听，但是期末考就是要考各种知识点怎么办？
答：对于理工科，实际上你应该发现这些知识点直接的隐含联系——虽然知识点看似琐碎，但一个课程背后要解决的大问题（或者经典问题）其实并不多，并且往往能串联起这些琐碎的知识点。比如分析力学，核心问题是如何描述和预测单个或多个粒子的运动。进一步的，如何简化复杂系统的分析。更进一步的就划分为了经典方法、广义坐标下描述、动量空间下描述……只要围绕这些核心问题，学起来应该是很容易着迷并且取得成效的。
忽视核心问题而把精力花费在细枝末节上（往往还会感到无聊），才是真糊涂了。
标签: 无标签