Crash_Course_学习技能·笔记简单整理

Crash_Course_学习技能·笔记简单整理

bilibili link

besides 这个up主着实不错

1 记笔记

输出与输入都很重要

工具方面 纸笔的效果确实比电子产品好

记笔记的方法

  1. 康奈尔笔记法
  2. 大纲
  3. 思维导图

笔记的最终要义:高信噪比

2 阅读作业

阅读分为

  1. 主要材料
  2. 补充材料(可有选择性

优先级

  1. 论述性
  2. 对人/事描述
  3. 背景信息

个体阅读速度有限 受到限制(眼跳 注释 回看 速度有限 工作记忆限制(4-7 chunks)

所谓提高注视文本量 抑制默读 都是无效错误的提速方法(事实上 默读更助于理解困难的东西

技巧:

  1. 多读 经常阅读 熟悉阅读(难度适中
  2. 伪略读(只关注重点内容 其余速读
  3. 减少发呆

记忆:

  1. recall
  2. recognize

事实上 划重点会让你以为自己能recall 实则只能recognize

摩斯密码法(cal好厉害

  • 画点表示对有趣观点标注

    “-” 横线表示对观点的解释

主动阅读比被动更为有效

SQ3R

3 记忆

信息→记忆的阶段:

感官记忆→工作记忆→长期记忆

间隔学习(spacing)很重要 应当在两次学习之间留出时间

大脑更喜欢视觉的 有趣的 不寻常的内容

联结越牢固 记得越牢

记忆的两个强度

  • 存储强度(始终未变)

  • 提取强度(随之消散)

回忆付出的努力越多 收获越大

但是太久就全忘光了

适度困难原则:适当留出时间 给recall造成困难

我个人觉得就是 想不通 睡一会 说不定就有思路了 但是不能搁置太久

4 计划与整理

学生的两种模式:

  • 机器模式(执行任务
  • 计划模式(计划任务

整理系统

  • 任务管理器(计划ddl任务
    • 每日规划
    • to do list
    • ..
    • 便于快速获取
  • 日历(特定时间
  • 整理笔记
  • 物理保存方法

整理(以电脑文件夹为例

  • college
    • 学年(大一~大四
      • 不同科目(高等数学etc

计划

  • 周计划
    • 明确本周&下周的ddl
    • 各种事务
  • 日计划
    • 明确当日需要完成的任务
    • 分类计划 将繁琐事务集中处理(类似于《如何高效学习》中的批量化处理
  • 每周一次回顾总结(!

熵减的奥义

5 注意力与集中

专心集中注意力的时间越来越少了…

注意力:专注于某样东西 忽略环境中别的东西

  • 有意注意:自上而下 如做题
  • 刺激驱动注意: 自下而上 如上b站刚好刷到老番茄更新了(bushi

在有意注意时 大脑会抑制其他冲动 但是也会疲惫(如同肌肉

如何锻炼:

  • 停止多任务 切换注意力只会消耗精力(认知转换惩罚 注意残留
  • 简化环境(关键是找到一个适合大脑的工作环境 这对于每个人来说都有可能不同
  • 分解任务
  • 预防潜在干扰

提升真实的专注力:

  • 减少对新鲜事物的渴望(pyq Qzone etc

  • 外在APP(forest 不做手机控 etc

  • 劳逸结合

    • 20~25min专注 5min休息
    • 休息时不可切换其他任务造成注意残留
    • 循环若干次后进行长休息

high quailty=time*focus

感想:

  • 此课中大多内容以前或多或少都接触过 包括cal newport(推荐一下 他的书着实不错)的《深度工作》 《积极心理学》中提到的劳逸结合的工作方法(如同短跑冲刺 想来好久都没看这些书了 结果现在都忘光了 感慨读来的东西总是读了忘 忘了再读
  • 无法专注是现代人的通病 在图书馆里你可以看到许多摸鱼划水的人(比如看蜡笔小新 如若某天没有好好工作 似乎效率很低 其实不必完美主义地苛求自己 每天进步一点点 就已经强过很多人了

6 拖延症

我还记得英文单词!procrastination!

why procrastinate

  • 时间动机理论

    动机 =(期望 * 价值)/(冲动 * 延迟)(《拖延方程》)

    期望:相信自己能够完成的信心

    价值:任务的价值

    冲动:分心的冲动(distract

    延迟:获得奖励的期限(短期奖励的吸引力更大

方法论:

  • 期望:
    • 分解子任务(《微习惯
    • 向他人求助
  • 价值
    • 提高实际奖励 这辈子都不能提升高数的实际奖励
    • 提升工作体验
    • 主动添加额外奖励(habitica app
      • 低密度娱乐(短时可完成娱乐 如pyq qzone weibo tiktok etc
      • 高密度娱乐(需要长时间专注 比如我打了一天的糖豆人(bushi
      • 事实上 减少低密度而拥抱高密度娱乐 更有利于专注 减少拖延
  • 冲动
    • 找到适合学习的地方(个人喜欢图书馆远胜于宿舍%¥……&

意志力应该是有限的(说起来 《意志力》这本书不错 挺有意思的)

一天的心智资源也往往有限 所以

从最难的地方开始

番茄工作法

7 备考

使我不至于被退学

  1. 弄清考试时间 大考提早3-4周

  2. 尽量还原考试场景(越接近 越容易提取记忆

    • 获取更多信息(题型 题库..
    • 实战模拟(限时 相同地点..

    研究表明 在潜水时背单词的被试在回到水下时比在陆地上更容易回忆起单词意思

  3. recall(寻找真题 或者自编题)

  4. 向老师求助

    • 明确自己的问题究竟是什么(exactly

    • 写下目前已尝试过的解决方案

      • 程序猿的小黄鸭调试法:

        将问题解释给小黄鸭 看小黄鸭有没有办法(bushi

        强迫自己更换视角解决问题

  5. 小抄练习:

    想像自己带小抄 于是你便借此机会学会了最关键的知识(bushi

  6. 劳逸结合

呵呵 高数学了两个学期 两个学期都跟dyw 两个学期都是中

好吧 还是我太弱小了 没有力量

8 考试焦虑

高度焦虑会抑制工作记忆..

大家 别卷了 555

common anxiety factors:

  • 重复过往失败的恐惧

    • 消极偏见

      对消极事物的体验强于积极事物(此处应有一本《社会心理学》

      方法:

      • 你并非由过去的成功/失败所定义
      • 吸取教训
  • 对未知的恐惧

    方法:

    • 想方设法地获取信息 了解考试内容/形式/etc
  • 对风险的恐惧

    • 大多数情况下 一场考试从来没有所谓决定一生 或者无法振作之类
    • 请不要跳楼!明年重修还有机会!.jpg

通用策略:

拿出一张纸 花几分钟写下真正焦虑的东西(外部存储 如同to do list

9 文章与写作

论文写作

先进行 前写作(pre-writing)再进行 查资料

  • 在初期写作中发现更多的联结
  • 集中查资料 提高质量
  • 并不一定要一次完美!谨防完美主义!

如何前写作:

  • 清空大脑
  • just write it and connect with your brain

写作:

  1. 前写作

  2. 查资料

    • 找到资源(ex Wikipedia的底部引用 往往质量很高
    • 对有助于你的论点的地方进行highlight
  3. 写初稿(随便写 写成shi 警惕完美主义!!!一切都不必从最初就完美无缺!!!

  4. 编辑

    • 内容编辑

    • 技术编辑阶段(拼写 语法..

      手写改动往往质量更高

  5. 寻找读者 寻找feedback 最好指定feedback的方向

10 锻炼身体与学习

思考 学习的能力的进步是与运动能力的进步相关联的

身体的锻炼与学习能力的提高是相关的

  • 优化神经递质的水平
  • 刺激神经发生(神经元并非生来固定!成年期亦可长出!
  • 促进神经通路形成 加强联结
  • 减少压力 缓和情绪

如何锻炼身体:

  • just do it
  • even walk works

summary

其实细想起来 有很多以前看过的书/视频包含了课程中讲的内容

  • 精力管理

  • 深度工作

  • 如何高效学习

  • learn how to learn

  • 积极心理学

  • 思考快与慢

但似乎总让我担忧的是 之前想着可以去培养的习惯 总会一点一点地淡忘下来 然后一点一点回到之前的状态 突然意识到 我的工具似乎应该提升一下 看我现在学的这啥样子 然后继续去学习 又进入新的循环 学习上似乎常常如此 几次尝试找到一种一劳永逸的方法 但从未实现 亦或者本身这个想法就是错误的

但还是总结一两点吧:

  • 间隔学习(留出时间形成神经通路嘛
  • 混合学习
  • 隔绝干扰
  • 提高抵制诱惑的能力
  • 锻炼身体

至于会不会做 ~~ 另外一件事了


Crash_Course_学习技能·笔记简单整理
http://baokker.github.io/2021/07/18/Crash_Course_学习技能·笔记简单整理/
作者
Baokker
发布于
2021年7月18日
更新于
2022年5月30日
许可协议