美文网首页忘忧社每天写500字每天写1000字
揭秘||你不得不知的高效学习7大原理

揭秘||你不得不知的高效学习7大原理

作者: 飞鸽非哥 | 来源:发表于2020-02-15 12:02 被阅读0次

回顾上期,本期我们揭秘你不得不知的高效学习7大原理

1.为什么小A通过完成“提问&反驳想法/提供解决方法”2个步骤后会产生立刻学习的冲动

揭秘:首先,分享一个『行为设计学』的模型:B=MAT

B(behavior):行为;

M(motivation):动机;

A(ability):能力;

T(trigger):触发器(触发器可以理解为外部刺激)

我们可以简单理解为:持续行动力=想干+能干+奖励/惩罚

对于小A来说,

正是对根源1:对未来工作有好处和3的反驳:不看视频也没事做,也是浪费时间,两者让他觉得自己“想干”;

也正是对根源2提出的解决方法:合理调整目标,让他觉得自己“能干”。

以上导致他产生了“马上看视频”的冲动。

2.每次仅设置1个“跳一跳,够得着”的目标的原理是什么?

揭秘:这个目标设定的方法是基于洛克定律。它是指当目标既是未来指向的,又是富有挑战性的时候,它才是最有效的。洛克认为,目标并不是不切实际地越高越好,而是根据个人特点和优势去设置适合自己的高目标和目标实施步骤,这样才更容易获得成功。

而小A原来给自己定的目标难度非常高、不切实际,这就好比让一个1米5的人扣10米高的篮球架,如此高的目标只会让人产生挫败感,无法调动挑战积极性。

3.为什么运用“以解决问题为目的”记笔记”和结合个人经验的反思能帮助提升记忆力?

揭秘:因为这2种方法都是使用记忆原理中的精细加工策略,它通过将新学知识与旧有知识联系起来从而增加新信息的意义和记忆。精细加工策略的具体方法有很多,其中一种就是通过联系实际生活中遇到的问题或者未来可能遇到的问题进行加工。

因此,我让小A在学习新知识的过程中去思考,在自己过往的生活中有没有遇到过类似的案例或者思考未来工作中有哪些场景可以使用新知识。

4.为什么要强调回忆,而不是以重新看一遍笔记的方式去复习呢?

揭秘:这就涉及到记忆提取的难度对记忆的影响效果。

《如何学习》一书曾提到“必要难度”原则:你的大脑越费劲力气地挖出某项记忆,你对其再次学到的程度也就越深,因为提取能力与储存能力都被增强了。

所以有些人会因为回忆刚学习的内容很困难,就不想去回忆,反而改成再看一遍笔记,这样记忆效果反而降低。

5.为什么要隔一段时间就去回忆?

揭秘:不回忆就会遗忘。根据艾宾浩斯遗忘曲线:遗忘在学习之后立即开始,而且遗忘的进程并不是均匀的。最初遗忘速度很快,以后逐渐缓慢。

从这条曲线中,我们可以得出一个道理:学习要勤于复习。

一般记住后,在5分钟后重复一遍,20分钟后再重复一遍,1小时后,9小时后,1天后,2天后,5天后,8天后,14天后就会记得很牢。

我建议大家可以去记录自己的回忆时间,根据自己的遗忘规律,做出最佳的回忆频率。

6. 为什么“闯关游戏”会助力小A的持续学习?

揭秘:“闯关游戏”其实是应用了斯金纳的强化理论。

斯金纳强化理论提到人为了达到目的,会采取一定的行为。当此行为的后果对他有利时,此行为就会在以后重复出现;不利时,此行为就减弱或消失。人们可以用这种正强化或负强化的办法来影响行为的后果,从而修正其行为。

比如,当你学习完某一个章节,你就自我奖励一块巧克力,下次你可能会为了得到第2块巧克力而努力学习,这就是正强化。

当你没有学习完某一个章节,你就自我惩罚100元请朋友吃饭,下次你可能会心疼自己的钱包,而不敢不完成学习。这就是负强化。

因此,通过把系列视频分为一集集小视频,在小A完成任务后,以“打勾”和“验证完成时间”能让小A获得通关的快感和高效学习的自信心,正是这种正强化助力小A持续学习!

知识拓展:如果每集视频时长是1个小时甚至更长时间怎么办?我们除了可以把系列视频拆分为一集集的视频,也可以额把一集长视频拆分为多个10分钟的小视频。如把1个小时的视频,拆分为6个10分钟的小视频。每看完10分钟就打勾。

7.为什么要尽可能在某段时间学完全部内容?

揭秘:这是一种专注。《专注》一书中提到,专注力越集中,学习效果越好。专注力不像气球那样可以灵活放大缩小,容纳不同的任务。实际上,专注力的容纳管道非常狭隘和固定。很多时候,若我们需要进行多个不同的任务,我们更多时候不是在分配注意力去同时处理多任务,而是不断地快速切换专注力,这将影响专注度,影响学习效率。

注意力工作原理(手稿)

以上就是高效学习的7大原理,对大家有帮助的话,记得我点赞打call!

相关文章

网友评论

    本文标题:揭秘||你不得不知的高效学习7大原理

    本文链接:https://www.haomeiwen.com/subject/tlyefhtx.html