怎样培养思考能力

波利亚教我们怎样解题
(北京师范大学数学系) 王敬庚  

    每个同学差不多都有过这样的经历:一道题,自己总也想不出解法,而老师却给出了一个绝妙的解法,这时你最希望知道的是“老师是怎么想出这个解法的?”如果这个解法不是很难时,“我自己完全可以想出,但为什么我没有想到呢?”

   美籍匈牙利数学家乔治·波利亚(George Polya,1887~1985)对回答上述问题非常感兴趣,他先后写出了《怎样解题》、《数学的发现》和《数学与猜想》。这些书被译成很多国家的文字出版,成了世界范围内的数学教育名著。对数学教育产生了深刻的影响。正因为如此,当波利亚93岁高龄时,还被国际数学教育大会聘为名誉主席。

   波利亚1887年出生在匈牙利,青年时期曾在布达佩斯、维也纳、哥廷根,巴黎等地攻读数学、物理和哲学,获博士学位。1914年在苏黎世著名的瑞士联邦理工学院任教。1940年移居美国,1942年起任美国斯坦福大学教授。他一生发表达200多篇论文和许多专著,他在数学的广阔领域内有精深的造诣,对实变函数、复变函数、概率论、纵使数学、数论,几何和微分方程等若干分支领域都做出了开创性的贡献,留下了以他的名字命名的术语和定理。他是法国科学院、美国全国科学院和匈牙利科学院的院士,不愧为一位杰出的数学家。

    波利亚热心数学教育,十分重视培养学生思考问题分析问题的能力。他认为中学数学教育的根本宗旨是“教会年轻人思考”。教师要努力启发学生自己发现解法,从而从根本上提高学生的解题能力。

    波利亚致力于解题的研究,为了回答“一个好的解法是如何想出来的”这个令人困惑的问题,他专门研究了解题的思维过程,并把研究所得写成《怎样解题》一书。这本书的核心是他分解解题的思维过程得到的一张《怎样解题》表。在这张包括“弄清问题”、“拟定计划”、“实现计划”和“回顾”四大步骤的解题全过程的解题表中,对第二步即“拟定计划”的分析是最为引人入胜的。他指出寻找解法实际上就是“找出已知数与未知数之间的联系,如果找不出直接联系,你可能不得不考虑辅助问题。最终得出一个求解计划。”他把寻找并发现解法的思维过程分解为五条建议和23个具有启发性的问题,它们就好比是寻找和发现解法的思维过程的“慢动作镜头”,使我们对解题的思维过程看得见,摸得着。

    波利亚的《怎样解题》表的精髓是启发你去联想。联想什么?怎样联想?让我们看一看他在表中所提出的建议和启发性问题吧。“你以前见过它吗?你是否见过相同的问题而形式稍有不同?你是否知道与此有关的问题?你是否知道一个可能用得上的定理?看着未知数!试指出一个具有相同未知数或相似未知数的熟悉的问题。这里有一个与你现在的问题有联系且早已解决的问题。你能不能利用它?你能利用它的结果吗?你能利用它的方法吗?为了能利用它,你是否应该引入某些辅助元素?你能不能重新叙述这个问题?你能不能用不同的方式重新叙述它?......”

    波利亚说他在写这些东西时,脑子里重现了他过去在研究数学时解决问题的过程。实际上是他解决研究问题时的思维过程的总结。这正是数学家在研究数学教育,特别是研究解题教学时的优势所在,绝非“纸上谈兵”。仔细想一想,我们在解题时,为了找到解法,实际上也思考过表中的某些问题,只不过不自觉,没有意识到罢了。现在波利亚把这些问题和建议去寻找解法,这样,在解题的过程中,也使自己的思维受到良好的训练。久而久之,不仅提高了解题能力,而且养成了有益的思维习惯。而这是比任何具体的数学知识重要得多的东西。

    波利亚的《怎样解题》被译成16种文字,仅平装本就销售100万册以上。著名数学家瓦尔登1952年2月2日在瑞士苏黎世大学的会议致词中说:“每个大学生,每个学者,特别是每个老师都应该读读这本引人入胜的书”。我想,波利亚关于怎样解题的思想对于广大中学生同样也是非常需要的和有益的。

    波利亚强调发现,不仅仅是指发现解法,而且也包括数学的创新发现。他把阐述自己“对解题的理解、研究和讲授”的书取名为《数学的发现》,我想大概就是这个原因。他在这本书的第二卷中,还专门详细介绍了数学大师欧拉发现凸多面体的欧拉公式(顶点数—棱数+面数=2)的全过程,生动地再现了欧拉如何一步一步地进行归纳和猜想,最终得到上述公式的。也就是把处于发现过程中的数学,照原样提供给我们。展示教学家创新发现的思维活动过程,自然而生动地显示归纳和猜想在数学发现中的重要作用,这在教科书和一般的数学著作中是极少见到的,而这对于学习数学却是非常重要的。波利亚要求我们不仅要学习证明,而且要学习猜想。也就是不仅要培养和提高解题能力,而且要学习和培养创新能力。

 

参考资料

1.波利亚著《怎样解题》(阎育苏译)。北京:科学出版社,1982年。
2.波利亚著《数学的发现》第一卷,欧阳绛译,北京:科学出版社,1982年。第二卷,刘远图等译,北京:科学出版社,1987年。
3.波利亚著《数学与猜想》(第一卷,李心灿等译,第二卷,李克尧等译)北京:科学出版社1984年。 
摘自中学数学

让我们一起读经典《怎样解题》波利亚
波利亚的数学怎样解题表

 
弄清问题

第一,你必须弄清问题

未知是什么?已知是什么?条件是什么?满足条件是否可能?要确定未知,条件是否充分?或者它是否不充分?或者是多余的?或者是矛盾的?
画张图,引入适当的符号.
把条件的各个部分分开.你能否把它们写下来?

拟定计划

第二,找出已知数与未知数之间的联系.如果找不出直接的联系,你可能不得不考虑辅助问题. 
你应该最终得出一个求解的计划

你以前见过它吗?你是否见过相同的问题而形式稍有不同?
你是否知道与此有关的问题?你是否知道一个可能用得上的定理?
看着未知数,试想出一个具有相同未知数或相似未知数的熟悉的问题. 
这里有一个与你现在的问题有关,且早已解决的问题. 
你能不能利用它?你能利用它的结果吗?你能利用它的方法吗?为了能利用它,你是否应该引入某些辅助元素?
你能不能重新叙述这个问题?你能不能用不同的方法重新叙述它?
回到定义去. 
如果你不能解决所提出的问题,可先解决一个与此有关的问题.你能不能想出一个更容易着手的有关问题?一个更普遍的问题?一个更特殊的问题?一个类比的问题?你能否解决这个问题的一部分?仅仅保持条件的一部分而舍去其余部分.这样对于未知数能确定到什么程度?它会怎样变化?你能不能从已知数据导出某些有用的东西?你能不能想出适合于确定未知数的其他数据?如果需要的话,你能不能改变未知数或数据,或者二者都改变,以使新未知数和新数据彼此更接近?
你是否利用了所有的已知数据?你是否利用了整个条件?你是否考虑了包含在问题中的必要的概念?

    实现计划

第三,实行你的计划

实现你的求解计划,检验每一步骤. 
你能否清楚地看出这一步骤是正确的?你能否证明这一步骤是正确的?

    回 

第四,验算所得到的解.

你能否检验这个论证?你能否用别的方法导出这个结果?你能不能一下子看出它来?
你能不能把这一结果或方法用于其他的问题

 

怎样解题 
 
作    者  G·波利亚著 涂泓 冯承天译
出 版 社  上海科技教育出版社
书    号  5428-2855-X
责任编辑 匡志强 何妙福  开本 32
出版时间 2002年6月 字数 千字
装    帧平装印张 0
带    盘否  页数 257
定    价 ¥16.0     

怎样解题 内容提要
 
    本书是国际著名数学家、数学家波利亚论述中学数学教学法的普及名著,对数学教育产生了深刻的影响。波利亚认为中学数学教育的根本宗旨是教会年轻人思考,他把“解题”作为培养学生数学才能和教会他们思考的一种手段和途径。本书是他专门研究解题的思维过程后的结晶。全书的核心是他分解解题的思维过程得到的一张“怎样解题”表。作者在书中引导学生按照“表”中的问题和建议思考问题,探索解题途径,进而逐步掌握解题过程的一般规律。书中还有一部“探索法小词典”,对解题过程中典型有用的智力活动做进一步解释。本书从1945年出版后畅销不衰,多次重印、再版,并被译成多种文字,20世纪80年代初,曾在中国的数学教育界引起极大反响。 

 
怎样解题
图书目录全文
 
第一篇在教室里
目的
1. 帮助学生1
2. 问题,建议,思维活动1
3. 普遍性2
4. 常识3
5. 教师和学生,模仿和实践3
主要部分,主要问题
6. 四个阶段5
7. 理解题目6
8. 例子7
9. 拟订方案8
10. 例子10
11. 执行方案13
12. 例子14
13. 回顾15
14. 例子16
15. 不同的方法20
16. 教师提问的方法21
17. 好问题与坏问题22
更多例子
18. 一道作图题23
19. 一道证明题26
20. 一道速率题30

第二篇怎样解题
一段对话35

第三篇探索法小词典
类比39
辅助元素48
辅助题目52
博尔扎诺59
出色的念头59
你能检验这个结果吗?60
你能以不同的方式推导这个结果吗?62
你能应用这个结果吗?66
执行69
条件73
矛盾74
推论74
你能从已知数据中得出一些有用的东西吗?74
你能重新叙述这道题目吗?76
分解和重组77

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值