(HolisticLearning)试译加感想

《整体性学习》(HolisticLearning)试译加感想

How to Study Better, Understand Moreand Actually “Get” What You Want to Learn

 如何更好的学习,理解和掌握你想要学习的





Scott H Young(作者)

http://www.scotthyoung.com/blog/(他的博客)

这本书有点一点长,我分几次翻译完。凭着兴趣,所以也没有太大的压力,翻译的随心所欲,主要是想表达自己的理解,不妥之处还望指正。

这本书的Table of Contents如下:t

Holistic Learning: Introduction

Holistic Learning VS Rote Memorization

Creating a Construct

Start With a Model

How to Learn Holistically

Method One: Visceralization

Method Two: Metaphor

Method Three: Explore

Criticisms of Holistic Learning

Summary

Continuing With Holistic Learning

今天第一篇文章写以下两节大体意思和感想

 

Quiz and a Contest

Holistic Learning: Introduction

第一节 做了简单的引入

首先,作者讲了一个小故事:

已经到了中午了,我的胃感到非常的痛苦,就像一个小孩子停留在玩具商店门外一直想要一个玩具一样。我告诉自己已经到了中午时间了,那给了我一点点安慰就像我告诉那个小孩子如果他肯停止哭闹一会儿,他就会得到那个玩具一样。

忽然,一个电话打过来,让我赶紧去办公室,秘书告诉我:“可能你有一个测验需要做一下”。这个秘书说。我在心理暗暗叫苦,我不记得要被要求做一个测验啊。我的胃已经很痛苦了,而且我的胃蔑视了我刚刚对它进行的快要中午的心理安抚(Humorous)。秘书说:你需要找一个合适的位置完成你的测验。测验竟然是化学!我并不熟悉,而且这意味着通常有着更加多样的选择。尽管在测试课程内容,但是这些内容通常都会隐藏在问题中,在附上一些你可能从来没有见过的材料。可能这种方式能够区分出来那些仅仅上过课的同学和那些扩展了阅读的深度甚至连大学课本都早早买来看的同学。但是我只是希望我早一点接触到了这些东西。(虽然他学的并不深入,但是他擅长发散性思维)

我们永远不可能在课堂上穷尽大部分问题,但是只要一点点创造性就可以发挥很大的作用。我有六十分钟,但是我在四十分钟内完成了。就像我在潜意识里消化了很多东西。三周过后,我得到了消息,我成了优秀名单上的人得到了一些奖励。我的体会是积极的思考可以让我们思路更加清晰开阔,避免到了考试时候才发现如此多的盲点,而是及早发现,及早处理

对于一些人来说,他们苦苦挣扎,对于另一些人来说,他们能够成功但是他们不得不付出特别多的代价(可能类似题海战术)。我的成功似乎是不应得的。我的第一个故事可能是一个不合适的虚张声势。但是我还是把它写了下来,尽管这个成功看起来可能很小。我把它写下来不是因为我多么特殊,恰恰是因为我很普通(我只是采用了一些独到的方法)。

我已经见过、知道并且研究了许多有相似特质的人—一种几乎可以不费多少力气理解复杂事情的能力。不管是在学校里还是在生活中,一些人好像掌握了进入快速理解概念的本领。就像一位天才虽然只是一个看门人,但是他却可以告诉你任何主要的历史事件也可以告诉你爱因斯坦的理论和思想。这个令我很烦恼,因为我不赞同对很多人对于天才的解释,那听起来好像一种精英主义的观点来展示他们的成功是天生的是不可以被复制的。我想知道人们是如何学习的更快的,我想知道那究竟仅仅是一种与生俱来的天赋还是说可以通过后天练习得来的能力。

心理学家已经发现在长期中智商一部分是天生的,但是一部分是后天练习得来的。天生的那一部分我们是无法决定的,但是一种有效的学习策略可以帮助我们提高我们的能力!(这段话很重要,不要灰心丧气,如果你努力了还没有很大进步,很可能只是你的方法错了而已)

第二节 对整体性学习做了简单的介绍

有一些人学习的过程很快,但不是因他们使用相同的策略更有效率,而是他们用了一种完全不同的方式去学习新的知识,(那种策略,如果你只是普通的扫一眼很可能会错过)

我把这种方式叫做整体性学习。整体性学习的基础是和死记硬背相反的。不是要把大量的信息塞到你的脑子里让你记住,而是希望把你正在学习的新的知识和你已经学过的知识编织起来,联系起来。从而把他编织在你的网中。

死记硬背那种方式,强调通过知识集装箱那种方式来学习,就像一台电脑的文件储存系统,每个知识都很干净,但是也很孤立。比如,历史的知识存在历史的文件夹里面,物理的知识可能存放在物理的文件夹里面。一个大箱子里面又有很多的小箱子。物理的概念和公式都可能存放在不同的箱子里面。

问题的关键是我们人类的大脑不是一个计算机文件系统。而是一个很多互相连接的神经元组成的网络。当你需要信息的时候,你希望有一个线索去伸到箱子里面把东西取出来,如果找不到这个箱子那你就乱成一团糟。

整体性学习是杂乱的,它没有把东西干净的放在箱子里面,而是用一根一根的线把各个知识点联系起来。科学的概念可能让你联想到历史(比如蒸汽机让你想到了工业革命)。在一些特定的领域,你的网络被更加紧密的编织在一起,每一个物理学概念都紧紧的和其它的概念用线联系在一起(推导定积分的公式需要用到变上限的积分和不定积分,就把这部分内容紧密的联系在一起,环环相扣的东西往往更加容易记忆,就像让你记一个15个数组成的有序的公差为2的等差数列和让你记到e小数点后面15位你觉得哪个简单?)

一个紧密的网络意味着就算一条路走不通了,还有很多路可以走得通,(就像求积分有多种方法一样),其他的路同样可以给你充分多的信息。紧密的网络可能很抽象,但是你可以感觉到它当你真的拥有一个的时候。一个紧密的网络最后会导致一种真正获得(知识)的感觉。你彻底理解了一个实物或者概念以至于它的一部分竟然不太重要了(因为你记住了最重要那部分,其余的早已经是你学过的知识,只需用线连起来就可以)

整体性学习可以让你把许多零散的不充分的知识编织起来,最后形成一个很有用的知识。

先写到这里吧,以后有了时间再写。

(希望泡泡可以喜欢!!!)

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
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