通過心理模型學習任何事物的 10 秘密
老師不會在學校教你的東西!
心理模型是一個可以用來解釋許多不同現象的通用概念。在經濟學中的供需、在生物學中的自然選擇、在計算機科學中的遞迴，或是在數學中的歸納法——一旦你知道去尋找這些模型，它們無處不在。
正如理解供需關係幫助你推理經濟問題一樣，理解學習的心理模型會讓你更輕鬆地思考學習方面的問題。
不幸的是，學習很少被單獨作為一門課程來教授——這意味著大多數這些心理模型只有專家才知道。在這篇文章中，我想分享影響我最多的十個心理模型，並附上參考資料，以便你如果想深入了解，可以進一步探索。
1. 解決問題就是搜索
赫伯特·西蒙和艾倫·紐厄爾以他們的里程碑著作《人類問題解決》開啟了解決問題研究。在書中，他們提出人們透過在問題空間中搜尋來解決問題。
問題空間就像一個迷宮：你知道你現在的位置，知道自己是否到達了出口，但不知道該怎麼去那裡。在這個過程中，你的行動受到迷宮牆壁的限制。
問題空間也可以是抽象的。例如，解決魔方意味著在大量的配置問題空間中移動——打亂的魔方是你的起點，而每個顏色分開到一側的魔方是出口，扭轉與轉動則定義了問題空間的「牆」。
現實生活中的問題通常比迷宮或魔方更為廣泛——起始狀態、結束狀態以及具體的動作往往不那麼明確。但是，在可能性空間中搜尋仍然很好地描繪了人們在解決不熟悉問題時所做的事情——也就是說，當他們還沒有指導他們直接到達答案的方法或記憶時。
這個模型的一個含義是，沒有先前的知識，大多數問題真的很難解決。魔方有超過四十三垓種配置——如果你不聰明地處理，這是個需要搜索的大空間。學習是獲取模式和方法的過程，以減少粗暴搜索的需求。學習是獲取模式和方法的過程，以減少粗暴搜索的需求。
2. 記憶透過回憶來增強。
回憶知識比第二次看到某樣東西更能強化記憶。
測試你所知道的事不僅僅是測量你知道什麼——做這件事實際上能提升你的記憶。事實上，測試是研究人員發現的最佳學習技巧之一。
為什麼回憶這麼有幫助呢？一種想法是大腦透過只記住那些可能有用的東西來節省精力。如果你總能隨手有答案，就不需要再將它編碼到記憶中了。相對於此，檢索的困難是一個強烈的信號，提醒你需要記住某些東西。
回憶只有在有東西可以檢索時才能運作。這就是為什麼我們需要書籍、課程、老師和筆記的原因。當記憶失效時，我們只能依靠問題解決的搜尋，而這種搜尋可能在面對龐大的問題空間時完全無法給我們正確的答案。然而，當我們看到答案後，通過檢索它學到的東西會比一遍又一遍地查看更有幫助。
3. 知識以指數方式增長。
你能學到多少東西，取決於你已經知道的東西。研究發現，從一篇文本中保留的知識量取決於對該主題的先前知識。在某些情況下，這種效果甚至可以超過一般智力。
當你學習新事物時，你會將它們融入你已經知道的知識中。
這種整合會提供更多的鈎子讓你能夠在以後回憶這些資訊。
然而，當你對某個主題了解不多時(意思是你不知道關聯性)，你可用的鈎子就會少，這樣新資訊也更容易被遺忘。就像晶體從種子中生長出來一樣，一旦打下基礎，未來的學習會變得容易得多。
當然，這個過程是有極限的，不然知識就會無止盡地加速增長。不過，這點是值得記住的，因為學習的早期階段常常是最困難的，會讓人對這個領域未來的困難有誤導性的印象。
4. 創意大多是抄襲。
很少有主題像創意一樣被誤解。我們常常給創意人士賦予幾乎神奇的光環，但實際上創意要平凡得多。
這一觀點的證據來自於幾乎同時的創新現象。在歷史上，許多次無關聯的人同時發展出相同的創新，這表明這些發明在被發現之前，在可能性空間中某種程度上是“相近”的。
即使在美術領域，抄襲的重要性也被忽視了。是的，許多藝術革命明確拒絕了過去的趨勢。但這些革命者幾乎沒有例外地都浸淫在他們所反叛的傳統中。反叛任何慣例都需要對該慣例有認識。
5. 技能升級是具體的。
技能升級是指在不同任務的練習或訓練後在某一任務中能力的提升。在轉移的研究中，常出現一個典型的模式：
在某一任務上的練習讓你在這方面變得更好。
在某一任務上的練習對於類似任務（通常是那些程序或知識重疊的任務）有所幫助。
在一項任務上的練習對不相關的任務幫助不大，即使它們看起來似乎需要相同的廣泛能力，例如「記憶」、「批判性思維」或「智力」。
對於轉移學習的準確預測是很困難的，因為這需要完全了解人類的思維運作方式以及所有知識的結構。
然而，在更具限制性的領域，約翰·安德森發現，產出——作用於知識的 IF-THEN 規則——與在智力技能中觀察到的轉移量之間形成了相當好的匹配。
技能雖然可能是特定的，但廣度卻能創造一般性。例如，在外語中學習一個單詞只有在使用或聽到那個單詞時才有幫助。但如果你知道很多單詞，就能表達許多不同的意思。
同樣，知道一個想法可能意義不大，但掌握很多想法卻能帶來巨大的力量。每多接受一年教育，智商會提高 1–5 分，部分原因是學校教授的知識廣度與現實生活中（以及智力測試中）所需的知識重疊。
如果你想變得更聰明，就沒有捷徑——必須學習很多東西。但反過來也是如此。你想預測的更準確就必須學習很多東西包括關聯性。
6. 專注力是非常有限的。
我們一次只能記住幾件事情。
喬治·米勒最初將這個數字定在七個，加減兩個項目。但最近的研究顯示，這個數字更接近四個事情。
這個極其狹窄的空間就是所有學習、每個想法、記憶和經驗必須流經的瓶頸，如果它們要成為我們長期經驗的一部分。
網路流傳的潛意識學習是行不通的。如果你沒有在專心，你就無法學習。
我們提高學習效率的主要方法是確保通過這個瓶頸的東西都是有用的。把剩餘專注力分配給無關的元素可能會拖慢我們的進度。
自1980年代以來，認知負荷理論被用來解釋如何根據我們有限的心理帶寬來優化（或限制）學習的干預措施。
這項研究發現：對於初學者來說，問題解決可能適得其反。相較於自己解決問題，初學者在看到了已解決的範例（解決方案）時表現得更好。
材料的設計應避免需要翻頁或在圖表的不同部分之間來回切換來理解內容。
冗餘信息會妨礙學習。
當複雜的概念首先分部分呈現時，更容易被理解。
7. 成功是最好的老師
我們從成功中學到的東西比從失敗中學到的要多。
縮小成功的範圍! 知道什麼有效之後請縮小了並集中範圍，提高成功經驗。
一個好的規則是在學習時的目標成功率約為 85%。你可以通過調整練習的難度（開放書本與否、有無導師、簡單問題與複雜問題）來達到這一目標，或者在低於這個門檻時尋求額外的訓練和幫助。如果你的成功率超過這個門檻，可能是因為你沒有挑戰足夠困難的問題——而是在練習例行的內容而不是學習新的技能。
8.通過例子練習推理來學習
人們如何能夠進行邏輯思考是一個古老的難題。自從康德以來，我們就知道邏輯無法從經驗中獲得。
我們必須已經知道邏輯的規則，否則一個不合邏輯的頭腦根本無法發明出它們。但是，如果是這樣的話，為什麼我們在邏輯學家所創造的問題上經常會失敗呢？
1983年，菲利普·約翰遜-萊爾提出了一個解決方案：我們通過建立情況的心理模型來推理。
要驗證類似 “所有人都是必死的。蘇格拉底是一個人。因此，蘇格拉底是必死的。” 的三段論，我們想像一群人，他們都必然會死，並想像蘇格拉底是他們中的一員。通過這一檢驗，我們推導出這個三段論是正確的。
約翰遜-萊德（Johnson-Laird）提出，基於心理模型的推理也解釋了我們的邏輯缺陷。
我們在處理需要檢視多個模型的邏輯陳述時最容易出錯。需要構建和檢查的模型越多，我們犯錯的可能性就越大。
丹尼爾·卡尼曼（Daniel Kahneman）和阿莫斯·特維爾斯基（Amos Tversky）相關的研究顯示，這種基於例子的推理可能會使我們將回憶例子的流暢性誤認為事件或模式的實際概率。例如，我們可能會認為符合模式 K _ _ _ 的單詞比 _ _ K _ 多，因為在第一類別中（例如，KITE、KALE、KILL）想出例子比在第二類別中（例如，TAKE、BIKE、NUKE）簡單得多。
透過例子進行推理有幾個含義：
學習通常比起抽象描述，透過例子更快。
我們需要很多例子來學習一個一般模式。
當根據少數例子進行廣泛推斷時，我們必須小心。（你確定考慮了所有可能的情況嗎？）
9. 知識運用在經驗中最後熟能生巧
技能透過練習越來越自動化。這樣使我們對技能的意識減少，讓它在執行時不需要佔用我們珍貴的工作記憶容量。
想想開車：剛開始時，開燈和踩煞車都得非常小心翼翼。經過多年駕駛後，你幾乎不需要想這些事情。
不過，技能自動化增加也有缺點。
其中一個就是教導他人一項技能變得更加困難。當你不知道如何教導他人，如何明確地表達你的決策過程就變得更加棘手。專家們經常低估「基本」技能的重要性，因為這些技能已經自動化很久了，似乎不再參與他們的日常決策。
另一個缺點是自動化的技能較難以意識控制。這可能導致在進步上停滯，當你繼續以一貫的方式做事情，即使那樣的方式已經不再合適。尋找更具挑戰性的任務變得至關重要，因為這會將你從自動化的狀態中拉出來，迫使你嘗試更好的解決方案。
10. 再學習是相對快速的
經過多年的上學，現在還有多少人能夠輕鬆通過畢業所需的期末考試呢？面對課堂上的問題，許多成年人羞愧地承認自己幾乎不記得了。
忘記是任何不經常使用的技能無法避免的命運。赫爾曼·艾賓浩斯發現知識以指數速率減少——最開始的時候減少得最快，隨著時間的推移減少的速度變慢。
然而，這裡有一個好消息。重新學習通常比初次學習快得多。
部分原因可以理解為一個閾值問題。想像一下，記憶強度介於0到100之間。
在某一個閾值之下，比如35，記憶變得無法訪問。因此，如果一個記憶的強度從36下降到34，你就會忘記你曾經知道的東西。但即使是稍微的重新學習的提升也能夠修復記憶，使其能夠被回憶起來。相比之下，一個新的記憶（從零開始）就需要更多的努力。
受人類神經網絡啟發的連接主義模型提供了另一個關於重新學習有效性的論點。在這些模型中，一個計算神經網絡可能需要幾百次的迭代才能達到最佳點。如果你“微調”這個網絡中的連接，它會忘記正確答案，回答得也不比偶然的情況好。然而，就像上面的閾值解釋一樣，這個網絡第二次重新學習最佳反應的速度要快得多。
重新學習是很麻煩對嗎?尤其是因為面對曾經簡單的問題而掙扎會令人沮喪。然而，這並不是不深入廣泛學習的理由——即使是被遺忘的知識也能比從零開始復甦得快得多。
你面臨哪些學習挑戰？你能否運用其中一個心理模型，讓它以新的視角呈現？這對於解決你覺得困難的技能或主題，會有什麼啟示？在評論中分享你的想法！