5.How Fast Should You Be When Learning?(你应该用多快的速度学习?)

2024-06-19 00:20

本文主要是介绍5.How Fast Should You Be When Learning?(你应该用多快的速度学习?),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Normally when I talk about learing quickly, I’m using speed as a synonym for efficiency.Use more effective methods and you’ll learn more in less time.All else being equal, that means you’re learing faster.
通常我在谈到快速学习时,是把“速度"当作“效率"的同义词来用的。使用更高效的方法,就能用更少时间学会更多内容。 在其他条件不变的情况下,这就意味着学得更快。
Today, however, I want to consider a different meaning for speed:how quickly should you try to do things in order to improve performance.
但今天我想谈谈速度的另一层意思:为了提高水平,你应该以多快的速度做一件事情?
One way to imagine this is to look at something like chess.Chess can be played at different speed levels:you could play tournament-length games, which take hours.You could play blitz, which has only a few minutes, or bullet chess where moves are counted in seconds.
一种思考的办法是考虑下棋这样的活动。可以以不同的速度下棋:你可以像棋类锦标赛那样下,一局花几个小时;也可以下快棋,一局只要几分钟,或者更快的快棋,每一步只有几秒钟思考。
在这里插入图片描述
If your goal were to improve at chess, which kind should you make your core practice?
如果你的目标是提高棋艺,应该着重练习哪种呢?
Speed and Transfer
速度与迁移
The first thing to consider is that often what we think of as a single skill is actually different skills when viewed from different timeframes.
首先需要考虑的是,通常我们认为是同一种技能的东西,从不同时间框架来看,其实是不同的技能。
Consider solving a math problem.You can painstakingly calculate an exact answer.Or you can ballpark it using some guessing.While the two skills are related, they are, strictly speaking, different mental abilities.
比如解决数学问题。你既可以费力地计算一个准确的结果,也可以估计一个大概的范围。这两种技能虽然相关,但严格说起来,它们是不同的智能。
The research on transfer shows that when we train skills, they tend to be learned quite narrowly.So tons of time learing to do back-of -the-envelope calculations may not improve your calculating skills as much as you’d expect.This also works in the opposite direction as you may be able to get the ‘right’ answer, but without a quick guess that’s in the bllpark.
关于能力迁移的研究表明,我们在训练某种能力时,往往只能训练到非常有限的一部分。因此,花大量时间练习粗略地估算,并不会像你希望的那样提高计算能力。反之也一样,你或许能够计算出“正确”的答案,但无法粗略地估计是否在合理的范围。
I experienced this firsthand when working on my portraint drawing project.
我在进行肖像画项目时就亲身体会了这一现象,
My initial thought was that drawing faces well came from ‘guessing’ the relative positions of facial features, lines and shapes.Thus if I simply did more and more quick practice, my guesses would get increasingly accurate and I’d draw realistic pictures.Speed, then, made sense.
我一开始认为,画好人物面部肖像,靠的是“估计"五官、线条和形状的相对位置。因此,只要我练习越来越多的速写,就会估计得越来越准确,从而画出逼真的肖像。速度在这里是说得通的。
This worked, for a while, but eventually I found that my problem wasn’t accuracy but precision.There was too much variablility in my guesses even if I wasn’t systematically making a particular kind of mistake.
这起作用了一阵子,但最终我发现自己的问题不是准确度,而是精确性。尽管我没有系统性地犯特定某种错误,但我的估计还是有太多不一致的地方。
The solution ended up being learning a different method for drawing based on triangulation, as taught by Vitruvian Studio.This method, in contrast to my guess-andsketch approach, was not fast.My first attempts took hours.With practice, I could do it faster, but it was still much slower and more painstaking than sketching.
最终的解决办法,是我学习了Vitruvian Studio教的三角定位画法。与我自己的估计、速写式画法不同,这种方法并不快。我最开始尝试时花了几个小时。经过练习,我可以画得快一些,但仍然比速写慢得多、辛苦得多。
在这里插入图片描述
The result was that I got better at drawing portraits, but only weakly better at doing quick sketches. The skills I enhanced mostly worked when I had at least an hour to draw, not sixty seconds.If I wanted to get better at the sixty-second sketches, I’d probably need to master different techniques.
结果是,我的肖像画画得好多了,但是速写只提高了一点。只有当我有至少一小时而不是只有一分钟画画时,通过三角定位画法训练的技能才能发挥作用。如果我想要提高六十秒速写的水平,恐怕需要掌握另外的技巧。
The lesson here is that the timeframe you need to perform a skill within often constrains the methods you can use to master it.The way you solve a problem in ten seconds is often, cognitively speaking, quite different from the way you solve it in an hour.
从这件事中得到的经验是,有多长时间做一件事,通常限制了掌握所需技能应用的方法。花十秒钟解决一个问题的方法,从认知学的角度来说,通常与花一小时解决的方法是大不相同的。

这篇关于5.How Fast Should You Be When Learning?(你应该用多快的速度学习?)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1073477

相关文章

51单片机学习记录———定时器

文章目录 前言一、定时器介绍二、STC89C52定时器资源三、定时器框图四、定时器模式五、定时器相关寄存器六、定时器练习 前言 一个学习嵌入式的小白~ 有问题评论区或私信指出~ 提示:以下是本篇文章正文内容,下面案例可供参考 一、定时器介绍 定时器介绍:51单片机的定时器属于单片机的内部资源,其电路的连接和运转均在单片机内部完成。 定时器作用: 1.用于计数系统,可

问题:第一次世界大战的起止时间是 #其他#学习方法#微信

问题:第一次世界大战的起止时间是 A.1913 ~1918 年 B.1913 ~1918 年 C.1914 ~1918 年 D.1914 ~1919 年 参考答案如图所示

[word] word设置上标快捷键 #学习方法#其他#媒体

word设置上标快捷键 办公中,少不了使用word,这个是大家必备的软件,今天给大家分享word设置上标快捷键,希望在办公中能帮到您! 1、添加上标 在录入一些公式,或者是化学产品时,需要添加上标内容,按下快捷键Ctrl+shift++就能将需要的内容设置为上标符号。 word设置上标快捷键的方法就是以上内容了,需要的小伙伴都可以试一试呢!

AssetBundle学习笔记

AssetBundle是unity自定义的资源格式,通过调用引擎的资源打包接口对资源进行打包成.assetbundle格式的资源包。本文介绍了AssetBundle的生成,使用,加载,卸载以及Unity资源更新的一个基本步骤。 目录 1.定义: 2.AssetBundle的生成: 1)设置AssetBundle包的属性——通过编辑器界面 补充:分组策略 2)调用引擎接口API

Javascript高级程序设计(第四版)--学习记录之变量、内存

原始值与引用值 原始值:简单的数据即基础数据类型,按值访问。 引用值:由多个值构成的对象即复杂数据类型,按引用访问。 动态属性 对于引用值而言,可以随时添加、修改和删除其属性和方法。 let person = new Object();person.name = 'Jason';person.age = 42;console.log(person.name,person.age);//'J

大学湖北中医药大学法医学试题及答案,分享几个实用搜题和学习工具 #微信#学习方法#职场发展

今天分享拥有拍照搜题、文字搜题、语音搜题、多重搜题等搜题模式,可以快速查找问题解析,加深对题目答案的理解。 1.快练题 这是一个网站 找题的网站海量题库,在线搜题,快速刷题~为您提供百万优质题库,直接搜索题库名称,支持多种刷题模式:顺序练习、语音听题、本地搜题、顺序阅读、模拟考试、组卷考试、赶快下载吧! 2.彩虹搜题 这是个老公众号了 支持手写输入,截图搜题,详细步骤,解题必备

《offer来了》第二章学习笔记

1.集合 Java四种集合:List、Queue、Set和Map 1.1.List:可重复 有序的Collection ArrayList: 基于数组实现,增删慢,查询快,线程不安全 Vector: 基于数组实现,增删慢,查询快,线程安全 LinkedList: 基于双向链实现,增删快,查询慢,线程不安全 1.2.Queue:队列 ArrayBlockingQueue:

硬件基础知识——自学习梳理

计算机存储分为闪存和永久性存储。 硬盘(永久存储)主要分为机械磁盘和固态硬盘。 机械磁盘主要靠磁颗粒的正负极方向来存储0或1,且机械磁盘没有使用寿命。 固态硬盘就有使用寿命了,大概支持30w次的读写操作。 闪存使用的是电容进行存储,断电数据就没了。 器件之间传输bit数据在总线上是一个一个传输的,因为通过电压传输(电流不稳定),但是电压属于电势能,所以可以叠加互相干扰,这也就是硬盘,U盘

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在

Python应用开发——30天学习Streamlit Python包进行APP的构建(9)

st.area_chart 显示区域图。 这是围绕 st.altair_chart 的语法糖。主要区别在于该命令使用数据自身的列和指数来计算图表的 Altair 规格。因此,在许多 "只需绘制此图 "的情况下,该命令更易于使用,但可定制性较差。 如果 st.area_chart 无法正确猜测数据规格,请尝试使用 st.altair_chart 指定所需的图表。 Function signa