识别与生成

我要谈的是一个对我来说很有用的二分法--认知和生成。识别任务依赖于你大脑快速注意模式的能力。完成任务依赖于你大脑拼凑成新任务的能力。

一名学生正在阅读课本，准备数学考试。他们复习了他们书中的校样。这一步有意义吗？他们问自己。在进入下一步之前，他们要确保能够了解正在发生的事情。

现在，考虑第二个参加相同考试的学生。读完课本后，学生合上课本，回想校对。再说一遍，那个证据怎么样了？"；他们问自己。他们从一张空白页开始，派生出每一步。在每一步，他们都在问自己下一步需要展示什么，而不是仅仅跟着走下去。

当人们想到学习数学时，我认为识别和生成任务都可以作为正确的事情出现在脑海中。然而，识别方法缺少一种特定类型的努力。特别是，当测试要求从头开始提供证据时，生成方法将提供更多帮助。

在这里，就像许多其他的认知和生成二分法一样，我们很容易欺骗自己，让自己认为我们投入的精力比实际投入的更多。毕竟，一个诱人的想法是，阅读教科书和写校样都感觉自己符合学习的定义，那么为什么更容易的那一种就不能奏效呢？

总体而言，这种替换是将概念空间和动作空间混为一谈的一个明确例子。我们认为，只是因为这些任务在概念上是相似的，所以它们的效果也必然是相似的。或者，也许我们确实知道其中的不同之处，但我们的一部分相信，我们可以完成更容易的识别任务，但仍然可以从生成任务中获得更大的好处。无论哪种方式，这种能够从其他范畴领域继承相似之处的直觉都是有缺陷的。

这就是为什么对一些人来说，数学最终会成为一门难学的学科。你很容易就会自欺欺人，当你只是跟着课本走的时候，你就会明白发生了什么。不过，把步骤盖起来，如果你自己试着解决，事情就会变得困难得多。

类似的，当你在读一本书的时候，作者说，“现在，很明显，我们可以得出X的结论”，这是一个暂停的信号。停。你应该退后一步，检查一下你的实际想法。如果作者没有向你展示结论，你会用你已经拥有的作品来生成它吗？

另请参见团队动态，即当有人有想法时，每个人都非常乐意提供自己的意见，但不愿提交自己的想法。比起想出一些新奇的东西来呈现给别人，对已经存在的东西进行标准化要容易得多。

当然，这种二分法在自助领域是非常重要的。我认为，有一种趋势是，建议被缓存为陈述性知识，而不是程序性知识，其方式类似于认识和生成二分法。

(如果你以前没有见过这两个术语：简单地说，陈述性知识指的是你知道如何联系的事情，比如巴黎是法国的首都。程序性知识指的是你知道如何做的事情，比如打结。)。

这里最大的问题是，自助中的大多数模式似乎都是陈述性的，但它们的有效性在于它们是程序化的。

例如：当你第一次了解规划谬误时，你会发现规划谬误是一种认知偏差，它围绕着低估，而参考班预测是一种帮助的方式。您将了解到，参考类预测是一种创建评估的方法，它在公共工程项目中取得了成功，并且需要仔细选择您的参考类。

如果你的目标是在突击测验中取得好成绩，这是可以的。您将能够回答以下问题：

但这可能不是你想要的！从实践的角度来看，你可能想要的是能够将所有这些概念付诸实践，这样它们实际上就变得有用了。这需要找出使用该概念的例子，并思考如何将该概念集成到您现有的时间表中。这些问题如下：

如果构建思维导图是一项识别任务，那么想办法将概念真正转化为行动则是一项生成任务。

最重要的是，作为一般模式，生成任务比识别任务更难，即使它们看起来在做相似的事情：

想象给出建议后你会如何改变你的行为，而不是仅仅检查你以前是否听说过。

总而言之，这并不是说识别ISN没有用处。有时，这是一个必要的启发式方法来切开难题。但认可并不一定意味着理解，推动你能产生的东西可以帮助你暴露你实际知道的东西。

因此，下次当你有一个学习目标(例如，新的语言、编程框架、数学等)时，记住要想方设法提高你的技能，因为这是最有用的工作所在。