如何像程序员一样学习？
作者：互联网
许多人认为，最好的学习方法从谷歌搜索开始，然后快速浏览维基百科文章。然后，他们试图向别人解释他们的表面知识，但并不理想
这个世界充斥着那些在阅读了一段时间后认为自己理解了一个主题的人，但他们真的没有。阅读一篇文章后，即使他们对主题没有基本的了解，个人也会神奇地成为专家。
这不是最近出现的问题。
正如沃尔特·斯科特爵士（Sir Walter Scott）在1700年代所写的那样，“他对书籍的了解，无论多么肤浅，都足以让他们对他所谓的学习感到无知。
即使书籍是信息消费的重要媒介，许多人也会阅读以显得博学。读一本书就像给人留下深刻印象。
邓宁-克鲁格效应（Dunning-Kruger Effect）描述了这种永恒的想法，这是一种认知偏见，即在特定领域能力或知识水平低的人高估了他们在该地区的智力。人们无法看到自己的真正技能，在于他们对特定领域的经验和接触的偏见。人们可能会假设他们已经学会了理解一个主题的“他们需要学习的一切”。无论如何，下图有助于打破这种现象。
大多数自认为知道很多信息但不够深入的人都存在于“愚蠢山顶”上。他们的信心非常高，同时，他们在实际知识的发展中也走得不远。但紧随其后的，就是“绝望之谷”。在这里，你已经意识到你正在学习的主题非常广泛，你只是刮了表面。这是大多数人停止学习的地方，因为他们失去了动力、必要性甚至兴趣。只有当你勇敢地度过这种磨难时，你才能到达一个你真正了解一个话题的地方。这个过程通常是具有挑战性和硬核的。
通过“像程序员一样学习”，您可以通过为自己的进步创建一个脚手架，有条不紊地快速开始学习过程。通常，学习不是一条直路，不同的概念需要时间。但是，通过将编程概念实施到学习系统中，您可以一头扎进一个新主题。
什么是像程序员一样学习？
当我说“像程序员一样学习”时，我说的是一个可以很好地适应学习的特定概念。这是一个称为递归的想法。在编程中，如果你想一遍又一遍地做一个任务，你每次都会重复这个任务及其所有必需品。递归是执行具有嵌套任务的任务的过程。然后该任务还有另一个嵌套任务...依此类推，直到最后的任务。然后，按顺序完成任务，最后一个任务首先完成，第一个任务最后完成。下面是一个快速的信息图，用于演示斐波那契数列上的递归：
我们可以将斐波那契数列作为递归方法，而不是通过将所有从 1 开始并以 0 结尾的数字相加来计算斐波那契数列（从 4 到某个数字的所有数字的总和）。
要计算 4 的斐波那契数列，我们可以先将其分解为序列中的前两个数字，即 2 和 3。然后，我们可以计算这两个数字的斐波那契数列，将它们分解为各自的先前数字，即 0 和 1 表示 2，1 和 2 表示 3。我们知道 0 的斐波那契数列是 0，斐波那契数列 1 是 1，因为 0 到 0 之间的所有数字的总和是 0，这是我们的基线情况。
现在它如何应用于学习？
好吧，这一切都回到了最初的起点。有些人会看YouTube视频，有些人可能会读书，有些人可能会谷歌。使用此策略，您要做的第一件事就是制作某种文档或流程图。您希望能够存储和连接信息并创建分组。我要么在带有图形视图的黑曜石上做笔记，要么在带有 Google 文档的清晰图表上执行此操作，但有许多流程图工具。此过程不需要流程图，但它们有助于绘制您的学习过程。
您将采取的第一步是选择一个更具体的起点。如果您正在学习神经科学，请选择您感兴趣的神经科学方面。然后，开始搜索以提出~5个关键字，主题或相关想法，这些关键字，主题或相关想法在您正在学习的主题中起着关键作用。例如，如果我们正在了解阿尔茨海默氏症，神经退行性疾病一词可能会出现很多，所以你会把它们写下来。如果您根本不了解要学习的主题，请不要担心 - 您正在选择关键字来填补您的知识空白，有效地向后和递归地工作。
一旦你有5个左右的点，就开始研究每一个点。例如，假设您的观点之一是“大脑功能”。下一步是在搜索引擎或学术数据库中搜索“大脑功能”。从那里，找到你感兴趣的文章、论文或书籍，并尝试找到你关于大脑功能的问题的答案。
一旦你收集了关于其中一个点的足够信息，就创建你所学内容的摘要。确保摘要简洁，但包含所有相关信息。此摘要将作为您稍后返回的参考点。
为所有关键字创建摘要后，下一步是创建一个包含所有摘要的更广泛的文档。这可以通过使用黑曜石，漫游研究或概念等工具来完成。目标是创建一个易于导航的文档，并允许您快速找到所需的信息。
最后一步是测试你的知识。尝试向其他人解释您学到的知识，或为自己创建一个测验。通过这样做，您将能够确定需要更多信息或实践的领域，并继续完善对该主题的理解。
结论
总之，像程序员一样学习涉及采用递归学习方法。通过将主题分解为更小、更易于管理的部分，然后在它们之间创建摘要和联系，您可以深入了解该主题。虽然这种方法可能比简单地阅读维基百科文章需要更多的时间和精力，但最终结果是对主题更全面和有意义的理解。