如何找到适合当下的学习路径？新手学习三问
开智学堂
“ 学习一门新学科或一项新技能，是基础重要还是练习重要？开智「快写慢改写作训练营」的 connie 同学认为，两种方法都对，但要针对不同的学习阶段和学习目标。新手学习，要先搞清楚三个问题，什么问题呢？一起来看~
作者丨connie
本文为开智学堂原创作品
开智学堂（http://www.OpenMindClub.com）
自从知识付费变成话题，涌现出来一大波授课的人。碰巧一个海归博士教数据分析，还挺有意思，就报名了。
数据分析需要统计，编程，业务，三个能力圈拼成。理解统计基础不难，而编程之路如套娃，没有尽头。python-爬虫-网页-数据库。犹如初登黄山不带地图，上去才知道有 72 峰，想看遍？顿觉心力不足，遂中途放弃。
不得不思考学编程有没有方法论。结果得到两种完全相反的建议：一说先打基础，按部就班，先学计算机原理。不懂底层逻辑，解决不了任何问题；另一说先练习，有即时反馈才能坚持进步，科班方法是入门到放弃之路。听着都有道理，两派高手打擂台，门外汉看的一脸懵。
到底哪个说法正确？新手学习，先问自己三个问题。
什么类型？
每个人天性不同，擅长类目也不同。我们往往沿用成功经验去学新学科。我用学英语的方法学编程，翻车了。让我们抛开自身经验，先判断学科类型，有助于找准学习路径。
最熟悉的学科分类在学校里，语数外这类一级学科有 62 个，分成 5 个门类。（参照我国学科分类与代码的现行版本 GB/T 13745-2009，2016 修订）。
- 自然科学（代表科目：数学，信息科学，物理，化学，生物）
- 工程与技术科学（代表科目：电子通信，机械工程，材料科学）
- 人文与社会科学（代表科目：社会学，历史，文学，艺术）
- 医药科学
- 农业科学
国外分类各有不同，相似的有自然科学，社会科学和应用科学，不同的是形式科学 Formal Science，不关注现实世界的观察理论，主要描述抽象的概念规则。
形式科学—代表科目：数学，逻辑学，统计学，理论计算机，信息论，人工智能。
形式科学依靠推理演绎，不需经验证据来验证概念。这种分类依然有分歧，不过先验特性与其他实证科学确实有区别。不知道有多少人和我一样，形式科学的每门学科都不擅长。大脑不善于理解抽象概念，人不擅长与机器对话。
你擅长的学科是不是同一类型？要学习的学科属于什么门类？
文学偏经验，通过书本和老师获得知识和观点，靠理解记忆。而机械工程偏应用，靠动手反复操作学会。这两种不同的类型，称为陈述性记忆和程序性记忆。
- 陈述性：描述事实和事件，解决是什么和为什么的问题。
- 程序性：执行和动作，解决怎么做的问题。
学科知识要不假思索的灵活应用，这两种记忆都需要。不同学科占比不同。文学陈述性知识偏多，依然需要反复阅读的动作。机械工程靠练习才能成为内隐技能，依然要明白图示表示的意义。
从不会到会，有个学习过程。早点意识到编程其实和开车一样，大概就不会焦虑挫败了。谁刚摸了方向盘就能上路呢？
分类有助于理解学科间的区别，其局限是人为设置了学科间的界限。复杂的现实世界，只用一种工具去解释容易有偏见。每个学科的思维方式不同。
用跨学科，多角度，辩证看问题更能拓展认知深度。比起单一工具，一个工具箱解决问题的成功率更高。
大师都是跨学科的代表。文艺复兴时期的达·芬奇，他是发明家，科学家，军事家和画家。20 世纪的罕见天才赫伯特·西蒙，先拿图灵奖，后得诺贝尔经济学奖。拿了美国国家科学奖和心理学杰出贡献奖，还是中国科学院的外籍院士。近百岁的查理芒格，掌握的一百个多元思维模型，包含数学物理工程学心理学等多个学科。
跨学科学习的一个方法是利用远距离联想帮助陈述性记忆。借助自己擅长学科中获得的经验，联系新学的知识，让难以理解的抽象概念变得有意义。
类似生活经验，空间位置，学科内容，社会结构，都能用来帮助理解新知，更快入门。程序性记忆靠反复练习。没有捷径。
孰先孰后？
编程需要练习无疑。回到最初的两个建议，先学原理和先练习。其实问题是先学陈述性知识还是程序性知识。取决于你当下的学习阶段和学习目标。看黄山奇景，先奇松怪石或先云海温泉？取决于你走哪条路线。
我们看看硅谷创业教父保罗格雷厄姆的经验。
格雷厄姆青少年时代开始编程。大学主修哲学，再去读了计算机硕士博士。他在大学受到的教育是上机编程前，先在纸上把程序搞清楚。他自己喜欢坐在计算机前编程，先把代码堆上去再慢慢修改。整个程序在写代码的时候思考完善。
按照格雷厄姆经验，先练习吗？那你忽略了他青少年编程的经历。他到大学已经不是初学者了，基础知识作为经验内化不用从头学习。
编程即使靠练习，也有陈述性知识，诸如语法命令和数据类型。新手直接练习容易导致挫败放弃。零基础应该先了解背景知识，再反复练习内化，促进迁移。直到阶段目标完成，再定下一个目标。每次练习一种类型，循环重复。
知识不是单一线性，而是立体网状结构。建议你先学计算机原理的，朝着架构专家的目标提的建议。建议你先练习的，默认基础语法懂了，上手就能练习。
那新手如何能知道自己当下属于什么水平，确定合适的目标？
先从经典教材入手。教材大多厚到可以当枕头，只怕要枕个一年半载。
那为什么还要建议从教材入手？教材目录是地图，能让你大概了解这门学科的主要脉络。通常有配套习题，先测再学，基本了解当下水平。再多比较几本教材，加上附录的参考资料，术语索引和学科大神就能找到大致路径。
想学成专家当手艺人，或业余爱好自娱自乐？找到方向，管理预期，确定阶段目标。目标要适合当下水平。高一点点刚刚好。掌握具体目标的人是最可能完成行动的人。
新手获得的知识相对浅显。反复练习内化成无意识动作后，才能腾出记忆空间用来思考。新手无力创新，专家也是经过常年积累无数自动化而成。自动化之后，就不会再思考如何调用记忆。
专家往往很难理解新手遇到的困难，这种认知偏见称为知识的诅咒。不过诸如画家作家，有作品的创作者，能一定程度上破解这种偏见。按照时间线排列作品，就能一窥他们在实践中一步一步成长的路径。尤其作家，语言即思想。
学思想不容易，升级了就很难回退。张五常连听他老师六个学期的课，他老师赫舒拉发（J.Hirshleifer）很疑惑，有一次在课后问他：
「你旁听了我六个学期，难道我所知的经济学你还未学全吗？」
张五常回答说：「你的经济学我早从你的著作中学会了；我听你的课与经济学无关——我要学的是你思考的方法。」
张五常学了六个学期还在学如何思考。想更进一步做个高阶学习者，先学苏格拉底式提问。
会提问吗？
编程经常会碰到报错信息。尝试各种方法都解决不了怎么办？一般去 stackoverflow 上求助。如何提问也是学问。
先讲个小事。
有天一早小赛进办公室先问：「昨晚谁最后一个走？」 没人吱声。
我心想有人没关空调还是没关电水壶？不久前领导还特意强调过一次。不会又有人忘记了吧？问道：「怎么了？」
小赛道：「我想问下他把会议室钥匙放在哪里了，前台没有。」
小李一声 「啊呀，会议室钥匙在我这里，忘记放回前台了。」
小赛假设最晚走的人拿了会议室的钥匙，找到那个人就能找到钥匙。你大概觉得小赛莫名其妙，其实是很常见的 X-Y 问题。
X-Y 问题源自 Eric S. Raymond 的一篇文章，讲编程中碰到问题如何正确提问。有人不知道 X 怎么做，觉得会了 Y 就能做 X 。他也不知道 Y 怎么做，就提问如何做 Y 。别人不知道他的隐含假设，提供 Y 的解决方案，根本解决不了 X 问题。
我的学习过程也是个 X-Y 问题：
问题 X：如何学习数据分析？ 学统计，学 Python。
问题 Y：如何学 Python？ 沉浸在各种原理技巧方法论汇中学习 python。 我其实想学的是数据分析。目标已经替换了。
请自行代入写作，英语等技能。
问题 X：如何学习写作？ 先阅读再写作。
问题 Y：如何阅读？ 沉浸在各种原理技巧方法论中学习阅读。
X-Y 问题提醒并帮助我思考并找到真正重要的问题。多问渐进式问题，问浅显且重要的问题。好问题比答案重要。找到正确问题，答案能浮现一半。张五常说过诺贝尔经济奖得主弗里德曼擅长改问题。
你问他一个问题，他喜欢这样回答：「且让我改一下你的问题。」(Let me rephrase your question.) 他一改，就直达你要问的重心。
不同的问题能引导你思考学习目的，应用场景，练习方法。探寻问题的过程是自我反思，也是学习。参考苏格拉底式诘问，学习是什么？怎么做？为什么？所以呢？还有吗？搜索引擎提供你精确答案，你得输对关键字。
初学编程依然改变了我的思维方式。批处理又快又准确，眨眼间正确完成任务。高效反馈提供的快乐没人不喜欢。把这种方式用来选书，总能找到几本意外之喜，如同书店偶遇。
结尾
回顾一下新手学习路径：
- 判断学习的科目类型。偏陈述性或程序性。
- 确定阶段目标。先有背景知识再练习。重复迁移。
- 问简单且重要的问题。正确思考。
黄山主峰轮流开放，3-5 年调整一次。想要黄山归来不看岳，去一次不够。这次拿着地图，确定山峰，找到正确路径，下次再登其他山峰。学习也是同样的过程。每个人的经历不同，没人比你更了解自己。别人推荐的学习方法不一定完全适用。学会做自己的老师，找到适合当下的学习之路。
孔子两千多年前就总结了正确的学习方法，学习需要思考和练习兼顾：「学而不思则罔，思而不学则殆。」
知识诅咒不可避免。当个创作者，留个印迹，提醒自己。■
⇲ 参考资料：
- 心理学与生活（第19版），菲利普·津巴多，记忆&动机
- 为什么学生不喜欢上学，丹尼尔·威林厄姆
- 吾意独怜才，张五常
- 黑客与画家，保罗·格雷厄姆
- x-y problem，Eric S. Raymond