個人的學習經驗難以複製，是「教學與學習」的一大難題，本文章試圖從簡單的學習經驗出發，從認知科學、知識論、方法論等觀點提出具普遍性的高效學習方式。這也可能是高效溝通的基礎？
- 教育最大的難題：有限的時間內如何有效傳授該領域龐大的知識大廈？
- 學習者同樣困擾：我如何以最短的時間學習一門知識或技術？
- 兩種問題解決的方式不一樣嗎？技術上的交集在哪裡？
本文章目標讀者：教育工作者、自學者、討厭填鴨的各位。
難度：中學生應該可以看懂。
為了不讓內容顯得艱澀，會儘可能簡單的解釋每個概念。
需要先釐清的大方向
1-個人的學習經驗是多元且隨機的，我們如何學習？
2-個人化學習的通用模型是什麼？知識碎片的種類？
3-複製學習經驗的方法指引。
4-有空我再補充具體的實例。
1. 概念形成—認知地圖—泛化(拼圖)與整合
我們如何從混亂中建立「概念」？
想像一下，嬰兒出生時，世界原是靜謐、溫暖、黑暗、單調的，卻突然湧入光線、聲音和溫度等變化。嬰兒的大腦是如何從這場感官風暴中找到任何「可以辨識的東西」？
嬰兒的大腦根據基因設定的步驟發展，「神經元」開始大量突觸增生，同時也開始突觸修剪，這些過程保留了「常用的神經連結」。
「概念」就是這些反覆出現的常用模式[1]。就像我們能迅速辨認出「自家附近的地圖」。以此為基礎，還能進一步區分出其他路線[2]如「去公園的路」和「去學校的路」，甚至「捷徑」與「繞遠路」。
GPT生成的神經連結概念圖，雖然是失真的(沒有呈現真實的軸突或樹突結構)，但還是有參考價值。「外界刺激神經的電訊號」和「以此建構的神經網絡」就是我們的「經驗基礎」。
雖然重複出現的經驗，我們認為很「真實」，但一堆「模糊的概念」還不足以形成足夠可靠的知識。
歸納法本質上是一種統計結論，它非常自然的幫助我們從大量的經驗中找出共同模式。
「媽媽對我笑，媽媽是好人」
「爸爸對我笑，爸爸是好人」
但這些感覺，可能使小孩歸納出有風險的結論：
「對我笑的人是好人」。
並非說歸納出結論就是錯的，只是我們很難驗證「這樣因果關係成立的前提」，且即使遇到例外，我們可能不會修改我們的結論，因為原先的結論很方便。
例如發現了「面帶笑容的壞人」，孩子也可能調整背後的因果關係，為例外套用其他的歸納結論，得出新結論。
「對我笑的人是好人」
「但壞人不是人」，這樣當然不是很好的推論。
「好人」在這個例子裡是「模糊的概念」，但在腦海中卻可以很「具體」，如刻板印象。
歸納是基礎，演繹是工具，但更新內在融貫一體的信念，才是我們學習的成果
科學方法的核心，在於將歸納出的假設透過演繹推理及實驗來測試。對統計學和科學方法的研究，奠定人類知識大廈非常牢固的基礎。
然而，我們到底怎麼真正學會的？填鴨式的教育法為了最快的速度，直接給出前人的結論。但就學習者而言，「一個或一些分散的經驗」並不足以撼動個人生活經驗的龐大信念，因為「知道」和「真正相信」之間存在鴻溝。
最直接的例子像是
🔸「我知道抽菸不好，但我還是會抽菸」
🔸「我知道這樣不對，但我還是腳踏兩條船」
在他們的主觀信念中，並沒有覺得這樣「真的不好」或「真的不對」，理由可以找出無數個，責怪他們也不能使其改善。
融貫主義的核心思想——一個信念之所以為「真」，是因為它與我們的整體知識體系相互契合。[3]
科學方法能幫助我們獲得更可靠的結論，但學習仍然依賴於我們如何組織這些資訊，使其融入我們的整體信念系統。
重點介紹融貫主義思想
「快樂」我假設你懂，但如何向人解釋「快樂是什麼」？
查閱字典會發現，「高興、愉快、喜悅、歡喜、快樂」它們是互相注釋的。這樣的定義方式形成了一種循環，並沒有真正解釋什麼是「快樂」。此說明用填鴨法學習跟通靈沒兩樣？
但我們明明是如何確認「快樂」存在？並和他人分享？
我們實際理解「快樂」的過程，不只依賴字詞的互相注釋，也包括不同經驗間的檢視，例如：
「當我聽到好消息時，我會笑」
「當朋友告訴我他感到快樂時，他的表情和行為與我類似」
「回憶過去快樂的時刻，並發現它們具有某些共同特徵。」
透過這些相互關聯的證據，我們逐漸建立起「快樂」的概念，而這個概念的可靠性來自於它與我們整體經驗的契合程度，而不只是某一個單獨的證據，所以「快樂」乃至任何概念，在融貫意義上都是主觀的。
（岔題一下：所以下次當有人說他不快樂，不要再說PUA他「你應該要快樂的、是你不知足」，這只是導致他更無法體會「快樂」，甚至導致憂鬱症。）
「一個信念自身感覺有多真，取決於它與自身其他信念的整體關聯有多緊密，而非單獨的經驗驗證。」所以很多人可以自洽的活在自己的象牙塔。
認知地圖的擴張與整合
依據融貫主義思想，信念和信念互相支持形成了網絡，這與「認知地圖」的概念不謀而合。
認知地圖就像我們在大腦中建立的「動態的概念-概念連結圖」，讓我們能夠在不同的情境下迅速找到相關資訊[4]。
形象化的說，認知地圖就像是一張接一張的心智圖以多維度的方式串接在一起。
這張地圖的每個「節點」，都是某個「個人的經驗或概念」，並且我們可能隨時在調整它，因為它還包刮過去錯誤或無效的路線。
真正的學會，意味著「在自己需要時，能夠檢索自己已整合的認知地圖，以提取或實踐該知識」。
- 有一個菸癮者，他的生活經驗裡，充滿了抽菸的正向連結。（心智圖A）
- 他學習菸害相關的知識，也有了很多抽菸的負向連結。（心智圖B）
這是他心中兩張不同的心智圖像，但不一定有把兩者細細梳理在一起。所以生活的種種向他襲來的時候，抽菸對他而言就是正向的。
（戒菸最好的辦法也許是每次抽菸時，腦海連結家人失望的表情。）
泛化學習——透過舊有概念學習或發展新概念
透過拼接新的知識及經驗學習，就好比「擴張認知地圖，並尋找正確或更快的路線」。每當我們現有的認知地圖無法解決問題，我們就需要找出新路線(意味著新想法和行動)[5]。
泛化是我們利用認知地圖來吸收新知識的關鍵方法，透過相似的概念延伸出新的概念，互相補充、彼此支持。
- 認識「黑、白、紅、藍……」幫助我們歸納認識了「顏色」。
- 透過泛化延伸「顏色」，我們得以快速學會「藍綠色」、「粉紅色」等。
- 我們可以繼續延伸和擴充，藉著「明暗程度」、「飽和程度」、「代數」的概念，可以了解(或發明)HSV顏色表示法。
- 如果我們進一步拼湊「熱輻射」、「電磁波」、「不可見光」、「感測器」等概念和技術，就有了「紅外線溫度計」。
借用不同的概念套用到顏色概念上，我們得以拓展對顏色的認識，並能更加清晰的描述。
概念碎片像拼圖一樣，學習就是找拼圖、拼拼圖，不是新發明，就是新發現。
GPT畫的拼圖，代表我們未學習的領域，每一片拼圖是未了解的概念。
泛化的模式：
🔸參照他人的經驗：如果有別人拼的半成品可以看，可以對應或比較。
🔸參照自身過去的經驗：有眼睛的部分，應該是在頭上、應該還少了另一半的翅膀
(這時候我們不會檢查「這可能是眼睛在肚子上的生物嗎？」、「這是不是只有一片翅膀的生物？」只是直接根據經驗，覺得是這樣。)
🔸其他結構化的推理：根據他的牙齒形狀推論他的前肢可能有爪子！
這些模式我們大腦在無意識間就會進行[6]，且學校的基礎教育已經包刮：
查找資料或模仿、類比，如字典、教科書、論文（外界的經驗）
學前的生活探索（感覺統合、生活經驗、語言等自身經驗）
基礎邏輯推理(語言、四則運算、科學方法、集合、統計詮釋等實用小技能)
所以我們肯定都有這些能力。
鍛鍊這些基礎方法的使用還是很重要的，並且精神狀態對學習也有影響，但這不是本文的重點。
學習過程中，順著別人給的拼圖拼很容易，但「整合到自己內在的認知地圖」，是個人化的經驗。這也是教學的困難之處，我們不能假設每個學習者背後的認知地圖都差不多。
例如：兩個人談論「彼此的房間是否整齊」，一定有落差，一定會吵架。
兩個人討論「這是不是一條直線」，也可以扯廣義相對論。
學習的輪廓：概念形成(歸納)—認知地圖—泛化與整合(拼圖)
2. 個人化學習的通用模型是什麼？
基於融貫主義的拼地圖學習模型
一種拼圖式的學習模型，用以類比我們的自身泛化學習過程。
先前提到，將認知地圖中的概念泛化，過程就像拼圖一樣。每一個拼圖碎片都是我們還未學習的概念，拼起來，我們就了解了這個新的領域，但人類也可能還沒把每一片都拼上。
真正的認知地圖，不是平面的地圖，它維度更多，長度更長，非常的複雜與巨大。我們可以在地圖上圈地，圈成一塊又一塊拼圖。
每一片拼圖都可能是一個「當前難以理解的未知概念」，但這些拼圖碎片可以繼續掰開，變成更小的拼圖，直到它容易理解。
拼好拼圖就是在我們的認知地圖上延伸了新的區域
假設這個拼圖很簡單，參考書很多，我們很容易拼上。
- 拼好了→我們在自身的認知地圖上，延伸了一片新的地圖路線（認識新領域或概念）。
- 但這個區域的路線太少→下次來還是可能迷路。(想要使用這個記憶，卻找不到)
為了避免下次迷路，有兩個辦法：
- 走到熟悉。
- 擴張附近的地圖路線，以自己熟悉的地標來定位。
回到融貫主義的想法上，如果某個地方，我們只是到此一遊，那麼那就像「遊樂場」或是「異世界」，認識再多，也很難當成自身生活認同的一部分。
所以擴張路線，不只是更大範圍的認識那個領域，還要修建很多道路，讓自己的世界(背景知識)和它融合在一起。
知識碎片的種類(顯性知識、內隱知識)x(命題知識、程序知識)
顯性知識：可被記錄、書寫並分享的知識。
內隱知識：來自經驗、直覺的判斷，難以描述[7]。
命題性知識：描述世界的事實知識，「這是一枝筆」、「地球繞著太陽轉」
程序性知識[8]：關於「如何做」的知識，「如何洗碗」、「如何解魔術方塊」
我們將知識分類成表格，代表著取得難度和取得方法的不同，分出四種不同的知識概念拼圖類型。
🔹顯性 × 命題性知識：這通常包括一個領域的重點定義及脈絡，以作曲技能為例，「音名？」、「音程？」、「音色？」、「屬音是什麼？」、「曲子背後的故事」、「聲音如何影響情緒起伏？」、「樂器該怎麼選擇？」
這些概念和情境對於建立後續程序知識非常有幫助，但範圍龐大，雖最容易取得，也最容易忘記，一定會花費時間在這裡，但重點在於了解脈絡。
🔹顯性 × 程序性知識：這關係著技能的實踐，包含過程、條件，總有一些標準的步驟可以模仿。例如：「看見紅燈→踩剎車」、「到201號路口→右轉」、「環境條件→行動」。
程序知識通常被當作內隱知識，是不可描述的。
能描述的程序被稱為過程知識，就像食譜，可以按照步驟，對初學者而言非常重要，是快速入門的重點，掌握這類拼圖，就有了通往目標的主幹道。
🔸內隱知識：來自實際操作的經驗或直覺思考的產物，例如「適當的力道」、「精準的時機」，這類拼圖也可能轉換成顯性知識，但通常僅有專家能輕易描述。
我們的內隱知識裡，可能包含大量的錯誤經驗「條件→不可以如何」、「意外→可行的緊急處置」。所以學習的過程，要盡量犯錯→修正。
🔸背景知識：學習之前，就已經擁有的經驗或知識，包含所有與學習領域相關的經驗，和「看似無關的經驗」。
真正影響學習效果的，可能在這裡。這是我們心中已經拼好的背景地圖，所有的新知識都應該在這上面建立！
以下是整理好的拼圖學習模型假設：
０在個人學習的場合，我們都在構築並擴張自己的認知地圖(背景知識)
１每一個知識領域如同異世界地圖，可以打碎成不同拼圖碎片。
２每一個拼圖碎片是其中的概念，可以進一步打碎成更好理解的小概念。
３透過概念和概念連結，形成了不同的路線，此是泛化學習的步驟。
４我們抓起了概念碎片拼湊知識地圖，在腦海形成新的認知地圖。
５我們在(1-4)的步驟學習了該領域知識，但並不代表我們熟悉並接納它。還需要將新地圖連結自身原有的認知地圖，才能真正熟悉或熟練該領域、技術。
６認知地圖的網絡是個人化的，透過優化(1-5)的步驟，我們可以研究更好的學習方法。例如：「更短的學習路線」、「避開不必要的困難點」。
７每一種學習目的，即使是跨領域的目標，只要拼圖打得夠碎，就能找到熟練或實踐它的學習捷徑。
實踐概念如下：
- 在真實的地圖上，我想從「台北走到台南」，就勢必會走過一大段路線，我可能在其中任何一處迷路。
- 但認知地圖是個人化且彈性的、多維度的，可以把自己對台北的認識，用喜歡的方式和台南的道路連在一起。
- 「台北」是我熟悉的地方(起點)，「台南」是我想認識的地方(終點)。
- 台北拆成小概念「台北市政府」、「淡水河」、「陽明山」……
- 台南拆成小概念「台南市政府」、「鹽水溪」、「七股鹽山」……
- 在腦海裡的認知地圖，可以靠著既有的知識概念框架直接支持住新概念
- 最終在腦海的認知地圖中，「台北」的隔壁可以就是「台南」。
- 重點是：不需要認得地圖的每一條路線，就像不用記得數學公式的證明過程。
以上，就是個人化拼圖學習模型的基礎。
3. 複製學習經驗的方法指引
多入口拼圖學習法，實用導向策略
我們不需要太多命題性知識，那會造成知識焦慮，且並不能直接補足程序性的知識，尤其是需要犯錯累積的內隱知識。
而我們的時間非常有限，所以學習應以實用為目的，但如何定義實用性？
以實用主義教育觀點[9]，知識學習的實用性可從兩個原則判斷：
🔸該知識是否對當下或未來具備實質意義，例如能解決現有問題或引導進一步研究。
🔸學習過程應包含質疑現有的經驗，並進行批判性思考以重構原有知識。
實用的知識能在不同問題情境間適應、並轉化為具行動力的決策或實踐。實用性的意義在於個人能理解、使用，代表能對環境或社會產生具體回應與貢獻。
最基礎的學習場合：只有學習者(起點)和目標(終點)
- 對學習者來說，訂定學習目標和方向是重要的。一旦終點清楚，周遭連結的概念與技能也就浮現了路徑。
多入口的概念是：學習者可以根據自身背景、動機與資源，自由選擇起點——可能是自己有興趣的方向、已熟悉的領域，或迫切需要的應用技能。
選擇的範圍可以大，目標可以高，但注意實用的技能往往也是複合技能，錯誤地避開程序性訓練或忽略背景知識，都可能讓人偏離真正的學習目標。
- 碎片化的過程需要專業協助。AI可以輔助碎片化！
界定一門技術所需的知識碎片，通常非箇中高手不行，且隨著目標的要求提高，對應的知識拼圖也會隨之變得龐大、複雜。自己嘗試界定可行的學習需求是很重要的，尤其是對於一個問題有多種解決方案的複雜現實世界，「不可能的任務」常常還是有可能的。
通常很好的替代方案是以AI輔助，只要使用適合的提示(prompt)，搭配不斷要求與補充細節，AI在個人化教學上，可以非常精準提供需要的個人化教材或學習流程。示範連結。
請留意AI有兩個明顯的問題：
一、通常提供過多教材，需要自行決定哪些忽略，避免花過多心力投入。
二、若網路上普及或專業的教材不足，會有AI幻覺的問題，請自己小心。
知識提供者或系統性教學者：教學的車開在哪條路上？
普及文章和教科書做為知識載體，有其不可替代的意義，但「被閱讀後再被遺忘」肯定不是目的之一！
幫助教學對象連結「先備知識—背景知識」是非常重要的，而具體的方法如下：
- 教學內容應帶有目標，並結合明確的應用場景，例如：回應社會爭議、針對「特定疑問或具體問題」。
知識應建立在使用知識的情境上，這能引起更多的思考，例如：其它相似的場合？為何要解決某個問題？欠缺的技術還有哪些？前人如何想到解決方案的？
- 標註難度和討論範圍。
「為什麼這些內容對我實用？」
難度高的內容並非無價值，只是針對不同對象設計，究其原因仍是「要解決的目標不同」。而如果能先確定討論的框架(例如：「尋找通用解」、「個案研究」、「純思考探索」、「以python編寫」)，學習者便能快速定位所需的先備知識。
- 程序型知識的實踐，著重設計「可犯錯的學習環境」。
最有價值的內容，通常是那些難以傳授的經驗，教材設計應強化學生面對意外或錯誤的路線修正能力。有計畫的犯錯練習，能夠快速累積隱性知識拼圖。
- 提供個人化連結暗示——以跨領域應用為前提思考。
普及文章經常假定學習者是「門外漢」或是「已經學科背景」，但事實上，絕大多數的人在各自擅長的領域裡，都具有一定程度的「專業」。
我們可以假定：跨領域學習和應用很可能是尋求教學的原因，不一定只要一種解決方法，也可能是尋求靈感。
就像語言都有其文化脈絡，我們和外國人交流時會考慮對方的文化脈絡。教學也該如此，知識連結可以來自不同領域，透過不同視角檢視問題幫助釐清問題輪廓。
提供「供多元思考的拼圖」做為知識入口，簡單的入口可能不只有「生活化」。
豬肉在火鍋裡涮多久最好吃？ 對問題的解決需求因人而異。
烹飪者→思考時間控制方法
物理學家→思考熱傳導模型
食品工程→思考關鍵的化學反應活化能
消費者→思考家人喜歡的味道
你怎麼看待？
許多問題解決的思路是類似的，即使思考的起點不一樣，多元的想像也能幫助釐清問題的輪廓。可以將場景的問題透過代入角色改寫，「如何像藝術家一樣思考？」、「數學家會如何解決這個問題？」、「文學家看見的問題會是什麼？」
這些切換角度的轉譯練習，是跨領域問題被解決、知識通向實踐的道路。丟掉中文使用者喜歡「提供標準方案」的習慣，可能會對學習者很有幫助。
富有職業彈性的社會?
「技能是為了生活」，這一點在現在社會已經成形。然而時代轉變如此快速的現代，固定職業可能不是穩定的保障。過去教育系統的失靈，有人歸咎於「工人生產」的模式，一旦職業工人生產的比例或數量不對，缺工或排擠就會發生。而放任式的教育模式，毫無目標，似乎也不是眾人所期待的。
有沒有可能，有一天我們對職業的界線不再嚴格，讓職業擁有一種彈性，人與人的互助，才是根本？
假設，當沒有流行病疫情時，社會上的護理師只要2000人就足夠，但社會發生緊急變化，例如曼谷大地震或是發生新傳染病時，護理師的需求暴增到4000人。此時，可能從各行各業的人快速湧入足夠專業的人力，直到危機解除，再回到原岡位？
這個世界的知識，需要每個人參與，一同壯大，我鼓勵所有的知識轉譯者，將自己最珍貴的實踐技能打碎成拼圖，供後人學習與超越。
我是熊弟弟，我相信，一個好的理論或想法，需要的前提特別少，少得六歲的孩子也能了解。
如果你認為我的文章能為世代教育帶來啟發性的幫助，為我分享出去就是我所期待的回饋。
額外參考
[1]Quartz, S. R., & Sejnowski, T. J. (1997). The neural basis of cognitive development: A constructivist manifesto. Behavioral and Brain Sciences, 20(4), 537–596. https://doi.org/10.1017/S0140525X97001581
[2]Knierim, J. J., & Neunuebel, J. P. (2016). Tracking the flow of hippocampal computation: Pattern separation, pattern completion, and attractor dynamics. Neurobiology of Learning and Memory, 129, 38–49. https://doi.org/10.1016/j.nlm.2015.10.008
[3]Bernecker, S. & Dretske, F. (Eds.). (2021). Coherentist theories of epistemic justification. In The Stanford Encyclopedia of Philosophy (Spring 2021 Edition). Edward N. Zalta (Ed.). https://plato.stanford.edu/entries/justep-coherence/
[4]Cognitive map. Wikipedia. https://en.wikipedia.org/wiki/Cognitive_map
[5]O'Keefe, J., & Nadel, L. (1978). The hippocampus as a cognitive map. Oxford University Press.
[6]Soon, C. S., Brass, M., Heinze, H.-J., & Haynes, J.-D. (2008). Unconscious determinants of free decisions in the human brain. Nature Neuroscience, 11(5), 543–545. https://doi.org/10.1038/nn.2112
[7]Polanyi, M. (1966). The tacit dimension. University of Chicago Press.
[8]朱家安. (2009, April 2). Knowing that and knowing how. 哲學哲學雞蛋糕部落格. https://phiphicake.blogspot.com/2009/04/knowing-that-and-knowing-how.html
[9]King, R. (2022). The utility of pragmatism in educational research. Creative Education, 13, 3153–3161. https://doi.org/10.4236/ce.2022.1310199
