如何才能帮助中小学生构建好学习的思维模型，决胜未来考场？
2021/6/18 22:10:30 量子学派
晨光在东，月光在西，无尽的信息，在丹桂的香浓里沉醉。在一个温暖的符号里，找到归宿和慰藉。—海上云《灵犀》
注：工学博士海上云老师的这首小诗，巧妙地把“香浓”做为谐音，实际上指的是信息论的创始人香农。数据之所以成为今天的科学，具有预测未来的能力，得益于香农这位天才于1948年，把过去人们对通信的思考，变成了严谨的数学定义和定理。我们把海老师的这个灵感，看作是一位学者诗人向前辈科学家的致敬。
我们每个人在生活、学习和阅读中，都接触过很多碎片信息、模糊概念、和热门知识点，但我们很少去查对和质疑，大多数情况下，我们不求甚解，甚至对反复在眼前出现多次的流行词汇，比如纳米、区块链、比特币、大数据、人工智能、物联网、云计算等等，也并不会特意去翻看它们的定义，更不会去深究它们的核心本源、学科关系和应用意义等等。
这种对知识的态度是很普遍的，表面上看，好像并没有太妨碍我们的日常生活，我们经常把新词儿挂在嘴边谈论着，我们满足于活在我们的人生经验中……
直到真的有人问我们最基本的问题，提问的通常是那些好奇的孩子，比如一个七八岁的孩子就会真的较真儿，刨根问底：
大数据是什么啊？大数据是从哪儿来的、传到哪儿和存在哪儿啊？大数据怎么帮我们啊？……
我们对知识不诚实
这个时候，我们才发现，原来，我们并不真正懂得那些我们挂在嘴上的常用词，因为我们竟然无法向我们之外的第二个人解释清楚上述问题。我们只知其一不知其二，我们在骗自己，实际上我们对知识不诚实。
那么，当一个话题被提起的时候，我们不论是何原因，为了回答孩子，为了自己聚会炫耀，为了内心的纯粹好奇，总之，我们究竟应该怎么去搞懂它呢？
我们都知道如今的信息铺天盖地，知识更新呈几何级增长，我们的时间精力又极其有限，在短时间了解一个热门话题(比如大数据)、一件日常家事(比如购买电动车)、一个时兴学科(比如生命科学)，通过哪些方式呢？
为了避免上述不求甚解的情况，我们首先需要明确的是：我们是真心实意想了解一件事物的本源，而非皮毛知识；我们想让我们的知识积累变成有体系的，而非分散；我们希望我们获得的知识之间可以产生关联，以便我们从容做出最好的判断，而非我们只能算是见多识广，获取的知识却是孤立的，不能够应用在各种问题和情境中。
《少年时》从成立之始，独创了从寻找话题到搭建学科知识体系的教育内容制作流程，邀请了近400名，来自多达109个学科的学者和科学家，专门为青少年创作现代学习的深度阅读内容，把人类半个世纪以来最活跃的学科发现和进展，前瞻性地做了专业化的梳理和深入浅出的解说。
↑↑ 请横屏观看 ↑↑
追本溯源WHAT
比如大数据这个话题，少年时《数据驱动的时代》这一期向15名作者约了20多篇稿子，告诉读者大数据技术本质上的一些理念和一种解决问题的思路。
其中为了说明究竟“什么是数据”这个概念，就从不同角度用了六篇稿量，举例解说和图表展示。以下三个角度的文章，由深耕本专业的三位学者撰写，深入浅出地让我们懂得了大数据最核心的概念。
执迷于精确性是信息缺乏时代和模拟时代的产物。只有 5% 的数据是结构化且能适用于传统数据库的。如果不接受混乱， 剩下 95% 的非结构化数据都无法利用。只有接受不精确性， 我们才能打开一扇从未涉足的世界的窗户。—《大数据时代》作者维克托 ? 迈尔 - 舍恩伯格 (Viktor Mayer-Sch?nberger)
01
A Mathematical Theory of Communication
天才香农和开天辟地的学说“信息论”
前大疆智能导航技术总监、美国卡内基梅隆机器人学院博士生杨硕：“香农的论文70多年后依然非常值得去读。读这篇文章其实并不需要多少高深的数学知识，反而是需要深入了解电报和电话的原理。”
杨硕通过回顾信息论建立前一百多年的历史，来帮助读者更好地认识信息这个事物。让读者能够通过了解电话和电报的发展历史，体会信息这个概念逐步成型、变成重要的科学概念的过程，以及产生二进制数据的渊源。
02
Volume, Velocity, Variety and Veracity
IBM说，大数据是“多、快、杂、乱
工程博士，资深科普教育专家和诗人，《少年时》主创团队作者和编辑海上云：“通过大数据，你可以发现世界充满了不确定性，也充满了有趣的关联。”
海上云介绍了IBM研究人员总结的大数据四个大“V”特点：“多、快、杂、乱”。这种定义指出了大数据最为核心的问题，就是如何从规模巨大、种类繁多、生成快速的数据集中挖掘价值。
譬如: 城市每天早上用水量的高峰时间， 和交通高峰时间有一定的关联。它们之间并不一定有因果关系，只是和生活习惯有关——人们在早上洗漱完毕后，赶着出门上班。
03
Data is not a synonym for information
不要过早扔掉有用的信息
美国费米加速器国家实验室高级工程师吴进远博士：“我们生活在一个数据爆炸的时代， 但显然，并不是所有的’数’都可以作为’据’。”
吴进远在文中举的例子非常有意思。比如，在有的软件中，设计者把照片中人脸上疑似皱纹的亮度起伏信息故意损失掉，让相机具有美颜功能。有了这样一个视角，我们就不难看出，大数据处理中最需要小心避免的一个错误，那就是把有用的信息过早地误认为无用而扔掉，从而带来最后的结论的偏差。
搭建学科体系HOW
很重要的是，《数据驱动的时代》这本书并没有停留在挖掘大数据这个学科的历史和核心理念这个层面，而是想方设法为孩子们搭建这个学科的知识体系。
少年时正在一步一步把这样的知识结构做出来
《数据驱动的时代》通过以下几个方面来做数据这门学科的知识体系搭建：
1)沿着数据科学家解决问题的思路数据怎么传输：车马书信还在？
▲左右滑动查看完整内页图
数据怎么挖掘：如何预测一个小区的未来房价走向？
▲左右滑动查看完整内页图
2)沿着大数据应用实例的思路：零售、制冷空调、无人驾驶、精准医学、网络无人机
▲左右滑动查看完整内页图
3)提出和数据相关的延伸思考：个人信息安全
▲左右滑动查看完整内页图
学习有用的思维模型WHY
如前文所述，我们自以为知道的很多概念，只是记住了在不同信息来源看到的散乱的事实和结论而已，并不能形成有体系的知识结构和思维模型，不是我们主动思考的结果。书到用时方恨少，遇到打破沙锅问到底的孩子，我们就原形毕露了。
巴菲特的合伙人芒格反复说过多次，在手里拿着一把锤子的人眼中，世界就像一根钉子。大多数人试图以一种思维模型来解决问题，而其思维往往只来自某一专业学科。
他说：“如果你们只是记得一些孤立的事物，试图把它们硬凑起来，那么你们无法真正地理解任何东西。如果这些事物不在一个理论框架中相互联系，你们就无法把它们派上用场。你们必须在头脑中拥有一些思维模式。”
从某种意义上说，提高智慧的过程，就是不断通过阅读和学习发现掌握新的思维模式的过程。
《数据驱动的时代》这本书为青少年提供了几个有用的思维模型。
01
First-principles
第一性原理思维模型
这是钢铁侠马斯克推崇的思维模型。少年时出品的《数据驱动的时代》在介绍美国数学家电子工程师和密码学家香农的“信息论”的时候，提到“第一性原理思维”，即物理学看待事物的方式：把事物拆解到最基础的物质，来确定什么是真实的，它指导人们在看待一些事物的时候，去了解其最基本的命题和假设。
对信息和数据来说，它的第一性原理恰恰就在电报和电话的嘀嗒声中。从第一声电报的嘀嗒开始，到信息论的横空出世和数字通信的蓬勃发展，再到互联网、物联网的兴起，让我们可以通过二进制代码，把关于世界的信息传播到远方，分享给更多的人，从而开创了一个大数据时代。
02
src="/asp/image.asp?m=0&w=gh_a68d746bc29a&u=https%3a%2f%2fmmbiz.qpic.cn/mmbiz_jpg/fLKpYRUzeoUWn35sNEeGdVUzbZBxpVP12U1oBgpxYotdmichYTZqXYKd8fsrcdpjHezKzN3KSu1AibRJCH9Ubdqg/640?wx_fmt=jpeg" />
▲这是本书的核心，CRISP-DM方法论图中的关键点是数据理解和建模
数据挖掘可以让我们在一个新的层面上获取以往未能获取的知识和智慧。
我们积累的很多知识都是传统的、确定的、有答案的。数据的核心是它的不确定性。所以我们的学习方式也应该尽快进行革新式的改变，我们的日常思维方式也应该随之改变。
世界不确定并不意味着世界不可知。这个世界衍生出的数据，为我们打开了一扇窗，让我们可以据此探知和预测这个世界。从不确定性，来预测未来，最终让我们接近确定的和可靠的未来。
03
Data–information– knowledge–wisdom
DIKW思维模型
数据—信息—知识—智慧模型(data–information– knowledge–wisdom，DIKW)是信息和知识领域最广为人知的模型之一。
DIKW 模型认为，我们可以从各种数据(包括大数据、小数据、 智能数据、快数据、慢数据)中，提炼出信息、知识，乃至智慧。也就是说，数据能用于创造信息，信息能用于创造知识，而知识能用于创造智慧。
DIKW 模型首次出现是在 T.S. 艾略特(T.S. Eliot)1934 年发表的诗《岩石》( The Rock )中:
Where is the wisdom that we have lost in knowledge? Where is the knowledge that we have lost in information?
翻译过来就是:信息中遗失的知识在何处?知识中遗失的智慧在何处?
这两句诗可以很好地诠释 DIKW 模型。
04
Interdiscipline
跨/多学科思维模型
看看人们是怎么说数据科学家的吧：
成功的数据科学家应该是数据黑客、分析师、传播者和靠谱顾问的综合体。——托马斯?达文波特,D.J.帕蒂尔《哈佛商业评论》
数据科学家 = 统计学家 + 程序员 + 讲故事的人 + 艺术家。 ——美国伊利诺伊理工学院计算机科学家什洛莫 ? 阿戈蒙 (Shlomo Aragmon)
这样的组合可谓强大和罕见。难怪谷歌首席经济学家哈尔 ? 瓦里安(Hal Varian) 说：“下个十年，数据科学家将是最性感的工作。”
其实不仅仅是数据科学家，人们越来越意识到学科各自孤立是很致命的错误。现在很多行业都少不了对相关行业的学习和了解，等这届孩子长大的时候，多学科的思维模型将成为主流，孩子们从小也应该学习怎么掌握这样的知识结构，和怎么应用它们。
深入浅出的真正含义
值得一提的是，无论是搭建知识体系，还是提供思维模型，《数据驱动的时代》都没有忽略深入浅出的真实含义：无论多么艰深的学科和知识，都会有一些智慧的人，可以把它讲解清楚。
过去七年来，少年时在如何真正做到深入浅出上，下了很大的功夫。编辑部内部经常对此争吵不休：
哪些是可以讲给孩子的？哪些是孩子根本理解不了的？这个谁说了算？是不是所有的尖端科技，都可以通过某种表现方式，做到有趣和浅出？
这些问题都没有确定的答案，编辑们也通常都是在反复和作者们探讨的过程中，通过磨合和碰撞，寻找尽可能开放的答案。
有一个原则是《少年时》坚守的，就是我们深知，科普中最常见的错误就是把原本正确的东西，在试图做简化的过程中，搞错了，搞反了。
为了达到有趣和浅出，《数据驱动的时代》收集了现实生活中的具体数据实例，来帮助读者理解。在这点上，我们必须时常给作者们提问，以便时时警惕，这不是大学者们在给同行们讲解理论，而是在给普通的孩子们解释科学的过程。
用日常生活中的例子，来解释最尖端前沿的概念，是少年时最常用的方法。以下几个例子可以说明：
1)用包子，解释信息最小单位比特的概念
▲左右滑动查看完整内页图
2)用考试成绩列表，解释结构化数据
假设老师需要统计全班同学的期中考试分数，制作一个表格：把同学名字填入一列，数学成绩填入一列，语文成绩填入一列，英语成绩填入一列。然后，统计全班各科的平均分数和每个同学的平均分数。这个就是结构化数据的简单示例。
3)用预测房价的例子，解释数据挖掘中的线性回归模型的使用一个美国城市的房价数据：
我们可选用一个最简单线性模型“房价=β面积+C”来作为预测房价的模型，然后采用回归算法来确定公式中的β和C：
4)模拟用户和购买商品，解释商品推荐背后的数学
综上所述，少年时给孩子们打好了结构化/体系化知识的基础，提供了学习思维模型。以后孩子们遇到任何一个话题或者专题学习，就知道用什么方法，像少年时一样，像少年时说到的那些科学家一样，去探索这个话题的内涵，去寻找解决办法。
《少年时》就像知识爆炸中的一个“过滤器”，让有价值的新知沉淀，让孩子们收集好这些宝贝，放在自己的百宝箱里，取之不尽用之不竭。
它教给孩子的不是知识本身，而是获取知识的方法。它给孩子们呈现了一张知识架构网，而不是割裂的知识点。它让孩子们向最具有智慧的科学家学习和讨教，和顶尖大脑碰撞思想火花。
量子学派618年中大促推荐《少年时》
匠心之作 值得收藏
N E W G I F T
2021 少 年 时 第 七 辑
超值优惠，预售来袭
(No.73-84，共12本，包邮)
优惠
RMB 399/年
原价：￥468/年
扫描下方二维码▼立即购买▼
少 年 时1-6合辑
年中大促，抄底秒杀价
(No.1-72，共72本，包邮)
优惠
RMB 1498/72本
原价：￥2496/72本
扫描下方二维码▼立即购买▼
特别说明：
(1)少年时第七辑共12本，会先发已出版的1-5月书籍(共5本)，剩余书籍在每月的月底寄送一本，直至12本寄送完成，介意者慎拍。
(2)少年时1-6合辑将一次性邮寄全部72本，发货时间为下单后48小时内陆续寄出。
包邮说明： 新疆、青海、西藏地区的读者，需要根据订单情况补邮费，港澳台不发货
退换货说明： 一经发货，不支持无理由退换货及中途退订，如遇暴力运输导致书籍受损，请及时联系客服处理，请谨慎下单哦!
--------------------------
▼联系客服▼
手机：15712934203
固话：400-680-7771
QQ：2384499206
微信：xiaoduoui2
▼服务时间▼
周一至周五09:00-18:00
(法定节假日除外)
▼点击左下角的 「阅读原文」即可订阅
源网页 http://weixin.100md.com
返回 量子学派 返回首页 返回百拇医药