1 渐构分析

答案是不行。

之所以不能跳过语言学习的这几节内容，是因为这几节也是在教大家「如何分析学习方法」。

别忘了，这门课是讲「学习的通用原则」，并不聚焦于某个特定知识的学习。

这几节的语言学习方法，其实就是运用课程中「学习的通用原则」分析出来的。整个分析过程，就是「课程理论」的实际应用范例。

从「练听力法分析」和「单词学习法」中，你可以发现，对于任何学习方法的分析，课程都会遵循以下几个步骤：

首先是判断「推测类型」：应用时，需要推测「已见情况」还是「未见情况」。

• 若只需推测「已见情况」，可以利用「经验推测」，也可以利用「模型推测的压缩能力」。

• 若需推测「未见情况」，就只能利用「模型推测的泛化能力」。

当确定了要利用「模型推测的泛化能力」，又会细分为下面几步：

1. 明确输入输出：也就是「明确模型推测的任务」，知道「所要学习的知识」究竟在完成什么任务。

2. 拆组学习任务：将「综合任务」拆分成「子任务」，再明确每个「子任务的输入输出」，分而学之。

3. 分析知识类型：「内隐知识」还是「外显知识」，「判别模型」还是「联结模型」等（后面会有更多类型）。

4. 分析学习材料：根据「知识类型」和「个人特点」，去分析「最适学习材料」。

5. 分析学习方式：根据「学习材料」和「个人特点」，去分析「最适学习方式」。

6. 执行学习方案：采用「最适学习方式」和「最适学习材料」进行学习。

7. 验证学习成果：根据「学习成果」，重新执行2-6步，直至满意为止。

也就是说，本课程所教的理论，不是一个「固定的学习方法」，而是一整套『分析「学习方法」的方法』。

只有这种"具体情况，具体分析"的方式，才能应对「学习方法因人而异，因知识而异」的特点，才能真正掌握「学习方法」。

『分析「学习方法」的方法』也是知识，若也用「输入输出」描述，则：

• 输入变量：「知识的特点」+「学习者的特点」

• 输出变量：「最适学习材料」+「最适学习方式」

如果你是学习者，意味着你既是运动员，又是自己的教练。如果你是老师或家长，那你可以让自己的学生或孩子执行第六步。

为了便于指代，我们把课程所教的这套分析方法，整体称为"渐构分析"。因为这套方法并非"一次性建构"，而是根据「学习成果」不断迭代优化，就像健身教练需要不断为健身者迭代健身方案一样。因此，我们不称之为"建构分析"，而采用"渐构分析"这一名称，其中的"渐"字寓意"渐进迭代"。

现在，请你再回顾一下关于语言学习的这几节内容，看看是不是遵循上面的「渐构分析」。

我们先是将"听说读写"四项基本技能，拆解成了下表中的任务组合，并分析了每个任务的有效「学习材料」和「训练方式」，顺带也对「二语习得论」的有效性进行了分析。

但当分析「语言的高阶技能」时，我们发现，在实际英语使用中，「符号指代的含义」还需要额外从「上下文」中推测，也就是有一个额外的「词义理解」任务。

虽说"背单词"+"语法与逻辑"的训练方式，可以获得「词义理解」的能力，但却有「容易遗忘」、「含义偏差」和「夹杂中文」的缺陷。

于是，我们通过重新将「词义理解」拆解成「多个单义判别」，得到了一个替代训练方案。

再根据「单义判别的输入输出」分析了有效「学习材料」和「训练方式」，发现它们就是词典最标准的用法。

上面整个分析过程，就是「渐构分析」的一次实际应用范例。

「语言的高阶能力」除了「词义理解」，还有「句义理解」、「段义理解」、「文义理解」等阅读任务，统称为"语义理解"。当然，还有表达方面的能力，姑且称为"遣词造句"。

由于本课程并不是专门讲「语言学习方法」的，继续展开讲解，会导致课程跑题，所以这些能力的学习方案，留给大家自己运用课程的原理去分析。

不过，大家会发现，「明确输入输出」（即明确任务）是「渐构分析」的关键。如果无法正确分析出「输入输出」，后续的步骤都将无法进行。然而，对于刚接触这套方法的初学者来说，很难判断自己分析得是否正确。这该怎么办？

最好的办法，当然是人工批改，也就是由我，或者其它掌握分析能力的人，批改大家的分析，直到大家培养出准确分析的能力为止。只可惜，这个方法无法实现，这门课的学员已经有上万人了。哪怕我培养一些助教，也无法服务这么多人。

然而，「练习与批改」又极其重要，思来想去，唯一的办法只能借助AI来批改。所以，上次更新之后，我一直忙于开发和调试「AI分析输入输出」的功能。

下面我就把使用方法教给大家。

2 批改训练

大家先用电脑登录渐构网 www.modevol.com

注意，要用电脑浏览器，目前还不支持手机。

1. 点击渐构网右上角的「学习」，选「学习流程」

2. 再选择「分析输入输出」

3. 粘贴「自己学习的材料」（电子书或科普文案等任意知识讲解）

4. 点击土黄色的"分析输入输出"按钮。

5. 等待AI生成表格。通常是两个，一个判别模型的，一个联结模型的，也就是这个知识可以有多种解读。

如何看这个表格呢？

• 表格的第一行就展示了这个知识是干什么的

• 第二行展示了知识的类型：是「判别模型」还是「联结模型」

• 第三行具体显示了运用这个知识时需要知道的信息（可能会有多个维度）

• 第四行具体显示了这个知识可以推测出什么信息（也可能有多个维度）

• 映射关系则是这个知识的规律描述了，可能有多条

• 最后在具体应用中，还会展示两个应用范例。如果是判别模型，则是一个正例和一个反例。

• 判别模型还会多出一行，专门罗列内涵（也可能有多个维度）。这些维度叫特征。

这些都在「判别模型」和「联结模型」的章节中，具体参照课程这两节的内容。

注意，AI可能会判断错误。

之所以还用，是因为即使AI判错了，也能给大家提供足够的思路引导。大家只要在细节上，自己甄别把关即可。

AI目前对维度的分析容易出错。例如，「平面」可以拆分成「x轴和y轴」两个维度，但AI可能会把「四个象限」错当成维度。

这个「AI分析」功能有多个用途。

首先就是帮助大家训练「分析输入输出」的能力。

训练方式就跟做题一样：

1. 自己分析：先自己按照课程中的「信息推测」「判别模型」和「联结模型」所教的，去分析输入输出。

2. 参照AI：然后参考AI的分析结果，就像做完题对答案一样。

在学习某个知识时，大家可能都有这样的感觉：自己看懂了，学到了知识，但又说不出具体学了什么，也不知道日后如何应用这个知识。又或者，读了一大段文字，却半天搞不明白这些文字在说什么。

这时，也可以使用「分析输入输出」，帮助自己从文中提取出「核心知识点」。

下面我们拿三个材料，具体演示一下。

第一个材料是关于"破窗效应"的。

1969年，美国斯坦福大学心理学家菲利普·辛巴杜做了这样一个实验：他找了两辆汽车，把其中的一辆放置在帕罗阿尔托的中产阶级社区，而另一辆放置在相对杂乱的布朗克斯街区。然后将放置在布朗克斯街区的那辆汽车的车牌摘掉，并且将顶棚敞开。一天的时间，这辆车就被盗走，消失得无影无踪了。而放置在帕罗阿尔托的那辆汽车，一个星期了依然完好地停留在原地，无人问津。为此，辛巴杜拿着锤子将那辆汽车的玻璃敲了个大洞，结果仅仅几个小时的时间，车子就不见了。政治学家威尔逊和犯罪学家凯琳在这项实验的基础上，提出了一种理论，即“破窗效应”。

破窗效应：是关于环境对人们心理造成暗示性或诱导性影响的一种认识。指如果有人打坏了一幢建筑物的窗户玻璃，而这扇窗户又得不到及时的维修，别人就可能受到某些暗示性的纵容去打烂更多的窗户。一个房子如果窗户破了，没有人去修补，隔不久，其它的窗户也会莫名其妙地被人打破；一面墙，如果出现一些涂鸦没有被清洗掉，很快的，墙上就布满了乱七八糟、不堪入目的东西；一个很干净的地方，人们不好意思丢垃圾，但是一旦地上有垃圾出现之后，人就会毫不犹豫地抛，丝毫不觉羞愧。这个现象，就是犯罪心理学中的破窗效应。

从“破窗效应”中，我们可以得到这样一个道理：任何一种不良现象的存在，都在传递着一种信息，这种信息会导致不良现象的无限扩展，同时必须高度警觉那些看起来是偶然的、个别的、轻微的“过错”，如果对这种行为不闻不问、熟视无睹、反应迟钝或纠正不力，就会纵容更多的人“去打烂更多的窗户玻璃”，就极有可能演变成“千里之堤，溃于蚁穴”的恶果。

很多人阅读完材料后，都感觉学到了知识，但就是不知道日后如何运用这个知识。

那我们就把材料粘贴进「渐构网的输入输出分析」中，会得到下面两个表格。

第一个表格的知识类型是判别模型，表示这段材料在教我们「什么是破窗效应的概念」，能让我们推测「某现象」是「破窗效应」还是「非破窗效应」，判别规律是：看看它是否同时具有这三个特征。最后还有两个具体应用，分别展示着「是破窗效应的现象」和「不是破窗效应的现象」。

第二个表格的知识类型是联结模型，表示这段材料也能教我们"根据「不良现象的存在和处理方式」推测「将会发生什么」"。由此你更能清楚地意识到这个知识该怎么用了。

如果你的应用目标是正向的，那么，出现不良现象时，你就会立刻处理，以避免更多不良现象的发生。当然你还可以反向利用，那就是制造不良现象，放着不管，促成更多的不良现象发生。表格最后也罗列了两个具体应用便于理解。

第二个材料，是《金字塔原理》的一段选节，此前我们也用过。

控制表达思想的顺序是实现清晰写作的关键。最清晰的表达方式是先提出总结性的观点，然后再提供具体的细节。

读者（或听众）的大脑只能逐句理解作者的思想，并假设这些思想之间存在某种逻辑关系。如果你没有提前说明这种逻辑关系，读者会自己寻找关联，从而将思想进行归类以理解其意义。然而，由于每个人的知识背景和理解能力各不相同，他们很难准确地解读你的思想组合。实际上，如果你不提前说明这些思想之间的关系，读者可能会误解这些思想之间的联系。即便他们能够正确解读，你也增加了他们的阅读难度，因为他们需要自己找出未说明的逻辑关系。

举个例子，如果我在酒吧里对你说：

上周我去了苏黎世。你知道，苏黎世是一个非常保守的城市。我们在一家户外餐馆吃午饭，15分钟内我至少看到15个留胡须的人。

这段话传达了一些信息，但没有明确说明我为什么提到这些信息。你可能会猜测我在暗示苏黎世的保守性有所改变，或者准备比较苏黎世和其他城市，甚至认为我对胡须有特殊兴趣。无论你的猜测是什么，你的大脑都在等待更多相关信息。而当我接着说：

而且，如果你在纽约的任何一家办公室周围转转，几乎所有人都留着胡须。

现在，你可能会猜测我在比较城市中的白领职员，而不仅仅是胡须，还包括各种面部毛发。你可能认为我不喜欢男人留胡须，或者我对不同办公室职员的蓄须方式感到好奇。你模糊地回应了我，于是我不得不继续解释：

当然，面部蓄须早在伦敦街头就很常见了。

这时，你可能会以为我在说伦敦在这方面比其他城市更早。你告诉我你的理解，但这不是我想表达的。我真正的意思是：

你知道吗？我惊讶于在商业圈子里，男人的面部毛发已经如此普遍。在苏黎世...在纽约...还有在伦敦...

一旦你知道每句话之间的关系，你就能更容易理解我的意思。读者在摄取信息时，总是在寻找一种结构来连接这些信息。为了确保他们找到你想要的结构，你必须提前告诉他们结构，否则他们可能会发现错误的逻辑关系，甚至无法找到任何逻辑关系，浪费双方时间。

再看下面这篇关于男女同酬问题的文章开头，它是读者找不到逻辑关系的例子：

即使享有同酬待遇，妇女的处境也可能比以前更差——也就是说，女性和男性的平均收入差距将不会缩小，反而会扩大。
对雇主来说，同酬指的是对相同的岗位或相同的工作价值支付相同的报酬。
采用任何一种解释都意味着：
迫使雇主为自身利益采取行动；或者通过男性员工结束限制性措施。

尽管作者认为自己是“自上而下”展开论述的，但这些思想之间没有明确的逻辑关系。你是不是绞尽脑汁试图找到这些思想之间的联系，最终却因为实在找不到而放弃？这种思维负担是很重的。

无论读者的智商多高，他们的思维能力都是有限的。一部分用于解读词语，另一部分用于找出思想之间的关系，剩下的用于理解思想的涵义。你可以通过有效的方法减少读者在前两项活动上的时间，让他们更容易理解你的思想。相反，如果读者必须不断寻找上下文中的联系，这种表述顺序是不合适的，大多数读者也会对寻找逻辑关系感到厌烦。

文本很长，如果你没有时间细看或者看不懂，想立刻知道讲了什么知识时，也可以粘贴进「渐构网的输入输出分析」中，同样会得到两个表格。

这次只看「联结模型」的表格。从中我们可以立刻明白，这段文本的核心其实在讲"「文字表达的结构」与「读者理解难度」的关系"，运用这个知识，我们就能利用「文字表达的结构」来控制「读者理解难度」，同样有正向的利用和反向的利用。

第三个材料是关于数据结构的，原文是英语。

The idea of a sequence is important in computer science, where a sequence is sometimes called a linear array or list. We will make a slight but useful distinction between a sequence and an array, and use a slightly different notation.If we have a sequence S : s1, s2, s3, ..., we think of all the elements of S as completely determined. The element s4, for example, is some fixed element of S, located in position four. Moreover, if we change any of the elements, we have a new sequence and will probably name it something other than S. Thus if we begin with the finite sequence S : 0, 1, 2, 3, 2, 1, 1 and we change the 3 to a 4, getting 0, 1, 2, 4, 2, 1, 1, we would think of this as a different sequence, say S’;

An array, on the other hand, may be viewed as a sequence of positions, which we represent in Figure 16 as boxes. The positions form a finite or infinite list, depending on the desired size of the array. Elements from some set may be assigned to the positions of the array S. The element assigned to position n will be denoted by S[n], and the sequence S[1], S[2], S[3], ... will be called the sequence of values of the array S. The point is that S is considered to be a well-defined object, even if some of the positions have not been assigned values, or if some values are changed during the discussion.

但哪怕翻译成中文，你可能也是看得云里雾里，不知道看完这些能干什么。

序列的概念在计算机科学中非常重要，序列有时也被称为线性数组或列表。我们将对序列和数组做一个微小但有用的区分，并使用略微不同的符号表示。如果我们有一个序列 S : s₁, s₂, s₃, ...，我们认为 S 的所有元素都是完全确定的。例如，元素 s₄是 S 中位于第四个位置的某个固定元素。此外，如果我们改变任何一个元素，就会得到一个新的序列，并且可能会用不同于 S 的名称来命名。因此，如果我们从有限序列 S : 0, 1, 2, 3, 2, 1, 1 开始，并将其中的 3 改为 4，得到 0, 1, 2, 4, 2, 1, 1，我们会认为这是一个不同的序列，例如 S′。

另一方面，数组可以被视为一系列位置，我们在图 16 中将其表示为方框。位置构成一个有限或无限的列表，具体取决于数组所需的大小。某个集合中的元素可以被分配到数组 S 的各个位置。分配给位置 n 的元素将表示为 S[n]，而序列 S[1], S[2], S[3], ... 将被称为数组 S 的值序列。关键在于，即使某些位置尚未分配值，或者在讨论过程中某些值被更改，S 仍被认为是一个定义良好的对象。

或者你懒得看英文，那就同样可以粘贴进「渐构网的输入输出分析」中，

由分析出的表格，我们可以立刻明白，这个知识其实是在教我们如何判别「一个现象」是「序列」还是「数组」。

判别依据就是看「这个现象」是否同时满足这三个特征，若同时满足，那就是序列。

由于不论多长的内容，都会被转换成一个表格，我们还可以用这个功能来整理「笔记卡片」，等以后复习的时候，可以先看表格，看不懂了，再去看原文材料，会更加便捷。

另外，你可以在「学习历史」中找到自己都分析过哪些材料。

还可以将「分析结果」连同「原材料」，一起导入到「个人文档」中，进行进一步修改和编辑，还能分享给他人查看。

至于文档的使用教程，可以看这个链接。

需要注意的是，每次使用这个功能，渐构网都需要给「大语言模型」服务商付费，这个费用需要由大家自己承担。

但不必担心，费用特别便宜，你大概需要生成100个材料，才能花完1元钱，使用一次，平均会花费1分钱。

渐构网上还有其他的训练功能，当课程进行到需要的时候，会逐一开放给大家。