包邮学习力革命

本书特色

清华大学学习科学实验室创始人30年教研成果，让孩子跑赢AI的前沿学习方法

宋少卫30年深耕中小学学习研究与教学，累积30000 小时学习咨询，1000 个家庭教育咨询案例。

拥有人工智能 神经科学双学科背景，创立清华大学学习科学实验室，利用眼动仪与笔迹追踪设备、脑机接口设备，跟踪研究106名清华大学学生，揭示了人脑学习的底层逻辑。

shou次将人工智能思维引入基础教育，总结出“积极学习系统”理论。

人大附、清华附等百所名校都在用的学习模型，深度学习，快速掌握，全面提高。助力教师、家长、学生精-准定位学习问题、改变学习状态、提升学习能力

及格边缘的孩子：识别系统上的漏洞，实现迎头赶上

遭遇学习瓶颈的孩子：突破学习能力天花板，冲击重点学校

成绩靠前的孩子：保持稳定状态，成功进入头部学校

偏科的孩子：打破旧的学习模式，建立全新的学习程序

厌学的孩子：革新自我对话，重燃学习动力

5大模块 全科错误题目解析 学习治疗案例，学习治疗师培训入门书

湛庐文化出品

内容简介

在这个信息爆炸、技术革新的AI时代，孩子们的学习挑战愈发严峻。注意力涣散、记忆力不足、逻辑推理能力弱、情绪管理困难以及缺乏学习动力等问题，让孩子们在学习的道路上步履蹒跚。传统教育模式下的"题海战术"不仅未能有效解决问题，反而可能加重了孩子们的学习负担，让他们在枯燥的重复中失去了学习的乐趣。
然而，学习本应是一个精-准、高效、快乐的过程。就像AI系统通过算法优化性能一样，我们的大脑也拥有一套智能系统，能够处理信息、进行逻辑推理和程序编制。这启发我们，完全可以借鉴AI的思维模式，通过"编程"来优化我们的学习系统。
本书作者宋少卫深耕中小学学习研究与教学30年，首次将人工智能思维引入基础教育。宋少卫的团队跟踪研究了106名清华大学学生的学习过程，发现他们的学习系统存在共性特征，同时，宋老师在学习咨询领域累积了3万多小时的实践经验，在对数千案例细致分析后，提出了"积极学习系统"这一创新解决方案。该系统由五大模块构成：识别驱动、语义解析、逻辑加工、价值决策和程序定制。
识别驱动：通过感官训练和注意力提升，确保信息的准确接收与输出。
语义解析：构建知识库，实现知识的快速理解和长期记忆。
逻辑加工：培养逻辑思维，提高解题能力和创新思维。
价值决策：引导孩子认识自我价值，激发内在动机，调整情绪，找到学习的意义。
程序定制：根据每个孩子的特点和需求，设计个性化的学习计划，提升学习效率。
这五大模块的综合运用，能够帮助家长和老师以学习系统为思维框架，提高自己对学习规律的认知。面对孩子和学生出现的各种具体问题，也能够精-准识别本质原因，见招拆招，有效降低自己的焦虑心态，更加积极、乐观地引导孩子的学习和成长。

相关资料

学习科学是关于人类学习规律的前沿研究领域。少卫运用AI思维深入挖掘学习的底层逻辑，创造性地提出积极学习系统模型。这是我国本土学者在该领域的原创理论，独树一帜，富于洞见。相信对于从事教育与学习的研究者会有重要启发。儿童启蒙教育品牌常青藤爸爸创始人、CEO儿童科普作家、微信公众号“憨爸在美国”创始人 我在养育孩子的过程中体会zui深的是：随便打开一本书，或者上网查一查，就可以找到海量的教育经验，但真正有效的似乎并不多，因为其中有很大一部分都存在“错误归因”。而宋少卫老师通过科技手段解决了这个问题，他利用眼动追踪和笔记追踪检测了学习高手们的微动作，再配合上深度访谈、试卷分析，高度还原了他们的思维过程，找到了真正有效的技术动作。相信可以帮你家孩子更高效地学习。——李正雷学习系统，
打开大脑学习的“黑箱”

人们对学习常常抱有一些似是而非的观念，例如以下观念：
学习就是记忆知识，想成绩好肯定要花大量时间来背诵知识，因此找到一个能提高记忆力的方法非常重要。
勤奋是学习的不二法门，不埋头苦学哪有好成绩？
学习高手都是天生智力超群的人，学习不好往往是因为缺乏天赋。
只要方法好，谁都能成为学习高手。因此，平时要搜罗各种“学习绝招”。

…………
如果你也有类似的想法，在阅读本书之前，请做好心理准备，因为你所抱有的固有观念或许将受到挑战，甚至被颠覆。我将用一种全新的视角——AI 思维来重新审视学习，为你揭示不一样的学习真相。
下面，我通过一个例子进行简要的说明。
曾经有个被家长“骗”到我这里做学习治疗的孩子让我印象深刻。孩子上了一天的课，睡眼惺忪，非常疲惫，有一搭没一搭地回应着我。我看到他对咨询没有兴趣，只想赶紧回家补觉，便翻开他的数学试卷，希望能找到一个引起他兴趣的话题。我扫了一眼数学试卷，发现有两道题目明显是因为马虎而错的。
我微笑着提议：“我看你也有点累了，我们今天就只解决一个小问题吧。”
“什么问题？”
“马虎。你平时容易马虎吗？你觉得马虎是怎么造成的呢？有几种类型？”
“马虎就是没认真呗。它有几种类型？看错题的马虎，做错题的马虎？要分类的话，不就是这两类么。”他心不在焉地说。

学习系统，

打开大脑学习的“黑箱”

人们对学习常常抱有一些似是而非的观念，例如以下观念：

学习就是记忆知识，想成绩好肯定要花大量时间来背诵知识，因此找到一个能提高记忆力的方法非常重要。 勤奋是学习的不二法门，不埋头苦学哪有好成绩？ 学习高手都是天生智力超群的人，学习不好往往是因为缺乏天赋。 只要方法好，谁都能成为学习高手。因此，平时要搜罗各种“学习绝招”。

…………

如果你也有类似的想法，在阅读本书之前，请做好心理准备，因为你所抱有的固有观念或许将受到挑战，甚至被颠覆。我将用一种全新的视角——AI 思维来重新审视学习，为你揭示不一样的学习真相。

下面，我通过一个例子进行简要的说明。

曾经有个被家长“骗”到我这里做学习治疗的孩子让我印象深刻。孩子上了一天的课，睡眼惺忪，非常疲惫，有一搭没一搭地回应着我。我看到他对咨询没有兴趣，只想赶紧回家补觉，便翻开他的数学试卷，希望能找到一个引起他兴趣的话题。我扫了一眼数学试卷，发现有两道题目明显是因为马虎而错的。

我微笑着提议：“我看你也有点累了，我们今天就只解决一个小问题吧。”

“什么问题？”

“马虎。你平时容易马虎吗？你觉得马虎是怎么造成的呢？有几种类型？”

“马虎就是没认真呗。它有几种类型？看错题的马虎，做错题的马虎？要分类的话，不就是这两类么。”他心不在焉地说。

“马虎其实可以分为好几类，有些是你在输入或输出信息时犯错了，有些是你在逻辑加工时出错了。这就和在游戏里打怪兽一样，对付不同的怪兽要用不同的武器，解决不同类型的马虎也要用不同的方法。”说到这里，我发现他的眼睛亮了起来。

如果你曾经编写过程序，你大概对bug 这个词并不陌生。在编程语境中，bug 指阻碍软件正常运行的错误或缺陷。不过，在开发者开发软件的过程中，bug 还是一位不可或缺的“助手”。因为只有解决一个接一个的bug，开发者才能掌握软件开发的真谛。

类似地，每个人的学习过程宛如一个由先天基因和后天教育共同编写的复杂程序。深入分析这个复杂程序运行中出现的bug，同样有助于我们解密人类的学习密码。我正是通过研究学生学习时一个极为常见的bug——马虎，逐步揭开了学习系统的神秘面纱。要知道，我们常常说的马虎，看似简单，其实是个复杂的问题。

原来马虎还分类型

马虎好像是一个万能筐，说不清原因的错误都可以往里装。看漏了是马虎，看错了是马虎，写错了、算错了还是马虎……

然而，这并不能解决问题。有不少孩子明明知道自己容易马虎，却屡犯不改。是他们真的不想改吗？这还真不怪孩子，实在是从来没有人告诉他们马虎是怎么回事，该用什么方法避免。

马虎到底是怎么回事？在探究人类学习奥秘的过程中，我发现并归纳总结了以下四种马虎的类型。

信息识别与信息输出偏差型马虎

我们经常发现，有些孩子在识别信息或输出信息时，由于对信息的把握不够精准或不够标准，常出现一些低级错误。这种错误通常表现为漏看或错看题目信息、基础计算失误、书写不规范等问题。例如，把“ ”误看成“-”，把“f ”写得像“t”，将“平均每组”误解为“平均每人”等。这种类型的马虎就是信息识别与信息输出偏差型马虎。

常犯这类马虎的孩子，往往学习注意力不集中，做事毛毛躁躁、丢三落四。人们常常认为，孩子之所以犯这类马虎是由于学习态度不认真或不端正，但实际情况可能更加复杂。它不仅与孩子的注意力发展水平有关，还可能与感觉统合或精细动作能力相关。

例如，小雅在做数学练习题时出现了错误。当她解答第二题“8 ÷ 2.5”时，误把题号“2.”当成了被除数的一部分，计算了“2.8 ÷ 2.5”。这明显是小雅在信息识别环节出现了问题，当时的题目为：

2.5 ÷ 0.5=　　　　2. 8 ÷ 2.5= 1.6 ÷ 0.4=　　　　4. 12.4 ÷ 0.3=

再如文强，他在书写时经常丢字符。他本想在作文里使用“好像”一词写比喻句“好像一幅美丽的画卷”，结果却写成了“好一幅美丽的画卷”；在进行拖式计算时，他可能会把“3π”这样的数抄成“3”，丢了“π”。显然，文强在信息输出时犯了马虎。

逻辑加工偏差型马虎

孩子在解题时，也可能对信息进行了错误的逻辑推理。表面上看，出现这类错误只是因为孩子在审题时不仔细或心不在焉，更深层的原因在于孩子无法准确地理解相关的概念或表述，所以无法正确地做出判断和推理。从根本上说，这是因为孩子的逻辑加工能力不足，我们需要从概念、判断、推理三种基本思维形式入手帮助孩子修复漏洞、提升能力。这类马虎通常比**类更为隐蔽。例如，小丽做了这样一道数学题：

两个连续奇数的积是323，求这两个数。

解：设较小的奇数是x，则较大的奇数是x 2。

x（x 2）= 323

x2 2x 1 = 324

（x 1）2 = 324

x = 17

x 2 = 19

答：较小的奇数是17，较大的奇数是19。

小丽的解答对吗？她只答对了一半。该题的正确答案应该是“17，19”或“-19，-17”。在求解（x 1）2 = 324 时，应该计算324 的平方根，而不是算术平方根，即x 1= ±18。

小丽所犯的错误在初中学生中非常常见。很多学生，甚至有不少老师认为这只是一个简单的马虎问题——忽略了正负两种情况。其实，问题的根源是学生对算术平方根和平方根的概念掌握不到位，未能正确判断出存在正负两种情况，这是逻辑加工上的漏洞。

价值观偏差型马虎

我曾遇到过这样一个孩子：他自称是“马虎鬼”，父母对他的马虎问题束手无策。你若问他单位g 为什么写成了kg，他会轻描淡写地说是“手滑了”；问他为什么没有按照题目要求思考，他会说“疏忽了”；问他英语句子的主语和动词为什么没有保持一致，他会说“没注意”。总之，我每次和他分析马虎问题时，他认错态度良好，但总是不改正。

这个孩子认为，与其承认自己努力不够、能力不足，倒不如承认自己因为马虎导致各种问题，这反而让自己感到轻松。对于这类把马虎当作“挡箭牌”的孩子，我们需要引导他们正视马虎问题，透过马虎找到学习上的漏洞。

知识漏洞与程序缺失型马虎

孩子若在某个特定的知识点或知识板块上反复出现失误，其大概率犯了第四类马虎：知识漏洞与程序缺失型马虎。任何学习活动都以对知识的理解和记忆为基础。如果存在知识漏洞，孩子在解题时自然容易出错。如果在出错后，孩子既没有认识到原因所在，也没有形成一套应对错误的解题程序，那么错误就会重复出现。例如，孩子一做数列题就容易犯错，或一遇到英语时态语法题就做不对，这就是知识漏洞与程序缺失型马虎。下面我们看一下小宁在计算多位数乘法时遇

到的问题。

小宁在计算多位数乘法时总爱出错。例如，求“43×35”，他计算得1495（正确答案是1505）；求236×212，他计算得5428（正确答案是50032）。为什么会算错？我查看了他的草稿纸，发现他存在进错位、数位未对齐等问题（见图0-1）。原来，在学习多位数乘法那段时间，小宁因为生病经常缺课，后来也没有认真补上这一课。这导致他对多位数乘法的规则掌握很不扎实。升入初中后，只要遇到涉及此类计算的题目，小宁就常常出错。这看似是马虎，但实际上是知识漏洞所致。如果不及时补上相关知识并通过练习加以巩固，小宁即便再怎么认真，也难以避免类似的计算错误。

图0-1　小宁的竖式计算

再来看另一个孩子在数学上遇到的问题。齐军已经上初中了，在学习有理数四则运算时遇到了困难。他自认为完全掌握了运算规则，但是计算错误率非常高。我仔细查看了他的计算步骤，发现问题出在幂运算的正负号——他常常不分指数的奇偶，总是得出负数。他的老师认为这是马虎所致，提醒他注意正负号。我认为问题的根源在于齐军对幂运算理解不到位，他并不清楚判断正负号的原理。

为了解决这一问题，我带着他重新学习了幂运算的有关知识。之后，他对正负号的判断就不再模糊了。不过，当遇到复杂的运算题目时，齐军对各项数字的处理仍有些力不从心，依然容易混淆幂运算的正负号。对此，我专门给他设计了一个解题小程序：遇到有理数四则混合运算题，先不做计算，只专注于处理正负号，然后再计算。例如，用解题小程序解下面这道题：

-22 3×（-2）-（-4）3÷（-16）-（-1）2020

**步，不做计算，只处理正负号，得：

-22-3×2-43÷16-（1）2020

经过弥补知识漏洞，采用有效的解题小程序，齐军的马虎问题迅速得到了解决。

读到这里，你一定对马虎有了全新的认识和理解。马虎并不是学习问题的核心，它只是问题的表象，其背后隐藏着深层的问题，如信息识别的漏洞、价值观的偏差。这些深层的问题才是真正阻碍孩子进步的障碍。如果它们得不到解决，孩子不仅会经常犯马虎，其学业水平也难有质的飞跃。

为什么清华大学的学生很少马虎

清华大学的学生很少出现马虎问题。为什么？在我跟随俞国良教授读研究生的时候，这个问题就深深吸引了我。我翻阅了大量的文献和著作，发现国内外鲜有人专门研究马虎问题。当时，我猜想马虎背后一定隐藏着尚未揭示的谜题。于是，我开始留心收集学生们的各种马虎问题，前前后后积累了上百个案例。

通过研究这些案例，我发现学生的马虎问题呈现出显著的系统性特点。例如，一个学生若在数学上频繁出现信息收集方面的马虎，那么，在语文、英语、物理等学科上，也容易犯类似的错误。我认为，学生的马虎问题并不简单得像人们通常认为的主要与孩子对学科知识的掌握程度有关，相反，这些问题更像是早期AI 系统中的bug，主要是算法（底层系统）不够先进导致的。

那么，人类学习的底层系统是什么样的？它与马虎之间有什么关系呢？在研究这些问题时，R. M. 加涅（Robert Mills Gagne）的信息加工学中的学习模型、计算机的操作系统理论给了我重要启发。加涅的学习模型提出人的学习机制可以按照信息加工过程来构建模型，计算机的操作系统则给我们提供了一个可类比参考的样例。有了理论指导，再结合大量的教学经验，我初步构想出一个涉及信息识别与输出、语义理解与记忆、逻辑推理、情绪与价值观管理，以及程序定制五

个功能模块的学习系统框架。

2016 年，我开始担任清华大学人文学院素质教育研究与发展中心执行主任。为了进一步解开马虎与学习系统的谜题，我组织开展了一项重要的学习机制调研——清华大学学生学习系统特征研究。我带领清华大学素质教育研究与发展团队，设计了一系列的调查问卷和访谈提纲，其内容涵盖学生平时的做作业习惯与流程、审题习惯与流程、解题习惯与流程、简单题与难题处理策略等多个方面。经过精心筹备，我们招募了120 多位清华大学的在校学生参与调研，共收集106份有效问卷，并对其中的50 多名学生做了深度的口头访谈，从而收集了大量的一手数据。经过对数据的深入研究，我们发现，清华大学的学生正是因为学习系统漏洞少、效率高，才较少出现马虎问题。

学习系统就是大脑的算法

著名的人工智能倡导者马文·明斯基（Marvin Minsky）说过一句流传甚广的话：“大脑无非是肉做的机器。”这句话在过去的半个多世纪里不断地被验证。

AI 研究者一直致力于用机器模拟人的思维过程，目的是赋予机器智能。在这个富有挑战的探索过程中，AI 研究者对人的大脑的运行机制有了更深层次的理解，让机器变得越来越“聪明”。正如明斯基所指出的，大脑与机器之间的界限正变得愈发模糊。基于这样的背景，我一直热衷于将机器学习的技术与思维逆向应用于解决学生的学习问题。在求索的过程中，我同样也深深感到大脑与机器极为相似，特别是在学习这一情境下，参照机器学习能帮助人们更加透彻地理解人的学习机制。

对比生成式人工智能（Artificial Intelligence Generated Content，AIGC）的发展历程与人类孩子的成长过程，你会发现两者有着异曲同工之妙。我们都知道数据、算力和算法是AIGC 全面升级的三大关键要素。数据就是AIGC 的“食粮”，涵盖各种信息和知识；算力是AIGC 的“能量之源”，直接决定了其处理数据的速度和效率；算法*为核心，它犹如“灵魂导师”，决定了AIGC 通过数据学习能具备怎样的能力、达到怎样的水平。

孩子就像一个个小小的AIGC，他们渴望着“数据”——那些能够滋养他们心灵的信息和知识。家长传递的经验、老师教授的知识，还有孩子自己在探索中获得的点滴体会，都是珍贵的“数据”来源。

为了捕捉这些宝贵的“数据”，孩子需要发达的感官（感官是他们与外部世界连接的桥梁）——一双明亮的眼睛去观察世界，一对敏锐的耳朵去聆听声音。同时，他们也需要健康的大脑来加工上述“数据”。感官和大脑如同AIGC 的“算力”，能帮助孩子高效地收集和处理信息。

但光有“数据”和“算力”还不够，孩子还需要一套精湛的“算法”来整合和应用所学。这套“算法”就是学习系统，它帮助孩子吸收、处理信息，并逐步培养孩子独立思考、解决问题的能力。

对AIGC 而言，算法决定其优劣；在孩子的学习过程中起决定性作用的则是学习系统。刚出生的婴儿能力非常有限，只会用嘴巴吮吸不能讲话，只能利用双手和躯体做简单的动作。然而，随着时间的推移，在与抚养者和外部环境的互动中，婴儿开始逐渐“唤醒”自己的身体：首先是嘴巴，接着是双手。这个小小的生命开始发出简单的音节，双手的动作也变得精细、有意义。在这一发展过程中，婴儿的大脑不断地调整着对嘴巴和双手的“算法”。同样，控制其他感官（如眼睛、耳朵）的“算法”也是这样形成的。当然“算法”不仅限于感官，还会涉及感知觉、记忆、思维等更深层的认知活动。随着各个局部“算法”的逐渐形成，整个学习系统也随之发展。

在这个过程中，优质的“算法”会让学生在学业上表现出色。例如，若控制眼睛和耳朵的“算法”精良，孩子就不容易看错、听错，收集的信息会比较准确；若控制理解和记忆的“算法”高明，孩子就会学得快、记得牢，知识储备胜人一筹。事实上，学习高手们，如清北的学习高手们，之所以能够取得引人注目的学业成绩，正是由于他们在成长中不知不觉发展出了多个优秀的“算法”，即搭建了优秀的学习系统。相反，若孩子的学习系统发展得不够完善，存在缺陷或瑕疵，那么孩子在学习过程中可能遭遇各种挑战，正如早期的自然语言处理模型在处理复杂数据时所面临的困境一样。

也正是在这一理念的指引下，我提出了人类的学习系统模型。我的这一设想在对清华大学学生的调研中得到了证实。

理想的学习系统是什么样的

在调研中，我发现了许多有趣的现象，如虽然清华大学的学生思维敏捷、知识丰富，但是他们从来不吝惜笔头功夫，即便是解答一道难度中档的题目，他们大多都会一步步规范作答，草稿纸上的字迹清晰工整。又如，当遇到难题时，清华大学的学生不会只静静地坐在那里“干想”，而是会在草稿纸上列出已知条件（哪怕有时只是誊抄题目信息）。调研结束后，我还与6 名清华大学的本科生深度合作，共同录制了《登顶者说》，这是一部关于学习经验分享及清华大学的学生父母教育方式的视频节目，为学生学习与家庭教育研究留下了宝贵的资料。

2020 年，我有幸成为清华大学心理学系学习科学实验室执行主任。为了深入探究学习机制，进一步完善学习系统模型，我们采用了*新的科研设备，对清华大学学生的学习过程进行了更加细致的研究。

例如，我们进行了一项引人入胜的实验：利用眼动仪与笔迹追踪设备，对十几位清华大学的大一新生开展了高考应试模拟研究。你可以想象这样一个场景：这些学生佩戴着眼镜式眼动仪，端坐在模拟高考的考场中，手中握着能记录笔迹的笔迹追踪设备，聚精会神地攻克着历年高考真题（见图0-2）。

他们佩戴的眼动仪就像一个个精巧的思维侦探，通过捕捉角膜和瞳孔反射的远红外线，实时追踪并记录视线的每一个微小移动。精确描绘的视线焦点和移动轨迹，在某种程度上映射了参与高考应试模拟研究者的思维过程。与此同时，笔迹追踪设备也在默默地工作，毫无遗漏地记录了他们书写的每一个细节。

经过对眼动及笔迹数据的深入分析，我们发现了一个有趣的现象：清华大学的学生对关键信息的敏感度极高，能有效屏蔽干扰信息。举例来说，在数学、物理、化学三科的考试中，他们会特别关注数量、单位、关系、状态和符号等核心信息。在书写答案的过程中，他们也展现出了相似的行为模式。例如，他们会频繁地回顾题目或自己已写的内容，这种“回视”的习惯显然有助于他们减少错误，提升答题的准确率。

图0-2　清华大学的学生参与高考应试模拟研究

此外，令人印象深刻的一点是，参与此项研究的清华大学的学生无论是在草稿纸上演算，还是在试卷上作答，基本能做到书写规范、较少跳步；在回答大题时，他们经常使用不同级别的编号，如一、1、（1），以此条理清晰地展现解题思路或进行观点论证。这一系列的发现反映了高效学习者们在信息输入与输出方面的过人之处。

之后，我们还开展了日常学习研究：让清华大学的学生佩戴可以收集脑电和心电数据的头戴设备，完成课堂作业。研究结果表明，在完成课堂作业时，他们普遍保持较高的注意力集中度、适中的紧张和压力。这意味着，无论是处理简单学习任务还是完成复杂学习任务，他们都能较好地控制自己的认知，主动调节消极情绪，以积极的心态投入其中。

就这样，经过五年多的反复实验和调研，我们发现清华大学的学生的学习系统具有以下特点：

信息输入与输出。他们对所收集信息的识别度高，能进行自动化校验；输出信息时，做到书写规范、作图精准，能用不同级别的编号条理清晰地呈现解题步骤或进行观点论证。在平时的作业和考试中，他们很少犯马虎类的低级错误。 信息的理解与记忆。他们为所学的学科建立了非常完整的知识体系。大脑在收集到新信息后，能快速从长时记忆中提取相关数据，并将两者进行关联，表现出很强的理解能力和记忆能力。 信息的逻辑加工。他们普遍做到了概念清晰、判断准确、推理严谨。面对难题、新题，他们知道如何在已知和未知之间建立逻辑通道，通过不断尝试找到解题路径。 学习相关的流程步骤。他们善于总结归纳，能在同类型知识、技能的学习以及问题的解决上形成标准化程序。他们的大脑拥有很多具有专属功能的应用软件，因此学得快，解题也快。 情绪、态度和意志。他们普遍善于管理情绪，积极乐观、抗挫力强，具有较强的自我管理和自我激励能力。

学渣变学霸的“五大装备”

作为高效学习者的代表——清华大学的学生，他们的学习系统在某种程度上可以被视为一种理想形态学习系统。基于清华大学学生学习系统的共性特征，我们模拟出了人的学习系统模型——一个由识别驱动、语义解析、逻辑加工、价值决策和程序定制五大功能模块组成的复杂系统。它是每个人在与他人和外界环境的互动中自发形成的一套关于学习的操作系统，是学习知识、技能和形成个人价值观的底层支撑载体。

如图0-3 所示，学习系统总体上分为内圈、外圈两大部分。其中，内圈包含识别驱动、语义解析、逻辑加工、价值决策四个模块。识别驱动、语义解析、逻辑加工分别代表学习活动中完成信息加工的不同阶段。这三个模块如同一系列精妙的传动装置，依次启动，确保信息在大脑中得到正确而高效的处理。位于内圈正中央的价值决策模块作为整个系统的核心算法，如同引擎一样，会对其他模块的运行效果产生直接影响。学习系统的外圈是程序定制模块，它是对内圈执行过程的进一步提炼和程序化总结，可以为整个学习过程加速。识别驱动、语义解析、逻辑加工、价值决策和程序定制这五大模块有机统合，构成了完整的学习系统，揭示了人们学习过程的全貌。

图0-3　人的学习系统模型

类似AI，人的学习系统也由“硬件”和“软件”组成。其中“硬件”是人的大脑及各种感觉器官，“软件”是在大脑的各种认知功能之上建立起来的五大模块。

为了让大家更深入地了解学习系统，下面我将以AI 为参照，逐一介绍五大模块。

模块一：识别驱动，让信息精准不出错。人的学习过程就是对信息的加工处理过程，这与AI 的运行模式极为相似。在面对新知识或新问题时，人先收集与识别信息，通过丰富的感觉通道，如耳朵聆听、眼睛观察、皮肤接触、鼻子嗅闻和舌头品味来完成。这就像AI 从键盘、鼠标、摄像头等输入设备中接收数据一样。

AI 接收数据后会进行复杂的计算，*终通过屏幕、麦克风、机械手等设备输出信息（驱动执行）。类似地，信息进入人的大脑后也会被加工和整合，然后通过口舌、四肢等器官完成驱动执行（输出信息）。

信息的收集识别和驱动执行调用了人体的硬件（人体器官）和软件（认知模块），构成了人类加工信息的一始一终。因此，学习系统的**个模块便是识别驱动。简单来说，识别驱动就是将感官系统作为不断接收、编码和存储外界信息的门户，根据需要快速提取相关信息，并驱动身体做出相应的反应。

作为学习系统的基石，识别驱动的准确性对于学习成效至关重要。想象一下，如果在数学计算中，我们错误地将“6”认作“9”，即便后续的计算过程再完美，结果也必然是错误的。同样地，如果在需要写“6”的时候，我们却写成了“0”，那么即便前面的分析、推理再精确，也无法做对这一题目。因此，识别驱动不仅是人们学习的起点，也是人们走向学业成功的重要保障。

模块二：语义解析，实现秒懂强记。当大量的信息涌入大脑后，为了实现特定的学习目的，大脑得从这些信息中挑选出有价值的部分，再对其进行深入的理解和分析，这就是语义解析。AI 的语义解析是把各种数据转化成机器能理解的语言，大脑则是对各种知识符号进行语义上的解读。这些知识符号，既包括人们平时说的话（如“祝你好运”）或者有文化特色的习语（如“说曹操曹操到”），也包括抽象的数学公式（如sec（π α）= － secα）、物理概念（如“做功”）等。在接触到新的知识符号后，大脑试图把这些知识符号转化成自己能理解的内容，大脑便会去翻找长时记忆里存储的内容，如以前学过的原理、公式等，用这些已有的知识符号来解读和理解新的知识符号。

不过，这个过程并不能次次都顺利进行。语义解析也会出点儿岔子，主要表现在两个方面：一是因为某些原因，大脑没能从长时记忆里找到相关的知识来匹配，导致解读变得困难重重，如《离骚》总是让学生们看得头大，小学数学牛吃草问题常常难倒成年人；二是在面对新知识或信息时，大脑的记忆存储可能遇到问题，如学生们背不全《蜀道难》，在学习物理力学时常常混淆概念、公式。

模块三：逻辑加工，做到解题有思路。经过语义解析的“洗礼”，大脑进入下一个关键环节——逻辑加工。这一环节是在已知与未知间架起的逻辑桥梁，以此求解未知、攻克难题。

对于AI 而言，逻辑加工的基础构成相对简单，主要涉及“与”“或”“非”三种基本逻辑运算。无论AI 的能力有多么强大，其工作模式都是将错综复杂的任务层层分解、简化，直到可以通过简单的逻辑运算来处理为止。这是AI 进行逻辑加工的核心。人类的大脑解决问题的方式与此有着异曲同工之妙。当面对复杂问题时，大脑也会选择先将其分解为简单的子问题，然后逐一解决，通过逻辑推理得出*终答案。

在学习系统中，我们将逻辑加工描述为“在认识事物时，借助概念、判断、推理等基本思维方式，对信息进行收集、分析、综合、比较、抽象概括和具体化的过程”。其中，概念是揭示事物本质的思维形式，包含内涵和外延两个基本要素；判断是对事物进行肯定或否定的思维形式，主要处理不同概念之间的关系；推理则是基于一个或多个已知判断，推导出新判断的思维过程。在这个过程中，概念构成判断的基础，判断又构成推理的基石。学习者在概念、判断和推理任一

层面上的疏漏，都可能导致逻辑加工的错误。

模块四：价值决策，激发自主学习。在学习系统中，识别驱动、语义解析和逻辑加工三个模块与AI 中的某些程序和功能较为相似，因此，我们称这些模块为大脑学习的机器部分。但与AI 不同，大脑的行为决策还会受到诸如情绪、动机、价值观和意义标准等心理因素的深刻影响。这一复杂而关键的部分，我将其定义为价值决策。

举个生活中的简单例子来说明价值决策。假设你需要前往机场搭乘飞机，有多种到达机场的方式，如乘地铁、乘出租车、家人驾车送行，你会怎么选择呢？你的选择肯定不是随便做出的，主要取决于个人的价值偏好。你若信奉时间效率至上，乘地铁无疑是首选；你若追求便捷省力，乘出租车会是更好的选择；你若看中舒适与便利并存，家人驾车送行便是你的理想之选。面对同一任务，不同的价值标准将引导我们做出截然不同的选择。价值决策的核心是根据个人的价值尺

度，对资源和任务进行合理分配，从而确定事情的优先级和执行次序。

在学习过程中，价值决策同样发挥着举足轻重的作用。例如，一个孩子面临完成数学习题和英语作文两项作业任务，在决定先着手进行哪一项时，价值决策便悄然发挥着作用。假设这个孩子在数学上表现出色，英语上表现一般。那么，他或许能轻而易举地完成数学作业，获得迅速完成作业带来的成就感；相对而言，他完成英语作文可能更具挑战性，耗时较长且获得的成就感较低。在选择任务时，若他渴望挑战自我、实现突破，他会优先完成英语作文；反之，若追求即时的自我满足，他会先选择做数学习题，这更具吸引力。这只是一个简单的学习例子。实际上，在学习过程中，孩子的决策往往受到多重价值标准的综合影响。

每个孩子的价值标准并非总是清晰可见，它需要孩子不断地进行自我反思和总结，才能逐渐明晰。

在我看来，价值决策如同人生的核心算法，它指导着我们如何合理安排时间、分配任务和利用资源。通过价值决策，我们能够实现高效的自我管理和激励。

模块五：程序定制，为学习系统自动提效。在大脑这个“舞台”上，识别驱动、语义解析、逻辑加工和价值决策构成了学习的交响乐团，在协调与和谐中奏出知识的乐章。这些模块协调工作虽能让学生准确地学会一个新知识或者解对一道题目，但不一定高效。

真正让学习效率飞跃的是学习程序。它们类似于计算机中的软件或智能手机中的应用软件，在大脑深处预先设定一系列的指令和步骤，指导着孩子在知识的海洋中更快、更准地到达目的地。有的学习程序专攻特定学科、特定问题，被称为标准化程序。它们提供了针对性强的操作流程，使孩子能够精准攻克学习难点。有的学习程序则灵活多变，适用于多种学习场景，被称为通用性程序。它们提供了普适性的方法和思路，让孩子在各学科的学习中都能游刃有余。

然而，这些学习程序并非自然产生，而是由大脑的程序定制模块来完成的。定制学习程序的过程就如同导演在电影拍摄前精心梳理、布局每一场戏，以确保主题统一、故事流畅。程序定制是在不断解决问题和完成任务的过程中，逐渐形成的一套具有标准化程度的流程、步骤和方法。它不仅让孩子能够高效处理大量相似问题，还提高了解决问题的准确率，减少了错误。

实际上，学习的成效并不完全取决于学生掌握了多少知识，更重要的是孩子是否拥有一个强大而丰富的学习程序库。那些出类拔萃的孩子正是凭借他们独特而多样的学习程序，在学习这个赛道上遥遥领先。

至此，你已看到我们是如何在AI 与心理学的启发下，一步步揭示人的大脑学习机制的奥秘。不难发现，我们所提出的学习系统模型，能与孩子的日常学习过程无缝对接。在接下来的章节中，你将欣喜地看到，根据学习系统模型，我们能精准而有效地解决一个又一个让人头疼不已的学习问题。

作者简介

宋少卫

北京海淀区教wei特聘顾问

清华大学学习科学实验室原执行主任

本科毕业于清华大学自动化系，出于对人脑学习机制的浓厚兴趣，他将研究方向从机器学习转向人脑学习，并师从国内学习困难领域领军人物俞国良教授，深入钻研学习困难及学习机制相关课题。历时20年的不懈努力，通过3万多小时的咨询实践以及对数千个案例的细致分析，他提出了积极学习系统模型。该模型融合心理学与人工智能的视角，对学习过程进行深度剖析与阐释，在学习科学领域形成了独特的理论体系。

国家教育行政学院讲席专家、北京市海淀区教wei特聘顾问，并担任数十所中小学教育教学顾问。常年为中小学校提供校长讲座、教师培训、实验班教学，足迹遍布全国各地，广受欢迎。累计教师培训1000 场，家长培训3000 场，学生培训800 场，影响家庭超过800万，直接帮助1000 人考入理想学校。