首页 > 其他分享 >低效学习七宗罪

低效学习七宗罪

时间:2023-08-29 10:34:35浏览次数:33  
标签:低效 练习 学习 错题 七宗罪 比如 对制

我从小爱看书,自认为是爱学习的孩子,虽然凭借一些小聪明考上了大学,但是大学之后的学习道路十分坎坷,惨不忍睹.

工作之后也没有放下书本,如今年过35+,回想反思近30年来的治学之路,发现很多都是错误的.

首先列出学习中的一些低效习惯,看看你是否也有

一、持续输入,不输出,不练习,不复习,不检查学习成果

1.表现

一直在看书,其实就像在看小说,看完也不知道自己看了什么

2.原因

可能是学习的内容偏理论,比如哲学/政治/经济之类,无从下手实践,也可能是根本没有看懂,无从练习,也不敢检查学习成果

3.对制方案

学习学习,不仅要学,还要练习,练习不仅可以检测上一阶段的学习效果,也可以加深学习的印象.

特别是一些可以动手实践的学科,比如物理化学可以做实验,计算机可以写代码,即便是一些纯理论的学科,比如数学,也有计算题可以练习.

 

二、制定过高的目标,一旦遇到挫折,迅速失败并放弃

1.表现

好高骛远,制定出超出自我能力的过高目标

2.原因

内心的不自信异化成自傲,想要一蹴实现较高的目标来达到证明自我的目的

3.对制方案

学习的路线应该是从易到难,就像考试一样,如果跳过容易的会的题目,直接去啃难题,最终可能一分也拿不到

三、假勤奋,买教材,搜资料,编错题本,流于形式

1.表现

学习的确需要一定的准备,比如教材,视频教程,文献等其他的学习资料,考试结束后的错题本,但这些都不属于学习,只能算学习的加行

2.原因

买教材是购物行为,搜资料是简单的搜索行为,错题本是简单的剪切粘贴行为,都不需要动脑筋,而把不会的知识变成会的,需要大动一番脑筋

3.对制方案

时刻明白买书买不到知识,买药买不到健康,买床买不到睡眠,真正的学习是比较痛苦的,如果遇到坎实在迈不过去,可以尝试求助他人

比如买个视频教程看看,报个培训班听听,找个懂的人问问都可以

四、闭门造车,学不会也不问,孤陋寡闻

1.表现

就爱自己学,不愿意跟别人交流,学来学去学不会就放弃了

2.原因

可能是本身比较内向,也可能是怕自己问的问题太简单,被别人嘲笑,本质讲是不自信的一种体现

3.对制方案

总的来说学问就应该有学有问,学习的过程中遇到不明白的很正常,不懂就要问,如果怕别人笑话,那今天不问,明天还是不会,最终一考试,最终还是不会.

五、盲目自信,喜欢自学,走太多弯路

1.表现

就爱自学

2.原因

没钱,或者不舍得花钱

3.对制方案

对于没有钱的人来说,自学成本的确最小,但是如果最终没有学会,半途而废,那么这个学习时间的成本也是很大的.

想想如果一毕业的时候就报个班学Java,坚持下来,现在应该也是专家了.

六、只学熟悉的,自己喜欢的,不敢走出舒适区

七、学语言,死记硬背单词,不说不听不写不交流

标签:低效,练习,学习,错题,七宗罪,比如,对制
From: https://www.cnblogs.com/wangbin2188/p/17664127.html

相关文章

  • C++语言学习02
    一、函数重载1、什么是函数重载在同一作用域下,函数名相同,参数列表不同的函数构成重载关系函数重载与返回值的类型、参数名无关与作用域是否相同,以及参数列表的数量、参数类型、常属性不同等有关2、C++是如何实现函数重载的?通过g++-S的方式生成汇编代码可以知道,编译器......
  • 深度学习在自然语言处理中的十大应用领域
    文章目录1.机器翻译2.文本分类3.命名实体识别4.问答系统5.文本生成6.情感分析7.语言生成与处理8.信息检索与摘要9.文本纠错与修复10.智能对话系统总结......
  • 机器学习算法的选择和优化技巧
    文章目录机器学习算法的选择1.问题类型:2.数据规模:3.特征空间:4.数据质量:机器学习算法的优化技巧1.特征工程:2.超参数调优:3.集成方法:4.模型调优:代码示例:超参数调优拓展:深度学习中的优化技巧结论......
  • 机器学习在大数据分析中的应用
    文章目录机器学习在大数据分析中的原理机器学习在大数据分析中的应用示例预测销售趋势客户细分和个性化营销机器学习在大数据分析中的前景和挑战前景挑战总结......
  • 关于Python的学习记录(二十五_yield 关键字和生成器)
    Python中,生成器(Generator)是一种特殊的迭代器,它可以通过函数来创建。生成器函数使用 yield 关键字来产生一个值,并且在每次调用 yield 时暂停执行,保留函数的状态,以便下次调用时可以从上次暂停的地方继续执行。生成器具有以下特点:生成器函数使用def关键字定义,但是它们的执行方......
  • python+playwright 学习-80 v1.37版本新增--full-page-screenshot 用例失败截长图
    前言--full-page-screenshot参数是pytest-playwright在使用,在失败时是否进行完整页面截图。默认情况下,仅捕获视口。需开启--screenshot开关(默认:off).用例失败截图环境准备:1.安装playwright最新v1.37版本2.安装pytest-playwright0.4.2版本用例示例fromplaywright.......
  • 《Self-Alignment with Instruction Backtranslation》论文学习
    一、Introduction将大型语言模型(LLMs)对齐以执行指令遵循,通常需要在大量人工注释的指令样本或偏好样本上进行微调,或从更强大的模型中提炼输出。之前的研究都强调了人工注释数据质量的重要性。然而,使用具有这类质量的注释指令数据很难扩展,每种指令结构和风格的指令数据,往往只能用于......
  • 机器学习从入门到放弃:我们究竟是怎么教会机器自主学习的?
    一、前言简介我相信你一定听过一个说法,那就是机器学习模型可以被视为函数的一种表示方式。它们通常是由多个函数组成的,这些函数通过参数连接在一起。我们让机器从数据中提取模式、规律和关联,然后使用这些信息来做出预测、分类、聚类等任务。所以从本质上来说,在机器学习中我们......
  • SQL注入基础学习7(续集)
    四、一些绕过技术5、脚本语言特性绕过在php语言中,id=1&id=2后面的值会自动覆盖前面的值。可以利用这点绕过一些waf的拦截id=1%00&id=2unionselect1,2,3有些waf会去匹配第一个id参数1%00,%00是截断字符,waf会自动截断,从而不会检测后面的内容。到了程序中id就是id=2unionsel......
  • 高级系统架构师学习(二)软件工程
    一、软件过程模型原型模型适用场景:需求不明确优势:可以帮助用户明确需求阶段:原型开发阶段目标软件开发阶段瀑布模型定义:瀑布模型是将软件生存周期中的各个活动规定为依线性顺序连接的若干阶段的模型,包括需求分析、设计、编码、运行与维护。【每个阶段因......