<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-Hans-CN">
	<id>https://www.bigphysics.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Ccr</id>
	<title>Big Physics - 用户贡献 [zh-cn]</title>
	<link rel="self" type="application/atom+xml" href="https://www.bigphysics.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Ccr"/>
	<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php/%E7%89%B9%E6%AE%8A:%E7%94%A8%E6%88%B7%E8%B4%A1%E7%8C%AE/Ccr"/>
	<updated>2026-05-01T07:53:21Z</updated>
	<subtitle>用户贡献</subtitle>
	<generator>MediaWiki 1.35.1</generator>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8D%A1%E8%84%96%E5%AD%90%E9%A3%8E%E9%99%A9%E7%9A%84%E4%BC%A0%E9%80%92%E5%92%8C%E6%BA%AF%E6%BA%90&amp;diff=54307</id>
		<title>分类:卡脖子风险的传递和溯源</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8D%A1%E8%84%96%E5%AD%90%E9%A3%8E%E9%99%A9%E7%9A%84%E4%BC%A0%E9%80%92%E5%92%8C%E6%BA%AF%E6%BA%90&amp;diff=54307"/>
		<updated>2022-08-08T10:48:55Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Category:科学学]]&lt;br /&gt;
[[Category:国家安全]]&lt;br /&gt;
[[Category:吴金闪]]&lt;br /&gt;
[[Category:刘凯]]&lt;br /&gt;
&lt;br /&gt;
==研究背景==&lt;br /&gt;
卡脖子问题指的是，一旦某个供给方不再提供某种供给，则接收方后期的这方面的工作就开展不了。例如，在电子产品领域的芯片和操作系统，在科学研究领域的高原创性研究甚至科研仪器（尤其是生物医学领域的科研仪器），在军事领域的新一代军事技术，在基本农产品种子粮食安全等领域的研究产品和仪器。&lt;br /&gt;
&lt;br /&gt;
同时，我们应该看到，这样的卡脖子问题的影响力往往不仅仅包含直接被卡住的那些后续产品或者研究，还包含间接依赖于这些直接产品或者研究的其他产品和研究了；同时，也有的卡脖子问题不是看起来卡的地方，例如某样产品的供给方确实有多个渠道甚至替代产品，但是实际上可能这些渠道和替代物都依赖于某个专利或者某个国家或者组织的专利，而一旦这个或者这一类专利的授权出问题了，则也会变成一个卡脖子问题。前者是卡博子风险的传递问题，后者是卡脖子风险的溯源问题。&lt;br /&gt;
&lt;br /&gt;
因此，本项目拟找出来不同领域内的“脖子”，进行传递和溯源，同时发展寻找这样的“脖子”的方法，保护这样的脖子尽量避免被卡的方案和发现这些方案的方法。&lt;br /&gt;
&lt;br /&gt;
通过前面的背景，我们也看出来，网络分析尤其适合于卡脖子风险的传递和溯源。&lt;br /&gt;
&lt;br /&gt;
==研究方法：网络分析==&lt;br /&gt;
以科学仪器为例，我们首先要确定所要研究的仪器的集合，然后找出来这一类仪器的供应商、仪器的专利、仪器用到的元器件、元器件的供应商、元器件的专利、元器件专利的所属组织（国家、公司等）。甚至进一步，我们也可以往上走到用这些科学仪器的论文和学科，或者继续往下找出来专利所依赖的科学论文和科学概念，论文所属的组织，以及科学概念的提出者和提出者所在的组织，乃至这些提出者受教育的专业和学校。&lt;br /&gt;
&lt;br /&gt;
当然，如果由于数据获取的限制，我们不得不在某个阶段先做个截断，则只要相对完整，那么在这个截断系统内仍然可以开展这个研究。例如，只包含产品和元器件、元器件厂商的产品供应链网络（同样的元器件用于生产多个产品的，最好也能尽可能完整地包含这些下游产品——这个数据对于做传递计算很重要）；或者进一步在供应链网络的基础上，包含专利；或者进一步在供应链-专利的基础上包含论文；或者进一步在供应链-专利-论文的基础上包含论文引用网络；或者在供应链-专利-论文-论文引用网络的基础上包含主要贡献者的受教育背景（学校和专业）。&lt;br /&gt;
&lt;br /&gt;
一旦我们有了这些数据，我们用有向网络来描述这些数据。如果我们有了一些初始的风险标记，例如对于中国经济来说，某某产品的供应是一个风险，我们就可以进一步把这个风险在网络上做双向的扩散，也就是向下游传递和向上游溯源。&amp;lt;strong&amp;gt;这相当于做有一定依据一定目标性的风险扩散的研究&amp;lt;/strong&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
我们还可以在这个有向网络上做广义投入产出分析，例如去掉（或者减少供给等干预）某个顶点或者某条边，系统会怎样；或者，在去掉某条边或者顶点的基础上再去掉或者再加上另一条边或者顶点会怎样。这相当于是假设情形下的风险扩散的研究。&lt;br /&gt;
&lt;br /&gt;
我们还可以从学科走到仪器，例如从学科概念网络和研究论文识别出来研究前沿等最值得研究的问题，从这些问题的论文中找出来仪器、软件和分析方法，于是可以得到帮助仪器方面提前布局的信息。&lt;br /&gt;
&lt;br /&gt;
也可以反过来用，从仪器走向学科，看看多少论文里面仪器（耗材、软件）是关键，分学科分国家看看。&lt;br /&gt;
&lt;br /&gt;
当我们把这个分析以国家为单位，尤其是以美国等其他国家为扰动者，来看这个扰动对中国的影响的时候（当然，原则上任意国家之间都可以），就是一个国家安全性质的问题。&lt;br /&gt;
&lt;br /&gt;
注意，这里的分析方法的精神很简单，就是：上下左右贯通，传播起来。&lt;br /&gt;
&lt;br /&gt;
==数据==&lt;br /&gt;
需要大量的研究人员手工或者以自然语言处理技术来得到构成网络的数据。&lt;br /&gt;
&lt;br /&gt;
请补充数据获取渠道。李辉补充，仪器有一个期刊，[https://aip.scitation.org/journal/rsi]，学校以及更高级科研管理部门可能维护有科研仪器数据库，同时论文中的method这一节通常有仪器和耗材、分析方法、软件的说明。&lt;br /&gt;
&lt;br /&gt;
是不是还有一个专利类别？&lt;br /&gt;
&lt;br /&gt;
有需要和有可能的话，研发部分的数据，例如国家或者企业的研发投入也可以加进去。&lt;br /&gt;
&lt;br /&gt;
==参考文献==&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90%E7%94%A8%E4%BA%8E%E5%8D%A1%E8%84%96%E5%AD%90%E9%97%AE%E9%A2%98%E5%AF%B9%E5%9B%BD%E5%AE%B6%E5%AE%89%E5%85%A8%E7%9A%84%E5%BD%B1%E5%93%8D&amp;diff=54306</id>
		<title>分类:网络分析用于卡脖子问题对国家安全的影响</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90%E7%94%A8%E4%BA%8E%E5%8D%A1%E8%84%96%E5%AD%90%E9%97%AE%E9%A2%98%E5%AF%B9%E5%9B%BD%E5%AE%B6%E5%AE%89%E5%85%A8%E7%9A%84%E5%BD%B1%E5%93%8D&amp;diff=54306"/>
		<updated>2022-08-08T10:36:32Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:网络分析用于卡脖子问题对国家安全的影响至分类:卡脖子风险的传递和溯源&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;#重定向 [[:分类:卡脖子风险的传递和溯源]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8D%A1%E8%84%96%E5%AD%90%E9%A3%8E%E9%99%A9%E7%9A%84%E4%BC%A0%E9%80%92%E5%92%8C%E6%BA%AF%E6%BA%90&amp;diff=54305</id>
		<title>分类:卡脖子风险的传递和溯源</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8D%A1%E8%84%96%E5%AD%90%E9%A3%8E%E9%99%A9%E7%9A%84%E4%BC%A0%E9%80%92%E5%92%8C%E6%BA%AF%E6%BA%90&amp;diff=54305"/>
		<updated>2022-08-08T10:36:32Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:网络分析用于卡脖子问题对国家安全的影响至分类:卡脖子风险的传递和溯源&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Category:科学学]]&lt;br /&gt;
[[Category:国家安全]]&lt;br /&gt;
[[Category:吴金闪]]&lt;br /&gt;
[[Category:刘凯]]&lt;br /&gt;
&lt;br /&gt;
==研究背景==&lt;br /&gt;
卡脖子问题指的是，一旦某个供给方不再提供某种供给，则接收方后期的这方面的工作就开展不了。例如，在电子产品领域的芯片和操作系统，在科学研究领域的高原创性研究甚至科研仪器（尤其是生物医学领域的科研仪器），在军事领域的新一代军事技术，在基本农产品种子粮食安全等领域的研究产品和仪器。&lt;br /&gt;
&lt;br /&gt;
同时，我们应该看到，这样的卡脖子问题的影响力往往不仅仅包含直接被卡住的那些后续产品或者研究，还包含间接依赖于这些直接产品或者研究的其他产品和研究了；同时，也有的卡脖子问题不是看起来卡的地方，例如某样产品的供给方确实有多个渠道甚至替代产品，但是实际上可能这些渠道和替代物都依赖于某个专利或者某个国家或者组织的专利，而一旦这个或者这一类专利的授权出问题了，则也会变成一个卡脖子问题。&lt;br /&gt;
&lt;br /&gt;
因此，本项目拟找出来不同领域内的“脖子”，同时发展寻找这样的“脖子”的方法，保护这样的脖子尽量避免被卡的方案和发现这些方案的方法。&lt;br /&gt;
&lt;br /&gt;
通过前面的背景，我们也看出来，本项目的亮点在于网络分析。&lt;br /&gt;
&lt;br /&gt;
==研究方法：网络分析==&lt;br /&gt;
以科学仪器为例，我们首先要确定所要研究的仪器的集合，然后找出来这一类仪器的供应商、仪器的专利、仪器用到的元器件、元器件的供应商、元器件的专利、元器件专利的所属组织（国家、公司等）。甚至进一步，我们也可以往上走到用这些科学仪器的论文和学科，或者继续往下找出来专利所依赖的科学论文和科学概念，论文所属的组织，以及科学概念的提出者和提出者所在的组织。&lt;br /&gt;
&lt;br /&gt;
一旦我们有了这些数据，我们用有向网络来描述这些数据。然后，在这个有向网络上做广义投入产出分析，例如去掉（或者减少供给等干预）某个顶点或者某条边，系统会怎样；或者，在去掉某条边或者顶点的基础上再去掉或者再加上另一条边或者顶点会怎样。&lt;br /&gt;
&lt;br /&gt;
我们还可以从学科走到仪器，例如从学科概念网络和研究论文识别出来研究前沿等最值得研究的问题，从这些问题的论文中找出来仪器、软件和分析方法，于是可以得到帮助仪器方面提前布局的信息。&lt;br /&gt;
&lt;br /&gt;
也可以反过来用，从仪器走向学科，看看多少论文里面仪器（耗材、软件）是关键，分学科分国家看看。&lt;br /&gt;
&lt;br /&gt;
当我们把这个分析以国家为单位，尤其是以美国等其他国家为扰动者，来看这个扰动对中国的影响的时候（当然，原则上任意国家之间都可以），就是一个国家安全性质的问题。&lt;br /&gt;
&lt;br /&gt;
注意，这里的分析方法的精神很简单，就是：上下左右贯通，传播起来。&lt;br /&gt;
&lt;br /&gt;
==数据==&lt;br /&gt;
需要大量的研究人员手工或者以自然语言处理技术来得到构成网络的数据。&lt;br /&gt;
&lt;br /&gt;
请补充数据获取渠道。李辉补充，仪器有一个期刊，[https://aip.scitation.org/journal/rsi]，学校以及更高级科研管理部门可能维护有科研仪器数据库，同时论文中的method这一节通常有仪器和耗材、分析方法、软件的说明。&lt;br /&gt;
&lt;br /&gt;
是不是还有一个专利类别？&lt;br /&gt;
&lt;br /&gt;
有需要和有可能的话，研发部分的数据，例如国家或者企业的研发投入也可以加进去。&lt;br /&gt;
&lt;br /&gt;
==参考文献==&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC15%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=54279</id>
		<title>分类:教育系统科学研究中心第15次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC15%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=54279"/>
		<updated>2022-07-21T14:52:34Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:教育系统科学研究中心第15次活动纪要至分类:教育系统科学研究中心第十五次活动纪要&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;#重定向 [[:分类:教育系统科学研究中心第十五次活动纪要]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%8D%81%E4%BA%94%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=54278</id>
		<title>分类:教育系统科学研究中心第十五次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%8D%81%E4%BA%94%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=54278"/>
		<updated>2022-07-21T14:52:34Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:教育系统科学研究中心第15次活动纪要至分类:教育系统科学研究中心第十五次活动纪要&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
会议主题是讨论以下几个研究工作以及后续研究的开展：&lt;br /&gt;
#1、汉字学习实验实验设计报告（冯丽萍老师），对汉字学习实验设计的评估和研讨（胡韧奋 、李克强 、周亚老师等）&lt;br /&gt;
#2、创造力研究相关文献分享（吴俊杰老师）&lt;br /&gt;
#3、陈路遥等，甲骨文理解型学习预实验&lt;br /&gt;
#4、中心业务和科研进展的分享（吴俊杰、王晓玲）&lt;br /&gt;
&lt;br /&gt;
时间：2022年7月21日19-23点。&lt;br /&gt;
&lt;br /&gt;
地点：腾讯会议648-735-908&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=冯丽萍老师等 汉字学习实验设计=&lt;br /&gt;
&lt;br /&gt;
#具体完成了：&lt;br /&gt;
&lt;br /&gt;
#其他研究者的建议是：&lt;br /&gt;
&lt;br /&gt;
#下一步工作：&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=陈路遥等 甲骨文理解型学习的实验=&lt;br /&gt;
&lt;br /&gt;
#具体完成了：&lt;br /&gt;
&lt;br /&gt;
#其他研究者的建议是：&lt;br /&gt;
&lt;br /&gt;
#下一步工作：&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=吴俊杰 创造力相关文献分享=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=吴俊杰 汉字理解型学习研究进展分享=&lt;br /&gt;
&lt;br /&gt;
下一步的工作：&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54222</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54222"/>
		<updated>2022-07-10T01:52:33Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;Zhuangqian&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54221</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54221"/>
		<updated>2022-07-10T01:48:46Z</updated>

		<summary type="html">&lt;p&gt;Ccr：页面内容被替换为“&amp;lt;accesscontrol&amp;gt;Songyk&amp;lt;/accesscontrol&amp;gt;  分类:工作进展板 分类:宋玉鲲  # 研究工作”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;Songyk&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54220</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54220"/>
		<updated>2022-07-10T01:48:25Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;Songyk&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54218</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54218"/>
		<updated>2022-07-06T15:29:42Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;Songyk&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54217</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54217"/>
		<updated>2022-07-06T15:29:23Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;宋玉鲲&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54216</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54216"/>
		<updated>2022-07-06T15:27:27Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;accesscontrol&amp;gt;Songyk&amp;lt;/accesscontrol&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54215</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54215"/>
		<updated>2022-07-05T03:36:07Z</updated>

		<summary type="html">&lt;p&gt;Ccr：已从“分类:工作进展之宋玉鲲”移除保护&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54214</id>
		<title>分类:工作进展之宋玉鲲</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%B7%A5%E4%BD%9C%E8%BF%9B%E5%B1%95%E4%B9%8B%E5%AE%8B%E7%8E%89%E9%B2%B2&amp;diff=54214"/>
		<updated>2022-07-05T03:35:58Z</updated>

		<summary type="html">&lt;p&gt;Ccr：已保护“分类:工作进展之宋玉鲲”（[编辑=仅允许管理员]（无限期）[移动=仅允许管理员]（无限期））&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展板]]&lt;br /&gt;
[[分类:宋玉鲲]]&lt;br /&gt;
&lt;br /&gt;
# 研究工作&lt;br /&gt;
## 科学学概念网络构建任务和算法&lt;br /&gt;
### 通过简单自然语言处理技术，从一段话中自动构建一个粗糙的概念地图&lt;br /&gt;
### 已有概念抽取和关系抽取现有算法的实现，在科学学论文数据上检验效果&lt;br /&gt;
### 人工和算法相结合，构建科学学概念网络，甚至三层网络&lt;br /&gt;
## 汉字检测算法（算法和实验）&lt;br /&gt;
## 英文单词学习顺序和检测算法&lt;br /&gt;
### 英文单词字源数据（Wiktionary/google/www.etymonline.com）（进行中）&lt;br /&gt;
### 算法设计和实验研究&lt;br /&gt;
## 科学学三层网络用于论文创新性等科学学研究&lt;br /&gt;
## 传染病代际再生数程序、模拟和论文写作&lt;br /&gt;
# 学习&lt;br /&gt;
## 自然语言处理、知识抽取和表示&lt;br /&gt;
## 概率图模型&lt;br /&gt;
# 团队管理工作&lt;br /&gt;
## 团队软件平台管理&lt;br /&gt;
### 常规维护；自动化脚本；维护文档（部分完成）；&lt;br /&gt;
### bigphysics迁移到新服务器（待定）&lt;br /&gt;
### 支持https访问(完成)；&lt;br /&gt;
### bigphysics增加一个控制访问权限的拓展，例如Extension:AccessControl(完成)&lt;br /&gt;
## 教育系统科学研究中心网站建设(完成)&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%A0%B8%E5%BF%83%E7%90%86%E5%BF%B5&amp;diff=6001</id>
		<title>分类:核心理念</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%A0%B8%E5%BF%83%E7%90%86%E5%BF%B5&amp;diff=6001"/>
		<updated>2021-03-16T13:42:12Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:咨询产品平台建设]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%A0%B8%E5%BF%83%E7%90%86%E5%BF%B5&amp;diff=6000</id>
		<title>分类:核心理念</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%A0%B8%E5%BF%83%E7%90%86%E5%BF%B5&amp;diff=6000"/>
		<updated>2021-03-16T13:41:38Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:咨询平台建设”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:咨询平台建设]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%92%A8%E8%AF%A2%E5%B9%B3%E5%8F%B0%E5%BB%BA%E8%AE%BE&amp;diff=5999</id>
		<title>分类:咨询平台建设</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%92%A8%E8%AF%A2%E5%B9%B3%E5%8F%B0%E5%BB%BA%E8%AE%BE&amp;diff=5999"/>
		<updated>2021-03-16T13:40:20Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:咨询平台建设至分类:咨询产品平台建设&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;#重定向 [[:分类:咨询产品平台建设]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%92%A8%E8%AF%A2%E4%BA%A7%E5%93%81%E5%B9%B3%E5%8F%B0%E5%BB%BA%E8%AE%BE&amp;diff=5998</id>
		<title>分类:咨询产品平台建设</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%92%A8%E8%AF%A2%E4%BA%A7%E5%93%81%E5%B9%B3%E5%8F%B0%E5%BB%BA%E8%AE%BE&amp;diff=5998"/>
		<updated>2021-03-16T13:40:20Z</updated>

		<summary type="html">&lt;p&gt;Ccr：Ccr移动页面分类:咨询平台建设至分类:咨询产品平台建设&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:概念网络]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在这里，我们整理围绕知识库的咨询服务体系建设的各种问题和解法，也就是咨询产品平台的知识库。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%96%B0%E6%95%99%E8%82%B2-%E7%A7%91%E5%AD%A6%E5%AD%A6-%E5%87%BA%E7%89%88%E6%A8%A1%E5%9E%8B&amp;diff=5967</id>
		<title>分类:新教育-科学学-出版模型</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%96%B0%E6%95%99%E8%82%B2-%E7%A7%91%E5%AD%A6%E5%AD%A6-%E5%87%BA%E7%89%88%E6%A8%A1%E5%9E%8B&amp;diff=5967"/>
		<updated>2021-03-08T03:07:49Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:研究思想和方法]]&lt;br /&gt;
&lt;br /&gt;
在这里我们来解释“新教育-科学学-出版模型”。&lt;br /&gt;
&lt;br /&gt;
=基本概念的解释=&lt;br /&gt;
首先，我们需要几个基本概念：概念网络或者概念地图、学科大图景、知识的层次和知识生成器、教和学的目的、理解型学习、深层教和学、人类知识高速公路。&lt;br /&gt;
&lt;br /&gt;
==概念网络或者概念地图==&lt;br /&gt;
以概念为顶点，以概念之间的联系为边，构成的网络。&lt;br /&gt;
&lt;br /&gt;
最一般的概念只需要满足可以实现交流的目的有具体所指的外延对象的一个内涵描述。也就是说，一个集合就是概念。集合之间的映射关系就是概念之间的联系。当然，概念往往用和其内含有联系的词汇或者符号来表示。概念最最基本的要求就是，至少当不同人或者不同时间的同一个人看到这个概念的时候，想到的外延对象是相同的，或者基本相同并且可以更新和统一起来的。&lt;br /&gt;
&lt;br /&gt;
==学科大图景==&lt;br /&gt;
一个学科的典型研究对象、典型研究问题、典型思维方式、典型分析方法、和世界以及其他学科的关系。&lt;br /&gt;
&lt;br /&gt;
==知识的层次和知识生成器==&lt;br /&gt;
知识分为第一层事实性和程序性知识，第二层学科概念以及概念之间的关系的知识，第三层学科大图景尤其是学科思维的知识，以及第四层一般性的人类思维（例如，批判性思维和系联性思考）以及基于这些思维的教和学的方法的知识。其中，第二层知识称为第一层知识的生成器，也叫“浅层知识生成器（Shallow Knowledge Generator）”；第三层知识称为第二、一层知识的生成器；第四层知识称为第三、二、一层知识的生成器；后两者称为“高层知识生成器（Advanced Knowledge Generator）”。&lt;br /&gt;
&lt;br /&gt;
一个学科的的典型思维方式往往是一般性的人类思维方式用于解决关于这个学科的典型研究对象的典型研究问题而得到的。当然，反过来，一般性的人类思维也是通过面对和解决一个学科的典型问题而发展起来的。同样地，一个具体学科的具体知识往往是这个学科的典型思维方式用于解决关于这个学科的典型研究对象的典型研究问题而得到的，反过来，一个学科的典型思维方式也是通过面对和解决一个学科的典型问题而发展起来的。因此，所谓的创造性，就是看到高层知识生成器，看到待提出和解决的问题和已经提出和解决的问题的相似性，然后把高层知识生成器用于提出和解决新的问题。&lt;br /&gt;
&lt;br /&gt;
==人类知识高速公路==&lt;br /&gt;
把某个学科的知识之间的这样的上下左右联系都明确标注出来构成的网络称为学科知识网络。各个学科以及还没有独立为学科的知识的网络合起来的整体称为“人类知识高速公路”。&lt;br /&gt;
&lt;br /&gt;
==教和学的目的==&lt;br /&gt;
学习的目的是为了成为提出问题、解决问题、创造知识、创造性地使用知识、或者能够欣赏知识的创造和创造性地使用的人。教的目的是为了帮助学习者更好地达成这个学习的目的，通过例如帮助学习者学会学习。&lt;br /&gt;
&lt;br /&gt;
知识的重复性使用，也就是把知识按照其已经被使用过得方式用到其已经被使用过的场合，不是教育的基本目的。&lt;br /&gt;
&lt;br /&gt;
==理解型学习：上下左右贯通==&lt;br /&gt;
理解型学习是指利用了上下层知识之间的联系或者同层知识之间的左右联系来教和学的方式。反过来，不利用知识之间的上下左右联系，把知识孤立起来通过整体记忆和记忆提取练习来学习这个知识的过程称为机械式学习。一般我们把从下到上叫做总结（提升、归纳、抽象），从上到下叫做生成（演绎、运用）。&lt;br /&gt;
&lt;br /&gt;
==深层教和学==&lt;br /&gt;
教和学的目标知识的层次决定了教和学的层次。例如，“第一层教和学”就是把第一层知识当做教和学的目标。&lt;br /&gt;
&lt;br /&gt;
我们把“机械式的第一、二、三、四层教和学”和“理解型的第一层教和学”都称为浅层教和学（Shallow Teaching and Learning），把“理解型的第二层教和学”称为中层教和学（Halfway Teaching and Learning），把“理解型的第三层或者第四层教和学”称为深层教和学（Deep Teaching and Learning）。也就是说，“深层教和学”就是“以高层知识生成器为目标的理解型教和学”。&lt;br /&gt;
&lt;br /&gt;
=新教育模型：人类知识高速公路上的以高层知识生成器为目标的理解型教和学=&lt;br /&gt;
&lt;br /&gt;
把前面的基本理念和概念用于解决教和学的问题，“帮助教师教得更好，帮助学生学得更好”，就得到“新教育模型”，也就是'''人类知识高速公路上的以高层知识生成器为目标的理解型教和学'''。为了简便也称为人类知识高速公路上的深层教和学，有的时候简称为深层教和学，或者理解型学习。&lt;br /&gt;
&lt;br /&gt;
为了构建、研究、检验和推广这个新教育模型，我们需要&lt;br /&gt;
# 构建人类知识高速公路，包含构建的任务和构建的算法（从教材和论文等材料中识别概念以及概念联系、标注知识的层次）&lt;br /&gt;
# 人类知识高速公路上帮助教和学的算法，例如学习顺序的算法、检测算法&lt;br /&gt;
# 个体层次理解型学习的行为和脑科学实验研究，实验室实验&lt;br /&gt;
# 课程或者学科层次的学习实验研究，运用了人类知识高速公路以及其上帮助教和学的算法之后的教和学&lt;br /&gt;
# 教和学的层次的标注和辅助标注平台&lt;br /&gt;
# 最终产品“系联学院”平台：人类知识高速公路上带有教和学的资源（每个概念以及概念联系上带有视频、音频、文本等学习材料），通过算法实现个性化学习指导和辅助，匹配教和学的专家而专家提供算法之外的服务&lt;br /&gt;
&lt;br /&gt;
我们相信，通过在人类知识高速公路上开展以高层知识生成器为目标的运用知识之间的上下左右联系来教和学，我们可以实现“教的更少，学得更多”，“越往上学，越透彻，记住的东西越少，看到的联系越多，学习成本越低”，“每个学习者可以学成自己想要的四不像”。这样的学习也应该可以促进知识的创造和知识的创造性使用。当然，所有的对这个新教育模式的期望，都需要等待我们下一步具体研究工作的证明或者证伪。&lt;br /&gt;
&lt;br /&gt;
这里有一个报告的讲稿，[http://iess.bnu.edu.cn/slides/model4edu/ 新教育学模型]。&lt;br /&gt;
&lt;br /&gt;
=新科学学模型：人类知识高速公路上的以帮助科学家做更好的研究为目标的科学学=&lt;br /&gt;
&lt;br /&gt;
把前面的基本理念和概念用于促进“帮助科学家做更好的研究”，就得到“新科学学模型”，也就是'''人类知识高速公路上的以帮助科学家做更好的研究为目标的科学学'''。在这里，“帮助科学家做更好的研究”第一层含义是在选择研究对象和研究问题、研究方法等方面直接帮助科学家，第二层含义是通过帮助科研管理者做更好的科研管理来间接帮助科学家。甚至，一定程度上，也包含第三层含义，那就是，通过做更好的这些学科的教和学培养更加具有创造性的这些学科的研究人员来帮助科学家做更好的研究。&lt;br /&gt;
&lt;br /&gt;
为了构建、研究、检验和推广这个新科学学模型，我们需要&lt;br /&gt;
# 构建人类知识高速公路，包含构建的任务和构建的算法（从教材和论文等材料中识别概念以及概念联系、标注知识的层次，在学科概念以及概念联系上标注作者、论文，同时包含论文间的引用关系、作者间的学术传承关系）&lt;br /&gt;
# 人类知识高速公路上用于帮助科学家发现和选择研究对象、研究问题、研究方法的算法&lt;br /&gt;
# 人类知识高速公路上用于帮助科技管理者做更好的科技管理的算法&lt;br /&gt;
# 这些算法的可能的实验检验，例如试试是否可以促进某学科的研究，或者至少通过科学研究的历史记录来佐证或者推翻&lt;br /&gt;
# 最终产品“系联研究”平台：人类知识高速公路上带有研究成果和过程数据（在学科概念以及概念联系上标注作者、论文，同时包含论文间的引用关系、作者间的学术传承关系），通过算法实现个性化研究辅助，匹配科学研究合作者而合作者提供算法之外的服务&lt;br /&gt;
&lt;br /&gt;
我们相信，通过在人类知识高速公路上开展以帮助科学家做更好的研究为目标的科学学，我们可以帮助科学家做更好的科学研究，帮助科研管理者做更好的科研管理。当然，这些对这个新科学学模式的期望，都需要等待我们下一步具体研究工作的证明或者证伪。&lt;br /&gt;
&lt;br /&gt;
这里有一个报告的讲稿，[http://iess.bnu.edu.cn/slides/model4sci2/ 新科学学模型]。&lt;br /&gt;
&lt;br /&gt;
=新出版模型：人类知识高速公路上的教材、论文以及一般图书的出版=&lt;br /&gt;
&lt;br /&gt;
在新教育模型和新科学学模型中，我们需要把学习材料（教材、视频、音频、Wiki词条）和研究论文（甚至研究人员、数据等研究素材）匹配到人类知识高速公路上，于是，我们自然得到'''新出版模型：人类知识高速公路上的教材、论文以及一般图书的出版'''。&lt;br /&gt;
&lt;br /&gt;
为了构建和推广这个新出版模型，我们需要&lt;br /&gt;
# 构建人类知识高速公路&lt;br /&gt;
# 把各种出版物对应到人类知识高速公路上的概念和概念联系。&lt;br /&gt;
# 最终产品“系联出版”平台——以Wiki词条和概念地图形式来出版：&lt;br /&gt;
## 每篇论文、每本书的整体和每个章节、每个音像或者音像的章节等出版物显示一个概念地图&lt;br /&gt;
## 通过整合这些论文和书的概念地图到人类知识高速公路里面来更新人类知识高速公路&lt;br /&gt;
## 人类知识高速公路的概念以及概念联系上显示每篇论文、每本书或者书的章节、每个音像或者音像的章节等出版物&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%85%AD%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5966</id>
		<title>分类:教育系统科学研究中心第六次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%85%AD%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5966"/>
		<updated>2021-03-08T03:05:14Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次讨论主要目的是给几位合作者介绍一下中心核心理念、研究方向和几个具体研究。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2021年3月2日 下午2-5点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B608，ZOOM（692 5867 3111）&lt;br /&gt;
&lt;br /&gt;
=吴金闪，中心整体研究理念=&lt;br /&gt;
介绍了中心在教育系统科学方面的研究的核心理念和基本概念，以及整体几个研究方向的布局。&lt;br /&gt;
具体信息，见讲稿[http://iess.bnu.edu.cn/slides/iess_overview/ 中心研究鸟瞰]。&lt;br /&gt;
其中主要介绍了：知识之间的系联，知识的层次，人类知识高速公路，知识生成器和高层知识生成器，理解型学习，机械式学习，创造体验式学习，促进教和学的系统性解决方案——新教育学模型等核心概念，以及以下各个研究问题：&lt;br /&gt;
# 在个体概念和个体学习者被试层面，以高层知识生成器为目标的理解型学习的好处及其神经基础&lt;br /&gt;
# 人类知识高速公路构建，包含概念层次标注和习题到概念的标注&lt;br /&gt;
# 高速公路上的学习顺序算法和诊断性检测算法&lt;br /&gt;
# 理解型学习在师生教学活动中的实现，考虑用特征性脑活动当做师生单脑以及多脑的指标&lt;br /&gt;
# 教和学的层次标注和辅助标注系统&lt;br /&gt;
&lt;br /&gt;
在讨论中，郑永和、卢春明、张婧婧等老师对于知识和能力的区分和界定，知识的层次的定义，提出了“应该考虑和当前普遍使用的习惯相联系”的建议（我在更新以后的将高中做了补充，见[http://iess.bnu.edu.cn/slides/iess_overview/ 中心研究鸟瞰]）。其实，在内涵上，能力大概是什么是没问题的，例如，用某个知识或者某个思维来解决某个问题叫做能力，用某个思维和已经会的知识创造出来新的知识叫做能力。但是，其实，如果对这个解决问题的过程和创造知识的过程作进一步的分解和理清，非常可能（不敢保证）我们会发现，其实，这里面就是因为用到了某个思维、思想、知识，然后配合上解决问题创造知识的意愿，才达到了解决问题创造知识的结果。因此，所谓的“可以用某知识和思维来解决问题的能力，可以用某知识和思维来创造知识的能力”其背后仍然有一个知识或者思维的载体。这个载体，只要我们可以明确出来，则称为进一步的知识，也就是高层知识。&lt;br /&gt;
&lt;br /&gt;
例如，在欧几里得几何的框架下，勾股定理的证明可以采用割补的思想，其中要用到矩形面积和边长的关系的知识。你就会发现，所谓的运用“矩形面积和边长的关系”来“证明勾股定理”的能力，不过就是割补的思想。更一般地来说，概念地图的基本理念，就是，任何关系都必须明确给出来关系的内涵，也就是连词。同样，任何对知识的运用，都体现为一种知识之间的联系，这样的联系必然有具体的连词载体，只要找出来这个连词载体，则这样的过程或者说所谓的能力，还是一种思维、思想、知识。&lt;br /&gt;
&lt;br /&gt;
在讨论中，卢春明老师还提出来，在理解型学习和机械式学习之间对比的研究是有比较统一的结论的（那肯定是理解型学习优于机械式学习）。就我调研的结果，在记忆效果上，确实正面结论多一些比较可靠，但是，在其他方面，还是一个在争论之中的问题。见&amp;lt;ref name=&amp;quot;Karpicke:CM&amp;quot;/&amp;gt;&amp;lt;ref name=&amp;quot;Lechuga:CM&amp;quot;/&amp;gt;（Karpicke有一篇比较新的文章，结论类似）。吴俊杰请向卢老师请教这方面的文献。&lt;br /&gt;
&lt;br /&gt;
讨论中的一个核心问题是'''到底“新教育模型”新在哪里，模型是什么意思'''。这个问题非常深刻，有关整个教育系统科学的核心思路：我们是企图建立一个可以描述教和学现象和更好解决教和学问题的数学模型，做到如果真的有了这个模型，那么教育问题的解决就成了这个模型之上的一个数学问题和求解这个数学问题的算法问题，然后进一步通过做实验来检验这个算出来的答案和算法。那么，这样的模型长什么样呢？我们希望把这个模型可以描述教和学的相关主体以及相关主体的关系。于是，沿着这个数据、问题和算法分开的思路，沿着这个描述教和学主体以及主体关系的思路，我们提出来构建人类知识高速公路，以及高速公路上的知识的层次标记。从这个角度来说，教和学的直接目标是，帮助学习者也建立起来这个人类知识高速公路（之中这个学习者感兴趣的部分），尤其是其中的高层知识生成器。因为一旦掌握了这个高层知识生成器，学习者就可以自己来进一步生成和创造知识。教和学的另一方面是认知过程。也就是从人类知识高速公路我们可以和学习者一起来解决学什么，大概按照什么路径的问题，但是，到底如何把教和学的细节实现，需要认知过程的知识。当然，我们可以认为，首先，也是需要局部的知识之间的联系，才能促进理解。但是，是不是认知过程的研究可以证实这一点，甚至给出来这样做有效的机制呢？这就需要做认知科学的研究。因此，'''所谓的“新教育模型”就是指，用标记了知识的层次的、习题和项目的层次的人类知识高速公路，配合上认知科学对教和学的过程的研究得到的知识，当做教和学问题的描述基础，然后在这个描述基础之上，任何的教和学的问题转变成一个数学问题，接着寻找这个数学问题的解法和解，最后做实验验证，这样一个研究教育问题的体系。'''当然，如果研究成功，下一步还有推广的问题。&lt;br /&gt;
&lt;br /&gt;
这个教育模型的另一个好处是，研究和实践是统一的，也就是所建立的这样一个标记了知识的层次的、习题和项目的层次的人类知识高速公路不仅仅可以帮助教和学的研究，还可以直接用于教和学，只要在上面的每一个概念和连词上配上学习资源，整体配上学习顺序和检测的算法，等等。&lt;br /&gt;
&lt;br /&gt;
更进一步，这个人类知识高速公路不仅仅可以帮助教和学的研究和实践，甚至，在每个具体知识学科的科学研究上也能起到启发或者说促进作用。这就是人类知识高速公路用于帮助科学家做更好的科学研究，以及帮助科技管理者做更好的促进科学发展的政策和管理。这是中心关注的另一个问题：系统性地帮助科学家和科技管理者，促进科技发展。&lt;br /&gt;
&lt;br /&gt;
=张学涛，汉字拆分理据审阅和翻译，凡例=&lt;br /&gt;
张学涛介绍了汉字结构网络——汉字之间的形音义的联系构成的网络数据的审阅的主要内容，工作中形成的凡例。其中一个原则是，概念（这里是汉字）之间的联系从专家来看一定不能是错的（可以是多选一的，可以是不确定的），在不错的基础上，选择其中那些能够帮助学习者更好地理解到汉字的本义的汉字之间的联系。&lt;br /&gt;
&lt;br /&gt;
类似地，将来在其他学科里面，也会存在这个问题。例如在数学概念网络中，每一个数学概念的解释首先必须是从专家来看一定不能是错的最好连着高层知识生成器的，在此基础上，选择其中那些能够帮助学习者更好地领会到这个概念的含义的解释。当然，也可以保留多个逻辑上不同但是效果上相当的解释。例如，平面几何的基本公理体系就存在多种选择，逻辑都对，难度相当，但是，不同的学习者可能会更容易领会其中的某一种。&lt;br /&gt;
&lt;br /&gt;
=吴金闪　教学活动层次标注举例（基于王陆团队的课堂视频）=&lt;br /&gt;
以知识的层次为依据，我们可以对课堂教学活动做层次标记。例如，某个数学老师可能基本上就是在教怎么算，个位数乘法、多位数乘法、除法、带零的除法等等。那么，这位老师的教和学的活动的层次就是第一层。如果这位老师也会稍微讲一讲从学科概念来得到怎么算，以及从已知的概念来建立新的概念，那么至少是第二层。&lt;br /&gt;
&lt;br /&gt;
吴金闪介绍了对大学青年教师教学大赛的教学内容做的教学活动的层次标注，以及基于王陆团队所拍摄的中小学课堂视频的教学活动标注。&lt;br /&gt;
&lt;br /&gt;
整体不容乐观。&lt;br /&gt;
&lt;br /&gt;
除了教学活动的标注，我们还可以从习题的层次，学习活动的内容，来做学习的层次标注。&lt;br /&gt;
&lt;br /&gt;
=吴俊杰 汉字理解型学习的特征脑活动=&lt;br /&gt;
吴俊杰参加面试，没有报告。&lt;br /&gt;
&lt;br /&gt;
这个研究解决的问题是理解型学习，在汉字这个对象上，和机械式学习相比，有没有某个特征性脑活动。解决了这个问题，就可以把这个特征性脑活动当做汉字理解型学习的指标。有了这个指标，一方面，可以去做更多的对象的理解型学习来看看指标是否有共性。另一方面，可以看看在问题解决的过程中，是否类似的脑活动会重现，或者更近一步，是否可以通过促进或者抑制这个脑活动来帮助或者阻碍理解型学习，或者后续的迁移创造、迁移学习。&lt;br /&gt;
&lt;br /&gt;
其实，是不是能进一步把这个特征性脑活动分成关于情感的、认知的等等各种子功能也是一个有意思的问题。&lt;br /&gt;
&lt;br /&gt;
=陈路遥 深层类比的特征性脑活动=&lt;br /&gt;
这个研究关注的问题是，高层类比，相比于浅层类比，是否有某个特征性脑活动。为什么要关注这个问题呢？因为类比，尤其是高层类比，是一种非常重要的学习方式。实际上，数学家就有非常明确的说法，“一般的数学家看到相似性，一流的数学家看到相似性的相似性”，以及我补充的“真正的科学家看到相似性的相似性的相似性”，而这些最后都会落实到数学结构。正是通过看到了这样的相似性，我们才能使得知识和学科融会贯通，才能解决本来就没有说非得属于哪一个学科的来自于现实世界的问题。&lt;br /&gt;
&lt;br /&gt;
=吴金闪/杨丽姣 阅读理解分级和字词难度测量=&lt;br /&gt;
中文阅读材料的阅读难度分级是一个目前非常急需的但是还没有解决好的问题。一般来说，正确率可以当做难度的一个指标。但是，正确率本身收到随机样本的影响很大，因此需要大量的样本来平衡掉这个随机性。另一个课难度非常相关的就是反应时&amp;lt;ref name=&amp;quot;Balota:ELP&amp;quot;/&amp;gt;。这个时候，我们可以仅仅针对完全答对的被试来做统计分析。也就是，在所有都答对的情况下，用时比较长的对应的难度比较大。&lt;br /&gt;
&lt;br /&gt;
沿着这样一个思路，我们可以让被试来做字词的读音和含义的选择，来做篇章的知识型问题（信息提取型，每个问题的答案藏在文本中）或者理解型问题（WHWM四问）的选择，然后通过测量反应时来度量难度。&lt;br /&gt;
&lt;br /&gt;
甚至，另一方面，如果我们还可以用阅读理解机来当被试就更好了：我们训练一个能够基本做对题的阅读理解机，然后我们在这个机器完成答题之后，想办法把这个机器的黑箱子打开，看看对于每个篇章，其消耗的资源，例如神经网络的权重结构、答题时间、内存、CPU消耗等等是否也有不同。这是不靠谱的研究，但是值得尝试。&lt;br /&gt;
&lt;br /&gt;
吴俊杰、杨丽姣，请教一下卢春明老师，通过准确率和反应时测量难度的问题。&lt;br /&gt;
&lt;br /&gt;
=郑丽芬 理解型学习的程度和多脑同步程度的相关性=&lt;br /&gt;
&lt;br /&gt;
前人的研究，包含郑丽芬和卢春明他们团队，已经发现，不同的教和学的方式，多脑同步的程度不一样，而多脑同步的程度和学习效果存在相关性。于是，在理解型学习的背景下，一个自然的问题就是，是否这样的多脑同步程度的不同，学习效果的不同，是由理解型学习的程度的不同造成的。当然，这个理解型学习的程度的不同又是不同的教和学的方式的结果。&lt;br /&gt;
&lt;br /&gt;
=郑永和：除了数学模型和科学化的框架之外的系统科学在哪里？=&lt;br /&gt;
郑老师期待听到一些中心在系统科学的典型分析方法，而不仅仅是在典型思维方式的层面，在教育研究上的应用。确实，这次没有开展。敬请期待后续的讨论。同时，我也在更新以后的讲稿中做了一个例子。见[http://iess.bnu.edu.cn/slides/iess_overview/ 中心研究鸟瞰]。&lt;br /&gt;
&lt;br /&gt;
=参考文献=&lt;br /&gt;
&amp;lt;references&amp;gt;&lt;br /&gt;
&amp;lt;ref name=&amp;quot;Karpicke:CM&amp;quot;&amp;gt; Jeffrey D. Karpicke, Janell R. Blunt, Retrieval Practice Produces More Learning than Elaborative Studying with Concept Mapping. Science, 331(6018), 772-775 (2011). 10.1126/science.1199327. &amp;lt;/ref&amp;gt;&lt;br /&gt;
&amp;lt;ref name=&amp;quot;Lechuga:CM&amp;quot;&amp;gt; M. Teresa Lechuga, Juana M. Ortega-Tudela, Carlos J. Gómez-Ariza, Further evidence that concept mapping is not better than repeated retrieval as a tool for learning from texts, Learning and Instruction, 40, 61-68 (2015), https://doi.org/10.1016/j.learninstruc.2015.08.002. &amp;lt;/ref&amp;gt;&lt;br /&gt;
&amp;lt;ref name=&amp;quot;Balota:ELP&amp;quot;&amp;gt; Balota, D.A., Yap, M.J., Hutchison, K.A. et al. The English Lexicon Project. Behavior Research Methods (2007) 39: 445. https://doi.org/10.3758/BF03193014 &amp;lt;/ref&amp;gt;&lt;br /&gt;
&amp;lt;/references&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%94%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5965</id>
		<title>分类:教育系统科学研究中心第五次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%94%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5965"/>
		<updated>2021-03-08T03:05:02Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是讨论研究计划和文献讨论。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年2月1日（周日）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=郑丽芬，教与学互动的脑机制=&lt;br /&gt;
教和学分别研究清楚之后，不管是行为的还是脑活动的研究，下一步要检验在实际教学场景中是否管用，可以采用“师－生行为关联性编码”和“师－生脑活动关联性计算”的方式。“师－生脑活动关联性计算”就是在师生的教学活动中，分别记录师生的某些个脑活动（EEG，fNIRS，fMRI），然后分析这些个脑区活动的时间相关性，以及进一步看这个相关性和学习表现（成绩）是否有较强的相关性。&lt;br /&gt;
&lt;br /&gt;
前人的研究发现，在某些学习场景下，师生的某些脑区的活动具有比较强的相关性，并且相关性高的师生对中的学生的学习效果往往比相关性低的要更好。但是，也有一些实验，发现对于某些任务相关性不高。&lt;br /&gt;
&lt;br /&gt;
猜测：联系理解型学习和机械式学习的对比，是否，相关性高的时候，往往是理解型学习的过程，也就是构建知识的含义的过程，而不是单纯输入输出的信息相一致的原因。如果确实如此，一方面，回答了脑活动相关性形成的原因，另一方面，对理解型学习的研究是一个促进。&lt;br /&gt;
&lt;br /&gt;
实验设计：&lt;br /&gt;
#　实验A 同一个可以发生理解型学习的需要学生构建含义的学习材料，老师用同样的字词，&lt;br /&gt;
#　对照组A1　一种打乱字词顺序使得这个学习材料基本不可能被理解基本没有意义，测量师－生脑活动相关性。&lt;br /&gt;
#　实验组A1　一种可以促进学生对这个学习材料的理解，测量师－生脑活动相关性。&lt;br /&gt;
#　实验B 同一个不能发生理解型学习的不需要学生构建含义的，只需要学生做机械式学习的通过背诵来学习的学习材料，例如，“这个字念什么，是什么含义，笔顺是什么，跟着我念和写”，老师用同样的字词，&lt;br /&gt;
#　对照组A1　一种打乱字词顺序使得学习从材料基本没有意义，测量师－生脑活动相关性。&lt;br /&gt;
#　实验组A1　一种每句话还是有意义的但是整体不促进理解型学习，测量师－生脑活动相关性。&lt;br /&gt;
&lt;br /&gt;
从整个“人类高速公路上的以高层知识生成器为目标的理解型学习”（或者简称“深层学习”）的角度来说，一旦我们从行为和脑科学的研究找到了具体某个方面的理解型学习的特征性脑活动，以及验证了这样的脑活动于是也就是这样的理解型学习有好处，则我们需要进一步考察这样的活动如何通过合适的教学活动来更好地激发。这个时候，师－生脑同步的研究就非常有意义了。因此，多脑研究是整个深层学习的研究中非常重要的一环。&lt;br /&gt;
&lt;br /&gt;
另外，如果上面的猜想能够被验证，本身也是对理解型学习的一个推动。&lt;br /&gt;
&lt;br /&gt;
=杨丽姣，基于多策略实验的汉语字词认知难度研究及词表构建=&lt;br /&gt;
在篇章阅读难度的测量中，字词难度是一个重要的变量。传统在英语的篇章阅读难度测量中，字词难度一般通过字频来体现——高频字被认为难度更小。但是，也有研究者指出，从心理学研究的角度以及从篇章阅读难度的角度，见[[:分类:字词难度|字词难度]]，更加直接的字词难度的测量是有必要的。&lt;br /&gt;
&lt;br /&gt;
当然，直接测量字词难度非常有挑战性。例如，通过多少人认识一个词来看这个词，很大程度上受被试群体的影响，而且这样的话只用上了“认识”和“不认识”这一点点信息，实验的成本太高有效信息太少。&amp;lt;ref name=&amp;quot;Balota:ELP&amp;quot;/&amp;gt;提出了一个非常巧妙的办法，记录被试的反应时间。其原理是：不管被试是否认识一个词，需要更多的反应时间的词就代表着这个词更难。这样，就不再需要通过寻找那群不认得某些词的被试来做实验，原则上，我们可以通过基本上已经掌握这些词的被试来得到词的认知难度。这是非常巧妙的设计。&lt;br /&gt;
&lt;br /&gt;
现在，我们把这样的实验设计用来做汉语字词的难度识别。考虑到汉语字词的读音、语义比较分离，我们拟采用以下几个任务来记录被试的反应时间：习得年龄评估、快速命名任务、读音判断任务、语义相关判断任务。&lt;br /&gt;
&lt;br /&gt;
从更加一般的角度来说，在我们的“人类知识高速公路”上，除了每个概念的使用频率，确实我们最好还有每个概念的“难度”的数据。这样，将来研究出来的学习顺序和检测算法就会有更好的效果。因此，这项汉字认知难度的研究，实际上，是更加一般的概念的认知难度的研究的一个案例。&lt;br /&gt;
&lt;br /&gt;
=参考文献=&lt;br /&gt;
&amp;lt;references&amp;gt;&lt;br /&gt;
&amp;lt;ref name=&amp;quot;Balota:ELP&amp;quot;&amp;gt; Balota, D.A., Yap, M.J., Hutchison, K.A. et al. The English Lexicon Project. Behavior Research Methods (2007) 39: 445. https://doi.org/10.3758/BF03193014 &amp;lt;/ref&amp;gt;&lt;br /&gt;
&amp;lt;/references&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E6%88%90%E7%AB%8B%E5%B0%8F%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5964</id>
		<title>分类:教育系统科学研究中心成立小会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E6%88%90%E7%AB%8B%E5%B0%8F%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5964"/>
		<updated>2021-03-08T03:04:49Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次活动是北京师范大学系统科学学院教育系统科学研究中心成立小会。&lt;br /&gt;
&lt;br /&gt;
主持人：周亚&lt;br /&gt;
&lt;br /&gt;
时间：2020年1月15日（周五）16:00-18:00点。&lt;br /&gt;
&lt;br /&gt;
地点：京师学堂第二会议室&lt;br /&gt;
&lt;br /&gt;
成立小会整体分成两个部分，领导寄语和学术报告。&lt;br /&gt;
&lt;br /&gt;
# 第一部分&lt;br /&gt;
## 陈晓松　宣布中心成立，并对中心成立的动机、目的、任务等作了介绍，强调系统科学要服务于具体系统，从具体系统的研究中发展概念和方法，尤其是和师大特色相结合。具体来说，目前选择在地球复杂系统和教育两个方向上推进系统科学和具体学科的结合。&lt;br /&gt;
## 陈丽　从教育研究者的角度提出来，我们确实需要“帮助老师教得更好，帮助学生学得更好”的方法，并且知识之间的联系还有深层学习，有希望可以成为这样的方法。在互联网时代信息的获取和传播变得更容易的条件下，数据记录、积累和获取变得更容易的条件下，科学家，尤其是系统科学的研究者，应该发挥更大作用。从学校的角度，师范大学在这方面需要走在时代前列，建立管用的得到使用的方法的体系，责无旁贷。陈老师也对吴金闪以后的工作提出了要求：要做好思想的交流，教育和科学两边话语方式的融合，建设好这个平台，成为研究者愿意起来来贡献的平台。&lt;br /&gt;
## 董国轩　书面致辞，强调，知识的层次和知识之间的联系，以及这些联系之上的算法，不仅仅可以用于回答如何更好地教和学的问题，还能回答如何更好地开展科学研究的问题。&lt;br /&gt;
## 汪明　他从高层知识生成器、知识的层次、教学的层次这些概念中看到了促进教和学的可能的抓手，希望中心能够基于这些理念，真正地做出来给教师和学生用的方法和成果。&lt;br /&gt;
## 杜链　提出了关于教育系统科学的三个问题：面对互联网等环境的改变，教育怎么办；学习是教、学、研之中最具有基础地位的东西，真正的学习需要做信息到语义的转化，而不是信息的记忆和提取，怎么做到；系统科学如何通过发展理论和方法来面对这两个问题，尤其是促进从信息到语义的转化。''顺便，吴金闪在这里先回应一下杜老师的问题：中心要做的事情正好就是促进信息（例如教材、板书、PPT等）到概念的转化，并且把概念通过联系起来的建构起来的方式，来让它们在学生的认知结构中成长，而这个教和学的理念（当然还得等进一步研究来搞清楚机理，以及怎么做有用）正好就是为了应对现代社会中单纯的“博学者”已经失去意义，而更需要的是“创造知识、创造性地使用知识、提出问题、解决问题的人”这样的场景。''&lt;br /&gt;
## 耿向东　从教师发展中心工作的角度，提出来对中心研究工作的要求和期待，以及反过来，中心研究工作对教师发展工作的意义。&lt;br /&gt;
## 朱旭东　教和学的研究，甚至更广泛的教和学之外的教育的研究，都需要多学科交叉来完成，而且要形成交叉学科学者能够实现有效交流的话语体系。一针见血指出来中心的野心：把系统科学藏背后，教和学这个研究问题放前面，来探索一个New Model of Education。&lt;br /&gt;
# 第二部分&lt;br /&gt;
##　吴金闪　介绍了中心的愿景（“帮助老师教得更好，帮助学生学得更好”）、开展研究工作的主要理念（围绕愿景建设开放的中心、系统和科学、具体知识领域、教和学的行为和脑科学、系统科学等学科相结合）和概念（知识的联系、知识的层次、上下左右贯通的理解型学习），同时也介绍了为了实现这个愿景目前开展的几个方面的研究（人类知识高速公路的构建、学习顺序和检测的算法、理解型学习和解释学习相比的特征脑活动、实验室学习实验、学习材料编撰和课堂教学实验、教和学层次的标注、促进理解型学习的教师培养和教育管理研究）&lt;br /&gt;
##　吴俊杰　介绍了关于汉字理解型学习，和机械式学习来看，的特征脑活动的研究。如果能够找出来，则后续可以研究什么样的监测和干预方式（仪器测量和干预、教学手段的干预）可以促进理解型学习，以及理解型学习是不是真的对提出和解决问题有意义。&lt;br /&gt;
##　陈路遥　介绍了关于高层类比，相对于底层类比来看，的特征脑活动的研究。如果能够找出来，则后续可以研究什么样的监测和干预方式（仪器测量和干预、教学手段的干预）可以促进高层类比的学习，以及高层类比的学习是不是真的对提出和解决问题有意义。&lt;br /&gt;
##　朱志勇　从当前的实际课堂教学情况和理想中的教学情况、过去二十年前的教学情况的比较开始，强调了做“教学活动层次标注”的意义。&lt;br /&gt;
##　葛毅　总结了前一阶段的募捐活动，以及和企业间的合作的情况，代表中心致谢了各个捐助机构。受内心对中心研究理念和研究项目的认同感的驱使，投入时间来帮助中心建设。&lt;br /&gt;
## 狄增如　对前面的发言做了总结，并且提出来，要研究教育评价：如果教育评价，不管是对学生还是教师的评价，不改变，则前面的好方法也不能真的发挥作用。&lt;br /&gt;
&lt;br /&gt;
感谢大家的支持和指导。这个会议对中心工作的帮助特别大，都是肺腑之言。咱们中心，尤其是吴金闪，太有幸了，仪式性会议也能开得如此学术。感谢大家对吴金闪风格的容忍和支持。我把会议记录用的笔记本给丢了，只能暂时写这么多了。会有再补上。各位发言人如果又要提醒我修改的地方，一定提醒我。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%9B%9B%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5963</id>
		<title>分类:教育系统科学中心第四次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E5%9B%9B%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5963"/>
		<updated>2021-03-08T03:04:30Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是讨论研究计划。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年1月10日（周日）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=周亚，中心制度文档=&lt;br /&gt;
报告了中心制度文档，后续组织修订和讨论工作&lt;br /&gt;
&lt;br /&gt;
=吴金闪，教学层次标注项目申请书汇报=&lt;br /&gt;
按照中心研究项目申请模版，撰写了“教学层次标注”项目的申请书，明确了研究线路和计划，也使得部分概念更清晰了。&lt;br /&gt;
&lt;br /&gt;
=吴金闪，携手同行，改变教育，让世界更美丽=&lt;br /&gt;
汇报中心的定位，研究工作主要理念和主要开展的研究&lt;br /&gt;
&lt;br /&gt;
在报告里面补充：给高层类比做个铺垫&lt;br /&gt;
&lt;br /&gt;
=吴俊杰，汉字理解型学习的神经机制=&lt;br /&gt;
我报告了'''汉字理解性学习的脑机制和神经标记'''项目的进展（PPT请见[[file:20210109-4th-汉字理解性学习的脑机制和神经标记.pptx]]）。简单梳理了已有研究在汉字学习或者词汇学习方面的工作，前人研究认识到了基于部件的汉字教学/学习的重要性，实证性地探讨了汉字部件意识的发展，也有研究探讨了基于联系的词汇学习，然而却缺少对汉字部件的理解型学习，也不清楚该过程的神经基础。并且报告了本项目准备探讨汉字理解型学习的实验设计。详细内容见PPT。&lt;br /&gt;
&lt;br /&gt;
其他老师们提出了很多特别好的意见和建议，我大致把意见整理如下。&lt;br /&gt;
# 理解型学习/机械型学习在我目前的实验设计中是材料上的操纵，不是学习策略上的操纵；然而我们通常所“批判”的机械型学习是死记硬背式的学习策略，这会不会是个问题（冯丽萍老师）。&lt;br /&gt;
# 被试是中国被试，在实验时头脑中会有汉字部件的知识，设计的材料是否会跟已有知识冲突（陈路遥老师）。&lt;br /&gt;
# 是否要把发音考虑进来（郑丽芬老师和冯丽萍老师）。&lt;br /&gt;
# 能否直接设计一组材料，部件和部件的组合跟字义强联系；另一组，部件和部件的组合跟字义没有联系，把正确的对应关系打乱（郑丽芬老师）；然后在给被试学习的时候不给理据（吴金闪老师）。&lt;br /&gt;
# 先给被试培训编造的部件及其含义，在通过部件的组合来实现上一点（陈路遥老师）。&lt;br /&gt;
&lt;br /&gt;
=陈路遥，底层和高层类比的神经机制=&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%8C%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5962</id>
		<title>分类:教育系统科学中心第二次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%8C%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5962"/>
		<updated>2021-03-08T03:03:53Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是汇报中心建设进展，讨论具体研究问题。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月27日（周五）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=吴金闪，中心建设进展=&lt;br /&gt;
学院已经批准成立“教育系统科学研究中心”。中心研究项目已经进入研究项目文本写作阶段。中心也得到了相关企业的研究性资金的捐助。&lt;br /&gt;
&lt;br /&gt;
=周亚，中心成员贡献计算方案=&lt;br /&gt;
&lt;br /&gt;
草稿在这里：[https://shimo.im/docs/Qd8dcVYX9JPKTyCJ/ 《中心研究工作贡献计算方案》]。建议请向周亚老师提出，近期会确定下来当做中心成员合作模式的基础。&lt;br /&gt;
&lt;br /&gt;
=朱志勇，教和学的层次的标注和量表=&lt;br /&gt;
朱老师下次做研究计划报告：能不能做，遇到什么问题，在哪些学科用什么材料做，需要人员和经费预算。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　Neural Substrates for Analogical Reasoning Complexity of Multi-level Abstract Relations=&lt;br /&gt;
&lt;br /&gt;
'''多层抽象关系类比推理复杂度的神经基础'''&lt;br /&gt;
&lt;br /&gt;
'''概念界定'''&lt;br /&gt;
（1）类比推理的概念界定：“identifying similarities between apparently dissimilar objects or situations”“a form of relational reasoning that depends on our ability to consider and compare relationships and to integrate or match those relationships.This relational processing yields the inference of an analogy schema, i.e., a pattern of relational similarities between the analogs. The analogy schema is at a more abstract level of similarities than superficial or perceptual similarities would be, reflecting a mechanism by which relational reasoning supports abstract thinking.”（Hobeika et al., 2016）&lt;br /&gt;
&lt;br /&gt;
（2）类比推理的复杂度：由需要进行类比推理的抽象关系的层次数所决定&lt;br /&gt;
&lt;br /&gt;
（3）多层抽象关系的操作定义：在一个“A B : C D :: E F : G H”形式的八项推理中，如果只关心A B : C D内各对关系与E F : G H内各对关系的对应关系，如A B :: E F, C D :: G H,则称为对单层抽象关系的类比推理；如果关心A B 与 C D的关系与E F 与 G H的关系之间的关系，则除了通达A B或C D各自的关系外，还需要表征A B与C D的关系，并与E F和G H的关系进行类比，这就是对多层抽象关系的类比推理。这里，抽象关系指的是视觉符号的顺时针、逆时针旋转以及符号间的相反关系，它们并不表征具体的概念关系。&lt;br /&gt;
&lt;br /&gt;
（4）类比推理的抽象性：A B : C D （类比前项，即题项）与 “E F : G H”（类比后项，即反应项）之间采用不同的材料，因此不存在简单的基于视觉相似性的推理过程。&lt;br /&gt;
&lt;br /&gt;
'''研究问题'''&lt;br /&gt;
核心研究问题：多层抽象关系的类比推理复杂度是否可以调制支持类比推理的脑区的神经活动？&lt;br /&gt;
子问题：&lt;br /&gt;
（1）抽象关系类比推理的脑区有哪些？&lt;br /&gt;
（2）多层抽象关系与单层抽象关系类比推理之在大脑激活模式上存在何种异同？&lt;br /&gt;
&lt;br /&gt;
'''研究方法'''&lt;br /&gt;
（1）被试：健康、右利手、汉语母语大学生&lt;br /&gt;
（2）设计：被试内；自变量：类比推理的复杂度，即抽象关系的层次性（多层 vs. 单层）；因变量：行为ACC &amp;amp; RT；脑区激活与功能连接模式&lt;br /&gt;
（3）材料：&lt;br /&gt;
（3-1）图式性材料 [[文件:陈路遥_抽象关系类比的神经基础.pdf]]&lt;br /&gt;
（3-2）试次类型 [[文件:陈路遥_抽象关系类比的神经基础.pdf]]&lt;br /&gt;
（3-3）具体材料：被试不熟悉的抽象符号（待制作）&lt;br /&gt;
（3-4）基线：完全相同关系的类比（如 ˃ ˄ : ˂ ˃ ::  ˃ ˄ : ˂ ˃），有趣的是，这类似于更底层的推理，因为被试只需要注意题项中每一个符号与反应项中每个符号的对应关系就可以了，是更基础的类比方式。此外，在无任务的静息状态（resting）可以呈现注视点“+”作为更加基础的视觉基线。&lt;br /&gt;
需要讨论的是：此时，相同关系推理基线是否作为自变量的第三个水平？（我倾向于认为可以，这样就实现了更多层的类比推理）&lt;br /&gt;
&lt;br /&gt;
'''实验过程'''&lt;br /&gt;
（1）被试需要提前熟悉所有具体的符号（注意：只是熟悉符号本身，而不是符号之间的关系）&lt;br /&gt;
（2）训练（Training session）：被试需要在进入scanner前（提前多久尚不确定）进行类比推理训练，正确率达到90%以上可以进入扫描阶段。&lt;br /&gt;
（3）扫描（scanning session）：Block设计：任务Block与基线Block（相同关系的推理是任务block的还是基线block的？）&lt;br /&gt;
&lt;br /&gt;
'''数据采集与分析'''&lt;br /&gt;
暂略&lt;br /&gt;
&lt;br /&gt;
'''实验预期'''&lt;br /&gt;
暂略&lt;br /&gt;
&lt;br /&gt;
（注：以上讨论的成果主要的智力贡献来自陈路遥、吴金闪、吴俊杰和冯丽萍）&lt;br /&gt;
&lt;br /&gt;
=吴俊杰 Neural Representations of Scientific Knowledge After Meaningful Learning=&lt;br /&gt;
&lt;br /&gt;
我介绍了考察人类科学知识表征的初步设想：前人研究主要考察词汇概念/世界知识的表征，尚未考察科学知识的表征，特别是尚未考察科学知识是否以概念和概念之间联系的方式表征在人类的认知和神经中，仍然有待研究。借助前人研究比较成熟的表征相似性的方法，我们可以很好地将现有研究推进至科学知识的表征方面。报告PPT请见[[File:Neural_Representation_of_Scientific_Knowledge_After_Meaningful_Learning.pptx]]&lt;br /&gt;
&lt;br /&gt;
# 静态考察。让被试这就某门课程中涉及的概念进行距离评估（或者绘制概念地图)，将他们评估的距离矩阵与专家的相比，比较其相似性，检验是否相似性越高的被试，越能够在解题时有更高的正确率。并使用脑成像技术，考察该相似性矩阵在头脑中的表征位置或者脑网络。&lt;br /&gt;
# 动态考察。让被试理解性地学习一种材料（如量子力学）、机械性地学习另一种材料（如数据结构，可以是让被试背诵或者让被试阅读乱序的材料）。在学习前后都进行概念间距离的评估（或者绘制概念地图、或者扫描其阅读该概念时的脑活动）和解答题目，检其理解性学习前后的语义距离/脑区相似性矩阵相似性（相比于机械性学习）是否发生显著变化。&lt;br /&gt;
&lt;br /&gt;
受冯丽萍老师启发，我在这里需要明确的是，目前的实验设计只是考察学习者建立知识表征的结果，至于他们建立知识表征的过程是怎么样的，是一个很好的点，或许可以想办法融入到实验设计中去。陈路遥老师问到机械性的学习是该怎么操作的问题，是该操纵被试的学习方式，还是应该操纵他们所学些的材料（能否获取意义）。两种方式各有利弊，这确实有待考虑。&lt;br /&gt;
&lt;br /&gt;
另外，朱志勇老师提到的，成人的概念形成相比于儿童来说比较稳固，或许可以以儿童、青少年为研究对象。这是很好的提醒，一方面在大学生中开展的实验，在编制材料是应该有更强的专业性（比如、统计、量子力学、数据结构等），而尽量避免通识性的知识；另一方面，除了科学知识之外，考察儿童、青少年建构日常生活中的知识（即世界知识）的表征，或许也是一件非常值得去做的事情。&lt;br /&gt;
&lt;br /&gt;
最后，吴金闪老师建议，看看能否把之前所思考的词汇学习、遗忘曲线的研究融合在一起来做，并在脑活动层面上提供证据；并更多地指向高层知识生成器的神经基础。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%89%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5961</id>
		<title>分类:教育系统科学中心第三次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%89%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5961"/>
		<updated>2021-03-08T02:56:09Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是讨论研究计划。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年12月16日（周三）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=吴金闪，中心建设进展=&lt;br /&gt;
报告了知识型研究型企业建设项目的进展&lt;br /&gt;
&lt;br /&gt;
=吴金闪，从汉字网络和学习研究到理解型学习=&lt;br /&gt;
# 从经典力学的发展历史看什么是科学：给现实世界构建数学模型，要求算出来的结果在误差范围内和实验测量结果相符&lt;br /&gt;
# 从汉字网络和汉字学习看什么是系统科学：从孤立到有联系，从直接到间接联系，从个体到整体，从整体看个体，从具体中来，成为一般概念和方法，到具体中去&lt;br /&gt;
## 从孤立地学习汉字，到局部地运用汉字之间的字形的联系（以及字形联系带来的含义和读音联系）来学习汉字&lt;br /&gt;
## 整体问题一：汉字学习顺序&lt;br /&gt;
## 整体问题二：汉字检测算法&lt;br /&gt;
## 检测算法和学习顺序的结合——个性化学习方案&lt;br /&gt;
# 从汉字网络和学习研究到更一般的知识的理解型学习&lt;br /&gt;
## 一般的知识，在构建出来概念网络之后，和汉字学习类似&lt;br /&gt;
## 最近新提出的概念——知识的层次（高层知识生成器）、理解型学习就是上下左右贯通&lt;br /&gt;
&lt;br /&gt;
=吴俊杰，理解型学习的认知神经机制研究=&lt;br /&gt;
[[文件:研究框架-理解型学习的认知神经机制.PNG|800px]]&lt;br /&gt;
# 介绍了理解型学习的认知神经机制研究的框架。该项目或许可以从这三个方面来实施：有意义地建立知识表征、维持知识表征、使用知识表征解决（新异）问题。&lt;br /&gt;
## 为了比较理解型学习和机械学习过程，研究一考察，相比于通过机械记忆，人们通过建构意义的方式建立知识表征过程的大脑活动有何不同。&lt;br /&gt;
## 为了检验知识在头脑中是否以概念地图形式表征的，研究二采用概念距离矩阵、概念的神经表征相似性矩阵和测试成绩之间进行相关分析，考察哪些脑区表征了概念间的关系。&lt;br /&gt;
## 为了考察人们在使用知识表征进行问题解决时的大脑如果，研究三将教授多组被试不同层次的知识（生成器），让他们用于解决不同层次的条件推理任务，考察该过程中知识表征脑区和其他相关脑区如何协同合作。&lt;br /&gt;
# 讨论了研究一（词汇学习）的实验设计&lt;br /&gt;
## 实验设计的介绍。招募一批被试，随机分配进实验组和控制组。第一步，在核磁扫描间外，给实验组讲授学习词汇的词根/部件，给控制组讲授无关内容。第二步，把每个被试推到核磁扫描间，给他们呈现人造的词汇和相应的含义（如，xxx-，某含义），要求他们学习词汇和含义的对应（编制的材料要尽量做到，让实验组能在第二步根据词根/部件有意义地学习词汇的含义，而控制组却不能）。第三步，仍然在核磁扫描间，给每个被试呈现测试词汇，要求他们在两个选项中选择出正确的含义（其中测试词汇中，有部分是被试在第二步中学习过的旧词，另一部分是被试根据词根和第二步中暗含的构词规律可以推导出正确意思的新词）。数据分析可以从两方面进行：分析第二步学习单词阶段，两组被试的脑活动差异；分析第三步测试单词阶段，两组被试在提取旧词、提取新词时的差异。&lt;br /&gt;
## 实验设计的讨论。&lt;br /&gt;
### 实验组中理解型学习的操纵是否有效。陈路遥老师提到，实验组相当于是机械性地记住了词根/部件，并在第二步中不断运用它们。李克强老师进一步指出，目前的实验设计实验组和控制组，是否反过来更合适。目前的实验组机械性地记忆词根/部件，这可能并不能算是理解型学习，反倒是控制组的被试有机会通过理解型学习自己总结出实验组中所学词根/部件的含义，这更像是理解型学习。吴金闪老师认为这取决于我们的目标是要让被试学会什么东西，认为在目前的实验设计中，实验组对词汇的学习是理解型的，对词根/部件/构词规律的学习是机械性的，控制组中能够在众多词汇中摸索出词根和构词规律的被试，他们在对词汇和词根/部件/构词规律两个层面的学习都是理解型的。吴金闪老师进一步总结道：“第n层知识完全通过记忆这个知识来学习，第n层知识还可以通过对第（n-1）层的总结提炼来学习，第n层知识通过用第（n+1）层知识来生成而学习，第n层知识通过联系到其他第n层知识的来学习。只有后三种称为理解型学习，第一种不能算作理解型学习。”'''这些观点我认为是有道理的，在此基础上，我想再做一个补充的思考：对第n层知识的理解型学习，可以通过对第（n-1）层的总结提炼而来，也可以是仅仅建立其与第（n-1）层的联系而来。'''让我们退一步来看，当教师在授课时，先讲授了学科级别的知识（第n层的知识，暂且类比于本实验中的词根/部件/构词规律），学生缺乏具体的n-1层的知识，暂且先记在脑子里，这很可能是机械式的记住，但这确实会帮助学生更高效地（相比于没有先学学科级别知识的学生）学习一个又一个n-1层的知识（类比于本研究中的具体词汇，我们认同这是对词汇（n-1层知识）的理解型学习），另一方面，这批学生在接触到一个又一个第n-1层的知识时，反复运用了头脑中机械性记住的第n层知识，建立了第n层与第n-1ceng间的联系，进而对此进行优化（类比于本研究中的词根/部件/构词规律）。从这个角度来说， 目前实验设计中的控制组，在第二步中对词根/部件/构词规律的学习，这可能有理解型学习的成分。进一步推广了来说，'''只要让学生能在第n层与第n-1层建立联系（不一定必须有总结提炼），就可以当做是理解型学习'''。比如说，如果第一步我们给不懂汉语的外国被试10个词根/部件/构词规律（第n层的知识）：（1）带金字旁的都是金属，（2）带草字头的都是草本科植物，……（10）带鱼字旁的都是鱼类。被试在学习这些部件的时候，是机械性地记在脑子里，相当于在脑子里生建了10个空文件夹（类似于皮亚杰所说的图示）。接着在第二步中，被试接触到100个字和相应意思（给定的字都符合前面10中类别，不给鲸之类的例外），被试会运用第一步中第n层知识去帮助自己学习具体的每个字。假如把被试当做一台计算机，我只需要给被试写一个算法，让他们将这100个字一个又一个地放入前面的10个文件夹中去，而不需要额外写算法让被试在这100个字中总结提炼出7类、8类、甚至10类，再放到前面这10个文件中。当然，这并不意味着这个额外算法一定不存在，只是在这个任务中如果有这个算法的话更费能量，不够高效。'''因此，对第n层知识的理解型学习，或许更本质的是其与其它知识建立联系（这个联系可能包括了生成、总结提炼，也包括一般意义上的关联）。'''&amp;lt;u&amp;gt;吴金闪老师会认为，对于真正有理解型学习习惯的人，每次看到n-1层知识都会重新去做从n-1层到第n层的提炼。&amp;lt;/u&amp;gt;在这个点上我保留观点，原因是这太费能量啦；相比于布鲁纳的发现学习，奥苏伯尔的接受性学习很多时候可能只是建立n与n-1层的联系，而不需要从n-1总结到n，因为老师帮忙提炼总结好了，直接教授给学生。不过吴金闪老师的这个观点也是一种可能，至少是一个可以被检验的假说。'''我倾向于把吴金闪老师这里表述的“生成”“总结提炼”重新理解成逻辑上的客观存在，而不是指人们在信息加工的时候必须存在这么一个心理过程（类比于计算机算法）。'''&lt;br /&gt;
### 理解是绝对的，还是相对的（讨论中我试图在说，没说出来的点）。在上一步的基础上，或许可以更进一步地说，我们所说的“理解型学习”可能并不是或全或无、非黑即白的，更可能是相对的、有各种梯度的“似懂非懂”的状态。对这个状态的评估，可以采用吴金闪老师反复讲到的“联系”。不过，我理解的，吴金闪老师更认可的联系是事物之间的内在联系，而且这个联系是有第n层之间的、第n层与第n-1层、第n-1层内等，非事物间的表面的、肤浅的联系。在这里我想做的另一个补充是，事物之间的关系是内在联系还是表面联系的辨别依赖专家的主观经验，或许对于学习者的学习过程来说，两者并没有本质却别（当然，学习内容不一样，比较两种学习过程的脑活动可能会不一样；而且，在运用学会的知识指导实践时，会有明显的区别）。经过记忆术训练的人可以将π联想成年份、生日等，这样的联系虽然很肤浅，但相比于任何联系都不使用人的来说，他们或许也是理解型学习；但相比于知道π是圆的周长与直径之比的人来说，他们又是机械性学习；相比于那些真正通过割圆术等方法计算π的人来说，只是知道π是圆的周长与直径之比的人是机械性学习（因为这一点也是小学时候被告知、记下来的，我们绝大多数人也从来不知道怎么计算π）。后面的几种情况，该算作是理解和不理解（机械）的区分呢，还是第n层和第n-1层的区别呢？在理论上说，知道去计算圆的周长和直径之比、知道割圆术、知道π=3.1415626...，分别是第n、n-1、n-2层，前者可以生成后者，但实际的学习中，我们更多是把它们联系在了一起(忽略/忘记了很多细节以至于要去生成还特别困难)。如果这一点成立（即，理解型学习的目的是可以做生成，但学习过程的本质却通常是只联系[我们希望是内在联系]），这和使用记忆术的联系或许没有本质区别（当然也可能有），使用记忆术与生记（愣生生地记）的对比，也是有联系和没联系的对比，或许也是理解与机械的对比，只是这个对比比较low。也就是说，理解可能是相对的，这不仅是在知识生成器的层级上来说的，而是从联系多少的角度上来说（包含内在联系和表面联系）。当然，我说的这点不一定对，只是一个探讨的思路，或许可以推进“理解”内涵的理解，而不满足于答题正确与否的操作性定义。欢迎进一步讨论。&lt;br /&gt;
### 如何更好地比较两组人在第二步的学习过程，是的它是理解与机械的对比。陈路遥老师指出，在目前的方案中，在第一阶段学习词根/部件，或许被试在第二阶段忘了，没有办法联系起来。我认为这种情况是值得考虑的，这对实验材料的编制提出更高的要求。冯丽萍老师提到，控制组中的被试可能自发地学会规律，那么把学习过程记录下来，分阶段，并比较两组人初期的学习活动，或许可以能反映理解和机械的对比。吴金闪老师问到，为什么不把第一步和第二步合在一起，把词汇和词汇的理据（部件和构字依据）放在一起让被试学，一组有理据，另一组学没有理据，两组对比就是理解和机械的区别。这里我有的担心是，使得两组人的差异仅来源于理解和不理解，那么要避免差异来源于刺激本身，目前的设计做到了刺激相同，如果换成一个有理据，另一个没理据，在刺激上有差异。在陈路遥老师的讨论中，我们想到一个解决方案是，在一个核磁的block中，把理据和词汇打乱，这使得被试在该block中接受到刺激是一样的，不过一个是理据和词汇匹配，能获得意义；另一个不匹配，不能获得意义。目前看来，这既回避了陈路遥老师开始提出的第一步和第二步可能联系不起来的顾虑，也可以保持被试在学习阶段所接收到的刺激在一个block内是一样的。&lt;br /&gt;
### 下一步的工作计划。目前已经召集了两个本科生开始编制实验材料。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E4%B8%AD%E5%BF%83%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5960</id>
		<title>分类:中心活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E4%B8%AD%E5%BF%83%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5960"/>
		<updated>2021-03-08T02:55:25Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:工作进展板  中心每次学术讨论，或者会议，做纪要的地方。注意，只需要整理最重要的几点，尤其是要落实的那些...”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展板]]&lt;br /&gt;
&lt;br /&gt;
中心每次学术讨论，或者会议，做纪要的地方。注意，只需要整理最重要的几点，尤其是要落实的那些。纪要不是会议内容的文字转录。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5959</id>
		<title>分类:教育系统科学中心第一次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5959"/>
		<updated>2021-03-08T02:54:10Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:中心活动纪要]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是整体介绍一下“深层教和学研究”的主要思想、项目和方法。以下是各个部分讨论的概要。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月4日（周三）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=周亚，结合学院研究布局来定位中心的研究工作和将来的实践工作=&lt;br /&gt;
&lt;br /&gt;
=吴金闪，深层教和学研究的理念方法和项目=&lt;br /&gt;
介绍了知识网络（概念联系），知识的层次，教和学的层次等概念，并且提出，应该关注深层教和学，这种真正促进创造提升迁移能力的教和学，而不仅仅是信息提取记忆程序性计算的重复练习等浅层学习。在理念的基础上，吴金闪还介绍了从标注了教和学的层次的学科知识网络的构建（人工构建、构建算法、网络上的学习顺序算法和检测算法），以及深层教和学的基础研究（行为和脑科学测量、深层教和学是否可以提高问题解决能力和创造力、当前教师和学生的教和学的层次）两个方面，介绍了大概有哪些[[:分类:认知和教育中的系统科学|具体研究问题]]，大概怎么做。&lt;br /&gt;
&lt;br /&gt;
更多深层教和学研究的文档见：[[:分类:深度教和学文档|深度教和学文档]]。&lt;br /&gt;
&lt;br /&gt;
=朱志勇（吴金闪代讲）教和学的层次的标注和量表=&lt;br /&gt;
展示了[[:分类:教和学的层次研究|教和学的层次]]的[[:分类:课堂教学的层次的标注|编码内容、编码原则和编码流程，编码例子]]。以及后续研究计划，包含相关的理解型学习量表（和编码交叉检验）、问题解决能力和创造力量表，以用于后期的行为编码（人工和机器学习标注）和统计分析。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　多层次类比思维的习得，脑活动和行为=&lt;br /&gt;
第一次活动主要初步介绍了fMRI（功能磁共振成像）的研究设想，主要是围绕类比思维的复杂度和所需类比的抽象关系的复杂性展开的成像研究。&lt;br /&gt;
&lt;br /&gt;
类比思维的复杂性体现为：完全相同关系类比、整体相似关系类比和关系相反类比&lt;br /&gt;
抽象关系复杂性体现为：双信号相同、单信号相同和双信号相反&lt;br /&gt;
&lt;br /&gt;
需改进之处：&lt;br /&gt;
（1）学习或者训练难度较大          &lt;br /&gt;
（2）条件较多，实验时长较长&lt;br /&gt;
（3）实验材料的加工可能存在策略，如 &amp;gt; &amp;lt; : &amp;lt; &amp;lt; （题项）:: &amp;lt; &amp;gt; : &amp;gt; &amp;lt; （反应项）就是一个错误类比，但被试只需要对反应项进行符号数数即可，即不存在两个相同的符号就是错的，不需要内部加工符号之间的抽象关系，也就是说，在加工中，被试采用了非规则策略，导致其认知过程不是我们想考察的。&lt;br /&gt;
对这些问题的改进将在第二次活动中进行介绍。&lt;br /&gt;
&lt;br /&gt;
=吴俊杰　浅层、深层学习和思考的实验研究，脑活动和行为=&lt;br /&gt;
==关于如何定义理解的分歧==&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我先把昨天我们讨论的分歧点，和今天一些更新的思考写下来，后面在把背景和要做的事情补充上。&lt;br /&gt;
&lt;br /&gt;
昨天我们讨论的分歧是，可否把正确回答沃森测试的被试的脑激活与错误回答的相减，得到的脑区（也可能是脑网络、或者激活模式，暂以脑区来简化表述），操作性定义成'''理解的脑区'''，并把该脑区的活动强度作为理解程度的脑指标。&lt;br /&gt;
&lt;br /&gt;
认为可以的理由是：答对了的人被认为是理解了的，因为只有理解了才能做对（暂不考虑能蒙对的情况）；答错了的人被认为是没理解的，因为没理解到位才会答错（也只考虑理想情况）；所以前者减后者就是理解的脑区，逻辑上说不会有其他东西。&lt;br /&gt;
&lt;br /&gt;
认为不可以的顾虑是：他们存在差异的脑区，可能不仅包含'''表征知识结构的脑区'''，还包含'''推理执行的脑区'''和'''执行控制的脑区'''。如果“简单粗暴”地把差异脑区作为'''理解的脑区'''，那意味着把'''理解'''扩大成正确完成推理的过程、这更像是一个问题解决的过程，而不是我们原先所说的，理解是概念和概念之间的联系、是知识结构的表征。&lt;br /&gt;
&lt;br /&gt;
我区分出的'''知识结构的表征'''，还包含'''推理的执行'''和'''执行控制'''三个部分可能不太好理解，我举个登山的例子来说明。把登山类比成条件推理，假设登山也需要'''知识（类比知识结构的表征）'''，山上是阔叶林、针叶林、雪，可能需要的知识结构不一样（类比于条件推理需要if then的知识，三段论推理需要别的知识）。除了知识以外还需要'''体力（类比推理的执行）'''来实施登山知识中的做法，在实施的过程中需要'''意志力（类比执行控制）'''来坚持目标。有些运动员可以爬到山顶，有些没有（分别类比正确和错误回答条件推理的问题）。&lt;br /&gt;
&lt;br /&gt;
那么我们比较正确和错误回答问题的被试的脑活动，就好比在比较这到达和没到达山顶的运动员之间的差别，这个差别包含了'''登山知识'''、'''体力'''和'''意志力'''。其实我们更关心的登山知识，最好是让运动员（被试）在山顶回望自己登山成功的诀窍（不爬山的时候其实也行），而不应该让他们一遍又一遍地登山，因为这样很需要体力和意志力，后两者需要的努力更强，会掩盖掉登山知识的努力。对应过来就是，推理执行和执行控制会掩盖掉知识结构的表征。我用登山作例子是为了突出后两者所需要的认知强度会掩盖掉前者，登山的例子也可以换成走迷宫。'''理解'''的内涵应该是被试能够在迷宫出口回顾/再现（他所理解的）迷宫的结构，不应该包含是走迷宫的体力和意志力。&lt;br /&gt;
&lt;br /&gt;
'''推理的执行'''可能存在一部分跨领域的一致性，也就是三段论推理和条件推理也有共同激活的脑区，尽管二者有着不同的知识结构；'''推理的执行'''可能也存在一部分领域特异性，已有的脑成像研究认为社会推理、预警推理、抽象推理使用的脑区有相当的不同。&lt;br /&gt;
'''执行控制'''是指在人们协调自己思考与行为使之与目标保持一致的能力，这与智力高度相关，脑区有大量重叠，有相当程度的领域一般性。&lt;br /&gt;
&lt;br /&gt;
如果接受推理过程存在'''if then知识结构的表征'''、'''推理的执行'''和'''执行控制'''，而且也接受'''理解'''的是定义形成和维持'''知识结构的表征'''（而不是三者混合），那么正确和错误回答的被试的脑活动之差，就不单纯地是理解，而且理解更可能被后两者所掩盖。如果后两者特别强烈的话，那么找出来的脑区更可能是'''推理的执行'''和'''执行控制'''的脑区，也就是流体智力的脑区，而非理解的脑区。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
你这个困惑的问题在于：第一、没有考虑两类被试间的对比；第二、没有考虑这个研究的后续研究（这是为后续研究不同学习方法的效果服务的）。&lt;br /&gt;
&lt;br /&gt;
回到实验设计。我们有两个逻辑内涵一样的问题：具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;和抽象题&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;。具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;，例如，规则是“喝酒的人必须大于18岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;18&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。抽象题&amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt;，例如，规则是“穿红衣服的人必须大于14岁（&amp;lt;math&amp;gt;R=1\rightarrow Y&amp;gt;12&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“穿红衣（&amp;lt;math&amp;gt;R=1&amp;lt;/math&amp;gt;）、穿黄衣（&amp;lt;math&amp;gt;R=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。这两个问题的区别在于，前者和生活经验很接近，后者和生活经验很远。甚至，我们可以把抽象题改成，&amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt;，规则是“喝酒的人必须大于14岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;14&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。&lt;br /&gt;
&lt;br /&gt;
我们来看这样的两组被试：第一组&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;两个题（&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;）都答对了，第二组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;都答对具象题（&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;）但是但错了抽象题（&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;）。其实还有另外两组被试两题都答错了，以及具象题答错抽象题答对。这两组我们暂时不管。&lt;br /&gt;
&lt;br /&gt;
我们问这两组被试可能是什么原因造成的？&lt;br /&gt;
&lt;br /&gt;
为了回答这个问题，我们注意到，从逻辑内涵上说，&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;问题完全一致：规则是一组形如&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;的条件推断，如果出现&amp;lt;math&amp;gt;P=1\rightarrow Q=0&amp;lt;/math&amp;gt;则违反了这个规则，或者出现&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;则也违反了规则（因为我们可以得到&amp;lt;math&amp;gt;Q=0\rightarrow P=1 \rightarrow Q=0&amp;lt;/math&amp;gt;，矛盾）。更进一步，这相当于说，&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0\rightarrow P=0&amp;lt;/math&amp;gt;是等价的（因此，&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;违反规则）。这被称为原命题等于逆否命题。于是，自然我们就发现，需要稽查的对象的特征是&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;Q=1&amp;lt;/math&amp;gt;）和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;P=0&amp;lt;/math&amp;gt;）。另外两种情况就算查了，无论答案是什么，都不违反规则。&lt;br /&gt;
&lt;br /&gt;
于是，我们得到一个结论：如果被试实质上'''知道了并且能够应用'''“原命题等于逆否命题”的知识，则无论抽象题和具象题都应该能做对。因此，如果出现了&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试，则肯定是这组被试不满足'''知道了并且能够应用'''“原命题等于逆否命题”。&lt;br /&gt;
&lt;br /&gt;
那么，这组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试为什么又能够把具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;答对呢？因为具象题和生活经验非常接近，因此，另一个答对题的渠道是直接利用生活经验：对于喝酒问题，当然不到年龄&amp;lt;math&amp;gt;Y\geq 18&amp;lt;/math&amp;gt;的要检查，然后喝酒的&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;的也要检查。也就是说，&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;可以不依靠'''知道了并且能够应用'''“原命题等于逆否命题”来回答对。&lt;br /&gt;
&lt;br /&gt;
当然，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;组被试肯定得'''知道了并且能够应用'''“原命题等于逆否命题”，尽管其在回答具象问题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;的时候不一定用了这个思维和决策方式。&lt;br /&gt;
&lt;br /&gt;
因此，我们看到，对比这两组被试的脑活动，例如先在组内做一个具象问题和抽象问题的对比，然后组间对比，可以探测到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。当然，实际实验中，组内对比做减法的时候&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;被试不一定就能够完全消去经验决策的脑活动（原则上两个任务都在用经验决策，但是还会有剩余其他思维的差别），&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试也不一定就能非常好地保留理性决策通道的脑活动（原则上，具象任务激活理性决策的程度应该比抽象任务激活程度低，但是，也有可能两者激活强度类似）。理想条件下，&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;减完了就是噪音，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;减完了就是理性决策通道的激活信号。这样就找到了'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
当然，也可以做另一种相减，就是&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象任务，减去&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;的抽象任务。假设前者理性决策通道激活强，后者弱，则减完之后正好也能找到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
现在，回到吴俊杰的问题：我们能不能区分开'''知道了'''和'''能够应用'''“原命题等于逆否命题”的脑活动？我们要说明：这个区分对于后续研究没有意义。'''我们将来的研究关注的问题是：从行为和脑活动上，教会知识生成器'''（不同层次的，例如在这里记住可以得到结论的“原命题等于逆否命题”，或者更进一步，从集合论来得到“原命题等于逆否命题”）'''和直接记住答案'''（在这里，稽查&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;的人）'''在？？提成？？问题解决上有没有区别'''。于是，我们关注的就是'''知道了“和”能够应用'''“原命题等于逆否命题”这个整体，而不是分开。&lt;br /&gt;
&lt;br /&gt;
更进一步，我们把“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识。只要理解到位，肯定是会用的。这也正好是[[:分类:知道到运用的距离|知道到运用的距离]]所要研究的问题：是不是通过提高对知识的理解，可以帮助学习者缩短从知道到运用的距离。&lt;br /&gt;
&lt;br /&gt;
再退一步，既然这个区分对与将来的研究没有意义，如果担心这个'''知道了'''和'''能够应用'''不等于'''理解'''，那直接叫做解决Wason测试问题，或者说知道和能够应用“原命题等于逆否命题”的脑区好了。有什么区别吗？对于自然科学家来说，这个区别没有任何意义：我们只关心能够测量的区别，仅仅存在于理念上的不能测量的区别没有任何意义，这仅仅是一个名词之辩，而不是事实之辩。&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我们的共识是要研究的'''知道了'''和'''能够应用'''，对于'''“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识''',我也是认同的。我想指出的一个混淆的东西是'''应用（do）'''。我暂且把'''知道了'''和'''能够应用'''分别说成'''know what'''和'''know how to do'''（这都属于知识结构表征的，前者更偏向陈述性的，后者更偏向程序性的），但我们让被试执行沃森测试，实际上更大强度调用了do的脑区。&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;在抽象题目上的差别，不仅包含了'''know what'''和'''know how to do'''更多地还包含了'''do'''，如果用这个差异的脑区很很大可能是do的脑区，如果把它当做理解的脑指标，那就好像是把姚明手腕肌肉的活动强度当做他乒乓球知识技能的指标。&lt;br /&gt;
&lt;br /&gt;
另外，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象题和具体题相比，应该是把if then表征（know what和know how to do）的脑区减掉了（如果&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;在具体任务中也是使用了和抽象题目一样的逻辑，而且两者的表征强度相近），剩下的差别是do的脑区。&lt;br /&gt;
&lt;br /&gt;
我认为我们感兴趣的并不是Wason测试（或者说条件推理）的全部过程，而是以Wason测试作为工具来考察人们头脑的if then知识结构（包括know what和know how to do），有和没有这套知识结构的差别脑区，并以该脑区作为理解的脑指标。至于Wason测试的过程中有很重的do的成分，这部分可能在其它不涉及if then知识结构的推理中也要用到，甚至是更一般的智力任务也用到，这对于考察条件推理脑机制的研究来说，这很OK，没有问题，这就是他们的研究对象，但对于我们考察理解、考察if then知识结构的研究来说，这是一个很大的混淆。&lt;br /&gt;
&lt;br /&gt;
写到这里，我突然在想，吴老师您关心的是不是就是do的脑区，您认为这是理性渠道的激活。哪怕这个脑区是在do三段论推理（而不是条件推理），在您的框架内都是理性思考，至于他们思考所依赖的知识结构是if then 还是三段论，那不是您这里所关心的。是这样的吗？举个不太恰当的例子，把大脑比作一个工厂，您关心的是这个工厂机器轰鸣声（do）所在的地方，至于机器在加工生产什么（if then 或者三段论）那无所谓，只要它不是从别家工厂的仓库里未经加工地搬运过来贴牌出售就好。后期您想看这个机器轰鸣声强度来衡量这家工厂自主生产的能力。是这样的吗？&lt;br /&gt;
&lt;br /&gt;
如果是这样的话，前人有关推理的研究已经做了很多，他们都是没有区分推理只是的表征和推理过程，而是把他们混在一起来看，这些研究发现的脑区跟智力活动也是密切相关的。如果我们不关心具体的知识结构的表征（if then、三段论、或者更低层的集合论），只关心是否进行“理性思考”（这不是个认知心理学的词汇，暂且这么用），那么是不是就可以选取前人推理研究中提到的那些脑区，以它们的活动作为理性思考（而不是对只是结构的表征[我理解的“理解”]）的脑指标。&lt;br /&gt;
&lt;br /&gt;
那这样的话，一个很直接的问题就是，我们想研究理性思考、理解型学习，但却选取了流体智力的脑区作为脑指标。然而，流体智力很大程度是天生的、随年龄变化，教育的目的如果是为了提高流体智力，那可能有点困难。我感觉应该把研究对象放在知识结构上面（包括know what和know how to do），这更多是晶体智力部分。&lt;br /&gt;
&lt;br /&gt;
再回到学科'''哲学的层面（名词之辩和事实之辩的问题）'''，我感觉认知心理学和物理学背后的哲学可能还不太一样，我们在做实验前要从概念上界定清楚这个东西是个啥，从信息加工角度去看它是个什么，也就是先有理论，才能理解结果是什么意思。物理学有些时候是把这个事实找出来（量子力学中的粒子到底怎么走），确定这个事实是客观存在的，至于理论怎么理解那就看波函数，波函数说粒子同时穿过两条缝，那么我们人类的大脑能理解得了是这样，不能理解得了也是这样（宇宙没有义务让人们理解它，不记得从哪听来的，好像很有道理，哈哈哈）。我感觉认知心理学和物理学的这个差异是因为人的认知和脑活动太复杂了，需要用计算机类比才能更好地去理解，否则出来的东西不知道是什么，我们也写不出公式（计算神经科学），就算写出来了，与实际结果拟合的时候也有很大的误差。我提的这个信息加工模型可能不完美，模型中有很多被批评的地方（比如，理解/知识生成器竟然不包括CPU的计算过程），这或许可以通过增加算法（知识表征）和CPU（流体智力）的交互方式来进行修正,或许需要全部推翻重新构建一个信息加工的模型，但不能没有一个模型。'''没有一个模型（名词之辩，概念层面辨析清楚了它到底是什么），我们才能理解出来的这个结果是个什么事实（事实之辩）。'''&lt;br /&gt;
&lt;br /&gt;
我仔细看过了大家的每条消息，感谢大家贡献的想法。确实，我和吴老师在'''理解'''的概念定义上存在分歧。我确实试图在厘清'''理解'''的概念性定义，而不满足于目前的'''“继续设计不同层次的问题，一直到那些真的需要理解的问题为止”'''的操作性定义。至于能否给出更好的操作性定义，以分离出'''纯粹的理解'''（也就是概念定义上的'''理解'''的内涵，我目前认为它是获得知识结构的表征，该表征中当然也包含运用知识结构的知识），我目前有一些想法，准备等这个话题讨论结束之后（也就是我所说的目前这个操作定义的局限被大家理解之后，或者我的认识被改变重新接受现在这个操作性定义，或者在有限的讨论轮次内我们暂时搁置这个话题）我再整理出来，大家看看是否有更好（也有可能认为没有必要，哈哈哈）。&lt;br /&gt;
&lt;br /&gt;
路遥师兄说到的，理解需要依赖注意、记忆和执行控制等，这我是认同的，就像算法运行依赖CPU的计算和电源的供电一样。不过如果有人摸着CPU/电源的发热程度告诉我，这作为理解程度的指标来进行后续研究，我想这很少有人会同意。我想，大脑中应该有地方是表征算法的（也就是知识结构，以及如何将知识结构运用到不同情境中的知识），也有地方是负责计算（CPU）、还有负责注意的（电源）。沃森测试是一个推理任务，很费脑子（CPU和电源），如果简单粗暴地把正确答题的被试与错误答题的被试相减，得到的脑区最亮的可能是CPU和电源的脑区，表征算法的脑区就在多重比较校正中就看不到了。如果把CPU和电源的脑区当做理解的脑区，这是有问题的。&lt;br /&gt;
&lt;br /&gt;
吴老师说这是一个名词之变，退一亿步来说，可以把这个脑区叫做“条件推理认知和应用脑区”，尽管退了这么多步，可能还不太准确，应该这样表述可能更好“这个脑区参与条件推理认知和应用”，言外之意是它还可能参与其它“费脑子”的活动，比如说三段论推理，瑞文测验，数学计算等等（如果这个脑区的角色是CPU和电源的话）。如果我们把这个脑区的活动强度，作为一个指标，看它能否辨别另外一组被试在另一个版本的条件推理任务的成绩，这也很有可能可以做到，甚至还能辨别另一组被试在三段论推理，瑞文测验，数学计算中的成绩，但这只能说明他们在任务中费了多少脑子（CPU和电源的功耗，认知努力程度）。认知努力越多，成绩越好，这也是很合理的，但并不能说明他们认知努力越多，理解（知识结构的表征）就越好啊。&lt;br /&gt;
&lt;br /&gt;
如果吴老师并不是想要考察理解（知识结构的表征），而是要考察认知努力程度（CPU和电源的功耗），那这么做是OK的。只是，目前有很多做推理、智力的研究，在元分析中选取一两个脑区，用其活动强度的指标去辨别一组被试在条件推理任务中的成绩，那也很有可能会成功（有待看文献是否已经有人做了这点）。不过，这么做新意在哪里呢，在哪方面拓宽了我们人类的认知边界呢？会不会有一种，原先我们人类知道的还是知道，原先不知道的还是不知道的感觉？&lt;br /&gt;
&lt;br /&gt;
另外，吴老师说'''凭什么我们就得听没有实验检验过的理论和概念？'''但是您提出的知识生成器的不也是未经实验检验过的理论和概念吗？还有知识生成器的生成器。：）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
在两组被试之间比较，不管是直接拿着抽象题去比较，还是自己先用抽象题减去具象题然后比较，怎么会主要差别在执行？这里安全不通啊。抽象题（甚至可以采用完全抽象的&amp;lt;math&amp;gt;P=1\Rightarrow Q=1&amp;lt;/math&amp;gt;）必须懂得“原命题等于逆命题”这个知识以及把原命题等于逆否命题用来解决问题，具象题不一定要用（或者激活程度比较低），可以用生活经验。为什么两者相减以后是执行功能？&amp;lt;/font&amp;gt; &amp;lt;font color=black&amp;gt;（吴俊杰：您认为两道题都做对的人已经掌握了if then的知识结构，并使用这一个知识结构去解答抽象和具体题，您忘了吗/捂脸。这就是我们人类在思考的时候经常会丢失某些原先存储了的信息、错误地计算，因此需要花费很多能量来维持和重新提取旧信息、去纠正错误的计算。如果没有，就会得到错误答案，这里是执行和执行控制的问题，并不意味着我们不理解（没有这个知识结构的表征）啊）&amp;lt;/font&amp;gt; &amp;lt;font color=blue&amp;gt;反而执行功能是两者相近的，所以，应该被减掉了。所以，你的问题，还是没有做做对的和做错的两组被试的对比。&lt;br /&gt;
&lt;br /&gt;
你详细给我说明一下，为什么“规则是喝酒的人必须大于18岁”，“喝酒的人必须大于13岁”，这两道题的差别是“执行功能”上的差别，而不是“知道和能够应用”上的差别？不管对比两个都答对，还是对比一个对一个错。&lt;br /&gt;
&lt;br /&gt;
用你的语言，我这样来看这个对比：假设两道题都需要“知道了”、“能够应用”、“执行”三个功能。关于“知道了”，18岁的问题不一定需要“原命题等于逆否命题”这个核心知识，可以运用生活经验，当然，也可以通过核心知识来解答这个问题；但是13岁的题就必须懂的这个核心知识才能解答（其实，还可以无脑类比，这个可能层次更高，但是在这里暂时忽略。如果觉得这是个问题，则用更加抽象的问题就行）。关于“能够应用”，也类似。现在来看“执行”，18岁的题和13岁的题，在“知道了”和“能够应用”的基础上，有可能需要调用类似的区域。如果是这样，则就同被试之间的对比被减掉了。如果两到题的执行很不一样，那是不是有可能13岁的题不管答对还是答错，执行区都一样，则去对比两组被试的13岁的题，也就被减掉了，剩下的就是知道和能够应用的差别。还剩下一种可能，不管是两道题之间，还是答对和答错之间，执行的差别就是特别大，比知道和能够应用还要大！&lt;br /&gt;
&lt;br /&gt;
第一，我认为这个可能性只能用实验来检验，而不是在没有实验之前就猜。第二，我认为这个可能性很小。为什么执行上的差别会比知道和能够应用还要大？&lt;br /&gt;
&lt;br /&gt;
再退一步，假设“知道了”、“能够应用”在对比以后确实消失了，只剩下了“执行”的脑活动，只要“执行”的脑活动仍然具有特异性——活动强则抽象题做对了活动弱就没做对，反之亦然——则这个“执行”脑活动的指标，仍然满足我们所有的后续研究的需要。&lt;br /&gt;
&lt;br /&gt;
顺便，所有人包括咱们自己提出的概念，在没有被实验验证之前都是狗屎。所以，我们才要设计实验来测量知识生成器。如果实验上测不到，就证明这完全是狗屎；或者测到了没效果，那就证明这比较狗屎。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
==分离出知识结构表征的脑区的新方案==&lt;br /&gt;
&lt;br /&gt;
或许可以用这样的方案来更好地找到知识结构表征的脑区。&lt;br /&gt;
&lt;br /&gt;
#正确解答后在头脑中维持解题思路（包含know what和know how to do，但尽可能少的do）&lt;br /&gt;
待写。&lt;br /&gt;
#科学概念的表征&lt;br /&gt;
##给一组被试一篇物理知识的文章，让他们读。&lt;br /&gt;
##再给他们相应的测试题目，得到一个测验分。&lt;br /&gt;
##把重要概念拿出来，让让他们在核磁里依次观看每一个重要概念，并围绕这该概念进行联想。&lt;br /&gt;
##被试评估它们两两之间的距离，构建网络&lt;br /&gt;
##把这个网络和专家给出的概念地图的网络做相似性分析，每个被试得到相似性的值。&lt;br /&gt;
##检验相似性越高的被试，是否测验分数越高。&lt;br /&gt;
##采用表征相似性的办法，用被试评估出来的网络去搜索大脑中有类似表征的脑区，该脑区即为表征了概念间关系的脑区，即理解的脑指标。&lt;br /&gt;
##分析该脑区的表征相似性，即可衡量其他被试的理解程度。&lt;br /&gt;
##还可以找另一组被试（或者给上一组被试设置另一个实验条件），给被试打乱词序的文章，同样的方法重复上面的分析，被试评估的脑网络应该与测试分数不相关，被试在该脑区的表征相似性应该也不能预测行为分数。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color = blue&amp;gt;&lt;br /&gt;
吴金闪：你这个实验设计，任务太复杂，不如直接用假汉字的理解型和机械式学习，然后来考试&amp;lt;font color = black&amp;gt; (吴俊杰：我们讨论过这个话题，我们当时说到，这两组被试应该要有脑活动的差别[如果没有，可能是核磁设备的测量精度不够]，只是会出来一堆差异的脑区，每个脑区具体扮演设么角色，只能看图说话了。不过这作为一个初始研究还是可以去做的，好像也有研究做过了，只是不是用词汇学习的任务，我回头找出这篇文献)&amp;lt;/font&amp;gt;。&amp;lt;font color = blue&amp;gt;或者，用“重物下落更快”的理解型考题和机械式考题&amp;lt;font color = black&amp;gt;（吴俊杰：这是值得去做的，一个一个来做）&amp;lt;/font&amp;gt;。&amp;lt;/font&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5958</id>
		<title>分类:教育系统科学中心第一次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5958"/>
		<updated>2021-03-08T02:52:48Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类:工作进展板]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是整体介绍一下“深层教和学研究”的主要思想、项目和方法。以下是各个部分讨论的概要。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月4日（周三）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=周亚，结合学院研究布局来定位中心的研究工作和将来的实践工作=&lt;br /&gt;
&lt;br /&gt;
=吴金闪，深层教和学研究的理念方法和项目=&lt;br /&gt;
介绍了知识网络（概念联系），知识的层次，教和学的层次等概念，并且提出，应该关注深层教和学，这种真正促进创造提升迁移能力的教和学，而不仅仅是信息提取记忆程序性计算的重复练习等浅层学习。在理念的基础上，吴金闪还介绍了从标注了教和学的层次的学科知识网络的构建（人工构建、构建算法、网络上的学习顺序算法和检测算法），以及深层教和学的基础研究（行为和脑科学测量、深层教和学是否可以提高问题解决能力和创造力、当前教师和学生的教和学的层次）两个方面，介绍了大概有哪些[[:分类:认知和教育中的系统科学|具体研究问题]]，大概怎么做。&lt;br /&gt;
&lt;br /&gt;
更多深层教和学研究的文档见：[[:分类:深度教和学文档|深度教和学文档]]。&lt;br /&gt;
&lt;br /&gt;
=朱志勇（吴金闪代讲）教和学的层次的标注和量表=&lt;br /&gt;
展示了[[:分类:教和学的层次研究|教和学的层次]]的[[:分类:课堂教学的层次的标注|编码内容、编码原则和编码流程，编码例子]]。以及后续研究计划，包含相关的理解型学习量表（和编码交叉检验）、问题解决能力和创造力量表，以用于后期的行为编码（人工和机器学习标注）和统计分析。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　多层次类比思维的习得，脑活动和行为=&lt;br /&gt;
第一次活动主要初步介绍了fMRI（功能磁共振成像）的研究设想，主要是围绕类比思维的复杂度和所需类比的抽象关系的复杂性展开的成像研究。&lt;br /&gt;
&lt;br /&gt;
类比思维的复杂性体现为：完全相同关系类比、整体相似关系类比和关系相反类比&lt;br /&gt;
抽象关系复杂性体现为：双信号相同、单信号相同和双信号相反&lt;br /&gt;
&lt;br /&gt;
需改进之处：&lt;br /&gt;
（1）学习或者训练难度较大          &lt;br /&gt;
（2）条件较多，实验时长较长&lt;br /&gt;
（3）实验材料的加工可能存在策略，如 &amp;gt; &amp;lt; : &amp;lt; &amp;lt; （题项）:: &amp;lt; &amp;gt; : &amp;gt; &amp;lt; （反应项）就是一个错误类比，但被试只需要对反应项进行符号数数即可，即不存在两个相同的符号就是错的，不需要内部加工符号之间的抽象关系，也就是说，在加工中，被试采用了非规则策略，导致其认知过程不是我们想考察的。&lt;br /&gt;
对这些问题的改进将在第二次活动中进行介绍。&lt;br /&gt;
&lt;br /&gt;
=吴俊杰　浅层、深层学习和思考的实验研究，脑活动和行为=&lt;br /&gt;
==关于如何定义理解的分歧==&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我先把昨天我们讨论的分歧点，和今天一些更新的思考写下来，后面在把背景和要做的事情补充上。&lt;br /&gt;
&lt;br /&gt;
昨天我们讨论的分歧是，可否把正确回答沃森测试的被试的脑激活与错误回答的相减，得到的脑区（也可能是脑网络、或者激活模式，暂以脑区来简化表述），操作性定义成'''理解的脑区'''，并把该脑区的活动强度作为理解程度的脑指标。&lt;br /&gt;
&lt;br /&gt;
认为可以的理由是：答对了的人被认为是理解了的，因为只有理解了才能做对（暂不考虑能蒙对的情况）；答错了的人被认为是没理解的，因为没理解到位才会答错（也只考虑理想情况）；所以前者减后者就是理解的脑区，逻辑上说不会有其他东西。&lt;br /&gt;
&lt;br /&gt;
认为不可以的顾虑是：他们存在差异的脑区，可能不仅包含'''表征知识结构的脑区'''，还包含'''推理执行的脑区'''和'''执行控制的脑区'''。如果“简单粗暴”地把差异脑区作为'''理解的脑区'''，那意味着把'''理解'''扩大成正确完成推理的过程、这更像是一个问题解决的过程，而不是我们原先所说的，理解是概念和概念之间的联系、是知识结构的表征。&lt;br /&gt;
&lt;br /&gt;
我区分出的'''知识结构的表征'''，还包含'''推理的执行'''和'''执行控制'''三个部分可能不太好理解，我举个登山的例子来说明。把登山类比成条件推理，假设登山也需要'''知识（类比知识结构的表征）'''，山上是阔叶林、针叶林、雪，可能需要的知识结构不一样（类比于条件推理需要if then的知识，三段论推理需要别的知识）。除了知识以外还需要'''体力（类比推理的执行）'''来实施登山知识中的做法，在实施的过程中需要'''意志力（类比执行控制）'''来坚持目标。有些运动员可以爬到山顶，有些没有（分别类比正确和错误回答条件推理的问题）。&lt;br /&gt;
&lt;br /&gt;
那么我们比较正确和错误回答问题的被试的脑活动，就好比在比较这到达和没到达山顶的运动员之间的差别，这个差别包含了'''登山知识'''、'''体力'''和'''意志力'''。其实我们更关心的登山知识，最好是让运动员（被试）在山顶回望自己登山成功的诀窍（不爬山的时候其实也行），而不应该让他们一遍又一遍地登山，因为这样很需要体力和意志力，后两者需要的努力更强，会掩盖掉登山知识的努力。对应过来就是，推理执行和执行控制会掩盖掉知识结构的表征。我用登山作例子是为了突出后两者所需要的认知强度会掩盖掉前者，登山的例子也可以换成走迷宫。'''理解'''的内涵应该是被试能够在迷宫出口回顾/再现（他所理解的）迷宫的结构，不应该包含是走迷宫的体力和意志力。&lt;br /&gt;
&lt;br /&gt;
'''推理的执行'''可能存在一部分跨领域的一致性，也就是三段论推理和条件推理也有共同激活的脑区，尽管二者有着不同的知识结构；'''推理的执行'''可能也存在一部分领域特异性，已有的脑成像研究认为社会推理、预警推理、抽象推理使用的脑区有相当的不同。&lt;br /&gt;
'''执行控制'''是指在人们协调自己思考与行为使之与目标保持一致的能力，这与智力高度相关，脑区有大量重叠，有相当程度的领域一般性。&lt;br /&gt;
&lt;br /&gt;
如果接受推理过程存在'''if then知识结构的表征'''、'''推理的执行'''和'''执行控制'''，而且也接受'''理解'''的是定义形成和维持'''知识结构的表征'''（而不是三者混合），那么正确和错误回答的被试的脑活动之差，就不单纯地是理解，而且理解更可能被后两者所掩盖。如果后两者特别强烈的话，那么找出来的脑区更可能是'''推理的执行'''和'''执行控制'''的脑区，也就是流体智力的脑区，而非理解的脑区。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
你这个困惑的问题在于：第一、没有考虑两类被试间的对比；第二、没有考虑这个研究的后续研究（这是为后续研究不同学习方法的效果服务的）。&lt;br /&gt;
&lt;br /&gt;
回到实验设计。我们有两个逻辑内涵一样的问题：具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;和抽象题&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;。具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;，例如，规则是“喝酒的人必须大于18岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;18&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。抽象题&amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt;，例如，规则是“穿红衣服的人必须大于14岁（&amp;lt;math&amp;gt;R=1\rightarrow Y&amp;gt;12&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“穿红衣（&amp;lt;math&amp;gt;R=1&amp;lt;/math&amp;gt;）、穿黄衣（&amp;lt;math&amp;gt;R=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。这两个问题的区别在于，前者和生活经验很接近，后者和生活经验很远。甚至，我们可以把抽象题改成，&amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt;，规则是“喝酒的人必须大于14岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;14&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。&lt;br /&gt;
&lt;br /&gt;
我们来看这样的两组被试：第一组&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;两个题（&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;）都答对了，第二组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;都答对具象题（&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;）但是但错了抽象题（&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;）。其实还有另外两组被试两题都答错了，以及具象题答错抽象题答对。这两组我们暂时不管。&lt;br /&gt;
&lt;br /&gt;
我们问这两组被试可能是什么原因造成的？&lt;br /&gt;
&lt;br /&gt;
为了回答这个问题，我们注意到，从逻辑内涵上说，&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;问题完全一致：规则是一组形如&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;的条件推断，如果出现&amp;lt;math&amp;gt;P=1\rightarrow Q=0&amp;lt;/math&amp;gt;则违反了这个规则，或者出现&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;则也违反了规则（因为我们可以得到&amp;lt;math&amp;gt;Q=0\rightarrow P=1 \rightarrow Q=0&amp;lt;/math&amp;gt;，矛盾）。更进一步，这相当于说，&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0\rightarrow P=0&amp;lt;/math&amp;gt;是等价的（因此，&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;违反规则）。这被称为原命题等于逆否命题。于是，自然我们就发现，需要稽查的对象的特征是&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;Q=1&amp;lt;/math&amp;gt;）和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;P=0&amp;lt;/math&amp;gt;）。另外两种情况就算查了，无论答案是什么，都不违反规则。&lt;br /&gt;
&lt;br /&gt;
于是，我们得到一个结论：如果被试实质上'''知道了并且能够应用'''“原命题等于逆否命题”的知识，则无论抽象题和具象题都应该能做对。因此，如果出现了&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试，则肯定是这组被试不满足'''知道了并且能够应用'''“原命题等于逆否命题”。&lt;br /&gt;
&lt;br /&gt;
那么，这组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试为什么又能够把具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;答对呢？因为具象题和生活经验非常接近，因此，另一个答对题的渠道是直接利用生活经验：对于喝酒问题，当然不到年龄&amp;lt;math&amp;gt;Y\geq 18&amp;lt;/math&amp;gt;的要检查，然后喝酒的&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;的也要检查。也就是说，&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;可以不依靠'''知道了并且能够应用'''“原命题等于逆否命题”来回答对。&lt;br /&gt;
&lt;br /&gt;
当然，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;组被试肯定得'''知道了并且能够应用'''“原命题等于逆否命题”，尽管其在回答具象问题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;的时候不一定用了这个思维和决策方式。&lt;br /&gt;
&lt;br /&gt;
因此，我们看到，对比这两组被试的脑活动，例如先在组内做一个具象问题和抽象问题的对比，然后组间对比，可以探测到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。当然，实际实验中，组内对比做减法的时候&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;被试不一定就能够完全消去经验决策的脑活动（原则上两个任务都在用经验决策，但是还会有剩余其他思维的差别），&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试也不一定就能非常好地保留理性决策通道的脑活动（原则上，具象任务激活理性决策的程度应该比抽象任务激活程度低，但是，也有可能两者激活强度类似）。理想条件下，&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;减完了就是噪音，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;减完了就是理性决策通道的激活信号。这样就找到了'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
当然，也可以做另一种相减，就是&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象任务，减去&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;的抽象任务。假设前者理性决策通道激活强，后者弱，则减完之后正好也能找到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
现在，回到吴俊杰的问题：我们能不能区分开'''知道了'''和'''能够应用'''“原命题等于逆否命题”的脑活动？我们要说明：这个区分对于后续研究没有意义。'''我们将来的研究关注的问题是：从行为和脑活动上，教会知识生成器'''（不同层次的，例如在这里记住可以得到结论的“原命题等于逆否命题”，或者更进一步，从集合论来得到“原命题等于逆否命题”）'''和直接记住答案'''（在这里，稽查&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;的人）'''在？？提成？？问题解决上有没有区别'''。于是，我们关注的就是'''知道了“和”能够应用'''“原命题等于逆否命题”这个整体，而不是分开。&lt;br /&gt;
&lt;br /&gt;
更进一步，我们把“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识。只要理解到位，肯定是会用的。这也正好是[[:分类:知道到运用的距离|知道到运用的距离]]所要研究的问题：是不是通过提高对知识的理解，可以帮助学习者缩短从知道到运用的距离。&lt;br /&gt;
&lt;br /&gt;
再退一步，既然这个区分对与将来的研究没有意义，如果担心这个'''知道了'''和'''能够应用'''不等于'''理解'''，那直接叫做解决Wason测试问题，或者说知道和能够应用“原命题等于逆否命题”的脑区好了。有什么区别吗？对于自然科学家来说，这个区别没有任何意义：我们只关心能够测量的区别，仅仅存在于理念上的不能测量的区别没有任何意义，这仅仅是一个名词之辩，而不是事实之辩。&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我们的共识是要研究的'''知道了'''和'''能够应用'''，对于'''“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识''',我也是认同的。我想指出的一个混淆的东西是'''应用（do）'''。我暂且把'''知道了'''和'''能够应用'''分别说成'''know what'''和'''know how to do'''（这都属于知识结构表征的，前者更偏向陈述性的，后者更偏向程序性的），但我们让被试执行沃森测试，实际上更大强度调用了do的脑区。&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;在抽象题目上的差别，不仅包含了'''know what'''和'''know how to do'''更多地还包含了'''do'''，如果用这个差异的脑区很很大可能是do的脑区，如果把它当做理解的脑指标，那就好像是把姚明手腕肌肉的活动强度当做他乒乓球知识技能的指标。&lt;br /&gt;
&lt;br /&gt;
另外，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象题和具体题相比，应该是把if then表征（know what和know how to do）的脑区减掉了（如果&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;在具体任务中也是使用了和抽象题目一样的逻辑，而且两者的表征强度相近），剩下的差别是do的脑区。&lt;br /&gt;
&lt;br /&gt;
我认为我们感兴趣的并不是Wason测试（或者说条件推理）的全部过程，而是以Wason测试作为工具来考察人们头脑的if then知识结构（包括know what和know how to do），有和没有这套知识结构的差别脑区，并以该脑区作为理解的脑指标。至于Wason测试的过程中有很重的do的成分，这部分可能在其它不涉及if then知识结构的推理中也要用到，甚至是更一般的智力任务也用到，这对于考察条件推理脑机制的研究来说，这很OK，没有问题，这就是他们的研究对象，但对于我们考察理解、考察if then知识结构的研究来说，这是一个很大的混淆。&lt;br /&gt;
&lt;br /&gt;
写到这里，我突然在想，吴老师您关心的是不是就是do的脑区，您认为这是理性渠道的激活。哪怕这个脑区是在do三段论推理（而不是条件推理），在您的框架内都是理性思考，至于他们思考所依赖的知识结构是if then 还是三段论，那不是您这里所关心的。是这样的吗？举个不太恰当的例子，把大脑比作一个工厂，您关心的是这个工厂机器轰鸣声（do）所在的地方，至于机器在加工生产什么（if then 或者三段论）那无所谓，只要它不是从别家工厂的仓库里未经加工地搬运过来贴牌出售就好。后期您想看这个机器轰鸣声强度来衡量这家工厂自主生产的能力。是这样的吗？&lt;br /&gt;
&lt;br /&gt;
如果是这样的话，前人有关推理的研究已经做了很多，他们都是没有区分推理只是的表征和推理过程，而是把他们混在一起来看，这些研究发现的脑区跟智力活动也是密切相关的。如果我们不关心具体的知识结构的表征（if then、三段论、或者更低层的集合论），只关心是否进行“理性思考”（这不是个认知心理学的词汇，暂且这么用），那么是不是就可以选取前人推理研究中提到的那些脑区，以它们的活动作为理性思考（而不是对只是结构的表征[我理解的“理解”]）的脑指标。&lt;br /&gt;
&lt;br /&gt;
那这样的话，一个很直接的问题就是，我们想研究理性思考、理解型学习，但却选取了流体智力的脑区作为脑指标。然而，流体智力很大程度是天生的、随年龄变化，教育的目的如果是为了提高流体智力，那可能有点困难。我感觉应该把研究对象放在知识结构上面（包括know what和know how to do），这更多是晶体智力部分。&lt;br /&gt;
&lt;br /&gt;
再回到学科'''哲学的层面（名词之辩和事实之辩的问题）'''，我感觉认知心理学和物理学背后的哲学可能还不太一样，我们在做实验前要从概念上界定清楚这个东西是个啥，从信息加工角度去看它是个什么，也就是先有理论，才能理解结果是什么意思。物理学有些时候是把这个事实找出来（量子力学中的粒子到底怎么走），确定这个事实是客观存在的，至于理论怎么理解那就看波函数，波函数说粒子同时穿过两条缝，那么我们人类的大脑能理解得了是这样，不能理解得了也是这样（宇宙没有义务让人们理解它，不记得从哪听来的，好像很有道理，哈哈哈）。我感觉认知心理学和物理学的这个差异是因为人的认知和脑活动太复杂了，需要用计算机类比才能更好地去理解，否则出来的东西不知道是什么，我们也写不出公式（计算神经科学），就算写出来了，与实际结果拟合的时候也有很大的误差。我提的这个信息加工模型可能不完美，模型中有很多被批评的地方（比如，理解/知识生成器竟然不包括CPU的计算过程），这或许可以通过增加算法（知识表征）和CPU（流体智力）的交互方式来进行修正,或许需要全部推翻重新构建一个信息加工的模型，但不能没有一个模型。'''没有一个模型（名词之辩，概念层面辨析清楚了它到底是什么），我们才能理解出来的这个结果是个什么事实（事实之辩）。'''&lt;br /&gt;
&lt;br /&gt;
我仔细看过了大家的每条消息，感谢大家贡献的想法。确实，我和吴老师在'''理解'''的概念定义上存在分歧。我确实试图在厘清'''理解'''的概念性定义，而不满足于目前的'''“继续设计不同层次的问题，一直到那些真的需要理解的问题为止”'''的操作性定义。至于能否给出更好的操作性定义，以分离出'''纯粹的理解'''（也就是概念定义上的'''理解'''的内涵，我目前认为它是获得知识结构的表征，该表征中当然也包含运用知识结构的知识），我目前有一些想法，准备等这个话题讨论结束之后（也就是我所说的目前这个操作定义的局限被大家理解之后，或者我的认识被改变重新接受现在这个操作性定义，或者在有限的讨论轮次内我们暂时搁置这个话题）我再整理出来，大家看看是否有更好（也有可能认为没有必要，哈哈哈）。&lt;br /&gt;
&lt;br /&gt;
路遥师兄说到的，理解需要依赖注意、记忆和执行控制等，这我是认同的，就像算法运行依赖CPU的计算和电源的供电一样。不过如果有人摸着CPU/电源的发热程度告诉我，这作为理解程度的指标来进行后续研究，我想这很少有人会同意。我想，大脑中应该有地方是表征算法的（也就是知识结构，以及如何将知识结构运用到不同情境中的知识），也有地方是负责计算（CPU）、还有负责注意的（电源）。沃森测试是一个推理任务，很费脑子（CPU和电源），如果简单粗暴地把正确答题的被试与错误答题的被试相减，得到的脑区最亮的可能是CPU和电源的脑区，表征算法的脑区就在多重比较校正中就看不到了。如果把CPU和电源的脑区当做理解的脑区，这是有问题的。&lt;br /&gt;
&lt;br /&gt;
吴老师说这是一个名词之变，退一亿步来说，可以把这个脑区叫做“条件推理认知和应用脑区”，尽管退了这么多步，可能还不太准确，应该这样表述可能更好“这个脑区参与条件推理认知和应用”，言外之意是它还可能参与其它“费脑子”的活动，比如说三段论推理，瑞文测验，数学计算等等（如果这个脑区的角色是CPU和电源的话）。如果我们把这个脑区的活动强度，作为一个指标，看它能否辨别另外一组被试在另一个版本的条件推理任务的成绩，这也很有可能可以做到，甚至还能辨别另一组被试在三段论推理，瑞文测验，数学计算中的成绩，但这只能说明他们在任务中费了多少脑子（CPU和电源的功耗，认知努力程度）。认知努力越多，成绩越好，这也是很合理的，但并不能说明他们认知努力越多，理解（知识结构的表征）就越好啊。&lt;br /&gt;
&lt;br /&gt;
如果吴老师并不是想要考察理解（知识结构的表征），而是要考察认知努力程度（CPU和电源的功耗），那这么做是OK的。只是，目前有很多做推理、智力的研究，在元分析中选取一两个脑区，用其活动强度的指标去辨别一组被试在条件推理任务中的成绩，那也很有可能会成功（有待看文献是否已经有人做了这点）。不过，这么做新意在哪里呢，在哪方面拓宽了我们人类的认知边界呢？会不会有一种，原先我们人类知道的还是知道，原先不知道的还是不知道的感觉？&lt;br /&gt;
&lt;br /&gt;
另外，吴老师说'''凭什么我们就得听没有实验检验过的理论和概念？'''但是您提出的知识生成器的不也是未经实验检验过的理论和概念吗？还有知识生成器的生成器。：）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
在两组被试之间比较，不管是直接拿着抽象题去比较，还是自己先用抽象题减去具象题然后比较，怎么会主要差别在执行？这里安全不通啊。抽象题（甚至可以采用完全抽象的&amp;lt;math&amp;gt;P=1\Rightarrow Q=1&amp;lt;/math&amp;gt;）必须懂得“原命题等于逆命题”这个知识以及把原命题等于逆否命题用来解决问题，具象题不一定要用（或者激活程度比较低），可以用生活经验。为什么两者相减以后是执行功能？&amp;lt;/font&amp;gt; &amp;lt;font color=black&amp;gt;（吴俊杰：您认为两道题都做对的人已经掌握了if then的知识结构，并使用这一个知识结构去解答抽象和具体题，您忘了吗/捂脸。这就是我们人类在思考的时候经常会丢失某些原先存储了的信息、错误地计算，因此需要花费很多能量来维持和重新提取旧信息、去纠正错误的计算。如果没有，就会得到错误答案，这里是执行和执行控制的问题，并不意味着我们不理解（没有这个知识结构的表征）啊）&amp;lt;/font&amp;gt; &amp;lt;font color=blue&amp;gt;反而执行功能是两者相近的，所以，应该被减掉了。所以，你的问题，还是没有做做对的和做错的两组被试的对比。&lt;br /&gt;
&lt;br /&gt;
你详细给我说明一下，为什么“规则是喝酒的人必须大于18岁”，“喝酒的人必须大于13岁”，这两道题的差别是“执行功能”上的差别，而不是“知道和能够应用”上的差别？不管对比两个都答对，还是对比一个对一个错。&lt;br /&gt;
&lt;br /&gt;
用你的语言，我这样来看这个对比：假设两道题都需要“知道了”、“能够应用”、“执行”三个功能。关于“知道了”，18岁的问题不一定需要“原命题等于逆否命题”这个核心知识，可以运用生活经验，当然，也可以通过核心知识来解答这个问题；但是13岁的题就必须懂的这个核心知识才能解答（其实，还可以无脑类比，这个可能层次更高，但是在这里暂时忽略。如果觉得这是个问题，则用更加抽象的问题就行）。关于“能够应用”，也类似。现在来看“执行”，18岁的题和13岁的题，在“知道了”和“能够应用”的基础上，有可能需要调用类似的区域。如果是这样，则就同被试之间的对比被减掉了。如果两到题的执行很不一样，那是不是有可能13岁的题不管答对还是答错，执行区都一样，则去对比两组被试的13岁的题，也就被减掉了，剩下的就是知道和能够应用的差别。还剩下一种可能，不管是两道题之间，还是答对和答错之间，执行的差别就是特别大，比知道和能够应用还要大！&lt;br /&gt;
&lt;br /&gt;
第一，我认为这个可能性只能用实验来检验，而不是在没有实验之前就猜。第二，我认为这个可能性很小。为什么执行上的差别会比知道和能够应用还要大？&lt;br /&gt;
&lt;br /&gt;
再退一步，假设“知道了”、“能够应用”在对比以后确实消失了，只剩下了“执行”的脑活动，只要“执行”的脑活动仍然具有特异性——活动强则抽象题做对了活动弱就没做对，反之亦然——则这个“执行”脑活动的指标，仍然满足我们所有的后续研究的需要。&lt;br /&gt;
&lt;br /&gt;
顺便，所有人包括咱们自己提出的概念，在没有被实验验证之前都是狗屎。所以，我们才要设计实验来测量知识生成器。如果实验上测不到，就证明这完全是狗屎；或者测到了没效果，那就证明这比较狗屎。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
==分离出知识结构表征的脑区的新方案==&lt;br /&gt;
&lt;br /&gt;
或许可以用这样的方案来更好地找到知识结构表征的脑区。&lt;br /&gt;
&lt;br /&gt;
#正确解答后在头脑中维持解题思路（包含know what和know how to do，但尽可能少的do）&lt;br /&gt;
待写。&lt;br /&gt;
#科学概念的表征&lt;br /&gt;
##给一组被试一篇物理知识的文章，让他们读。&lt;br /&gt;
##再给他们相应的测试题目，得到一个测验分。&lt;br /&gt;
##把重要概念拿出来，让让他们在核磁里依次观看每一个重要概念，并围绕这该概念进行联想。&lt;br /&gt;
##被试评估它们两两之间的距离，构建网络&lt;br /&gt;
##把这个网络和专家给出的概念地图的网络做相似性分析，每个被试得到相似性的值。&lt;br /&gt;
##检验相似性越高的被试，是否测验分数越高。&lt;br /&gt;
##采用表征相似性的办法，用被试评估出来的网络去搜索大脑中有类似表征的脑区，该脑区即为表征了概念间关系的脑区，即理解的脑指标。&lt;br /&gt;
##分析该脑区的表征相似性，即可衡量其他被试的理解程度。&lt;br /&gt;
##还可以找另一组被试（或者给上一组被试设置另一个实验条件），给被试打乱词序的文章，同样的方法重复上面的分析，被试评估的脑网络应该与测试分数不相关，被试在该脑区的表征相似性应该也不能预测行为分数。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color = blue&amp;gt;&lt;br /&gt;
吴金闪：你这个实验设计，任务太复杂，不如直接用假汉字的理解型和机械式学习，然后来考试&amp;lt;font color = black&amp;gt; (吴俊杰：我们讨论过这个话题，我们当时说到，这两组被试应该要有脑活动的差别[如果没有，可能是核磁设备的测量精度不够]，只是会出来一堆差异的脑区，每个脑区具体扮演设么角色，只能看图说话了。不过这作为一个初始研究还是可以去做的，好像也有研究做过了，只是不是用词汇学习的任务，我回头找出这篇文献)&amp;lt;/font&amp;gt;。&amp;lt;font color = blue&amp;gt;或者，用“重物下落更快”的理解型考题和机械式考题&amp;lt;font color = black&amp;gt;（吴俊杰：这是值得去做的，一个一个来做）&amp;lt;/font&amp;gt;。&amp;lt;/font&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5957</id>
		<title>分类:教育系统科学中心第一次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5957"/>
		<updated>2021-03-08T02:52:39Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
[[分类：工作进展板]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是整体介绍一下“深层教和学研究”的主要思想、项目和方法。以下是各个部分讨论的概要。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月4日（周三）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=周亚，结合学院研究布局来定位中心的研究工作和将来的实践工作=&lt;br /&gt;
&lt;br /&gt;
=吴金闪，深层教和学研究的理念方法和项目=&lt;br /&gt;
介绍了知识网络（概念联系），知识的层次，教和学的层次等概念，并且提出，应该关注深层教和学，这种真正促进创造提升迁移能力的教和学，而不仅仅是信息提取记忆程序性计算的重复练习等浅层学习。在理念的基础上，吴金闪还介绍了从标注了教和学的层次的学科知识网络的构建（人工构建、构建算法、网络上的学习顺序算法和检测算法），以及深层教和学的基础研究（行为和脑科学测量、深层教和学是否可以提高问题解决能力和创造力、当前教师和学生的教和学的层次）两个方面，介绍了大概有哪些[[:分类:认知和教育中的系统科学|具体研究问题]]，大概怎么做。&lt;br /&gt;
&lt;br /&gt;
更多深层教和学研究的文档见：[[:分类:深度教和学文档|深度教和学文档]]。&lt;br /&gt;
&lt;br /&gt;
=朱志勇（吴金闪代讲）教和学的层次的标注和量表=&lt;br /&gt;
展示了[[:分类:教和学的层次研究|教和学的层次]]的[[:分类:课堂教学的层次的标注|编码内容、编码原则和编码流程，编码例子]]。以及后续研究计划，包含相关的理解型学习量表（和编码交叉检验）、问题解决能力和创造力量表，以用于后期的行为编码（人工和机器学习标注）和统计分析。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　多层次类比思维的习得，脑活动和行为=&lt;br /&gt;
第一次活动主要初步介绍了fMRI（功能磁共振成像）的研究设想，主要是围绕类比思维的复杂度和所需类比的抽象关系的复杂性展开的成像研究。&lt;br /&gt;
&lt;br /&gt;
类比思维的复杂性体现为：完全相同关系类比、整体相似关系类比和关系相反类比&lt;br /&gt;
抽象关系复杂性体现为：双信号相同、单信号相同和双信号相反&lt;br /&gt;
&lt;br /&gt;
需改进之处：&lt;br /&gt;
（1）学习或者训练难度较大          &lt;br /&gt;
（2）条件较多，实验时长较长&lt;br /&gt;
（3）实验材料的加工可能存在策略，如 &amp;gt; &amp;lt; : &amp;lt; &amp;lt; （题项）:: &amp;lt; &amp;gt; : &amp;gt; &amp;lt; （反应项）就是一个错误类比，但被试只需要对反应项进行符号数数即可，即不存在两个相同的符号就是错的，不需要内部加工符号之间的抽象关系，也就是说，在加工中，被试采用了非规则策略，导致其认知过程不是我们想考察的。&lt;br /&gt;
对这些问题的改进将在第二次活动中进行介绍。&lt;br /&gt;
&lt;br /&gt;
=吴俊杰　浅层、深层学习和思考的实验研究，脑活动和行为=&lt;br /&gt;
==关于如何定义理解的分歧==&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我先把昨天我们讨论的分歧点，和今天一些更新的思考写下来，后面在把背景和要做的事情补充上。&lt;br /&gt;
&lt;br /&gt;
昨天我们讨论的分歧是，可否把正确回答沃森测试的被试的脑激活与错误回答的相减，得到的脑区（也可能是脑网络、或者激活模式，暂以脑区来简化表述），操作性定义成'''理解的脑区'''，并把该脑区的活动强度作为理解程度的脑指标。&lt;br /&gt;
&lt;br /&gt;
认为可以的理由是：答对了的人被认为是理解了的，因为只有理解了才能做对（暂不考虑能蒙对的情况）；答错了的人被认为是没理解的，因为没理解到位才会答错（也只考虑理想情况）；所以前者减后者就是理解的脑区，逻辑上说不会有其他东西。&lt;br /&gt;
&lt;br /&gt;
认为不可以的顾虑是：他们存在差异的脑区，可能不仅包含'''表征知识结构的脑区'''，还包含'''推理执行的脑区'''和'''执行控制的脑区'''。如果“简单粗暴”地把差异脑区作为'''理解的脑区'''，那意味着把'''理解'''扩大成正确完成推理的过程、这更像是一个问题解决的过程，而不是我们原先所说的，理解是概念和概念之间的联系、是知识结构的表征。&lt;br /&gt;
&lt;br /&gt;
我区分出的'''知识结构的表征'''，还包含'''推理的执行'''和'''执行控制'''三个部分可能不太好理解，我举个登山的例子来说明。把登山类比成条件推理，假设登山也需要'''知识（类比知识结构的表征）'''，山上是阔叶林、针叶林、雪，可能需要的知识结构不一样（类比于条件推理需要if then的知识，三段论推理需要别的知识）。除了知识以外还需要'''体力（类比推理的执行）'''来实施登山知识中的做法，在实施的过程中需要'''意志力（类比执行控制）'''来坚持目标。有些运动员可以爬到山顶，有些没有（分别类比正确和错误回答条件推理的问题）。&lt;br /&gt;
&lt;br /&gt;
那么我们比较正确和错误回答问题的被试的脑活动，就好比在比较这到达和没到达山顶的运动员之间的差别，这个差别包含了'''登山知识'''、'''体力'''和'''意志力'''。其实我们更关心的登山知识，最好是让运动员（被试）在山顶回望自己登山成功的诀窍（不爬山的时候其实也行），而不应该让他们一遍又一遍地登山，因为这样很需要体力和意志力，后两者需要的努力更强，会掩盖掉登山知识的努力。对应过来就是，推理执行和执行控制会掩盖掉知识结构的表征。我用登山作例子是为了突出后两者所需要的认知强度会掩盖掉前者，登山的例子也可以换成走迷宫。'''理解'''的内涵应该是被试能够在迷宫出口回顾/再现（他所理解的）迷宫的结构，不应该包含是走迷宫的体力和意志力。&lt;br /&gt;
&lt;br /&gt;
'''推理的执行'''可能存在一部分跨领域的一致性，也就是三段论推理和条件推理也有共同激活的脑区，尽管二者有着不同的知识结构；'''推理的执行'''可能也存在一部分领域特异性，已有的脑成像研究认为社会推理、预警推理、抽象推理使用的脑区有相当的不同。&lt;br /&gt;
'''执行控制'''是指在人们协调自己思考与行为使之与目标保持一致的能力，这与智力高度相关，脑区有大量重叠，有相当程度的领域一般性。&lt;br /&gt;
&lt;br /&gt;
如果接受推理过程存在'''if then知识结构的表征'''、'''推理的执行'''和'''执行控制'''，而且也接受'''理解'''的是定义形成和维持'''知识结构的表征'''（而不是三者混合），那么正确和错误回答的被试的脑活动之差，就不单纯地是理解，而且理解更可能被后两者所掩盖。如果后两者特别强烈的话，那么找出来的脑区更可能是'''推理的执行'''和'''执行控制'''的脑区，也就是流体智力的脑区，而非理解的脑区。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
你这个困惑的问题在于：第一、没有考虑两类被试间的对比；第二、没有考虑这个研究的后续研究（这是为后续研究不同学习方法的效果服务的）。&lt;br /&gt;
&lt;br /&gt;
回到实验设计。我们有两个逻辑内涵一样的问题：具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;和抽象题&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;。具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;，例如，规则是“喝酒的人必须大于18岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;18&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。抽象题&amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt;，例如，规则是“穿红衣服的人必须大于14岁（&amp;lt;math&amp;gt;R=1\rightarrow Y&amp;gt;12&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“穿红衣（&amp;lt;math&amp;gt;R=1&amp;lt;/math&amp;gt;）、穿黄衣（&amp;lt;math&amp;gt;R=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。这两个问题的区别在于，前者和生活经验很接近，后者和生活经验很远。甚至，我们可以把抽象题改成，&amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt;，规则是“喝酒的人必须大于14岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;14&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。&lt;br /&gt;
&lt;br /&gt;
我们来看这样的两组被试：第一组&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;两个题（&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;）都答对了，第二组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;都答对具象题（&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;）但是但错了抽象题（&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;）。其实还有另外两组被试两题都答错了，以及具象题答错抽象题答对。这两组我们暂时不管。&lt;br /&gt;
&lt;br /&gt;
我们问这两组被试可能是什么原因造成的？&lt;br /&gt;
&lt;br /&gt;
为了回答这个问题，我们注意到，从逻辑内涵上说，&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;问题完全一致：规则是一组形如&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;的条件推断，如果出现&amp;lt;math&amp;gt;P=1\rightarrow Q=0&amp;lt;/math&amp;gt;则违反了这个规则，或者出现&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;则也违反了规则（因为我们可以得到&amp;lt;math&amp;gt;Q=0\rightarrow P=1 \rightarrow Q=0&amp;lt;/math&amp;gt;，矛盾）。更进一步，这相当于说，&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0\rightarrow P=0&amp;lt;/math&amp;gt;是等价的（因此，&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;违反规则）。这被称为原命题等于逆否命题。于是，自然我们就发现，需要稽查的对象的特征是&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;Q=1&amp;lt;/math&amp;gt;）和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;P=0&amp;lt;/math&amp;gt;）。另外两种情况就算查了，无论答案是什么，都不违反规则。&lt;br /&gt;
&lt;br /&gt;
于是，我们得到一个结论：如果被试实质上'''知道了并且能够应用'''“原命题等于逆否命题”的知识，则无论抽象题和具象题都应该能做对。因此，如果出现了&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试，则肯定是这组被试不满足'''知道了并且能够应用'''“原命题等于逆否命题”。&lt;br /&gt;
&lt;br /&gt;
那么，这组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试为什么又能够把具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;答对呢？因为具象题和生活经验非常接近，因此，另一个答对题的渠道是直接利用生活经验：对于喝酒问题，当然不到年龄&amp;lt;math&amp;gt;Y\geq 18&amp;lt;/math&amp;gt;的要检查，然后喝酒的&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;的也要检查。也就是说，&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;可以不依靠'''知道了并且能够应用'''“原命题等于逆否命题”来回答对。&lt;br /&gt;
&lt;br /&gt;
当然，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;组被试肯定得'''知道了并且能够应用'''“原命题等于逆否命题”，尽管其在回答具象问题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;的时候不一定用了这个思维和决策方式。&lt;br /&gt;
&lt;br /&gt;
因此，我们看到，对比这两组被试的脑活动，例如先在组内做一个具象问题和抽象问题的对比，然后组间对比，可以探测到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。当然，实际实验中，组内对比做减法的时候&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;被试不一定就能够完全消去经验决策的脑活动（原则上两个任务都在用经验决策，但是还会有剩余其他思维的差别），&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试也不一定就能非常好地保留理性决策通道的脑活动（原则上，具象任务激活理性决策的程度应该比抽象任务激活程度低，但是，也有可能两者激活强度类似）。理想条件下，&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;减完了就是噪音，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;减完了就是理性决策通道的激活信号。这样就找到了'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
当然，也可以做另一种相减，就是&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象任务，减去&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;的抽象任务。假设前者理性决策通道激活强，后者弱，则减完之后正好也能找到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
现在，回到吴俊杰的问题：我们能不能区分开'''知道了'''和'''能够应用'''“原命题等于逆否命题”的脑活动？我们要说明：这个区分对于后续研究没有意义。'''我们将来的研究关注的问题是：从行为和脑活动上，教会知识生成器'''（不同层次的，例如在这里记住可以得到结论的“原命题等于逆否命题”，或者更进一步，从集合论来得到“原命题等于逆否命题”）'''和直接记住答案'''（在这里，稽查&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;的人）'''在？？提成？？问题解决上有没有区别'''。于是，我们关注的就是'''知道了“和”能够应用'''“原命题等于逆否命题”这个整体，而不是分开。&lt;br /&gt;
&lt;br /&gt;
更进一步，我们把“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识。只要理解到位，肯定是会用的。这也正好是[[:分类:知道到运用的距离|知道到运用的距离]]所要研究的问题：是不是通过提高对知识的理解，可以帮助学习者缩短从知道到运用的距离。&lt;br /&gt;
&lt;br /&gt;
再退一步，既然这个区分对与将来的研究没有意义，如果担心这个'''知道了'''和'''能够应用'''不等于'''理解'''，那直接叫做解决Wason测试问题，或者说知道和能够应用“原命题等于逆否命题”的脑区好了。有什么区别吗？对于自然科学家来说，这个区别没有任何意义：我们只关心能够测量的区别，仅仅存在于理念上的不能测量的区别没有任何意义，这仅仅是一个名词之辩，而不是事实之辩。&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我们的共识是要研究的'''知道了'''和'''能够应用'''，对于'''“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识''',我也是认同的。我想指出的一个混淆的东西是'''应用（do）'''。我暂且把'''知道了'''和'''能够应用'''分别说成'''know what'''和'''know how to do'''（这都属于知识结构表征的，前者更偏向陈述性的，后者更偏向程序性的），但我们让被试执行沃森测试，实际上更大强度调用了do的脑区。&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;在抽象题目上的差别，不仅包含了'''know what'''和'''know how to do'''更多地还包含了'''do'''，如果用这个差异的脑区很很大可能是do的脑区，如果把它当做理解的脑指标，那就好像是把姚明手腕肌肉的活动强度当做他乒乓球知识技能的指标。&lt;br /&gt;
&lt;br /&gt;
另外，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象题和具体题相比，应该是把if then表征（know what和know how to do）的脑区减掉了（如果&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;在具体任务中也是使用了和抽象题目一样的逻辑，而且两者的表征强度相近），剩下的差别是do的脑区。&lt;br /&gt;
&lt;br /&gt;
我认为我们感兴趣的并不是Wason测试（或者说条件推理）的全部过程，而是以Wason测试作为工具来考察人们头脑的if then知识结构（包括know what和know how to do），有和没有这套知识结构的差别脑区，并以该脑区作为理解的脑指标。至于Wason测试的过程中有很重的do的成分，这部分可能在其它不涉及if then知识结构的推理中也要用到，甚至是更一般的智力任务也用到，这对于考察条件推理脑机制的研究来说，这很OK，没有问题，这就是他们的研究对象，但对于我们考察理解、考察if then知识结构的研究来说，这是一个很大的混淆。&lt;br /&gt;
&lt;br /&gt;
写到这里，我突然在想，吴老师您关心的是不是就是do的脑区，您认为这是理性渠道的激活。哪怕这个脑区是在do三段论推理（而不是条件推理），在您的框架内都是理性思考，至于他们思考所依赖的知识结构是if then 还是三段论，那不是您这里所关心的。是这样的吗？举个不太恰当的例子，把大脑比作一个工厂，您关心的是这个工厂机器轰鸣声（do）所在的地方，至于机器在加工生产什么（if then 或者三段论）那无所谓，只要它不是从别家工厂的仓库里未经加工地搬运过来贴牌出售就好。后期您想看这个机器轰鸣声强度来衡量这家工厂自主生产的能力。是这样的吗？&lt;br /&gt;
&lt;br /&gt;
如果是这样的话，前人有关推理的研究已经做了很多，他们都是没有区分推理只是的表征和推理过程，而是把他们混在一起来看，这些研究发现的脑区跟智力活动也是密切相关的。如果我们不关心具体的知识结构的表征（if then、三段论、或者更低层的集合论），只关心是否进行“理性思考”（这不是个认知心理学的词汇，暂且这么用），那么是不是就可以选取前人推理研究中提到的那些脑区，以它们的活动作为理性思考（而不是对只是结构的表征[我理解的“理解”]）的脑指标。&lt;br /&gt;
&lt;br /&gt;
那这样的话，一个很直接的问题就是，我们想研究理性思考、理解型学习，但却选取了流体智力的脑区作为脑指标。然而，流体智力很大程度是天生的、随年龄变化，教育的目的如果是为了提高流体智力，那可能有点困难。我感觉应该把研究对象放在知识结构上面（包括know what和know how to do），这更多是晶体智力部分。&lt;br /&gt;
&lt;br /&gt;
再回到学科'''哲学的层面（名词之辩和事实之辩的问题）'''，我感觉认知心理学和物理学背后的哲学可能还不太一样，我们在做实验前要从概念上界定清楚这个东西是个啥，从信息加工角度去看它是个什么，也就是先有理论，才能理解结果是什么意思。物理学有些时候是把这个事实找出来（量子力学中的粒子到底怎么走），确定这个事实是客观存在的，至于理论怎么理解那就看波函数，波函数说粒子同时穿过两条缝，那么我们人类的大脑能理解得了是这样，不能理解得了也是这样（宇宙没有义务让人们理解它，不记得从哪听来的，好像很有道理，哈哈哈）。我感觉认知心理学和物理学的这个差异是因为人的认知和脑活动太复杂了，需要用计算机类比才能更好地去理解，否则出来的东西不知道是什么，我们也写不出公式（计算神经科学），就算写出来了，与实际结果拟合的时候也有很大的误差。我提的这个信息加工模型可能不完美，模型中有很多被批评的地方（比如，理解/知识生成器竟然不包括CPU的计算过程），这或许可以通过增加算法（知识表征）和CPU（流体智力）的交互方式来进行修正,或许需要全部推翻重新构建一个信息加工的模型，但不能没有一个模型。'''没有一个模型（名词之辩，概念层面辨析清楚了它到底是什么），我们才能理解出来的这个结果是个什么事实（事实之辩）。'''&lt;br /&gt;
&lt;br /&gt;
我仔细看过了大家的每条消息，感谢大家贡献的想法。确实，我和吴老师在'''理解'''的概念定义上存在分歧。我确实试图在厘清'''理解'''的概念性定义，而不满足于目前的'''“继续设计不同层次的问题，一直到那些真的需要理解的问题为止”'''的操作性定义。至于能否给出更好的操作性定义，以分离出'''纯粹的理解'''（也就是概念定义上的'''理解'''的内涵，我目前认为它是获得知识结构的表征，该表征中当然也包含运用知识结构的知识），我目前有一些想法，准备等这个话题讨论结束之后（也就是我所说的目前这个操作定义的局限被大家理解之后，或者我的认识被改变重新接受现在这个操作性定义，或者在有限的讨论轮次内我们暂时搁置这个话题）我再整理出来，大家看看是否有更好（也有可能认为没有必要，哈哈哈）。&lt;br /&gt;
&lt;br /&gt;
路遥师兄说到的，理解需要依赖注意、记忆和执行控制等，这我是认同的，就像算法运行依赖CPU的计算和电源的供电一样。不过如果有人摸着CPU/电源的发热程度告诉我，这作为理解程度的指标来进行后续研究，我想这很少有人会同意。我想，大脑中应该有地方是表征算法的（也就是知识结构，以及如何将知识结构运用到不同情境中的知识），也有地方是负责计算（CPU）、还有负责注意的（电源）。沃森测试是一个推理任务，很费脑子（CPU和电源），如果简单粗暴地把正确答题的被试与错误答题的被试相减，得到的脑区最亮的可能是CPU和电源的脑区，表征算法的脑区就在多重比较校正中就看不到了。如果把CPU和电源的脑区当做理解的脑区，这是有问题的。&lt;br /&gt;
&lt;br /&gt;
吴老师说这是一个名词之变，退一亿步来说，可以把这个脑区叫做“条件推理认知和应用脑区”，尽管退了这么多步，可能还不太准确，应该这样表述可能更好“这个脑区参与条件推理认知和应用”，言外之意是它还可能参与其它“费脑子”的活动，比如说三段论推理，瑞文测验，数学计算等等（如果这个脑区的角色是CPU和电源的话）。如果我们把这个脑区的活动强度，作为一个指标，看它能否辨别另外一组被试在另一个版本的条件推理任务的成绩，这也很有可能可以做到，甚至还能辨别另一组被试在三段论推理，瑞文测验，数学计算中的成绩，但这只能说明他们在任务中费了多少脑子（CPU和电源的功耗，认知努力程度）。认知努力越多，成绩越好，这也是很合理的，但并不能说明他们认知努力越多，理解（知识结构的表征）就越好啊。&lt;br /&gt;
&lt;br /&gt;
如果吴老师并不是想要考察理解（知识结构的表征），而是要考察认知努力程度（CPU和电源的功耗），那这么做是OK的。只是，目前有很多做推理、智力的研究，在元分析中选取一两个脑区，用其活动强度的指标去辨别一组被试在条件推理任务中的成绩，那也很有可能会成功（有待看文献是否已经有人做了这点）。不过，这么做新意在哪里呢，在哪方面拓宽了我们人类的认知边界呢？会不会有一种，原先我们人类知道的还是知道，原先不知道的还是不知道的感觉？&lt;br /&gt;
&lt;br /&gt;
另外，吴老师说'''凭什么我们就得听没有实验检验过的理论和概念？'''但是您提出的知识生成器的不也是未经实验检验过的理论和概念吗？还有知识生成器的生成器。：）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
在两组被试之间比较，不管是直接拿着抽象题去比较，还是自己先用抽象题减去具象题然后比较，怎么会主要差别在执行？这里安全不通啊。抽象题（甚至可以采用完全抽象的&amp;lt;math&amp;gt;P=1\Rightarrow Q=1&amp;lt;/math&amp;gt;）必须懂得“原命题等于逆命题”这个知识以及把原命题等于逆否命题用来解决问题，具象题不一定要用（或者激活程度比较低），可以用生活经验。为什么两者相减以后是执行功能？&amp;lt;/font&amp;gt; &amp;lt;font color=black&amp;gt;（吴俊杰：您认为两道题都做对的人已经掌握了if then的知识结构，并使用这一个知识结构去解答抽象和具体题，您忘了吗/捂脸。这就是我们人类在思考的时候经常会丢失某些原先存储了的信息、错误地计算，因此需要花费很多能量来维持和重新提取旧信息、去纠正错误的计算。如果没有，就会得到错误答案，这里是执行和执行控制的问题，并不意味着我们不理解（没有这个知识结构的表征）啊）&amp;lt;/font&amp;gt; &amp;lt;font color=blue&amp;gt;反而执行功能是两者相近的，所以，应该被减掉了。所以，你的问题，还是没有做做对的和做错的两组被试的对比。&lt;br /&gt;
&lt;br /&gt;
你详细给我说明一下，为什么“规则是喝酒的人必须大于18岁”，“喝酒的人必须大于13岁”，这两道题的差别是“执行功能”上的差别，而不是“知道和能够应用”上的差别？不管对比两个都答对，还是对比一个对一个错。&lt;br /&gt;
&lt;br /&gt;
用你的语言，我这样来看这个对比：假设两道题都需要“知道了”、“能够应用”、“执行”三个功能。关于“知道了”，18岁的问题不一定需要“原命题等于逆否命题”这个核心知识，可以运用生活经验，当然，也可以通过核心知识来解答这个问题；但是13岁的题就必须懂的这个核心知识才能解答（其实，还可以无脑类比，这个可能层次更高，但是在这里暂时忽略。如果觉得这是个问题，则用更加抽象的问题就行）。关于“能够应用”，也类似。现在来看“执行”，18岁的题和13岁的题，在“知道了”和“能够应用”的基础上，有可能需要调用类似的区域。如果是这样，则就同被试之间的对比被减掉了。如果两到题的执行很不一样，那是不是有可能13岁的题不管答对还是答错，执行区都一样，则去对比两组被试的13岁的题，也就被减掉了，剩下的就是知道和能够应用的差别。还剩下一种可能，不管是两道题之间，还是答对和答错之间，执行的差别就是特别大，比知道和能够应用还要大！&lt;br /&gt;
&lt;br /&gt;
第一，我认为这个可能性只能用实验来检验，而不是在没有实验之前就猜。第二，我认为这个可能性很小。为什么执行上的差别会比知道和能够应用还要大？&lt;br /&gt;
&lt;br /&gt;
再退一步，假设“知道了”、“能够应用”在对比以后确实消失了，只剩下了“执行”的脑活动，只要“执行”的脑活动仍然具有特异性——活动强则抽象题做对了活动弱就没做对，反之亦然——则这个“执行”脑活动的指标，仍然满足我们所有的后续研究的需要。&lt;br /&gt;
&lt;br /&gt;
顺便，所有人包括咱们自己提出的概念，在没有被实验验证之前都是狗屎。所以，我们才要设计实验来测量知识生成器。如果实验上测不到，就证明这完全是狗屎；或者测到了没效果，那就证明这比较狗屎。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
==分离出知识结构表征的脑区的新方案==&lt;br /&gt;
&lt;br /&gt;
或许可以用这样的方案来更好地找到知识结构表征的脑区。&lt;br /&gt;
&lt;br /&gt;
#正确解答后在头脑中维持解题思路（包含know what和know how to do，但尽可能少的do）&lt;br /&gt;
待写。&lt;br /&gt;
#科学概念的表征&lt;br /&gt;
##给一组被试一篇物理知识的文章，让他们读。&lt;br /&gt;
##再给他们相应的测试题目，得到一个测验分。&lt;br /&gt;
##把重要概念拿出来，让让他们在核磁里依次观看每一个重要概念，并围绕这该概念进行联想。&lt;br /&gt;
##被试评估它们两两之间的距离，构建网络&lt;br /&gt;
##把这个网络和专家给出的概念地图的网络做相似性分析，每个被试得到相似性的值。&lt;br /&gt;
##检验相似性越高的被试，是否测验分数越高。&lt;br /&gt;
##采用表征相似性的办法，用被试评估出来的网络去搜索大脑中有类似表征的脑区，该脑区即为表征了概念间关系的脑区，即理解的脑指标。&lt;br /&gt;
##分析该脑区的表征相似性，即可衡量其他被试的理解程度。&lt;br /&gt;
##还可以找另一组被试（或者给上一组被试设置另一个实验条件），给被试打乱词序的文章，同样的方法重复上面的分析，被试评估的脑网络应该与测试分数不相关，被试在该脑区的表征相似性应该也不能预测行为分数。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color = blue&amp;gt;&lt;br /&gt;
吴金闪：你这个实验设计，任务太复杂，不如直接用假汉字的理解型和机械式学习，然后来考试&amp;lt;font color = black&amp;gt; (吴俊杰：我们讨论过这个话题，我们当时说到，这两组被试应该要有脑活动的差别[如果没有，可能是核磁设备的测量精度不够]，只是会出来一堆差异的脑区，每个脑区具体扮演设么角色，只能看图说话了。不过这作为一个初始研究还是可以去做的，好像也有研究做过了，只是不是用词汇学习的任务，我回头找出这篇文献)&amp;lt;/font&amp;gt;。&amp;lt;font color = blue&amp;gt;或者，用“重物下落更快”的理解型考题和机械式考题&amp;lt;font color = black&amp;gt;（吴俊杰：这是值得去做的，一个一个来做）&amp;lt;/font&amp;gt;。&amp;lt;/font&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:2021%E5%B9%B4%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%A4%A7%E7%89%A9%E7%90%86%E7%AC%AC%E4%B8%89%E6%AC%A1%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5956</id>
		<title>分类:2021年下学期大物理第三次组会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:2021%E5%B9%B4%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%A4%A7%E7%89%A9%E7%90%86%E7%AC%AC%E4%B8%89%E6%AC%A1%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5956"/>
		<updated>2021-03-08T02:48:55Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:大物理组会纪要  宋玉鲲你补充。”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:大物理组会纪要]]&lt;br /&gt;
&lt;br /&gt;
宋玉鲲你补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:2021%E5%B9%B4%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%A4%A7%E7%89%A9%E7%90%86%E7%AC%AC%E4%BA%8C%E6%AC%A1%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5955</id>
		<title>分类:2021年下学期大物理第二次组会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:2021%E5%B9%B4%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%A4%A7%E7%89%A9%E7%90%86%E7%AC%AC%E4%BA%8C%E6%AC%A1%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5955"/>
		<updated>2021-03-08T02:48:31Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:大物理组会纪要 天笑，你补充。”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:大物理组会纪要]]&lt;br /&gt;
天笑，你补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5954</id>
		<title>分类:大物理组会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5954"/>
		<updated>2021-03-08T02:47:15Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展板]]&lt;br /&gt;
&lt;br /&gt;
在这里整理每次组会的纪要。注意，只记录最重要的那些，尤其是需要落实的。纪要不是会议文字转录。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5953</id>
		<title>分类:大物理组会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5953"/>
		<updated>2021-03-08T02:46:24Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展板]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5952</id>
		<title>分类:大物理组会纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%A4%A7%E7%89%A9%E7%90%86%E7%BB%84%E4%BC%9A%E7%BA%AA%E8%A6%81&amp;diff=5952"/>
		<updated>2021-03-08T02:46:15Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:工作进展版”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:工作进展版]]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E9%A6%96%E9%A1%B5&amp;diff=5951</id>
		<title>首页</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E9%A6%96%E9%A1%B5&amp;diff=5951"/>
		<updated>2021-03-08T01:56:40Z</updated>

		<summary type="html">&lt;p&gt;Ccr：/* 以下是本站点主要内容页面 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;strong&amp;gt;欢迎来到“Big Physics”研究小组&amp;lt;/strong&amp;gt;&lt;br /&gt;
&lt;br /&gt;
我们是一群用来自于物理学（网络科学和系统科学）的相互联系的视角、分析方法研究物理学、博弈论、科学计量学、自然语言处理、教和学以及相关学科的问题的研究者。我们希望促进科学问题的提出和解决、学科的发展、更好的教和学之外，还能够推动社会的进步。我们的研究工作大概来说具有一定的共性：问题导向跨学科、从相互联系相互作用的个体到整体、从问题到方法从方法到问题。&lt;br /&gt;
&lt;br /&gt;
目前阶段，这个站点基本上是为了团队内部工作的需要建设的，尽管所有人都可以访问。条件成熟的时候，也可以开放给公众来参与建设和讨论。&lt;br /&gt;
&lt;br /&gt;
这个站点运行的是MediaWiki平台。由于考虑到将来可以把这个wiki站点的信息拿来做成语义网络或者概念地图，我们规定每一个“概念”或者说页面对象必须是一个“分类”：分类页面上有对这个这个分类的描述，可以和这个概念通过上下级联系找到关联的其他分类。有的时候，你可能觉得这个概念完全就是最底层的了，再也没有可能的下一级的概念了，这个时候请仍然使用分类。因为将来还是有可能会有新的下一级概念的。实际上，这个wiki的核心就是概念集合以及概念之间的上下级关系（整体-部分，是一种，导致），还有其他不限定的关系。如果你希望把这样的一般关系也结构化，本wiki站点也支持Semantic MediaWiki的附加语法。&lt;br /&gt;
&lt;br /&gt;
我们把这个以概念为顶点以概念之间的上下左右的联系为边构成的网络称作人类高速公路。实际上，本团队无论是具体学科的研究工作，还是科学学、教和学方面的研究工作，基本上都可以看作是人类高速公路上的[[:分类:新教育-科学学-出版模型|新教育模型、新科学学模型，乃至新出版模型]]等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 以下是本站点主要内容页面 ==&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究思想和方法&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究项目&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;数据&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;文献讨论&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;工作进展板&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究成果&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究者&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;概念和书籍&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;概念网络&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;科研经验&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;教学实践&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;软件平台&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[https://beian.miit.gov.cn/ 京ICP备13017557号-2]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E9%A6%96%E9%A1%B5&amp;diff=5210</id>
		<title>首页</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E9%A6%96%E9%A1%B5&amp;diff=5210"/>
		<updated>2020-12-02T08:23:12Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;strong&amp;gt;欢迎来到“Big Physics”研究小组&amp;lt;/strong&amp;gt;&lt;br /&gt;
&lt;br /&gt;
我们是一群用来自于物理学（网络科学和系统科学）的相互联系的视角、分析方法研究物理学、博弈论、科学计量学、自然语言处理、教和学以及相关学科的问题的研究者。我们希望促进科学问题的提出和解决、学科的发展之外，还能够推动社会的进步。我们的研究工作大概来说具有一定的共性：问题导向跨学科、从相互联系相互作用的个体到整体、从问题到方法从方法到问题。&lt;br /&gt;
&lt;br /&gt;
目前阶段，这个站点基本上是为了团队内部工作的需要建设的，尽管所有人都可以访问。条件成熟的时候，也可以开放给公众来参与建设和讨论。&lt;br /&gt;
&lt;br /&gt;
这个站点运行的是MediaWiki平台。由于考虑到将来可以把这个wiki站点的信息拿来做成语义网络或者概念地图，我们规定每一个“概念”或者说页面对象必须是一个“分类”：分类页面上有对这个这个分类的描述，可以和这个概念通过上下级联系找到关联的其他分类。有的时候，你可能觉得这个概念完全就是最底层的了，再也没有可能的下一级的概念了，这个时候请仍然使用分类。因为将来还是有可能会有新的下一级概念的。实际上，这个wiki的核心就是概念集合以及概念之间的上下级关系（整体-部分，是一种，导致），还有其他不限定的关系。如果你希望把这样的一般关系也结构化，本wiki站点也支持Semantic MediaWiki的附加语法。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 以下是本站点主要内容页面 ==&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究思想和方法&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究项目&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;数据&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;文献讨论&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;工作进展板&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究成果&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;研究者&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;概念和书籍&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;概念网络&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;科研经验&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;教学实践&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;软件平台&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&amp;lt;categorytree depth=0&amp;gt;宏观金融&amp;lt;/categorytree&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[http://www.miitbeian.gov.cn/ 京ICP备13017557号]&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5118</id>
		<title>分类:学科人才培养体系设计</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5118"/>
		<updated>2020-11-30T02:46:06Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
按照客户需求，[[:分类:教育系统科学研究中心|教育系统科学研究中心]]运用[[:分类:认知和教育中的系统科学|认知和教育中的系统科学]]研究项目的成果，来帮助客户一起梳理其所关注的学科的人才培养体系。也就是，梳理一下研究这个学科和应用这个学科来解决问题的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]（会在石墨文档中打开）。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5117</id>
		<title>分类:系统科学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5117"/>
		<updated>2020-11-30T02:45:52Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:系统科学立地]]&lt;br /&gt;
[[分类:认知和教育中的系统科学]]&lt;br /&gt;
[[分类:学科人才培养体系设计]]&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究系统科学和应用系统科学来解决问题的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的系统科学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:系统科学概念网络|系统科学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学中心|教育系统科学中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]（会在石墨文档中打开）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=系统科学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==对系统的理解：'''系联性思考'''==&lt;br /&gt;
&lt;br /&gt;
系联性思考指的是'''多层次'''地做'''分解和综合'''，或者说把'''微观和宏观'''贯通，或者说是'''还原论和整体论'''的结合，也就是说，把一个整体拆分成构成这个整体的单元以及这些单元的联系，从而来更好地理解这个整体的地位功能和可靠性等，以及用来描述这个整体和同层次的其他整体的关系从而构成的更上层的整体。反过来，所拆分出来的单元也可以进一步拆分，从这个单元的更小的单元以及这些小单元之间的相互联系的角度来描述这个单元。这样的不断地多层次地分解和综合，从个体看到整体，从整体的角度看个体，就叫做系联性思考。在这其中，由于要看到整体，往往要从直接联系走到间接联系。例如&amp;lt;math&amp;gt;\mbox{系联}=\mbox{联系}^{1}+\mbox{联系}^{2}+\mbox{联系}^{3}+\cdots&amp;lt;/math&amp;gt;（系联=联系^{1}+联系^{2}+联系^{3}+...）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
这部分可以用力学（受力分析、绳子上的波）、统计物理学（Ising模型的相变）的一部分知识和案例当例子。&lt;br /&gt;
&lt;br /&gt;
这部分是为了帮助学生明白什么是系统。&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。一旦这两部分都明白，那合起来就是“系统科学”。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=系统科学从业者最需要的技能=&lt;br /&gt;
==数值计算和数值模拟==&lt;br /&gt;
包含多主体模拟和montecarlo模拟。这部分可以参考统计物理学以及更一般的例如群体运动的例子。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5116</id>
		<title>分类:学科人才培养体系设计</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5116"/>
		<updated>2020-11-30T02:45:09Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
按照客户需求，[[:分类:教育系统科学研究中心|教育系统科学研究中心]]运用[[:分类:认知和教育中的系统科学|认知和教育中的系统科学]]研究项目的成果，来帮助客户一起梳理其所关注的学科的人才培养体系。也就是，梳理一下研究这个学科和应用这个学科来解决问题的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5115</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5115"/>
		<updated>2020-11-30T02:40:39Z</updated>

		<summary type="html">&lt;p&gt;Ccr：/* 分解，还原论，找任何一件事情的往往更小的根源 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]（会在石墨文档中打开）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
例如，某种疾病是由于某种东西太多或者太少导致的，或者某个器官甚至某个组织某些细胞出问题导致的。这是非常重要的思维方式，不仅仅在医学学科。任何问题的解决，我们都需要尽量找出来最最核心的单一的因素。&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
很多更加复杂的问题的根源不在具体事物上，而在几个事物的联系上。当然，只有慢慢地添加，不得不添加的时候才能增加系统内元素的数量、元素之间的联系的数量。这部分，系统科学和物理学可以提供很好的例子。&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5114</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5114"/>
		<updated>2020-11-30T02:38:44Z</updated>

		<summary type="html">&lt;p&gt;Ccr：/* 综合，整体论，系统性思维 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]（会在石墨文档中打开）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
很多更加复杂的问题的根源不在具体事物上，而在几个事物的联系上。当然，只有慢慢地添加，不得不添加的时候才能增加系统内元素的数量、元素之间的联系的数量。这部分，系统科学和物理学可以提供很好的例子。&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5113</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5113"/>
		<updated>2020-11-30T02:35:34Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]（会在石墨文档中打开）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5112</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5112"/>
		<updated>2020-11-30T02:35:12Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/ 《深层教和学》]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5111</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5111"/>
		<updated>2020-11-30T02:35:00Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
更多的关于这一套学科人才培养体系建设的说明，可以看这个文档：[https://shimo.im/docs/HYGHHWqPgH8TQPw3/《深层教和学》]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5110</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5110"/>
		<updated>2020-11-30T02:32:23Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
考虑清楚了一个学科的研究者和从业者最需要什么，这些东西最适合用什么案例通过学习什么概念来教，并且构建了学科概念地图，才能做下一步：把学科概念地图分解成主题和课程模块，以及课程之间的联系，对每一个主题做细节的概念地图的梳理（怎么教，概念见依赖关系如何处理，为什么要讲这个主题，用什么例子，为什么要用这个例子），最后才是编写课程大纲和教材以及实验教学。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5109</id>
		<title>分类:医学人才培养</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%8C%BB%E5%AD%A6%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB&amp;diff=5109"/>
		<updated>2020-11-30T02:29:29Z</updated>

		<summary type="html">&lt;p&gt;Ccr：创建页面，内容为“分类:学科人才培养体系设计 分类:系统科学立地  在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维...”&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:学科人才培养体系设计]]&lt;br /&gt;
[[分类:系统科学立地]]&lt;br /&gt;
&lt;br /&gt;
在这里，我们来梳理一下研究和应用医学的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。整理出来的医学概念网络则需要呈现为概念地图和wiki的形式，见[[:分类:医学概念网络|医学概念网络]]。&lt;br /&gt;
&lt;br /&gt;
这是商谈中的温州医学院的委托项目。&lt;br /&gt;
&lt;br /&gt;
这是[[:分类:教育系统科学研究中心|教育系统科学研究中心]]为社会服务的一部分，所以，同时放入[[:分类:学科人才培养体系设计|学科人才培养体系设计]]和[[:分类:系统科学立地|系统科学立地]]分类里面。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的思维=&lt;br /&gt;
&lt;br /&gt;
==分解，还原论，找任何一件事情的往往更小的根源==&lt;br /&gt;
&lt;br /&gt;
==综合，整体论，系统性思维==&lt;br /&gt;
&lt;br /&gt;
==对科学的理解==&lt;br /&gt;
这部分是为了帮助学生明白什么是科学。&lt;br /&gt;
&lt;br /&gt;
科学就是用数学结构描述现实世界，给数学结构找到现实对应，要求对应好之后的那个数学结构，也就是现实世界的数学模型计算出来的结果在误差范围内和现实世界的测量结果不可区分。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===建模，用数学描述世界的能力和思维习惯===&lt;br /&gt;
找到合适的数学结构来描述现实对象，才有后面的检验。&lt;br /&gt;
&lt;br /&gt;
在建模过程中，最重要的就是对现实世界你可以进行什么操作。而这个“可以进行什么操作”的问题往往会牵涉到所要描述的现实对象内部的单元及其之间的关系，以及这个所要描述的对象之外的和这个对象紧密联系的其他对象以及这些对象和所要描述的对象之间的关系。也就是说，建模过程会用到系联性思考。一旦搞清楚了可以对这个对象做什么，建模过程就简单了，就成了寻找一个数学对象，正好也可以对这个数学对象做那些操作。例如，数学的矢量可以拉伸旋转相加算相似性，那么一旦我们的现实对象也需要完成这些操作，例如空间位置、量子态、词句子等语言单位，那么，我们就可以用矢量来描述这些对象。&lt;br /&gt;
&lt;br /&gt;
===可证伪性和实验检验===&lt;br /&gt;
可证伪性的含义是指，一个结论或者一个模型，原则上其本身可以被证明是错的（也就是只要观察到什么什么现象，我们就可以否定这个结论或者模型）。一个根本上就不存在错误的可能性的东西没有可证伪性。例如对于“上帝是存在的”，我们不知道观察到什么样的现象就可以否定。但是，对于“天下乌鸦都是黑的”，我们知道只要观察到一只白色的乌鸦就可以证明其错误。&lt;br /&gt;
&lt;br /&gt;
那么，当我们说“一个结论或者模型是科学的”的时候，其含义是它是可证伪的，但是迄今为止没有被证伪。&lt;br /&gt;
&lt;br /&gt;
那，为什么不用可证实的来当做科学的判断标准呢？因为，逻辑上，我们就算证明了一个、两个、三个、很多很多个实验结果和某个理论的结果相符，也不能直接证明这个理论所用的概念所做的假设是正确的。概念和假设是不能直接观测的，地人类对于现实对象的抽象描述。最多，我们只能说，这个理论的假设和概念目前还不是错的。&lt;br /&gt;
&lt;br /&gt;
甚至，更进一步，通过量子力学的理论模型的发展历程和实验检验这个例子的学习，我们还可以体会到，一个理论是否是科学的，和这个理论是否可以被人类所“理解”，也是没有关系的。或者说，这里的“理解”只能意味着，我能够用这套理论做计算，而不是别的什么“想明白”。因此，可证伪性和实验检验是科学里面最最重要的概念。&lt;br /&gt;
&lt;br /&gt;
这两部分也基本上没有比物理学的部分知识和案例更合适的了。&lt;br /&gt;
&lt;br /&gt;
===什么是科学的哲学思辨===&lt;br /&gt;
当然，了解一点关于什么是科学的哲学思辨，也是有意义的。例如上面从可证实性到可证伪性的转变，就是科学哲学家Karl Popper提出来的。此外，Bertrand Russell也在其西方哲学史里面提供了一个很有意思的说法：科学是既讲道理也要做实验的，哲学是讲道理但是尚不能验证的，神学是既不讲道理也不能做验证的。这里的讲道理就是数学论证（建模、推理和计算），验证就是做实验对比计算和实际观测。顺便，我补充“数学是讲道理，但是不屑于不需要做验证的”。&lt;br /&gt;
&lt;br /&gt;
这部分思辨，也需要结合具体学科的知识和研究案例，尤其是来自于物理学和数学的知识和案例。&lt;br /&gt;
&lt;br /&gt;
=医学从业者最需要的技能=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
未完，待补充。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5108</id>
		<title>分类:学科人才培养体系设计</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%AD%A6%E7%A7%91%E4%BA%BA%E6%89%8D%E5%9F%B9%E5%85%BB%E4%BD%93%E7%B3%BB%E8%AE%BE%E8%AE%A1&amp;diff=5108"/>
		<updated>2020-11-30T02:24:24Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
按照客户需求，[[分类:教育系统科学中心|教育系统科学中心]]运用[[:分类:认知和教育中的系统科学|认知和教育中的系统科学]]研究项目的成果，来帮助客户一起梳理其所关注的学科的人才培养体系。也就是，梳理一下研究这个学科和应用这个学科来解决问题的人最需要什么知识、思维和技能，这些最需要的东西可以通过学习什么研究案例、知识来得到，这些研究案例和知识又可以被拆分和组织成什么样的课程或者说概念群落。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%B7%B1%E5%B1%82%E6%95%99%E5%92%8C%E5%AD%A6%E8%AE%BA%E6%96%87%E5%B7%A5%E4%BD%9C%E8%AE%B0%E5%BD%95&amp;diff=5107</id>
		<title>分类:深层教和学论文工作记录</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%B7%B1%E5%B1%82%E6%95%99%E5%92%8C%E5%AD%A6%E8%AE%BA%E6%96%87%E5%B7%A5%E4%BD%9C%E8%AE%B0%E5%BD%95&amp;diff=5107"/>
		<updated>2020-11-30T02:22:51Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
按照中心贡献度计量文件，设立每一个项目的工作记录。&lt;br /&gt;
&lt;br /&gt;
# 吴金闪、陈晓松、汪明、朱志勇等讨论提出写一个介绍整个“深层教和学”理念、实践经验和研究的文档。其中，吴金闪在形成这个理念的过程中受的启发已经不可考，就不在记录到本文中。&lt;br /&gt;
# 吴金闪　完成《深层教和学》最潦草的草稿。&lt;br /&gt;
# 陈路遥　完成第一轮文字修改，并修改部分内容，提出文章的几个问题。&lt;br /&gt;
# 汪明　补充隐性知识显性化和高层知识生成器的教学的关系&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5106</id>
		<title>分类:教育系统科学中心第一次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%B8%80%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5106"/>
		<updated>2020-11-30T02:21:41Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是整体介绍一下“深层教和学研究”的主要思想、项目和方法。以下是各个部分讨论的概要。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月4日（周三）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
=周亚，结合学院研究布局来定位中心的研究工作和将来的实践工作=&lt;br /&gt;
&lt;br /&gt;
=吴金闪，深层教和学研究的理念方法和项目=&lt;br /&gt;
介绍了知识网络（概念联系），知识的层次，教和学的层次等概念，并且提出，应该关注深层教和学，这种真正促进创造提升迁移能力的教和学，而不仅仅是信息提取记忆程序性计算的重复练习等浅层学习。在理念的基础上，吴金闪还介绍了从标注了教和学的层次的学科知识网络的构建（人工构建、构建算法、网络上的学习顺序算法和检测算法），以及深层教和学的基础研究（行为和脑科学测量、深层教和学是否可以提高问题解决能力和创造力、当前教师和学生的教和学的层次）两个方面，介绍了大概有哪些[[:分类:认知和教育中的系统科学|具体研究问题]]，大概怎么做。&lt;br /&gt;
&lt;br /&gt;
更多深层教和学研究的文档见：[[:分类:深度教和学文档|深度教和学文档]]。&lt;br /&gt;
&lt;br /&gt;
=朱志勇（吴金闪代讲）教和学的层次的标注和量表=&lt;br /&gt;
展示了[[:分类:教和学的层次研究|教和学的层次]]的[[:分类:课堂教学的层次的标注|编码内容、编码原则和编码流程，编码例子]]。以及后续研究计划，包含相关的理解型学习量表（和编码交叉检验）、问题解决能力和创造力量表，以用于后期的行为编码（人工和机器学习标注）和统计分析。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　多层次类比思维的习得，脑活动和行为=&lt;br /&gt;
&lt;br /&gt;
=吴俊杰　浅层、深层学习和思考的实验研究，脑活动和行为=&lt;br /&gt;
==关于如何定义理解的分歧==&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我先把昨天我们讨论的分歧点，和今天一些更新的思考写下来，后面在把背景和要做的事情补充上。&lt;br /&gt;
&lt;br /&gt;
昨天我们讨论的分歧是，可否把正确回答沃森测试的被试的脑激活与错误回答的相减，得到的脑区（也可能是脑网络、或者激活模式，暂以脑区来简化表述），操作性定义成'''理解的脑区'''，并把该脑区的活动强度作为理解程度的脑指标。&lt;br /&gt;
&lt;br /&gt;
认为可以的理由是：答对了的人被认为是理解了的，因为只有理解了才能做对（暂不考虑能蒙对的情况）；答错了的人被认为是没理解的，因为没理解到位才会答错（也只考虑理想情况）；所以前者减后者就是理解的脑区，逻辑上说不会有其他东西。&lt;br /&gt;
&lt;br /&gt;
认为不可以的顾虑是：他们存在差异的脑区，可能不仅包含'''表征知识结构的脑区'''，还包含'''推理执行的脑区'''和'''执行控制的脑区'''。如果“简单粗暴”地把差异脑区作为'''理解的脑区'''，那意味着把'''理解'''扩大成正确完成推理的过程、这更像是一个问题解决的过程，而不是我们原先所说的，理解是概念和概念之间的联系、是知识结构的表征。&lt;br /&gt;
&lt;br /&gt;
我区分出的'''知识结构的表征'''，还包含'''推理的执行'''和'''执行控制'''三个部分可能不太好理解，我举个登山的例子来说明。把登山类比成条件推理，假设登山也需要'''知识（类比知识结构的表征）'''，山上是阔叶林、针叶林、雪，可能需要的知识结构不一样（类比于条件推理需要if then的知识，三段论推理需要别的知识）。除了知识以外还需要'''体力（类比推理的执行）'''来实施登山知识中的做法，在实施的过程中需要'''意志力（类比执行控制）'''来坚持目标。有些运动员可以爬到山顶，有些没有（分别类比正确和错误回答条件推理的问题）。&lt;br /&gt;
&lt;br /&gt;
那么我们比较正确和错误回答问题的被试的脑活动，就好比在比较这到达和没到达山顶的运动员之间的差别，这个差别包含了'''登山知识'''、'''体力'''和'''意志力'''。其实我们更关心的登山知识，最好是让运动员（被试）在山顶回望自己登山成功的诀窍（不爬山的时候其实也行），而不应该让他们一遍又一遍地登山，因为这样很需要体力和意志力，后两者需要的努力更强，会掩盖掉登山知识的努力。对应过来就是，推理执行和执行控制会掩盖掉知识结构的表征。我用登山作例子是为了突出后两者所需要的认知强度会掩盖掉前者，登山的例子也可以换成走迷宫。'''理解'''的内涵应该是被试能够在迷宫出口回顾/再现（他所理解的）迷宫的结构，不应该包含是走迷宫的体力和意志力。&lt;br /&gt;
&lt;br /&gt;
'''推理的执行'''可能存在一部分跨领域的一致性，也就是三段论推理和条件推理也有共同激活的脑区，尽管二者有着不同的知识结构；'''推理的执行'''可能也存在一部分领域特异性，已有的脑成像研究认为社会推理、预警推理、抽象推理使用的脑区有相当的不同。&lt;br /&gt;
'''执行控制'''是指在人们协调自己思考与行为使之与目标保持一致的能力，这与智力高度相关，脑区有大量重叠，有相当程度的领域一般性。&lt;br /&gt;
&lt;br /&gt;
如果接受推理过程存在'''if then知识结构的表征'''、'''推理的执行'''和'''执行控制'''，而且也接受'''理解'''的是定义形成和维持'''知识结构的表征'''（而不是三者混合），那么正确和错误回答的被试的脑活动之差，就不单纯地是理解，而且理解更可能被后两者所掩盖。如果后两者特别强烈的话，那么找出来的脑区更可能是'''推理的执行'''和'''执行控制'''的脑区，也就是流体智力的脑区，而非理解的脑区。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
你这个困惑的问题在于：第一、没有考虑两类被试间的对比；第二、没有考虑这个研究的后续研究（这是为后续研究不同学习方法的效果服务的）。&lt;br /&gt;
&lt;br /&gt;
回到实验设计。我们有两个逻辑内涵一样的问题：具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;和抽象题&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;。具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;，例如，规则是“喝酒的人必须大于18岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;18&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。抽象题&amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt;，例如，规则是“穿红衣服的人必须大于14岁（&amp;lt;math&amp;gt;R=1\rightarrow Y&amp;gt;12&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“穿红衣（&amp;lt;math&amp;gt;R=1&amp;lt;/math&amp;gt;）、穿黄衣（&amp;lt;math&amp;gt;R=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。这两个问题的区别在于，前者和生活经验很接近，后者和生活经验很远。甚至，我们可以把抽象题改成，&amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt;，规则是“喝酒的人必须大于14岁（&amp;lt;math&amp;gt;W=1\rightarrow Y&amp;gt;14&amp;lt;/math&amp;gt;）”，被试需要选择把违反这个规则的人找出来，备选的稽查对象属性是“喝酒（&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;）、喝水（&amp;lt;math&amp;gt;W=0&amp;lt;/math&amp;gt;）、12岁（&amp;lt;math&amp;gt;Y&amp;lt;18&amp;lt;/math&amp;gt;）、20岁（&amp;lt;math&amp;gt;Y&amp;gt;18&amp;lt;/math&amp;gt;） ”。&lt;br /&gt;
&lt;br /&gt;
我们来看这样的两组被试：第一组&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;两个题（&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;）都答对了，第二组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;都答对具象题（&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;）但是但错了抽象题（&amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;）。其实还有另外两组被试两题都答错了，以及具象题答错抽象题答对。这两组我们暂时不管。&lt;br /&gt;
&lt;br /&gt;
我们问这两组被试可能是什么原因造成的？&lt;br /&gt;
&lt;br /&gt;
为了回答这个问题，我们注意到，从逻辑内涵上说，&amp;lt;math&amp;gt;C,A&amp;lt;/math&amp;gt;问题完全一致：规则是一组形如&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;的条件推断，如果出现&amp;lt;math&amp;gt;P=1\rightarrow Q=0&amp;lt;/math&amp;gt;则违反了这个规则，或者出现&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;则也违反了规则（因为我们可以得到&amp;lt;math&amp;gt;Q=0\rightarrow P=1 \rightarrow Q=0&amp;lt;/math&amp;gt;，矛盾）。更进一步，这相当于说，&amp;lt;math&amp;gt;P=1\rightarrow Q=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0\rightarrow P=0&amp;lt;/math&amp;gt;是等价的（因此，&amp;lt;math&amp;gt;Q=0\rightarrow P=1&amp;lt;/math&amp;gt;违反规则）。这被称为原命题等于逆否命题。于是，自然我们就发现，需要稽查的对象的特征是&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;Q=1&amp;lt;/math&amp;gt;）和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;（查查是否&amp;lt;math&amp;gt;P=0&amp;lt;/math&amp;gt;）。另外两种情况就算查了，无论答案是什么，都不违反规则。&lt;br /&gt;
&lt;br /&gt;
于是，我们得到一个结论：如果被试实质上'''知道了并且能够应用'''“原命题等于逆否命题”的知识，则无论抽象题和具象题都应该能做对。因此，如果出现了&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试，则肯定是这组被试不满足'''知道了并且能够应用'''“原命题等于逆否命题”。&lt;br /&gt;
&lt;br /&gt;
那么，这组&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试为什么又能够把具象题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;答对呢？因为具象题和生活经验非常接近，因此，另一个答对题的渠道是直接利用生活经验：对于喝酒问题，当然不到年龄&amp;lt;math&amp;gt;Y\geq 18&amp;lt;/math&amp;gt;的要检查，然后喝酒的&amp;lt;math&amp;gt;W=1&amp;lt;/math&amp;gt;的也要检查。也就是说，&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;可以不依靠'''知道了并且能够应用'''“原命题等于逆否命题”来回答对。&lt;br /&gt;
&lt;br /&gt;
当然，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;组被试肯定得'''知道了并且能够应用'''“原命题等于逆否命题”，尽管其在回答具象问题&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;的时候不一定用了这个思维和决策方式。&lt;br /&gt;
&lt;br /&gt;
因此，我们看到，对比这两组被试的脑活动，例如先在组内做一个具象问题和抽象问题的对比，然后组间对比，可以探测到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。当然，实际实验中，组内对比做减法的时候&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;被试不一定就能够完全消去经验决策的脑活动（原则上两个任务都在用经验决策，但是还会有剩余其他思维的差别），&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;被试也不一定就能非常好地保留理性决策通道的脑活动（原则上，具象任务激活理性决策的程度应该比抽象任务激活程度低，但是，也有可能两者激活强度类似）。理想条件下，&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;减完了就是噪音，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;减完了就是理性决策通道的激活信号。这样就找到了'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
当然，也可以做另一种相减，就是&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象任务，减去&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;的抽象任务。假设前者理性决策通道激活强，后者弱，则减完之后正好也能找到'''知道了并且能够应用'''“原命题等于逆否命题”的脑活动。&lt;br /&gt;
&lt;br /&gt;
现在，回到吴俊杰的问题：我们能不能区分开'''知道了'''和'''能够应用'''“原命题等于逆否命题”的脑活动？我们要说明：这个区分对于后续研究没有意义。'''我们将来的研究关注的问题是：从行为和脑活动上，教会知识生成器'''（不同层次的，例如在这里记住可以得到结论的“原命题等于逆否命题”，或者更进一步，从集合论来得到“原命题等于逆否命题”）'''和直接记住答案'''（在这里，稽查&amp;lt;math&amp;gt;P=1&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;Q=0&amp;lt;/math&amp;gt;的人）'''在？？提成？？问题解决上有没有区别'''。于是，我们关注的就是'''知道了“和”能够应用'''“原命题等于逆否命题”这个整体，而不是分开。&lt;br /&gt;
&lt;br /&gt;
更进一步，我们把“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识。只要理解到位，肯定是会用的。这也正好是[[:分类:知道到运用的距离|知道到运用的距离]]所要研究的问题：是不是通过提高对知识的理解，可以帮助学习者缩短从知道到运用的距离。&lt;br /&gt;
&lt;br /&gt;
再退一步，既然这个区分对与将来的研究没有意义，如果担心这个'''知道了'''和'''能够应用'''不等于'''理解'''，那直接叫做解决Wason测试问题，或者说知道和能够应用“原命题等于逆否命题”的脑区好了。有什么区别吗？对于自然科学家来说，这个区别没有任何意义：我们只关心能够测量的区别，仅仅存在于理念上的不能测量的区别没有任何意义，这仅仅是一个名词之辩，而不是事实之辩。&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
吴俊杰：&lt;br /&gt;
&lt;br /&gt;
我们的共识是要研究的'''知道了'''和'''能够应用'''，对于'''“知道一个知识但是不会应用这个知识”和“不知道这个知识”都当做不理解这个知识''',我也是认同的。我想指出的一个混淆的东西是'''应用（do）'''。我暂且把'''知道了'''和'''能够应用'''分别说成'''know what'''和'''know how to do'''（这都属于知识结构表征的，前者更偏向陈述性的，后者更偏向程序性的），但我们让被试执行沃森测试，实际上更大强度调用了do的脑区。&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;G_{2}&amp;lt;/math&amp;gt;在抽象题目上的差别，不仅包含了'''know what'''和'''know how to do'''更多地还包含了'''do'''，如果用这个差异的脑区很很大可能是do的脑区，如果把它当做理解的脑指标，那就好像是把姚明手腕肌肉的活动强度当做他乒乓球知识技能的指标。&lt;br /&gt;
&lt;br /&gt;
另外，&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;的抽象题和具体题相比，应该是把if then表征（know what和know how to do）的脑区减掉了（如果&amp;lt;math&amp;gt;G_{1}&amp;lt;/math&amp;gt;在具体任务中也是使用了和抽象题目一样的逻辑，而且两者的表征强度相近），剩下的差别是do的脑区。&lt;br /&gt;
&lt;br /&gt;
我认为我们感兴趣的并不是Wason测试（或者说条件推理）的全部过程，而是以Wason测试作为工具来考察人们头脑的if then知识结构（包括know what和know how to do），有和没有这套知识结构的差别脑区，并以该脑区作为理解的脑指标。至于Wason测试的过程中有很重的do的成分，这部分可能在其它不涉及if then知识结构的推理中也要用到，甚至是更一般的智力任务也用到，这对于考察条件推理脑机制的研究来说，这很OK，没有问题，这就是他们的研究对象，但对于我们考察理解、考察if then知识结构的研究来说，这是一个很大的混淆。&lt;br /&gt;
&lt;br /&gt;
写到这里，我突然在想，吴老师您关心的是不是就是do的脑区，您认为这是理性渠道的激活。哪怕这个脑区是在do三段论推理（而不是条件推理），在您的框架内都是理性思考，至于他们思考所依赖的知识结构是if then 还是三段论，那不是您这里所关心的。是这样的吗？举个不太恰当的例子，把大脑比作一个工厂，您关心的是这个工厂机器轰鸣声（do）所在的地方，至于机器在加工生产什么（if then 或者三段论）那无所谓，只要它不是从别家工厂的仓库里未经加工地搬运过来贴牌出售就好。后期您想看这个机器轰鸣声强度来衡量这家工厂自主生产的能力。是这样的吗？&lt;br /&gt;
&lt;br /&gt;
如果是这样的话，前人有关推理的研究已经做了很多，他们都是没有区分推理只是的表征和推理过程，而是把他们混在一起来看，这些研究发现的脑区跟智力活动也是密切相关的。如果我们不关心具体的知识结构的表征（if then、三段论、或者更低层的集合论），只关心是否进行“理性思考”（这不是个认知心理学的词汇，暂且这么用），那么是不是就可以选取前人推理研究中提到的那些脑区，以它们的活动作为理性思考（而不是对只是结构的表征[我理解的“理解”]）的脑指标。&lt;br /&gt;
&lt;br /&gt;
那这样的话，一个很直接的问题就是，我们想研究理性思考、理解型学习，但却选取了流体智力的脑区作为脑指标。然而，流体智力很大程度是天生的、随年龄变化，教育的目的如果是为了提高流体智力，那可能有点困难。我感觉应该把研究对象放在知识结构上面（包括know what和know how to do），这更多是晶体智力部分。&lt;br /&gt;
&lt;br /&gt;
再回到学科'''哲学的层面（名词之辩和事实之辩的问题）'''，我感觉认知心理学和物理学背后的哲学可能还不太一样，我们在做实验前要从概念上界定清楚这个东西是个啥，从信息加工角度去看它是个什么，也就是先有理论，才能理解结果是什么意思。物理学有些时候是把这个事实找出来（量子力学中的粒子到底怎么走），确定这个事实是客观存在的，至于理论怎么理解那就看波函数，波函数说粒子同时穿过两条缝，那么我们人类的大脑能理解得了是这样，不能理解得了也是这样（宇宙没有义务让人们理解它，不记得从哪听来的，好像很有道理，哈哈哈）。我感觉认知心理学和物理学的这个差异是因为人的认知和脑活动太复杂了，需要用计算机类比才能更好地去理解，否则出来的东西不知道是什么，我们也写不出公式（计算神经科学），就算写出来了，与实际结果拟合的时候也有很大的误差。我提的这个信息加工模型可能不完美，模型中有很多被批评的地方（比如，理解/知识生成器竟然不包括CPU的计算过程），这或许可以通过增加算法（知识表征）和CPU（流体智力）的交互方式来进行修正,或许需要全部推翻重新构建一个信息加工的模型，但不能没有一个模型。'''没有一个模型（名词之辩，概念层面辨析清楚了它到底是什么），我们才能理解出来的这个结果是个什么事实（事实之辩）。'''&lt;br /&gt;
&lt;br /&gt;
我仔细看过了大家的每条消息，感谢大家贡献的想法。确实，我和吴老师在'''理解'''的概念定义上存在分歧。我确实试图在厘清'''理解'''的概念性定义，而不满足于目前的'''“继续设计不同层次的问题，一直到那些真的需要理解的问题为止”'''的操作性定义。至于能否给出更好的操作性定义，以分离出'''纯粹的理解'''（也就是概念定义上的'''理解'''的内涵，我目前认为它是获得知识结构的表征，该表征中当然也包含运用知识结构的知识），我目前有一些想法，准备等这个话题讨论结束之后（也就是我所说的目前这个操作定义的局限被大家理解之后，或者我的认识被改变重新接受现在这个操作性定义，或者在有限的讨论轮次内我们暂时搁置这个话题）我再整理出来，大家看看是否有更好（也有可能认为没有必要，哈哈哈）。&lt;br /&gt;
&lt;br /&gt;
路遥师兄说到的，理解需要依赖注意、记忆和执行控制等，这我是认同的，就像算法运行依赖CPU的计算和电源的供电一样。不过如果有人摸着CPU/电源的发热程度告诉我，这作为理解程度的指标来进行后续研究，我想这很少有人会同意。我想，大脑中应该有地方是表征算法的（也就是知识结构，以及如何将知识结构运用到不同情境中的知识），也有地方是负责计算（CPU）、还有负责注意的（电源）。沃森测试是一个推理任务，很费脑子（CPU和电源），如果简单粗暴地把正确答题的被试与错误答题的被试相减，得到的脑区最亮的可能是CPU和电源的脑区，表征算法的脑区就在多重比较校正中就看不到了。如果把CPU和电源的脑区当做理解的脑区，这是有问题的。&lt;br /&gt;
&lt;br /&gt;
吴老师说这是一个名词之变，退一亿步来说，可以把这个脑区叫做“条件推理认知和应用脑区”，尽管退了这么多步，可能还不太准确，应该这样表述可能更好“这个脑区参与条件推理认知和应用”，言外之意是它还可能参与其它“费脑子”的活动，比如说三段论推理，瑞文测验，数学计算等等（如果这个脑区的角色是CPU和电源的话）。如果我们把这个脑区的活动强度，作为一个指标，看它能否辨别另外一组被试在另一个版本的条件推理任务的成绩，这也很有可能可以做到，甚至还能辨别另一组被试在三段论推理，瑞文测验，数学计算中的成绩，但这只能说明他们在任务中费了多少脑子（CPU和电源的功耗，认知努力程度）。认知努力越多，成绩越好，这也是很合理的，但并不能说明他们认知努力越多，理解（知识结构的表征）就越好啊。&lt;br /&gt;
&lt;br /&gt;
如果吴老师并不是想要考察理解（知识结构的表征），而是要考察认知努力程度（CPU和电源的功耗），那这么做是OK的。只是，目前有很多做推理、智力的研究，在元分析中选取一两个脑区，用其活动强度的指标去辨别一组被试在条件推理任务中的成绩，那也很有可能会成功（有待看文献是否已经有人做了这点）。不过，这么做新意在哪里呢，在哪方面拓宽了我们人类的认知边界呢？会不会有一种，原先我们人类知道的还是知道，原先不知道的还是不知道的感觉？&lt;br /&gt;
&lt;br /&gt;
另外，吴老师说'''凭什么我们就得听没有实验检验过的理论和概念？'''但是您提出的知识生成器的不也是未经实验检验过的理论和概念吗？还有知识生成器的生成器。：）&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color=blue&amp;gt;&lt;br /&gt;
吴金闪：&lt;br /&gt;
&lt;br /&gt;
在两组被试之间比较，不管是直接拿着抽象题去比较，还是自己先用抽象题减去具象题然后比较，怎么会主要差别在执行？这里安全不通啊。抽象题（甚至可以采用完全抽象的&amp;lt;math&amp;gt;P=1\Rightarrow Q=1&amp;lt;/math&amp;gt;）必须懂得“原命题等于逆命题”这个知识以及把原命题等于逆否命题用来解决问题，具象题不一定要用（或者激活程度比较低），可以用生活经验。为什么两者相减以后是执行功能？&amp;lt;/font&amp;gt; &amp;lt;font color=black&amp;gt;（吴俊杰：您认为两道题都做对的人已经掌握了if then的知识结构，并使用这一个知识结构去解答抽象和具体题，您忘了吗/捂脸。这就是我们人类在思考的时候经常会丢失某些原先存储了的信息、错误地计算，因此需要花费很多能量来维持和重新提取旧信息、去纠正错误的计算。如果没有，就会得到错误答案，这里是执行和执行控制的问题，并不意味着我们不理解（没有这个知识结构的表征）啊）&amp;lt;/font&amp;gt; &amp;lt;font color=blue&amp;gt;反而执行功能是两者相近的，所以，应该被减掉了。所以，你的问题，还是没有做做对的和做错的两组被试的对比。&lt;br /&gt;
&lt;br /&gt;
你详细给我说明一下，为什么“规则是喝酒的人必须大于18岁”，“喝酒的人必须大于13岁”，这两道题的差别是“执行功能”上的差别，而不是“知道和能够应用”上的差别？不管对比两个都答对，还是对比一个对一个错。&lt;br /&gt;
&lt;br /&gt;
用你的语言，我这样来看这个对比：假设两道题都需要“知道了”、“能够应用”、“执行”三个功能。关于“知道了”，18岁的问题不一定需要“原命题等于逆否命题”这个核心知识，可以运用生活经验，当然，也可以通过核心知识来解答这个问题；但是13岁的题就必须懂的这个核心知识才能解答（其实，还可以无脑类比，这个可能层次更高，但是在这里暂时忽略。如果觉得这是个问题，则用更加抽象的问题就行）。关于“能够应用”，也类似。现在来看“执行”，18岁的题和13岁的题，在“知道了”和“能够应用”的基础上，有可能需要调用类似的区域。如果是这样，则就同被试之间的对比被减掉了。如果两到题的执行很不一样，那是不是有可能13岁的题不管答对还是答错，执行区都一样，则去对比两组被试的13岁的题，也就被减掉了，剩下的就是知道和能够应用的差别。还剩下一种可能，不管是两道题之间，还是答对和答错之间，执行的差别就是特别大，比知道和能够应用还要大！&lt;br /&gt;
&lt;br /&gt;
第一，我认为这个可能性只能用实验来检验，而不是在没有实验之前就猜。第二，我认为这个可能性很小。为什么执行上的差别会比知道和能够应用还要大？&lt;br /&gt;
&lt;br /&gt;
再退一步，假设“知道了”、“能够应用”在对比以后确实消失了，只剩下了“执行”的脑活动，只要“执行”的脑活动仍然具有特异性——活动强则抽象题做对了活动弱就没做对，反之亦然——则这个“执行”脑活动的指标，仍然满足我们所有的后续研究的需要。&lt;br /&gt;
&lt;br /&gt;
顺便，所有人包括咱们自己提出的概念，在没有被实验验证之前都是狗屎。所以，我们才要设计实验来测量知识生成器。如果实验上测不到，就证明这完全是狗屎；或者测到了没效果，那就证明这比较狗屎。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;/font&amp;gt;&lt;br /&gt;
&lt;br /&gt;
==分离出知识结构表征的脑区的新方案==&lt;br /&gt;
&lt;br /&gt;
或许可以用这样的方案来更好地找到知识结构表征的脑区。&lt;br /&gt;
&lt;br /&gt;
#正确解答后在头脑中维持解题思路（包含know what和know how to do，但尽可能少的do）&lt;br /&gt;
待写。&lt;br /&gt;
#科学概念的表征&lt;br /&gt;
##给一组被试一篇物理知识的文章，让他们读。&lt;br /&gt;
##再给他们相应的测试题目，得到一个测验分。&lt;br /&gt;
##把重要概念拿出来，让让他们在核磁里依次观看每一个重要概念，并围绕这该概念进行联想。&lt;br /&gt;
##被试评估它们两两之间的距离，构建网络&lt;br /&gt;
##把这个网络和专家给出的概念地图的网络做相似性分析，每个被试得到相似性的值。&lt;br /&gt;
##检验相似性越高的被试，是否测验分数越高。&lt;br /&gt;
##采用表征相似性的办法，用被试评估出来的网络去搜索大脑中有类似表征的脑区，该脑区即为表征了概念间关系的脑区，即理解的脑指标。&lt;br /&gt;
##分析该脑区的表征相似性，即可衡量其他被试的理解程度。&lt;br /&gt;
##还可以找另一组被试（或者给上一组被试设置另一个实验条件），给被试打乱词序的文章，同样的方法重复上面的分析，被试评估的脑网络应该与测试分数不相关，被试在该脑区的表征相似性应该也不能预测行为分数。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;font color = blue&amp;gt;&lt;br /&gt;
吴金闪：你这个实验设计，任务太复杂，不如直接用假汉字的理解型和机械式学习，然后来考试&amp;lt;font color = black&amp;gt; (吴俊杰：我们讨论过这个话题，我们当时说到，这两组被试应该要有脑活动的差别[如果没有，可能是核磁设备的测量精度不够]，只是会出来一堆差异的脑区，每个脑区具体扮演设么角色，只能看图说话了。不过这作为一个初始研究还是可以去做的，好像也有研究做过了，只是不是用词汇学习的任务，我回头找出这篇文献)&amp;lt;/font&amp;gt;。&amp;lt;font color = blue&amp;gt;或者，用“重物下落更快”的理解型考题和机械式考题&amp;lt;font color = black&amp;gt;（吴俊杰：这是值得去做的，一个一个来做）&amp;lt;/font&amp;gt;。&amp;lt;/font&amp;gt;&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%8C%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5105</id>
		<title>分类:教育系统科学中心第二次活动纪要</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E6%95%99%E8%82%B2%E7%B3%BB%E7%BB%9F%E7%A7%91%E5%AD%A6%E4%B8%AD%E5%BF%83%E7%AC%AC%E4%BA%8C%E6%AC%A1%E6%B4%BB%E5%8A%A8%E7%BA%AA%E8%A6%81&amp;diff=5105"/>
		<updated>2020-11-30T02:20:53Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[分类:教育系统科学研究中心]]&lt;br /&gt;
&lt;br /&gt;
本次活动主要目的是汇报中心建设进展，讨论具体研究问题。&lt;br /&gt;
&lt;br /&gt;
主持人：吴金闪&lt;br /&gt;
&lt;br /&gt;
时间：2020年11月27日（周五）晚上7-9点。&lt;br /&gt;
&lt;br /&gt;
地点：科技楼B604，ZOOM（588 856 8886）&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=吴金闪，中心建设进展=&lt;br /&gt;
学院已经批准成立“教育系统科学研究中心”。中心研究项目已经进入研究项目文本写作阶段。中心也得到了相关企业的研究性资金的捐助。&lt;br /&gt;
&lt;br /&gt;
=周亚，中心成员贡献计算方案=&lt;br /&gt;
&lt;br /&gt;
草稿在这里：[https://shimo.im/docs/Qd8dcVYX9JPKTyCJ/ 《中心研究工作贡献计算方案》]。建议请向周亚老师提出，近期会确定下来当做中心成员合作模式的基础。&lt;br /&gt;
&lt;br /&gt;
=朱志勇，教和学的层次的标注和量表=&lt;br /&gt;
朱老师下次做研究计划报告：能不能做，遇到什么问题，在哪些学科用什么材料做，需要人员和经费预算。&lt;br /&gt;
&lt;br /&gt;
=陈路遥　待补充=&lt;br /&gt;
&lt;br /&gt;
=吴俊杰 Neural Representations of Scientific Knowledge After Meaningful Learning=&lt;br /&gt;
&lt;br /&gt;
我介绍了考察人类科学知识表征的初步设想：前人研究主要考察词汇概念/世界知识的表征，尚未考察科学知识的表征，特别是尚未考察科学知识是否以概念和概念之间联系的方式表征在人类的认知和神经中，仍然有待研究。借助前人研究比较成熟的表征相似性的方法，我们可以很好地将现有研究推进至科学知识的表征方面。报告PPT请见[[File:Neural_Representation_of_Scientific_Knowledge_After_Meaningful_Learning.pptx]]&lt;br /&gt;
&lt;br /&gt;
# 静态考察。让被试这就某门课程中涉及的概念进行距离评估（或者绘制概念地图)，将他们评估的距离矩阵与专家的相比，比较其相似性，检验是否相似性越高的被试，越能够在解题时有更高的正确率。并使用脑成像技术，考察该相似性矩阵在头脑中的表征位置或者脑网络。&lt;br /&gt;
# 动态考察。让被试理解性地学习一种材料（如量子力学）、机械性地学习另一种材料（如数据结构，可以是让被试背诵或者让被试阅读乱序的材料）。在学习前后都进行概念间距离的评估（或者绘制概念地图、或者扫描其阅读该概念时的脑活动）和解答题目，检其理解性学习前后的语义距离/脑区相似性矩阵相似性（相比于机械性学习）是否发生显著变化。&lt;br /&gt;
&lt;br /&gt;
受冯丽萍老师启发，我在这里需要明确的是，目前的实验设计只是考察学习者建立知识表征的结果，至于他们建立知识表征的过程是怎么样的，是一个很好的点，或许可以想办法融入到实验设计中去。陈路遥老师问到机械性的学习是该怎么操作的问题，是该操纵被试的学习方式，还是应该操纵他们所学些的材料（能否获取意义）。两种方式各有利弊，这确实有待考虑。&lt;br /&gt;
&lt;br /&gt;
另外，朱志勇老师提到的，成人的概念形成相比于儿童来说比较稳固，或许可以以儿童、青少年为研究对象。这是很好的提醒，一方面在大学生中开展的实验，在编制材料是应该有更强的专业性（比如、统计、量子力学、数据结构等），而尽量避免通识性的知识；另一方面，除了科学知识之外，考察儿童、青少年建构日常生活中的知识（即世界知识）的表征，或许也是一件非常值得去做的事情。&lt;br /&gt;
&lt;br /&gt;
最后，吴金闪老师建议，看看能否把之前所思考的词汇学习、遗忘曲线的研究融合在一起来做，并在脑活动层面上提供证据；并更多地指向高层知识生成器的神经基础。&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
	<entry>
		<id>https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%BA%84%E5%80%A9&amp;diff=4214</id>
		<title>分类:庄倩</title>
		<link rel="alternate" type="text/html" href="https://www.bigphysics.org/index.php?title=%E5%88%86%E7%B1%BB:%E5%BA%84%E5%80%A9&amp;diff=4214"/>
		<updated>2020-09-23T09:39:06Z</updated>

		<summary type="html">&lt;p&gt;Ccr：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Category:研究者]]&lt;br /&gt;
&lt;br /&gt;
庄倩（Qian Zhuang），南京农业大学信息管理学院信息管理系副教授，博士毕业于北京师范大学系统科学学院系统理论专业。&lt;br /&gt;
&lt;br /&gt;
Email: zq198404@126.com&lt;/div&gt;</summary>
		<author><name>Ccr</name></author>
	</entry>
</feed>