机械学习
提示：此条目页的主题不是机器学习。
背诵式学习（rote learning），又称机械学习，是一种单纯依靠反复地记忆学习材料，而避免去理解其复杂内部和主题推论的学习方法，也就是不断重复基本知识与技巧的学习方式。这学习方式由美国心理学家奥苏伯尔提出，是一个与有意义学习、联想学习（associative learning）、间隔重复学习和主动学习等相对的概念，指符号所代表的新知识与学习者认知结构中已有的知识建立非实质性的和人为的联系。像是学生透过记住乘法口诀表，形成机械的联想，但并不真正理解这些符号所代表的知识，就是背诵式学习的例子。背诵式学习的理论基础是一个人反复学习某项材料的次数越多，那他回忆这项内容的速度就会加快。
背诵式学习是传统且长期使用的学习方式，教育家使用背诵式学习已长达数百年的时间，但在1960年代后，背诵式学习开始受到批判；然而近来学界有声音认为背诵式学习确实有其有效性与重要性，也有研究指出，不断重复学习跟训练基本知识与技巧，对知识、技能和创造力的建构和掌握，都是绝对必要的。[1][2]
背诵式学习的成因
[编辑]一说指出，长期以来，教育家之所以会使用背诵式学习，是因为教育家查觉到说，心智能力的建构，应当要奠基在难度逐渐增加、但能增强大脑能力的重复练习之上，也就是练习基本功对增强心智能力而言是必要的。[2]
效果
[编辑]虽然背诵式学习在近数十年饱受批评，但背诵式学习之类不断重复学习跟训练基本知识与技巧未必跟创造力相冲突，甚至不断重复学习跟训练基本知识与技巧的做法，才能真正地逐渐激发创造力。有说法指出，不断重复学习跟训练基本知识与技巧，对于真正知识与技能的建构是必要的，甚至就算是在音乐等创造性领域或体育等领域，不断重复以致被内化的基本知识与技巧，才是真正能建构创造力的基础[1][2]；也就是说，类似背诵式学习的那种大量且不断重复练习基本功的作法，才能真的建构创造力。[3]一项对十名古典作曲家的研究显示，最能预测一个作曲家能产出高品质创作的指标，是这名作曲家创作了多少首歌曲；[4]研究也一再指出说持续的认知过程策略，也就是努力不懈地深入探索一类想法的做法，是预测创造表现的主要指标之一。[3][1][2]
与批判思维间的对比
[编辑]背诵式学习广泛地用于基本知识的掌握中，学校学科使用背诵式学习的例子包括了阅读教学中的自然拼读、化学中的周期表、数学中的乘法表、医学教学中的解剖练习、法律教学中对个案与法规的教导、各种自然科学中的基本公式等。根据定义，背诵式学习回避理解，因此背诵式学习在掌握复杂知识方面并非有效的工具。背诵式学习的一个实际应用，是在考试前临时抱佛脚。
在中文语境中，背诵式学习又被一些人称为死记、死背或死记硬背，并受到一些人的贬低，而这是因为透过背诵式学习学习新知识的人，可能会被人以为他们了解自己学到的东西之故。在许多较近代的课程规划中，背诵式学习不被鼓励，像例如美国的数学与科学教育中，特别强调真正的理解而非仅仅知道事实，而仅仅知道事实这点被认为没有那么重要。国家数学老师协会对此写道说：
数学比起以往更应该包含对概念的掌握，而非单单只是技艺以及对过程的遵循；学校数学比起以往更必须要包含使用科技以求取有意义的解，而非只是对越来越不合时宜的乏味计算无止尽的关注。[5]
然而，传统教育的拥护者批评说，美国的新标准小看了掌握基本事实与四则运算技巧的重要性，并犯了以基于过程的技巧取代内容的错误。在数学与科学的学习中，背诵式学习经常用于记忆公式等过程之上，而在学生并非仅仅机械记忆公式本身、并且有机会能透过练习习题记忆公式的状况下，学生对这些公式会有更深入的了解。美国的新标准经常建议说学生透过自己推导公式以达到最佳理解，[6]但是在公式必学快速学习以应付即将到来的考试的状况下，没有比背诵式学习能更快的方式能帮助学生掌握公式的方式；此外，背诵式学习对于学生记住对事实的了解这点也很有帮助；然而透过理解学习的学生，比起仅仅透过背诵式学习来学习的学生，更能成功地将知识用于解决问题上。[7]...
另外，反对探究式教学指出，学生在能理解数学概念前，必须先发展出足够的计算技巧，这些人声称，比起花时间探索并发展出不同的技巧或合理化不同的答案与方法，学生更应该花时间在练习基本技巧上。在这种观点下，仅仅能估计答案是不够的，且这种技巧跟稳固的基本技巧有关，而对数学抽象概念的有效学习，则仰赖于对这些学科的工具的知识的确实掌握，因此这些人认为背诵式学习是学习过程的重要部分。[8]
学校的应用
[编辑]记忆卡、大纲以及助忆工具等传统上用于记忆课程内容的工具，都被认为是应用背诵式学习的范例。[9][10][11][12]
电脑科学的应用
[编辑]尽管跟对人类学生的背诵式学习不同，对机器的背诵式学习不包含重复，但背诵式学习与人工智能的机器学习相关，而背诵式学习也被认为是一种简单的机器学习模式。在设计上，机器被设计成会保留过去的计算结果、将新的输入与过去输入与输出结果做比较，并在有已知的输出结果时给初已知的结果。这种模式要求机器能作为纯函数的模型，也就是对所有的输入都有相同的输出结果的模型，而这可由下式表示：
- f() → () → store ((),())[13]
机器学习上的背诵式学习被亚瑟·李·塞谬尔应用于IBM 701上的跳棋程式，而这程式被视为是人工智能的里程碑。[14]
相关条目
[编辑]来源
[编辑]- ^ 1.0 1.1 1.2 Woodard, Joseph K. Back to basics: Catholic principles of education.. Catholic Insight. 2012-12-01 [2022-12-29]. （原始内容存档于2022-12-29）.
- ^ 2.0 2.1 2.2 2.3 Norman Doidge. The Brain That Changes Itself: Stories of Personal Triumph from the Frontiers of Brain Science. United States: Viking Press. 2007. ISBN 9781101147115.
- ^ 3.0 3.1 Brian J Lucas, Loran F Nordgren. People underestimate the value of persistence for creative performance. J Pers Soc Psychol. 2015-08, 109 (2): 232–43. PMID 26191961. doi:10.1037/pspa0000030.
- ^ D K Simonton. Creative productivity, age, and stress: a biographical time-series analysis of 10 classical composers. J Pers Soc Psychol. 1977-11, 35 (11): 791–804. PMID 915694. doi:10.1037//0022-3514.35.11.791.
- ^ Understanding the Revised NCTM Standards: Arithmetic is Still Missing! （页面存档备份，存于互联网档案馆） 原文：“More than ever, mathematics must include the mastery of concepts instead of mere memorization and the following of procedures. More than ever, school mathematics must include an understanding of how to use technology to arrive meaningfully at solutions to problems instead of endless attention to increasingly outdated computational tedium.”
- ^ National Council of Teachers of Mathematics. Principles and Standards for School Mathematics. [6 May 2011]. （原始内容存档于2022-08-17）.
- ^ Hilgard, Ernest R.; Irvine; Whipple. Rote memorization, understanding, and transfer: an extension of Katona's card-trick experiments. Journal of Experimental Psychology. October 1953, 46 (4): 288–292. PMID 13109128. doi:10.1037/h0062072.
- ^ Preliminary Report, National Mathematics Advisory Panel, January, 2007 (PDF). [2022-12-29]. （原始内容存档 (PDF)于2017-05-06）.
- ^ Preston, Ralph (1959). Teaching Study Habits and Skills, Rinehart. Original from the University of Maryland digitized August 7, 2006.
- ^ Cohn, Marvin (1979). Helping Your Teen-Age Student: What Parents Can Do to Improve Reading and Study Skills, Dutton, ISBN 978-0-525-93065-5.
- ^ Ebbinghaus, H. (1913). Memory: A Contribution to Experimental Psychology, Teacher’s College, Columbia University (English edition).
- ^ Schunk, Dale H. (2008). Learning Theories: An Educational Perspective, Prentice Hall, ISBN 0-13-010850-2.
- ^ Ming Xue; Changjun Zhu. A Study and Application on Machine Learning of Artificial Intelligence. Artificial Intelligence, 2009. JCAI '09. International Joint Conference on: 272–274. 25 April 2009. doi:10.1109/JCAI.2009.55.
- ^ Rote Learning. [2022-12-29]. （原始内容存档于2016-09-22）.
相关书目
[编辑]- Teaching From the Balance Point by Edward Kreitman
