Learn more, study less——整体学习(Holistic Learning)思想在计算机科学中的应用
今天看了本Scott Young先生写的《Learn More, Study Less》，书中介绍了作者的一种学习方法--整体学习(Holistic Learning)，下面将对此学习思想进行简单的介绍，并探讨在计算机科学中的应用。
1概述
整体学习HL(Holistic Learning)是区别于传统通过重复记忆学习的一种学习方法，强调概念与学科的融合，通过学习关联而非重复记忆来达到学习的目的，下表是作者书中提到的两种学习方法的区别：
从表中容易看到此方法强调关联学习，传统方法将概念划分到各个不同学科中，各学科概念之间缺乏关联，HL则打破这种局限，通过建立不同学科概念之间的关系，建立自己的知识体系结构，从而更容易找到解决问题的途径方法。
HL的思想来源于建筑、模型和高速公路等生活中的概念，其核心包含三个内容，即三个建立学科关联的技巧：
- 比喻(Metaphor):通过比喻建立关联，找到与此概念相同的其它概念，即像什么
- 形象化(Visceralization):通过图象(image)建立关联，找出与之相关的景象
- 作图(Diagraming):通过作图建立关联，找出各概念之间的联系。具体又分为基于流、基于概念和基于图象作图。
-基于流即通过一个概念源点开始，根据时间关系，通过箭头依次向下层延伸，箭头（流）指向即概念之间的关系。这种方法比较常用。
-基于概念也是通过一个概念源点开始，但不是根据时间延伸，而是在同一层次，通过箭头建立关联。
-基于图象是通过图象之间建立关联。
相比于第一各，基于概念和基于图象比较难，很少用。
2 Holistic Learning在计算机科学中的应用
关联以前也思考过，但没深入，趁此机会将计算机科学中概念的关联总结一下。现在计算机知识的来源发展驱动路线无非就是一条，如下图所示。
基于不同背景问题，研究解决问题的方法（理论方法和实现方法），并在引用其它问题解决方案的基础上得到本问题的解决方案。在此路线图基础上，我们可以得知为何计算机科学能够分成如此多的方向——来源于不同的背景问题。因此要寻找各方向之间的联系只能逆向到最高层——问题层，通过问题建立不同方向间的联系，如下图所示。
要探究各解决方案（各计算机方案）之间的关联，只能逆向到最高层的问题层，因为它们都来源于同一问题或相似问题。而不同问题又来源于同一最高层问题——如何通过计算机改变生活，这也是驱动我不断学习奋斗的动力，希望此文能够对大家有所帮助，并欢迎大家共同交流，邮箱见博客左上角主题。
