当前位置: 首页 > news >正文

【效率技巧】怎么做思维导图||数学思维||费曼学习法

目录标题

    • 常见问题:
    • 认知误区和建议:
    • 思维导图按照功能分类
    • 思维导图好处
    • 步骤(拆解的步骤)

常见问题:

1、做好的思维导图浪费时间
2、做简单的思维导图没有效果

认知误区和建议:

1、做思维导图工具:比如vscode写markdown文件也可以是思维导图,因为展现你的思维和梳理知识

  • 甚至可以是博客

2、并不是有了想法才形成思维导图,边做边学边写出博客和思维导图

  • 我在写的过程梳理学习

3、写思维导图就是思考的过程,要不断问自己问题,不算想如何让别人理解(要求自己理解和消化)

通过不断联想,发散,形成和细化知识点
而不是简单地整理,罗列

思维导图按照功能分类

  1. 被动式(学习一门课一本书,把它的内容提炼成思维导图)
  2. 主动式(主动的自己整理的知识/写一篇博客/用思维导图细化自己的想法)

思维导图好处

  1. 被动:
    1. 条理思维清晰:当知识点罗列在你面前你会感到畅快
    2. 了解知识之间的逻辑和层级结构
    3. 书写思维导图的过程就是学习的过程(边写边学,好比写博客一样,会意识到自己那个地方薄弱,会针对性地去去学习)
  2. 主动:
    1. 可以让思维模块化,提高思考效率(在整理思维导图的时候不像阅读书本,是线性的,而是可以灵活地思考,总结整理自己脑中知识点)
    2. 具象化内容/直观看到模块间的联系
    3. 可以让内容分布均匀(均衡各个模块的内容比例)和及时修改

步骤(拆解的步骤)

(并不是说,必须要按照这个步骤,关键是让你理解,不要让做思维导图成为桎梏)
等你熟悉了步骤之后,可以灵活做思维导图
1.并不是死板全部罗列知识点,有时候可以简写出简单大纲,甚至就一个标号
2.每一步的作用分析

好比:
你学会了骑单车,就不再需要按照先放左脚,然后抬右脚的步骤

  1. 针对被动式

    1. 罗列知识点,然后分清楚概念之间的关系
    2. 分出层次:知识点之间的关系和层级区分
    3. 调整内容位置【这里就是自己的理解
    4. 增加内容网状链接,知识点进行串联(加入私货/自己的思考)
  2. 针对主动式(CSDN):

    1. 先给出思维大纲
    2. 遇到卡壳地方可以先用markdown的第一标题标注
    # 第一标题
    ##第二标题
    
    1. 用markdown的格式和xssn的目录功能,可以具象化自己的思维和问题然后好处,就如上所述,而且还是一个输出的过程(费曼学习法)

参考来源:
哔哩哔哩:Ayumu爱讲数学

http://www.lryc.cn/news/538323.html

相关文章:

  • LabVIEW与USB设备开发
  • 动态规划LeetCode-416.分割等和子集
  • 云原生(五十五) | ECS中自建数据库迁移到RDS
  • 【吾爱出品】 视频批量分段工具
  • HTML【详解】input 标签
  • 二叉搜索树的实现(C++)
  • vue2老版本 npm install 安装失败_安装卡主
  • 【MySQL】索引篇
  • Arduino 第十六章:pir红外人体传感器练习
  • 鸿蒙面试题
  • Rust 语言入门(一):打印与格式化输出
  • vue3.x 的 toRef详细解读
  • wordpress资讯类网站整站打包
  • GitHub基本操作及Git简单命令
  • 记一次MySQL故障解决
  • DeepSeek-R1私有化部署教程 | Linux服务器搭建AI大语言模型
  • 「软件设计模式」桥接模式(Bridge Pattern)
  • 【Flink快速入门-5.流处理之多流转换算子】
  • react传递函数与回调函数原理
  • 华为云kubernetes基于keda自动伸缩deployment副本(监听redis队列长度)
  • Spring源码分析のBean扫描流程
  • Ubuntu安装docker:docker-desktop : 依赖: docker-ce-cli 但无法安装它、无法定位软件包 docker-ce-cli
  • 基于大数据的奥运会获奖数据分析系统设计与实现
  • 数据结构 堆和priority_queue
  • Dockerfile 编写推荐
  • 【抽象代数】1.2. 半群与群
  • Django中实现简单易用的分页工具
  • 「软件设计模式」装饰者模式(Decorator)
  • CI/CD(二)docker-compose安装Jenkins
  • OpenCV机器学习(1)人工神经网络 - 多层感知器类cv::ml::ANN_MLP