為什麼我感覺知乎上講的學習方法並不怎麼有用?

時間 2021-05-30 08:36:54

1樓:

不是方法沒有用,是你沒有「用」,有的是你沒有用對方法。

有的不是你沒有用,而是你心裡的認識不到位,很勉強,敷衍、應付、哄騙自己。

很功利,今天搞,明天就想要用有效果。

所以沒有效果。

很多初學者,問高手:我練了這麼久怎麼沒有效果呢。

高手心裡想:我練了好多年才成功,你才幾天就覺得很久,想這麼快成功,簡直開玩笑。

2樓:雪落太行

我就是那個回答學習方法的,

躺槍了_(:з」∠)_

首先,魚龍混雜。

你並不知道ta真實成績(舉個例子,也許ta自稱年級第一,但其實ta學校一本上線率都不過半。),也不知道ta所說的方法到底ta自己有沒有用過,所以你從心底就是質疑的(當然這種質疑是好事),即使遇到「龍」,在淺試無用的情況下你就會放棄,自然而然覺得沒用。如果遇到「魚」,而且假如你沒有放棄那種方法,就很可能事倍功半,沒用。

再者,回答者敘述能力。

每個答主表達方式都不一樣,相信你也見過說話玄之又玄,感覺很nb,其實啥也沒說的那種。千奇百怪的表達方式下,再加上刷一眼就過的習慣,本身要仔細看學習方法就很難。認認真真看也可能剛好碰到雲裡霧裡的那種,白搭。

第三,你自己的水準

假如你清北水平,你的答者卻剛剛過一本,你覺得會有用嗎?又假如,你剛過本科線,你的答者卻650+,你覺得有用嗎?

這一點,自己提問,描述自己的情況通常會比瀏覽別的問題有效那麼一些。

是有認真在答的(比如我,真的按自己答的),但是ta的水平也有可能不如你。

學習方法這種大概多數人還是自己摸索的吧?實在想借鑑,問老師的也比較多。

至於知乎,看一看就好,除非你遇到自己願意相信的方法。

3樓:餘光

每個學生的學習方法不一樣。

學霸的方法,不見得就都是你認為的多麼完美的方法,別人的方法更不見得就適合你。

學習方法是要對自己適合、最最符合自己能力特點的,才能促進成績提高,攻克難關的動力。

尋找適合自己特點的方法,才是我們應該做的,才能有效的促進學習

4樓:嵩岳

我覺得別人講的學習方法再好,你也只能作參考。每個人具體情況不同,惟有摸索一套適合自己的學習方法,才是真正有效的好方法!

可見,學習學習方法也是有方法的!對吧,呵呵

5樓:

知乎上的這些方法,我認為這是為你提供了思路,真正的用法還是得結合你的自身情況去實踐。

這些大佬們多年的經驗,你怎麼能立刻領悟透呢。但是他們的總結,為你提供了乙個更高的角度去思考,省去了走歪路的麻煩。

自己在用的時候,還是得想想哪些可以取捨的地方。你的情況只有你自己知道,實踐的時候要靈活運用方法。

切記不要急躁,有時候慢一點,會更快。

6樓:青竹丹楓

其實方法靠自己琢磨最有效。在生活中不斷琢磨,碰壁是正常。

戒不掉手機,便是心裡的定力還不足。我也是個沉迷手機的學生黨,但我知道了我的目標。我就每天給自己提乙個小要求來慢慢戒掉手機。

比如今天做完乙個遊戲,明天就玩一兩關,後天就不玩了。這樣的

而學習的方法,請親去看看我其他的回答喔

高考延期了,不知道是好事還是壞事,主要想問一下過來人,文科語文英語文綜怎麼提分,有什麼好的學習方法嗎?

7樓:陌行

他們摸索了好幾年的東西。你想要十分鐘看完文章就全部搞懂?

他們這種方法放在字句裡就沒法把細節表達出來,他們自己摸索過程性的細節只有他們自己知道。

你想要學會他們給的方法,必須自己去摸索一段時間,才能真正搞得融會貫通。

所以說紙上得來終覺淺,絕知此事要躬行。

8樓:驚鴻

知乎上那些方法都比較形式。

對於大部分人來說都是沒用的。

就像別人對你說,「要好好學習」的效果一樣,沒有什麼實質幫助。

我是這麼認為的。

要是想真的提高學習效率,還是多去問一些身邊學習比較好的人的學習方法,根據自身情況,進行一定的取捨和模仿,慢慢摸索出來自己的方法。

循序漸進,不要著急,太急於求成的話有可能會心情崩潰。

如何應對在知乎上看到各種學習方法和能人同時又對比自己而產生的焦慮?

關我屁事 有,有很多月薪超出你想象的人,但那些人大部分都只是沉浸在一門領域力深耕播種,壓根沒心思也不不知道知乎這種網路群體的存在,當他們花了大量心思和努力在這門領域裡出類拔萃了以後自然會形成這種很科學,很邏輯而有框架的學習方法,收入也自然高。當你有了一定成就的時候再去看他們的學習方法和經驗,就會發現...

高中生該不該看知乎上那麼多學習方法?

文開石 我的建議是光看不試。不管是讀書法學習法筆記法,能看到的未必是沒用的,但都是經過一定的營銷包裝的 說白了就是用一套固定具體的方法去包裝思路。你要學的是其中的思路 參考這些思路,根據自己的情況去總結適合自己的學習方法。這樣最終花費的時間肯定比你強行一次一次去把自己套進別的方法短,最終的效果也肯定...

為什麼知乎上感覺討論Deep reinforcement learning比討論GAN少很多?

Reinforcement learning 本身問題和方向其實很多,deep 化的過程中要解決的問題還是相當棘手的,需要發現歷史中的技術比如 experience replay 或者發明出新的 trick,如 retrace。準備工作比 GANs 略多一點吧 ACplus gan是生成學習的分支,...