博客
关于我
汤家凤:为什么都能听懂我讲的内容,自己做题却不会呢?
阅读量:310 次
发布时间:2019-03-03

本文共 1215 字,大约阅读时间需要 4 分钟。

最近有好多人在后天留言说自己跟着汤老师学习时能够清晰的弄明白,但是一旦自己开始做题了,突然发现自己好多题还是无法上手,于是赶紧去看答案,一看答案恍然大悟,原来这么简单,那么问题来了,究竟是为什么听能听懂,做题就不会了呢?

首先,我们得明白一个理论,这个理论的名称叫作“最近学习区”,这个理论的关键思想是“每一个学习者他在接受教育时有两种能力水平,第一种是在老师帮助下达到的水平,这是个人的潜能水平,而另一种水平就是真实水平,真实水平指的是在完全没有老师帮助下,自己能够独立解决问题的能力。”在这两个能力水平之间,存在一个差距,这个差距叫作“最近发展区”。很多同学听得懂却做不出来题目说明这两个能力的差距很大。

那么我们应该如何弥补这个差距呢?大家平时都会听我的课,说我讲课不达鸟,讲的很清楚,听起来很明白,但是我认为你这个就跟学驾照一样,教练在你面前模拟了一遍流程,可是你一上手还是不会,这是为什么呢,原因很简单,因为你没有去思考我这样分析问题的思路,就好比我在你们面前建了一栋房子,我肯定是先把模型设计好,再去把信息纳入进去,再使用材料,再按照进度搭建,这是一环环的步骤,这些步骤的背后就是我的思路,但我讲课的时候会直接在你们面前展示出来我建房子,你们也会看见流程,可是流程背后的一整套体系我也没有讲,所以你们只会欣赏到房子搭建的过程,却很难体会到背后的体系。

那么大家不禁会问,为什么你不讲呢,我当然想讲,但是这个要花的时间就太多了,而且是我多年反复思考以及反复实践得来的属于我自己独特的体系,无法直接照搬到你们的大脑中去。

如果说你已经开始试图建立自己的学习体系了,并且有一套方法了,那么还是出现不会做题这种问题,我认为问题就是出在做题策略上面了。数学是一个个知识点,当然也会有混合题,对于单一知识点题目其实你根本不需要做太多,如果你反复做,我认为都是无用功;对于混合题来说,你不能渴望能够全部吃下,因为你的体系无法成为完美体系,只能无限接近,所以难免有题目是你无法掌握的,那么这个时候你要开始留心眼了,这道题用了哪几个知识点,用了哪几种解题思路,你必须大量的去接触这些题目,时间一长,你就会发现你的心中有了一部做题法典,犹如银河中的万千恒星,你能快速建立各个行星间的联系,从而迅速的解决问题。

现在只是四月份,这个月的中心工作是学习高等数学,大家在做接力题典的入门篇和基础篇时会出现不会做的情况,这是很正常的,因为你们正在建立自己的知识体系,而且自己做的题目很少,实践不够,很难把自己的能力迅速提升上去,在这种情况下我们千万不能着急,只能一步一个脚印踏踏实实地跟在我的后面,认真听我讲的每一门课,听完之后仔细琢磨,然后把练习题做到位,不能操之过急,每一个做过的题目都要确保自己是真的掌握了,这样你的基础才能打牢打扎实,保证自己后面的复习游刃有余。

20考研的QQ群,有各个学校的考研资料,欢迎加入群号是 935371763

转载地址:http://sfdm.baihongyu.com/

你可能感兴趣的文章
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
查看>>
OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
查看>>
OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>