返回博客

概念看懂了,题还是不会做:缺的是一张“题型映射表”

概念看懂了,题还是不会做:缺的是一张“题型映射表” “这个概念我懂了”——我在课堂上说过很多次。 然后做题,第一道就卡住。翻答案,每一步都认识,但自己想不到第一步。 问题不在概念,在概念和题型之间缺一座桥。 懂,只是“能复述” 上课听懂,通常是“能跟着老师的推导点头”。这是被动理解。 做题需要的是:看到题干,能判断“这

AI办公助手对话+智能体文献检索AI

概念看懂了,题还是不会做:缺的是一张“题型映射表”

“这个概念我懂了”——我在课堂上说过很多次。

然后做题,第一道就卡住。翻答案,每一步都认识,但自己想不到第一步。

问题不在概念,在概念和题型之间缺一座桥。

懂,只是“能复述”

上课听懂,通常是“能跟着老师的推导点头”。这是被动理解。

做题需要的是:看到题干,能判断“这属于哪一类、第一步该动什么”。这是主动调用。

两者之间差一步:把概念翻译成“遇到什么情况就用它”。、

映射表三列

我现在的做法是给每章做一张表:

概念/方法题目里长什么样第一步动作
平衡条件出现“静止”“匀速”“恰好不滑”画受力图,列两个方向
极限状态出现“最大”“最小”“刚好”把不等式改成等式
叠加原理出现多个独立作用拆成单因素,分别算再相加

三列里,第二列最关键:写“题目里长什么样”,不写“定义是什么”。

第二列怎么写:抄题干,不抄教材

我写第二列时,会翻三道做过的题,把触发词抄下来。

比如“恰好不滑”这四个字,比“静摩擦达到最大值”好记,因为考试题里出现的就是这四个字。

一章下来,第二列通常有六到十个触发词。这十个词,就是这一章的“题眼”。

第三步:反着练

表格做完,我不按章节练,按“触发词”练:随便挑一个触发词,想它对应哪个概念、第一步做什么。

想不出来的,说明那一行还没记住。

这一步我让 MuchSci 的对话+智能体出题:把映射表贴进去,要求“每个触发词出一道只考第一步的题”。

MuchSci 出的题通常不难,但正好考“看到这句话该动什么”,比我直接做整套卷子有效。

三类题型,三种第一步

我总结下来,第一章的题基本三类:

1. 判类型:给条件问“会不会发生”,第一步是找临界条件

2. 求数值:问“多少”,第一步是列方程并数未知量

3. 解释现象:问“为什么”,第一步是找变量关系

三类第一步不一样。做题前先判类型,比直接算快。

一个真实的进步

同一章内容,改前我做十道错四道,错的都是“不知道从哪下手”。

改后做十道错一道,错的那道是计算失误。

差别不在知识量,在我有了“看到题先判断类型”的动作。

一点体会

“懂了”和“会做”之间,隔着一层翻译:从概念的語言,翻译成题目的语言。

映射表做的就是这件事。它不增加知识,只增加“调用路径”。

这张表我一般自己填,因为触发词得从我做过的题里抄。填完让 MuchSci 的对话+智能体按触发词出题练手,错的地方再补一行。一学期下来,这张表比笔记本更值得考前翻——它记的不是知识,是我自己的“题感”。


返回博客列表