返回博客

概念看懂了,題還是不會做:缺的是一張「題型映射表」

概念看懂了,題還是不會做:缺的是一張「題型映射表」 「這個概念我懂了」——我在課堂上說過很多次。 然後做題,第一道就卡住。翻答案,每一步都認識,但自己想不到第一步。 問題不在概念,在概念和題型之間缺一座橋。 懂,只是「能複述」 上課聽懂,通常是「能跟著老師的推導點頭」。這是被動理解。 做題需要的是:看到題幹,能判斷「這

AI辦公助手對話+智能體文獻檢索AI

概念看懂了,題還是不會做:缺的是一張「題型映射表」

「這個概念我懂了」——我在課堂上說過很多次。

然後做題,第一道就卡住。翻答案,每一步都認識,但自己想不到第一步。

問題不在概念,在概念和題型之間缺一座橋。

懂,只是「能複述」

上課聽懂,通常是「能跟著老師的推導點頭」。這是被動理解。

做題需要的是:看到題幹,能判斷「這屬於哪一類、第一步該動什麼」。這是主動調用。

兩者之間差一步:把概念翻譯成「遇到什麼情況就用它」。、

映射表三列

我現在的做法是給每章做一張表:

概念/方法題目裡長什麼樣第一步動作
平衡條件出現「靜止」「勻速」「恰好不滑」畫受力圖,列兩個方向
極限狀態出現「最大」「最小」「剛好」把不等式改成等式
疊加原理出現多個獨立作用拆成單因素,分別算再相加

三列裡,第二列最關鍵:寫「題目裡長什麼樣」,不寫「定義是什麼」。

第二列怎麼寫:抄題幹,不抄教材

我寫第二列時,會翻三道做過的題,把觸發詞抄下來。

例如「恰好不滑」這四個字,比「靜摩擦達到最大值」好記,因為考試題裡出現的就是這四個字。

一章下來,第二列通常有六到十個觸發詞。這十個詞,就是這一章的「題眼」。

第三步:反著練

表格做完,我不按章節練,按「觸發詞」練:隨便挑一個觸發詞,想它對應哪個概念、第一步做什麼。

想不出來的,說明那一行還沒記住。

這一步我讓 MuchSci 的對話+智能體出題:把映射表貼進去,要求「每個觸發詞出一道只考第一步的題」。

MuchSci 出的題通常不難,但正好考「看到這句話該動什麼」,比我直接做整套卷子有效。

三類題型,三種第一步

我總結下來,第一章的題基本三類:

1. 判類型:給條件問「會不會發生」,第一步是找臨界條件

2. 求數值:問「多少」,第一步是列方程並數未知量

3. 解釋現象:問「為什麼」,第一步是找變量關係

三類第一步不一樣。做題前先判類型,比直接算快。

一個真實的進步

同一章內容,改前我做十道錯四道,錯的都是「不知道從哪下手」。

改後做十道錯一道,錯的那道是計算失誤。

差別不在知識量,在我有了「看到題先判斷類型」的動作。

一點體會

「懂了」和「會做」之間,隔著一層翻譯:從概念的語言,翻譯成題目的語言。

映射表做的就是這件事。它不增加知識,只增加「調用路徑」。

這張表我一般自己填,因為觸發詞得從我做過的題裡抄。填完讓 MuchSci 的對話+智能體按觸發詞出題練手,錯的地方再補一行。一學期下來,這張表比筆記本更值得考前翻——它記的不是知識,是我自己的「題感」。


返回博客列表