时间: 2021-08-03 08:59:00 人气: 24 评论: 0
随着互联网行业的快速发展，信息过剩问题引发了人们对结构化思考的重视，本篇文章通过结构化思考在教育产品中的应用，讲述了它在教育中起到的作用。让我们一起去阅读下面的文章，来了解结构化思考的重要性。
今天，我们生活在一个知识、信息过剩的时代，不论是网络上各式各样的知识付费产品，亦或是各种出版畅销书，我们被各种时髦的互联网名词充斥着。信息的碎**化淋漓尽致地体现在了短视频、视频微课以及大量的10万+阅读的公众号文章当中。
这带来的一个后果就是，我们变得不**思考，我们的思考也变得碎**化，无法深入系统，完整地去理解这个快节奏商业社**里的各种问题和挑战。
在这样的一个信息过剩的时代，结构化思考显得特别的重要。
在讲述结构化思考之前，先给一个例子，帮助大家判断网络上信息和书籍的质量优劣。
上图是一本关于故事写作书籍的目录。从目录来看我们可以非常清晰地知晓这本书的主题和它的结构。我非常喜欢这样的书，即使不细翻，单看目录我也大致能够判断这本书的质量不**太差：它有一个自洽的结构体系，能够给读者一个较为完整的阅读体验。
百度百科的定义：
结构化思维（Structured Thinking）是指一个人在面对工作任务或者难题时能从多个侧面进行思考，深刻分析导致问题出现的原因，系统制定行动方案，并采取恰当的手段使工作得以 高效率 开展，取得高绩效。当你这样做事的时候，你就拥有了结构化思维，这将对你的职场晋升起到巨大的帮助作用。思维决定发展，思维层面不同导致结果不同。
Google的定义：
Structural thinking is a type of systems thinking that gets to the heart of the matter as to how things actually work. It contrasts with the relational thinking associated with techniques such as regression. Structural thinking’s focus is on causal structures that produce observed behavior.
这两个定义都提到“系统”这个词与碎**化相对应。结构化思考意味着我们应该具有系统性的多元思维，这里的多元可能涉及到时间、空间、逻辑关系。当我们在接受碎**信息的时候，我们应该穿越信息的表面，去探寻信息背后的思维模型。所谓的思维模型也是建立在结构化的思维上面的。
举个例子，下图分别为**石和石墨：
**石原子间是立体的正四面体结构
石墨原子间构成正六边形是平面结构，呈**状。
**石和石墨的元素都是由碳元素组成，然而，因为它们的组成结构差异，造成了其巨大的整体形态和价值差别。用类比的思维一想，产品的创新，商业模式的创新，也是如此（类比思维就是结构化思维的一种）。许多成功的产品，商业模式，都并不是真正发明了一个新的东西，而是在原有的产品和商业模式上面做了结构的改变。
比如：
其他很明显的结构性变化，比如抖音这类型的UGC产品，内容生产者，使用者，消费者之间的关系与传统媒体生态相比发生了巨大变化。
在讨论教育产品的时候，我们通常要将产品进行分类。而目前这个分类通常都是按照市场的视角来分类的，而不是从学习者的学习视角来分类的。
比如，常见的几大类：
这些市场视角的分类对一个教育产品设计者而言毫无意义。
另一个常见分类是把教育产品模块分为：
课前的产品与教师的教研、备课相关；课中的产品就是教学直播，学习内容产品；课后也是辅导相关产品。这个分类同样比较粗犷，无法深入学习者的核心需求。
如果我们从学习者的视角去看，一个人对知识的学习，可以分为信息输入+信息处理+信息输出，这三个环节贯穿了一个学习者的学习整个流程，不论是K12还是考研还是其他任何细分领域的教育产品，学习者都必须经历这个学习过程。
我们**发现，我们今天绝大多数产品给学习者提供的都是信息输入侧的产品和服务，不论是各种直播/视频类型的课程，还是各种碎**化的知识付费课程，大多数公司只是把这些知识信息“灌输”给了学习者，当然这个“灌输”的过程质量的好坏，取决于这个讲师和内容的质量高低，但不论如何，这些教育产品都没有教学习者如何进行信息处理，也就是如何将输入的信息进行“内化”，学术一点的词语叫做“习得”。
OK，学习者获得了这些知识信息，他们怎么样进行知识习得，如何整合、内化成自己真正的东西，这一部分所有的教育产品都不及格 （包括现在很火的所谓AI教育，它提供的价值在于给学习者提供一个最佳学习路径，就是告诉学习者你在什么时间阶段应该去输入什么知识信息。
然而，怎么在大脑里处理这些知识信息，AI是管不了的，基于这一点，可以判断“AI教育”对学习者的学习价值非常有限）；
第二个，信息输出，如何帮助学习者进行有效的输出。常见的就是各种类型的作业产出。然而， 在没有结构化的支撑的情况下的作业是低效的。
所以，根据上述流程，现在教育产品应该努力想想应该如何在信息处理+信息输出上下功夫。而因为信息输出的难度是建立在信息处理之上的（根据哈佛大学某学习**，学习分为被动学习和主动学习。
被动学习包括听讲、阅读、视听、演示；主动学习包括讨论、实践、教授他人。
主动学习可以理解为“信息输出”，而“信息输出”让学习者对学习内容的周留存率可以平均达到75%以上，相比于被动学习只有30%），且信息输出的同时，学习者肯定也在进行信息处理，所以有可能可以把信息处理和信息输出两个环节做成高度结合的产品形态。
如何突出教学产品的在信息处理方面的价值呢？
一个底层的原理是，我们在教授学习者任何知识的时候，本质上应该是在教授和这个领域知识相关的思维方式，也就教**学习者如何学习，而不是知识本身。如果是数学教学就应该教**学习者如何学习数学，如果是语言教学就应该教**学习者如何学习语言，如果是编程教学就应该教**学习者关于编程语言的逻辑。一个高质量的教育产品应该体现这一点。
“数学本来应该是发现和探索的过程，我们却用规则和规定取代了。
我们从来没有听学生说过“我想要看看如果给一个数字负的指数，那**有意义吗？如果我发现如果选择以这样的方式来表示倒数，**得到非常有趣的规律模式。”
取而代之的是，老师和教科书直接给出“负指数规则”这样的既成事实，丝毫不提这个选择背后的美学，甚至没有告诉学生，这其实只是一个选择。
本来应该是很有意义的题目，可以引导出各种想法，没有界限的讨论与论辩，感受到数学中的主题统一与和谐，可是我们却代之以无趣和重复的习题，特定题型的解题技巧，各个主体之间彼此不关联，甚至脱离了数学的概念的完整性。以至于最后学生和老师都无法清楚理解，这类事情最初是如何或是为何发生。”
——《一个数学家的叹息》
《一个数学家的叹息》作者保罗提出的数学教学当中存在的问题，就是我所讲的信息处理这一环节做的远远不够，学生在数学学习中没有学到关于数学的底层思维模型。
要将信息处理在教学领域中产品化，需要找到有效的用户使用场景。一个最常见的场景就是问问题。
今天其实教育领域也有很多知识问答，答疑产品，比如欧洲的Brainly；国内的作业帮。
但这些教育领域的问答产品本质上是和知乎，Quora一类的—-它们属于信息问答平台，并非教育知识问答平台。
这些平台上的回答者并没有给提问者提出对知识探究的路径，形成系统的思维模型，而是直接针对提问者提出的问题给出解题思路和答案，所以这类平台在教育这个领域做不深，无法产生巨大价值。那么信息处理应该怎么去做？
依然是从“提问”开始，世界上的大多数问题，只要连续问5个why，就能无限接近答案，随着问题越来越接近本质。大多数人并不**提问，不**提出好的问题。
爱因斯坦说过，提出了一个好的问题，就成功了一半。
因为一个好的问题能够帮助你改善你的思考的方向 （也许你原本提出的问题就是一个错误的方向）。
学习者用户提出了一个又一个的问题，并不断地将其问题与我们提供的思维模型（是的，初期我们只需要提出一些学习科学(Learning Science)的底层原理，以及针对目标学科的某些思维模型，我**在以后的文章写一些学习科学的思维模型）进行比对并思考，我们需要用户自己进行思维模型层面的思考！然后自己写出他们的思考过程，而不是直接告诉他们解题思路或是答案。
另一个常见的场景是写读书笔记。大多数人在读书的时候可能头脑里**时不时**冒出来各种奇奇怪怪的零碎想法，这些想法可以称为”灵感“。而灵感本身是没有价值的，如果不把灵感连成线和面的话。
那么同样，读者需要一个产品将他们的碎**灵感通过思维模型整理成系统化的知识体系。有做读书笔记习惯的读者通常使用的是印象笔记或者其他的效率工具，而这类工具并无法提供关于信息处理层面的结构化思维支持。
学习者在进行信息处理的同时，或进行信息处理以后，很自然地将要进行信息输出。输出成果实际上就是我们说的 ”知识图谱“。知识图谱是可伸缩拓展的知识关联及层次结构，横向有关联，纵向有从知识，问题到思维模型的深度（仅仅展现出学科知识点的表面联系在我看来依然是没有太大价值的）。
总而言之，以结构化思维为底层原理设计的教育产品能够另辟蹊径，和当今所有的碎**化学习产品区别开来，提供一个完整的，科学的学习体验，带来真正的学习价值。
作者：渡贤，微信公众号：edtecho
本文由 @渡贤 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议
