--------------------------------------------大意--------------------------------------------
整體性學習的核心，是把零散的知識點連結成知識網，
再從中抽象出可重複使用的模型，並遷移到其他領域。
因此學習不只是「知道更多」，
而是讓知識彼此連得起來、能夠解釋問題，也能拿來理解新的事物。
----------------------------------------------------------------------------------------------
《如何高效學習》的核心概念，是作者所稱的「整體性學習」。
作者認為，學習不應只是把一個又一個知識點記進腦中，
而應該讓新知識與既有知識產生連結，最後形成一個彼此關聯的知識網路。
換句話說，真正重要的不是「記住多少資料」，而是這些知識彼此之間是否能夠連得起來。
作者因此提出「結構、模型、高速公路」等概念，
用來說明知識如何組織，以及不同知識之間如何建立連結。
一、系統化思維與整體性學習
「整體性學習」可以放在更大的「系統化思維」之下理解。
系統化思維的基本做法，
是面對一個複雜事物時，不是看到零散資訊，而會進一步尋找：
- 有哪些重要元素？
- 元素與元素之間有什麼關係？
- 這些關係共同形成什麼結構？
- 能不能從中找出更一般性的規律？
這種思考方式可以用在很多領域，
例如軟體架構、企業管理、生態系統、歷史制度，也可以用在學習。
當它被用在
學習時，就是：
不要把知識當成一顆顆互不相關的點，而要逐漸把它們組織成自己的知識體系，這正是我所理解的『整體性學習』。
因此可以說：
系統化思維是較大的概念；
整體性學習，則是系統化思維在知識建構上的一種應用。
那麼，什麼是「沒有整體性學習」？
最容易理解的情況，就是：考試之前記住，考完之後忘掉。
學一個東西時，只處理眼前這個知識點；
下一次又重新學另一個知識點，前面的東西沒有留下多少連結。
很像「狗熊掰棒子」的故事：
「走進玉米田，掰一根、丟一根；一路走到最後，手上仍然只有一根玉米。」
知識看似學了很多，但沒有累積成體系。
問題不一定是完全「忘記」，而是每次所學的東西彼此孤立。
即使還記得一些內容，
也很難從一個知識推到另一個知識，更難拿過去的知識來理解新的問題。
整體性學習想避免的，正是這種狀況。
二、從「結構、模型、高速公路」改寫成三層
作者為了說明整體性學習，使用了三個重要名詞：
結構（structure）、模型（model）、高速公路（highway）
其中，「結構」大致是某一領域形成的知識網路；
「模型」是從複雜知識中抓出的簡化表示；
「高速公路」則是不同知識結構之間建立的連結。
不過，我個人覺得這三個名詞不算很好理解，
而且後面的章節也沒有沿著這三個概念繼續說明。
如果改成我比較習慣的方式，我會把它整理成三層：
第一層：知識點——有哪些重要元素？
第二層：知識網——元素之間有什麼關係？
第三層：抽象與遷移——能否從這些關係中抽象出核心模型，再把模型遷移到其他領域？
也就是：先有元素 → 再形成關係網 → 再從關係網抽象出模型 → 最後跨領域遷移。
對我而言，這比「結構、模型、高速公路」更容易掌握。
三、第一層：知識點——有哪些重要元素？
學習一門新知識，最基本的一步，當然還是先掌握重要的知識點。
例如學習一個技術領域，首先必須知道：
- 有哪些重要名詞？
- 有哪些重要角色？
- 有哪些重要機制？
- 有哪些關鍵事件或步驟？
這些都是構成知識體系的基本元素。
如果連知識點都沒有，自然不可能形成後面的知識網。
但問題在於，
只停留在知識點還不夠。如果我只記住 A、B、C、D 四個名詞，卻不知道：
- A 為什麼影響 B？
- B 和 C 是什麼關係？
- D 又在整個系統裡負責什麼？
那麼這些知識仍然只是四個孤立的點。所以真正重要的是下一層。
四、第二層：知識網——元素之間有什麼關係？
當知識點逐漸增加之後，要開始問：這些東西彼此是什麼關係？
可能是：
- 因果關係
- 時間順序
- 上下位關係
- 組成關係
- 對立關係
- 條件關係
- 流程關係
- 功能關係
這時候，知識才開始從「資料」變成「結構」。
例如歷史學習，如果只記：
某年發生 A、某年發生 B、某年發生 C，
這只是知識點。
如果進一步理解：
A 改變了什麼制度，因此引發 B；B 又造成某種社會條件，最後導致 C，
這才開始形成知識網。
所以閱讀一門學問時，常會抓兩件事：
第一，關鍵元素是什麼？
第二，元素與元素之間的關聯性是什麼？
只要這兩步持續累積，一門學問就會逐漸形成自己的知識網路。
五、第三層：抽象——從關係中找出核心模型
有了知識網之後，還可以再往上一層。
我們會開始發現，某些關係模式反覆出現，可以進一步抽象成一個比較一般性的概念。
這就是「模型」。
因此，模型並不是單純的「元素之間有關聯」，而是：
從許多元素及其關係中，
看出某種穩定模式，再把它抽象化成可以反覆使用的核心規律或思考框架。
例如流水線作業。
十九世紀的肉品加工廠已經出現類似的分段處理方式：
把完整流程拆成不同工序，
由不同工人各自負責其中一部分，待處理的對象則依固定順序往下移動。
這類連續生產方式，後來也成為 Ford 汽車裝配線的重要參考之一。
這其實和日常生活很好理解。
我們吃飯，不會：
洗一顆米 → 煮一顆米 → 吃一顆米，
然後再洗下一顆米 → 煮下一顆米 → 吃下一顆米。
而會：
洗一鍋米 → 煮一鍋米 → 吃一鍋米。
這雖然不是流水線本身，但可以幫助理解一個基本概念：
把相同工作集中處理，通常比反覆切換整套流程更有效率。
放到生產流程裡，我們看到的具體現象是：
產品依照固定順序移動，每位工人只負責其中一道工序。
但如果再往上抽象，就不只是記住「某個工廠怎麼做」，而是提煉出一個更一般性的模型：
把複雜工作拆成標準化、連續化的工序，讓不同工作者各自負責其中一部分。
到了這一步，我們得到的已經不是單一案例，而是一個可以反覆使用的思考框架。
換句話說：
知識網告訴我們「元素怎麼連在一起」；
模型則是進一步問：「這些關係背後，有沒有一個可以概括它們的共同規律？」
六、遷移——把模型帶到另一個領域
當我們已經從一個知識網中抽象出模型，
下一步就是：這個模型能不能離開原本的領域，拿到另一個領域去使用？
這就是我認為作者所說的「高速公路」最值得注意之處。
仍以流水線為例。
如果我們已經抽象出：
把複雜工作拆成標準化、連續化的工序，由不同人分工完成。
那麼接下來就可以問：
這個模型是不是只能用在屠宰場？ 還是也能搬到其他生產活動？
後來，類似的分工與連續生產方式被運用到工業製造中，汽車生產就是最著名的例子之一。
因此，這個過程可以寫成：
屠宰作業中的具體做法
↓
抽象出流水線模型
↓
把模型遷移到汽車製造
這才是所謂的「跨域遷移」。
它和單純的聯想不太一樣。
聯想可能只是：「這個東西讓我想到另一個東西。」
但遷移則是：
「我能不能把 A 領域中已經抽象出的模型，拿來理解或解決 B 領域的問題？」
一般學習比較容易做到的是同一領域內建立連結：
歷史知識連歷史知識、程式知識連程式知識、生物知識連生物知識。
但如果能進一步把一個領域中的模型搬到另一個領域，
就不只是增加知識量，而是在提高知識的可遷移性。
所以第三層其實包含兩個動作：
抽象：從具體關係中找出模型。
遷移：把模型帶到新的領域。
七、整體性學習最後形成什麼？
如果用我自己的方式重新整理，我不會特別強調「結構、模型、高速公路」這三個名詞，
而會記成：知識點 → 知識網 → 抽象與遷移
也就是：
第一，先找到重要元素。
第二，建立元素之間的關係。
第三，從關係中抽象出模型，再嘗試把模型遷移到其他領域。
最後形成的，不再是一堆互不相關的資訊，而是一個可以持續擴充的知識體系。
而這也是我對「整體性學習」最簡單的理解：
學習，不只是增加知識點，而是讓知識彼此連接；
連接之後再進一步抽象，最後讓一個領域的知識能夠幫助理解另一個領域。
至於要怎麼做到這件事，作者後面提出了一套比較具體的學習流程：
獲取 → 理解 → 拓展 → 糾錯 → 應用 → 測試。
這部分就留到下一篇再談。
