註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 行方
行方 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 行方 的搜尋結果
【台軍報告稱邀美退役將領觀摩“漢光演習”】 台當局防務部門罕見證實已編列預算,邀請美國退役將領及軍方人員赴台觀摩“漢光演習”。 台媒報道,台防務部門日前向立法機構提交書面報告,說明2026年及2027年“漢光演習”美國觀摩團赴台所需經費,共編列約新台幣8243萬元,其中今年已執行4121萬元。 根據這份報告,“漢光演習”期間,美國將派遣退役將領擔任資深觀摩員,並由美國印太司令部組織軍事及文職專業人員組成觀摩團,根據演習目標及觀摩結果,向台軍提出提升聯合作戰能力的建議。這些建議將納入“漢光演習”總結報告,作為台軍後續建軍備戰的參考。相關經費則依照美國國防部及國務院公布的海外差旅費用標準編列。 中國國民黨立委馬文君此前質疑這項計劃的執行方式、美方派遣人員層級及預期成效。台立法機構因此凍結其中100萬元預算,並要求防務部門提交書面報告說明。 美方人員觀摩台軍“漢光演習”並非首次曝光,但台當局過去鮮少證實具體安排。去年台軍“漢光演習”期間,台媒曾披露前駐韓美軍司令、退役上將艾布拉姆斯擔任資深觀摩員,並為台軍提供建議,但台防務部門當時拒絕評論個別案例。 台灣國際戰略學會執行長羅慶生稱,此次披露的重點不在於台灣為美方觀摩計劃支付經費,而是台軍首次正式確認美國退役將領參與“漢光演習”。 中國國防部發言人此前針對有關問題強調,堅決反對美台任何形式軍事勾連。慫恿支持“台獨”就是破壞台海和平穩定,也將引火燒身、自食苦果。敦促美方停止在台灣問題上拱火滋事,切實恪守一個中國原則和中美三個聯合公報規定,將不支持“台獨”的承諾落到實處。民進黨當局“倚美謀獨”必遭背刺反噬,逃脫不掉“棄子”宿命。(來源:香港新聞網) 詳情:
顯示更多
【香港上市】百度旗下AI晶片公司崑崙芯計劃香港IPO 籌資不超過20億美元 知情人士稱,百度旗下AI晶片公司崑崙芯已聘請投資銀行安排香港IPO,募資金額可能高達20億美元。崑崙芯已選擇中金、中信證券和華泰證券為IPO牽頭行,中信建投證券也參與擬定崑崙芯的潛在發行方案。
顯示更多
如果邹市明夫妇2亿买入纳指,现在有多少钱 如果邹市明夫妇在2017年退役后, 把2亿退役金全部买入QQQ到2026年6月30, 会有多少钱? 答案:10亿人民币 短短10年,这笔钱都够邹市明他孙子辈的人花了。 所以很多时候方向很重要, 选对方向后坚持下去就行,方向错的努力不如躺平。 $QQQ
顯示更多
新浪科技报道,智界汽车宣称法拉利前首席设计师加盟,法拉利公关总监公开质疑:“我一直想问这位传说中的法拉利设计师姓甚名谁?” 当前法拉利大中华区公关总监的质疑微博现已对外不可见。 针对这一质疑,截至发稿前,鸿蒙智行方面暂无口应。智界品牌2.0高调宣传的国际化人才阵容,在法拉利官方的公开质疑面前,目前仍未有明确的姓名和履历信息对外披露。
顯示更多
0
22
31
2
轉發到社區
每期必看的币安@binancezh广场区块链一百人又来啦! 这期嘉宾是最近热度最高的字节哥 Leto @leto_bao !主持人是@jennyukim_bnb! 全程干货密度很高,全是自己实打实操盘、踩坑攒出来的经验,从新手入门到进阶策略,从决策逻辑到赛道判断都覆盖到了,整理了核心内容给大家参考,一起来看看吧! Leto 说字节的经历给他的投资打下了很深的烙印: 一是做数据工程师养成了对数字的敏感度,凡事都要挖清楚数字变动背后的原因 二是大厂的前沿技术和业务场景拓宽了视野 三是身边都是顶尖的同事,做事的逻辑和方法让他受益很多 这套数据驱动的思路,后来完整平移到了投资决策里,他也直言技术人做投资最容易踩的坑 天然迷信自己熟悉的行业,觉得自己懂就坚信一定会涨,忽略大环境变化,很容易被思维惯性困住亏钱 至于深耕和探索的关系,他觉得两者并不矛盾:深耕同一个领域攒核心经验,同时在不同发展阶段的公司里探索,能换更多角度看问题,反而看得更透 整场最核心的思路,是他把互联网的 AB 测试逻辑用到了投资里,他说判断力从来不是凭感觉练出来的,都是靠数据验证: 新手如果觉得指数涨得慢想自己选股,不用急着 all in,半仓定投指数、半仓自己操作,跑满一年对比收益、回撤和夏普比率,跑不赢指数就说明不适合主动选股,老老实实投指数就行,方法简单但特别好用 他还完整复盘了自己最经典的存储板块投资案例,整个决策链非常清晰: 最开始是去年 8 月买硬盘发现价格持续上涨,这是第一个信号 加上当时字节内部要求缩短数据存储周期,本质是存储资源紧张,这是第二个验证信号 当时已经有研报提 AI 带动存储涨价,但他没有立刻重仓,直到看到机构连续三个季度加仓的实锤数据,才把大仓位打进去,拿到现在收益很高,至今还持有 全程是逐步验证、分批加仓,完全不是赌一把的思路 关于很多人好奇的期权,他用买房的例子讲得特别好懂: 看涨期权就像付 10 万定金锁定一套 100 万的房子,一年后不管市场价多少都能按 100 万买,定金不退 如果房价涨到 150 万,一份定金就能赚 40 万,相当于用小资金加了杠杆 看跌期权就像买保险,付一笔保费,约定未来不管跌多少,对方都按约定价收购你的资产,跌了能兜底,没跌就亏保费 他也很坦诚,说早期做期权交易虽然有逻辑支撑,但也有赌的成分,当时本金少,亏了也能很快赚回来,现在不会再做这类高风险操作 风险部分他讲得非常实在(这真的重点看): 值不值得冒风险,核心看能不能承受最坏结果 年轻人没家庭负担、存款少、现金流稳,就算亏完也能很快赚回来,适当冒点风险没问题 但如果要借债、卖房投入,或者上有老下有小有房贷,失败了连累全家,这种风险绝对不能碰,生活杠杆高的人,先给生活降杠杆,再谈投资 他也分享了自己亏得最惨的经历:2022 年跟着佩洛西买英伟达,180 的价格重仓进场,结果遇上美联储加息大盘普跌,英伟达回撤了 40%,当时直接卸载软件躺平 这次经历给他的最大教训是:哪怕是再好的公司,买的时机不对、踩不中周期,一样会亏大钱,大环境的权重一点都不比公司本身低 针对完全没碰过美股的新手,他给了非常明确的入门步骤: 开户后别上来就选股,先买指数 可以先用模拟仓练手,但别全信模拟仓的结果 —— 模拟仓没心理压力拿得住,真金白银心态完全不一样 拿自己能接受归零的钱进场,先跑 AB 测试验证自己的能力,跑不赢指数就放弃主动选股 常见的宏观名词他也做了大白话解释: CPI 就是物价指数,美联储盯着它调利率,2% 是长期目标 非农就是非农业就业人数,和通胀有相关性;美联储是独立于政府的机构,负责制定利率政策调节经济,这些都不是噪音,都会实实在在影响行情,不能忽视 作为数据工程师,他的交易体系也很有技术特色: 自己搭了 AI agent 工作流,订阅各类数据和行情,早晚自动推送持仓异动和重点资讯,同步汇总到 Notion 方便复盘; 自己搭建冷热数据存储跑策略回测; 交易 bot 只负责用期权做对冲,股票买卖必须自己手动决策 —— 买入的核心逻辑没变就长期持有,短期波动用期权对冲,不会随便乱卖 他还分层级推荐了实用书单: 入门必看《生命周期投资法》《持续买入》 想学分选股可以看彼得・林奇的《战胜华尔街》 期权入门看《Options as a Strategic Investment》 想学尾部对冲看《避风港》 想了解暴跌中如何对冲可以看《The Second Leg》; 想拓展思路可以看《嘲笑华尔街》,讲怎么从大众日常内容里找交易信号 他把普通人分成四类,认为最容易受伤的是负债多的人 —— 不仅自己扛不住波动容易追涨杀跌,亏了还会连累家人 他建议没兴趣研究投资的人,老老实实买指数就行,别碰个股 普通人选股难,本质是容易被自己过往的经验和思维惯性困住,判断自己适不适合,跑一遍 AB 测试就知道了 他自己的交易频率很低,走长期路线,工作日基本不怎么看盘,每周固定复盘一次,核对每笔交易的买入逻辑有没有变,有没有受情绪影响做决策 最近存储板块回调比较大,他的判断是机构季度持仓再平衡带来的短期抛压,行业底层逻辑没坏,他提前布局了看跌期权对冲,对整体仓位影响不大 聊到财务自由之后的状态,他说现在最看重健康,排在赚钱前面(每个大佬都这么说过,真的得时刻铭记): 每天健身、吃干净饮食、买高端保险 —— 相当于给自己的人生买了份 put,健康出问题的时候有兜底 现在主要精力在筹备 AI 方向的创业,写 BP,见投资人,希望以后大家提到他,想到的是他做的公司,而不是炒股赚了钱 他觉得 AI 对普通人财富管理最大的意义,一是省时间,不用手动搜集整理信息 二是有复利效应,写好的工具和方法可以反复迭代复用,不用一直做重复劳动 他现在最信奉的是改良版杠铃策略:大部分仓位放在稳健的指数上,小部分仓位投高波动、高潜力的方向,就算这部分亏光了也不影响整体盘,一旦涨起来就能大幅拉高总收益,回撤可控,收益上限也高 最后几个观众提问的干货也很足: 一是期权他主要做买方,用来给正股加杠杆、做对冲,不靠期权本身盈利; 二是针对机器人、航天、核能、电力几个热门赛道,他判断短期都难成主流: 里面最有潜力的是机器人 航天更多是上市初期的情绪炒作,短期盈利跟不上 传统核电站建设周期长达十几年,小型模块化核电站成本是大电站的两倍多,都很难成为短期主线 电力方向短期最受益的是天然气发电机公司,部署快、不占民用电网、成本合适,是目前 AI 算力供电的最优解 结尾他给年轻人的建议:投资要趁早,尽早把钱投进 AI 相关的优质资产里,给自己做一层 “被 AI 取代” 的对冲 整场听下来最大的感受是,他没有吹任何暴富神话,所有方法都可落地,所有结论都有对应的逻辑和经历支撑 从大厂做事的方法论,到投资体系,再到人生选择,整套逻辑是自洽的,不管做不做投资,这套数据驱动、为风险兜底的思路,都挺值得参考的,希望能帮到大家! 建议大家去看直播回放,会更直观:
顯示更多
0
75
162
17
轉發到社區
Justin Skycak 数学教学思想深度研究报告 Justin Skycak 数学教学思想深度研究报告 认知科学基础、Math Academy 工程实现及可操作教学框架 摘要 Justin Skycak 的数学教学思想可以概括为一套以长期记忆、前置知识和任务选择为核心的教学系统: 建立细粒度知识依赖关系,诊断学生当前状态,提供最少必要讲解,让学生立即独立解题,再通过反馈、间隔提取和混合练习维持掌握。 这套体系最有价值的部分,是把提取练习、间隔效应、明确指导、掌握学习和个性化任务选择整合到同一系统中。它特别适合数学基础知识的快速获得、自动化和长期保持。 需要谨慎对待的部分包括: 将广义“主动学习”研究直接用于证明 Math Academy 的具体教学形式; 将直觉主要归因于重复练习; 将完全个性化视为高效学习的必要条件; 将少记或不记笔记推广为普遍建议; 用课程学习效率解释竞赛数学、证明和研究能力; 用公司内部数据证明 Math Academy 整体优于高质量人工教学。 在本次检索范围内,没有找到针对 Math Academy 的独立、同行评议随机对照研究。因此,目前能够可靠支持的是它所采用的若干教学原则,尚不能据此确认整个产品方案已经达到全局最优。 研究范围与证据等级 本报告使用三类资料: Skycak 本人的文章和公开讨论; Math Academy 关于教学法、知识图谱和任务算法的官方说明; 关于提取练习、主动学习、掌握学习、智能辅导系统、发现学习等主题的独立研究和综述。 X 的历史内容无法完整索引,因此部分观点通过 Skycak 个人网站上同步发布或扩写的文章还原。Math Academy 的系统结构可以从官方资料确认,但学习速度、产品优越性等效果主张主要来自公司自身。 报告采用以下证据等级: 等级含义A多项研究、系统综述或元分析反复支持B总体有支持,但效果依赖学习阶段、内容和实施条件C工程设计合理,缺少独立产品级验证D个人判断、价值判断或超出现有证据的推广 一、Skycak 教学理论的完整结构 数学是高度层级化的知识系统 Skycak 认为,高级数学任务由大量底层事实、程序和概念组成。学生在当前内容上遇到困难,往往源于更早的前置知识没有达到稳定掌握。 Math Academy 因此使用细粒度知识图谱表示: 一个主题依赖哪些前置主题; 一道题调用了哪些底层技能; 学习高级内容时,哪些旧技能得到隐式复习; 学生当前可以学习哪些新内容。 该知识图谱主要由领域专家手工构建。官方材料曾描述约 2500 个主题,每个主题又包含若干知识点、前置关系和组成关系。它属于专家系统和学生建模路线,核心并非让大模型自行生成课程。 这一设计很适合计算、代数、函数、微积分程序等结构明确的内容。证明、建模、策略创新和数学表达较难拆成稳定、可自动观察的节点。 证据判断:B/C。 数学确实存在大量前置依赖。具体如何拆分节点、设置关系权重,仍然包含课程专家的判断。 学习的目标是形成可长期调用的知识 Skycak 把学习看成长期记忆发生稳定改变。学生在课堂上理解了一次,并不等于以后能够独立提取和使用。 他的典型教学过程是: 给出最少必要解释; 展示一个完整示例; 学生立即独立做题; 系统提供反馈; 之后在逐渐拉长的时间间隔中重新提取; 将相关题型混合,训练方法选择; 在高级内容中继续调用底层技能。 Math Academy 将“讲解后几分钟内开始解题”作为主要教学形式,并强调自动化、间隔练习和混合练习。 证据判断:A/B。 提取和间隔有很强证据。具体到“讲解应该多短”“做几题后应该离开”,需要根据内容和学习者调整。 初学者需要明确指导 Skycak 反对让缺少相关知识的学生长时间自行发现方法。他认为初学者工作记忆容量有限,开放探索会让学生同时处理过多无关信息。 因此,他支持: worked example; 细分步骤; 显式指出子目标; 提供完整的初始方法; 随着熟练程度提高逐步撤除提示。 这一判断与认知负荷理论、示例学习效应和专业知识反转效应总体一致:知识较少的学习者通常需要更多指导;已有较强知识结构的学习者会逐渐从独立问题解决中获得更多收益。 问题在于,Skycak 有时把无指导发现、有脚手架探究、问题解决后教学和高水平开放问题放在一起批评。独立研究一般区分: 缺乏指导的发现学习; 教师设计并提供反馈的引导式发现; 学生先尝试、教师随后比较和正式讲解; 专家阶段的开放探索。 后几类方法可能有效,适用阶段和目标不同。 证据判断: 初学者需要明确指导:A/B; 所有探索都低效:D。 自动化为复杂思考释放认知资源 Skycak 强调基础事实和程序应达到快速、准确调用。例如: 基本运算; 分数和比例; 代数变形; 常见函数性质; 经常使用的解题程序。 当学生每次都需要重新推导这些内容时,工作记忆会被基础操作占用,很难处理更复杂的结构。 这个判断有较强合理性。但自动化不足以单独构成深层理解。概念知识和程序知识通常相互促进:概念帮助学生选择和修改程序,程序实践也可能促进概念关系的形成。 Skycak 关于“直觉主要来自大量重复”的观点只能解释其中一部分。数学直觉还来自: 比较不同解法; 研究反例; 转换表示方式; 解释条件为什么必要; 判断方法适用范围; 在新情境中重新组织知识。 证据判断: 基础自动化的重要性:A/B; 重复能够充分产生直觉:C/D。 二、核心方法的证据核验 提取练习 Skycak 主张学生在尝试作答前不要立即看笔记或答案。只有实际从记忆中提取,才能知道自己是否真正掌握。 一项课堂情境下的系统综述筛选了近 2000 篇摘要,最终分析了 50 个实验、5374 名学习者和49个效应量;多数研究发现提取练习对学习结果有中等或较大促进作用。研究覆盖多个年龄和学科,但非西方样本仍然较少。 实施中需要区分: 先独立提取,随后看反馈:有效; 一直不允许使用资料:可能妨碍复杂任务; 提取尚未学会的知识:容易变成无效猜测; 错误后缺少纠正反馈:可能巩固错误。 证据等级:A。 间隔练习 集中做完大量同类题,通常会产生很强的短期熟练感,但长期保持较弱。将练习分散到多次学习中,通常更有利于记忆保持。 Math Academy 根据学生状态动态安排复习,并通过高级题中调用的底层技能计算隐式复习。其 FIRe 机制会将一道复杂题的练习收益分配给多个组成技能,以减少重复做简单题的需要。 需要区分两个结论: 间隔优于集中突击:研究支持较强; Math Academy 的具体 FIRe 权重和复习算法达到最优:缺少独立验证。 证据等级:一般原则 A;产品算法 C。 混合练习 传统教材常把同类题放在同一节中。学生只需执行当前章节的方法,不必判断题型。 混合练习将多种问题放在一起,要求学生先回答: 这道题应该使用什么方法? 它特别适合训练: 区分相似问题; 方法选择; 长期保持; 防止依赖章节标题和表面格式。 初次学习一个程序时,少量连续同类练习仍有价值。较合理的顺序是: 少量集中练习 → 间隔复习 → 混合辨别。 证据等级:B。 效果依赖题型之间是否需要辨别。没有辨别需求时,混合练习未必带来明显收益。 主动学习 Skycak 经常引用 STEM 主动学习研究,支持学生实际解决问题,而非持续听讲。 这里存在定义差异。相关大型元分析中的主动学习包含课堂讨论、小组任务、测验、问题解决和高阶思考等多种活动;Skycak 将它主要落实为“简短讲解后个人独立做题”。两者存在重合,但研究不能直接证明这一种具体形式优于所有其他主动教学形式。 能够稳妥得出的结论是: 学生需要频繁作答和思考; 持续被动听讲通常效果较差; 活动形式需要与学习目标匹配; 个人练习、小组解释和教师讨论可以同时存在。 证据等级:主动参与 A;Skycak 的窄定义 B/C。 掌握学习 掌握学习要求学生达到预定标准后再进入依赖该知识的新内容。未掌握时提供额外练习、反馈和补救。 总体研究显示掌握学习通常产生正向效果,但效果高度依赖: 掌握标准如何定义; 是否有高质量纠错; 学生获得多少额外学习时间; 测试是否与训练内容高度相似; 学生能否长期坚持。 智能辅导系统的元分析也通常发现正向效果,但系统自带测试上的效果往往大于外部标准化测验,说明部分收益可能来自训练与评价的一致性。 证据等级:B。 三、Skycak 观点中证据较弱的部分 “真正的刻意练习必须完全个性化” Skycak 认为,只有系统能够根据每名学生的实时状态选择任务,才称得上严格意义上的刻意练习;普通班级很难实现这一点。 个性化确实能够减少: 重复已掌握内容; 跳过未掌握前置知识; 全班使用同一难度; 复习时机不匹配。 但“完全个性化是高效学习的必要条件”缺少充分证据。高质量班级教学也可以通过: 分层任务; 小组反馈; 低风险测验; 作业数据; 教师巡视; 周期性诊断; 实现部分个性化。 证据等级:C。 “学生通常不应该记笔记” Skycak 认为,记笔记经常变成把教师的话复制到纸上,降低实际提取和解题时间。他建议主要保留少量参考材料,把时间用于练习。 这个批评对机械抄写成立。但研究并不支持“普遍不记笔记”: 生成式笔记可以促进组织和解释; 笔记可以作为外部存储; 引导式笔记可能提高注意和学习效果; 抄写式笔记通常价值较低; 在提取测试时依赖笔记会削弱诊断价值。 更可靠的规则是: 学习时可以写结构化笔记;练习时先闭卷提取;完成后再用笔记检查和修正。 证据等级:Skycak 的普遍建议 D。 “困难问题通常浪费学习时间” 对初学者和课程基础学习而言,一小时反复尝试一道远超当前能力的问题,单位时间获得的正确反馈很少,确实可能低效。 竞赛数学、证明和研究型训练具有不同目标。它们要求训练: 在长时间没有反馈时维持问题状态; 生成和淘汰猜想; 构造反例; 切换表示; 修正证明; 忍受较低成功率; 从失败路径中提取策略。 AoPS 等竞赛教育体系会主动让学生接触超出当前常规程序的问题,并把挣扎、失败和讨论作为训练内容。 因此,需要区分: 知识获得任务:较短反馈周期通常更有效; 开放搜索任务:长时间探索本身就是训练对象。 证据等级:针对初学者 B;推广到所有数学训练 D。 四、Math Academy 产品设计分析 Math Academy 的产品结构可以分成四个部分。 专家构建的课程模型 领域专家拆分主题、编写解释、设计例题和练习,并指定前置关系。它通过人工课程设计保证内容结构和解法稳定。 优势: 可控; 可审查; 不依赖大模型临时生成; 前置关系比较明确。 风险: 图谱反映编写者的课程观; 难以覆盖所有非标准解法; 维护成本高; 证明和建模难以细粒度编码。 学生状态模型 系统综合诊断测试、练习结果、答题时间、近期错误和历史复习记录,估计学生对不同主题的掌握程度。 问题在于,系统只能根据可观察行为推断知识。答对可能来自: 真正理解; 记住模板; 猜测; 利用题目格式; 短期记忆。 因此,状态模型需要加入解释、变式和迁移任务,避免只观察标准答案。 任务选择 系统从以下任务中选择下一项: 学习新知识; 修补前置缺口; 复习即将遗忘的知识; 完成测验; 暂停当前课程并降低难度。 官方说明称测验通常会调整到大约 80% 的成功水平,并在学生连续出错时停止新内容、转入补救。 这能够控制平均学习难度,但对追求高正确率的学生可能产生长期失败感。产品需要明确告诉学生: 当前是新知识训练; 当前是熟练度检查; 当前是开放挑战; 不同任务具有不同预期正确率。 复习压缩 FIRe 机制通过复杂题中的组成技能,计算底层知识获得了多少隐式复习,从而减少单独练习简单题。 这是很有价值的工程设计,但它依赖两个假设: 成功完成复杂题确实意味着底层技能得到有效提取; 人工设定的组成关系和权重能够准确表示练习收益。 这些权重尚未看到独立验证。 五、总体证据矩阵 Skycak 或 Math Academy 的主张证据等级判断学生需要实际解题,不能长期只听讲A可靠提取练习提高长期保持A可靠间隔练习优于集中突击A可靠初学者通常受益于明确指导和完整示例A/B可靠,但应逐渐撤除指导基础技能自动化有助于复杂任务A/B可靠混合练习有利于方法辨别B依赖题型和学习阶段掌握前置知识后再推进B原理合理,实施条件重要智能系统可以改善任务分配B总体有支持,效果差异大所有学生都需要完全个性化C工程主张FIRe 是最优复习算法C缺少独立验证80% 左右是普遍最佳难度C可作起始参数,不能普遍化不记笔记更有利于学习D过度推广数学直觉主要由重复形成C/D只解释部分机制困难问题通常不值得投入时间D只适用于部分学习目标Math Academy 明显优于人工教学C尚缺独立产品级证据 六、可操作的六层数学教学框架 该框架保留 Skycak 体系中证据最强的部分,同时加入概念理解、迁移、开放问题和心理负荷控制。 课程结构层 将课程内容拆成可教学单元,并记录四类关系: 内容说明前置知识学习当前内容前必须独立掌握什么组成技能完成当前任务时实际调用什么相似概念学生容易混淆哪些方法或定义迁移方向当前知识以后会用于哪些复杂问题 单元不宜只用“章节”表示。较合理的粒度是学生能够在一次或数次学习中形成初步掌握的技能或概念。 例如“一元二次方程”可以拆成: 整式运算; 提取公因式; 乘法公式; 因式分解; 零乘积性质; 配方法; 判别式; 方法选择。 状态诊断层 每个单元使用五级掌握状态: 状态可观察标准M0 未知无法完成,或尚未接触M1 辅助完成在示例、提示或笔记帮助下完成M2 即时独立学习后能够独立完成同结构题M3 延迟稳定数天后在混合题中仍能独立完成M4 迁移掌握能解释、比较方法并解决新变式 推进规则: 新课程的必要前置知识至少达到 M2; 高度依赖的核心前置知识应接近 M3; 只达到 M2 的内容必须进入后续复习; 证明、建模和竞赛内容需要观察 M4。 这样可以防止系统把一次答对直接视为完全掌握。 新知识获得层 一次新知识学习使用以下过程: 用一至两个问题检测前置知识; 给出目标、条件和方法; 展示一个完整示例; 学生复述关键判断; 学生独立完成三至五个变式; 错误后先定位错误类型,再提供提示; 达到初步稳定后停止连续同类练习。 讲解时间没有统一上限。判断标准是学生是否获得完成第一次独立尝试所需要的信息。 反馈顺序建议: 指出结果是否正确 → 标出错误位置 → 提供局部提示 → 展示完整解法。 不要在第一次错误后立即给完整答案。 长期保持层 可以先使用一个简单的复习时间表: 当天 → 1天后 → 3天后 → 7天后 → 21天后 → 60天后 根据表现调整: 独立正确且速度稳定:拉长间隔; 正确但明显犹豫:保持当前间隔; 依赖提示:缩短间隔; 完全忘记:返回简短讲解和即时练习。 复习题应逐渐从同类题转向混合题。复习时先闭卷尝试,再使用资料。 高级题已经充分调用某项底层技能时,可以减少单独复习,但不应完全取消延迟抽查。 概念与迁移层 每个核心主题至少配置四类非标准任务: 任务目的方法比较判断不同方法的条件、成本和优点错误分析找出错误推理发生的位置反例任务判断结论缺少什么条件新情境变式检查是否能够迁移 例如学习一元二次方程后,不只要求求解,还可以要求: 判断因式分解、配方和公式法分别适合什么情况; 分析“方程两边同时开平方”的错误; 构造一个有两个整数根的方程; 根据根的性质反向确定参数; 解释判别式为什么能够决定实根数量。 难度与心理负荷层 将任务明确分为三种类别,避免学生把所有错误都理解为学习失败。 类别目标建议首次正确率巩固任务验证稳定掌握85%—100%学习任务获得新知识70%—85%挑战任务训练搜索和迁移20%—60% 这些比例只是起始参数。 连续出现以下情况时应降低难度或修复前置知识: 两到三次独立尝试都无法开始; 错误集中在同一底层步骤; 学生只能模仿示例表面形式; 学生无法说明当前使用的方法; 学习任务长期低于约 60%。 连续两次学习中正确率很高、速度稳定且不依赖提示时,应减少重复并加速推进。 七、建议的任务时间结构 普通数学学习:60分钟 时间内容5分钟闭卷提取近期旧知识10分钟新知识讲解和示例20分钟独立变式练习和反馈10分钟间隔混合复习12分钟方法比较、解释或迁移题3分钟记录错误与下次任务 时间比例可根据课程阶段调整。新内容较多时增加获得阶段;复习期增加混合练习。 算法竞赛或高水平数学:90分钟 时间内容10分钟基础知识和模板提取20分钟新算法、定理或典型结构20分钟标准变式练习30分钟非标准问题的独立搜索10分钟反例、证明或失败路径复盘 竞赛训练中,开放问题时间不能被自适应基础练习完全取代。 建议的总体任务比例: 课程基础阶段:获得与巩固 70%,迁移与挑战 30%; 竞赛初期:获得与巩固 60%,迁移与挑战 40%; 高水平竞赛阶段:获得与巩固 30%—40%,迁移与挑战 60%—70%。 八、教学数据指标 系统不应只记录总正确率。建议跟踪以下指标: 指标计算内容用途延迟保持率学习数天或数周后的独立正确率判断是否真正保持提示依赖率使用提示或资料的题目比例区分独立掌握和辅助完成新知识掌握速度每小时从 M0/M1 达到 M3 的单元数判断学习效率迁移成功率未见过变式中的正确率防止只记模板错误恢复时间从首次错误到独立正确需要多久判断反馈质量方法辨别率混合题中选择正确方法的比例判断是否会识别题型主观负荷学生对难度、疲劳和挫败的简短评分防止长期过载 正确率只能与任务类别结合解释。挑战题正确率低,不应降低学生的“掌握度”评价。 九、四周试运行方案 准备阶段 选择一个范围有限的单元,拆分约 30—80 个知识节点。为每个节点准备: 两至三道诊断题; 一个简短解释; 一个完整示例; 三至五道即时变式; 两道延迟复习题; 一道迁移或错误分析题。 第一周 完成诊断并建立初始掌握状态。记录: 当前正确率; 作答时间; 提示使用; 学生主观难度; 前置知识缺口。 第二至第三周 运行完整流程: 诊断 → 新知识 → 即时练习 → 混合复习 → 迁移任务。 每周根据错误数据修正: 节点粒度; 前置关系; 提示内容; 题目难度; 复习间隔。 第四周 进行三类评价: 无提示延迟测验; 与训练题表面不同的迁移题; 学生对压力、进步感和控制感的反馈。 判断框架是否有效时,应同时观察: 掌握速度是否提高; 延迟保持是否提高; 迁移能力是否下降; 学生是否长期感到挫败; 教师准备和维护成本是否可接受。 十、结论 Skycak 的体系可以作为数学教学中的高效率知识获得系统。它最适合解决: 学生前置知识差异; 固定班级进度; 基础技能不稳定; 复习时机不合理; 优秀学生重复等待; 教师无法持续追踪大量细粒度技能。 它不能独立代表完整数学教育。完整方案仍需保留: 数学解释和书面表达; 概念之间的联系; 证明与反例; 建模; 开放问题; 长时间问题搜索; 同伴讨论; 学习动机和自主性。 实际采用时,可以把 Math Academy 的思想用于知识获得、熟练化和长期保持,再用独立的迁移与挑战任务训练证明、竞赛和研究能力。这样能够保留其认知科学优势,同时避免把数学能力缩减成标准题目的正确率。
顯示更多
安装了 gcloud 命令行好方便,agent 可以随时起 gcp 的机器来测试,用完就删。
【南部戰區空軍:菲方行為嚴重侵犯中國主權,極易引發誤解誤判】據中國人民解放軍南部戰區社交平台官方賬號21日消息,南部戰區空軍新聞發言人李健健空軍大校表示,當日,菲律賓島人機、C-208、PA-31T等3架小型飛機未經中國政府批准,非法侵入中國黃岩島領空。中國人民解放軍南部戰區組織海空兵力,依法依規跟蹤監視、喊話警告。 李健健表示,菲方行為嚴重侵犯中國主權,極易引發誤解誤判。我們正告菲方立即停止侵權挑釁。戰區部隊時刻保持高度戒備,堅決捍衛國家主權安全和地區和平穩定。
顯示更多
只管去做好人,行善事,无愧于心,无悔于行,大大方方走在阳光下,坦坦荡荡立于天地间。
【南部戰區正告菲方:立即停止侵權挑釁】南部戰區新聞發言人翟士臣海軍大校表示,10月3日,菲律賓1架C-208型機未經中國政府批准,非法侵入中國黃岩島領空。中國人民解放軍南部戰區組織海空兵力,依法依規跟蹤監視、警告驅離。黃岩島是中國固有領土。菲方行為嚴重侵犯中國主權,極易引發海空意外事件。我們正告菲方立即停止侵權挑釁。戰區部隊時刻保持高度戒備,堅決捍衛國家主權安全和地區和平穩定。
顯示更多