计算机科学好像可以和任何学科交叉，计算机在学科研究方面有什么价值？

利益相关：墨墨背单词算法工程师

我是做计算机和教育/认知学科交叉的，比如我的这两篇论文：

还有我维护的开源项目：

你说计算机在这类学科研究上有什么价值，我有一个暴论：

计算机可能是这类研究低成本落地的唯一方式。

认知科学其实在上个世纪就已经有大量关于认知学习策略的研究（比如精熟学习、间隔重复、交错练习等等），但它们几乎都没有真正落地到传统的课堂教育实践中。

为什么呢？我引用一段 Math Academy 对此的评论：

让我们以间隔重复法为例。尽管现在有些课程采用螺旋式教学方法，在后续的教材章节或高年级中自然地重温、深化先前的内容，但这种做法在颗粒度、精确度和个性化水平上远远不及真正的间隔重复所要求的标准，也难以充分发挥间隔重复的最大效益。若要将间隔重复的潜力充分发挥，教师需要为每个学生的每个学习主题都制定一份重复计划，并根据学生的表现持续调整这些计划。更复杂的是，每当学生学习或复习一个高阶主题时，他们实际上也在潜移默化地复习许多基础主题，这就意味着所有相关主题的重复计划都需要随之调整。
当然，这是非人力所能及的工作量。事实上，在我们开发在线系统之前，曾试过在传统的面对面课堂中手动实施一个简化版的间隔重复。结果令人瞠目结舌：仅仅是教授两个班级，每个班级只有寥寥数名学生，为整个班级（而非针对每个学生个性化）实施一个极其粗略的间隔重复方案，就已经占用了比全职工作更多的时间和精力。而这仅仅是实现有效教学所需的众多策略中的一个而已！
但是，仅仅因为充分利用这些认知学习策略需要非人力所能及的工作量，并不意味着从中获得的收益甚微（尤其是一个世纪以来的研究表明，这些策略能极大地提升学习效果）。这只能说明人类教师已经成为了实现有效教学的瓶颈。当人工是瓶颈时，我们通常会采取什么解决方案呢？答案是：技术。
第二章 学习的科学 - 知乎

换句话说，如果没有计算机，认知科学相关的研究就可能永远停留在纸面上，或者成为少部分人的特权（他们可以负担得起一对一辅导，老师就可以有大量时间来应用这些认知学习策略）。

抛开落地不谈，我再说说计算机对记忆研究本身的价值。为了做间隔重复记忆算法，我读过很多神经科学相关的研究，但恕我直言，它们对我几乎没有任何帮助。

为什么呢？看看它们研究的长期记忆有多长就知道了：

[Nature 综述 | 神经科学] 学习的最佳时机：间隔学习的机制与优化 - 知乎

90 分钟就算长了？我做记忆算法，最小的间隔都是用 1 天为单位的。

但我也理解这些研究为什么这样做。因为做长期研究的成本真的很高，生物切片和实验仪器都是很金贵的。

那看看找人类受试者的研究呢：

(3/5) 高效学习的间隔重复——文献综述之间隔效应 - 知乎

时间有八年，够长了对吧？再仔细看看，什么？只有 50 个单词？再看看样本量：

35 个人（

只能说研究个遗忘曲线还行，你要搞记忆建模的话，这个数据量是远远不够的。

那有计算机的记忆研究画风是什么样的？看看多邻国：

起手就是一千两百九十万条数据，我勒个大数据。

在看看我在墨墨背单词做的研究：

直接给你干到 2.2 亿条数据好吧。

有如此之多的数据，研究出来的模型，轻轻松松甩开传统模型几条街：

别的不说了，我继续搞算法去了。这里推荐一些研究资源：

我的科研经历：

我希望认知科学的这些研究成果未来都能落地到教育中，帮助每个学生发挥自己最大的潜力。

← 返回目录