方法2 明確學習的出發點【可能的階梯】

  ① 選擇一門自己想要學習的科目， 將自己已經掌握的（或是知道的）知識點寫下來

  「我想學好數學。」

  請記住𝒃𝒂𝒏𝒙𝒊𝒂𝒃𝒂.𝒄𝒐𝒎網站，觀看最快的章節更新

  這樣的目標未免有些太過寬泛，讓人不知道從哪裡入手才好。

  此時，我們可以先把自己已經掌握的（或是知道的有關「數學」的知識點寫下來。

  ② 將步驟1中列出的知識點按照從易到難的順序排列

  當我們將自己已經掌握的（或是知道的）知識點一一寫出後，再將這些知識點按照從易到難的順序排列。

  例如：

  ·分數、小數（已掌握）。

  ·代數式（已掌握）。

  ·一次方程和二次方程（已掌握）。

  ·三角函數、矩陣、微積分（只記得名稱，不記得具體的內容）。

  ③ 明確學習的出發點

  在排序的過程中，我們會逐漸看到一些較為複雜、高難度的知識點。有些知識點可能還需要再鞏固一下，有些知識點可能掌握得不夠透徹，有些知識點學過但是忘記了，還有些知識點連難易度都很難判定。這樣的知識點，我們可以將其比作樓梯的「緩步台」。

  從緩步台往下數兩階左右，就是我們當前學習的起點。

  尋找「知道」與「不知道」的分界線

  當我們想要學習一門知識，但是不知道該從何學起時，可以使用這個方法來整理當前的狀況和自己手中握有的資源。

  當我們想要開始學習某一領域或某一科目的知識時，我們不可能對其一無所知。因為那樣的話缺乏學習的動機，而且，我們根本就不會想到要去學習它。

  當然，我們目前知道的內容應該也不是很多。正因如此，我們才需要將自己「掌握到什麼程度」「是否有所了解」都寫出來，從中找出向下一階段前進的落腳點。

  「知道」與「不知道」的分界線，就是我們的「知識前線」。學習就應該從這裡出發。

  只要我們將自己知道的內容按照從易到難的順序排列，就一定能夠找到自己沒有完全理解透徹，或是記憶有些模糊不清的知識點。

  而這裡，就是我們重新開始學習的出發點。在實際學習的過程中，我建議大家從比這再稍微簡單一些的內容（自己感覺已經掌握了的內容）開始，這樣會更加穩妥。

  當我們在教室中一起學習的時候，所有人都使用同樣的教材，跟著同一位老師學習。這就意味著，大家的「起跑線」也都在同一位置。

  這樣的安排，是為了讓所有人能夠按照同樣的順序和速度來學習。即使有的學生已經提前學習過一些內容，也需要配合其他學生，一起從零開始。

  但是，現在的你是一名自學者。

  在自學的過程中，我們不需要去和其他人統一步調。所以我們可以按照自己對知識的掌握程度與實力，來設定自己的起跑線。

  與其重新開始打基礎，從山腳一步一步慢慢向上爬，不如從山腰上為自己架起一座「可能的階梯」。

  直接從山頂出發的「跳傘學習法」

  野口悠紀雄[14]曾經提出過一種「跳傘學習法」。這種學習方法是指，我們可以暫且不考慮自己的實力，而是從實際需求出發，直接從知識的「頂峰」開始學習。

  跳傘時，我們會飛到目的地的上空，然後從空中跳下，直接抵達目的地。這種學習方法與跳傘有些類似，提倡從距離自己的最終目標最近的位置開始學習。

  如果我們需要備考，那麼「答對考試題」就是我們的最終目標，距離最終目標最近的就是歷年的真題。也就是說，我們應該直接向歷年真題發起挑戰。如果題目做不出來，解析也看不懂，那就去查閱教輔書，掌握那些理解題目所必需的知識點。

  這種方法的好處有如下幾點：

  ·時刻關注著自己的最終目標，有助於我們保持學習熱情。

  ·能夠幫助我們明確意識到哪些知識點掌握得不夠清楚，哪些地方還存在著不足。

  ·只學習達成最終目標所需的最低限度的知識，可以減少時間的浪費。

  「惰性計算學習法」——到了需要的時候再開始學習

  除了「跳傘學習法」，「惰性計算學習法」[15]也同樣屬於需求導向型的學習方法。

  「惰性計算」是計算機領域的術語，通常指到了不得不對某數值進行評價時，才對該數值進行計算。

  同理，「惰性計算學習法」則提倡到了需要的時候再開始學習，而非提前學習相關的知識。

  程式設計師之所以會採用這樣的學習方式，就是因為在編程的世界中，大家必須永不停歇地去學習新的事物。

  在這種技術不斷飛速進步的領域，「提前學好所有必要的知識」完全就是一種妄想。

  或許我們可以這樣說。在編程的世界中，只要有人寫出幾行代碼，創造出新的程序（或是程序的一部分），整個世界就會發生一定的改變。即使編程的工作只有一小部分是真的在創造新事物，所有程式設計師也都在不斷參與著世界的創造和改造。在這一過程中，只要世界發生了變化，無論這種變化是大是小，都有可能會導致新的學習內容的產生。

  從事計算機行業的人都會（頻繁地）體會到，自己的腦力勞動能夠更新這一領域的知識，而這又會進一步對自己接下來的工作產生直接影響。在這種情況下，人一旦停止學習，就會被不斷更新的知識遠遠地甩在身後，被整個計算機世界拋棄。

  正因如此，在計算機行業，這種需求導向（needsdriven）的學習方法才受到支持，大家會在需要的時候去學習自己要用的知識。

  這也提醒了我們，就算速度沒有編程領域這麼快，其他領域的知識也同樣在不斷地變化和更新。所謂「學無止境」，就是這個道理。

  與其說「惰性計算學習法」是一種方法，不如說它是知識向我們提出的訴求。