如何调动参与间隔重复的兴趣

林一二2022年01月23日 16:15

间隔重复方法很好,但我们常常懒得去复习。这说明间隔重复算法只是学习系统的底层部分,就像 IPFS 算法只是去中心化存储系统的底层一样,上面还得有一层激励层来调动起参与其中的人类的积极性,否则机器可以忠实的执行算法,但人类却不一定会参与进来配合算法,提供算法的输入输出。

对学习工具的效果没有好的预期,自然就不想用,首先要建立起预期。有的人不愿意学习学习工具觉得有难度,但是预期越高,对难度的耐受就会越高。

给出好的预期

学习兴趣激励层需要给参与者一个好的预期,让他们觉得参与其中会有美好的结果,即使这个结果不是立刻到来的,而是随机地到来的,这样更能由于奖励预测误差而激发多巴胺的分泌。 在 FileCoin 中,这个美好的预期就是参与者手中的币价有可能会上涨,而这个币价不是立刻到来的。在自学系统例如助记媒介中,这个美好的预期就是学到的知识会对自己未来的意义之塔有帮助。

所以间隔重复的过程中,要鼓励用户将材料关联到意义之塔上(例如添加链接或标签),并主动地帮助用户做到这一点,例如给他们推荐可能相关的意义。鼓励的方式可以是统计今天为各个意义接入的材料的数量。让这些意义可视化地像是给树浇水一样长大。

Andy在在间隔重复记忆系统中,优化的关键是复习环节及其内容的情感联系中也提到「复习环节需要不断梳理,以保持趣味性」、「经常添加新的卡片保持新鲜感」、「复习到之前的卡片时自己正好在做相关的项目」对于让复习变得有趣很重要。

兴趣降低的原理

兴趣降低从神经科学上看,一个可能的解释是因为预测误差减少了,多巴胺分泌降低。

利用潜在的经济激励

NoteFi提供了潜在的经济激励,而不是即时的激励,因为代币本身无价值,需要有核心循环才能引导场外资金进入内循环,靠外循环与现实经济挂钩,带来真正的经济激励。

Code
间隔重复方法很好,但我们常常懒得去复习。这说明[[间隔重复]]算法只是学习系统的底层部分,就像 IPFS 算法只是去中心化存储系统的底层一样,上面还得有一层激励层来调动起参与其中的人类的积极性,否则机器可以忠实的执行算法,但人类却不一定会参与进来配合算法,提供算法的输入输出。

对学习工具的效果没有好的预期,自然就不想用,首先要建立起预期。有的人不愿意学习学习工具觉得有难度,但是预期越高,对难度的耐受就会越高。

!! 给出好的预期

学习兴趣激励层需要给参与者一个好的预期,让他们觉得参与其中会有美好的结果,即使这个结果不是立刻到来的,而是随机地到来的,这样更能由于[[奖励预测误差]]而激发多巴胺的分泌。
在 FileCoin 中,这个美好的预期就是参与者手中的币价有可能会上涨,而这个币价不是立刻到来的。在自学系统例如[[助记媒介]]中,这个美好的预期就是学到的知识会对自己未来的[[意义之塔]]有帮助。

所以间隔重复的过程中,要鼓励用户将材料关联到[[意义之塔]]上(例如添加链接或标签),并主动地帮助用户做到这一点,例如给他们推荐可能相关的[[意义]]。鼓励的方式可以是统计今天为各个意义接入的材料的数量。让这些意义可视化地像是给树浇水一样长大。

Andy在[[在间隔重复记忆系统中,优化的关键是复习环节及其内容的情感联系]]中也提到「复习环节需要不断梳理,以保持趣味性」、「经常添加新的卡片保持新鲜感」、「复习到之前的卡片时自己正好在做相关的项目」对于让复习变得有趣很重要。

!! 兴趣降低的原理

兴趣降低从神经科学上看,一个可能的解释是因为预测误差减少了,多巴胺分泌降低。

!! 利用潜在的经济激励

[[NoteFi]]提供了潜在的经济激励,而不是即时的激励,因为代币本身无价值,需要有[[核心循环]]才能引导场外资金进入内循环,靠外循环与现实经济挂钩,带来真正的经济激励。