类比一：加工食物与加工知识

我在知乎上针对这个问题的回答：通过类比，从《舌尖上的中国》可以看出我们需要什么样的教育？

我能想到几点:

1. 美食, 如酒, 火腿肠等, 需要经过时间的酝酿, 好的想法也要经过时间的酝酿.
这里附上一个 Ted Talk 的链接: Where good ideas come from. 有中文字幕, 关于好的想法是如何产生的.
http://www.ted.com/talks/lang/en/steven_johnson_where_good_ideas_come_from.html

2. 设想一下: 如果我们接触到的学习材料都象美食盛宴一样: 色香味俱全, 我们怎么能没有学习的胃口呢?

3. 婴儿与成人的消化系统有很大差别, 糖尿病人需要有特殊的饮食, 针对种种差别, 食物也因而不同. 个体的知识结构不同(消化能力和特点不同), 需要的知识营养, 及知识加工方式也不同.

4. 美食的产生往往离不开团队合作, 知识的发现本来大多是很多人讨论和努力的结果, 为什么我们在日常学习过程中往往单枪匹马呢?

5. 在几千年的历史中, 人们发明了那么多加工食物的方法和工具, 又有多少加工知识的方法和工具被发明呢?

6. 如果我想吃水饺, 我有特别多的选择: 我可以去餐馆, 可以买速冻饺子, 可以买饺子皮和肉馅自己做, 可以自己和面, 擀皮, 切肉馅. 我可以根据自己的需要来选择. 20多年前, 我大概只能选第一种和最后一种. 有了技术的进步, 有了更细的分工, 我可以有了更多的选择. 那么在教育里, 我们能有这些技术上的进步, 更细的分工, 从而更多的选择吗?

类比二：加工积木与加工知识

源自我回答知乎上的一个问题：如何给网络上的一个内容构建 post-structure?

1 读过几本讲人类发明发现的书，都谈到一个结构 （Structure）：一项发明或发现能产生的原因是人们想要更好地解决问题，满足需要。

2 在 Photoshop 中打开一幅照片，我可以对它进行 Transform, 生成素描等效果。每一种的 Transformation 都是一个Post-structure.

3 亚马逊网店特别擅长对“与一本书的相关信息”生成 Post-structure, 通过这些 Post-structure, 用户不但从多个角度了解这本书，同时，有更多的路径，更大的可能性，更方便地去查看其它书。

这些 Post-structure 好像网一样，将一本书通过很多种方式与其他书连接起来。每一个 Post-structure 的产生都是基于 (1) 人们在 “非网络时代“ 就已使用的寻找书和推荐书的方法方式，(2) 亚马逊进行 Data-warehouse 和 Data-mining 的结果。

借鉴迁移：源：一本书 = x， 目标：x =（一个文章， 一个视频，一个网上讨论， 一个话题， ...）

4 如果我想有一个玩具车， 我有几个选择：a. 买一个现成的玩具车； b 买积木搭一个， 这种积木全是方块式，也没有可参照的车模型图纸； c 一个折中的方案: 买另一种由很多 中间件/半成品 构成的积木，比如有车轮，车顶等，并配有车模图纸。

我选哪个呢？ 取决于几个因素的组合：1 我想要的车模仿真度； 2 我能用积木搭起来的能力； 3 我愿意或能投入的时间； 4 我是否享受构建过程-- 解决问题的过程

借鉴迁移：

源：获得玩具车模的多种选择：直接获得成品；用最基本的原材料搭建；用中间件/半成品 搭建

目标：向网络上某一文章学习。学习的目的常常不是直接复制，而是学习几个有用的点，迁移到自己解决问题上。

如果我已经对某个文章涉及到的语言和知识点非常熟悉，我可能会容易辨别出文中谈到的规律 。也就是说，在我的眼中，这篇文章好像是一个用方积木块搭起的车模，我很容易的拆开，然后重新搭起来，或者搭一个不同的。

问题是：我真得懂全部的知识点和识别所有的规律吗？ 我真得能用很多的精力去识别，抽取，和迁移对我有用的规律吗？大多数情况下， 我都不能做到。 我希望：针对一个网络上的内容，能有很多其他用户，或者网站自身能帮我做一些 ”中间件/半成品“，这样，我会省很多时间，有更大的概率识别规律和迁移应用规律。这些 ”中间件/半成品“ 就是 Post-structure.

类比三：加工图片与加工知识

有了Photoshop, 向我这样几乎对图片处理没有任何经验的人也可以学会几招。关于如何处理图片的很多规律被植入到这个软件中。那么加工知识都有什么规律呢？这些规律能被植入到一个软件中吗？

类比四：加工动画与加工知识

Adobe Flash 能支撑对一个动画的加工。我在网上看到了一个好玩的动画，并且有公开的源代码。我在 Flash 中打开这个源代码，从而能看清这个小动画到底是怎样形成的。如果我想保留一些结构，同时引入我自己的一些图片与文字，我也能够做到。Adobe Flash 帮助我实现了这个迁移 Transformation, 帮助我看清了这个小动画代表的戏的变量/维度，能灵活地改变这些变量的取值，重新生成一个戏。

像一个戏学习

如果我知道有人有很好的“加工知识的戏”，我能用某种方式记录下这个戏，在这个记录中对加工的维度有显性地表达；更好的是，有一个软件能打开我这个记录，并且记录中的每个维度是软件中功能对应的维度，就好像是 Flash 能分解一个swf 文件，Photoshop 能分解一个 psd 文件一样。

迁移应用到我特殊的场景：为戏生成计划的剧本

透过这个软件的帮忙，我能够按照每个维度调整，结合我自己的实际情况，看我如何能上演一个类似的“加工知识的戏”。在这个软件中，我能生成的是一个剧本（计划），然后，我可以去执行这个剧本，在执行的过程中记录每一步的效果。

软件辅助我的执行 （Monitor, decision-making, document, collaborate）

软件好像是我的助手一样：不仅提示一些我应该做的事，同时代替我做部分的工作，并且将我的整个执行做某种记录。

软件辅助我的总结和改进

软件能根据这些数据帮助我

这就引发到了另外一个问题：如何能够将“学习之戏”记录下来，挑战是什么？如何应对这些挑战？

类比 五：加工建筑素材与加工信息

为了设计一个建筑，可用软件来模拟设计。换句话说：软件可以辅助对建筑素材的加工。软件能帮助我们试验各种设计的效果，承重强度等。

信息对人脑的改变最终体现在改变了人脑神经网的某部分，如果我们把这个网理解成一个巨大的网状建筑物，人在思维时，是这个网状建筑物发生了某种改变。如果，我们知道想要改变的目标是什么，什么能促进这种改变，那么，我们就有了一个很好的可参照的剧本。

我在 Ted Talk <Taking imagination seriously> 后的 Comments，我谈到了，可以用模拟语义网的变化，来模拟思维的变化。

Janet uses net-format media to visualize something that would otherwise difficult to see: the wind dance can be visualized through the net; the subway running through the dry mist ect.

When we learn, information is encoded and flows into our brain. Our neural network might be a most complicated 'fish-net', continuously changes: dances, makes new connections, shakes, if you see another talk 'I am my connectome', you will know how our brain is like a net.

There is a big potential to use dynamic net format to animate some thinking processes. Learning is about attaching new ideas to the existing fabric/net in our brain. This is like a weaving process: use new threads or new segments to enrich, refine, or/and re-construct the the fabric/net of our brain.

In another Ted talk 'Metaphorically speaking', I think therefore I am is actually: I shake things up, therefore I am. From the neural networks perspective, this is to co-shake neurons storing both the sources and targets. From the semiotics perspective, this is to co-shake words/sentences representing the sources and targets.

It could be difficult to precisely locate and trace the neural activity, but it is possible to locate and trace sign activity with the aid of some externalized net model. I think of another Ted talk about discovering DNA: how chemical models made the difference in their discovery.

Janet, thank you so much for inspiring me! I believe that you and other artists might help learning scientists to figure out a breakthrough way to teach our kids on how to learn and think creatively. So that they can become happy and creative learners.

此外，Tree-nets, Learning Garden 都反映了我 “对学习/思维可视化” 的努力。www.tree-nets.com

类比六：电影剧本加工与学习之戏的剧本加工

听李安在访谈中提到，在申请《少年派的奇幻漂流》的经费前，他的团队将整个剧本用动画模拟出来，并靠找到合适的演员，才说服了投资方。我记得在《阿凡达》的 拍摄过程好像有类似经历。

动画版的剧本帮助投资方对这个潜在的戏看得更清楚，换句话说，这个潜在的戏变得更加可视化。在一本教育心理学的书里，我们能看到是文字版的剧本，这样的剧本往往抽象。我们能够设法搭建起更具象的剧本吗？如果无法直接搭建，我们可以借用类比来搭建吗？比如，Animates a cell （ a ted talk） 中，是对细胞的动画模拟，而这个 模拟既融合进了细胞内的运行规律，又用到了类比的虚拟故事。

如果有一个辅助“信息加工”设计的环境，这个环境的一主要功能是将抽象的文字还原成（Transform to/Translate to）动画版的语言。

想起了给 U of T 的那封信，至少剧本这个目标是比较现实的。李安说的 “每个人心中都有一个卧虎”，这是指电影与人的某种共鸣。如果连电影都可能，那自己经历的事不是更容易与某种剧本共鸣，或者说有一个相应的影射吗？

戏是在不断地重复着，能让这不重复的戏变得更好吗 ？ 

类比七：Flash 中的一个function, 与“辅助加工信息”环境中的一个 function. 

可以将 Flash 中的 一个function 理解成一个 Phenomena. 那么，这一定是一个 Well-structured 的Phenomena, 换句话说，这个 Phenomena 背后的规律是 well-structured, 也就是说，function 中的动作/属性的处理是有比较精准的。但是处理信息时，每个 Phenomena 只能以 semi-structured 的状态出现。一个设计event 可能是一个phenomena, 也可能是几个的组合，好像几个 Construct 在一起一样 。  我们在做一个动画 时，就是把所有object, function 当成一整套的Constructional Kit, 从中选择我们想要的，进行Constuct; 或者，我们也可以理解这个是一个 Edit/Compile 的过程 。

类比八：Construct a knowledge-net and Construct a net-sculpture

一个人在“加工信息”的过程，是加工脑内的神经网的过程。我们可以用语义网 。我可以用几个假设的语义网图动态变化（人的内在思维变化），配合戏环境 （时间 ，空间，人的外在行为） ，来构建一些 semi-structured 的 phenomina. 用户在学习设计的时候，可以靠这些  phenomina 来理解应该走的步骤，解读自己已经做过的一些动作，计划，执行，记录相应的效果，对这个phenomina 背后的规律 （Attune, Create conflict situation, Modify, Enrich, or  reconstruct）, share 这些，对这个不同的东西给出 hypothesis. 看更多的人可能给的 Proof，or counter-proof.

盗梦空间是在梦中构建各种世界 ，“加工信息”中的电影好像是一个“构建网状结构”的电影一样 。人的每次思维与“网的建成、网的改变、网的自动化” 有关.

网是思维存在的地方，网是思维用到的工具，学习改变的是网，用网是在改变网，激活相关知识激活的是网，外界信息能激活网，信息的不同组织方式起到不同的激活效果。记忆时是让新信息与脑内已经存在的网用不同的线连接起来，当回忆时，如果知道那条线，如果这个线构粗，就比较容易接通（或称回忆起来 ）。

进行学习设计分析时，我们分析的是外在的目标行为与内在的思维网应该有的样子，然后分析学生当前网的样子，在分析这个学生织网的特点，这个周边环境能够提供的织网辅助，然后决定在这些给定的条件下，如何设计学习材料，学习活动。

类比九：我的思想去哪了 与 偷菜的游戏

一个 ‘U of  T’ 的小孩说，没有这个 记录 的软件，我的思想去哪了，看来每个人都特别地希望有一个能够记录的地方，能看见自己的思想。

一个Learning designer 问，我们到底设计的是什么？（我来翻译一下，设计的是什么 Play, 中的哪些过程 ）.

Higher-order learning outcome 中，be aware of thinking, What IF visualize thinking.

一个偷菜的游戏反映了人们对构建某种东西，并有朋友间的合作的兴趣。盗梦空间中，能在梦境中创造的虚拟现实让剧中的角色无法自拔。

我们能把学习的戏用这些人们感兴趣的方式去记录，去表达，去自我管理吗？

类比十：大戏拆成小戏

学习的戏可能是一个大戏，但不论多大的戏，都是由无数个小戏构成的。这些小戏的种类是有限的，所以从小戏入手，让我们一点点来优化，慢慢地，我们会优化这些大戏。

活字印刷的启迪：带来的方便，带来的降低成本。 一个戏是一整篇印刷文章，如果想制造出整个戏，每个角色的每个小动作可以是一个字，因为是活字印刷，我们可以让一个个小戏成为独立的‘活字’，当每个‘活字’ 能独立存在时，这个活字印刷变得可行。

Gagne 的从Discrimination, 到 Concrete concept, 到 Defined concept, 到 Rule, 到 Higher order rules. 而当我将 Gagne 的这个Learning outcome 与 Scheme 结合起来后，我可以把这些东西放置在 Play 里，或者称作事件里。

Whole model 拆解成很多个 sub-model, 然后Criss-cross 这些sub-model, 慢慢地经历了 whole model。

一个支持学习设计的工具里，有无数个“活字的小戏”。