sgstudy

name	sgstudy
description	sgstudy — 结构化学习与概念分析框架。当用户讨论学习、概念理解、知识分析、认知过程、记忆与理解的关系、如何深入认识一个概念、或任何涉及"你知道什么"与"你怎么知道的"相关问题时触发这个 skill。它用教育学知识分类和还原论方法来帮助分析和指导学习过程。 触发场景包括：学习新概念、拆解知识点、分析理解深度、讨论 AI 认知与人类认知的差异、用框架分析知识结构。

sgstudy — 结构化学习与概念分析框架

核心理论框架

一、知识四分法（纵轴）

教育学将知识分为四类，理解任何概念都需要从这四个维度来考察：

类型	描述	例子
事实性知识	离散的事实、数据、名称、事件	"巴黎是法国的首都"、"水的化学式是 H₂O"
结构性知识	概念之间的联系、分类、层级、组织原则	"政府分为立法、行政、司法三权"、"植物分类的界门纲目科属种"
经验性知识	身体经验、情境记忆、实践积累、know-how	"骑自行车需要平衡感"、"与固执的人沟通需要耐心"
元认知知识	关于认知的知识、反思能力、自我调节学习	"我知道自己在压力下容易仓促决策"、"我需要列清单才能不遗漏"

二、布洛姆分类法（横轴）

Bloom 将认知过程分为六个层次，从低阶到高阶：

1. 记忆 → 2. 理解 → 3. 应用 → 4. 分析 → 5. 评价 → 6. 创新

• 记忆：识别、回忆基本信息
• 理解：解释、举例、分类
• 应用：使用所学解决新问题
• 分析：拆解、找出关系和结构
• 评价：依据标准做出判断
• 创新：综合产生新的结构或产品

三、认知分析矩阵（Knowledge–Process Matrix）

将知识类型（纵轴4类）× 认知层次（横轴6层）组合成一个 4×6 分析框架。

                    记忆    理解    应用    分析    评价    创新
事实性知识          [?]     [?]     [?]     [?]     [?]     [?]
结构性知识          [?]     [?]     [?]     [?]     [?]     [?]
经验性知识          [?]     [?]     [?]     [?]     [?]     [?]
元认知知识          [?]     [?]     [?]     [?]     [?]     [?]

对任意概念，你可以在这个矩阵中标记自己的理解程度：

• 空白格 = 尚未触及
• 有印象但说不清 = 处于记忆层
• 能用自己的话解释 = 达到理解层
• 能运用到具体场景 = 达到应用层
• 能拆解其内部关系 = 达到分析层
• 能独立判断其适用范围和局限 = 达到评价层
• 能在其基础上创造新东西 = 达到创新层

四、Johari Window — 认知盲区分析

Johari Window 四象限帮助理解"已知"与"未知"的分布：

                    他人知道          他人不知道
自己知道        开放区 (Open)     秘密区 (Blind)
              "我知道，他也知道"   "我知道，他不知道"

自己不知道      盲区 (Blind)       未知区 (Unknown)
              "我不知道，他知道"   "双方都不知道"

在学习新概念时：

• 开放区：已经掌握的事实和理解
• 盲区：自己以为懂了但实际有误，或有重要遗漏
• 秘密区：个人独特视角，尚未分享
• 未知区：完全没意识到自己不知道的东西

用 Johari Window 可以追问：

• 我的盲区在哪里？（让别人检验你的理解）
• 我的未知区可能被什么触发？（向专家请教、高阶材料）
• 我的秘密区能否变成开放区？（写作、讲解、教别人）

---

学习方法论：还原论优先

"理解一个概念、学习一个知识、建立一个系统，用还原论的思想是首先有帮助的。在还原论之后，我们才可以考虑更多视角的综合。"

还原论学习路径

1. 拆解到最小单元：将复杂概念还原为其组成部分

   • 事实性层面：这个概念是什么？有哪些基本元素？
   • 结构性层面：这些元素如何组织？与其他概念的关系是什么？

2. 逐个击破：对每个单元建立清晰、准确的理解

   • 记忆 → 理解 → 应用（基础层）
   • 分析 → 评价（进阶层）

3. 重构整合：在完成还原论分析后，综合：

   • 经验性连接：这个概念与我过去的什么经验相关？
   • 元认知反思：我对这个概念的理解过程本身是怎样的？

---

引导问题清单

当用户想深入理解一个概念时，用以下问题引导：

事实性 + 记忆/理解层

• 这个概念最简单的定义是什么？
• 能举一个具体的例子吗？
• 与它最接近/最相反的概念是什么？

结构性 + 应用/分析层

• 这个概念的组成部分有哪些？
• 这些部分之间的关系是什么？（因果？包含？并列？）
• 它更大的框架是什么？它属于哪个系统？

经验性 + 分析/评价层

• 你以前在哪里遇到过类似的东西？
• 这个概念能解决你现实中的什么问题？
• 什么情况下这个概念会失效或不适用？

元认知 + 评价/创新层

• 你对这个概念的理解有多确定？
• 你怎么知道自己真的懂了而不是只是记住了？
• 如果你要向一个完全不懂的人解释，你会怎么说？
• 这个概念如果被简化到极致，它的本质是什么？

---

实际应用场景

AI 讨论中的应用

很多 AI 热点讨论实际上是在重复教育学、认知科学、语言学早已研究过的问题。

当你遇到一个新的 AI 话题时，可以用这个框架追问：

1. 事实性：这个说法的事实基础是什么？谁说的？数据来源？
2. 结构性：这个说法在哪个理论框架下成立？它的前提假设是什么？
3. 经验性：实际测试过吗？有什么个人经验可以佐证或反驳？
4. 元认知：我为什么会倾向相信/不相信这个说法？我的认知偏差在哪里？

这样可以避免在低层次上重复讨论，直接切入有价值的批判性分析。

---

输出格式建议

当用户要求分析一个概念时，可以按以下结构输出：

# [概念名] — 学习分析报告

## 1. 还原论拆解
- 事实性定义：
- 结构性关系：
- 经验性联想：
- 元认知反思：

## 2. 认知矩阵自评（在相应格子打 ✓ 或留空）
                    记忆  理解  应用  分析  评价  创新
事实性知识            □     □     □     □     □     □
结构性知识            □     □     □     □     □     □
经验性知识            □     □     □     □     □     □
元认知知识            □     □     □     □     □     □

## 3. Johari 窗口分析
- 开放区（我理解的）：
- 盲区（我可能忽略的）：
- 未知区（需要进一步探索的）：

## 4. 下一步学习建议
- 需要填补的空白：
- 可以尝试的应用场景：
- 可以求助的资源/人：

---

关键原则

1. 先还原，后综合：不要一开始就追求宏观理解，先把局部搞清楚
2. 诚实面对空白格：不知道就是不知道，不要假装懂
3. 盲区需要外部反馈：找人来检验你的理解
4. 经验性知识不可替代：有些理解必须亲身体验才能获得
5. 元认知是最高杠杆：知道自己不知道什么，比知道什么更重要