發表文章

最有效的學習策略:85%原則

圖片
美國亞利桑那大學在2019年 Nature communication 期刊上,探討了訓練難度和學習成效間關係的研究成果。 發現最佳的學習曲線是在不太容易,也不太難的區域,就是不能在舒適區,但是又不能離開舒適區太遠。如何驗證是否在最佳的學習區域呢?研究指出,當你在接受測試時,答錯率為 15.87% 的時候,亦即答對率約為 85% 時,會有最佳的學習曲線。 讀一本書,有 85% 的內容是你熟悉的,15% 是你不知道的,這樣的難度是最佳的難度,是會讓你喜歡的書,因為書籍的內容會帶你著熟悉 + 意外兩種感受。 當然,研究探討的是學習難度與成效間關係,而不是同儕競爭的關係。因此,家長在要求小朋友學習成績時,最好先想清楚自己的目的,是要讓小朋友有最佳的學習對效,還是強調同儕競爭的成效? 參考資料: Wilson, R.C., Shenhav, A., Straccia, M. et al. The Eighty Five Percent Rule for optimal learning.  Nat Commun 10 , 4646 (2019).  https://doi.org/10.1038/s41467-019-12552-4

新研究找到獎賞無法有效激勵的可能原因

圖片
人類是否行動主要取決於獎勵和努力之間關係,「獎勵」和「努力」也是影響著我們決策的兩個重要因子。 近期行為大腦研究(Behavioural Brain Research)期刊的研究分析了「為什麼獎勵無法誘發人們付出努力的原因」,得到的結論是在獲得獎勵前,人們會經過計畫、努力、得到獎賞。在不同的階段人們的注意力、心裡狀態的差異,就是導致提高回報也無法確保誘發人們投入更多努力的原因。 過去的經驗告訴我們,在一項任務的投入努力將與期望回報直接相關,因此,往往認為提供工作的回報,會讓人們更加的努力。但是,實驗的結果確不是如此,獎勵與人們投入的努力間沒有直接關係。 研究人員設計需要付出身體和精神兩種不同活動的實驗,並在一開始就向自願者展示了不同的選擇方案,這些方案依據努力高低的差異而有著不同的金錢回報,而自願者就只選擇一個方案。身體活動的實驗,是擠壓操控桿的動作;而精神的實驗即是數學方程式求解。研究人員發現在選擇時,自願者主要是依據金錢回報做為選擇的依據,但是真正執行時,自願者的投入表現卻取決於工作所需要付出的努力。 因為,整個過程被分成二個階段,在計畫時期,人們太注重回報,導致往往受到不切實際的期望影響,但是當在執行階段時,人們才會意識到需要付出的努力超過預期,往往因為目標設的太高導致需要加倍的努力,因此決定放棄。當人們初始決定目標時,會先受到獎勵的刺激,並計算獲得獎勵帶來的喜悅。但是,一旦人們開始付出行動時,注意力就會移轉至需要投入努力的難度,多數不再關注自己希望得到的回報。 那麼要如何達成目標呢?研究認為,或許在執行階段,將試著注意力最終獎勵,可以讓自己有更多的動力追求目標。 參考資料 : Redefining the relationship between effort and reward: Choice-execution model of effort-based decisions. (2020).  Behavioural Brain Research ,  383 , 112474.  https://doi.org/10.1016/j.bbr.2020.112474 Queen Mary University of London. (2020).  Psychologists discover secret to a...

鉛筆延長筆套

圖片
鉛筆是我主要筆記、撰寫記錄的工具。但是當鉛筆剩下四分之一長度時,就會變得十分難握持。相信每一位用鉛筆使用者,也一定常常不知道應該如何處理不好握持的鉛筆。 本著在網路時代,只要是你遇到的問題一定會有人提問過的原則,在 Google 查詢了一下相關的訊息。具體有二類的作法: DIY 派 鉛筆套接流:將兩隻鉛筆,透過接合的方式,延長筆的長度。 變形金鋼流:將鉛筆裝入原子筆的筆蓋、筆心的筆筒,形成可以任意結合分離的形式。 文具小物派 鉛筆延長器,在論壇看到比較多人推薦的是「德國LYRA」 博客來、Pchome、蝦皮,也都有類似的產品 而我呢?不想要花太多的錢,加上網路購物還需要再考慮運費的問題,於是就採用逛文具店,在「文具王」的貨架上看到三個不同架位的鉛筆延長器 (在線上購物的時代,傳統的商店還是很方便的) 只是為了讓鉛筆可以發揮它的最大價值,且使用的鉛筆大小相關,因此選用了塑膠的版本。本體和結合後的樣子如下,18元就滿足了我的需求。

在 VS Code 實現 Markdown 的預覽與修正

圖片
使用  Github  開發過程時,常需要使用 MarkDown 語法編寫說明文件。雖然 Markdown 的語法不難,但是在撰寫的文件的時候,往往會因為不知道預覽的結果,導致需要反覆推送以微調說明文件。 本文將分享 VSCode 的 Markdown 預覽的工具,讓你不需要將文件推送至  Github  ,即可以約略的掌握 Markdown 文件在  Github  上的呈現樣貌。 Markdown 是什麼? MarkDown 是目常非常普遍用來撰寫文件檔的格式規範,目標就是使用「易讀、易寫的純文字格式編寫文件,讓文字的撰寫者不需要分心於文件的格式,在手幾乎不離開鍵盤的情況下,即可實現大部分的文件編輯的需求。 而  Github  的每一個專案幾乎都會有 README.md 的說明文件,就是使用 Markdown 的格式來做為編寫工具。再透過  Github  的程式將之轉換為使用者慣用閱讀格式。除了 Github 外,也有許多工具支援 Markdown 的語法,如近期漸漸愈來愈多人使用的 Notion 筆記/專案管理軟體 ,就有支援。 Markdown 雖然具有手不離開鍵盤即則成簡易格式編輯的好處,但是記憶 Markdown 的格式也是有學習成本的,通常是靠著熟記 Markdown 的語法,以實現快速的編輯。 Markdown 的格式特性讓它可以直接相關於各式的簡易編輯器,Markdown 語法的易使用性與編輯器的相容性佳,導致編輯過程,無法直接掌握預覽的效果。 VS Code 和 Markdown 在 VScode 程式編輯器雖然本身已經有支援 Markdown 格式,但是我還是推薦可以再裝 UNOTES - Markdown Notes WYSIWYG 和  Prettier - Code Formatter 兩個套件,來優化 Markdown 的編輯。 在 VS code 中裝了  UNOTES 以後,即可以在編輯的 md 文件的時候,打開預覽。實現畫面切割,並將 Markdown 的編輯,直接呈現在預覽的視窗。 但是,雖然 Markdown 易於使用,但是當要使用某些符號時,需要使用跳脫符號,才能避免與 Markdown 的格式設定...

DaVinci Resolve 影片編輯軟體 16.2.2 更新釋出

DaVinci Resolve 是一套強大、跨平台的影片編輯軟體,可以在 Linux, Windows, Mac 使用。DaVinci Resolve 為免費的版本,相較於威力導演的限時免費 LE 版,其具備更完整的編輯功能。近期 DaVinci Resolve 釋出新 16.2.2 的更新版本。 我家裡有兩台電腦,一台安裝後可以使用,另一台卻是無法啟動。直至最近看到更新版本內到的最低系統安裝需求,才知道原來是因為另一台電腦為 Windows 7 的文書機,只有  8 GB Ram ,無顯卡,難怪無法執行。 最低系統運作需求 Windows 10 Update  16 G 系統記憶體,若要使用 Fusion 應具備 32G 記憶體 GPU 至少要有 2GB 的 VRAM DaVinci Resolve 16.2.2 的新功能說明 Hardware accelerated H.265 Main10 renders on supported Macs. Blackmagic RAW clip LUT name can now be viewed in clip metadata. Ability to assign frame rate in YouTube, Vimeo and Frame.io renders. Support for marking Frame.io comments in markers as complete. Nudge keyboard actions can be used in the sync clip dialog. Support for exporting .srt files without formatting. Support for RED 7.3.1 SDK. Support for Rec.709-A gamma option for QuickTime player compatibility. Preference to automatically tag Rec.709 clips as Rec.709-A. Addressed level shifts playing some short H.264 clips on Mac systems. Addressed loss of audio...

Javascript 字頻計算,Github wordfrequency 專案

近期將自己工作,用來計算字詞計算的工具重新改寫,轉換為 module 的形式,放到 github 的 wordfrequency 專案 。 可以計算 一個詞或關鍵字的次數,也可以計算兩個詞共同的次數,可能的用途如下: 單詞頻計算,功能為:Tag Cloud、重要性 雙詞頻計算,功能為:計算兩個詞間的關係,如 Social Network Analysis Plot 如何使用 Module var wf=require('./WordFreq') module 內的方法函數 dataToArrObj: 資料整理,將用 tab 分隔的資料轉換為,第一欄為 name 的索引。 可做為類似 Excel vlookup 的檢索匹配用 ["aaa\tbbb\tccc\tddd"]=>[{name="aaa",value="bbb\tccc\tddd"}] getkeyword: 參考 dataToArrObj 的 name 欄位,對應出 Value 。 輸入為 ["aaa","bbb","ccc"] colsTocol: 將讀入的多欄料,轉換為單欄的資料,類似正規化的過程。 例:['abc\tabc\tabc\t','cde\tcde\tcdt']=>[abc,abc,abc,cde,cde,cde] Counting: 計算矩陣內的字詞出現次數,例 ['a','a','b'] = >[{name:'a',value=2},{name:'b',value=1}] Arraytwkeyword: 將 ["aaa","bbb","ccc", "ddd"] 轉換為 ["aaa, bbb", "aaa, ccc", "aaa, ddd", "bbb, ccc", "bbb, ddd", "ccc, ddd"] wordRel...

Javascript Array filter method 的使用心得與範例

這是一篇介紹 Array filter method 的實作心得,說明我自己理解 filter() 方法的過程。我不是程式高手,以下的文章只是用以提高 filter() 方法的理解度,讓我自己更容易將 filter() 活用於平常資料過濾的應用。 依據 W3School 的 Javascript 的教學 , Array filter() 方法的定義為使用方法為: The filter() method creates an array filled with all array elements that pass a test (provided as a function). filter() 的方法會創造一矩陣,矩陣為通過測試的元素 但是,我覺得 filter() 更好的說明應該如下: filter () 方法會依據 傳回 true 值 ,決定最後的 新矩陣元素 。判斷的準則是 return true ,就會保留這一個元素,將元素加入新矩陣,類似  array.push return false  或  不傳回值 ,就不要這一個元素 即使,W3School 有提供範例,透過 W3School 提供的範例,難以活用 filter() 並發擇它應有的作用。 var ages = [32, 33, 16, 40]; function checkAdult(age) { return age >= 18; } console.log(age.filter(checkAdulte)) // 輸出為 [32, 33, 40] 上面提供了一個示例,但是真正在處理資料的時候,資料形式往往不會這麼簡單。舉個例子來說, const students=[ {Degree:4,gender:"男",height:"140"}, {Degree:9,gender:"女",height:"163"}, {Degree:11,gender:"女",height:"163"}, {Degree:11,gender:"男",height:"173"}, {Degree:5,gender:"女",...