為什麼你越努力讀書，效果卻越差
5 個被證明是錯的學習方法（以及真正有效的學習科學）
拆掉迷思之後，下一步可以用錯誤讓記憶更牢，再把閱讀變成真正改變思考的練習。
大多數人花了很多年在學校讀書，但很少有人真正被教過 學習是如何運作的。
有一次我在 YouTube 搜尋「如何更有效學習」。演算法推薦了兩個影片。
一個是知名 Studytuber 的影片，封面非常鮮豔吸引人。
另一個則是一位我從未看過的影片。
我差一點就點了那個比較好看的縮圖。
那一刻我突然意識到一件事：網路非常擅長決定我們會看什麼，但並不擅長決定什麼是真實或正確的。
演算法是根據點擊率與注意力推薦內容的，但它們不會檢查這些建議是否有研究支持。因此，很多在網路上流行的學習技巧看起來很有道理，但其實並不完全符合科學研究。
心理學家與認知科學家已經研究學習數十年。像 Robert Bjork、Carol Dweck、Angela Duckworth 和 David Epstein 等研究者都發現：真正有效的學習方式，往往和人們直覺想的不太一樣。
下面是五個常見的學習迷思。
迷思一. 背誦是最好的學習方式
很多學生認為，讀書就是為了考試而背誦大量資訊。
以前只要我不喜歡某一門課，我就會有這種感覺。讀書像是在把資訊硬塞進腦袋，只為了撐過考試。
但「背誦」和「理解」其實是不一樣的。
真正的學習，是當你理解一個概念，並且能在不同情境中使用它。當你知道一件事情背後的原理時，你就能把它應用到新的問題。
建立理解的一種方法是問自己簡單的問題：
這個概念和我已經知道的東西有什麼關聯？
這個概念可以用在什麼地方？
心理學家 Robert Bjork 發現，一些在當下感覺比較困難的學習方法，其實更能幫助我們長期記憶。他把這種現象稱為 「理想困難（desirable difficulties）」。
例如：自我測驗、把學習時間間隔開來，或是在不看筆記的情況下嘗試回憶內容。
迷思二. 天賦比努力更重要
很多人會對孩子說：「你很聰明」或「你很有天賦」。
雖然聽起來像是鼓勵，但這種讚美有時候反而會產生相反效果。
心理學家 Carol Dweck 研究孩子如何回應讚美。她發現，被讚美「努力」的孩子，在犯錯之後更願意繼續嘗試。他們開始相信能力是可以透過練習慢慢提升的。
Dweck 將這種想法稱為 成長型思維（growth mindset）。
Angela Duckworth 對「毅力（grit）」的研究也支持類似的觀點。她發現，長期的成功往往取決於持續的努力與投入，而不是單純的天賦。
相信自己可以進步的人，更願意在困難中繼續努力。
迷思三. 只練習自己的弱點
很多學習建議會告訴學生：只專注在自己不擅長的部分。
練習弱點確實有幫助，但現實中的問題通常不只需要一種技能。
例如，在解數學或科學題目時，我們往往需要在不同的方法之間做選擇。
因此，學習科學家提出了一種方法叫做 交錯練習（interleaving）。
與其反覆練習同一種類型的題目，不如把不同類型的題目混在一起練習。
這會迫使大腦判斷在每個情境下應該使用哪一種策略。長期下來，這能提升在考試或真實情境中的解題能力。
迷思四. 獎勵會讓學習更容易
很多學生會在讀書後給自己一個獎勵，例如：「讀完這一章我就去看一集影集。」
獎勵並不是完全不好，但它通常不是人們持續學習的主要原因。
動機研究顯示，人們在學習本身變得有趣時學得最好。以下四個因素常常能提升 內在動機：
好奇心
挑戰
對學習的掌控感
有意義的目標
例如，我以前讀會計時很難保持興趣。後來我開始嘗試一些小改變，例如畫概念圖、或是對內容不停問「為什麼」。
這些改變讓學習更像是在解謎，而不是完成一件枯燥的任務。
迷思五. 一萬小時法則
「成為專家需要一萬小時練習」這個概念，在 Malcolm Gladwell 的書 Outliers 出版後變得非常流行。
這個數字來自對音樂家與運動員的研究，但它從來不是一條適用於所有領域的規則。
單純花很多時間做一件事，並不一定會帶來精通。練習的品質往往比時間更重要。
Robert Greene 在他的書 Mastery 中討論過這個概念。他研究歷史上的許多大師，發現他們通常都經歷過一段長時間的「學徒期」。在這段時間裡，他們觀察導師、嘗試不同方法，並逐漸建立自己的做事方式。
Seth Godin 在 The Practice 一書中也提出類似觀點。他認為創作能力是透過不斷「做、反思、調整」的循環慢慢提升的。目標並不是達到一個終點，而是持續精進。
David Epstein 在 Range 中則指出，許多成功的人在專注於一個領域之前，曾經探索過多種不同領域。
例如，許多頂尖運動員在年輕時都參與過多種運動。諾貝爾獎得主也比一般人更常擁有藝術相關的興趣。
探索不同領域，有時反而能幫助一個人建立更深的專業能力。
學習是人類的優勢
人類非常擅長辨識模式。
我們能夠跨領域連結想法，從經驗中學習，並在環境改變時調整自己。電腦也能辨識模式，但它們需要特定的資料與明確的任務。
例如，YouTube 的推薦系統可以根據觀看紀錄推薦影片，但它無法判斷影片中的建議是否可靠。
當我們理解學習真正的運作方式，就能更有效地學習，也能避免對教育的常見誤解。