舒尔特表练习记

简介: 舒尔特表练习记1 练习的开始

image.png

舒尔特表练习记

1 练习的开始

我们知道,一段时间中注意力的保持,对于学习效果的影响很大。我想应该不少朋友们有过和我相似的感觉,学着学着,就莫名开始容易走神;一行字看过去,发现自己脑子里什么也没有留下,只好再看一遍。像这样的一些问题,给我的学习带来了不小的困扰,影响学习效率的同时,也加剧了我内心的焦虑与自我怀疑:”我真的有能力把这个东西学好吗?为什么他就学得那么快?是不是我,天赋不行呀······“


然而我又一定程度上相信,每个人的可塑性都是极大的,那些大多数的技能,都可以在后天习得、在我既有的程度上得到巨大的长进——以我的时间、练习与思考为养料。


目标越是模糊,便越是难以接近,越容易在时间的堆砌下仍巍然地了无寸进。我想,有没有某种方式能够衡量注意力的集中程度?搜索引擎将舒尔特表递给了我。玩法很简单,就是在一堆数字中,从1开始逐个地找到25。

a3fa08ea10ea4192b4f0ff8624f9ce85.png

起初,我完成5*5的表格,需要30多秒,看介绍说中等的水平大概是20秒,我顿时心里一凉,感觉自己很菜。不过没关系,不就是因为菜才想练习一下吗?在稍稍熟悉之后,速度就明显地快了一些。后来我将9个表打印在了一面纸上,开始进行比较连续的练习。


能够肉眼直观地看着自己进步,是种挺棒的感觉。

2 想法

计算机可以按照既定的指令,连续不间断地执行。可人除了执行之外,常常会自发地观察和思考自己正在做什么。就像你告诉张三现在抬一下左脚,接着告诉他放下左脚抬一下右脚,然后是放下右脚抬一下左脚······张三很快就会发现自己是在做一件重复的事情。


那么,舒尔特表对于提升注意力真的有用吗?或者具体一点,它可以让我看书看得更快吗?我也将这个表格介绍给了我的朋友,当然,Ta们通常不会对我的想法真的感兴趣,但也可以提供一些自己的观点与看法。


为什么有时一个句子每个字都认识,一眼看过去却不知道它在说什么?文字是信息的载体,却不是信息本身,我们阅读的一段文字,还需要经过大脑的处理,才能成为一种我们大脑所能理解的抽象的概念。如果以一台计算机作为比喻,那么阅读文字就相当于外部设备的输入,理解文字的过程就相当于cpu的处理。于是可能会出现一种状况:输入的速度大于cpu处理的速度。也就是说,可能我眼睛可以看得很快,但脑子还没理解,看了等于没看——表格并没有在解决现在真正卡脖子的问题。


不过,人脑并不是像计算机那样简单的模型。现实中的各种因素往往环环相扣,无法快速准确地提取文字,本身也容易导致阅读过程中的卡顿和挫败感。我想,保证好高效的文字输入,把时间留给脑袋去思考,对于更快地阅读同样是十分重要的——为思考创建一个良好的环境。


此外,计算机 (本人专业) 的书籍中,概念性内容的含量较高,并不是每一句话背后都藏着复杂的逻辑、都要花脑子仔细思考的。单纯地提高文字的摄取速度,对于提高整本书的阅读效率,也是十分有益的。


然而,有时在我们学习过程中卡住脖子的,恰恰就是“理解”,那我又该如何应对?我也还没想好呢,哈哈。


不过,将人与计算机做一个对比就会发现:机器处理逻辑运算的速度很快;同时人恰恰相反地更加擅长一些抽象的、跳跃的东西,比如区分不同人的脸、对事物产生联想,而容易在一些逻辑问题面前迟钝、犹疑。也许可以从这方面下手,进行逻辑推理的训练能否通用性地提升我在日常学习中的理解速度呢?


总之,在我几天的练习过程中,感觉舒尔特表主要是能够提升眼睛搜索目标的速度,对于专注力的提升效果没有明显的感觉。当然,我的练习时间也还比较短。

3 小结

本来打算连续进行为期一周的练习,但被考试、交作业等事情打断了。在13天的时间跨度中,只有7天进行了练习。从第一天的最快9表3分24秒(平均22秒),在第七天达到了2分42秒(平均18秒)。这个提升幅度并不算大,但我还没练习多久呢。


在日常的生活的主观感受中,我也得到了一些反馈。在人群中寻找某个人时,在一串二进制的数字中搜寻自己想要的那几位时,会突然触发自己读舒尔特表的状态,从而感觉更加的得心应手。


但是,我最初想要做的是提升自己集中注意力的能力,好像有些跑题了?不过也不算没有收获。


书读了十几年,如果你问自己:“我能比以前学得更快了吗?”你心中的答案会是什么?有的人各种知识都学得很快,是别人眼中的“学霸”,同时又能着丰富多彩的课余生活;有的人时间的投入却如同石沉大海,而后渐渐陷入自我的怀疑。我觉得,学习本身也是一项技能,一项可以学习并得到不断提升的技能。由此,我将一边学习的同时,一边探索如何学习——两条腿走路,以待破出困境。


相关链接:


在线舒尔特表生成器

科学训练专注力!测测你的注意力程度

舒尔特表(Schulte Table)是否是伪科学?笔迹赏心的回答

舒尔特表(Schulte Table) - 本人训练成果 - 知乎 (zhihu.com)

数据记录

# day1 - max=3:24 (new1)
级 时间          测试结果
5  11-17 15:27   26 28 17 29 29 - 32 32 33 29 26 # 可能还不太适应
5  11-17 17:48   24 21 22 25 # 隔20分钟测两次
5  11-17 19:39   21 32 34 26 21 30 33 27 41 --> 4:29 # 打印了9块
5  11-17 20:23   21 28 25 30 24 24 27 27 23 --> 3:54
5  11-17 21: 5   24 25 28 22 19 22 28 29 22 --> 3:44 
5  11-17 22:29   19 24 25 20 20 21 23 27 22 --> 3:24 # 刚跑完步
5  11-17 22:58   22 22 31 26 26 33 33 21 25 --> 4: 2
# day2 - max=2:59 (new2)
级 时间          测试结果
5  11-18  9:19   17 21 25 23 27 26 21 19 29 --> 3:34 # 刚起床
5  11-18 14:16   19 24 20 26 34 23 24 32 31 --> 4: 0
5  11-18 14:22   16 13 23 23 17 22 23 23 33 --> 3:19
5  11-18 14:27   17 21 26 18 23 27 19 21 25 --> 3:21 # 从最后一个块开始的
5  11-18 14:32   21 28 26 23 30 17 22 27 17 --> 3:34
5  11-18 14:38   19 23 22 28 22 19 22 21 19 --> 3:20
5  11-18 14:45   15 17 21 22 24 22 26 31 33 --> 3:23
5  11-18 20:26   18 19 22 24 27 20 26 19 19 --> 3:19
5  11-18 22:16   15 18 22 20 23 19 25 17 19 --> 3: 4 # 刚跑完步
5  11-18 22:38   22 21 18 24 19 16 18 17 19 --> 2:59
# day3 - max=3:4
级 时间          测试结果
5  11-19  9:19   17 24 27 21 20 19 24 22 21 --> 3:20 # 吃早饭
5  11-19 11:19   18 21 29 19 20 24 23 16 19 --> 3:14 
6  11-19 12: 8   1:8   59    1:58  1:37  1:9   1:17 --> 8:11
6  11-19 13:13   1:30  46    52    1:15  1:1   1:18 --> 6:44
6  11-19 19:6    1:12  1:4   47    1:2   1:0   1:1  --> 6:9
5  11-19 20:53   22 21 16 18 20 15 21 23 23 --> 3:4  # 新打印的
5  11-19 23:14   20 29 23 22 27 17 23 22 22 --> 3:31 # 累了
# day4 - max=2:53 (new3)
级 时间          测试结果
5  11-20  9:14   21 16 16 20 26 20 19 20 20 --> 3:1
5  11-20  10:9   17 22 16 17 23 17 19 16 20 --> 2:53 # 戴着耳塞
5  11-20  11:8   15 20 18 19 20 19 22 18 20 --> 2:56
5  11-20  12:1   18 26 14 19 22 23 20 18 16 --> 3:0
5  11-20  17:38  21 19 20 21 27 16 28 25 21 --> 3:21
5  11-20  21:28  17 20 22 16 27 18 25 21 22 --> 3:12
# day5 - max=2:45 (new4)
级 时间          测试结果
5  11-21 12:31  20 20 18 18 18 25 25 19 23 --> 3:11
5  11-21 12:37  17 18 19 17 17 15 17 22 19 --> 2:45
5  11-21 12:43  18 22 22 16 26 18 19 25 16 --> 3:6
5  11-21 12:48  17 17 18 22 19 21 20 15 19 --> 2:53
5  11-21 12:55  22 22 20 17 23 14 22 19 21 --> 3:5
5  11-21 13:1   25 21 21 19 30 23 24 17 22 --> 3:27 # 好像有点困了?
# day6 - max=3:2
级 时间          测试结果
5  11-27 10:22  16 20 15 20 30 20 26 20 22 --> 3:12
5  11-27 10:26  20 17 16 20 21 17 23 20 24 --> 3:2
5  11-27 10:33  18 19 17 26 23 25 29 21 19 --> 3:22
5  11-27 10:39  21 20 19 18 30 19 28 25 17 --> 3:21
5  11-27 10:44  20 26 21 21 17 19 16 19 16 --> 2:59
5  11-27 10:49  26 21 20 19 22 20 20 17 18 --> 3:8
5  11-27 10:54  16 16 28 25 21 15 29 23 32 --> 3:31

发现两个提速方向:

  1. 批处理。可以把0到25的数字分为三组,0-9为一组,10-19为二组,20-25为三组。先扫过一遍大致记下当前组各个数字的位置分布,于是在搜索的过程中缩小了范围。
  2. 快反应。盯着的目标一直是整个表,在脑海中一直默想目标数字,并等待自己的眼睛快速发现它。


还有一个小技巧,就是保持预判,永远准备好开始寻找下一个数字。

# day7 - max=2:42 (new5)
级 时间          测试结果
5  11-29        16 15 16 15 18 15 29 19 15 --> 2:42
5  11-29        17 21 15 17 28 17 25 18 17 --> 2:59
5  11-29        16 22 18 14 18 19 25 21 18 --> 2:56
5  11-29        18 16 15 19 21 16 25 19 21 --> 2:54
5  11-29        16 23 21 16 18 22 24 20 19 --> 3:3
5  11-29 20:20  19 18 19 20 17 19 20 18 19 --> 2:53

相关文章
|
人工智能 自然语言处理 搜索推荐
6个好用的AI写作工具合集,各种AI写作软件类型超全整理!
AI生成营销文案、生成文章标题、改写润色内容、写作素材搜集...好用的AI写作工具有哪些?
6个好用的AI写作工具合集,各种AI写作软件类型超全整理!
|
弹性计算
阿里云备案审核一般多久能过?域名备案需要几天?
阿里云域名备案是大家比较关心的问题,尤其是网站域名备案时间,阿里云备案时间还是比较快的,如果用户材料齐全,提交到阿里云审核无误后,一般一天即可提交到所对应省事的管局,备案号下来的时间要以管局的审核时间为准,一般管局审核时间为10天左右。
linux实用技巧:cp时自动将软链接所指定的文件实体也一起copy(软链接将会变成目标文件实体)
linux实用技巧:cp时自动将软链接所指定的文件实体也一起copy(软链接将会变成目标文件实体)
linux实用技巧:cp时自动将软链接所指定的文件实体也一起copy(软链接将会变成目标文件实体)
|
7月前
|
索引 Python
Python 操作 Word 页眉页脚完整指南
本文手把手教你用Python(python-docx库)自动为Word文档添加页眉页脚:含公司Logo、保密标识、动态页码、首页/奇偶页差异化设置及批量处理技巧,50页报告1秒搞定,告别手动重复劳动。(239字)
781 0
|
存储 弹性计算 缓存
阿里云服务器ECS经济型、通用算力、计算型、通用和内存型选购指南及使用场景分析
本文详细解析阿里云ECS服务器的经济型、通用算力型、计算型、通用型和内存型实例的区别及适用场景,涵盖性能特点、配置比例与实际应用,助你根据业务需求精准选型,提升资源利用率并降低成本。
944 3
|
机器学习/深度学习 人工智能 自动驾驶
交通标识与信号灯数据集(1000张图片已划分、已标注)| AI训练适用于目标检测任务
在智能驾驶与智慧交通的研究中,交通标识与信号灯识别 是最基础且最关键的任务之一。为了方便研究人员和开发者快速上手目标检测模型训练,本数据集提供了 1000张交通场景图片,并且已经按照目标检测任务的需求完成了 数据标注与划分。该数据集可直接应用于 YOLO、Faster R-CNN、SSD 等深度学习模型的训练与测试。
交通标识与信号灯数据集(1000张图片已划分、已标注)| AI训练适用于目标检测任务
|
缓存 开发工具 开发者
鸿蒙NEXT开发App相关工具类(ArkTs)
这段代码展示了一个名为鸿蒙NEXT开发 `AppUtil` 的工具类,主要用于管理鸿蒙应用的上下文、窗口、状态栏、导航栏等配置。它提供了多种功能,例如设置灰阶模式、颜色模式、字体类型、屏幕亮度、窗口属性等,并支持获取应用包信息(如版本号、包名等)。该工具类需在 UIAbility 的 `onWindowStageCreate` 方法中初始化,以便缓存全局变量。代码由鸿蒙布道师编写,适用于鸿蒙系统应用开发,帮助开发者更便捷地管理和配置应用界面及系统属性。
573 0
鸿蒙NEXT开发App相关工具类(ArkTs)
|
弹性计算 应用服务中间件
阿里云香港地域服务器访问延迟丢包的原因及解决方法
阿里云提供中国香港地域云服务器,但是香港节点服务器通过公网IP访问其他国家和地区的云服务器ECS会有较高访问延迟,极限情况下可能会产生丢包
5652 0
阿里云香港地域服务器访问延迟丢包的原因及解决方法
|
存储 人工智能 关系型数据库
AnalyticDB PostgreSQL版:Data+AI 时代的企业级数据仓库
AnalyticDB PostgreSQL版是面向Data+AI时代的企业级数据仓库,涵盖产品架构、核心技术、客户案例及功能发布四大部分。产品架构包括数据分析和AI/ML的存储与计算优化;核心技术涉及高性能实时引擎Beam、向量化执行引擎Laser及优化器Orca;客户案例展示了丝芙兰和领跑汽车的应用;新功能如pgsearch全文检索和In-Database AI/ML进一步提升了性能与易用性。
715 0

热门文章

最新文章