作为目前的硕士学位学生，我可以说学士学位课程的学习过程很艰难。 这不仅因为学科复杂，而且教学方法错误也是困难的。 我实际上很喜欢大多数教授的教学方式。 但是最好的是基于项目的学习。
在这篇文章中，我将告诉您，我们的学生如何以最佳方式学习。 我还将讨论基于项目的学习，以及为什么如此有效。 希望这篇文章对学生和教授都有帮助。
学习新信息及其相关概念：
人脑具有基本结构。 学习是将新信息连接到已知信息，或者直接添加新信息。 直接添加新信息只能用于基础知识，例如新语言，与任何事物都无关的全新概念等。这种情况主要发生在婴儿身上。 对于学士和硕士学位的学生来说，这种情况很少见。 高年级学生学习的科目与以前的知识完全相关。 因此，学生最了解新学习信息的基本概念。 如果学生知道基本概念，则可以学习与该概念相关的新信息。
假设学生将学习计算机科学的“图像匹配”主题。 学生在学习之前必须先了解几门学科和概念。
以前需要的信息，将作为学习信息。 从最复杂到最基本：
二维卷积和相关性（信号处理），数字图像表示（信号处理），矩阵运算（线性代数），算术运算，数字定义。 （以前可能还有其他学科需要学习。我猜是这些。）
首先，让我们假设学生是计算机科学专业的第二年学士学位。 这使我们假设学生最复杂的先前知识是矩阵运算。 因此，学生必须学习信号处理中的两个主题，即卷积和相关性，同时还需要以数字方式学习图像的表示形式。 卷积和相关运算可以在时域和频域中完成。 如果我们希望学生学习广泛，那么我们将教授这两个科目。 但是对于频域，学生必须学习微积分。 因此，我将跳过频域中的卷积和相关运算，以便我们可以更快地达到我们的目标（教图像匹配）。
如果我们不向学生传授时域的卷积和相关性作为先验知识，那么学生的大脑会将图像匹配的主题与另一个概念相关联，这可能会导致该主题的学习准确地受到干扰。 如果发生这种情况，反馈过程将花费更长的时间。
学习反馈：
假设学生学习了上一门科目，而新科目是100％。 我们可以说我们不需要反馈吗？ 绝对不！ 人脑如此容易忘记信息，因为它总是试图避免保留“不必要的”知识。 即使我们教书并且学生学习完美，他/她也必须获得反馈。
示例：学生100％学习该科目。 要求学生解释该主题。 他/她通过因果关系告诉主题。
情况1：他指出造成影响的一个原因缺失。 因此，学习的效果是错误的。
情况2：他指出影响的一个原因是轻微或严重错误。 因此，学习的效果是错误的。
情况3：他指出一种影响的原因是另一个先前原因的影响。 他/她为先前原因在大脑中建立的概念关系是错误的。 因此，原因被误解了，然后导致最后的结果是错误的。
当我们学习一门学科时，我们在大脑中建立了数十种因果关系。 即使发生故障的可能性很低，但概率的影响还是很高的。 因为因果关系链中的一个小故障最终可能导致巨大的错误。
在学习中我们应该如何做反馈？
我们需要从复杂到基本一一写出所学主题的要素。 应通过因果关系详细解释这些要素。 在那之后，应该要求每个要素给学生。 学生应通过因果关系解释每个主题。 他/她创建的因果关系应得到验证。 他们可能是正确的，但有另一种观点。 应该仔细检查不同的观点，以检查学生是否确实将子元素关联到错误的概念上。
调查后，应纠正错误的结果并教给学生。
为什么基于项目的学习是最好的？
这些项目需要广泛的知识，而这些知识实际上是彼此相关的。 将项目分配给学生时，学生需要自己进行研究和学习。 这使大脑更容易学习，因为该知识不是由其他人发起的，而是由大脑本身包含的。 这种情况非常适合与先前学习的概念建立关系并建立因果关系。 但是，它有一个缺陷。 如果学生没有以确定的频率从他/她的教授那里获得反馈，那么一切都可能会很容易出错。
我对基于项目的学习的经验：
在我的学士学位大四的时候，我进行了几次讲座和最后的项目。 讲座的主题是图像处理。
我的图像处理教授给我完成了一个项目。 该项目旨在实施科学论文中讲述的图像处理方法。 我选择了一篇研究焦点测量算子的论文。 我不了解焦点度量运算符。 这三个词对我来说完全陌生。 当我们在图像处理方面进行演讲时，我也在研究和学习聚焦度量运算符。 它们基本上是边缘检测方法。 我在讲座中学习的也是边缘检测。 我了解到，时域中的操作是通过过滤内核来完成的（例如：3×3矩阵）。 因此，具有所有这些怪异的数学符号的所有数学上看起来怪异的方法都开始变得易于理解。 因为，我将边缘检测与矩阵这个基本概念相关联。 我不再将这些公式视为怪异的数学符号。 我看到它们是对自然数进行移动，相乘，相减，相加和相除。
我学习并实现了纸上的方法。 我都了解 除此之外，由于我所建立的概念关系，我开始看到这些方法的缺陷。 我创建了一种新方法来检测边缘并测量焦点。 讲座的教授和其他一些教授喜欢我开发的新方法。
最近，我开发了一种使用相同过滤内核概念的机器学习算法。 令人惊讶的是，以前没有人做过。 当我告诉人们时，他们觉得它太复杂了。 但是对我来说，无非就是对数字进行运算和运算。
感谢我的图像处理教授MehmetTürkan。
Tekin EvrimÖzmermer
