为什么写程序的时候可以坚持很久，但是学习数学就很难保持注意力？ 第1页

有意思的问题 ^ ^

根据我自身和周围人的反馈，“写程序的时候可以坚持很久，但是学习数学就很难保持注意力” 的情况的确存在，而且我认为，这种现象是可以被科学解释的。经过思考，我发现，可以从四个方面来解释这个有趣的现象：思考阈值、反馈机制、思路连贯性 和 有效思维长度。

【1】思考阈值

什么是思考阈值呢？就是启动或维持一件事情所需要动用的脑细胞数。

写代码在【大部分时间】是不用动用太多脑细胞的，在确定了整个程序的框架（这需要费点脑细胞）后，大部分时间我们做的事无非是：写顺序语句、写循环语句、写条件判断。这些东西对一个经验丰富的程序员来说很轻松，加上很多代码本来就比较相似，所以并不需要集中太多的精力——一边看电影一边写代码都行。

但学高等数学一样，做一道难题时，我们常常有让周围保持绝对安静的想法。因为它太费神了——每一个关键的解答步骤，都需要经过大量的思考来完成。当然了，也有人能做得很熟练，可是，既然都很熟练了，就该进入下一个章节了，有何必要再刷下去呢？

如图所示。“思考阈值”之上代表的是“有效的思考”，而在阈值之下，则是“无效的思考”。

对于同样的思考深度曲线，对于写程序来说，由于思考阈值低，所以在大部分时间，自身的思考是有效果的，对于学数学来说，由于思考阈值高，所以我们很多时间自己毫无进展。

“有收获” 是前行的鼓励师。在状态不好的时候，写程序尚有一战之力，而学数学则完全歇菜了。而人不可能总是状态好，所以学数学也就难以持续了。

【2】反馈机制

代码编辑器和编译器是程序员的福音。有了它们，你一边写代码，一边发现自己哪里代码写错了，运行一下，就知道代码的逻辑是否通顺——这个反馈是实时的。

但学数学可没这样的编辑器。在你出答案前，没有人会警告你哪一步算错了。直到解完题目，对标准答案，你才会发现自己的错误——这个反馈是延时的。更何况，很多时候我们并没有答案（比如证明题），反馈都不一定有。学了半天，你都不知道自己掌握了多少。

实践表明，及时的反馈能激励我们前行。这是写代码比学数学的优势所在。

【3】思路连贯性

如果有一段代码大概需要连续写十个小时才能完成，给你五天，每天两小时，你能完成吗？

恐怕不能。因为写程序需要思路的连贯性。到了第二天，我可能要花上二十分钟来回顾第一天写了什么。到了第三天，我可能又要花上二十分钟来回顾第二天写了什么……把编程任务分割开，需要较高的边际成本。为什么程序员宁愿加班也不想把事情拖到第二天？因为它们想保持连贯思维的高效。

如果有一系列数学证明大概需要你连续做十个小时才能完成，给你五天，每天两小时，你能完成吗？

通常还是可以的。这不是说学数学的没有连贯性，而是它的连贯性没有那么强。而且，在两小时的高强度思考后，继续思考效率会明显降低，适当的休息反而会使大脑保持一个较好的学习状态中。

【4】有效思维长度

不知道你是否有这样的体会：

• 辛辛苦苦写了一天代码，回顾一下，哇，居然写了那么多，好有成就感！
  
• 辛辛苦苦学了一天数学，回顾一下，啊，只学了那么点东西，我怎么这么笨？
  

为什么会有这种感觉呢？因为写程序和学数学的有效思维长度是不一样的。

如下图所示：

• 写程序的时候，虽然我们会遇到一个个“坑”，但是大部分“坑”都相对较小，不会浪费自己太多的时间。所以一天下来，完成的有效工作还是很多的；
  
• 做数学的时候，我们也会遇到一个个“坑”，但很多时候，我们并不知道它们是“坑”，会一条路走到黑，才发现行不通，这就花费了我们较多的时间。所以一天下来，完成的有效工作相对较少。
  

“有效思维长度” 的长短，直接影响到我们的成就感，写程序容易积累有效思维长度，所以促使我们前行。而学数学容易长时间没有进步，所以容易让我们泄气。

综上所述，写程序思考阈值低、反馈及时、比较需要思维连贯、“小成就”接连而至，所以容易让我们沉迷其中；学数学起步费劲、反馈较慢、对思维连贯性要求不那么高、又容易长时间一无所获，所以对大部分人来说，不容易沉迷进去。

#