理科教育3.0概述
前面我们讨论的1.0和2.0版本的教育，是高度成型的教育体系。
2.0继承了1.0的思想和内容，一直到今天，我们的理科教育，还是运行在2.0版上。
2.0版本，诞生于机械化革命和电气化革命时代，理论和实践源于这些时代的科学研究，而管理则是工业时代典型的工厂模式。
在上个世纪七十年代，人类社会开启了信息化革命。这就给理科教育，带来了新的可能性。
因此，理科教育3.0，其实是基于信息科技革命，重新定义教育。
但尴尬的是，3.0是一个半成品，它远远没有释放出自己的潜能，并没有对基础教育体制产生根本性的改变。
所以直到今天，理科教育还是2.0主导。
虽然信息技术已经被广泛应用，但多数时候，这就像大清买了洋枪洋炮一样，体制并没有改变。
就像你可能今天搜题软件，拍个照片就能得到答案。你在线听老师讲课，然而这些都还是传统的应试模式。
甚至学校开始用AI来监控学生表情，看上去技术先进，然而还是管教那个老路，甚至更变本加厉。
信息科技在中学、大学的理科教育中，并没有让大多数人实现1.0的目标：爱智求真、发展高度的思考能力。
从传统理科教育的角度，无论是中学还是大学，可以说在整个信息化时代，几乎都没有本质的变化。
因此，我们在讨论3.0的时候，并不是像1.0和2.0那样，讨论一套完整的体系，而是要分享如下的几个主题：
1）斯坦福大学
信息时代诞生的，最有标志性的大学。
它和硅谷、信息化革命有密切的关系。
它所开创的产学研结合模式，也是有信息时代特色的理工教育方向。
2）智商和智力的故事
之所以讨论斯坦福，还有个原因，是想带出智商和智力的故事。
人们有个普遍迷思，就是觉得理科学习，需要所谓智力/智商的天赋。
在本章，我们会讨论到底智力/智商是啥？为什么会成为一个热门话题？到底你应该如何看待智力/智商的作用和重要性。
帮助你破除对智力天赋的迷信。
3）派帕特的教育理想和实践
他的构想，我觉得可能是最契合理科3.0本质的。
这个教育思想建立在对计算机科技的高度利用基础上，是有可能真正实现，让更多的同学发挥学习主动性，建立高度智慧，学会思考。
尽管，他最终并没有取得想象中的成功，但却是我们4.0至关重要的参考方向。
第一次智商热潮
谈智力就要谈到智商。所谓智商，是对智力的一个量化评估指标。
智商这个概念，之所以能够广为人知，最大的贡献者，是斯坦福大学的心理学教授刘易斯·特曼（Lewis Terman）。
特曼认为，智力是操控概念的能力。所谓操控，可以初略理解为产生、理解、关联抽象概念的能力。例如我们看见一个苹果两个苹果三个苹果，能总结出一个概念叫做苹果。同时还能总结出水果的概念，并且把苹果和水果进行关联（苹果是一种水果）。
这种抽象能力至关重要，因为有了抽象概念之后，我们才能举一反三，甚至在头脑中进行理论体系的构建，最终反过来作用、指导现实。
智商这个概念，并非刘易斯·特曼首创。法国教育家埃尔弗雷德·比奈就已经实施了智商测试，但是他的目的，是提供给巴黎教育体系，用于测试弱智儿童。特曼则认为，每个人都应该进行智商测验，并且他相信，基于一个人的智商，就可以帮助他们定位合适的岗位。例如多少智商适合做文员、多少智商适合做销售。
特曼对比奈智商测评进行了修改，推向大众领域。修改后的测验称之为斯坦福-比奈测评，一直到今天，它依然是智商领域的主要测评之一。
特曼坚持不懈的推广他的智商评测，在那个时代的美国，掀起了智商热潮。在一战期间，美军也对士兵进行了评测，并且根据智商来分配工作岗位，这件事情从营销角度，把「智商评测」跟「爱国」挂上了钩。很多企业也把特曼评测，作为招聘甄别员工的基本手段。
哪怕是今天的美国人，可能也很难理解这种热潮。其实任何潮流，往往都有它的时代背景。在上个世纪初的美国，报纸上通常都有诸如填字游戏之类的智力题目。看张报纸做道智力题，是基本的娱乐方式，这些题目也是人们交流的普遍话题。在这个背景下，智商测验有其大众基础。
那时候的斯坦福大学，只是一个初创组织，远远没有今天的地位。特曼的到来，以及智商测评在大众中的流行，为斯坦福带来了很多眼球、流量与知名度。用今天的话来讲，刘易斯·特曼就是全民的知识网红。
然而，这股智商测验的热潮，很快冷却了。一方面是企业发现，用智商招聘来的人，在现实中未必就是工作出色。今天我们也容易理解，一个人的敬业精神、人际关系能力、心态、职业技能等，都对于工作有很大影响。在大多数工作中，除非人的智商太低，否则过了基本线，智商跟工作绩效未必有很高的相关度。
另外一方面，当时希特勒上台，提倡人种优越论，德意志民族是最优秀的民族，有高度聪明的头脑等等。美国民众很反感智力评测这种很容易跟种族歧视挂钩的东西。事实上，最早路易斯·特曼根据评测结果，也提出了不同种族之间存在智力差异的论点。
智商这个概念，在美国第二次变成热门，要到上个世纪五六十年代。当时美苏争霸，苏联发射第一颗人造卫星。美国人民一看，我靠敌人的卫星都飞到我们头上了。在这种背景下，美国历史上大概唯一一次形成强烈的全民共识，要搞好理工科教育，要发展科技，为的是在冷战中战胜苏联。
于是美国提出了一系列计划，最著名的就是阿波罗登月，要在六十年代把人类送上月球。
同时美国大力发展科技教育，包括选拔一些天才的儿童进行培养。而衡量天才儿童，智商是一个基本标准，于是智商评测又热门了一下，很快因为歧视因素冷却了。
特曼与硅谷
刘易斯·特曼在美国掀起了智商风潮，带动了斯坦福大学的知名度。
但他对斯坦福更大的贡献，是生了一个儿子：弗雷德里克·特曼（Frederick Terman）。
1925年，弗雷德里克·特曼加入斯坦福工程系任教。在斯坦福期间，他研究电子真空管、电路和仪器，写了《无线电工程》一书。
小特曼注重教学与产业的结合。他鼓励学生创建自己的公司，并且投资了其中的几个。
1939年，在小特曼的支持下，他的两个学生，比尔·休特利和戴维·帕卡德，在一个车库里用538美元创建了一家公司，开始生产电子仪器。公司用两个创始人的名字命名，这就是后来大名鼎鼎的惠普公司。两人创业的车库，被认为是硅谷的诞生纪念地。
二战结束后，小特曼成为斯坦福工程学院院长。而他对于「产学融合」的思考，也进入到了更大的层面。
小特曼想把学校的部分土地卖给科技公司，形成科技园区，促进产学融合。用今天的话来说，做招商引资的事情。然而斯坦福夫妇一开始投资建立斯坦福大学，就明确规定土地不能售卖。于是小特曼把土地租给技术公司，让他们开办企业，斯坦福工业园区产生了。
所谓筑巢引凤，巢有了，凤呢？
小特曼接下来，又全力说服一位诺贝尔奖得主，把公司开到北加州。而这个人的到来，促成了硅谷的诞生。他就是威廉·肖克利。肖克利和约翰·巴丁、沃尔特·布喇顿共同发明了晶体管，并因此获得1956年的诺贝尔物理奖。
当时的计算机，还是基于电子管技术。而肖克利认为，晶体管可以用于计算机上，会是电脑理想的基本元器件。
在发明电子管时，使用的是锗元素。几年后，人们发现，硅比锗更适合于生产晶体管。未来硅谷的这个硅字，就来自于半导体的核心原材料。
五十年代中期，高纯硅的工业提炼技术已成熟，肖克利很清楚，电子管很快会被淘汰，未来属于晶体管。他决心离开贝尔实验室，回加州创业。
小特曼得知此事，立即展开了行动。向肖克利写信，宣传圣克拉拉的好处，还告诉他斯坦福已经把肖克利的半导体理论写进了教材，开始向学生们讲授这方面的课程了，这是肖克利以后公司的人才来源。特曼甚至找到了北加州最好的房地产经纪人，让他给肖克利推荐当地的房地产。总之采用了各种办法。
最终在1956年，肖克利半导体实验室落户圣克拉拉，离斯坦福五英里。
1955年，肖克利给将成为他第二任妻子的女友的信中这样写道：「很明显，我比其他人更聪明、更热心工作，也比大部分人了解人类」。
前面两点成立，然而第三点「也比大部分人了解人类」，跟事实对照，显示出肖克利在这一方面，严重缺乏自知之明。
他是属于典型的高智商低情商，在贝尔实验室的时候，就很难跟人搞好关系。在创业的时候，他首先想到的是招聘以前的同事，但没人愿意来。于是肖克利转而招聘名牌大学毕业生。
由于他的成就，肖克利吸引了一流的工程师、科学家。然而肖克利在人际方面的傲慢、专横、粗暴，再次显露无疑。两年之后，公司的8位技术骨干决定离开，成立了仙童半导体公司。这8个人被称为「八叛逆」。
仙童半导体成立后，参与发明了集成电路，蒸蒸日上。1964年，八叛逆之一的摩尔博士，预言说，集成电路上能被集成的晶体管数目，将会以每18个月翻一番的速度稳定增长，并在今后数十年内保持着这种势头。摩尔所作的这个预言，因后来集成电路的发展而得以证明，并在较长时期保持了它的有效性，也就是著名的「摩尔定律」。
60年代后期，由于仙童的管理问题，被吸引来的大量精英人才，又纷纷离开，自行创业。
乔布斯说：「仙童半导体公司就象个成熟了的蒲公英，你一吹它，这种创业精神的种子就随风四处飘扬了。」
1968年，八叛逆中的最后两位，诺依斯和摩尔，也带着安迪·格鲁夫脱离仙童公司自立门户，他们创办的公司，就是日后大名鼎鼎的英特尔。
80年代初出版的著名畅销书《硅谷热》写到：「硅谷大约70家半导体公司的半数，是仙童公司的直接或间接后裔。在仙童公司供职是进入遍布于硅谷各地的半导体业的途径。1969年在森尼维尔举行的一次半导体工程师大会上， 400位与会者中，未曾在仙童公司工作过的还不到24人」。从脉络上看，从肖克利实验室，到仙童公司，再到半导体创业公司的扩散，最终孵化了硅谷。
回顾一下小特曼所作的三件事情：
- 鼓励学生成立惠普公司（被认为是硅谷的第一家公司）
- 促进产学融合，建立斯坦福工业园区
- 说服肖克利落户硅谷，最终导致半导体产业在硅谷的兴盛，硅谷名副其实成为「硅」谷
这三件事情，一方面使硅谷成为世界信息产业的中心，因此小特曼被称为「硅谷之父」。另外一方面，这也奠定了斯坦福大学，在今天高等教育和信息产业中的独特地位。在产学融合方面，貌似世界上没有任何学校，可以和斯坦福相提并论。斯坦福孵化了硅谷，而硅谷又反过来成就了斯坦福。
小特曼可以说是现代斯坦福大学之父。
肖克利惹出的智商麻烦
就在英特尔公司成立的1968年，失去大量人才，管理混乱的肖克利实验室，已经经历两次转卖，最终永久关闭。肖克利从1963年开始，黯然退出商界，到斯坦福大学做教授。
在商业之外，肖克利也惹出了很大麻烦，这也跟智商话题有关。
威廉·肖克利出生在英国伦敦，父母是美国人。在他三岁时，全家回到了加州圣克拉拉的帕洛•阿托。父亲是采矿工程师，麻省理工毕业生，精通八国语言。母亲是斯坦福大学第一批女毕业生之一。
传说肖克利小时候，母亲带他去找刘易斯·特曼，评测智商。结果是129分，没达到135的天才标准。肖克利的妈妈很失望，第二年又带他测了一次，这次是125分。有趣的是，肖克利的妈妈自己也测了一次，结果是165分。
我想部分出于童年的经历，肖克利一生对于智商都有强烈的兴趣。在他创建肖克利实验室的时候，他要求每一位应聘者，都需要参加智商评测。自己也经常亲自主持面试，在面试中通过智力题来考察学员的智商和反应能力。而且他的面试方式，是容易给人带来压力的。
例如在面试一位斯坦福博士时，肖克利拿起一块秒表，然后提问：
某网球锦标赛有127名选手参賽，一名选手轮空，其他126名选手进行63场比赛。在第二轮将有64名选手和32场比赛。请问：一共需要进行多少场比赛才能决出一名优胜者？
阐述完问题，肖克利立即按下了秒表。
这种面试方式，在上个世纪80、90年代，被如日中天的微软公司广泛采纳，从而引起了一股智力面试题的热潮，那是后话了。
回到肖克利，从1964年开始，他公开宣称智商分数的群体差别，证明美国白人要比黑人以及其他少数族裔智商高。其实他并不是第一个提出这个见解的人，但是在60年代民权运动高涨的时候，这话本身就非常不合时宜。
他还谨慎的建议，政府给智商低的人发放补偿金，让他们绝育。为了优生学的发展，他还把自己的精子捐献给一个精子库。这家精子库宣称要把诺贝尔奖得主的精子，提供给合格的年轻女性来培养天才后代。
这些话是不是听上去，和希特勒的种族优越论有相似之处？
传记作家乔尔·舒金写道：
如果肖克利是一个更好的经理人，他将是世界上最富有的人之一，绝对可以与比尔·盖茨相比。
然而肖克利尽管有科技才能，在人际关系、经营管理方面，却是一塌糊涂。甚至直到去世，他也未必理解自己的问题出在哪里。
他强烈的想要引发智商的话题，却招到美国民众的反感，收效甚微。
回顾一下在美国，引发公众对智力、智商话题强烈关注的：
- 第一次：刘易斯·特曼的智商评测
- 第二次：冷战时代，苏联卫星上天，美国人民关注科技竞争
而第三次，要等到PC革命开始，由兼具商业头脑和技术头脑的比尔盖茨，来引发了。
微软面试的智力题
1986年3月13日，微软上市。股价的显著上升，为微软缔造了4位亿万富翁以及12000位百万富翁。
在信息革命的PC时代，微软不仅仅成为了信息产业的头号公司，也是美国企业的象征和公众关注的焦点。在微软如日中天的时代，任何关于微软的话题都容易引发关注。就像后来乔布斯时代的苹果。
而当时微软招聘普通员工，以寻找「聪明有激情的人」著称，而不那么看重面试者的经验背景。面试中一个典型的风格，就是使用智力题，诸如：
- 不用天平，如何能够称出喷气式飞机的重量？
- 如果你能够移走美国50个州的任何一个，你要移走哪一个？
- 如何设计比尔盖茨的浴室？
- 每小时有多少密西西比河水流过新奥尔良？
- 每天钟表的指针重叠多少次？
- 纽约有多少加油站？
微软的智力题有个很大的特点是它是开放式，没有固定答案的。它实际上的考察重点在于一个人在面对未知困难和挑战时的反应，答案反而没那么重要。
这种反应分为三个层次：情感反应，智力反应和关系反应。
从情感反应的角度上来说，一部分人乍一拿到智力题这类之前从未接触过的题目，第一反应是完全懵住，进而在整个面试过程中都是大脑一片空白的状态；另一部分人则会进行自我调整，尝试去解决问题；而还有一部分人，反应则更为冷静迅速，甚至还会为遇到这种全新的问题而表现出兴奋、好奇和跃跃欲试。
在智力反应的层面，智力题主要测试一个人是否具有通过建构思维模型，或者说建立思考脉络来处理问题的能力。例如，估算纽约有多少加油站这个问题上，受过智力训练的人会给出多个完整的思路：先将纽约分为若干个区，再找出大约隔多少距离/多大面积会有一个加油站，从而估算整个纽约市的加油站数量；或者先调查纽约市的汽车数量并计算耗油量，再调查一个加油站的储油量，通过城市所需的加油站数量来估算实际数量。如果一个人能够给出多种解决思路，那么这不仅能体现出他有丰富的知识体系和思维模型，同时还能体现出他能够把很多信息灵活运用，并且建立关联。
在智力题的作答过程中，除去很少一部分应聘者会主动互动或询问，大部分人遇到卡壳或计算瓶颈时不会主动跟面试官交流。但实际上，互动有助于面试官更了解应聘者的思考状况，也可以为应聘者争取多一点的展示机会——这一点便属于关系反应的范畴。从这一点看，智力题不仅可以考察智力，还能考察情商。学生的学习也是同理。闷头学习并不会更有效率，能否更有效地获取知识要看学生能否协同他人，利用学习资源。
微软使用这类智力题来进行招聘的做法既与它的行业特点，也与比尔盖茨的个人理念有关。
在微软之前，并不存在独立大规模的软件行业，软件一般是购买硬件时附赠，软件开发者往往在硬件公司或者终端客户的企业。随着软件行业的兴起，人才也相对匮乏，因此微软的招聘是难以通过工作经验这一标准来筛选人才的。
比尔盖茨有句常说的话是：「微软距离破产只有十八个月」。意指技术型行业更新换代迅速，竞争激烈，不努力探索、谋求发展的话就很容易被淘汰。这就像后来的诺基亚，作为曾经手机行业的巨头风头无两，但其衰败也在一夜之间，从这一点来说，比尔盖茨的危机感不无道理。
这种危机感体现在招聘上时，比尔盖茨认为，为了面对剧烈的变化，最重要的不是员工有丰富的经验，可以应对已知的挑战；而且在面对未知的巨大挑战时，依然可以具备正面的情感，不至于仅仅因为困难就惊慌失措停步不前，同时有出色的能探索、解决未知问题的能力。
智力题面试，就是对于这种「未知挑战」的模拟。
微软的这种人才选拔标准也与教育的本质有相通之处：最好的教育不是培养人解决已知问题的能力，而是培养人解决未知问题的能力。能够有效解决未知问题的人，必然是既有强烈的好奇心和探索欲、不畏难，同时也是拥有丰富思维模型和善于利用和整合资源的。
筛选精英与培养精英
从另一个角度说，微软在上个世纪末属精英型的组织，招聘时主张「招前百分之一的人」。善于思考，愿意面对未知的挑战，这也是精英教育的一个重点培养目标。
很明显的是，当今的学校教育，即大众教育体系，是与这种精英教育背道而驰的：它不鼓励思考，而更倾向于机械式的死记硬背；它不是培养精英的，而是筛选精英的。
即使是在现有的大众教育中，也总有几个既有探索欲，也具备洞察力，能够举一反三的学生出现，这一类学生正是精英型高校或组织所青睐的。但它从系统上来讲，并非大众教育有效培养出来的，反而是一种例外。
在未成年阶段，精英人才的出现有两种渠道。一种是具备良好的环境，例如从小就生在高质量的家庭中，或者接受了高层次的学校教育。这种很大程度是拼爹的，毕竟一个人小时候的环境，影响最大的就是家庭，而能进入高质量的精英学校往往也是家庭能力的后果。
另一种则是自发生长的精英，即在平庸环境下，诸如大众教育的学校中突破了限制，具备了精英素质。就像在灌输式学校中，依然自发的拥有了强大的思考分析能力。
今天家长、同学的迷思在于，他们希望进入精英型的高校，然而为此却在中学教育阶段，盲从大众型的教育。明知道应试教育问题很大，却觉得没办法不得不如此。
然而真相是，精英型学校、精英型组织，并不青睐被应试教育塑造的人。他们青睐的是能够在应试教育的环境中，依然脱颖而出，超越环境的人。就像顶尖高校，并不喜欢靠题海战术获得高分的。
解决已知问题 vs 解决未知问题
前面我们谈到两条路线：学霸培养路线和学神培养路线。
对于学霸培养路线，关注点在于「解决已知问题」。例如中考、高考，给学生归纳出各种题型，然后逐一进行分析，确保掌握。
而对于学神培养路线，重点在于「解决未知问题」。反而不会是把知识、题型全都咀嚼的很细然后喂给学生，而是培养他们自我学习和解决问题的能力。例如探索事物的本质、战略性思考、举一反三建立事物的联系、自我反省能力、有效寻找和利用资源。
对于学霸而言，可能是「哎呀这些题都看到过都会解，好开心」；而学神则是「我靠这道题我都不知道怎么做，有意思」。
美国教育家斯金纳说：「如果我们将学过的东西忘得一干二净时，最后剩下的东西就是教育的本质了。」
解决未知问题的能力，是学习的本质。也是高水平理科教育的方向。
那么，在信息化技术的加成下，如何能够有效发展人们探索、解决未知问题的能力，学会思考呢？
这方面一个革命性的构想，来自于派帕特。
Mindstorms
在乐高中，有一个可编程机器人系列，品牌名称叫做Mindstorms。
这个名称源于一本书。
《Mindstorms: Children, Computers, And Powerful Ideas》，作者Seymour A. Papert，Logo编程环境的设计者。
可能有些人对Logo语言有印象，就是屏幕中间有只乌龟，你编程可以操作乌龟的行为，例如转向、走两步。
全书第一版写于上个世界70年代，但直到今天，它的思想依然领先于时代。读书的时候，顿感有些时候，事情发展并没有想象的那么快。
我从亚马逊买到的是第二版，从美国买回来也就100元左右，很值。书的序言作者叫做John Sculley，我想「咦这个名字好像比较熟」，然后想起就是乔布斯用「你是要卖糖水还是改变世界」勾引过来的那位百事CEO。
在书中作者主要以数学为例，讨论教育的变革问题。总结一些关键如下（英文书看的比较快，下面是我自己的理解总结。可能与原文有出入，仅供参考）。
要实现高质量的教育，你需要同时搞懂两大问题：特定教育领域（如数学）、教育方法。
他认为教育界的一大问题，就是常常忽略了前者，而关注后者（举个例子，今天很多教育改革者，思路就在积分、反馈这样的游戏化教育方法上）。但这样很难搞好。
作者以数学为例，说为什么数学一定是要教现有教科书上的知识体系呢？这些内容是很久以前沿袭下来的，有当时的历史背景。改进教育，首先的问题是检讨到底教育的内容和方向是什么。
作者提出了他的观察，就是有些领域，例如语言，其实内容挺多，但小孩自然而言的，就能学会讲话，各种各样的对话，并没有多少压力；而在数学这样的领域，为什么小孩的能力很难自然增长？只能依靠正式的教育。
围绕这样一条路线，成功的关键可能并不是在课堂上，给学生灌输多少知识。而是如何打造有效的系统，让人们可以在特定的领域（如数学）方面，「通过日常学习提升自然提升」。
作者指出，当前的教育思维中，有一个被习以为常的误区，恰恰扼杀了「非正式学习/自然成长」的可能性。这就是过度重视正确的知识。
以物理为例，我们都知道学校会传授牛顿物理学的知识，而对亚里士多德物理学（力是物体运动的原因），认为是错误的直接待过。
这样做的问题在哪里呢？作者认为，亚里士多德物理学，是牛顿物理学的自然步骤。因为亚里士多德物理学，其实是和我们的直觉吻合的。例如我们看到风在吹的时候，树叶就动了，比较自然地就能够得出「力是物体运动的原因」。
那么当我们砍掉了这个部分之后，其实我们的直觉，就和物理脱钩了。物理就不再是经验上可以理解的东西，而仅仅是公式和符号。
而人类的认知系统，是很难去理解公式和符号的，所以我们的经验与直觉，不再能够支持物理知识的自然提升。
数学也是如此，58+37=？，这些通常都是很抽象的概念，对于大多数人，尤其是小孩（他们的认知系统还不具备足够的抽象能力），缺乏个人的体验，也无法在日常中自然地提升认知。
作者谈到它设计Logo语言，其实就是想建立这样一个基于「自然认知」的数学教育方式。
在Logo里有个小乌龟，输入Forward 50就会前进50步，输入Forward 5就会前进5步，那么小孩很自然的，就开始把数字与实际经验建立了关联。
你可以让乌龟调整角度（例如45度、90度），这其实是在建立基本的几何概念：角度、二维空间。
通过Logo语言来做数学教育，可以产生一个传统教育方式很难达到的目标：让学习者在学习过程中，满足某种个性化的需求。
传统的数学教育，大家都算两只兔子加5个老鼠一共有多少支脚，这种对于小孩来讲，缺乏个人动力。
而当用Logo编程语言的时候，有些小孩想画一朵花，有些想画一个矩形，因为这是他们自己的目标，自然兴趣就足了很多。
作者指出，那些爱学习/学习能力强的人，常常是在学习中，找到了满足某种个人需求的方式。而高质量的教育，可以让更多的人获得解决自己问题的学习动力。
回到「认识教育内容」的问题，「复杂问题的分解」其实也是数学的一部分。在传统的数学教育中，常常人们很难理解「这和我有什么关系」，所以也难于掌握。
而在Logo这样的编程语言中，小孩想要花一个比较复杂的形状，常常很自然的需要把一些重复步骤，弄成函数。于是他们就在无形中，建立了「问题分解」的概念。
所以作者谈到，藉由计算机建立的虚拟世界，可以提供前所未有的强大手段，在激发人们个性化动力的同时，帮助学生建立「经验世界与理论世界」的联系，从而让他们可以在日常生活/环境中，自然的提升。
而更强大的是，通过一系列的、循序渐进的虚拟世界，你可以将复杂的领域知识，拆分成一步一步的顺序，帮助掌握。例如教授物理概念，一开始虚拟世界中的物体，没有质量的概念。而在后面的虚拟世界中，开始引入了质量。这样的层层推进，大幅度提升了学习的成功率。
几十年过去了，为什么我们的教育，还是在传统上奔跑呢？作者也谈到：教育能做什么是一个技术问题，而教育会做什么，则是一个政治问题，变革可能是缓慢的。
派帕特：巨大的成功与失败
Seymour A. Papert，是MIT AI Lab的创始人之一，人工智能领域的先驱。
他的logo语言，开启了计算机编程教育的时代。他被公认为儿童计算机编程教育的创始人。
在上个世纪一段时间，logo是最流行的儿童编程教育语言环境。
而他在MIT AI Lab的学生，研发了Scratch软件，在今天是最为流行的儿童编程语言。
从某个意义上，他的构想取得了最大的成功。
然而从他的教育野心来说，他又是非常失败的。
因为他的念想，是改变美国的公立教育体系。从一个传统的老师主导的、难以激发学生主动性创造力、发展思考能力的大众教育体系；变成一个可以让人自主学习、充分探索、发展深度思考能力的精英教育体系。
概要说的，其实他做的事情，他所看到的信息技术给教育带来的潜力，是精英教育的全民化，让更多的人真正热爱、学会思考。
Logo语言这个名称，就来自于希腊文logos（罗格斯：逻辑、思考之意）。
然而几十年过去了，美国的公立教育体系，依然没什么本质变化。
在过去的新冠疫情中，我们也看到了，美国民众中反智群体的庞大，缺乏基本的科学素养。
以前在知乎上分享了派帕特的思路之后，我收到一个评论：
「mindstorms」鼓吹的是「皮亚杰式的学习」，例如各种恒常性的获得，是在没有奖励，不用刻意划出特定时间的学习。佩帕特强调这种学习的本质是「非课程的」，他在书里提到美国中小学教师写信问他「怎么用计算机在课堂上教数学」的口气是无奈的，因为他心心念念的是piagetian learning。他翻来覆去说的学数学要像学法语的类比，不应被当作学校课程来理解。事实上他在别处说过，世界上有极大数量的知识，一群人却在那里纠结哪一极小部分的知识应该教给学生。这几乎是对课程最尖锐的讽刺了。mindstorms不是佩帕特的最后一本书，从后来的书里也可以看出，他对学校教育已经不抱太大期望了。任天堂给了他三百万美元搞研究，他告诫大家拿游戏的糖衣裹学校教育的药是无效的。
知识森林学习软件：对派帕特思想的继承
派帕特的思想，指出要通过更加直觉的方式，让人们产生学习动力，在学习活动中自然的去产生探索、去发展思维能力。
为此，他们设计了logo编程环境，通过「乌龟」这个视觉化载体，让人们可以在虚拟世界中，学习探索思考。
基于这种思路，我研发了知识森林学习软件。
这款软件，把「知识体系」视觉化。让同学们可以创建出一个虚拟的「知识世界」，通过建设这个知识世界，来拉动学习、思考能力。
最终是一个高度直观、游戏化的、自主驱动的学习，而不再是传统课堂老师主导。