我这我对你的文章的理解,黑体字是我的理解
我觉得要视为常量还是变量, 和任务的性质与主观目的高度相关.
我们使用的是相对层级, 意味着视为变量还是常量, 不能看它是否是"绝对意义上的概念", 而应该看"当前任务, 是否需要将它视为概念(变量)".
由于使用的是相对层级, 因此思考必须有一个基线, 不可能无限向下追溯, 具象. 对象层可以看作当前思考时的基线, 不需要再向下具象了.
因此, 我觉得应该被视为变量还是常量, 需要看这个"绝对概念"在当前任务中是否能被视为"思考的基线"( 是否是对象层 ) , 需不需要张开空间**(** 是否需要对对象层中的对象预测 ) 来进行处理(张开空间就意味着我们真正的推测要求是更下层的, 必须要被区分开看待的对象).
第八集原文:
“首先,我们需要弄清楚,下层(对象层)和上层(共象层)之间,哪一个才是核心,因为这将决定我们应该首先确定哪一个。
尽管之前的讨论中我们重点谈论了抽象,但事实上,预测中的核心始终是「对象层」。
回想一下,大脑最初为什么要对现象进行抽象呢?
这是因为在遭遇「对象层」中的某些未见情况**(** 这是存在上层的条件 ) 时,需要从众多已见情况中挖掘一个「通用处理规则」来应对。这才需要抽象已见情况的共性,来判断「眼前的未见情况」能否被「挖掘出的通用处理规则」所应对。过程中,虽然我们会得到共象层的两个概念,但这两个概念只是「能应对」或「不能应对」的判别结果,并不是我们要处理的对象。我们要处理的对象,始终都是对象层中的未见情况。”
第二十二集原文:
"需要重点强调的是:「联结模型」虽是「两个概念间的关系」,但我们在应用它时,所针对的并不是「抽象概念本身」,而是「概念所代表的具体对象」,因为此时的「概念」只是代表着「一群具体对象」的「符号」。
换个说法,我们在运用公式时,所针对的并不是「公式里的"字母"本身」,而是「“字母"所代表的具体数值」,因为此时的"字母"只是代表着「一群具体数值」的「符号」。
如下图所示,应用「联结模型」时,我们所要处理和解决的问题是「下层的具体对象之间如何对应」。用「抽象层级」章节中「下上结构」的话来说:「下上结构中的核心」永远是「下层(对象层)」,「上层(共象层)」是解决「下层」的「工具」。”
也就是, 对于绝对概念a, 如果对于真正的推测要求,
Ⅰ绝对概念a更下层的对象被视为必须要区分开**(** 需要预测的是概念a下的某个对象 ) ,
Ⅱ真正的推测要求就是为了推测这些必须被区分开的对象之间的对应关系, 即一个概念“张开空间”后,其内部元素与目标输出之间存在值得建构的、非任意的关系.( 需要了解作为输出的概念a下单个对象与作为输入的概念下对象之间的关系 ) 那么绝对概念a应该被视为变量(即相对视角下的概念).
反之, 如果
Ⅰ我们不关心该概念外延内部元素的具体差异**(** 并不关心作为输出的概念a下的某个对象 ) , 可以将其忽略, 且
Ⅱ具体差异之间不存在可建构的有价值关系**(** 什么是具体差异之间存在可建构的关系,是指作为输出的概念a下对象之间建立关系吗?还是作为输出的概念a的对象层对象与作为输入的概念的对象层对象间的关系 ) , 那么绝对概念a应该被视为常量.
①
#d 假如需要张开空间处理, 则视为变量:
#e 例子1:
在学习"s=vt"这个公式时, s, v和t这三个抽象概念所在的层级不能被视为对象层. 因为我们真正要推测的要求是"具体的速度, 具体的位移和具体的时间之间的关系".( 推测是在题目中进行的,我们必须从题目中找到代表速度、位移和时间。由于每个题目中的速度、位移和时间都是不同的,所以s、v和t并非只有一种情况,需要处理了的是s、v和t作为概念下的某个对象,所以s、v和t需要被视为抽象层 )
此时, 由于
Ⅰ"具体的速度", “具体的位移"和"具体的时间"之间必须被区分开, 且
Ⅱ真正的要求就是推测"具体的v, 具体的t怎么得到具体的s”( 抽象层v在具象层的一个对象和抽象层t在具象层的一个对象之间的关系,得到抽象层s下的一个对象,我们操作的都是这些实际上是概念中的一个对象,所以需要展开 ) . 因此"s, v和t必须被张开成空间进行处理, 即视为变量.
#e 例子2:
「学识音」是建构「从变量(物理声音)到变量(语音类别)」的「映射关系」,是在建构一个规律,以便可以判别「各式各样的物理发音(输入)」属于「什么语音类别(输出)」.
在这个任务中, “物理声音"不能被视为常量, 因为我们真正推测的是"具体的, 不同的物理声音"如何对应到"某一个的语音类别”.
此时, 由于
Ⅰ"不同的物理声音"“具体的语音类别"必须被区分开, 且
Ⅱ真正的推测要求就是为了推测"具体的某物理声音"应该怎么被对应到"具体的语音类别”, 因此"物理声音"和"语音类别"应该被视为变量.( 这个段落感觉难以听明白,我理解下的物理声音指的是常量,语音类别是变量,物理声音是语音类别这个概念的一个对象,不同的物理声音的整体是语音类别的外延 )
②
#d 假如不需要张开空间处理, 则视为常量.
#e 在「练发音」中, 建构的是「从常量到常量」的「对应关系」.
输入常量:苹果含义. 输出常量:某肌肉信号.
首先, 之所以视为常量, 是因为此时苹果含义和肌肉信号不需要张开成空间处理. 假如需要张开成空间处理, 那么我们真正的推测要求应该是"苹果含义中的一个必须要区分开看待的具体苹果含义"( 抽象层的苹果概念在对象层的苹果对象的含义 ) 到"某肌肉信号中必须要区分开看待的肌肉信号**(** 抽象层的肌肉信号概念在对象层的肌肉信号对象的 ) “. 但是在实际发音任务中, Ⅰ我们不需要关注在我们想"苹果含义"这个抽象概念**(** 抽象层苹果 ) 时, 想的到底是哪个"苹果含义”( 对象层苹果 ) , 因此真正要求不是"苹果含义"这个抽象概念再往下的需要被明确区分开的对象, 而可以把"苹果含义"这个抽象概念直接视为"一个整体".
其次, 变量间的关系是映射关系, 这个映射关系是意义所在. 如果把"苹果含义"和"肌肉信号"张开空间处理, 那么"某个具体的苹果含义"和"某个具体的肌肉信号"并不呈现固定的, 有意义的对应关系, 而是一种松散的随意对应. 即如果强行“张开空间”,内部的具体含义和具体的肌肉信号之间并不存在一个有意义的、固定的关系. 这也可以体现出, Ⅱ我们的要求根本不是要探求"某个具体的苹果含义"要对应到哪个"某个具体的肌肉信号", 因此, 更上一层的"苹果含义"和"肌肉信号"更应该被视为此次思考的基线, 此时"苹果含义"和"肌肉信号"所在的层级被视为对象层. 因此, "苹果含义"和"肌肉信号"被视为常量.
可以认同观点
Ⅰ 绝对概念a更下层的对象被视为必须要区分开 ( 需要预测的是概念a下的某个对象 )
难以理解观点
Ⅱ 真正的推测要求就是为了推测这些必须被区分开的对象之间的对应关系 , 即一个概念“张开空间”后,其内部元素与目标输出之间存在值得建构的、非任意的关系 . ( 需要了解作为输入的概念a下单个对象与作为输出的概念下对象之间的关系 )
因为 值的建构的、非任意的关系 指代不明。
根据观点1来看,一个 绝对概念a 的预测任务是模型预测还是经验预测取决于预测的是绝对概念a下的一个对象,还是绝对概念a。
以“ 学习"s=vt ” 这个公式 为例,
假设我们问 I 一个人的速度是5m/s,时间是10s,该人位移多少m?
II一个人的速度是10m/s,时间是15s,该人位移多少m?
可以发现绝对概念s并非只有一种情况,会随着速度和时间的不同而不同,因此需要预测的是绝对概念s下的一个对象, 绝对概念a更下层的对象被视为必须要区分开 ,属于模型预测。
如果是问
S=什么
此时绝对概念s只有一种情况,需要被视为常量,作为对象层对象,只需回答s=vt即可。
综上所述,由于第一个假设是针对绝对概念s下的一个对象,所以需要展开,第二个假设是针对绝对概念s本身,无需展开。对同一个概念,人主观目的的不同意味着预测对象的不同,决定了是模型预测还是经验预测。