学习计划与知识理解

学习的目标是你能独立解释和应用，不是获得一份看起来完整的答案。把 ChatGPT 用作教练时，要给自己留下作答空间。

从水平诊断开始

我想学习统计学中的置信区间，知道平均数和标准差，但没学过推断统计。
先用三个小问题判断我的基础，一次只问一个。
根据回答给我一个 30 分钟学习安排，不要先展示练习答案。

如果它问的问题太难，说明哪个前置概念不会；如果太容易，要求更换能区分理解深度的题目。

解释、练习、复述

看完解释后，用自己的话复述。让它指出遗漏和错误，再做一道没有见过的新题。只会复述它的原话，不能证明能够迁移应用。

要求给出反例：这个结论在什么条件下不成立？有哪些容易混淆的概念？类比的局限在哪里？

制定可执行计划

计划中明确可用时间、学习目标、资料和验收任务。例如“周五前能独立完成五道题并解释错误原因”，比“掌握基础知识”更容易检查。

留出复习和调整空间。日程太满时，应减少内容，而不是让任务表继续变长。

把学习安排变成可以完成的小循环

以学习电子表格函数为例，先给出三行练习数据，让它解释一个求和公式；然后自己修改范围并预测结果；最后让它出一道包含空单元格或文本的变式题。每次只增加一个新条件，更容易找到真正没理解的地方。

环节	学习者做什么	模型提供什么
理解	用自己的话解释概念	检查定义和容易遗漏的条件
应用	独立完成一题	在作答后给反馈
迁移	更换数据或场景再做	给一道不完全相同的新题
复盘	记录错误原因	帮助区分概念、步骤和粗心错误

卡住时请求提示，而不是完整答案

可以先要求它指出需要用哪个概念，再请求第一步提示，最后才查看完整解法。例如“只提醒我应该先算哪个量，不要给出结果”。这样能保留思考过程，也更容易判断自己是不会方法还是漏了一个条件。

复习时先关掉参考答案，用新题检查。如果换了数字就不会做，应重新解释方法；如果只是计算错了，则针对计算练习。学习计划应根据这些表现调整，而不是每天机械增加新内容。

学术与作业边界

遵守学校和课程对 AI 的规定。需要独立完成的作业，不应用生成内容冒充自己的工作。让模型解释概念、检查推导或提供类似练习，通常比直接索要最终答案更能促进学习。

引用论文时必须回到真实论文和数据库核对，不能凭模型给出的作者、标题和 DOI 直接引用。相关：事实核对。