资源介绍
打开这本书的时候，我其实有点好奇一个物理学家能怎么讲"学习方法论"这种看起来很"软"的话题。读了几页之后才发现，这位作者来头不小——Carl Wieman是2001年诺贝尔物理学奖得主，因为玻色-爱因斯坦凝聚的实验实现而获奖。但在学术生涯的巅峰时期，他选择了一个新的方向：研究怎么教好书，怎么让学习者真正学到东西。这本由Jenny Stanford Publishing于2026年出版的《How to Learn to Think like a Skilled Engineer or Scientist and How to Teach It》，就是他把多年研究和教学经验凝练出来的成果。
整本书的核心议题非常明确：什么叫"像工程师或科学家那样思考"，以及我们能不能把它教出来。作者通过大量认知科学和学科教育研究的数据，把"专家"和"新手"的差异拆得很细——不只是知识量的多少，而是知识的组织方式、决策的路径、面对真实问题时怎么调动已有经验。书中讨论了工作记忆与认知负荷的关系、System 1和System 2两种决策模式的区别，以及在不同学科里专业问题解决的共性和差异。这些内容听起来有点像认知心理学教材，但作者并不是在堆砌理论，而是始终围绕一个实际的追问：这些东西对教学到底有什么启示。
这本书最具操作性的部分，应该是关于"刻意练习"那一章。作者和他的合作者提出了一个叫做"Deliberate Practice of Problem Solving"的框架，核心意思是专家解决问题时并不是凭直觉乱试，而是一系列可以被识别、可以被练习、可以被反馈的具体决策步骤。书中给出了模板、例子和具体的课堂实施方案，从讲台授课到实验课再到项目式课程都覆盖到了。这一点我觉得特别有价值，因为市面上讲学习方法的书很多，但真正给出"怎么做"而且有研究支撑的并不多见。
从推荐序的阵容也能看出这本书在高等教育界受到的重视。哈佛的Eric Mazur教授、斯坦福的Persis Drell教授、康奈尔的Peter Lepage教授都在推荐语里给了很高评价，关键词反复出现：deliberate practice、evidence-based teaching、authentic inquiry。Eric Mazur的评价尤其直接，说读完这本书你会有具体的工具去重新设计学习、评估和反馈，而且不会丢掉探索的乐趣。这种来自同行的认可，对于一本教育类书籍来说分量不轻。
适合谁来读呢？我觉得至少有三类读者会觉得有用。第一类是理工科的大学教师，尤其是那些对自己的教学内容很熟悉、但对"怎么教"这件事没有系统训练过的讲师和教授。第二类是研究生助教和新进教师，这本书基本可以当作一本教学手册来用。第三类其实是对学习本身感兴趣的本科生和研究生——知道专家是怎么思考的，对自己的学习策略会有很直接的帮助。推荐序里有一句话很能代表这本书的态度："for those who aspire to be effective, evidence-based instructors who rely on science in the classroom like they do in the laboratory"，教学应该像实验科学一样，基于证据，持续迭代。
值得一提的是，这不是一本让你读得很轻松的鸡汤书，里面有大量的研究引用和认知科学的术语，作者也没有刻意迎合大众读者。但它也不是那种让人望而生畏的学术专著，结构清晰、案例丰富，每一章都有明确的教学含义。如果你在教学或者学习中遇到一些根本性的困惑——比如为什么学生听了课还是不会做题，或者为什么自己明明很努力但进步却很慢——这本书提供的视角也许能帮你跳出原来的思维框架。总的来说，这是一本有学术分量、又有实践价值的小书，值得每一个关心教育质量的人认真翻一翻。