大眾教育發明了「聰明」和「愚笨」:事情是這樣發生的

五年前,我透過努力將智商測驗分數提高了 50-70 分。我變得傲慢自大;我會告訴別人他們不合邏輯或事實錯誤。

\ 如果我這麼聰明,為什麼我不是班上第一名?整潔?有條理?友善?或專注?

\ 畢竟,「智力的唯一真正測試是你是否從生活中得到你想要的。」- Naval。

\ 這句話只是一個有用的啟發,我喜歡引用它是因為它務實。

\ 但你不能將智力的定義推斷為從生活中得到你想要的能力。

智力不是客觀的。

智力不是一個純量;它是許多技能的高維度集合。它的相關性取決於問題領域和可用的回饋循環。

\ 認為你比在 TikTok 上跳舞的人更聰明是有缺陷的,因為你讀了像這樣的文章,或者擁有「世界上最有天賦的孩子」這樣的頭銜。你見過所有的孩子嗎?或者你有一個可以觸及那些你沒見過的人的標準嗎?

\ 如果我擅長講有趣的笑話,而你擅長數學,我們都不是「更聰明」。

\ 學校、政府和媒體會堅持認為有些孩子是「有天賦的」,而有些則不是。

\ 這篇文章是對這個故事的歷史剖析。我將向你展示「聰明」和「愚笨」之間的鮮明分界線僅有兩個世紀的歷史,它的出現是出於無聊的制度原因,而不是關於人類潛力的深刻真理,而且我們視為「不夠聰明」的大多數障礙都是 19 世紀大眾教育和少數糟糕替代指標的產物。

\ 除了明顯的例外:有神經系統障礙的人、少數 James Sidis 級別的異類等等。但與那些從未獲得環境、激勵或時間來發展對他們真正想要的東西很重要的技能的人數相比,他們相形見絀。

500 年前誰聰明誰愚笨?

有些人可能認為抄寫員、醫生和哲學家聰明,而木匠、麵包師和鐵匠不那麼聰明。但這是錯誤的。

\ 為什麼我們建立了能夠寫作和圖書館組織的 AI 模型,卻沒有 AI 鐵匠和木匠?

\ 鐵匠必須了解冶金學、耐熱性、幾何學、肌肉記憶等等。

\ 一個人的工作並不會讓他在心智上優於另一個人。

\ 如果你想學習生火,那麼你會觀看別人生火,並遵循他們的指導。如果你想學習狩獵,你會和你的部落一起去狩獵。

\ 如果你想學習鍛造,你會拜一個鐵匠為師。

\ 如果你想學醫學,你會跟隨一位醫生或助產士。

\ 沒有入學考試或成績單。你只會根據你最終能否生產出不會破裂、不會殺死病人或燒毀房子的作品來評判。回饋迅速、具體,而且通常代價高昂。

大眾教育的起源

地位障礙來自我們的地位遊戲。有些工作是為特定的行會、種姓或性別保留的。

\ 即使如此,學習仍然透過模仿和長期學徒制進行。一個不能去鐵匠鋪的富家男孩和一個不能上大學的窮家女孩都被政治排除在外,而不是因為任何理論認為他們的大腦不適合這門手藝。

\ 斯巴達人、阿茲特克 telpochcalli、耶穌會學院和普魯士 Volksschule 系統是我們現代學校系統的根源。

\ 他們明確的目的是培養服從的士兵和公務員,他們會毫無疑問地服從命令。

\ 普魯士在 1870 年對法國取得了顯著的軍事勝利,導致許多國家相信其教育設計是國家力量的關鍵。

\ 所以,他們複製了它們。他們複製了他們的鈴聲、制服、嚴格的時間表、年齡組別和集中式課程。英國、法國和美國是最早採用這種教育系統的國家。

\ 大眾教育是關於為工廠和官僚機構生產可預測分佈的人力原材料。

「愚笨」方程式

\ 學校是試圖使教育「可擴展」且負擔得起。三十個孩子要同時學習一個課程,按年齡組和制服分組,而教師必須在鈴聲響起之前趕完科目。

\ 在這個系統中,不太可能每個學生都能理解和/或對黑板上寫的問題感興趣。這讓他們感到愚蠢和悲傷。

\ 任何無法跟上班級平均速度(取決於教師的技能和班級規模)的人都不會通過,並會被貼上「愚笨」的標籤。

\ 從數學上講:

\

學生和教師為他們的紙上會寫什麼而優化,他們走捷徑。

\ 現代固定、一般智力的概念是工業分類技術的產物。

智商測驗。

智商測驗不是用來測量深層、不變的「腦力」。第一個版本是由 Alfred Binet 在 1905 年為一個特定目的建立的:發現巴黎學童中會在標準課程中掙扎的人,以便他們能夠得到額外的幫助。

\ 這項測試在 20 年內被軍隊和學校劫持了。

\ Stanford-Binet、WAIS、Raven's matrices 等今天存在的測驗測量相同的四件事:詞彙、算術、積木設計和矩陣推理。這些是 19 世紀學校教育和官僚工作所需的基本技能。智商測驗不會幫助你測量其他任何東西。

\ 此外,像其他技能一樣,它們是可以訓練的。

• 我自己在常見的線上 Raven's 風格測試中的分數在 2020-2021 年大約四個月的練習中跳升了 50-70 分。
• 雙重 n-back 訓練研究顯示在矩陣測試中增加了 10-20 分,持續數月。
• 挪威軍事數據顯示智商每十年大約上升 3 分。

\ 智商測驗根植於統計違規行為。你可以在 Darrel Huff 的《如何用統計數字說謊》一書中找到這種技術:

• 樣本有偏差:選擇問題是因為它們與 1920 年代美國或英國的學校成績相關。如果你沒有在那種文化背景下長大,你就會失分。
• 「平均值」透過重新標準化每一代都被強制設為 100。
• 天花板和地板效應隱藏了尾部的變異。
• 短時間內精確測試結果的可重複性很高;不同測試之間或多年後的可重複性是中等的。當你停止訓練時,技能會衰退。我在撰寫本節時重新參加了一些線上測試,得分為 138 和 163。

\ 即使你設計了一些穩定且測量良好的智商測驗(有一些由智商 190+ SD15 的人編寫的令人印象深刻的測驗),與真正重要的事情相比,它仍然是一個糟糕的指標。

\ 他們可以預測誰會在大眾教育中表現良好(這就是他們的製作目的),但不能預測誰會建立一家偉大的公司、撫養快樂的孩子、作曲以及解決世界上最重要的問題。

自學

我們不再有在 1900 年為大眾教育和智商分類辯護的藉口。

\ Khan Academy、YouTube、AI 導師、開源程式碼庫和來自全球市場的即時回饋意味著任何有網路連接的人現在都可以以自己的節奏訪問任何科目的世界最佳教師。

\ 選擇你真正想要的東西。

\ 找到在世的十個最擅長它的人。

\ 研究並精選他們所做的;學習會如此有趣,以至於你可能會忘記吃飯或睡覺。

\ 測量你的產出。

\ 無情地迭代。

\ 這個循環勝過任何分數或童年標籤。

\ 在我停止關心矩陣謎題之後,我用寫作、程式設計、科學和其他一些事情做到了這一點。我的生活顯著改善了。

\ 障礙從來不是你的大腦。

\ 乾杯。

\ —Praise

\ 分享這篇文章,並訂閱我的每週電子報: https://crive.substack.com