精细自我解释
精细自我解释是一种学习方法，指学习者在理解新信息时，主动用自己的话解释其含义、原因或过程，从而深化认知建构。它强调在解释过程中建立内部逻辑连接，而非简单重复内容。

步骤详解：

1. 基础概念识别

   • 首先明确需要学习的关键概念或步骤（例如数学公式的推导）。
   • 初步理解表面信息（如公式的形式），但不停留于记忆。

2. 主动生成解释

   • 针对每个概念，自问“为什么如此？”或“如何运作？”，并口头或书面回答。
   • 例如：解释牛顿第一定律时，不仅复述定义，还说明“物体为何保持静止”与受力平衡的关系。

3. 填补逻辑缺口

   • 若发现理解中断（如无法解释步骤间的衔接），返回原始材料查漏补缺。
   • 通过多次尝试完善解释，直至能连贯描述整个逻辑链。

4. 关联已有知识

   • 将新解释与已知经验或学科知识联系（如用水流类比电流解释欧姆定律）。
   • 比较新旧知识的异同，强化网络化记忆。

5. 反思与修正

   • 检查解释是否准确、完整，必要时用外部资源验证。
   • 修正模糊或错误部分，例如通过习题测试解释的适用性。

作用机制：

• 强化编码深度：通过重构信息促进大脑精细化处理。
• 暴露认知盲区：自我提问揭示理解漏洞，针对性改进。
• 促进迁移应用：关联性解释帮助知识灵活运用于新情境。

实践场景：

• 阅读教科书时逐段总结核心原理。
• 解决数学题时详细记录每一步的决策依据。
• 学习编程时注释代码逻辑链。