如何培养“天才”儿童?

2019 年 6 月 12 日 三联生活周刊

早在19世纪六七十年代,英国学者弗朗西斯·高尔顿进行了家谱研究,他发现历史上的名人,大多数家庭也很有名。他将自己的研究成果写在了一本名为《遗传的天才》的书里,把人类的聪明才智归功于遗传的结果。他也因此被认为是天才研究的鼻祖。


  弗朗西斯·高尔顿肖像

Charles Wellington Furse绘,伦敦,1954年

苏格兰国家肖像美术馆藏

 

1904年,在法国教育部的要求下,法国学者比奈和其助手西蒙研发了一套智力测验(比奈-西蒙智力量表),用于挑选出那些在学校里跟不上学习的学生,以找出他们学业不佳的原因。而后美国斯坦福大学的刘易斯·麦迪逊·特曼在运用这套智力测验时发现:不同年龄的孩子之间的智力不能比较,也就是说,智力不能跨年龄比较。因此,催生出了另一个新的概念“智商”。从此人们对“天才”的测量就有了一个量化的标准。


刘易斯·麦迪逊·推孟

图片来源于俄亥俄州阿克伦大学的美国心理学历史档案馆

 

而在20世纪80年代,“弗林效应”理论的产生在一定程度上反驳了遗传决定论。这一理论的发现者是美国科学家詹姆斯·弗林。他发现,在过去半个世纪中,发达国家年轻人的智商测验分数出现了持续上涨。


已故心理学教授吉尔福德(J.P. Guilford)认为,通过培养创造力和分析推理等特质,学生可以学会变得更聪明。照片来源于南加州大学档案馆。

 

那么,天才儿童在多大程度上能靠后天培养而成?研究这些天才儿童的意义又在哪里呢?

 

美国心理学家戴维·费尔德曼曾在《大自然的话题:神童与人的潜力发展》一书中表示他在研究超常儿童的过程中遇到了一些异常顺利的典范:“孩子的天赋兴趣、父母的养育、学校的教育以及社会的机制,完美地促成了一个人一生潜力的最佳发展。”这些典范提供了一种视角,“可以让我们看到那些不那么顺利的情况到底是哪里出了问题”。

 

对儿童的培养,除了对个体的精神和人生塑造有积极作用,中科院心理研究所超常儿童研究中心主任施建农认为我们也应该看到超常儿童的发现、培养对国家和社会创新能力的发展所作的贡献。“想要一个人成才,首先应该是成‘人’。如果‘人’都没有了,就不用谈‘才’。”

 

在谈到儿童教育问题时,施建农老师提出了以体育社会德智培养为基础的教育理念,并根据具体情况,对超常儿童教育采用了对应的缩短学制的方式。

 

在中读精品课《解码人类:探秘生命真相的科学课》“‘创造’天才”一讲中,我们可以听到施建农老师关于儿童教育问题,以及人的智力、创造力培养问题的更多讨论。


👆点击试听《解码人类:探秘生命真相的科学课》


13万字超大课程容量

600分钟音频内容

243个科学概念

科学版“人类简史”+“生命简史”


前沿、系统的生命新认知

一个有趣又烧脑的生命科普课


从人类的起源开始,经过人类的进化期,再到人类爆发冠绝群雄的创造力······在9位顶级专家智慧而生动的讲述中,生命科学的基础知识、最前沿客观的研究动态、生命发展背后的一整套逻辑和规则通通逐渐明晰起来。


课程中涉及到的问题着眼于生活:延长寿命、治疗疑难疾病、提升大脑潜力。因而,无论是线粒体DNA、Y染色体还是二甲双胍这些专业词汇,都毫不枯燥,它们都变成了嫌疑人X,是带我们理解人类生命进程的必经。



人类学、生物学、脑科学等多学科知识巧妙融合

多层次引发你对现实生活的思考


生物学不是一个孤立的学科,化学、医学、物理学等学科将不可避免地介入生物学,我们的课程也也会融合多学科成果,共同搭建人类生命这头“大象”。



这是一堂饱含人文色彩的生命科普课程,用科学的角度去观察历史,用人文的关怀来认识生命科学。


《三联生活周刊》资深主笔、科普作家、《生命八卦》图书作者土摩托领读,带我们一起走进解码生命真相的冒险之旅。




用户好评



你将获得



▼扫描二维码,享受限时特价


 点击阅读原文,立即订阅《解码人类:探秘生命真相的科学课》精品课

登录查看更多
1

相关内容

人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
终身教育百年:从终身教育到终身学习
MOOC
20+阅读 · 2019年3月5日
上新 | 《中国地理必修课》,让孩子更懂中国
罗辑思维
3+阅读 · 2019年2月25日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
15+阅读 · 2019年3月16日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
Top
微信扫码咨询专知VIP会员