markdown based knowledge node editor

with following funtion:

• edit title, create catalogue using seperator "/"
• search best background music
• search best background image
• search best background dynamic image
• search best attention-enhence css
• image、sound elements are dragable

supported file type:

• gif,jpeg,jpg,png,webp
• wma,mp3,AAC，Ogg，Opus

提供报告

• 学习时长、排行、分布等报告

提供数据分析接口

• 内置的分析接口
• OAuth之上的接口

开放的知识使用接口

性能指标

• 学习知识费时短，学习效果评价高
• 不影响后续内容的学习，学习退出率
• 学习内容被喜爱
• 和其它知识一切，构成具有多样性、互补性，便于学习时的交叉引用
• 形式支持内容的高速进化。能演化最好的知识，也能顺从喜好和潮流

解释

• 知乎，quora 类知识平台。
  路径依赖太强。早期的答案被注意力锁定放大。后来的好东西难以浮出。知识在扩散会导致互联网信息和思维老化
• 谷歌这样的搜索引擎
  让人震撼的探索神器。局限：它通过推选权威服务信息命中。这个过程混杂了太多意图，并不面向人类学习效率和学习体验优化。
  -低学习退出率：维持15.87%的“最佳意外率”

性能指标

知识受欢迎的程度 * 受众在无关领域的最大的理解能力中的5个的均值

解释

• 顶级的专家可能讲得好，也可能讲的不好。好的学习者和好的教师是两种人。 ^[1]
• 具有理解不同的困难问题能力的人，他的批判能力的预期是广泛深刻的。 ^[2]
• 聪明人关心实质、框架、事实，提取完想要的就转身离开了。
• 高阶学者对风格有色盲倾向，倾向无视与简化。
• 但对一般学者，意识到不同的存在，才能保留选择的自由度。对风格的穷历，让自身 move on。引入错误，只要立即被比对，就是在构建很健康的反馈路线
• 学者对知识风格存在偏好应该被尊重和照顾。我们无权力妄念逼人，也无权强使他人早熟。

注

[1] Jone sammule ,boswell
[2] 某版《 物种起源》中文序

核心思路

不采用视频:

• 视频是远比人静图受欢迎。含有大量诸如长相是否好看，表情是否夸张，是否激情，是否自信等情绪、故事线索。
• 这意味着引导社会地位偏见，权威偏见、浪费注意力。
• 视频无法做到对内容一再优化，让其接近完美的形式
• 视频对带宽也有很高要求，采用视频是个强大的准入挑战。
• 给予一个头像的来保留作者展示自己的权力

采用准视频

• 但是视频实在太受欢迎了。视频中的人比真人更美。哪怕用视频的方式呈现一张静态图片，也比静图受欢迎。
• 把静图内容组合成动图的形态，
  • 允许暂停、加速播放
  • 允许加入分散注意力的动态底图，因为理解需要发散的思维活动/思维创造性。干扰可以做到这一点。

声音给与保留

• 声音无法展开，对效率是个严重挑战
• 但是引入休息，情景等需要声音

图片，背景图片

• 强烈保留

动态的注释

• 只要和内容相关性高就保留。
• 它提供了互动、交流想法、帮助理解的机制

文字

• 支持markdown 等编辑器，支持模板

性能指标

• 知识样本信息量：轻量化
• 知识点对应的若干知识样本间，交叉熵增最大化

解释：

• 知识的创作应该碎片化，不应该要求尝试去创作完整的作品。  
  

  • linus torvalds说如果当时我真的知道从头建立一个操作系统的难度，肯定是不会有勇气去做的。

• 好主意其实是在想法的连接、变化过程中产生的
  

  • 要关注这个连接和变化本身。为表达额外构建的结构应最小化。
  • 好主意经常产生消失，时时关照记录是个好主意

• 需要形式多样、各有侧重的内容
  

  • 准确理解、快速理解的关键是交叉引用。交叉引用有效的前提是内容的独立性

1. 复习的总统目标是最大化用户知识结构评分。用户知识结构包括两个方面：1. 知识点的细节. 2. 知识体系
2. 通过群体先验概率+用户学习数据给出猜想的用户的知识结构。
3. 在给予知识结构评分的即时反馈前提下，允许学者有限而稀疏的操作来最大化的复习得分

性能指标：

• |意外率-0.1587| 的 最小化

解释

• 知识的斐波拉契难度。假设知识C依赖于知识a和知识b的综合。a的难度是5，b的难度是3。假设a、b独立，则C难度=5+3。
  • Entropy(c)=Entropy(a,b)=Entropy(a)+Entropy(b)
• 为了维持的最佳学习适宜度。也就是确保有最佳的意外率。
  学习路径匹配用户实况（用户已有知识结构、疲劳度等），下一份学习材料要通过模型即时预测给出
  人话：学习材料不能太难，不能太容易，要知我未明的心意，让我学的爽。

学习反馈系统的核心设计原则

• 量化新知
• 强效固化新知
  • 能够及时使用学习到的内容。使用可以提高30%的学习效果
  • 能够从即时用来教别人。教师的视角出发，允许学者发现留意和发现 ，^{1 2}
• 认知信念。
  • 能够强化终身学习的心里预期 ³
  • 知识可以慢慢完善 ⁴
  • 人具有成长性
  • 不必学的东西，永远不必浪费时间，等到需要学的时候再
  • 值得终身学习的东西，长程、轻量级唤醒

模块

• 搜索课程/ 知识
• 创建知识
• 创建课程
  • 批量回忆，8个知识为一个单位
  • 对每个知识点建立状态模型，量化学者对知识的掌握情况
  • 如何用自己创建的课程补短板
    • 学习不对的，再学一小部分正确的
• 学习 / 复习 / 长程回顾
  • 随机切换学习的效果好于单纯重复
• 休息

额外制约原则

+ 能够支持筛选好的学习材料

[1] 何欢. 大局观
[2] 梦泽读书. 从学渣到博士：一个学习方法改变我的命运，自创2.0版费曼学习法[E]. https://www.youtube.com/watch?v=hh9kFKVKpSM
[3] 安德斯·艾利克森. 刻意练习[M].

elements to display one knowledge node [展示知识点下的一个样本，一个知识点会展示多个互补的样本]:

• display markdown page
  • enable sound played repeatedly
• support random background sound
• support random static background image (dynamic) / disturbing image
• support attention enhence css

elements to build a lecture

• count down timer
• cross-reference progress bar
  - skip left content