丁一新+蔡双桃

摘 要：在如今被科技驱动的世界，计算机的性能大大被提高、电子机械设备也越来越普及、我们访问互联网也变得越来越容易，而且用户能够收集和传送的数据比以往任何时期都多，我们如今生活在一个“大数据”时代。在这样一个数据爆炸的时代，我们电力运维需要接收和学习的内容也越来越多。文章根据已经基本成型的艾宾浩斯记忆模型理论，然后加上作者的电力运维的一些经验而做出的一些研究，希望能够给学习电力运维的人们一些帮助。

关键词：艾宾浩斯；遗忘曲线；电力运维

中图分类号：TM933 文献标识码：A 文章编号：1006-8937（2016）27-0047-02

1 概 述

在当今这个时代，每天都会产生大量的新信息，并且我们总是尽可能的要学习到对我们有用的技术、知识。就比如我们做电力运维的来说，你如果想要跟上社会的潮流，想要使自己的公司能很好的使用最新更新的技术、能使用最新出厂的设备，那我们就必须要努力的学习新的知识。但是，对于一个刚进入这个行业的一些新人来说，一些基本的知识还没掌握，怎么能学好那些最新的技术呢？许多人开始抱怨好多知识点记不住，我们就根据艾宾浩斯记忆模型理论，然后加上我们的一些工作经验，做出了一些研究。首先，我们先来了解一下什么是艾宾浩斯记忆模型理论。

2 艾宾浩斯记忆模型理论

在19世纪的时候，德国的心理学家艾宾浩斯经过研究发现，遗忘是在我们学习之后就立马开始的，并且它的规律还不是均匀的，刚开始的时候我们会遗忘的比较快，然后慢慢地就会变得缓慢。艾宾浩斯认为遗忘和记忆是基于时间的曲线函数，并且他对记忆、遗忘现象做了大量的研究，并把他的实验数据记录为一条基于时间的函数曲线，即后来著名的艾宾浩斯记忆遗忘曲线。如图1所示。

我们从图1艾宾浩斯记忆遗忘曲线中可以看出，遗忘从我们学习完之后就开始发生。并且在开始的几个小时之内遗忘的比较快，之后速度就变得越来越慢，也就是说遗忘的速度并不是我们以前认为的是恒定的。

在艾宾浩斯研究的基础之上，人们经过研究发现，记忆在人们脑中能够保持的时间上是不一样的，总的来说可以分为短时的记忆和长时的记忆两种。并且，在人们的不断学习过程中，短时的记忆可以向长时的记忆进行转化。同时在人们的遗忘过程中，短时记忆的内容与长时记忆的内容都有各自的遗忘规律，它们分别按照自己的规律遗忘。它们对应的遗忘数学模型如下：

数学模型（2）给出了人们对一个知识点学习后遗忘的具体曲线。同时我们可以从数学模型（2）中看到，当时间参数t等于零时，s（0）的值为1，这时我们可以认为这个“1”是用户在初始时所掌握的全部知识点。

并且通过与图1-1艾宾浩斯记忆遗忘曲线比较，我们可以发现这个数学模型的规律与图1所表现出的规律非常相似。

3 艾宾浩斯记忆模型理论在电力运维学习中的应用

那么，艾宾浩斯记忆模型理论可以在电力运维学习中给我们什么帮助呢？

首先，根据艾宾浩斯记忆模型理论，我们了解到记忆分为短时记忆与长时记忆两种，并且，长时记忆与短时记忆相比，更难遗忘。那么，我们就希望能够把我们在电力运维中所学到的知识与技术尽可能地转为长时记忆。

我们在电力运维中，在刚开始学习新的技术时，老是发现一些新的命令和语法记不熟，然后需要我们花时间去网上寻找，但是一些常用的命令比如说是cd、ls等一些相对而言比较基础的命令，我们总是能牢记它们。这就显示出了，短时记忆与长时记忆的差别。

在刚开始接触电力运维这一行业时，我相信我们对任何一条命令都是陌生的，你也不知道cd命令代表什么意思，ls命令代表什么意思，我们在平时刚开始所学到的东西都可以认为是我们的短时记忆。但是因为在平时的电力运维过程中，像cd、ls这些基础的命令我们经常会用到，所以关于这些命令的记忆就会慢慢变为长时记忆，这也就是上文我们提到的短时记忆可以在学习过程中向长时记忆进行转化。

那么我们怎样才能使我们记忆的内容尽量的都转为长时记忆呢？实际上，也就是像人们平常所说的一样，熟能生巧而已，只能靠我们平常多多使用它，才能渐渐地把我们学到的技术和知识变为我们的长时记忆存储在我们的脑海。比如我们在学习docker技术时，我们平常就可以自己新建一个docker容器，然后去使用它，慢慢地我们就把关于docker的命令熟记于心了。并且又因为你在建立docker容器的时候需要自己创建一个网桥，这样你就相当于又复习了一下关于网桥的知识。同时你配置好网桥之后需要它能与外网和本地的局域网进行通信，这样一来，你还需要复习或者是学习一下关于网络通信、路由等方面的知识。

从上面我们举得学习docker技术的例子来看，我们在复习一门技术时，往往能够相关联许多其他的技术，这样能够使我们串联记忆，使我们的记忆更加高效。当然，你也可以把你学到的知识点记录在一个文档中 ，每天去翻一翻、看一看，这样也是可行的。

另外还有些人认为是记忆的线索性缺失也会导致我们记忆的遗忘，这里指的线索就是一些我们记忆的内容与另外一些具有标志性事物的联系，这种联系有可能是客观的，当然也有可能是主观的，但是这些线索的出现会具有加强记忆的作用。

比如说我们在电力运维工作中，需要在软件开发或测试过程中对A服务器做某些软件的抽样检查，但是在A服务器上只有B软件才能够做C测试。

如果在生产环境上B软件不知道被装到哪个目录下的时候，由于看见B软件的频率不高往往测试员工会忘记做该C测试。反过来如果B软件容易找到的话，比如说就安装在根目录下面，当测试员工看见B软件的时候，一般就不会忘记做C测试。结合我们学习docker技术的例子，当我们复习有关docker的知识时，便自然地能够想起与docker有关的网桥、路由、通信等方面的知识，这样docker技术就成为了我们复习网桥、路由、通信的记忆性线索。

当然，它并不是唯一的记忆性线索，当我们学习其他技术有用到这方面的知识时，也是会把这些知识点串联起来。当有一天，我们能够把我们所学到的知识，都串联为一个网络架构的时候，那么这些知识就可以说是被我们所掌握了。

孔子曰：“温故而知新，可以为师矣。”早在很多年前，孔圣人就告诉了我们要定期地回顾我们早期所掌握的知识，并且要一边回顾一边思考，以便能够使我们学到新的知识。结合艾宾浩斯理论模型以及我们早期先贤的语论，我们可以知道，及时的复习与巩固我们早期学到的知识是非常的有必要的。

4 结 语

记忆力可以说是我们智力中最重要的组成部分，同样也可以说是我们学习过程中最为重要的一种能力，特别是在这样一个信息量爆炸的时代，需要我们有选择性、有技巧性的记忆。结合艾宾浩斯记忆模型理论，然后找到一种适合于自己的学习记忆方法，在当下显得尤为重要。

参考文献：

[1] 廖海林.关于记忆与遗忘定量研究的两个数学模型[J].江西：广播大学 学报，2003（4）.

[2] 周占良.知识遗忘曲线的数学模型与算法设计[D].四川：电子科技大 学，2007：50-57