訂立可具體衡量成果的目標

講完了有效學習的方式，接著聊聊目標。設立好的目標在學習過程中極為重要，可以說很大程度決定了你的成敗跟效率，甚至也跟動力有關。

如果是前兩篇那種程式初學者的例子，例如迴圈陣列之類，訂目標算是很容易的，因為大多有明確的題目與標準答案，這些本身就能當作小而具體的目標。但你人生中會遭遇到的挑戰往往都沒這麼單純，不會這樣一章一節一題幫你分配得好好的，更多的時候你是在茫茫大海中摸索新知。此時，在練習前，第一要務是你要先學會設定好目標。

讓我們先跳脫一下，換個運動類的技能做例子，以籃球為例，若我今天想練習傳球的技能，該怎麼訂目標呢？

1. 我要把傳球練好
2. 我要能邊移動，邊把球傳到指定的位置上
3. 我每回合要在一組給定的移動動作中，傳球到指定位置 10 次，成功次數要達到 8 次以上

以上三個都是目標，但越後面越好，簡單來說，好目標的基礎要素要包含足夠具體的內容，與可量化的成果。（有一派說法是完成時間也要寫進去，這點我自己認為是有幫助，但並非一定必要）

因為唯有具體的目標才能帶來有意義的回饋，更簡單的說，才能定義什麼叫練習成功，什麼叫練習失敗，而一但失敗才能即早修正，看是要改變練習方式，或是重新設定目標，避免陷入錯誤練習的迴圈。

現在讓我們再換一個程式學習的例子看看

• 不好的目標：今年要學會資料結構與演算法
• 好的目標：這週先花兩天理解二分搜尋法的概念，寫出第一個版本，接著再花兩天練習三個實際問題，確認正確性，最後一天用不同的資料量級，確認時間複雜度與預期相符。

第一個可能是很多人曾經立過的目標（最起碼我自己，跟我的不少學生都講過類似的目標），但最終你會發現，太大、太模糊的目標，雖然可能會讓你一瞬間燃起鬥志，但最終只會在幾天後成為又一個被無限期擱置的夢想。反之，小而具體的目標，而且有設定成功條件，才是真正可以執行並帶來成長的關鍵特效藥。不要小看這一個小小的改變，今天先簡單開個頭，後面的很多章節，我會透過各種有學術驗證的理論，再回來聊設立好的目標的價值有多大。

當你的目標不夠明確，有一種很可怕的狀況是，你以為你有在努力，但其實完全沒幫助到你。一個學生可能每天練球練幾小時，但練習過程既沒有目標，也沒有修正的依據，那你其實只能說是在玩球，而非練球。有點像你努力想走到某處，結果卻是四面八方的隨機亂衝亂跑，表面上好像你做了很多努力，走了很多路，但實際上離預設的終點幾乎沒有變近，甚至還變遠。

而如果你有一個優秀的 Mentor 在旁邊，那在一定可以在設定目標的環節上帶給你很大的幫助，但如果沒有的話，一樣，很幸運的，這其實也屬於生成式 AI 的強項，還記得前幾天提到的黃色小鴨 Rubber Duck Debugging 嗎？以下是我的嘗試（我甚至可以用中文問，多方便！），雖然他的回答也不到我心目中的完美，但仍然是個很不錯的起步，我會建議每次學習一個主題以前，可以先用類似方式跟他多互動來回幾次，先幫你把目標訂下來再開始。

請記得，Mentor 的角色一樣著重在"協助"上，但最終是學習者自己花費心思去反覆思索與實作，才能真正內化成自己的東西，如果中途想偷懶跟老師直接要答案，這樣的學習效果就會大打折扣。

最後，設立目標還有一個很大的好處，因為有了階段性的目標，就會有完成的一刻，而一旦完成目標，你的大腦就會釋放多巴胺讓你感覺良好，成為你繼續往前的動力。在多次的達成目標後，你的大腦會自動的更渴望這種感覺，因此讓你產生源源不絕的動力，這將會是能為你帶來長期成功的關鍵因素之一，未來幾天我會針對這點詳聊。

PS: 如果你剛好是教育者，完美練習一書中提到，不只學生學習要有目標，老師、教練在設計教程時，也應該一開始就列出每個教程想達到的具體目標，且目標必須要可以清楚衡量學生做到還是沒做到（例如投籃命中率、能否解釋某個重要概念、是否完成一個目標作品…等），並靠這些資訊回頭驗證課程的設計是否需要修正。