後設學習
Scott Young 提出的學習前置作業——在投入大量時間學習之前，先花整個時程的 10% 研究「要學什麼、怎麼學、為什麼學」，把學習路徑畫成地圖再開始走
「在你投入大量時間之前，先確定你的時間投在對的地方。」— Scott H. Young
核心洞察
後設學習（meta-learning）是 Scott Young 在《超速學習》九大法則中的第一條，也是最反直覺的一條：在你開始學之前，先停下來研究「怎麼學」。
一般人拿到學習任務的反應是立刻開始——買書、報課、刷題。Young 的建議是倒過來：先花整個時程的 10% 做學習地圖。三個月的計畫就花 9 天研究，一年的計畫就花 36 天。這個比例乍聽誇張，但親手做過就懂：沒做這一步，後面 90% 的時間至少有一半會浪費在錯的教材、錯的順序、錯的練習方式上。
後設學習要回答三個問題：要學什麼？（核心概念 vs 邊緣概念）、怎麼學？（訪問 3-5 個已經學會的人，問他們的路徑與踩過的坑）、用什麼學？（哪些教材最直接通往目標，哪些只是看起來像在學）。Young 的貢獻是把「元認知」這個認知科學術語從學院派手中拿出來，變成自學者可執行的 check-list。
這個概念跟《學習如何學習》Oakley 講的「先瀏覽目錄建立全景」、《超牢記憶法》Brown 等人強調的「學習前先理解知識結構」是同一件事——只是 Young 把它升級成「學習專案的前置作業」規格。
實際應用
開始任何新學習任務之前，給自己 10% 的時間做三件事：
- 畫知識地圖：用一張 A4 紙列出這個領域的主要概念、彼此的關係、以及目標終點。不求完整，求能看懂整張圖
- 訪問三個過來人：找 3-5 個已經達到你目標的人，問「如果重新來過，你會怎麼學？」「哪些教材其實是陷阱？」——這一步通常能省掉數個月的彎路
- 設定完成標準：你怎麼知道自己學會了？有了明確終點才能反推路徑
AI 時代的更新：ChatGPT / Claude 把後設學習的前期成本壓縮了——你不用再訪問 5 個人，一個 prompt 就能拿到初稿路徑。但驗證這條路徑對不對的責任還是在你——AI 給的常常是「訓練資料平均值」，不一定適合你的起點跟目標。後設學習從 10% 壓縮到 2%，但那 2% 還是必須自己做。
