語言大腦對學習程式設計比數學大腦更重要 https://massivesci.com/articles/programming-math-language-python-women-in-science/

近期一項由華盛頓大學進行的研究顛覆了長期以來將程式設計視為「數學密集型」領域的觀念。研究團隊招募了 42 位參與者，請他們完成線上程式教學平台 Codecademy 的十堂 Python 課程。課程開始前，受試者須接受數學能力、工作記憶、問題解決能力與第二語言學習能力的測試；學習過程中則透過程式內建測驗追蹤進度，並於課程結束後進行綜合測驗與程式編寫任務，以評估學習速度與熟練度。

結果顯示，一般認知能力——包括問題解決與工作記憶——是學習成效的最佳解釋因子，決定了受試者學得多好；而學習速度則同時受到認知能力與語言領域天賦的影響。語言學習能力解釋了近 20% 的學習速度差異，對照數學測試僅能說明約 2% 的差異，且與程式熟練度並無顯著相關。此外，研究團隊也收集了受試者的靜息狀態腦電圖 EEG (腦電圖)，發現高水準的β 波動與較快的學習速度及較佳的程式知識呈正相關，進一步支持語言能力與程式學習之間的連結。

這些發現對既有程式教育體系提出挑戰，呼籲降低對高階數學先修課程的依賴，並將程式學習定位成語言學習的一種延伸。作者指出，女性平均在語言能力上往往優於男性，若以語言能力作為程式能力的指標，女性在程式領域的潛力理應被更多肯定。許多編程訓練班（所謂 bootcamp）已證明，無需大量微積分、線性代數等進階數學，就能培育出高素質程式開發者；教育機構或可參考此模式，以吸引並保留更多具有語言優勢的學生。

在 Hacker News 上，高分討論認為此研究的重要性在於提醒人們重新檢視「誰適合學程式」的刻板印象。有討論指出，不同程式語言（如 APL 與 Python）在學習方式上或許有差異；也有人回顧 GRE (研究所入學考試) 的經驗，認為語文能力比數學成績更能預測研究所階段的成功。多數迴響強調，擅於閱讀程式碼、撰寫清晰註解、掌握文件閱讀都屬於語言型技能，對協作與維護程式碼品質至關重要。

此外，有人指出「數學」測試往往代表基本計算能力（numeracy），但真正影響程式學習的，其實是流暢推理與抽象思考；這類能力也恰好與語言學習所依賴的認知機制更為相似。有討論提到，類似自然語言的遞迴結構在程式設計中隨處可見，從函式呼叫的堆疊到複雜資料結構，都仰賴人腦的語言處理系統。整體而言，社群普遍認同語言能力與程式設計的深刻連結，但也指出根據使用領域或程式語言性質，數學能力在特定情境下仍不可或缺。

https://news.ycombinator.com/item?id=43870969