目錄誰提出語文這個名稱 語文的概念是誰提出的 學(xué)生最恨的幾個發(fā)明家 誰他媽發(fā)明了數(shù)學(xué) 語文書誰發(fā)明的
迄今為止也沒有明確的證據(jù)證明念和到底是誰發(fā)明了數(shù)學(xué)還是語文，但是有一些傳說或者是有一些觀點，或者是說法
2017年去世的伊朗數(shù)學(xué)家瑪麗亞姆·米爾扎克哈尼，是第一位獲得數(shù)學(xué)領(lǐng)域最高獎——菲爾茲獎的女性。她形容研究數(shù)學(xué) “就像是一個人迷失在叢林中，試圖用你所學(xué)到的一切，去找到一條出路”。
她雖然只活了40歲，但應(yīng)該說是一位幸運兒，比大多數(shù)人在“數(shù)學(xué)叢林”里都走得深，最后還摘取了數(shù)學(xué)上的桂冠。
越來越多的證據(jù)表明，人類似乎也是大自然的幸運兒，是唯一能穿越“數(shù)學(xué)叢林”的動物。但這種能力來自何方？為何會發(fā)展起來？發(fā)展起來是為了什么目的？……要回答這些問題，不僅涉及到神經(jīng)科學(xué)的一些熱門話題，還迫使我們不得不重新思考“什么是數(shù)學(xué)？”“數(shù)學(xué)是發(fā)現(xiàn)還是發(fā)明？”等有關(guān)數(shù)學(xué)本質(zhì)的問題
通過“建模”與世界打交道
大自然是一個復(fù)雜多變、險象環(huán)生的處所，棲息地的變化、掠食動物的襲擊、食物的匱乏……一個有機體的生存取決于它感知周圍環(huán)境的能力。但不管是野牛估量基神獅群的數(shù)量和塊頭，以便做出戰(zhàn)斗/逃跑的決定；還是椋鳥在空中時刻與鄰伴維持適當(dāng)?shù)木嚯x，以便保持隊形；或者羊群循著水草豐茂的路線覓食……所有這一切活動，按倫敦大學(xué)神經(jīng)學(xué)家卡爾·菲力斯頓的說法，都意味著在做數(shù)學(xué)。
“因為數(shù)學(xué)有一種簡單、節(jié)儉和對稱的性質(zhì)，如果你把它當(dāng)作一種語言，會比其他描述世界的方法更勝一籌。從海豚到黏菌，幾乎所有生命都能從數(shù)學(xué)上去理解這個世界，以便為自己的生存服務(wù)，” 他說。
現(xiàn)在不是有很多“建模”比賽嗎？為一個復(fù)雜過程，建立一個相對簡單的數(shù)學(xué)模型，然后輸入?yún)?shù)，看看不同情況下的運行結(jié)果。那么，菲力斯頓的話其實意思就是：任何形式的生命都需要通過對其生存的環(huán)境進行“建模”，才能發(fā)揮作用。
菲力斯頓的這個看法可追溯到1970年代，當(dāng)時控制論提出一項原則：為了提供有效的控制，一個機器人必須先對自己與環(huán)境的作用，建立一個數(shù)學(xué)模型，才能據(jù)此行動。此后的人工智能研究，差不多都遵循了這條原則。今天，人類能在人工智能領(lǐng)域取得這么大的成就，也要歸功于這條原則。
既然機器人是通過“建模”與外部世界互動的，那么一個合理的推測是：生物在某種程度上也是通過“建模”跟世界打交道的。
舉個例子。當(dāng)一頭野牛注意到一頭獅子在逼近時，它就會本能地調(diào)動一個叫“逃跑/戰(zhàn)斗”的決策機制，根據(jù)自己對獅子塊頭、距離遠(yuǎn)近以及對自己力量的估計，決定是逃跑還是戰(zhàn)斗。這個決策機制，從功能上說，可看作是一個數(shù)學(xué)模型，輸入“獅子塊頭”“距離”“自己的力量”等參數(shù)，輸出“逃跑”或“戰(zhàn)斗”的結(jié)果。任何一項參數(shù)改變，都可能導(dǎo)致輸出結(jié)果不同。
發(fā)展出精確的數(shù)感為了糾正感官的偏差
既然是數(shù)學(xué)模型，當(dāng)然就要對現(xiàn)實做些簡化，不可能面面俱到。尤其對于生命來說，當(dāng)危險臨近時，迅速行動才是主要的，準(zhǔn)確倒退居次要。譬如上述“逃跑/戰(zhàn)斗”的模型中，考慮那三項因素大致就差不多了，至于“獅子毛色如何”，“天空會不會下雨”等因素，都可以不考慮。考慮因素太多，決策就慢下來，進而影響行動速度。
正是我們這種與世界打交道的方式，決定了我們的感官存在這樣那樣不盡人意的偏差。
以心理學(xué)上反映心理量和物理量之間關(guān)系的韋伯-費希納定律為例。這條定律說：我們辨別兩個感搏高虧覺差別的能力，隨感覺強度的增加而減弱。比如用手提重物，你很容易區(qū)分1千克和2千克，但要辨別21千克和22千克，就不那么容易了。對于亮度、音量等的辨別能力也同樣如此。
讓我們自豪的是，盡管人類和其他動物的感官都有著同樣的偏差，但人類已經(jīng)發(fā)展出識別和糾正偏差的能力。最明顯的是，我們發(fā)明了數(shù)：這是一種符號，它讓我們立即判斷出（21與22）和（1與2）差距是一樣的。
相對于學(xué)校而言，肯定不能說是誰發(fā)明了學(xué)校，學(xué)校一開始肯定是零散的，后來才發(fā)展成其中的，一開始可能是一個老師帶一個學(xué)生，后來呢，一個老師可能帶幾個學(xué)生，等到學(xué)生越來越多，要的老師也逐漸增多，而且同時上課不現(xiàn)實，可能就需要分學(xué)科，這樣逐步的就發(fā)展成了學(xué)校
語文”這個詞是葉圣陶發(fā)明的，口頭為“語”，書面為“文”，“語”和“文”不能襪李運偏廢，故稱“語文”。1949年8月，葉圣陶主持草擬了《小學(xué)語文課程標(biāo)準(zhǔn)》和《中學(xué)語文課程標(biāo)準(zhǔn)》。自此以后，新中國有了語文課，有了肩負(fù)啟蒙重任的一代又一代的語文老師。
很少有人知道，新文化運動的那一批作家中，葉圣陶是著述最豐者之一。新文化運動的領(lǐng)袖們高舉“革命”的大旗，在主義的戰(zhàn)場上攻城拔寨，而葉圣陶則立足于小學(xué)的課堂，把新文化運動的精神播撒在幼童心中乃至鄉(xiāng)野之間。
葉圣陶集教師、出版家、作家多重身份于一身，但是其從事的工作常常與教育密不可分，用一生踐行了初登教壇時的愿望——“愿謹(jǐn)守所志，直到永遠(yuǎn)”，他也因此被后人稱為“永遠(yuǎn)的小學(xué)教師”。
打開APP查看高清大圖
葉圣陶，本名葉紹鈞，1894年10月28日出生于蘇州吳縣，葉圣陶的父親是地主家里的賬房先生，家境清苦。五歲時，葉圣陶開始讀私塾，跟著父親在蘇州各處謀生，是個善良懂事的好孩子。十二歲時，葉圣陶進了長元吳公立小學(xué)，請章伯寅先生幫著起了個響亮的名字叫“秉臣”。
1911年10月15日，蘇州在辛亥革命中光復(fù)了。次日，葉圣陶又去找章先生，說皇帝都沒了，自己名字里不想有“臣”。先生樂了，遂道：“你本名紹鈞，有詩擾陸曰'圣人陶鈞萬物’告梁，就取'圣陶’為字吧。”后來，他在《叢報》發(fā)表文言《玻璃窗內(nèi)之畫象》，署名“圣陶”，以后加了姓，筆名就成了葉圣陶。
葉圣陶。
葉圣陶（1894年10月28日—1988年2月16日），男，原名葉紹鈞，字秉臣、圣陶，1894年10月28日生于江蘇蘇州，現(xiàn)代作家、教育家、文學(xué)出版家和社會活動家，有“優(yōu)秀的語言藝術(shù)家”之稱。
1907年，考入草橋中學(xué)。1916年，進上海商務(wù)印書館附設(shè)尚公學(xué)校執(zhí)教，推出第一個童話故事《稻草人》。1918年，發(fā)表第一篇個人白話《春宴瑣譚》。1928年，發(fā)表長篇《倪煥之》。
人物軼事：
葉圣陶曾數(shù)次改名，他原名葉紹鈞，他12歲入蘇州長元吳公立小學(xué)時，請先生章伯寅取一個立志于愛國強國的字。章先生說：“你名紹鈞，有詩曰‘秉國瞎侍彎之鈞’，取‘秉臣’為字好。”并教育他要愛國就得先愛鄉(xiāng)土，曉得鄉(xiāng)土的山川史地名人偉業(yè)。
1911年10月15日，蘇州在辛亥革命中光復(fù)了。次日，葉紹鈞找到章伯寅先生說：“清廷已覆沒，皇帝被打倒了，我不能再作臣了，請先生改一個字。”先生笑了笑說：談簡“你名紹鈞，有詩曰‘圣人陶鈞萬物’，就取‘圣陶’為字吧。”這樣葉紹鈞滿意而去。
1914年6月10日，葉紹鈞在磨悶《叢報》第2期發(fā)表文言《玻璃窗內(nèi)之畫象》，署名“圣陶”。以后他又把姓“葉”與筆名“圣陶”連了起來，成為著名于世的筆名。
“語文”一詞出現(xiàn)的歷史并不長。1905年，清朝在廢除科舉制度以后，開始開辦新學(xué)堂。當(dāng)時的課程以至教材，都是從西方引進的，只有稱為“國文”課一科，教授的仍是歷代古文。五四運動爆發(fā)以后，提倡白話文，反對文言文，國文課受到了沖擊，小學(xué)于是改設(shè)“國語”，教材具有鮮明的口語特點，選用的都是白話短文或兒歌、故事等。中學(xué)仍慧喚搭設(shè)國文課，白話文的比重也明顯增加，選用了魯迅、葉圣陶、冰心等新文學(xué)前拿作家的作品。在20世紀(jì)30年代后期，葉圣陶、夏丏尊二人提出了“語文”的概念，并嘗試編寫新的語文教材，可惜因日本侵略中國而被迫終止。全國解放后，葉圣陶先生再次提出將“國語”和“國文”合二為一，改稱“語文”。這一建議被華北政府教育機關(guān)采納，隨后推向全國，從此，“語文”成了中小學(xué)甚至鏈讓擴張到其他國家的一門主課。
求采納
語文是我創(chuàng)的，數(shù)學(xué)是我哥創(chuàng)的，英語是吵數(shù)我弟創(chuàng)的蘆納！ 怎升嘩首么樣，這個回答還可以吧（o(∩_∩)o） Saber
