行之有效的漢字聯想記憶法：核心原則、故事模板與適時脫鉤策略

如何為漢字建構有效的聯想記憶，是許多學習者在發現死記硬背幾打漢字後就再也推不動時，最常提出的疑問。漢字聯想記憶法（Kanji Mnemonic）是一種生動、故事化的心智聯結。它將漢字的視覺組成部分與其含義（有時包括讀音）牢牢綁定在一起。這種技巧有著堅實的認知心理學理論支撐，其適用範圍也遠遠超越了單純的 Heisig 方法。¹²³

概述

什麼是漢字聯想記憶法

漢字聯想記憶法是一種生動的、故事形態的心理聯想。它將漢字的視覺構成要素（部首或字形部件）與其字義相綁定，在某些模板中還會同時與其讀音綁定。³⁴⁵ Heisig 對這些構成積木的稱呼是「基本部件（primitives）」，它們可以是傳統的「部首（bushu）」、用作部件的其他完整漢字，或者是字典中通常不作為獨立單元對待的特定筆畫簇。³

在認知心理學中，這一技術屬於廣義的「意象記憶術（imagery mnemonics）」。在配對聯想學習中，需要相互關聯的記憶項目被編碼為單一互動式的心智意象。¹²

部首、部件、基本元素：三個重疊的概念

部首（部首，bushu）是 214 個康熙部首字典檢索系統中的分類單元。字形部件（Component）是指漢字中任何可以拆解出的視覺子單元。而 Heisig 所說的「基本部件（Primitive）」既可以指前兩者，也可以指在任何正規字典中都不存在的自創筆畫簇。⁶³

為什麼聯想法對日語漢字尤為奏效

漢字可以拆解為有限且反覆出現的視覺部件。一旦掌握了這些核心部件，學習者就擁有了組裝整個漢字系統的積木拼塊。⁶⁴ Tofugu 的教學觀點認為，部首拆解在絕大多數情況下能將需要記憶的孤立資訊量減少約 80%，並給出了示範範例：「大」從 3 畫簡化為 1 個部首，「町」從 7 畫簡化為 2 個部首，「電」從 13 畫簡化為 3 個部首。⁴

其背後的認知理論主要基於兩大發現：雙重編碼理論（Paivio's dual-coding theory）認為，同時在語言通道與視覺意象通道中編碼的資訊，其回憶可靠性遠高於僅在單一通道中編碼的資訊。⁷ Bower 則透過實驗證明，當受試者在心智中想像物品相互互動的情景時，其配對聯想回憶率顯著高於僅機械朗讀單字的情景。²

需要注意的是，214 個康熙部首是為了字典編纂檢索設計的，並非按第二語言學習者的認知頻次設計。在實際應用中，一個約 30 到 50 個高頻部件的精簡子集，就已經覆蓋了 JLPT N5 到 N3 絕大部分漢字的核心結構。⁶⁴

本文在學習策略全域中的定位

聯想記憶法是嵌入在某種漢字學習整體方案內部的具體記憶工具，它本身並不是一套自成一體的完整方法。五大知名學習生態對其使用方式各有不同，這些差異也貫穿了本文的後續論述：

Heisig 體系要求學習者在第 I 卷中自行構思 2,200 個故事，第 III 卷又增加了 800 個，全系列上限為 3,000 字。³⁸ WaniKani 為每個項目提供官方預製的專屬聯想並搭配 SRS。⁹ Kanji Koohii 圍繞 Heisig 關鍵詞群眾外包故事，依託社群點讚排名篩選，並提供覆蓋 RTK1 與 RTK3 的內建 SRS。¹⁰ Amenokori 覆蓋全部 2,136 個常用漢字，並在包含該漢字的每個詞彙詞條內直接內嵌精選聯想。¹¹¹²¹³ 而語境習得派（透過詞彙學漢字）則跳過故事型聯想，完全依靠例句卡片語境自然習得。

牢固聯想記憶的四大核心原則

生動具象，避免抽象

雙重編碼理論證明，被編碼為具象心理圖像的資訊，其提取可靠性遠高於純語言概念。⁷ Bower 在配對聯想實驗中更進一步發現：讓受試者為一組詞對構思生動的互動場景，其回憶表現顯著優於機械重複詞對、閱讀包含該詞對的現成句子、或自行簡單造句。²

在教學實踐中，各流派共享的操作準則非常簡單：用一句話描繪出場景，並在心智中將其「看作」一幅靜止畫或動態電影片段，然後再繼續往下學。⁵⁴

動態互動重於靜態羅列

在圍繞「荒誕意象（bizarre imagery）」的心理學論爭中，最有力的實驗結論是：預測回憶效果的關鍵是互動作用而非荒誕程度。Wollen、Weber 和 Lowry（1972）設計了 2×2 的對照實驗：互動圖像 vs. 非互動圖像，交叉對比荒誕圖像 vs. 常見圖像。結果表明荒誕與否對回憶幾乎沒有統計學影響，而處於相互作用中的圖像在回憶效果上徹底碾壓了非互動的靜態並置圖像。¹

這一結論對於 明（bright/明亮）= 日（太陽）+ 月（月亮）的拆解具有明確的指導意義。Migaku 發布的記憶法是「太陽和月亮放在一起產生光明」。⁵ 而互動優先的改寫則把這些部件融合成一個動態發生的情境，而非兩個靜止的擺設：

太陽たいようと月つきが空そらに並ならぶと、明あかるい夜よるが生うまれる。⁵
「當太陽與月亮在天空中並肩交相輝映時，一個明亮的夜晚便誕生了。」

調動視覺以外的多重感官

雙重編碼理論主要解釋了語言與視覺圖像通道。⁷ 隨後的認知心理學研究將這一原則進一步擴展為多模態編碼：調動越多的感官維度（聲音、嗅覺、觸覺、溫度、味覺），大腦中為該記憶痕跡建構的檢索線索就越豐富。²⁷

在為 火（fire/火）編寫聯想時，如果融入煙燻的焦味以及撲在臉頰上的灼熱溫度，就能在視覺之外同時喚醒嗅覺與體感神經迴路。其代價不過是在故事中多加一個形容詞，而換來的收益是在調取記憶時多了一條堅固的突觸線索。

個性化與意外感

萊斯托夫效應（Von Restorff effect，又稱孤立效應）揭示了獨特性對記憶的強化槓桿：當一連串相似的項目中出現一個截然不同的異類時，該異類的回憶率會不成比例地大幅提高。¹⁴¹⁵ 生成效應（Generation effect，Slamecka & Graf, 1978）則補充了主動創作的槓桿：學習者自主生成的材料，其記憶留存率顯著高於被動閱讀的相同材料。¹⁶

這對於使用預製精選故事庫的學習者具有重要啟示：現成的故事如果經過學習者的二次個性化加工，效果會翻倍。哪怕只是稍作改寫，或是將故事主角替換為自己生活中的熟人，就能瞬間將被動閱讀轉變為部分主動生成的深度編碼。¹⁶⁵

把主角設定為熟人，告別平庸面孔

「一個人靠在樹上」是一個平淡無奇的場景；而「你的高中化學老師倚在實驗室門外的櫻花樹上」，則同時觸發了萊斯托夫效應與生成效應。這個故事不再屬於路人，它完全屬於你自己的獨特記憶系統。¹⁶¹⁴

基於部件的漢字故事實用模板

先按筆順規範拆解

在 Tofugu 與 WaniKani 的教學傳統中，標準流程十分清晰：識別出部首或基本部件，按照從上到下、從左到右的筆順規範進行排序，並判斷哪個部件在視覺上占主導地位或在語義上處於核心地位。⁴⁹ 如果某個部件本身就是一個學習者已經掌握的熟字，拆解就應當適可而止，切勿過度細碎地拆成散亂筆畫。⁴

Tofugu 的經典拆解示範體現了這種資訊壓縮比例：大（3 畫）簡化為 1 個部首；町（7 畫）拆為 2 個部件；電（13 畫）拆為 3 個部件。⁴

模板 1：「兩塊拼圖，一個動詞」

基本骨架：主詞 + 述語動詞 + 受詞。兩個部件分別充當主詞和受詞，而動詞則將它們緊緊咬合在一起。正是動詞啟動了關鍵的互動原則。¹⁴

以 林（woods/樹林）= 木 + 木（兩棵樹）為例。Tofugu 的傳統模板通常是「[部件 1] 和 [部件 2] 組合在一起創造了 [漢字含義]」。⁴ 而互動優先的寫法會讓其中一棵樹對另一棵樹做出具體的動作：

林はやしの中なかで木きが木きに寄よりかかる。⁴
「在樹林之中，一棵樹緊緊倚靠在另一棵樹上。」

當漢字正好包含兩個部件且能自然透過一個動作連接時，優先採用此模板。

模板 2：「帶有主角的場景」

基本骨架：指定其中一個部件作為主角（領銜主演），其餘部件充當道具或舞台背景，而該漢字的字義則是主角在這個場景中所做的核心事件。³⁹

以 休（rest/休息）= 人（人）+ 木（樹）為例。人是絕對的主角，樹是環境道具，而休息則是主角的動作：

人ひとが木きにもたれて休やすむ。⁴
「一個人靠在樹蔭下休息。」

當漢字包含三到四個元素且其中某一部件具備明確的人物或生物屬性時，該模板最為趁手。

模板 3：「因果驅動」故事

基本骨架：由「因為……所以……」或「於是……」連接的複句結構。一個部件的狀態或動作，誘發了其他部件所代表的結果，從而推導出該字的字義。³¹⁷

以 鳴（chirp / cry / 鳴叫）= 口（嘴）+ 鳥（鳥）為例。鳥張開嘴做出了動作，啼鳴就是隨之產生的因果結果：

鳥とりが口くちを開あけて鳴ないた。⁴
「鳥兒張開口，發出了啼鳴。」

2025 年 Lee、Scarlatos 和 Lan 的學術研究透過期望最大化演算法分析漢字聯想生成，發現「因果敘事」是演算法自動提取出的十條高可解釋性通用規則之一。這在實證層面上證明了因果模板是普遍行之有效的記憶模式，而非個人的主觀偶然偏好。¹⁷

模板 4：兼顧聲旁部件的讀音故事

基本骨架：將形聲字聲旁系列所共享的音讀發音，錨定到母語中發音相同的諧音詞上，隨後圍繞該錨點將字義和形旁串聯起來。¹⁸

以 青 字族為例。漢字 青、清、晴、精、請 的音讀均讀作 sei。學習者只需使用一個發音為「sei」的諧音錨點（如英文中的「say」或特定諧音），再搭配各自的形旁部首（意符）即可橫掃整個字族：清 配水、晴 配日、精 配米、請 配言。¹⁸

青あおい服ふくの子こが「セイ」と言いった。¹⁸
「身穿青藍色衣服的小孩大喊了一聲『sei』。」

根據白川靜對 2,136 個常用漢字的字源統計，約 61% 屬於形聲字（keisei moji）；在更廣泛的漢字大詞庫中，形聲字的比例更高達 80% 至 90%。¹⁹¹⁸ 儘管不同學者的統計口徑略有差異，但形聲字族的系統化歸納在絕大多數常用漢字學習中都具備巨大的槓桿效應。

當部首組合極不合邏輯時的應對方案

部分漢字由極其繁複或模糊的筆畫簇組成，與字面含義毫無直觀關聯，典型的疑難重災區如 鬱、鑑、璽 等。面對這類漢字，Heisig 傳統提供了三條備選方案：直接使用 Heisig 自創的抽象部件名稱以繞開字源糾纏；僅錨定聲旁讀音；或者乾脆放棄故事，依靠純粹的手寫機械肌肉記憶。³²⁰

2025 年的 AI 輔助研究也從演算法角度印證了這一直覺：某些漢字能高度啟動特定規則模板，而另一些漢字則表現出對規則的天然抗拒。也就是說，並非每一個漢字都能被模板生搬硬套。¹⁷

不只記字義：將讀音納入聯想體系

將音讀錨定在發音諧音詞上

在 Henshall 的學術體系以及 Hamilton 在《The Kanji Code》中詳述的經典技巧，是將音讀音節與一個發音相同且令人難忘的母語諧音詞進行掛鉤，隨後將其編織進字義故事中。²¹¹⁸

但該方法存在明確的技術邊界：對於非母語學習者來說，日語中的長短音與微小對立（如 kō 與 kou、gō 與 gou、kō 與 kyō）極易發生辨音混淆，這恰恰在日語要求最精準發音判別的地方削弱了記憶錨點的效力。¹⁸

按聲旁字族歸納，切忌單字單記

Hamilton 教學法最核心的主張是：當一個相同的聲旁出現在諸多擁有相同音讀的漢字中時，一個統一的發音錨點就能通吃整組漢字。¹⁸ 在白川靜的統計分類下，常用漢字中超過六成是形聲字。在此類體系中，一個聲旁衍生出十個以上漢字的情況屢見不鮮；僅「青」字族在常用漢字中就有十幾個均讀作 sei 或 shō。¹⁹¹⁸

聲旁部件	音讀發音	字族部分成員	記憶錨點示意
青	sei / shō	青、清、晴、精、請	發音錨點 + 形旁表意
寺	ji / shi	寺、時、持、詩、侍	發音錨點 + 形旁表意
工	kō	工、紅、江、攻、功	發音錨點 + 形旁表意

為什麼訓讀很難用聯想法硬背

訓讀是日本大和本土固有的原生詞根，具備複雜的內部形態學構詞規律。動詞和形容詞通常需要帶有送假名（okurigana）來標記活用變化。它們並不具備音讀那樣工整的「一字一聲旁」對應形態。²¹

Heisig、Henshall 以及 WaniKani 體系達成的高度共識是：音讀適合利用聲旁聯想法成批攻克，而訓讀則更適合在具體的詞彙語境中自然習得。³²¹⁹

聯想法在規模化擴展時的瓶頸

故事編造成本呈複利式激增

Heisig RTK 第 I 卷涵蓋約 2,200 個漢字，第 III 卷又補充了 800 個，總量達到 3,000 字。Henshall 覆蓋了 2010 年改訂前的 1,945 個常用漢字。Ulrike 的故事庫則覆蓋了 2010 年後的 2,136 個常用字。在高級階段，實際詞彙量常突破數萬詞、漢字量達數千字。³⁸²¹²²

即使只計算 RTK 第 I 卷中需要自編的 2,200 個故事，海量腦力激盪所帶來的創作疲勞也是各類評測指出的最大時間殺手。²⁰⁵ 如果按每天學習 25 個新漢字計算，每字自編一個故事，每天僅在「文學創作」上就要額外耗費 25 到 60 分鐘。這種認知稅會隨週數推進持續累積。

警惕聯想力竭崩潰的典型徵兆

開始逃避每日複習打卡、敷衍接受毫無說服力的平庸故事、複習卡片大量逾期堆積。當自編 Heisig 流程淪落為機械記錄學習者自己都無法相信的一句話流水帳時，該方法就已經徹底喪失了預期的記憶威力。⁵

熟練者在後期會自然脫離故事

Migaku 在其評述中明確闡釋了這一架構特性：「聯想故事是鷹架，而不是大樓本身。一旦漢字透過在原版日語材料中的反覆接觸而在腦海中紮根，鷹架就可以拆除了。」⁵

這一現象的認知心理學理論基礎是 Bjork 的「儲存強度（Storage strength）與提取強度（Retrieval strength）」雙重模型：隨著某個漢字透過不斷提取使得儲存強度大幅提升，記憶故事作為檢索誘餌的作用就會逐漸邊緣化，最終完全被直接反應所取代。²³ 這是預料之中的自然脫落，絕非遺忘缺陷。

陷入「每個漢字 + 每個讀音 + 每個單詞都編故事」的陷阱

2,136 個常用漢字乘以多重音訓讀音，再乘以數萬個複合詞彙，其所需的故事總量將徹底擊穿任何人類大腦的精力上限。²⁴¹⁸ 擺脫困境的出路在於差異化克制使用：僅對核心字義與形聲聲旁系列使用聯想記憶，其餘龐雜的詞彙讀音交由語境暴露自然吸收。

工程化替代方案：使用現成的精選故事庫

「不再自己從頭死磕故事」的思路催生了多種產品化解決方案。市面上存在四大主流替代路徑，各自針對工作流程的不同環節進行了最佳化：

WaniKani：部首、漢字與詞彙的一體化預製聯想

WaniKani 採用統一的官方編輯風格，為每個部首、漢字和詞彙項目預設了現成的聯想法，並全流程搭載在其專有的 SRS 引擎中。它按照部首、漢字、詞彙的順序遞進解鎖。⁹⁴ Tofugu 官方宣傳稱學習者能在剛過一年的時間內學完 2,000+ 常用漢字；雖帶有商業宣傳性質，但這一量級與密集 SRS 排程的理論預期大體吻合。⁴

Kanji.koohii：基於 Heisig 關鍵詞的社群群眾外包故事庫

Kanji Koohii 允許全球使用者針對每個 Heisig 關鍵詞提交記憶故事，並依據社群點讚進行排序。「高讚故事」篩選器讓新手可以直接借鑑前人驗證過的最優構思。¹⁰ 故事庫涵蓋 RTK 第 I 卷（約 2,042 字）與第 III 卷（約 1,000 字），內建 SRS 負責複習排程，徹底解放了實體書難以管理複習週期的痛點。¹⁰³⁸

Amenokori：內嵌在每個詞彙詞條中的精選聯想

針對自編故事容易精力衰竭的痛點，J-Compass 推薦 Amenokori。它是「將精選聯想內嵌於詞彙卡片中」的工程化解決方案，學習者無需親自編寫兩千個故事。其常用漢字索引涵蓋按 JLPT 等級編排的全部 2,136 個字元。¹³²⁴ 該系統最獨特之處在於聯想呈現的場景：根據其行動端文件，針對該漢字的專屬精選聯想直接內嵌在包含它的每個生詞詞條中，並與筆順動圖、帶真人發音的真實語境例句並列呈現。這意味著故事是在背單字的過程中主動與學習者相遇，無需額外切換到獨立的牌組。¹²

在大規模學習中，其帶來的複利效應非常明顯：當學習者背誦複合詞「学校」時，卡片內會同時呈現「学」與「校」兩個字的精選聯想法；而在後續遇到「学生」或「校長」時，這兩個漢字的聯想故事又會再次溫和復現。故事無需在真空中孤立背誦，而是在數十個真實詞彙語境中高頻次、多角度地自然加深烙印。

在時間節省上這一差異極為驚人：若按每個故事耗時 5 分鐘計算，自行構思 2,136 個 Heisig 風格故事在進入複習前就要淨耗費約 178 個小時的純創作時間；而閱讀內嵌在生詞卡片裡的現成聯想，僅需花費學習者原本就要停留在卡片上的數秒鐘。

當然，「生成效應」的心理學客觀規律依然存在：被動閱讀的故事在初始編碼深度上確實遜色於自主原創的故事（Slamecka & Graf, 1978）。¹⁶ 但其補償機制在於長期的多語境高頻重現，透過提取練習（Retrieval practice）而非單次創作來建立深層的儲存強度。²³

它在哲學路線上與「語境學漢字」派系一脈相承：兩者都反對將漢字孤立剝離，堅持在具體單字中學習漢字；但 Amenokori 並不像極端語境派那樣完全聽任語境隨緣滲透，而是依然主動提供漢字級的拆解故事以兜底字義。對於那些希望「讓聯想故事內嵌於詞彙學習中，而非作為獨立負擔」的學習者來說，這一設計高度契合。

關於 Amenokori 與 Anki、Heisig 原版教材、WaniKani 及 Kanji Koohii 的功能橫向對照，可參閱專門的學習工具選型指南。

精選預製並不代表完全被動

「生成效應」（Slamecka & Graf, 1978）依然可以被主動利用。在使用 Amenokori 或 WaniKani 的精選聯想時，學習者只需稍作停頓，用自己的一句話在腦海中將其複述一遍，就能將被動閱讀迅速轉化為部分主動生成的深度編碼，從而兼得省時與牢固的雙重優勢。¹⁶⁵

Ulrike's Mnemonics、Henshall 與字源學傳統

Ulrike Narins 的免費漢字故事庫覆蓋了全部 2,136 個常用漢字，其理念明確傾向於好記實用，而非恪守嚴格的文字學字源；其網站註明該專案受到了 Henshall 的啟發。²² 而 Henshall 的《A Guide to Remembering Japanese Characters》則為 2010 年改訂前的 1,945 個常用漢字提供了詳實的字源考證段落，並在字源過於晦澀時附上人工記憶故事。²¹

核心的分野在於：以 WaniKani、Koohii 及 Heisig 部件為代表的純虛構故事體系，追求的是整套學習方案內部的邏輯自洽與極簡性；而以 Henshall、Ulrike 為代表的字源派，則盡可能在歷史演變有據可查的前提下，讓記憶故事與真實的文字學變遷保持一致。

另一條路徑：徹底跳過聯想，完全依靠詞彙習得

AJATT 與 Refold 派系堅持認為，只要透過例句卡片將漢字置於真實語境中，故事聯想完全是多餘的臨時鷹架。在漢字學習順序之辯中詳細分析了這種取捨：它不培養顯式的字形拆解技能，在前 500 個漢字階段較為吃力緩慢，但在跨過初級門檻後推進速度更快。

該主張雖然缺乏直接的認知心理學實驗斷言其等同於意象記憶術，但其證據鏈主要建立在大量成功的第二語言習得者實踐結果之上。

前沿探索：AI 自動生成漢字記憶法

2025 年，Lee、Scarlatos 和 Lan 提出了利用期望最大化（EM）架構生成高可解釋性漢字記憶法的方法。¹⁷ 該研究基於微調後的 Llama 3.2 3B 作為基礎生成器，聯合學習十條高可解釋性規則（包括因果敘事、熟詞搭配、擬人化等）、潛在的學習者偏好以及單字與規則的適配度。實驗表明其在 BERTScore 相似度上擊敗了監督微調基準，在以大語言模型為裁判（LLM-as-judge）的雙盲對抗測試中斬獲 58.1% 的勝率，規則遵循度達 60.58%。¹⁷

但對於想要完全依賴 AI 生成故事的學習者而言，該研究指出的侷限性同樣值得警惕：其評估依賴自動化演算法而非人類真人長期留存測試，且僅針對孤立漢字展開。目前在長線學習中保持穩定的個性化共鳴以及把握得體的幽默分寸，依然是 AI 生成方案尚未徹底攻克的瓶頸。¹⁷

一分鐘快速自製牢固聯想故事

第一步：按筆順拆解部件

按書寫筆順寫出部首或基本部件。如果某個部件本身是已學過的熟字，拆解立即在此打住，絕不要向下深挖到筆畫層級。⁴

第二步：選擇合適模板

根據拆出的元素數量以及部件與字義的關係選擇模板：兩部件選「兩塊拼圖，一個動詞」；三到四部件選「帶有主角的場景」；邏輯關聯強選「因果驅動」；屬於經典聲旁系列選「聲旁讀音模板」。⁴¹⁷¹⁸

第三步：為場景挑選具象角色

為每個部件指定一個具體生動的人物、擬人化生物或特定道具。設定越具體、越貼近個人生活，記憶編碼越牢固。這一步充分調動了生成效應與萊斯托夫效應。¹⁶¹⁵¹⁴

第四步：注入強動詞與非視覺感官細節

遵循 Wollen 等人的發現，加入一個產生強烈互動的核心動詞；隨後再加入一種非視覺維度的感官體驗（溫度、質感、氣味），以形成多模態深度編碼。¹⁷

第五步：當天複測，一週後再次驗證

基於 Bjork 的提取練習理論，在間隔時間後主動調取能強化記憶儲存。²³ 遵循 Tofugu 與 WaniKani 的教學檢驗法則：如果一個故事在複習中連續兩次提取失敗，立即徹底重寫該故事，不要試圖打補丁修補。⁴⁵

端到端實戰示範

以 鏡（mirror/鏡子）= 金（金屬）+ 立（立著）+ 見（看見/注視）為例。⁶

第一步：按筆順拆解為「金屬、立、見」。第二步：挑選「帶有主角的場景」模板，其中「見（眼睛/注視者）」天然適合作為主角。

第三步安排舞台：工作台上直立著一塊拋光的金屬板，有人停下腳步注視自己的倒影。第四步注入動詞與觸覺：手指觸碰金屬板時感受到刺骨的「冰涼」。第五步：在當晚和下週安排主動回憶。

定稿故事：「一塊冰冷的拋光金屬板筆直立在工作台上，路過的人停下腳步在裡面注視自己；這就是一面鏡子。」四大原則全部集齊：生動意象、互動動詞、非視覺觸覺（冰冷）、以及具體的場景。學習者還可以把「路過的人」替換為自己具體的某個朋友，使個性化更進一步。

實用須知

Heisig 的「基本部件」並不等同於正規部首

基於 Heisig 自創部件編寫的故事在按部首檢索的工具書裡是查不到的，因為那些部件在康熙字典中根本不存在。最典型的例子就是他在第 I 卷拆解中命名的「魚內臟（fish-guts）」部件。³²⁰ 如果學習者後續打算使用按部首索引的紙本漢和辭典，建議優先錨定標準的 214 個康熙部首體系。⁶

荒誕離奇並不等於雜亂無章

荒誕意象確實有用，但有嚴格的前提條件。心理學實證研究表明：互動性比荒誕性更能預測記憶提取的成功率；一個生動、符合邏輯且部件產生緊密互動的場景，其記憶表現明顯優於一個雜亂拼接、缺乏互動的荒誕怪物場景。¹¹⁵ 串聯各個部件的核心動詞，遠比道具本身的離奇程度重要得多。

與字義產生衝突的故事會污染原意

Heisig 在其教程中明確強調：故事的高潮結局必須與漢字的關鍵字義保持高度一致。如果故事推導出的結局暗示了錯誤的含義，它會在提取記憶時與真實詞義發生競爭性干擾，甚至往往把錯誤的意思固化下來。³

典型的翻車現場就是：部件講了一個引人入勝的故事，但漢字的本義卻是另一回事。此時的解法是毫不留情地徹底重構故事，而不是在原故事上打補丁；重新創作能讓大腦重新經歷一次生成編碼。¹⁶³

故事衰減規律與機械死記截然不同

靠機械重複死記的內容，往往是模糊漸進式地消退；而依靠故事記憶的內容，衰減表現為全或無（non-monotonic）的階躍式特徵：故事要麼完整無損地復現，要麼因為某個關鍵線索斷裂而徹底卡殼。這完全符合 Bjork 的雙重模型——對單一檢索線索（故事）的調取失敗，會瞬間鎖死原本在底層儲存完整的字形記憶。²³

在排程上的指導意義在於：採用聯想記憶時，前期的複習密度應當適當提高以鞏固線索，而一旦該漢字進入成熟期，其複習間隔可以拉得比機械記憶更長。²³

何時應當果斷讓聯想故事退役

判斷指標非常明確：學習者能回想起故事卻寫不出漢字，或者能秒寫出漢字卻完全想不起故事。這種分歧表明故事已經退化為干擾直接提取的冗餘噪音。²³⁵ 此時應當立即停止在複習中默念故事，轉為依賴大腦皮質的直接聯想反應；正如 Migaku 所言，這正是「鷹架功成身退」的時刻。⁵

Heisig 與 Henshall：兩種截然不同的編撰傳統

Henshall 傳統只要字源有據可查，就嚴格錨定真實的文字學歷史演變，僅在字源失傳時才退守人工虛構故事；而 Heisig 傳統即便在字源清晰時，也更傾向於採用統一步件以維持全書自洽。³²¹

這種取捨的後果非常明確：Henshall 的記憶法在面對文言文與專業漢字學辭典時不破功；而 Heisig 的記憶法則讓學習者無需任何外部文史知識，就能在一套閉環系統內速通 2,200 個漢字。³⁸²¹

缺乏互動動詞的故事是無效編碼

最常見的失敗故事就是部件的簡單流水帳清單：「明 = 日 + 月，太陽，月亮，明亮」。這僅僅是列舉了零組件，沒有任何神經迴路將它們捆綁。心理學實驗一致認定這是最脆弱的低品質編碼。¹² 必須將其改寫為具有強動詞牽引的動態場景：

日ひと月つきが並ならんで夜よるを明あかるくする。¹
「太陽與月亮並肩升起，照亮了整個黑夜。」

故事的用詞格調會在回憶時產生潛移默化的投射

如果學習者使用低俗、粗鄙的語言編寫故事，在緊張的實際會話提取中，這些不合時宜的語域（Register）聯想可能會下意識地脫口而出。2025 年的 AI 研究也將生成切合語境且得體的幽默列為模型尚未解決的難題。¹⁷ 自己編寫故事時同樣需要注意：一個如果大聲讀給日語老師聽會讓自己尷尬的故事，雖然對私下記憶很刺激，但最好在個人筆記中標註警示。

相關閱讀

• 常用漢字表詳解：2,136 個規範漢字全貌
• 你需要掌握多少漢字？實用漢字量估算
• 按詞頻排序的前 50 大漢字部首：覆蓋常用漢字 70% 的核心清單
• 行之有效的平假名聯想記憶法
• 行之有效的片假名聯想記憶法

References

Footnotes

1. Wollen, Keith A.; Weber, Andrea; Lowry, Douglas H. "Bizarreness versus interaction of mental images as determinants of learning." Cognitive Psychology, vol. 3, no. 4, 1972, pp. 518–523. https://www.sciencedirect.com/science/article/abs/pii/0010028572900205 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

2. Bower, Gordon H. "Analysis of a mnemonic device." American Scientist, vol. 58, no. 5, 1970, pp. 496–510. ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

3. Heisig, James W. Remembering the Kanji 1: A Complete Course on How Not to Forget the Meaning and Writing of Japanese Characters. 6th ed., University of Hawai‘i Press, 2011. (2,200 keyword–kanji pairs; "primitives" decomposition system; Parts 1–3 weaning structure.) ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶

4. Tofugu LLC. "Learn Kanji with Radicals and Mnemonics: The Definitive Guide." https://www.tofugu.com/japanese/kanji-radicals-mnemonic-method/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷ ↩¹⁸

5. Migaku. "Kanji Mnemonics: Memory Techniques That Actually Work." https://migaku.com/blog/japanese/kanji-mnemonics ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹²

6. Kangxi Dictionary radical system: 214 traditional radicals, codified in 梅膺祚 Zihui (1615) and adopted by the 1716 Kangxi Dictionary; the standard 部首 indexing for Japanese kanji dictionaries. ↩ ↩² ↩³ ↩⁴ ↩⁵

7. Paivio, Allan. Imagery and Verbal Processes. Holt, Rinehart and Winston, 1971 (dual-coding theory foundational text). ↩ ↩² ↩³ ↩⁴ ↩⁵

8. Heisig, James W. Remembering the Kanji 3: Writing and Reading the Japanese Characters for Upper-Level Proficiency. 3rd ed., University of Hawai‘i Press, 2012. (800 additional kanji on top of Volume 1's 2,200, bringing the series total to 3,000.) ↩ ↩² ↩³ ↩⁴

9. WaniKani (Tofugu LLC). Official site and learning system. https://www.wanikani.com/ ↩ ↩² ↩³ ↩⁴ ↩⁵

10. Kanji Koohii (Fabrice Denis). Crowd-sourced Heisig-keyword story bank with built-in SRS, covering RTK1 (≈2,042 keywords) and RTK3 (≈1,000 additional). https://kanji.koohii.com/ ↩ ↩² ↩³

11. Amenokori. Product landing page. https://amenokori.com/ ↩

12. Amenokori. Mobile-app page. https://amenokori.com/mobile-app/ ↩ ↩²

13. Amenokori. Jōyō kanji index page. https://amenokori.com/joyo-kanji/ ↩ ↩²

14. von Restorff, Hedwig. "Über die Wirkung von Bereichsbildungen im Spurenfeld." Psychologische Forschung, vol. 18, 1933, pp. 299–342. (Original isolation-effect study.) ↩ ↩² ↩³

15. Hunt, R. Reed. "The subtlety of distinctiveness: What von Restorff really did." Psychonomic Bulletin & Review, vol. 2, no. 1, 1995, pp. 105–112. https://link.springer.com/article/10.3758/BF03214414 ↩ ↩² ↩³

16. Slamecka, Norman J.; Graf, Peter. "The generation effect: Delineation of a phenomenon." Journal of Experimental Psychology: Human Learning and Memory, vol. 4, no. 6, 1978, pp. 592–604. ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

17. Lee, Jaewook; Scarlatos, Alexander; Lan, Andrew. "Interpretable Mnemonic Generation for Kanji Learning via Expectation-Maximization." arXiv:2507.05137, 2025. https://arxiv.org/abs/2507.05137 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

18. Hamilton, Natalie J. The Kanji Code: See the Sounds with Phonetic Components and Visual Patterns. Self-published, 2019. (Phonetic-series and keisei-moji learning system.) https://thekanjicode.com/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰

19. Shirakawa, Shizuka. 『常用字解』 (Jōyō Jikai). Heibonsha, 2003. (Etymology dictionary; basis of the "~61% of jōyō kanji are semantic-phonetic composites, ~25% are semantic composites" classification.) ↩ ↩²

20. Tofugu LLC. "Remembering The Kanji by James W. Heisig: Review." https://www.tofugu.com/japanese-learning-resources-database/remembering-the-kanji/ ↩ ↩² ↩³

21. Henshall, Kenneth G. A Guide to Remembering Japanese Characters. Tuttle Publishing, 1988 (1st ed.; 2nd ed. 1995; 1998 reprint). Covers the 1,945-character (pre-2010) jōyō kanji set with etymology-first explanations plus a mnemonic when etymology is opaque. https://www.tuttlepublishing.com/japan/a-guide-to-remembering-japanese-characters ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

22. Narins, Ulrike. "Ulrike's Mnemonics." Joy o' Kanji. Free per-kanji mnemonic bank for all 2,136 jōyō kanji; inspired by Henshall; mixes English, German, and Japanese. https://www.joyokanji.com/ulrikes-mnemonics ↩ ↩²

23. Bjork, Robert A.; Bjork, Elizabeth L. "A new theory of disuse and an old theory of stimulus fluctuation." In From Learning Processes to Cognitive Processes: Essays in Honor of William K. Estes, vol. 2, edited by A. F. Healy, S. M. Kosslyn, and R. M. Shiffrin, Erlbaum, 1992, pp. 35–67. ("Storage strength" vs "retrieval strength"; basis of the "desirable difficulties" framework.) Lab summary: https://bjorklab.psych.ucla.edu/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

24. 文化庁 (Agency for Cultural Affairs). 「常用漢字表」, 平成22年内閣告示第2号 (Cabinet Notification No. 2, 30 November 2010). Official 2,136-character jōyō kanji list. https://www.bunka.go.jp/kokugo_nihongo/sisaku/joho/joho/kijun/naikaku/kanji/ ↩ ↩²