知识炼金术士行动指南 1.0

在「重启学习系统,做知识炼金术士」中,00 做了一次关于学习的主题学习,既从心理学和认知科学角度了解学习的本质和过程,也参考了学霸们的学习方法,然后归纳出几个高效学习的原则:

  • 发现和提出问题比解答问题更重要
  • 主动深度加工比信息量更重要
  • 刻意练习比记忆时长更重要
  • 融合、拓展和应用比理解更重要

道理都懂,那么问题来了:

开始学习新知识时,该怎么做?

为了更加科学地耍流氓,00 梳理出一组问题和行动清单,作为不同学习阶段的“脚手架”,辅助实践。

不同知识粒度的学习

虽然我们总想找到以一敌万的方法,但是稍微回顾一下过往的学习经历,很容易发现,学习一个学科、一个交叉领域、一个知识点、一项技能,其实需要不同的路径和方法。

粒度 例子 特点 方法
学科 统计学,认知科学 有相对清晰的边界和演化脉络,有研究范式 从经典文献出发,快速了解学科的重要学说和知识形成的里程碑,并归纳出核心的知识点或主题,以及当前研究热点。结构和模型很关键
交叉领域 人机交互,生物计算 有多个学科背景,但是处在融合期,新旧知识纠缠、更替速度快 首先从应用出发,反推父学科的重要模块,顺藤摸瓜去学习领域核心知识
知识点 认知偏差,隐马尔科夫模型 知识组块,有相对明确的核心概念 深度加工,尽可能与其他知识点建立联系,反复练习并且拓展应用场景
技能 Python,手绘,乐器 程序性知识为主, learn by doing 大量观察,提炼模式;设定标杆,反复操练;产出作品,及时获得反馈并调整

问题/行动清单

学习本来就不是一件轻松的事情。与其纠结和低效,不如试着列一张清单,开始做。

I. 热身

明确预期

简要写出以下问题的回答:

  • 动机何在?—— 赋予意义,通过音视频(如 TED,如看大师的作品)激发对领域的进一步热情
  • 现状如何?—— 简单写下目前对领域的理解,之前的学习情况,理想和现实的 Gap 是什么?
  • 要改变什么?—— 学了之后带来哪些新视角,可以做什么,在生活中解决哪些问题?
  • 提出问题 —— 列出尽可能多的子问题并筛选和排序,思考对人生母题可能有什么贡献?

搭建环境

  • 根据知识粒度收集学习素材,原则:源头>数量,材料>方法,效率>全面
  • WOOP 大法 (请参考「WOOP 思维心理学」)
    • W:期望
    • O:想象最理想的结果发生的场景
    • O:最可能阻碍计划完成的因素有哪些
    • P:设定执行意图清单(if……then……)
  • 建立或加入相关社群
  • 选择输出方式和获取反馈的渠道

切忌陷入在热身阶段无法自拔,现在流行用一个词形容这种情况 —— 拖延症。

II. 建立“输入-编码-提取”闭环

陈述性知识 — 主题式学习

(关于陈述性知识和程序性知识,请回顾重启学习系统,做知识炼金术士

A. 提取领域知识脉络,识别学习路径

通过 wiki、wolfram、经典论文、多本书籍(从豆列开始)目录和概要,提取出粗略的知识脉络,然后在收集到的材料中,识别出较优的学习路径。比如在“关于学习”的主题学习中,可以按照这样的顺序看:

  • 心理学教材里学习相关章节
  • 教育心理学领域的专著
  • 看综合学科体系视角的名人传记
  • 具体的、不同学科的学习方法

B. 多种材料集中阅读

主题学习的要义之一就是对比。通过不同时期、不同人的观点对质,建立起知识的时空观,并且让更有生命力的学说和观点自动浮现。

对比阅读时一边做笔记,试着在勾画前找到中心思想,减少划线和高亮的内容,在空白处总结出关键概念,也可以记下想到的比喻、图像等,阅读完一部分或全部内容后,试着将笔记浓缩到包含知识间关系的一幅“地图”中。

C. 小黄鸭提问法

受“小黄鸭调试法”的启发,我们可以试着在知识学习和消化过程中,在手边(或脑海中)放一只小黄鸭,不停地回答它提出的问题。下面是可供选择的问题(需要持续增改):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

它说了什么?

- 主要观点是什么?
- 作者为什会这样想?
- 有什么论据?
- 逻辑是什么样的?
- 这些观点有多重要?

它是什么?

- 我们从谁的视角来看、读、听?从什么角度、什么观点出发?
- 我们如何得知自己已经知道了某事?证据是什么?这种证据是否可信?
- 某种说法中,哪些部分是新的?哪些是旧的?之前接触过这种观点吗?
- 为什么这种观点很重要?它意味着什么?
- 假如不是呢?事情的另一面是什么样的?
- 这件事情有何利弊?

它是怎么得出/实现的?

- 不同事物、事件和人是如何彼此联系的?产生联系的原因是什么?效果如何?它们如何互相适应?
- 推理/归纳/演绎的过程是怎样的?会产生哪些疑问?
- 我们理所当然的想法是什么?
- 还可以有哪些异想天开的选择?
- 怎样才能将两个截然不同的想法整合在一起?
- 真正的问题是什么?
- xx 会如何思考这个问题?

它如何拓展?

- 深度拓展:知识从何而来?结论来自何处?事物为什么以这种方式存在?
- 横向拓展:与此类似的结论有哪些?异同?同一时期还有哪些其他发现?同一人还有哪些发现?同一领域还有哪些发现?
- 纵向拓展:我知道知识从何而来,与哪些知识有关系吗?更宏观和更微观的相关知识有哪些?
- 哪些知识是可以复用的?为什么?可以用在哪里?解释什么?解决什么?
- 可以怎样将知识用到实际生活中?具体情境是什么样的?

D. 回答在学习前提出的问题和小黄鸭问题,并输出

我们很喜欢重读笔记或课本,因为看书比回顾做起来简单,但这会让我们误以为知识已经在自己的脑海里了。最直接的输出方式,是上一篇文章中提到的费曼技巧,比起写作,它更能检验是否真正理解和掌握了所学知识。

Oliver Ding 在信息架构专家Peter Morville的故事中提出专业服务人士的七种兵器,是一个非常值得参考的分层级输出体系:

  • 通过实践,把新知识和旧知识共冶一炉;
  • 通过写作,把经验和体会书面化;
  • 通过讨论和交流,把知识社会化,获得建议和反馈;
  • 通过准备演讲幻灯片,把知识系统梳理,形成骨架和模式;
  • 通过演讲,在更正式的场合把知识社会化,传播到行业社群中,同时提升个人品牌;
  • 通过书籍的写作,为知识系统的骨架添砖加瓦,将知识系统细化;
  • 通过书籍的出版及发行,将知识系统转化为有形商品,进一步将知识传播到更广泛的社会层面。

E. 制定回顾计划和评估方法

每天和每周找一个相对重复出现的场景(注意,不是固定时间,执行意图需配合场景触发器使用),用来回顾新学习的知识。比如每天上下班通勤时,在头脑中重“画”一次笔记地图。

更多复习和评估的方法,可以参考下表(via 采铜):

程序性知识 — 操练学习

跟陈述性知识“在脑中学”不同,程序性知识强调“在做中学”。几乎所有的程序性知识,比如编程、运动、手艺、技术,都是一种“语感”培养的过程,即在大量操练中建立条件反射式的动作序列(组块)。

步骤其实很简单,关键还是“做中学”:

  • 仔细观察新手和专家的区别
  • 向若干专家取经
  • 找出核心操练点,细致解构要素和过程(组块拆分)
  • 寻找每一步骤更优的“算法”
  • 在真实情境中刻意练习,通过反馈中修正

III. 融合操练

陈述性知识和程序性知识是一种简化而理想的划分,其实有不少领域需要同时涉及这两种类型的学习。比如设计,既要理解人的需求、动机、行为,要对人-物系统做整体分析,要理解认知过程如何影响理解和行为,同时又要掌握的各种用于表达和制造的工具,把解决方案呈现并实现出来。这就需要频繁地融合操练:

  • 对陈述性知识:使用费曼技巧,反复进行知识回顾和提取
  • 对程序性知识:锚定标杆,自创方法,适度挑战,输出-反馈 反复迭代
  • 创造应用场景,设计实践项目去操练(写作式;游戏式;设计式)
  • 提取可复用模块,纠错,模型化
  • 回顾热身阶段提出的大问题,适时调整目标

总结

一图胜千言

如需完整版高清大图,请关注公众号 HackYourself,回复“指南”。

kidult00 wechat
扫码关注 00 的公众号
如果文章帮您节省时间或者解答疑问,不妨打个赏 :)