知识管理误区与正确学习的方法

前言

每天热衷于各类知识的收集,比如在知乎上看到好的回答就想点收藏
但收藏之后又不会多看一眼,潜意识里不愿花较多的时间在知识的消化上
又偏偏是收集成瘾,最终导致采集的知识总量越来越大,逐渐产生一种时间不够用的错觉
最终在知识的海洋里迷失自我,整日忙忙碌碌、碌碌无为。

在这里插入图片描述


而这也是低效知识管理模式的典型,不但会影响个人知识体系的建立,长远看还会打击人的自信心,徒增焦虑感,那么我们要怎样做才能很好地解决这个问题呢?

1、纠正“以知识的收集为中心”的学习观念

互联网时代,信息大爆炸,不仅在信息数量多得可怕,而且其更新速度也是快得吓人。

如果一个人还按照传统的观念去收集知识,企图在数量上建立博大精深的知识体系,那几乎是天方夜谭的事,因为你永远也不可能仅凭一己之力做到这一点。

诚如《庄子·养生主》所言:“吾生也有涯,而知也无涯。以有涯随无涯,殆已。”

其意思是人的生命是有限的,而知识是无穷的,以有限的生命去追求无穷的知识,就会搞得精疲力竭。

而所谓的面面俱到、博大精深的知识体系也绝非个人力量就能完成的,这应当是整个人类的目的。

倘若还是“以知识的收集为中心”建立知识体系,那你能消化吸收的知识在采集总量中只占极小比例,最终也只能是事倍功半,做了许多无用功。

所以我们首先要纠正的,就是这种“以知识的收集为中心”的学习观念。


2、 纠正“囫囵吞枣、不求甚解”的学习方法

可能很多人都有过类似的经历,有的时候我们看书学习不仔细,自以为已经弄懂的知识,一到真实运用时就傻眼了,很多知识一看就懂,一做就错,学的时候囫囵吞枣,用的时候一脸懵逼。

这里面其实暗含了一个很有意思的逻辑,那就是“我懂了”与“我会用”其实是两个概念,很多时候我们都会高估自己实际运用的能力,做什么事都喜欢求大求全,自以为积累的各门类的知识越完整越好、越“成套”越好……殊不知这样建立起来的知识体系往往看似高大全,实则都是“纸老虎”,经不起实战的考验。

因此,我们在建立知识体系的过程中,最忌讳无目的、无方向、无重点的学习, 要时刻铭记自己的目的,调整自己阅读的内容和思考的方向,纠正常见的“囫囵吞枣、不求甚解”的学习方法。


3、以应用场景去架构自己的知识世界。

我们在建立自己的知识体系时,最重要也是最核心的一个理念是——应当以自己的应用场景去架构自己的知识世界。
所谓的“应用场景”,其实理解起来很简单,就是我们掌握知识也好,建立体系也罢,其根本目的还是为了学以致用,你完全可以依据自己的专业或者工作建立一套高实用性的知识体系,让你可以随时能从中提取信息,并且运用到自己的生活和学习中。


这套方法大体分为五个步骤,其具体内容如下:

1、明确知识体系的主题和用途

简而言之,在构建自己的知识体系之前,你务必要明确自己体系的主题和目标,提醒自己“我的知识体系是什么,它的用途是什么,我又为什么要建立它?”

只有搞清楚自己知识体系的方向,找到自己最愿意学习的部分,并且能让自己更加专业的知识,你才有足够的动力去坚持。

比如,你是一名学法律的学生,你需要的“知识体系”就是“与法律相关的内容”,用途就是利用这个“体系”提供法律服务的必要知识,你所做的一切,都是为了未来的工作做好准备。假如你在读书或者学习期间看到一些刑事案件,后面链接到古代刑法的演变是合理的,如果再扯到《金瓶梅》乃至古代色情文化就没必要了,因为《金瓶梅》中虽然含有一些古代刑法,但是相对于你的“体系”而言则是无效信息。

明确知识体系的主题和用途可以帮助你迅速理清脉络,剔除无效信息,不必再在无关的内容上浪费自己宝贵的时间。


2、找到获取知识的途径

明确“知识体系”的主题和内容后, 接下来就是找到获取知识的途径和方法,我们不但要学会理清脉络,更要学会筛选知识。

常见的获取知识的途径有:

① 书本:

针对某一领域,进行快速阅读和主题阅读,可以快速掌握某一领域的基础知识,形成最基础的知识框架,另外每本书一般都会有参考资料,这些也是很好的知识来源,只要你细心,完全可以按图索骥,从中找到适合自己建立“体系”的内容。

② 课堂:

这里的课堂既包括现实中的上课,也包括网络视频课程,像网易云课堂、中国MOOC等网站都是你获取知识的有效途径。

③ 网络:

互联网时代,网络已然成为我们生活的必须品,只有你好好利用网络,其实能找到适合你“知识体系”的内容,这是你主动学习的一大“法宝”。

④ 随时留心生活的点滴:

永远不要把知识累积全部放到主动学习上,有的时候生活当中的一本随手翻翻的书、一页无意中浏览到的网页、一次好友亲人之间的聊天,如果你足够敏感,都可以成为你知识体系中重要知识的来源。


3、知识的整理与分类

这一点是一般“知识体系”建立的重中之重,也是实施起来最难的部分。

有了前面所说的主题和途径,你就可以按照逻辑和层次,分出尽量详细的项目类别了,这期间你既可以用手写笔记的形式整理,也可以利用网络管理资源,像有道云笔记、印象笔记、为知笔记、evernote等笔记类软件进行整合,专门建立一些“笔记本”,用你的“知识项目”来命名,然后把你的知识点(文字、图片、其他媒体)按照名称,作为笔记归纳进你的知识体系之中。

当然,整合的过程绝不是一蹴而就的,你会发现最初列举的项目一定是不完整的,没关系,只要你继续往知识体系里填充,并且及时整理即可。(可以参考的相关回答: 碎片阅读如何形成知识体系? - 知乎)


4、知识的输出与运用

我曾在另一篇学习类回答花了很多很大的篇幅介绍过“费曼技巧”,而这个技巧放到这里依旧合适,其实读书也好、学习也罢,只有读进去能表达出来,才算是真正吸收了,因为你表达的过程,就是思维加工的过程。

当你输入了大量的知识后,在认真地整理成体系后,可以根据自己的思考进行输出,你可以选择在网上输出,比如开一个博客或公众号,或者在知乎上写回答写专栏,在豆瓣上写相关的文章……

这时,对于体系里的知识,你不仅懂了,而且可以根据不同的情况灵活地运用,将知识的运用做到游刃有余, 并且用各种方式输出或分享给其他需要的人,这种成就感很难被替代的。


5、把握学术动态,更新知识体系

一个好的“知识体系”的形成,绝对缺少不了及时有效的更新,你可以依据实际情况不断对其进行补充,使之更加完整可靠。

更新中很重要的一个部分是,你要学会及时把握与你的“知识体系”相关的学术动态,看相关的学术期刊,关注相关的学术论文,就答主个人而言,知网、万方、维普、读秀是我经常看的中文数据库,尤其是相关领域的权威刊物,里面的文章都可以成为你扩充更新知识体系的有效来源。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值