信息爆炸的时代,如何成为更高效的学习者?

简介:

如今,我们每天需要处理的信息量越来越多,比1986年要多五倍,相当于让我们一天阅读174份报纸!

这其中可能包括很多Instagram帖子,但是绝不仅仅是这些社交媒体信息。比如,在过去的16年里,企业在线学习(e-learning)拓展了9倍,在美国几乎80%的公司为员工提供在线培训,使他们能够获得比以往更多的信息。

数据来源链接:

https://www.telegraph.co.uk/news/science/science-news/8316534/Welcome-to-the-information-age-174-newspapers-a-day.html

https://elogiclearning.com/15-elearning-trends-and-statistics-to-know-for-2017/

你可能会认为这意味着人们会更博学,但事实并非如此。在普通公民知识测试(测试内容涵盖了所有人们通过浏览信息可以学习到的知识)中,美国成年人的平均成绩在过去80年中几乎保持不变。同时,很多时候公司在职专业人员仅用到了他们从企业培训和发展项目中学到的15%

数据来源链接:

http://www.newsweek.com/how-ignorant-are-americans-66053

https://www.td.org/newsletters/atd-links/ensuring-learning-transfer

我们在处理着更多的信息,但并没有学到更多。换句话说,我们成了更低效的学习者。

但是,通过有目标地去处理信息、进行实践,我们可以转变这种低效学习的趋势。下面是四种成为高效学习者的方法

一、用几个月来关注某一主题的信息

不要被流行的标题牵着走,而是去选择一个主题,然后专注于浏览和阅读与该主题相关的信息。这不仅会让我们很容易地在已有信息的基础上学习新知识,还有一个重要的好处是,它符合我们大脑的工作习惯。

神经科学家Adam Gazzaley在最近的一次采访中分享了他的著作《The Distracted Mind》,其中有这样一段话:“工作记忆领域中最高水平的表现更多地取决于你如何过滤所有不相关的信息。处理与目标无关的信息会对你产生干扰......成功地过滤信息对于我们感知信息、记忆信息然后作出决策的能力至关重要。”学会有重点地浏览信息是有好处的。

采访链接:

https://www.npr.org/sections/ed/2016/11/05/498477634/learning-in-the-age-of-digital-distraction

二、制定学习框架

学习框架充当我们大脑思维的内部架构,为我们收集到的信息创造“空间”。有关学习框架价值的理论可以追溯到心理学家Jean Piaget所处的时代。他在20世纪20年代首次使用术语“schemas(概要)”来描述将信息分类到同一模式中的过程。

概要(或框架)通过结构化和可重复的方式将新的信息和我们已知信息相关联,从而帮助我们记忆新的信息。这点其实很直观,就像把电脑放在家庭办公室里会比把它放在无序的仓库里更容易找到一样。

举个例子,比如在读完本文之后,你可以开始构建一个关于“如何成为一个更高效的学习者”的知识框架。你可以先从本文提到的四个策略开始,然后当你读到更多相关内容后,你可以对创建的框架进行填充,对现有的理解进行调整,并将新信息与你已知的内容联系起来。

三、定期综合所学知识

知识综合就是“使各部分知识形成一个整体,重点是产生新的含义或结构”。这个定义来自于Bloom的认知发展分类学,它描述了思维技能的层次结构。

当前分类学版本是在20世纪90年代修订之后形成的,它将知识综合(更名为“创造”)置于这个层次结构的顶层,高于其他五种思维技能,其中包括知识应用。因此,当你对所掌握的信息进行综合时,你会从中获益良多。

知识综合具有挑战性,因为它需要根据已知的所有信息来理解新信息的能力。它不同于总结,因为知识综合重要的是融入自己的见解,而总结仅仅是短暂的信息反馈。练习这种技巧的一个简单方法就是问自己:“这篇文章的关键内容是什么?”

四、形成“信息盛宴”和“信息节食”之间的循环

为了使你能够专注于回顾、思考和应用已经获得的知识,周期性地限制自己对信息的获取是重要的。请记住,新的信息会对之前获得的信息产生干扰。语言学习软件Duolingo通过调查发现,成功的语言学习者会比失败者花更多的时间回顾以前的内容。

语言学习链接:

https://techcrunch.com/2017/03/05/3-habits-of-successful-language-learners/

怎么才能知道什么时候“节食”(回顾旧知识)、什么时候“盛宴”(学习新知识)呢?Duolingo建议在你处于忘记所学知识的边缘时回顾旧的内容。尝试综合你所学的关于你感兴趣的话题的内容,如果你做不到,这时就需要复习了。

我们不应该成为数以百万计的博客、YouTube视频、Facebook帖子甚至是需要我们关注但带给不了我们什么知识的书籍的受害者。让我们成为高效的学习者,利用爆炸且便捷的信息获得实际收益。


原文发布时间为:2018-06-16

本文作者:Giacin、张馨月、郑璇真

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”。

相关文章
|
10天前
如何用公式化思维?几个经典公式收集
如何用公式化思维?几个经典公式收集
|
11天前
|
存储 机器学习/深度学习 人工智能
模型长期记忆的重要性
文章探讨向量数据库作为ChatGPT等模型长期记忆的重要性,指出真正向量数据库需支持数据的增删查改与持久化。
模型长期记忆的重要性
|
1天前
|
机器学习/深度学习 数据可视化 算法
PACNet & CellNet(代码开源)|bulk数据作细胞分类,评估细胞命运性能的一大利器
PACNet和CellNet都是强大的工具,分别用于研究细胞命运工程和细胞类型保真度,它们在细胞类型分类和网络分析方面有所不同,可以根据研究需求选择合适的工具。
9 1
|
2天前
R语言LME4混合效应模型研究教师的受欢迎程度
R语言LME4混合效应模型研究教师的受欢迎程度
16 0
|
7月前
|
机器学习/深度学习 人工智能 运维
异常检测:探索数据深层次背后的奥秘《中篇》
异常检测:探索数据深层次背后的奥秘《中篇》
异常检测:探索数据深层次背后的奥秘《中篇》
|
9月前
|
负载均衡 监控 算法
转:启发式算法对网络行为管理系统的应用研究、实用性分析及实现难度
启发式算法在网络行为管理系统中的应用研究是一个重要的领域,它可以帮助改善系统的性能和效率。启发式算法是一种通过模拟自然界的演化过程或启发式规则来解决复杂问题的方法。
55 2
|
11月前
|
机器学习/深度学习
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
187 0
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
|
12月前
|
数据可视化 算法 数据挖掘
网络结构数据分析:揭示复杂系统背后的规律
随着网络技术的不断发展,人们在互联网上留下了海量的数据,这些数据反映了人类社会、经济、生态等各个领域的复杂系统。而这些复杂系统背后的规律往往难以被直接观察到,需要借助网络结构数据分析的方法来揭示。本文将介绍网络结构数据分析的概念、方法和应用,以及未来发展方向
173 0
|
运维 Cloud Native 算法
Java性能优化学习1:理论基础学习与分析
性能:使用有限的资源在有限的时间内完成工作。 最主要的衡量因素就是时间,所以很多衡量指标,都可以把时间作为横轴。