有哪些让人欲罢不能的学习方法?

来源:知乎 作者:格林先生说


1.功利性学习

当你因为某种紧迫感,比如完成领导一个任务去学习一个新东西,你的动力十足,目标感非常强烈,学习起来才效率高。

但现实生活当中,很多人的学习目标是不明确的。

就拿读书来讲,我看到很多人一开始就从第一页看起,尽管我一再提醒他们要明确自己的问题和目标来看书,但是就是做不到,就像很多人屯了很多知识一样,明明知道屯了没用或者没有消化,还是会去屯会去学。

还比如学习尤克里里来讲,你的目标究竟是弹一首曲子,还是很多曲子,如果是弹一首曲子,那么就练习那个曲子的和弦和谱就行,而不是学习一大堆的理论知识和各种谱。

要清晰明白你应用这个知识的具体场景是怎样的?越清晰越好,只有这样学习效率才是最高,而不是学了很多用不上的知识。

学习是要解决当下问题,如果没有解决你的问题,那么阅读或者学习自然是没有收获的。

因此一定要带着问题来进行阅读和学习,也就是学习要极其功利性

再往深点讲,为什么功利性学习会极大提升你的学习效率。

先说一个我在《稀缺》这本书中了解到的一个效应叫管窥效应:

通过一根管子在看东西,管子以外的东西是看不见的,这让我们只能一门心思地专注于管理手头的稀缺。

说白了就是当我们专注于一件事情的时候,我们会因为重视这件事情而忽视其他的事情。

比如当我们在电影院里看电影的时候,会非常专注。这个时候即使周围有人说话,也会被忽视掉。这可能是大脑把全部的精力集中在这件事情上,而没有精力兼顾其他的导致的。

当我们在阅读过程中仅仅围绕着去解决这个问题的心态,那么我们就会将大部分注意力去寻找相关信息而忽视大脑中其他相关疑问和信息。

然而大部分人在阅读过程中是觉得这个地方有意思,突然大脑又发现另一个地方是重点。

结果最后就是貌似都读过了,但没有获取到真正有用的信息,效率还很低,最为关键的是阅读到的这些信息没有解决当下问题。

如果是阅读致用类的书籍,在阅读之前一定要思考一系列问题,带着问题去阅读,解决完之后再带着另外一个问题继续阅读,直到最后解决完所有问题。

我戏称学习就叫开卷考试。


2.费曼学习

费曼技巧是一种顶级的学习方法,它能帮助你真正理解一个新知识,因为它揭露了学习的本质。

所谓的费曼学习法就是当你学习了一个新知识后,想象自己是一个老师:

用简单的话,用自己的话、浅显直白的话复述表达复杂深奥的知识,最好不要用行业术语,让非行业内的人也能听懂,为了达到这种效果,最好想象你是在给一个80多岁或者8岁的小孩子去讲,甚至他们都能听懂。

总之一句话:用大白话去解释新知识。

在我看来,费曼技巧是衡量学习效果的根本标准,因此这个学习方法非常非常重要。

关于费曼技巧为什么这么重要,为什么费曼技巧揭露学习本质,可以移步看我这篇近20w+阅读量的费曼技巧回答。


3.组块学习(结构化学习)

开过车的人应该知道,当你是新手的时候,开车会非常紧张,你需要将精力分散到不同的地方比如远方,刹车、油门、离合等,如果有人跟你说话,你会很难专注在开车这件事上。

如果是老司机,其实他能跟别人一起愉快聊天,一边听音乐,车速还能很快,而且显得很轻松,手还能拿东西吃。

这是为什么呢?究竟是怎样的原因导致如此之大的区别呢?


组块

在解释组块之前,我们先了解一下工作记忆,啥叫工作记忆呢?

在大脑中对正在处理的信息进行瞬时以及有意识加工的这部分记忆,叫做工作记忆。

过去人们认为我们的工作记忆能够容纳7个记忆单元,但现在共识是工作记忆只能容纳4个。

工作记忆就像一次向空中扔四个球的杂耍演员;

在这里,四个记忆单元就是组块。

也就是说我们的大脑只能同时处理四个组块。

那和前面提到的开车有什么关系呢?

新手和老司机最大的区别在于老司机将多个开车操作打包成了一个组块,比如司机把离合、油门、远方打包成了一个组块,空出来的组块就可以用来听音乐和吃东西。

简单来说对于老司机而言,油门离合这些其实算作一件事,是一个组块,但对于新手这是两件事,占用了两个组块,没有多余的组块用来闲聊。

组块是思维的一种能力。很多象棋高手将象棋路数组块,并嵌入神经中枢,实现了内化。当遇到复杂的棋局,依赖于直觉,不再需要繁复计算,形成了如同肌肉记忆般的脑力记忆

讲到这里,可能很多人已经大概知道构建组块的好处了

组块是衡量学习能力非常关键的要素

不管是技能性的学习还是知识性的学习,我们都需要构建组块。

练习技能的过程中,我们需要将多个基本单元结合一起打包成一个组块,这样我们就空出组块做其他操作了,就像上面提到的开车。

学习知识也是一样的道理,如果别人问你一个问题,你脑海里蹦出很多零散的想法,没有用组块整合起来,那么你很难表达出来。

比如为什么他今天迟到

你可以马上从他是否知道上班时间、他有没有能力早点到、他愿不愿早点到这三个角度来分析这个问题,然后可能马上给出答案。

但是如果没有这个组块,那么你表达出来的想法就是零碎的,难以系统解决问题,这就是组块的力量,你会发现越是高手,那么组块能力越强,结构化思维清晰。

4.黄金思维学习

我们认识这个世界,思考问题往往有三个层次,第一个层次,也是最内部的层次是Why,我们为什么存在,我们为什么做这样的事情,比如我们为什么是黄种人,为什么做产品工作。第二个层次是How的层面,如果我这样存在,我应当做哪些事情,我怎么样才能做成这样的事情,比如我怎样把产品工作做好。第三个层面就最外围的层面是What的层面,也就是我具体做什么样的事情,我要做哪些工作。但是我们大多数人是停留在What的层面,我们思考工作和安排生活始终是在What的层面,只有很少的人会思考How,几乎没有人去思考Why。

只有那些特别杰出,在这个领域中特别睿智的人,他们采取相似的方法都是先第一步思考的是Why,然后是How,然后是What。

比如苹果公司,苹果公司的思考就是,一切思考是从Why出发,苹果公司的核心是Think Different,我要与众不同,有了这个Why以后我去思考How,我如何可以实现,我做哪些工作能够实现自己是一个与众不同的公司,那么恰巧在What层面,我做出了iPad,做出了iPhone,做出了iMac来展示我的Think Different。

5.刻意学习

不论在什么行业或领域,提高技能与能力的有效方法,全都遵循一系列普遍原则,这种通用方法命名为“刻意练习”。

刻意练习的关键是需要有目的的练习,假设你在某一领域的技能水平是level A,你希望最终达到的是level B ,你要每次学习必须往levelB 靠近。

当我们是在舒适区工作时,我们大脑调用的方法往往是之前就使用过的方法,就像《思考快与慢》这本书谈到的,我们其实是在使用系统一来思考,因为这样更省效率,但并不是更好的方法。

所以想要更好的方法就必须强迫大脑使用原来没有用过的方法,这个 时候就是走出舒适区,虽然走出时会有点难受,但结果其实很美好。

每年都会有各种吉尼斯世界纪录被打破,几年前我们觉得难以到达的水平现在就能轻松打破,我们的大脑结构其实和身体一样,是可以通过不断锻炼而提高的。

底层的原因在与我们的身体或大脑本质上是维持着某种平衡,我们一旦持续性地突破舒适区,其实就是打破了平衡,我们身体为了保持平衡,会让自己进入到新的平衡中即新的舒适区。

所以远离舒适区,进入新的平衡就非常重要,这样才能我们成长。


6.先考试后学习

先考试后学习:啥也不懂,先测试再学习,这样效果更好。

谈到考试,很多人会觉得仅仅是测试掌握情况而已,但其实,考试是一种非常高效的学习方法。

考试是强迫你的大脑从记忆中提取知识,在这个过程中,你的记忆会得到巩固,尽管考试时候你啥也不会,但这种考试会加深你后续的学习效果。

心理学家勒迪指出,把信息从脑海中提取出的过程中,这些信息还会被复制一份再储存起来,也会在神经网络中增加新的信息节点,心理学家把“考试”称作记忆提取练习,它会让你的知识和技能掌握地更加牢固。

之前我之前文章中也谈到过,这个方法非常好,比如你想提升摄影技能,我不会刚开始给你讲知识点,我先让你做测试题,包括你认为好的照片是怎样的,怎么拍照更好,先让你先使劲想想然后再给你讲解知识。

开会时先自己列出问题,并自己独立思考解决方案;

看书时前列出自己的问题,思考答案后再去看书

学习某个知识前,先回顾过往的解决方案;

这个方法其实很棒的,应用场景非常多,比如我之前提到的“模拟学习法”,我在车上,作为乘客模拟司机开车,这就是考试,虽然我可能啥也不懂,但是一旦和司机对比发现,我就能马上记到很多知识,而且印象非常深刻。

7.回想学习

“我们在提取某项记忆的时候越是大费力气,那么在得到以后,该项记忆的存储能力和提取能力就飙升的很快。”

这个叫必要难度。

举个栗子,高中做数学题目,对于某道题,你苦思冥想不知道怎么解答然后看课后答案之后,印象便十分深刻,下次做这道题很可能做的出来,但是如果这道题是老师上课给你一五一十讲解的,你课后自己再重新做一遍,你有可能还是做不出来。

前者你花费很大的精力来提取关于这道题的知识点,你看到答案之后,这个知识点的提取能力得到极大提升。

后者因为你是被动地听老师讲,你没有主动去提取记忆,所以你对于这个知识点的提取能力并没有得到提升,因此你还是做不出来。

所以日常学习过程中,一定要主动让自己回想知识,而不是简单地机械重复阅读,这样效率是非常低的。

8.情景学习

任何记忆都具备两种能力,即存储能力和提取能力。

存储能力衡量存储是否足够坚实。比如我们小时候背过得99乘法表。
记忆的储存能力只会越变越强,永远不会减弱。

我们感受到的绝大部分信息都如过眼云烟,大脑只是保留那些有意义的事。

也就是说只要我们刻意交代给记忆的内容都会被存储起来,并且是永久。

其实大脑的存储量非常之大,可供300万套电视节目同时播放。

换就话说记忆是不会丢失的,只是我们一时无法提取出来而已,在当下提取能力很低。

提取能力衡量信息被提取到意识中的难易层度。

这个能力也会因为运用而变得越来坚固,如果得不到强化,便迅速下降。

提取的内容和当时的提示线索有关,而且提取出来的记忆容量很小。

类比存储能力是指你很某个人的熟悉程度,提取能力是你想起某个人的名字速度有多快。

存储能力和提取能力是由于进化导致的,远古时候,我们的大脑需要适应天气,地形,猛禽等突发状况,我们需要及时提取信息帮助我们解决问题,但这种状况是迅速变化的,因此我们的提取能力是不断更新,记忆寿命很短。


反之对于存储能力,它是为将来计划的,比如四季更替,气候轮回,我们会调用这些稳固的信息帮助我们解决问题。
举个例子,从一种文化中进去另一种文化,你会屏蔽掉原来的习惯,并遵守新的规则。
存储能力居高不下,但是刻意屏蔽旧习惯则降低了提取能力。

变换环境,能提升我们的记忆效果,学习记忆的时候学会变换场所。

之所以会这样,大脑在记忆某项内容的时候会将环境等要素系一同编码进去,于是在提取记忆的时候,场所更多,意味着提示和线索更多,记忆出来的可能性更大。

举个例子,有个人跳舞很好,前提是房间里有那个木箱,她不能在其他地方表现同样出色,所以我们学习的时候不能依赖环境,环境是会变化的,我们要特意变化场所。

9.学会休息

休息也是一种学习方法

已有研究证明,要想把某件事情牢牢订进记忆里,一晚上重复多次不如每天重复几次。

睡眠会巩固所学习的知识,一遍又一遍地加深加固这些神经模型;

睡眠状态下脑脊液从细胞间隙中流过并从洗掉毒素,这样会保持大脑健康,因为白天大脑会产生有毒物质。所以缺觉状态下大脑不太灵光的原因。


睡眠状态下会清除琐碎的记忆,并增强重要的部分。

所以如果学习过程中感到疲倦,最好的办法就是去睡觉。

因此睡觉之前去学习,第二天反而会记得更加牢固。

10.发散学习

我们的大脑有两种思考模式,专注模式和发散模式

专注模式:

调用全部注意力,利用理性、连贯,分解的途径直接解决问题的一种模式。

比如你学会了乘法,专注模式会把数字相乘,或是语言学习中,你想要熟练地掌握上周学过的动词手法,专注模式可以起到作用。

专注时,清醒专注的前额叶皮质就会自动沿着神经通路传递出信号,这些信号会奔向你思考内容相关的各个脑区,将它们链接起来。

在刻意练习这种场景中,专注非常重要。

但是如果是要创意性思考一个问题,那么专注本身可能会阻碍你,想不出更好的办法。

这是思维定式导致的,在专注模式下,你只会调用脑海中中已有的最熟悉的想法,这会阻碍你产生好的想法和答案,你往往很难脱离一开始的想法,最初的想法可能是误导,想要解决问题需要切换到不同的想法和概念,这个非常重要。

之前心理学家做过一个实验:

就是当老师告诉学习,想一个白色的物体,老师先给出一个例子比如牛奶和雪后,学生往往想到的例子并不多,如果没有这个例子,学生反而想到的更多。

心理学家称之为“目标抑制”

所以在日常工作中,但凡涉及到头脑风暴或者讨论时,都应该避免一开始某个人就阐述个人想法,而是启发大家一起寻找方案。

如何解决呢?

那就要采用另一种思维模式

发散模式:处于放松状态下,思维漫步时产生的思维方式。

现实生活中我会经常遇到这种情况,就是一个难题或方案苦思冥想后就是没有好的结果,但是散下步或者上下厕所就会有个好的想法冒出来。

这个时候其实就是发散思维在起作用,发散情况之下,你的大脑并不会对之前的问题停止思考,反而会调动各种感知力来捕捉相关的信息。

相关文档推荐

AIGC如何助力工作和学习.PDF

1742949482 尹健 10.53MB 93页 积分8

面向办公自动化领域的Al Agent建设.PDF

1741936428 欧阳小刚 2.34MB 32页 积分6

提示工程 7.2上下文学习.PDF

1741174204 李军毅 2.17MB 15页 积分5

DeepSeek赋能职场.PDF

1739405448  4.45MB 33页 积分5

跨部门沟通与有效合作.PPTX

1739245218 邓梅 4.49MB 0页 积分5

推倒部门墙跨部门沟通与有效合作.PPTX

1739245187 邱明俊 1.49MB 73页 积分10

大规模强化学习技术原理与大模型技术发展研判.PDF

1738973514 刘知远 0.96MB 8页 积分5

面向经典用户的量子联邦学习框架.PDF

1738973482 高飞 1.69MB 0页 积分6

量子机器学习模型的逼近与泛化能力.PDF

1738973449 李绎楠 1.39MB 20页 积分5

大模型+数据智能分析应用发展趋势及标准化工作.PDF

1738713468 韩晓璐 7.14MB 24页 积分4

相关文章推荐