财新传媒 财新传媒

阅读:0
听报道
文 | 张海良
在开智社群中,小伙伴们耳濡目染,强调「知识源头」的力量。怎样才能通往源头呢?如果你立志持续学习,做一名终身学习者,就会像张海良同学那样,找到一条逆流而上的路。

2016 开年,在植树节的那个月份,进入了认知写作学的大门。历经 8 周学习,方知「修辞,作为人生意义」。而后 10 周,醒悟「你一生的故事」,找到人生的第二个关键词。现身在开智社群,希望与你一起开荒播种。

破除学习误区

开智社群提倡在源头掌握一手信息。这个源头到底对我们学习有什么意义呢?

《转行》一书讲述了可能的自我。书中的理念,马库斯早在 1977 年就已提出,但到了 1986 年经典论文《possible selves》 才正式提出「可能的自我」的概念,直至 2003 年才写成用于传播大众的书籍。。由此可见,一手信息传播到大众需要几十年时间。这就说明了一手信息的重要性。一手信息能够帮助我们找到源头信息,掌握高阶模型,从而对表象进行理性分析,理清错综复杂的知识体系。

而如果你没有从源头开始掌握信息,那么你就很容易步入以下两个误区中:

第一个误区:学海不是无涯的,知识最优解是有限的。畅销书是一个无限集合,学海无涯是最大的迷思。不要看畅销书,它只是证明自己学到的没有错而已。

第二个误区:学习时总把自己当学生相较于把自己当学生,更好的方式是把自己当成老师。站在老师角度,把知识点从自己嘴里说出来,就让知识在心里具备了记忆的生存效应。最核心的是如何从源头开始的。如果把自己当学生,会是从细枝末节开始的,就算写再多笔记,知识依然体系凌乱。除非你拜入那种身心灵门徒,然而科学知识体系是和身心灵那套无关的。

如何找到知识框架?

任何知识领域都有各自的分类体系,这些框架之间有高低之分,它的框架只是让我们快速记忆。你需要寻找最优解的框架以避免让自己做无用功。

如何找到任一领域的知识框架呢?我们需要一个客观工具,如 「h 指数」,找到这一领域的 Top42 的专家。这些人大多产生了整个知识领域 80% 知识,他们就是知识源头。人的重要性大于信息。正如《追时间的人》一书所言,在信息过载时代,信息不重要,承载信息的人更重要。

查找「h 指数」

什么是「h 指数」?当且仅当某科学家发表的 Np 篇论文中有 h 篇论文每篇至少 h 获得了 h 次的引文数,其余的 Np-h 篇论文中各篇论文的引文数都 ≦ h时, 此 h 值就是该科学家的 h 指数。

举例来说,通过查询,我们知道Keith E. Stanovich(斯坦诺维奇)的 h 指数为 93 时,这表明在他发表的论文中被引次数达 93 次以上的论文至少有 93 篇。

那么怎样使用谷歌学术查找某个作者「h 指数」?具体某个领域的大牛,你可以在谷歌学术作者网站上找到。

https://scholar.google.com/citations?mauthors=&hl=en&view_op=search_authors 

如果想找某个领域 h 指数排名靠前的大牛,我们使用快捷键 label: XXX 快速搜索。比如,我们以认知科学为例,找出这个领域的学术大牛。在 谷歌学术作者页面搜索框中输入 label:cognitive_science 就可以找到。同样我们想找理性思维、理性决策的,也可以直接在在 谷歌学术作者页面搜索框中输入 label: Rationality 找到。

在找到人后,你可以在 Google scholar 找到这些作者的所有论文。但这么多作者,你要一个个去查看阅读他们的论文吗?

科学知识图谱工具

我们还需要学会使用科学知识图谱工具。
聪明的学习者会「偷懒」,他们会利用工具达到自己的目的。远古社会,人类学会使用火,发明了文字,「火」是人类得以生存的工具,「文字」则是人类文明传承的工具,善用工具是智人的一大特点。同样,利用科学知识图谱工具 CiteSpace Gephi等,分析作者共被引关系,作者合作网络、共被引用关键词等,你可以迅速找到这个领域的几位核心人物,由 42 位缩减到 3-5 位;由成千上万篇论文降低到十几二十篇论文。这样,利用科学知识图谱工具马上建立了这个领域的森林感。

这是从导出的有作者的共被引网络图谱的报告。通过它你可以更深一步挖掘。

怎样使用期刊排名网?除了阅读核心论文,你还可以利用期刊排名(scimagojr - journal & country rank,SJR)找到这个领域的核心期刊。比如认知科学领域的核心期刊是《Trends in Cognitive Sciences》排在第二,SJR 指数为 10.161,在心理学领域排在第二。除了SJR 指数,你还可以利用 Google Scholar官网找到谷歌学术的期刊排名,在这里你可以找到公认的专业期刊:

 https://scholar.google.com.tw/citations?view_op=top_venues&hl=zh-CN

使用wikipedia

另外,还可以借助 wikipedia 对这个领域有一个大致了解,知道这个领域所属的上下级是什么,它的关键词是什么,wikipedia 是最佳的入门知识工具。

这就是源头大于碎片。信息汪洋,你需要站在时间源头,看潺潺溪流,肆意大海。知识管理不重要,重要的是掌握生成任意一个领域的知识体系的能力。还是认知科学为例,你可在 wikipedia 里面输入 Cognitive science ,你就可以看到有关这个学科的大致内容。假如你对认知偏差感兴趣,输入 List of cognitive biases 你可以通过维基百科 找到认知偏差的详细概念和分类。

具体请看:

  • https://en.wikipedia.org/wiki/Cognitive_science

  • List of cognitive_biases

  • https://en.wikipedia.org/wiki/Deep_learning

判断知识框架优劣的最简单方法就是看它们的层级关系,框架内的层级和分类越多越不是好的框架。为什么?因为,人脑的认知范围就是 4*5,4 个组块,5 个搜索深度,凡是超过这个组块的知识框架,人都记不住,而记住的的知识,必然会在传承中流逝,大浪淘沙。

比如《清醒思考的艺术》,从目录中就可以看出它的知识框架并不好,这样的书,对你的作用就是用来找鲜活证据,和验证自己理解。

1、幸存偏误 为什么你该去逛逛墓地
2、游泳选手身材错觉 哈佛是好大学还是烂大学?我们不清楚
3、过度自信效应 你为什么会系统性地高估自己的学识和能力
4、从众心理 就算有数百万人声称某件蠢事是对的,这件蠢事也不会因此成为聪明之举
5、纠缠于沉没成本 你为什么应该忽视过去
6、互惠偏误 你为什么不该让别人请你喝饮料
7、确认偏误之一 遇到“特殊情况”这个词,你要格外小心
8、确认偏误之二 干掉你的宠儿
9、权威偏误 你为什么该藐视权威
10、对比效应 你为什么最好别找模特儿等级的朋友一起出门
......

阳志平老师曾说的多个版本读最薄的就是这个意思。另外,好的模型、模式兼容性更强,能容纳更多不同分类的知识。这就是他的「学习六思」中另外两个:有限大于无限。学海非无涯任何一个领域的核心知识是有限集合而非无限集合。

学习任意一个学科都可以掌握一个「最小知识原则」:

  • 知识的源头,最早是解决什么样的问题而诞生

  • 核心话语体系,核心术语

  • 二级推演体系,二三级术语体系

比如,既然是聪明人那他为什么会做蠢事呢?这个问题,我们通过阅读《超越智商》就知道了,是由于传统智力测验并没有测量理商。这样就有了斯坦诺维基的后续研究。接着他提出了一个概念「理性障碍」、「双进程理论」即进程一和进程、「三重心智模型」,由此还激发了卡尼曼出版了《思考,快与慢》。之后斯坦诺维奇和卡尼曼分别进行了演绎,比如认知吝啬鬼、锚定效应、过度自信偏差等等一系列认知偏差。

从知到行:如何消化知识

那么找到知识框架后,如何学习消化呢?

列清单一个好的方法是列清单。咱们的知识卡片如术语卡,人名卡、反常识卡等也是一个清单。为什么说列清单是一个好的学习方法?因为对没有自己知识体系的新手来说,「清单」可以解决最初的学习困难。比如用清单来标记,哪些知识自己理解可以给别人讲了;哪些知识反常识,自己完全听不懂;哪些知识是你给别人将不明白的;哪些知识你过去经常犯错的。还可以从自己最愚蠢的事情里找出一些例子对应这些认知偏差,看哪些能兼容哪些不能兼容。

列清单依然要遵循 4*5 原则。以理性偏差《超越智商》为例,你可以整理出3个清单,认知吝啬鬼、好的心智程序、坏的心智程序,然后按照印象或者说效应、评估手段或例子、研究者、参考文献等列表。

如果这个清单出现例外怎么办?没关系,遵从二八原则,我们应该用要用 20% 的时间做 80 的事情。

尝试去教别人。你还可以尝试去教别人,教是最好的学,这就是「学习六思」中的“输出大于输入“。即使在头脑中想象教别人,也能提高学习效率;从学到教,意味着从被动到主动,从依赖到独立。

采用自己撰写畅销书的格式去消化。整理的时候采用畅销书的格式。为什么?因为知识的最佳表征是树形结构,MIT 认知科学家 Josh 发表在 pnas 的论文中,比较了抽象知识的不同表征结构,如星形结构、聚类结构、环形结构等等。最终,他用数学方法证明人类最佳的抽象知识结构是树形结构。

只有树形结构,才是最符合人类认知特点的一种结构,从树的上一层到下一层,是具备唯一通道,便于大脑将知识从记忆底层快速提取出来,符合人类大脑是个认知吝啬鬼的特点;树又是兼具横向扩展与纵向扩展能力的最优雅的结构。因此,用写书的格式去学习跟更容易消化记忆。比如《清醒思考的艺术》里面的和斯坦诺维奇提到「过度自信偏差」,都可以。

大脑网络是全脑无边际网络,学习是随机漫步,大脑喜欢新奇,你需要搜索以找到鲜活证据,来真正消化知识。搜索,是为了找鲜活证据。看畅销书也是只是为了找鲜活证据。而生成知识体系则是写畅销书。所谓鲜活证据,除了是他人不知道,反常识证据外,还是你第一手接触到而非道听途说的。

比如我上写作课程时,阳志平老师写「工作谈」的时候,就知道了要以写书的方式来学习你想学的领域。但当时知道了并没有很大的感触。而在 6 月我读《既见君子》时,作者引用物理学家惠勒的说,「你要学习一个领域,就写这个领域的一本书」,这句话一下就使我感到触动了。为什么呢?一是作者写这的部分,我看到这句话就是作者的作品,这是一个实实在在的榜样。二是因为之前我的的确确听过阳老师的那句话。这就相当于是第二次遇到了,而且其中含有 3 个层次:阳志平老师——惠勒——张定浩。另外,还有例子,比如《中国诗史》也是陆侃如、冯沅君夫妇在大学时期用学到的知识写成的。

所以,最终思想要真正内化到自己内心里,才能发行动。之前只是一个种子,然后遇到阳光雨露,才开始发芽,至于生长结果,这就需要行动了。

如何将人类任意领域的优秀理论知识转为行动?学习的本质是改变,不管是认知上的改变还是行为上的改变。为什么很多人听过很多道理依然过不好这一生?就是因为没有行动!那么,如何将知识转化为行动?最好的方法是知行合一,在行动科学上叫双环学习。行动科学是一门探究人类相互间的行为是如何被设计并付诸行动的科学,是阳明心学的现代发展。

人是自己行动的设计人。在行动科学上有两个理论,即信奉理论使用理论。前者是指个体宣称他所遵循行的理论,可以理解为「知」,后者则指那些由实际行动中推论出来的理论,可以理解为「行」。行动科学里研究的并不是简单的言行不一问题,而是这两种不同的行动理论:人们认为自己奉行的理论以及他们真正使用的理论。人们所做的一定和他所具有的使用理论一致,但却不一定和他信奉的理论一致。

当我们形成一个目标或行动时,价值观的问题就隐含在其中了。人们的使用理论模型的框架由下图来构建,主导变量是行动者寻求的价值观。每一个主导变量可以设想成具有伸缩范围。如个体不希望有太多焦虑,但也不希望它降到零点以免自己觉得无聊。通常我们谈到人们的行为时都好像它们是一个终结状态,好像只有一个主导变量,但实际上,它是滑动的。行动策略则是行动者在特定情境中为满足主导变量即主导价值观而使用的系列动作。

当一个行动策略的结果正是行动者所希望达到的,那么意图与结果是「相匹配的」,而行动者的使用理论得到确定。但当意图与结果不匹配时,人们的第一反应是寻找另一个可以满足统一主导变量(主导价值观)的行为策略来取代前者。

例如,当行动者想压抑冲突(主导变量-主导价值观),为了达到目的,他避免说出任何可能引发矛盾的话(行动策略),但别人依然如故(不匹配):

另一个可能性是去改变主导变量本身(主导价值观)。如行动者可能不去压抑冲突而选择强调公开调查,即双环学习。它可以加强理解,降低防御性,减少自我满足和自我封闭。请看下图第二型使用理论,即模型 2:

通过改变主导价值观,可以让行动策略和结果相匹配。应用在如何将知识转化为行动,就是改变自我封闭、自我满足,以成功为导向,拒绝失败,最小化表达自己学习中的消极感觉等主导价值观,让行动策略与结果相匹配。

具体可以精读《管理学中的伟大思想》第 13 章《组织中的双环学习:一个行动视角的理论》,配合阅读《行动科学:探究与介入的概念、方法与技巧》,这本书是行动科学的源头。在本书的第一部分就讲述的行动科学要解决的问题以及他们核心术语体系、二级推演体系,这也是一个学科知识领域的最佳示范。

除了双环学习,注意非文本学习或训练。为什么?这就涉及到斯坦诺维奇的算法心智、自主心智以及反省心智了。文本描述的理论很容易让你陷入算法心智而有所抗拒。而如果是非文本学习,则会降低你大脑的抵抗,激发起你的自主心智。

为什么许多人看电影看的会热泪盈眶?为什么看的大海后会感觉心胸开阔?为什么登高后觉人生奋斗?就是这个道理。除了这类,工作坊实践这种将陈述性知识转换为操作性知识也是消化知识的很好方法。这些都能增加你的内隐知识,最终内化成自己的东西。

最后送给大家一句话,同样来自阳志平老师的「学习六思」:群体大于个体将一屋子聪明人放在一个房间内,最聪明的是那个房间——容器。

小结

生成大于管理,掌握生成任意一个领域的知识体系能力大于知识管理;源头大于碎片,你需要从知识的源头入手;有限大于无限,任意一个领域的核心知识是优先集合而非无限集合。掌握生成知识树方法论,带你走到知识的源头。

话题:



0

推荐

开智学堂

开智学堂

476篇文章 2年前更新

开智学堂专注于培养未来的创造者,在这里你可以与小伙伴一起学习认知科学、人工智能和创意写作等 21 世纪人才所需的技能。

文章