哈斯日志
纪录我们在网路上奔波的历程!
  • »新帖子
  • 知识管理的算法
  • 信息知识管理技能
  • 碎片化阅读、海量信息时代的轻量级知识管理
  • 俞军和他的产品经理课
  • 为什么我们都对搜索不满意却又无可奈何
  • 搜索产品市场机会探讨:头条不做搜索做什么
  • 搜索产品市场机会探讨
  • 搜索产品市场机会探讨
  • 我教怎么在微信上通过bot做知识管理的
  • 今日头条搜索跟百度的简单体验对比

  • Reward hasiblog
    知识管理的算法
    星期六, 八月 01, 2020

    有点长,先说观点,其实这篇也是2020 春节前在锐创的时候就写好了,没发出来。


    总结起来 就是,优秀的知识发现、灵活高效的分类标签体系、合理的权重策略、开放的结构和增长进化体系,分层共享 的访问授信机制。



    # 知识的发现

    数字信息的爆炸式增长淹没了我们用于对其进行分类的所有工具。标准的上下位分类目录导航的结构,是自上而下的少量小规模的数据处理范式。亦如上篇提到的.


    我们需要的是自下而上的自动化工具来理解大量数据、节省时间、提高使用效率。Google的PageRank算法使通过网页分析关键字和超链接,而不是通过人工判断为网页分配重要性和含义成为可能。这是一种自底向上的算法方法,可从数据特征的网络关系中计算获得含义。这项技术的要义在于,可以辅助人工判断重要与否并将这个特征量化表达出来、为后续的有效计算提供参数供给。


    在信息到知识的过程中,实际上是一种从泛在的信息的提取加工、并进行价值判断、形成知识工具的过程 ,那么这些泛在的信息在哪里、怎么产生的,以什么形式存在的、怎么发现怎么标引,除了 pagrank还有没有其他更好的方式。若干年前曾经尝试的 people rank 在解决那个维度的问题?


    #信息映射

    根据你的理解认知,建立所掌握的信息知识的关系结构,并能在特定场景/域下的对象和对象的用你掌握的类似、或者相关的逻辑结构来描述


    还有一点建立关联,基于域关联、场景方向,并能识别出场景和域下有多大差异,会导致迁移导致失效或者不完全等价,我一般定位一个知识和场景连接的适应性权重。


    一切困惑均可在历史中寻迹。当我带着困惑的时候,看到了1969年Robert Horn首次发表了一篇论文,概述了“信息映射”。


    信息映射是一种以研究为基础的方法,用来撰写明确、以用户为中心的信息(基于读者需求和信息使用目的),该方法主要被用于设计和撰写商务沟通及技术传播内容,已被全球范围的企业作为内容标准使用。这是创建技术参考的一种新方法。它是一种用于识别,分类和相互关联信息的原理系统,可以使你在复杂的,信息丰富的环境中更轻松地学习、获取信息、消费信息资讯中的知识。Robert E. Horn 的信息分类理论里明确了六种信息类型,几乎涵盖了商务沟通和技术传播的所有内容。根据它们对于读者的用途,这些类型对各元素进行了分类:





    先贤们很早就定义清楚,知识管理信息管理一定是以信息消费的读者的使用要解决的问题形态存在,而抽象出这种存在为中心的逻辑则是定义知识信息存在的结构,以访问为中心的逻辑则更关注的访问的相关性、一致性、易访问


    #知识管理的过程

    从获取的信息,知识化过程纵向抽象来看,包含这么一个过程:

    1 发现、初步学习

    2 重新学习

    3 参考

    4 扩展、延伸

    5 更新变化

    6 作为工具使用,并不断重复 2~6 的过程。


    通常情况下,费曼学习法、康奈尔科学笔记法、思维导图都是对知识的体系化梳理好工具,这些个工具在这里会有助于你整理、梳理、形成体系。


    #标签化你的知识信息

    标签(这里指的是 Tagging,类似于早期  furl、delicious 的taxonomy方式)可帮助我们即时感知,选择和思考的数据分组,以促进行动,而不仅仅是抽象的思想。


    且在不同笔记上标记标签,使我们能够感知跨学科的主题和模式,当前前提是你对你 Tagging的标签有要清晰的内涵定义,不能每次使用的边界都不稳定,这样可以使我们在特定的时刻仅关注最相关的信息,从而改善我们的思维。


    我们的思想塑造环境,然后环境塑造我们的思想。安迪·克拉克(Andy Clark)在《取代思想》一书中将“标签”描述为一种“增强现实技巧”。通过分配标签的简单行为,我们邀请大脑的模式识别能力来识别它们的相似性并从而预测其他哪些项目也适合该标签。我们实质上也是在调整笔记的信息环境,以突出显示或隐藏与当前任务最相关的功能。


    我们将标签视为可以即时创建的虚拟空间,唤起我们对空间导航的直观感觉,以理解复杂的抽象主题。我们能够创建更具体的概念结构,并使用我们的过程更有效的知识导航。 


    #信息的逻辑特征

    在阅粒搜藏的信息处理模式上,所有的信息可以从事理逻辑上可以分为,

    事实/概念

    经验

    观点

    数值数据

    历史

    权威信息(公理、定律、被验证的方法和专业人员发表的观点)


    从信息的泛在,到精选和再加工的内容处理过程,一般情况下,我们会:

    1 复述/转述--这个在抖音上还挺多人说,就是你自己掌握的标志是,讲给一个完全不懂的人,让他也轻松了解。说实话门槛不低。

    2 对这信息能发表自己的想法

    应对实际客观情况应用信息和知识进入的推理、判断、行为、决策参考


    这些都是相对的客观存在、公理性的认知无限接近与“事实”,我说的,是相对中立立场的看待知识信息。大家都知道没有绝对事实,前面都会有价值观、世界观、情感立场会影响你对这个的看法。


    #个人知识管理

    有效使用标签在个人知识管理中将极大增加你使用的知识管理工具的体验,阅粒搜藏就是用你的个性化 bot 帮你自动打标签分类整理。


    ##1  可以根据自己的使用习惯定义你的标签体系,除了主题、内容特征的语义标签,也可以定义状态、事件相关性、行动计划等

    有了标签,我们就有机会将我们的知识网络化。

    --标签应该易于记住

    --标签应该易于决定、易用有共识,尽量少歧义,比如你在任何时间定义同一内涵的东西,应该用的是统一的符号

    --标签应该是具体的

    --标签应支持正确的行为:在这种情况下,使用标签来管理工作流的各个阶段可以有效地使用知识

    --标签应该是有包容性的:通过维护标签来运行的组织系统可以方便我们通过网络化的连接最大化效用


    ##2 必要的时添加新的结构,使用积累的知识信息来指导您需要什么结构

    知识信息最有价值的特征之一就是它具有很高的延展性,随着对学科知识的积累和需求的变化,而且随着专业领域研究和知识的增加,我们可以通过逐步增加结构来利用可延展性。


    组织知识信息的方式预先决定一种结构,但是在个人知识管理方面,最重要的优先事项是满足您的日常需求,比如快速找到、快速回溯所有相关信息、甚至能帮你梳理和发现更深层次异同和映射到时间线上的变化。


    #知识管理的协作与共享

    《管理我们的数字资料的科学》中所有研究内容,确定知识信息、数字化资料可用“内部,外部和社交环境以及状态”来描述其“上下文”的信息的四个属性。


    ##1 你对笔记的想法,感觉,联想,关注和考虑事项,可以通过标签、mark、发布想法、评论等方式得以呈现,并跟这些信息在这个节点建立起关联。


    ##2 外部的相关的信息,这个通常情况下在开放互联网年代里 href、pingback 是最好的表述,但是目前随着网络部落化的严峻现实,我们也仅仅通过朋友圈截图管窥一二(开玩笑的哈哈),事实上可能需要更多技术手段参与


    ##3 社交环境是指与评论相关的其他人,例如项目合作者,推荐来源的人或与之共享的人,在搜藏中,我们出我们除了可以自己发表想法,还可以创建共享小组,引入相关的朋友一起对内容和信息本身发表深度思考、评价和讨论,仅限于这群相关的人才能互相浏览


    ##4 当前状态是指该注释所采取的任何操作,或该评论、followup所使用的任何可交付成果,它可以帮助我们通过标签、事件的关系,在思维建立上下文线索理解的可能。


    ##5 开发定制的特定于行业的分类标签

    哪一种才是“正确的”分类标签法,从古争执到今,亚里士多德认为,知识可以根据其实质,数量,质量,关系,位置,时间,位置,状态,行为和情绪进行分类。Francis Bacon将所有人类知识分为记忆(即历史),理性(即哲学)和想象力(即美术)。Shiyali Ramamrita Ranganathan认为,任何文件都可以根据其个性,物质,能量,空间和时间来定义。


    组织信息的历史在很大程度上与“分类法”有关,分类法是一种将信息分类为一个全包模型的分层系统。从这种角度来看,不为使用目的的分类,并不能说不对,只能说没用。


    最近看过一个数字图书馆的编目规范的学术研究,感觉从互联网信息、企业信息到传统严格知识分类体系上,差别很明显,各自都在朝着各自更实用的视角进化。


    但是对于特定的领域和专业,标签的可扩展性确实很重要,能够兼容通用性,又可以在特定领域引入专用领域,这就是说知识图谱技术可以发挥作用的空间,在通用体系上,可以引入行业、领域专业知识图谱,将极大增强标签易用性、一致性


    ##6 公共域、私有域、共享域的可见和可用度问题

    众所周知,对我们没有用的信息,看起来很每个字都认识,连起来却不知道啥意思的那种,确实对我们来说就是噪音和无意义的信息。


    知识信息在阅粒搜藏的体系内,被划分为私有域、共享域、公开域的内容,默认用户是可以轻松访问公开域的内容,但是共享域的内容却需要所有者或者利益相关者授权,私有域内容,只有创建人能看到,其他人都是不能访问的。


    为什么设计这么复杂的信息域体系,除了“没用就是噪音”的因素之外,还有搜藏其实支持 OCR、中英英中翻译、office 文件、PDF、markdown、txt 等大量私域内容,需要保护数据隐私。


    标签: , , , , , , ,

    阅读《知识管理的算法》更多内容...
    This Written at 八月 01, 2020 by loverty.   ,
    信息知识管理技能
    星期一, 七月 20, 2020


    在上文中,有一个信息的生命周期理论,他有一个假设,就是假定知识收集的总体目标是将其用于实际项目、目的中。但是不是一种固定的预定用途、同一知识块可能在不同时间以不同方式使用。



    #兴趣论


    通过阅读文字、影像这样的信息体验更多生命体验。我们每个人的存在都是时序上的节点,而这个节点形成跟输入输出形成的关系、影响有关,每个人都是其他人的平行世界。

    大量被创作的作品、从某种角度在诉说另一个节点的体验,那些感同身受的、那些朝闻夕死的、那些异域风情的、那些荒诞不经的、那些奇趣玄妙的,都在给我们反馈丰富和多彩,给我们感受非我的精彩。

    亦如你喜欢阅读的社交媒体评论上的情绪宣泄之流一样,能够督促自己深思深思、反刍和进化。


    #功用论


    在这个假设的框架下,信息知识的发现有不可预知性、使用目的和用法有不确定性,那我们抽象一下,就是对信息知识管理的需求本质上的需求就是,需要的时候方便找到并应用。看起来特别简单的一句话,内涵可就太丰富了


    信息的获取、有效整理、随需调用。随需要的时候,意味着,随时需要随时以最方便的形式找到所有的信息。


    (1)随时随地这个都不用讲了,除了支持桌面,支持移动端是必然的,还有未来丰富的移动便携设备的场景.


    (2)最方便的形式,这个既包含对交互模态和交互互动方式的开放型诉求,又包含对交互中,对意图和需求的准确理解,并且把交互的输入转换成计算语言能够识别处理的信号,进入系统进行交互.


    (3)找到,这个是对计算引擎的和目标诉求,既依赖第四点所说的素材和源,也依赖于对信息多模态理解和加工,并以引擎的需求形态和结构存储。这个形态既可以是基于推荐和feed的发现引擎,也可以是基于关键词的形态搜索的机制.


    (4)计算逻辑所处理的信息源所包含的丰富的和多样性要符合这样的场景约定.


    (5)源头的信息怎么进入你的候选数据库,这个也是很多工作,比如今日头条和百度模式,低边际成本的抓取解析,这个抓取解析过程又存在源质量评价机制、对垃圾低质量信息不可靠信息的处理,又包含版权知识产权的问题等


           搜藏从个人角度,提供了一个基于个人需求的知识和权威信息存储的私域信息的智能化加工和管理机制。你看到对你来说重要的数据、资料和信息情报,保存下来,形成自己的私域信息知识库。


          基于私域的知识信息库的线索,你的搜藏智能个人信息助理bot会帮你在开放域抓取和发现更多优质资讯和知识信息,同时系统会跟你主题和内容特征为你创建或者推荐小组,在小组内有一群人他们也对相关主题和相关内容有强需求和兴趣,互相共享信息和想法观点。


         理解整个知识信息助理的处理的过程,可以把搜藏产品解构成两部分,其一是帮你存,其二是帮你整理,其三,方便你调用信息使用信息,其四,为你自动归纳、定义特征自动发现、探索新的内容和趣味


    # 私域信息和公域信息


           私域信息我所指的就是有限范围了解和可获得的客观存在的信息,可能是你内网、本地电脑、电子设备里保存的笔记、数据、文件、照片,也可以是你开放互联网的数字系统中账户或者群组里分享的非公共的信息知识内容。

            公域信息我通常是指开放的、公开的,任何人如果发现就可以访问、消费的知识信息资讯。


         这两者随着以c/s 软件的流行、计算存储云端化的发展趋势,界限越来越模糊,不那么严格分割。那对于信息知识管理的参与主题,我们的使用成本、使用体验会越来越割裂、不方便、繁复。


    搜藏(访问原文连接查看),是我们几个小伙伴基于阅粒知识计算引擎,打造的私域内容基于账户授权访问、公域内容基于AI 语义引擎+全文搜索的infomation  assistant bot service。为你提供个性化的、智能的信息管理。为你打造一个通过技术代理自动执行,帮你随需方便找到可以支持后续需求和问题解决信息知识助理。前几天看到一个别人整理的列表,搜藏的摘要和智能标签是用户喜欢的。



    ##人们为什么有需要搜藏这样的信息整理需求?


    1. 遇到很重要的信息、数据、素材,有重复查阅需求,都应该保存在自己的信息库。与我们传统上,读书看纸质出版物一样,很多重要的点进行梳理做笔记,是重要的理解、形成知识内化的手段。


    2. 而公共互联网有个典型的特征就是,量大、内容被发现、被遇到很随机,公共搜索诸如百度 Google 这样的,除非有清晰的动机和目标,很容易找到,但是事实情况是公网内容,每年有超过四成的内容link会失效,或者网站没有了、关停,或者转移了。而这些内容很不容易被找到。


    3. 移动互联网还有严重的分割部落化的内容被 APP 生态切碎,藏于一域。APP的部落化生态的分割打破了,你在头条、微博、微信和百度,你能看到的毫不夸张地说,已经是不同的互联网,在这里这会儿能看到,如果不搜藏,可能下次就不一定找得到了。把一种已经相遇的确定性置于一个混沌不确定的状态,在需要的时候又得浪费时间重新找。


    4. 信息被保存的时候往往要符合人理解的逻辑,即符合人的掌控感。这一点则是传统信息管理工具的优势,他们是通过经典的学科层级分类体系来管理。

      但是层级分的层次越多,往往就记不住了。尤其是交叉学科,边界模糊,按照层级分类超过三层的分类层级体系,就会不太容易被混淆。所以搜藏对你保存的内容提供了相关关键词搜索和找到的能力。


    5. 搜藏提供了智能分类和社区协同分类两个维度。搜藏小秘书的是AI 辅助的自动化的信息分类的方法,把信息用学科主题分类+语义分类两层分类结构,构建信息内容的网络关系图。


    6. 第二个维度,用户自定义社区协同分组,这个是个开放式的聚合分组,用户可以根据自己的理解和需要自定义一个分组,并把相关的内容放到这个分组的簇内。可以跟其他朋友共享。


    # 信息层级分类和分众分类、全文搜索适用不同场景


    信息分类是严格层级结构分类效率高,还是水平标签的组织效率高,抑或是还其他种什么更有效的内容组织方式呢?


    回到我们去理解世界万物和构建符号体系的视角看,人去构造理解整个世界的逻辑就是归类,不断把未知的东西按照特征归类,发现特征超纲了,就提供新的类别包容这个对象。再发现新东西,按照内涵的相似性再归类,归类无法包容他的内涵或者外延的边界,裂变成新的类型。这个是这套层级分类结构的内在逻辑,说到知识信息领域更是如此,这么多年的大学术学科体系的演变就是一个很好的例证。


    ##在本地磁盘上,人还是更习惯分类目录


    在电脑、本地文件管理上,有的人喜欢基于确定性高、稳定的层级关系、学科目录分类导航--主要是跟受教育过程中接收到的信息一致。它能为人提供一个符合认知的稳定预期的路径和结构。人们通过分类目录导航提供了一个具体的导航路径结构,其中包含文件夹和标签,使他们可以逐步进行反馈和控制,每步都符合预期地逼近。在电脑时代尤其如此,人们通过磁盘分区、通过建立分类文件目录,来实现对文件文字信息进行有序管理,实现对结果预期确定性的把握。


    但是分类结构最大的问题是,信息量到一定量级的时候,分类的标准无法前后完全一致,就会导致,其实看起来每个文件在分类都分的很好,但是想用的时候,却不知道不太容易找回。


    特别典型的是 mac 上提供的基于标签的文件管理系统,非常方便好用,但是文件比较少的时候还行,一旦文件量太大,纯手工靠自我约束的分类、标签的稳定性一致性就很差了,就很不好用。



    ## 本地文件用标签和关键词搜索的方式组织


    人们非常喜欢手动导航文件系统,而不是搜索,而是扫描他们要查找的文件。之前我介绍过类似alfred、everything、百度Google的 desktop search等等,都是带有一定分类搜索来做内容和信息分类


    搜索依赖于使用者记住并输入文件的准确内容,并构造出准确的特征--这个特征必须和文件人、文档、素材、内容本身的特征完全一致,否则对于本地内容信息被重新发现很难效率很高,被错过可能就是常态。尽管本地可以用文件名、文件夹、磁盘、内容关键词、文件类型等信号,也会有 pdf 版 ppt 的偏差。


    ### 根据人的大脑的记忆的特点,依赖路径和稳定结构逻辑关系的导航,和通过线索识别、上下文反馈给出分类和标签相结合,构成一个立体的导航空间是包容性最好的选择,


    系统通过社交行为协同共享会形成另一维度的输入和标记,比较典型的就是 kindle、得到、微信读书,其实读书和看他人评论相比,有时候前者的效用会更好。


    分类导航层级目录系统的弱点在于,知识信息与其他可能激发有趣联系的想法节点被隔离开了。在这个层级结构里加入基于知识图谱的网络节点和关系的延展,既可以帮助我们保留层次结构的优势,同时将其与交叉连接和关联相融合,对其进行补充。


    这目的不是为了复杂而是为了好用,提供更多的可能性。即使 Google 百度这样的搜索工具更强大,目录导航分类层次结构也不会消失,全文搜索工具+图谱 Tagging,或者反过来的结合,才是信息处理效率的个人体验平衡。

    标签: , , , , , , ,

    阅读《信息知识管理技能》更多内容...
    This Written at 七月 20, 2020 by loverty.   ,
    碎片化阅读、海量信息时代的轻量级知识管理
    星期六, 十二月 28, 2019


    个人知识管理(PKM)是一种以发现整理组织和加工、并应用的个人信息管理实践,它可以帮助个人从自己的经验、阅读、思考心得等角度,挖掘文章、链接等多种信息素材,进行整理加工,形成知识库,为个人竞争情报应用,我们在日常工作、生活中捕捉我们遇到的想法和见解,并随着时间的推移进行培养以产生更具创造性,更高质量的认知、经验和工作方法,看了Tiago Forte这篇阐述个人知识管理的思考文章,非常有认同感,亦如他在网上课程“ 培养第二只大脑”中教人们如何掌握PKM ,我也把他的文章和我的阅读理解,分享给大家。


    知识信息管理就是通过在我们头脑之外的地方,收集整理管理我们发现、需要、有用的、高权威的知识信息,并以“第二大脑”为支持,帮助我们我们更好的应用知识信息创建创新输出,从而促进个人成长、职业事业发展,开展业务或追求激情。通过将这些数字化的知识信息的收集,我们可以重复搜索、阅读、使用,并且通过备份,设备间同步,与他人共享等,来获得更多知识信息观点和经验的交互。


    关于知识管理系统的思考和应用


    Tiago Forte早期不主张使用标签,认为标签太费力,过于复杂,对个人所需发挥的价值低。他建议人们使用笔记本或文件夹来进行信息或者知识管理(分类目录和文件的形式,如之前哈斯日志介绍的本地信息管理的方法,不要使用标签来管理他们的知识。


    后来Tiago Forte 通过多年的研究实践,发现,“tags could be the missing link in making our knowledge collections truly adaptable – able to reorient and reconfigure themselves on the fly to enable any goal we wish to pursue”(标签连接可以使我们的知识库真能够即时重新定向和重新配置知识连接点到达任何目标,这种标签具备的自适应性是我们希望追求的)


    他在个人知识管理实践中做了方法论的思考总结和沉淀,并整理分享出来,我仔细阅读之后,对这些重要观点进行了阅读理解学习之后,进行了转述分享。不是严格意义的翻译、而是针对其中跟信息管理、知识管理的学习理解之后,按照我的理解和自己实践中的一些心得体会的糅合,借鉴融合,进行转述,因此并不严格契合原文,对这个方向有兴趣的同学,可以点击文末链接阅读原文。


    信息分类两种结构,层次结构与网络结构


    信息分层级结构映射了到物理世界组织、信息知识、社会等各种视角的存在形态和认识方法,各种我们需要通过分类体系来描述的东西,都可以分成这两种结构。但是这两种结构并不是绝对割裂的,

    (1)首先系统都是一个层次结构,在层次结构中有网络结构。

    (2)同时在网络中也会有一个或者多个层次结构,

    (3)网络结构和层次结构不是互斥的而是互相交融、相互促进、彼此平衡并相互补充。


    在系统结构中,层级结构是基础,他是系统部件耦合交互、相互作用的基础,大规模系统必然在层级结构中运行。但是按照严格学科制杜威十进制分类法,必然绝大多数人是不能够有效率地找到需要的信息、消费需要的信息的,大大制约了知识信息的传播和扩散。


    我们所处的信息技术高速发展的时代,互联网上数字信息的爆炸式增长,需要一种自下而上的自动化工具来理解大量数据和他们之间的关系,算法通过对网页分析关键字和超链接为网页分配重要性和建立其含义映射成为可能。Pagerank这是一种自底向上的算法方法,可从网络中获取含义,网络连接的锚点和标签互相赋权、互相赋予含义,而不是传统的人工判断,效率、规模空前提高。


    但是人们还是更使用习惯手动导航,以我的理解,手动导航(按目录、分类或者固定路径寻找的逻辑)为人们提供了一个具体的导航结构,其中包括文件夹和标签,使人们每一步操作可以逐步进行视觉反馈和控制。这种交互行为和确定的可预期,也使得人们更容易导航节点和目标关系、可控性好。


    他在介绍这一点的时候,用了一些很酷的描述,“Searching relies on declarative memory – remembering and entering the precise contents of a file ",意思就是想要搜索到,你先得知道有,还要知道有还得记得关键特征,这一点是非常难的。今天跟一个朋友聊信息获取的时候,谈到一个宏观数据,搜索和推荐达到相近用户覆盖规模的时间周期差快2倍。作者认为,“使用搜索获取信息高级大脑功能,会消耗大量能量,而手动导航依赖程序存储指定部分信息,识别线索和上下文并接收反馈,这种记忆利用大脑的“较旧”部分发展而来,以导航空间环境,因此更自然地获得反馈的信息出现在我们的脑海中”,有没有一股子熟悉的味道,这不就是推荐引擎么,通过一些初始化信号,信息不断被这些分类信号导航收敛、或者扩散,极大降低了“找到”信息或者文件的难度。


    人们还没有完全喜欢或熟悉搜索---通过扫描他们要查找的文件。但是仍然有一部分理性、追求效率的用户,他们在强烈追求信息关系线索,他们更习惯于更可驾驭的搜索模式,这么多年来很多人都尝试过window文件管理、mac文件管理上(哈斯日志此前介绍过几款本地文件信息管理工具,123),有些效率控们用各种基于搜索逻辑的工作帮助自己管理和高效率应用信息。


    层次结构和网络结构完全不同的特性


    层次结构的系统的弱点在于,不同层级知识信息点,会跟其他可能激发有趣联系的知识信息隔离开来,因此,在知识信息、文件系统中添加网络结构、关联可以帮助我们保留层次结构的优势,同时将其与交叉连接和关联相融合。


    网络结构典型特征就是每个交叉点---标签、或者图谱节点,这些节点彼此可以不断管理建立关系线索。而且这些节点可以聚拢成簇可以作为一个虚拟空间,将标签添加到相关空间、一系列的虚拟空间联系变成组。使它们更易于连接、共享和引用、检查校验。通过标签节点唤起我们对空间导航的直觉,以理解复杂的抽象主题。我们能够创建更具体的概念结构,并使用我们对知识管理和信息消费的过程进行导航。 


    Tiago Forte提到了“知识生命周期”概念,是知识向最终产品、应用迈进的一系列阶段:识别和发现、捕捉获取、验证知识、解构知识、组织知识、分类、传播、融合知识、创新知识、使用知识、重新评估知识。


    这个描述还是很准确的从我们发现识别,到获取形成认知记忆消化,转换成自己的知识体系的一部分,然后保存,调用传播、跟别的知识进行融合交互,创造出新的知识,再应用,重新评估,比如哈斯日志这篇文章,哈哈、





    信息映射和知识块


    在这个过程或获得消化这些知识和信息,最重要的其实提取关键特征、建立分类和场景管理、应用和召回的线索(哈斯日志之前有篇文章探讨人是怎么学习知识的,在这个点上可能讲述的更细,点此访问)。这篇文章提到了“信息映射”,是一种用于识别,分类和相互关联信息的系统,可以使你在复杂的,信息丰富的环境中更轻松地学习,它假定知识收集的总体目标是将其用于实际项目中。但是没有一种固定的预定用途。

        

    从向内和向外,两种视角看,信息映射有两种逻辑,(1)建立关系结构,场景/域下的对象和对象的描述(2)建立关联,基于domain关联、方向和连接权重。


    在我的方法论框架中,经常提到的一个词就是获取知识信息后要消化理解、内化成自己的知识点经验和认知,所谓“反刍”,并建立起跟应用场景的演绎,便于更深刻的理解、必要时更有效率地被从你的知识库里召回。Tiago Tiago Forte的文章里的观点,他把这个过程定义成:初步学习,重新学习或复习

    ,参考、简介和浏览, 更新变化用作工作辅助工具


    所有这些过程应用的知识信息可能是整体、也可能是局部,使用的方式不同、细节不同,这些信息是通过获取原始知识信息被标签分类和图谱之后,变成各种“信息块”,将这些块混合并匹配以适应特定需求。同一知识块可能在不同时间以不同方式使用。


    我觉得知识信息内容转化成自己知识、技能的过程过程:复述/转述,评价/发表自己的想法,应对实际客观情况应用信息和知识进入的推理、判断、行为、决策参考。


    抽象,把知识信息抽象成三维表示


    1969, Robert Horn 出版 “information mapping”,提到很多信息处理概念,其中作者引用了他和其他合作者确定了40种类型的信息块,可以将其归类为以下7种类型之一:Procedure、Process、Concept、Structure、Classification、Principle、Fact,我非常喜欢这段,跟阅粒的构造逻辑一致,每一个知识信息它在类型上怎么表示、在结构上怎么表示、在网络中怎么表示。


    Robert Horn等人的研究表明,在各种主题和知识信息项目中这一信息块特征都是标准化的,几乎任何主题的大约80%的信息都可以使用此系统进行分类。信息被片段化变成信息块,使用标签只是节点来创建一个相互交织的网络,在该网络中,可以在需要的时候从我们知识信息库中提取正确的“零件”(或注释),并且通过标签联接的关系。人们在学习知识信息、参考知识信息、建立应用关联上就非常灵活、更加轻松。这种方式可以让知识信息获取更尽可能地接近要解决的问题。


    每个人如何有效使用标签进行个人知识管理,作者提了四个建议,原文有大量的例子可以更详实的解读


    1. 根据所采取的行动或所创建的可交付成果来标记注释

    2. 逐步并仅在需要时添加结构,使用积累的经验来指导您需要什么结构,它可能也不是完美的,因为优先满足您的日常需求,并随着你的需要和添加进化

    3. 据笔记的内部,外部和社交环境以及状态标记笔记

    4. 开发定制的,特定于行业的分类法。如果我们想要有一个一刀切的方法适合所有、适合永远,这个是不现实的。

        充分结合自己的认知习惯经验和需求,建立一个不同阶段适配并且能不断进化的个人知识管理体系。


    轻量级的、有效的知识管理工具应该是怎样的?


    这段不是原作者的观点,是搜藏的广告。


    Tiago Forte这篇文章,作者旁征博引,从知识、信息发展史的社会学研究,维基百科等视角,进行了阐述和推进,其实核心的就是说,知识管理工具要轻量化、要个性化随需要随时代进化,但是核心的东西都是还是建立在分层结构和网络结构基础上的。


    搜藏APP就恰如其分地耦合了这个理论。


    搜藏APP是阅粒团队研发的一款基于轻量级个人知识管理工具,从个人角度,提供了一个基于需求的知识信息和数据资料存储私人智能个人信息助理。说它是智能,是因为搜藏小秘书提供了智能化信息主题分类、自动标签和多模态信息的处理,他能实现图片OCR识别文本做分类保存、能实现英文翻译中文做语意化处理。你看到对你来说重要的数据、资料和信息情报,可以保存到搜藏,形成自己的私域知识信息库。


    由搜藏小秘书微信bot,为你阅读理解,自动建立标签和分类。如果你针对这些信息有点自己的想法和观点,你可以直接针对内容发表,这些信息都保存由你的分类导航和标签组成的知识信息系统中,这些信息会成为系统帮你发现更多信息的触发点,也会成为你基于任何节点去发掘、组织、阅读信息,转换成自己的知识决策和行动指南的锚点。


    基于私域的知识信息库的线索,你的搜藏小秘书还会帮你在开放域抓取和发现更多优质资讯和知识信息,同时系统会根据你主题和内容特征为推荐小组,在小组内有一群人针对这些相关的信息分享他们的阅读、想法和观点。


    我们做搜藏其实,基于这样一个判断,人们对信息的需求,本质上是一种信号发现、组织加工、决策推理、并基于这些处理过程得出判断、和行动的指导。


    你有需要存的就保存。剩下的工作都是搜藏小秘书代你完成,这就是轻。轻量级、低成本,可以基于标签、分类、小组不断探索和挖掘更多更丰富的你还没有触及的、又是你想要的,来一起玩。


    欢迎使用体验(dl.yueli.com),跟我们一起探讨好用的知识管理工具,建立起自己的知识信息管理的方法、帮助自己更有效率地解决问题、自我提升!


    作者在原文里提到这几本书


    Ofer Bergman,Steve Whittaker ,《The Science of Managing Our Digital Stuff》

    Andy Clark,《Supersizing the Mind》


    有兴趣的同志们可以加运营小妹子微信iamsoucang,在搜藏上有个知识管理的小组,读书笔记小组,她会邀请你加入,大家来一起读书,交流分享自己的information mapping观点、知识管理的经验。

    标签: , , , ,

    阅读《碎片化阅读、海量信息时代的轻量级知识管理》更多内容...
    This Written at 十二月 28, 2019 by loverty.   ,