|
|
|
| 锻炼自己的深度思考能力，避免被芜杂的信息带着走 |
| 星期五, 二月 22, 2019 |
每天接收大量的朋友圈微博好友的推荐、订阅的媒体的推荐、搜索关键词的结果，我们的输入增长加速度不断被各种产品技术创新以几何级速度拉升，吸收零散的知识点消耗我们记忆、增加应用时候输出的复杂度和不确定性，迅速消耗掉我们的认知、判断资源。
接收的信息过于碎片化、重复而且相对独立、还有就是规模巨大，技术和产品化的价值倾向很不一致，使得我们在消费这些信息的时候，一方面需要的找不到、找到的不全面、不权威，更严重的是这些内容缺少足够的提取线索被我们回忆起来、跟我们已有的知识储备建立起关系，最后只能是“万花丛中过，片叶不沾身，事如春梦了无痕”，那就更不用说转化成自己的认知和行动。
于是，互联网、搜索、推荐引擎、社交网络、社群兴趣社区带来获取信息获取知识的便利，以至于助长了人的怠惰，除了从搜索里获取自己需要的信息，就是靠算法和推荐喂，喂啥就吃啥，越发变的愚昧而不知。遇到任何问题、不清楚的，都是上网找一找，查病症、查小孩发育成长中的遇到的问题、查社会系统中各种事情的办事指南，看其他人怎么说、看其他人怎么办，殊不知，社会、健康等作为复杂系统，不仅时时刻刻存在变化，更是有很多特定情况和约束背景，在特定条件下，某些输入信号才成立，而这个过程中，是否有隐藏层信息没有输入、有多少，你是无法察知的，
在你熟悉的领域和相关系统里，你跟系统是同步成长，在不相关的空间里，你一旦进入就是个新领域，信息空间坍缩状态，需要不断回溯历史记录和信息，而且每个节点和演进也都有特殊变量存在。这个过程对接收输入的信息、信号那些是重点那些是一般辅助性信息，都需要重新归纳总结进行认知建模，否则follow步骤进行操作，都会有误差，而很多认知建模是消费信息理解文本、信息逻辑层面，少有能直接验证的，除非符合你已经掌握的、已经理解认同的常识、或者符合你的情感认同。科学性在于可以重复验证。
所以，要解决好这个问题，需要有足够好的跨领域基础知识和认知能力，要有敏捷的分析建模能力，还要有好的归纳总结能力，针对信息输入，能迅速归纳提问，并基于此更有针对性地探索、挖掘新的知识和信息。
基于信息获取、信息消费、解决问题方面的积累，我觉得核心是建立一个好的认知理解模型，能够极大地帮你在抓住要点、帮你更有效率地去理解吸收信息，为你更好的管理信息到知识到行动的转化。
1 丰富基础知识和认知能力来源于广泛涉猎、广博的基础知识－－我们常说的通识，建立起先验知识prior knowledge。自己兴趣面广泛有积累这是基础，对丰富多彩的大千世界充满好奇，能够让你有兴趣涉猎这些广博、基础、看起来无用的信息。
2 敏捷的分析建模能力，来自于时时刻刻的思考，主动挖掘信息触点，扩大探索的边界，如果能够不断角色带入、换位思考，跨界思考（在你的认知框架上看它，在你行业专业领域看它，其他行业领域的人怎么看它）、求知若渴，在接收输入后能够不断挑战、思考和深入探究，自然能够建立起自己的分析解决问题框架，针对输入提出有效问题，并不端延伸扩展。
思考的方法通常就是这集中，思考方法
比较(compare)、联想(associate)、演绎(deduce)、归纳(induce)
比如，从看到文章标题标题开始联想，不详细阅读，文章的大概内容是什么，会提及什么、你希望get到什么，推测其内容，通过你对问题的建模和系统化思考，去阅读验证，然后在各个节点上获取重要的信息并形成记忆，不断基于点线面去深度挖掘探索。
这个过程中，如果不符合预期，那么为什么？超出预期，那么又有哪些点，然后带着这些主题、问题，然后再去找资料，根据主题来查阅资料，而不是根据资料来查阅主题
3 充分利用最有效的方法去探索，用户搜索引擎，挖掘可供思考的素材是一个有效手段，同时广泛接触领域专家、获得更实践更专业的输入也是很好的方法。不要有了网络，就完全摒弃预传统的方法和路径。
4 对get到的知识点，尝试用类比的问题求解，即运用积累的信息、知识和经验，想法尝试解决眼下具体的问题。类比相似的问题不断烧脑验证，没有终点。
5 为了增加记忆、认知的深度，还可以借助结构化思考、可视化思考、清单法筛选等工具，利用A4纸或者白板记录积累想法，反复进行可视化表达，反复书写，也可以通过分享交流碰撞想法观点意见，深化和检验自己的思考和认识。
这还全面，通常我们看一个事情，都往往有时间和空间的约束，如果我们能有健康的世界观、历史观和价值观，尽可能地以更广阔的空间感上、更长的时间轴从认识和思考这些问题，将能更有清晰的判断
要提高自己的深度思考能力需要不断实践反馈、思考总结再加以训练，我们都能培养出自己的深度思考能力。标签： 深度思考, 信息消费, 知识获取 阅读《锻炼自己的深度思考能力，避免被芜杂的信息带着走》更多内容... |
| This Written at 二月 22, 2019 by loverty. ,
|
|
| |
