什么样的知识,值得我们终生学习

#什么样的知识,值得我们终生学习?

原文:https://dwz.cn/vylyXXJi

一、引言

可能你从初中就开始抱怨:我学相似三角形能干什么?阿伏伽德罗常数有什么用?我一不跳楼,二不高空抛物,学自由落体用来干啥?


可高考是我们大多数人需要经历的过程,我们可以说服自己,再学一点,懂多一点,就能上个好大学。但事实上是这样吗?


当你上了大学,可能发现自己学的专业完全不是自己喜欢的专业,根本不知道自己学的知识到底有什么用;


出了校园,你发现自己在学校学的知识和现实生活相差十万八千里,好像学的那些都没什么用啊!


那么,到底什么样的知识是值得我们学习的呢?

哈佛大学教育学教授David Perkins详细讲解了学习的目的,教学的构架。

今天我们就想通过Perkins教授,来聊一聊知识:

为什么知识学了不用还有危害?

为什么小时候唐诗三百首倒背如流的“神童”,现在却不怎么厉害?

什么样的知识值得我们学习?

怎么把没用的知识变得有用呢?

二、我们应该学什么?知识并不是越多越好

学什么这个问题很难吗?学海无涯,能学则学,能记则记,不怕你知识多,就怕你没文化,难道不是这样吗?

2.1 什么是惰性知识

教育理论家Alfred North Whitehead在1929年首次提出了惰性知识(inert knowledge)的概念,它是指人们能够解释但无法应用的知识。

而事实上,我们大部分所学的知识都是惰性知识!

惰性知识学了也就学了,关键是它还会产生副作用。

有相关研究提到,记忆的存储能力并不随时间而减弱,会减弱的是记忆的提取速度 (有关记忆技巧)。

就像电脑内存占用多了会卡一样,我们知道的东西越多,我们调用知识的速度就会越慢。

惰性知识堆了这么多,脑子卡顿起来可能和进水真没多大区别。

男神福尔摩斯就说过

“我认为人的脑子本来像一间空空的小阁楼,应该有选择地把一些家具装进去。

只有傻瓜才会把他碰到的各种各样的破烂杂碎一古脑儿装进去······总有一天,当你增加新知识的时候,你就会把以前所熟习的东西忘了。

所以最要紧的是,不要让一些无用的知识把有用的挤出去。”

所以,从记忆的角度来看,将大脑中装上惰性知识,就像往一个粗制滥造的皮箱里狠命塞满了东西,没错,是能装一段日子,可不久就散架了。

2.2 什么知识是有用的

美国教育心理学家Benjamin Bloom提出了“布鲁姆的教育目标分类法(Bloom’s Taxonomy)”,将我们对知识的认知程度,由浅入深分为六个层级:

记忆(remembering):信息一来,死记硬背。

理解(understanding):理解知识由来,能描述,能解释。

应用(applying):在新的情境下运用知识。

分析(analyzing):分解知识,了解知识的概念、推断、逻辑。

评估(evaluating):判断、评估知识。

创造(creating):将不同知识重组,合成新的知识。

在这里插入图片描述

举个例子吧:

刚刚我们知道了个新知识:“惰性知识”——人们能够解释但无法应用的知识(记忆);

现在差不多理解了它的概念,到时候能跟朋友们讲讲(理解);

仔细一想,我大学学的好多东西好像也是惰性知识啊(应用);

但也不能怪别人,我觉得吧,惰性知识的形成不仅与教育有关,其实也跟自己没有下意识地应用有关,哎怪我怪我(分析);

上次看书知道:知识越多,我们对其提取速度越慢诶。也就是说,惰性知识对我还有害!啊啊啊不要!(评估和创造)

一直以来,我们大部分知识停留在了“记忆”“理解”这最低级的层面。

惰性知识不多就见了鬼了!而真正有用的知识至少得达到“应用”的层面。

那到底什么样的知识能达到这一层面呢?

那就是对生活有价值的知识。

Perkins教授认为,我们真正应该学习的,是对生活有价值的(lifeworthy)、自己感兴趣的、并关注于未来的知识。

其中,“对生活有价值”是核心中的核心。

2.3 什么叫对生活有价值

对生活有价值这个词听起来又空又大,但的确是被我们忽略了。

道理我们都懂,所以就给大家一些入手的角度吧:

很多人学习、上班两点一线,生活幸福感不足,学点心理学知识,懂些幸福学就对生活有价值;

为了跟上时代,与亲朋有共同语言,与同事有思想对话,这些“谈资”就对生活有价值;

提高个人效率,锻炼逻辑思维,这些知识就对生活有价值;

想追求高的审美,并学会细致地观察、多角度看问题,那么摄影知识就对你有帮助······

对生活有价值的知识同样渊博,这并没有缩小知识的广度。说白了,它是要我们心中有杆秤,不能看什么学什么,要有目的,学以致用。

Perkins教授还提到,学习业余的专业知识同样很重要,也就是说,我们得知道哪些知识该深学,哪些只用涉猎。

2.4 什么叫关注未来

Perkins教授认为“我们不应该只停留在熟悉、了解的层面,也要关注于未知的知识

他进一步谈到,“教育的任务不仅仅是传递‘已经打开的盒子’里面的内容,更应当是培养我们对‘尚未打开的盒子’和‘即将打开的盒子’里面内容的好奇心。”

现在是一个“活到老、学到老”的终生学习时代,我们会为了工作、生活而学习不止。

也就是说,我们不能只关注于已知的知识,也要对未知充满好奇,做好准备。

未来这门学问的发展趋势会如何?

可能会有哪些新的职业出现?

哪些领域的发展存在上限?

这个世界还有哪些尚未解决的问题?

传统行业+新技术是不是会有新领域的产生?

这样一来,如何学习,如何对已有的知识加工,如何融会贯通并创造新的知识,都是我们关注于未来时更需要学习的东西。

结合布鲁姆分类来看的话,要想知识对生活有价值呢,就至少得学会“应用”;要想知识能面向未来呢,就必须得学会“分析”“评估”和“创造”。

三、有效率地学习知识,从兴趣入手但不急躁

数据显示,自1976年以来,世界上知识的增长速度已经远超个人的学习速度,根本不怕你没得学。

这么多知识,怎么有效地学习呢

3.1.技能增长方式

首先,我们自身可能对知识就有所偏好——上手越容易,进步越迅速越好,毕竟这样的成就感来得快

David Brooks在《纽约时报》中,将这种情况称为技能的“对数增长模式”:刚开始增长速度快,可一段时间后,一点点的突破都需要大量的投入。

这种知识需要前期抓住机会学习,快速进步,后期投入大量精力,获得质的突破,不过其上限相对低,而且大部分情况下人们都是“半途而废”……

很多运动项目差不多就是这一类,就像爱打篮球的人很多,成为篮球选手的人却很少一样。

这也不得不让人想起:小时候,唐诗三百首、圆周率背诵简直是“神童”的必备技能,更是逢年过节给亲朋好友表演的最佳节目。

可长大了,“神童”们的学业并不一定有成

其实,这都是对数增长模式的“锅”,虽然上手容易,但“对数增长”的知识技能上限较低,神童们背也不能背出个花儿来。

相对的,其实还有另一种主要的增长模式,指数级增长一开始增长得很慢,“十年磨一剑”后,呈现爆发式增长。

这种知识需要前期稳住,基础打牢,不能放弃,后期迅速进步,不断创新。

可难就难在前面的枯燥乏味,很多人连成就的滋味都还没有体会到,就早早放弃。

很多专业知识就是这样,根基不牢,要么学术做不了,要么在行业中的竞争力小。

其实两种类型的知识并没有优劣:

一方面是希望大家能抓住知识的特性,有效率地学习;

另一方面希望大家在做选择时,不要因“见效快”而选择了自己很可能中途放弃的“对数增长型知识”。

像什么21天速成,一个月学会XXX······学东西哪有那么容易,他教会的也只是皮毛。

当然,也不要因“见效慢”而放弃了可能对自己一生都有益的“指数增长型知识”,沉得住气,慢慢来。

3.2抽样法

现在每一个大的学问,都会分成很多小的领域,就像心理学下有积极心理学、教育心理学等等。

啊,但领域多到挑花眼,完全不知从何入手,萌新只能蜷缩在角落瑟瑟发抖。

不怕,Perkins教授很有一套!那就是抽样法!Perkins教授认为,很多时候巧妙地抽样,好过仓促地涵盖

前期,对知识抽样学习能增加内容的丰富性和广泛性,也有助于我们找到兴趣所在~

首先呢,如果你已经对某个具体的领域感兴趣,那你可以从该领域奉为“圣经”的经典出发 → 转到通俗易懂、能引发共鸣的内容 → 最后,从特殊到一般,再慢慢涵盖整个领域!这个学习过程,有助于激发我们的思考~

但如果只是想了解这门学问,却完全无从下手,那你可以先来个全局观,了解具体有哪些不同种类的内容 → 再从熟悉的、规范的内容开始,慢慢过渡到少见的内容 → 最后,看看该领域中不同的声音、观点和思想。这样一来,就基本有对这门学问的粗略认识啦~

简单来说,这就是一种“大化小,小化了”的思维,先找到你关心什么,兴趣在哪里尤为重要

start from what you care,因为你会自动将这些知识转化成对生活有价值的知识。

而在传统教育中,老师一上来就讲一些陌生的概念,而你完全不知道这些知识和你有什么关系,和你的生活有什么关系,你当然对它的兴趣就不高了,那这个知识离变成“惰性知识”就不远了…能理解,但不会用。

四、将惰性知识转化成有价值知识的三个方法

可是,学过的知识也是知识啊!

难道不能将惰性知识转变为对生活有价值的知识吗?

能像减肥一样,化知识赘肉为知识肌肉,在人生的道路上大步流星吗?

4.1 全局性理解

前面布鲁姆分类也说了,要想知识有价值,认知就得有深度

不论是即将步入社会的大学生,还是已经步入社会的上班族,我们对已学知识的认知就要有对应的深度,不仅是理解,更是得深入三观,能引导我们的行为,不然谈何“对生活有价值”。

Perkins教授算是为我们量身定做了一套理解体系——全局性理解(big understanding),它从四个方面讲解了我们对知识的理解

深刻见解:能理解这个世界的运转机制,理化生、经济、政治、历史、艺术各方面都可以;

行动:对我们将来行动有指导意义,学习、工作、政治、社会都能行;

伦理道德:对我们伦理道德有影响,道德、人性、同情心、规范行为都在这个范围下;

机会:使用的领域、形式不局限,还有其它新的机会和场合能运用。

举个例子,“平等”的概念并不陌生,法律、种族、女权、国际关系······处处都能见到它。

我们真的有好好理解这个知识嘛?

你有“男生就该拎包、提行李,女生就该做家务”的思想吗?

有没有想过为什么要禁止师生恋,禁止办公室恋情呢?

平等的背后,媒体、舆论公知做了什么?

他们又该做什么?

我们从理解、到行为、再到伦理道德,你会发现,知识网就是这么一步一步搭建起来的。

简单来说,我们对知识的态度要跳出理解的层面,上升到行为和规范行为的水平,深入生活。

更重要的是,在学习的时候就应该思考这些知识将来如何应用,能在哪儿应用的问题

Perkins教授提到,大部分人并不是没有学习过全局性的知识,而是没有意识到,所以就没有将其发挥成全局性知识。

我们不是“手里拿着锤子,眼里全是钉子”般的盲目,而是“手里拿着锤子,却没发现哪儿有钉子”般的呆板。

给知识多一点爱吧,知识不被“翻牌子”,它也会寂寞,无助和可怜啊!

4.2 学会提问题

数学教育者Stephen Brown提到,我们几乎只关注解决问题的过程,但是,解决问题天生伴随着“提出问题”或“发现问题”。

学会提问也是一种能力,它能帮助我们理解、内化知识

但要注意,提问要有讲究,我们并不是要通过提问来检验自己是否知道答案,而是想通过提问来启发我们寻找或探索答案。

这个寻找和探索答案的过程,正是我们能更深入地理解知识,促进我们应用知识的过程,尽可能地将其转化为对生活有价值的知识。

Perkins教授认为,开放性问题(big questions)不仅能带来全局性理解,还能有所超越,激发进一步探究

开放性问题涉及人性、世界、宇宙等,不一定有特定答案。

多问几个为什么,多问几个怎么做,想一想“假如不是呢?”

开放地问一些问题,或许我们在提问的过程中,就已经知道如何去运用知识了

还记得学地理的时候,从太平洋背到北冰洋,从亚欧大陆背到美洲大陆,感觉地球仪的旮旯缝里都背明白了。

如果我要你从地理的层面回答我,欧亚文明为什么是世界主流文化?是不是突然傻了?

因为欧亚大陆不仅面积广,而且横贯东西。

你瞧瞧南半球与世隔绝的澳洲,看看美洲整体的占地面积,肯定不能比的嘛。

你也可以再想想,如果从历史层面考虑呢?这样一来,惰性知识不就被应用起来了吗

这只是一个例子,这些开放性问题答案肯定不唯一,角度也很多样,但是知识串联起来,发挥作用,能够有利于我们理解并应用这些知识。

4.3跨界、跨学科

惰性知识 + 其它领域的知识 = 对生活有价值的知识

这个公式看起来是不是很奇妙?把知识结合起来用就可能得到这么意想不到的结果!

Perkins教授提到,在如今这个复杂的世界中,我们已经无法在单独的某个学科或领域中找到解决问题的办法了,相反,只有靠跨界、跨学科的对话,才有可能获得解答

或许你并不喜欢经济学,大量的数学模型学到你头皮发麻,觉得自己一辈子都不会用,到头来满脑子的惰性知识。

可是,你爱做统计,经济学 + 统计学 = 计量经济学;或者你爱心理学,经济学 + 心理学 = 行为经济学······

这种交叉与融合,让你原本的惰性知识发生了“化学反应”,慢慢地,将它们运用于生活中,成为了对生活有价值的知识。

当然,这只是一个例子。

跨界的知识能被我们更好地应用。

这就是,为什么我们说或许兴趣才是我们最好的老师,感兴趣的东西,自然理解得就更深刻,也更愿意主动运用于生活中。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/576456.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

美团面试题:Hashmap的结构,1.7和1.8有哪些区别,深入的分析

(一) 真实面试题之:Hashmap的结构,1.7和1.8有哪些区别 不同点: (1)JDK1.7用的是头插法,而JDK1.8及之后使用的都是尾插法,那么他们为什么要这样做呢?因为JDK1…

大数据技术之 Kafka (第 3 章 Kafka 架构深入 ) Kafka 消费者

3.3.1 消费方式 consumer 采用 pull(拉)模式从 broker 中读取数据。 push(推)模式很难适应消费速率不同的消费者,因为消息发送速率是由 broker 决定的。 它的目标是尽可能以最快速度传递消息,但是这样很…

大数据技术之kafka (第 3 章 Kafka 架构深入 ) offset讲解

新版的 Kafka 使用一个选举出来的 controller 来监听 zookeeper,其他 node 再去和 controller 通信,这么做的目的是为了减少 zookeeper 的压力。bootstrap-servers 会自动发现其他 broker,这也是 bootstrap 的含义 前面我们讲到了消费者&…

大数据技术之kafka (第 3 章 Kafka 架构深入 ) 消费者组案例

1)需求:测试同一个消费者组中的消费者,同一时刻只能有一个消费者消费。 2)案例实操 (1)在 backupo01、backupo02 上修改/usr/local/hadoop/kafka/kafka_2.12-2.4.1/config/consumer.properties 配置 文件…

大数据技术之kafka (第 3 章 Kafka 架构深入 ) 高效读写数据

1)顺序写磁盘 Kafka 的 producer 生产数据,要写入到 log 文件中,写的过程是一直追加到文件末端, 为顺序写。官网有数据表明,同样的磁盘,顺序写能到 600M/s,而随机写只有 100K/s。这 与磁盘的机…

大数据技术之kafka (第 3 章 Kafka 架构深入) Zookeeper 在 Kafka 中的作用

Kafka 集群中有一个 broker 会被选举为 Controller,负责管理集群 broker 的上下线,所有 topic 的分区副本分配和 leader 选举等工作。 Controller 的管理工作都是依赖于 Zookeeper 的。 以下为 partition 的 leader 选举过程: Leader选举流…

LinkedList源码阅分析

LinkedList里面涉及到的一些操作,非常细致,以避免出现的空指针,理解后对于其优点与确定会有一个更加整体的认识吧。 继承关系图(对比ArrayList) 元素的存储结构 在LinkedList中,每一个元素都是Node存储,Node拥有一个存…

取消选中目标CALL

事先在游戏里选中一个怪物bp send,回到游戏里,按ESC,OD断下来,复制 返回到 elementc.072AFDD8 005869B2 返回到 elementc.005869B2 来自 elementc.0058E8A0072AFDEC 00588B1F 返回到 elementc.00588B1F 来自 elementc.00586980072AFE28 005A7346 返回到 el…

《深入理解java虚拟机》第1章 走近Java

1.6实战:自己编译JDK 想要一探JDK内部的实现机制,最便捷的路径之一就是自己编译- -套JDK,通过阅读和跟踪调试JDK源码去了解Java技术体系的原理,虽然门槛会高一点,但肯定会比阅读各种书籍、文章更加贴近本质。另外,JDK中的很多底层…

《深入理解java虚拟机》第2章 Java内存区域与内存溢出异常

Java与C之间有一堵由内存动态分配和垃圾收集技术所围成的“高墙”,墙外面的人想进去,墙里面的人却想出来。 2.1 概述 https://blog.csdn.net/q5706503/article/details/84640762 对于从事C、C程序开发的开发人员来说,在内存管理领域&#…

线性表的定义和基本运算之线性结构

一、线性表的逻辑定义和性质 线性表是最简单和最常用的一种数据结构,他是由n个数据元素(结点)a1,a2,a3,a4........an组成的有限序列。其中,数据元素个数那位表的长度。当n为0时称为空表,非空的线性表通常记为 &#x…

数据结构之指针复习

废话不多说&#xff0c;拿起键盘就是干&#xff0c;直接上代码&#xff1a; #include <stdio.h>int main() {double *p;double x 66.6;p &x; //x占8个字节&#xff0c;一个字节占8位&#xff0c;一个字节一个地址double arr[3] { 1.1,2.2,3.3 };double *q;q &a…

数据结构之结构体复习

为什么出现结构体&#xff1f; 为了表示一些复杂的数据&#xff0c;一些基本数据类型无法满足要求&#xff0c; 当要用一个变量描述一个对象的多个属性时&#xff0c;普通的内置数据类型是表示不了的&#xff0c;这个时候就可以用结构体回。结构体和类很相似&#xff0c;唯一不…

高效管理读书笔记

高效管理读书笔记一、优秀的权威宣言二、主要的内容要点2.1 有权威的领导都会关心自己的员工2.2 问责而不指责2.3 多点尤达&#xff0c;少点超人三、原书一、优秀的权威宣言 优秀的权威就是&#xff1a; 指出大部分人视而不见的问题的气质今天畅所欲言而不是空等明天的好心【…

蒙特卡罗方法介绍(一)

蒙特卡罗方法介绍(一) 一、蒙特卡罗方法的基本思想和解题步骤 1.1 蒙特卡罗方法的基本思想 蒙特卡罗方法也称随机模拟法、随机抽样技术或统计实验发&#xff0c;其基本思想是&#xff1a;为了求解数学、物理、工程技术或生产管理等方面的问题。首先&#xff0c;建立一个与求…

神策数据张涛:如何让用户标签价值落地?

本文根据神策数据副总裁张涛在《用户个性化运营—标签体系搭建新机遇》主题沙龙中演讲整理所得。 标签系统&#xff0c;在企业中已不是什么“高大上”的说辞。然而让用户标签价值真正落地企业不多&#xff0c;就像“青少年谈性”&#xff0c; 有一段话形容得再贴切不过&#xf…

蒙特卡罗方法介绍( 二)

蒙特卡罗方法介绍( 二) 一、蒙特卡罗求解定积分 蒙特卡洛方法求解定积分有两种方法&#xff0c;一种是上一节中讲的投点法&#xff0c;另外一种是期望法&#xff08;也称平均值法&#xff09;。 1.1 投点法 给出如下曲线f(x)f(x)f(x),求f(x)f(x)f(x)在a,ba,ba,b上的积分&am…

大数据技术之kafka (第 3 章 Kafka 架构深入) 分区策略在分析

如果不懂分区策略请看我之前的文章&#xff1a;https://blog.csdn.net/ywl470812087/article/details/105328015 默认的方式我们采用的是Range策略方式&#xff08;按主题给消费者消费&#xff0c;主题被谁订阅了就谁消费&#xff09; 先看下下面这个图&#xff0c;画的很丑&a…

如何达成目标笔记

如何达成目标 一、本书主要内容 推荐序一 升级你的行动工具箱 推荐序二 人们可以改变 引言 成功者和自制力的悖论 //004 自制力到底是怎样的 //007 你能做什么 //009 本书的主题 //011 1.1 准备就绪 第1章 你明白自己去往哪里吗 别说“做到最好” //017 大局与细节 //…

大数据技术之 Kafka (第 4 章 Kafka API ) Producer API

4.1.1 消息发送流程 Kafka 的 Producer 发送消息采用的是异步发送的方式。在消息发送的过程中&#xff0c;涉及到了两个线程——main 线程和 Sender 线程&#xff0c;以及一个线程共享变量——RecordAccumulator。main 线程将消息发送给 RecordAccumulator&#xff0c;Sender…