14-15 为什么我们现在对阅读如此难以接受

写出来感觉很奇怪,但最近我感觉自己失去了阅读能力。长篇文本对我来说尤其具有挑战性。句子很难读完。更别提章节了。章节有很多段落,而段落又由许多句子组成。

啊。

即使在极少数情况下,我读完了一章,下一页上已经有另一章等着我了。一本典型的书有十章或更多章——这意味着有很多段落和句子。

很累人。

有这种感觉的不只我一人。在许多国家,我们愿意花在阅读上的时间都处于历史最低水平。英国国家读写能力信托基金会对 7 万多名参与者进行的一项调查发现,超过一半的儿童和青少年不喜欢悠闲地阅读。

这是自 2005 年以来的最低水平。其他 消息来源也证实,以休闲为目的阅读的人数已显著减少。

我想最烦人的部分是,我和很多人一样,想要读更多书。我想像十几岁时一样狼吞虎咽地读书。对我来说,阅读是接触故事和信息最有成就感的方式之一。

那么,为什么阅读变得如此困难呢?我——我们——是否已经丧失了阅读的能力?如果是这样,有没有办法让阅读再次变得轻松呢?

事实证明,有一个违反直觉的解决方案——但要找到这个解决方案,我们需要了解现在阅读如此困难的真正原因。

书籍是大海捞针

需要说明的是,我不想重复有关注意力持续时间缩短的整个争论。我认为这不是问题所在。

我面临的更深层次的挑战是,我在阅读时过于关注其他信息。我的意思是,我无法停止思考这个段落中我还需要读多少句子,这个章节中还剩下多少段落,这本书还剩下多少页。

同样,也许更重要的是,我倾向于过于关注我可以阅读的所有其他内容,而不是我正在阅读的内容。在阅读一本令人感觉良好的小说时,我常常会想,“我不应该阅读一些更具挑战性的内容吗?”而在阅读哲学论文时,我常常会想,“这有什么意义呢?我不应该沉浸在一个引人入胜的故事中吗?”

当我告诉别人这件事时,他们说:“哦,你只是还没有找到合适的书!试试阅读[插入通用书籍推荐]!”因此,很长一段时间以来,我都把阅读当成大海捞针。我曾经以为,只要我在一大堆杂乱无章的内容中找到合适的书,我就会神奇地恢复阅读能力。

但事实证明这纯属胡说八道。

当然,根据个人及其情况,有些书比其他书更适合。但当我真正尝试寻找和阅读最适合我的书时,我又回到了最初的问题:读书感觉像是一件苦差事,是我需要完成的事情。事实上,我的焦虑感增加了,因为我不断地检查我是否找到了完美的书——大海捞针——或者我是否必须继续寻找。

但后来,出乎意料的是,我偶然发现了一个想法,它彻底改变了我在数字时代的阅读方式。

针头太多的问题

“这不是信息过载,而是过滤成功。”科技作家尼古拉斯·卡尔的这句话从根本上改变了我的阅读方式。不过我有点太过分了,所以让我解释一下。

我以前认为,信息过载是我阅读枯竭的问题所在。我认为好书就像大海捞针,里面堆满了其他无关紧要的内容。为了解决这个问题,我认为我只需要努力寻找,在合适的时间找到合适的书。

但没用。

事实证明,事实远比这更扭曲。仔细想想,找到一本好书并不难。人工智能已经非常善于了解我们喜欢什么。通过社交媒体,吸引眼球的书籍自然而然地浮出水面。

因此,讽刺的是,真正的麻烦在于我们已经有了可以帮我们在大海捞针的机器。当这些机器非常熟练地完成这项工作时——事实上,太熟练了——我们付出的代价是一种不知所措和无力感。

这才是真正的问题。有太多令人惊叹的书,也有太多的针线。

卡尔称之为过滤成功率问题。他的观点是,算法在检测我们喜欢的内容方面已经变得如此高效,以至于只需点击一下即可找到优质内容。直观地看,这听起来很棒,因为我们总是可以阅读我们最需要的内容。我们可以在众多优质内容中选择优质内容。

但这很有压力。因为我们不断面对有趣的材料,我们总是停留在选择阅读材料的表面层次。与此同时,真正读完一本书变得越来越困难,更不用说深入阅读了。

我们发现新内容的速度远远超过了有意义地消化这些内容的速度。新的针头被添加到大海里的速度比我们缩小它的速度要快。

针扎的痛苦

所以,我们不需要大海捞针。事实恰恰相反。正如卡尔所说,我们面对的是“大海捞针”。

当我看到(数字)书架上未读的书时,我真的觉得它们都很有趣。而且很有可能,我会喜欢阅读它们。但让我无法真正享受它们的是不断寻找其中最好的找到更好的书的压力(这几乎是不可能的!)。这就像试图在一大堆预先选好的针中找到最好的针。

这种在针头间挖掘的不可能任务会导致一种特别费力的信息过载:环境过载

正如卡尔所说:

当我们被大量我们感兴趣的信息包围时,我们就会感到环境超负荷,我们感到无休止的压力,需要跟上所有这些信息。我们不断点击链接,不断按下刷新键,不断打开新标签,不断查看电子邮件收件箱和 RSS 提要,不断浏览微信和 头条 推荐——然而,有趣的信息却从未减少。

听到卡尔的观点让我意识到,我开始消费书籍就像在 腾讯视频上看电影或在淘宝上买东西一样——也就是说,我实际上并没有消费任何东西。事实上,我花了太多时间试图找到最好的电影或最好的产品,以至于我最终放弃了。我对每件事都想得太多。即使我最终做出了选择,我也感到筋疲力尽,不禁想我应该做出不同的选择。

简而言之,这就是选择悖论:选择越多,不仅越难做出选择,而且我们的选择也越不令人满意。

Carr 认为,我们应该祈祷过滤器失效。也就是说,我们应该希望我们的推荐系统变得更糟,这样我们就不会再被太多的精彩内容所淹没。可惜的是,这不会很快发生。过滤器会不断改进,环境超载会不断增加。结果是,与内容进行有意义的互动几乎变得不可能……

...除非我们找到不同的方法来应对环境超负荷。

针头分类的原则

我发现阅读越费力越困难,我就越开始留意阅读时感觉毫不费力的时刻。事实上,有几种情况可以让我完全沉浸在书中。这些情况包括阅读实体书、边听有声读物边读书,以及在远离科技的地方阅读(特别是在公园和火车上)。

我知道,我知道。这些观察并不新鲜——在我之前,很多人都宣扬过这些观察。但真正让我震惊的是这些场景之间的共同联系:它们都设法避免环境过载,因为它们以某种方式消除了人们那种只要点击一下就能找到更好的东西的渴望。

相反,每当我处于可以轻松访问其他当前感兴趣内容的情形时,我就会感觉阅读任何东西都变得越来越困难。

因此,如果我必须将其表达为轻松阅读的原则,那将是这样的:为了让阅读感觉毫不费力,坚持不懈地减少环境压力源的数量。

举一个迂腐的例子:当我去咖啡馆看书并随身携带手机时,我的手机会成为额外的环境压力源。它会分散我看书的注意力。即使随身携带第二本书也会成为额外的环境压力源,因为我会开始过度思考应该读这两本书中的哪一本。

底线:对我来说,最有效的策略是离开家,去一个相当安静的地方,只带一本书,同时将所有其他感兴趣的物品留在家里。

这种减少环境压力的原则对我来说是一个重大的进步。然而,我最初的挑战仍然存在。有时,我仍然发现自己在阅读一本相当不错的书时过于在意我错过了的所有其他好书。更重要的是,我仍然坚持认为我需要消化书架上的所有书籍——可以说是处理好每一根针。但正如我们所见,当新的针头不断被扔到堆顶时,这种方法注定会失败。

矛盾的是,只有当我允许自己做一些非常违反直觉的事情:放弃时,我才能在阅读中感受到真正的放松和快乐。

每次一针

投降——当我第一次想到这个想法时,这听起来很奇怪。但当我听到奥利弗·伯克曼 (Oliver Burkeman)详细阐述卡尔关于干草堆大小的针头堆的想法时,我的背景阅读焦虑才第一次消失:

解决针头太多问题的唯一办法就是面对这个无法解决的事实——你肯定无法把所有东西都装进去。

在这种情况下,问题本身就是解决方案。处理一堆令人应接不暇的书籍(太多书籍和其他您感兴趣的物品)的唯一有效方法就是接受你无论如何都无法翻遍这堆书的事实。接受你无法找到完美书籍的事实,并承认(或许带着感激之情)你身边已经有了优秀的阅读材料。

虽然这种见解并不能减少算法对我们生活的控制,但它使我们能够改变与算法强大力量的关系。

有趣的是,自从我开始思考这个问题以来,我并没有读太多书。但我确实开始以不同的方式阅读——更加轻松、放松、专注和轻松。

现在,每当我想到还有很多书可以读的时候,我就会试着一次读完一针。我读一个单词,然后读一个句子,然后读一个段落,然后读一章,然后——

好吧,我有点想得太多了。读书有时还是很有挑战性的。不过没关系。我认为,关键在于接受一个事实:我们永远不可能读完所有我们想读的东西——记住这一点,然后慢慢回到我们上次停顿的句子。

我不知道你是怎么想的,但我认为这是一句很棒的咒语,不仅适用于阅读,也适用于驾驭日益繁重的世界。我们永远找不到所有完美的针。我们当然也永远无法解决所有问题。

因此,我们一次扎一针。

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/865260.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

有sdwan可以不用专线吗?sdwan和专线的区别优势

SD-WAN(Software-Defined Wide Area Network,软件定义广域网)确实可以在很大程度上替代传统的专线连接,尤其是在追求成本效益和网络灵活性的场景下。SD-WAN的核心优势在于其智能化和自动化的能力,这使得它能够优化数据…

华清远见人工智能课程:项目优势助力,学习更高效!

在人工智能飞速发展的今天,学习人工智能成为新的高薪赛道。我们都知道人工智能的学习离不开项目练手,只有通过实际项目的操作,才能真正掌握人工智能的核心技能。但遗憾的是,很多人工智能课程只注重理论知识的传授,缺乏…

本地文件上传Github的方法

本文仅用于个人回忆本地文件上传GitHub方法,使用HTTP上传而不是SSH,其余文件已配置完成,如果你和我一样,那么请往下看,这条博客不说废话。 Step1 选择需要上传的文件,右键选择Git Bash Here Step2 创建一…

GAMES104:04游戏引擎中的渲染系统1:游戏渲染基础-学习笔记

文章目录 概览:游戏引擎中的渲染系统四个课时概览 一,渲染管线流程二,了解GPUSIMD 和 SIMTGPU 架构CPU到GPU的数据传输GPU性能限制 三,可见性Renderable可渲染对象提高渲染效率Visibility Culling 可见性裁剪 四,纹理压…

电路模型和电路定律

电路---为了某种需要由某些电工设备或元件按一定方式组合起来的电流的通路 实际电路的两个作用 1.电能的传输,分配和转换 2.传递和处理信号 电路中的几个基本概念 激励---电源或信号源的电压或电流,也称为输入 响应---由激励在电路各部分产生的电流…

怎么参与场外期权?

今天期权懂带你了解怎么参与场外期权? 目前个人投资者暂时还不能直接参与场外个股期权,因为场外个股期权现在只能机构来进行交易。 所以个人投资者目前只能通过机构通道来进行操作,类似期权懂,找到期权懂经理,然后通…

手机删除的照片怎么找回?3个急救指南,让你重新拥有

一不小心手滑,手机里的几百张珍贵照片就消失了!是不是心如刀割,感觉错过了几个亿?手机删除的照片怎么找回?别担心,小菜一碟,恢复照片就像打游戏一样,只要掌握正确的“攻略”&#xf…

AI大模型时代来临:企业如何抢占先机?

AI大模型时代来临:企业如何抢占先机? 2023年,被誉为大模型元年,AI大模型的发展如同一股不可阻挡的潮流,正迅速改变着我们的工作和生活方式。从金融到医疗,从教育到制造业,AI大模型正以其强大的生成能力和智能分析,重塑着行业的未来。 智能化:企业核心能力的转变 企…

世界智能产业博览会开幕 - 天空卫士汽车行业方案入选优秀案例

6月20日,以“智行天下、能动未来”为主题的2024世界智能产业博览会在国家会展中心(天津)开幕。主席向博览会致贺信并指出:中国高度重视人工智能发展,积极推动互联网、大数据、人工智能和实体经济深度融合,培…

[Python学习篇] Python函数

定义函数 语法:使用关键字 def def 函数名(参数): 代码1 代码2 ...... 调用函数 语法: 函数名(参数) 注意:不同的需求,参数可有可无。在Python中,函数必须先定义后使用 示例: # 定义函数 d…

csdn如何建立专栏,并且把已发布的文章,放到专栏里

不会在csdn上建立专栏,管理自己的博客? 建立了专栏,不知道该怎么放入文章? 本文将一步步带你解决这些问题。 我是蚊子码农,欢迎各位的点赞、关注和收藏,有了你们的激励,我会带来更好的作品。…

聚焦 Navicat 17 新特性 | 让用户界面交互更丝滑

随着 Navicat 17 的发布,引起业界热烈反响和深入讨论。早前,我们介绍了 Navicat 17 《模型设计创新与优化​​​​​​​》与《查询与配置》的新特性。此外,Navicat 在用户界面交互方面进行了显著优化,新增了一系列实用的功能&…

《后端程序猿 · 基于 Lettuce 实现缓存容错策略》

📢 大家好,我是 【战神刘玉栋】,有10多年的研发经验,致力于前后端技术栈的知识沉淀和传播。 💗 🌻 近期刚转战 CSDN,会严格把控文章质量,绝不滥竽充数,如需交流&#xff…

机器学习辅助的乙醇浓度检测

目录 1.为什么要机器学习 2. 神经网络一般组成 3.BP神经网络工作过程 4.评价指标 5.实操代码 1.为什么要用机器学习 人工分析大量的谐振模式,建立各种WGM的响应与未知目标之间的关系,是一个很大的挑战。机器学习(ML)能够自行识别全谱的全部特征。作为…

如何在Lazada平台快速出单?测评助力商家突破销量瓶颈

Lazada在短短的几年里已经发展成了东南亚地区最大的在线购物网站之一 ,很多商家也想要在这样一个大的跨境平台上发展。那么,对于希望在Lazada平台上大展拳脚的商家而言,出单是否容易呢? ​一、Lazada出单容易吗? Lazada出单的难易程度并非…

漫步5G-A City,一份独属于上海的浪漫

作家亨利詹姆斯曾写道,“城市漫步,让我接触到了这个世界上最好的东西”。 用漫无目的地行走,来体验和观察一座城市,上海凭借丰富多元的文化特质,成为citywalk这种浪漫生活方式的流行地。 无论你是漫步在美术馆、画廊林…

数据抓取技术在视频内容监控与快速读取中的应用

引言 在数字化时代,视频内容的快速读取和监控对于内容提供商来说至关重要。思通数科的OPEN-SPIDER抓取技术为这一需求提供了高效的解决方案。 OPEN-SPIDER技术概述 OPEN-SPIDER是思通数科开发的一种先进的数据抓取技术,它能够: - 高效地从各…

Stable Diffusion【基础篇】:降噪强度(denoising strength)

提到降噪强度(denoising strength),大家一定不会陌生,这个参数是图生图中最关键的参数之一。今天在Stable Diffusion Art网站看到一篇介绍降噪强度(denoising strength)的文章(地址:…

从hugging face 下模型

支持国内下载hugging face 的东西 下模型权重 model_id 是红色圈复制的 代码 记得设置下载的存储位置 import os from pathlib import Path from huggingface_hub import hf_hub_download from huggingface_hub import snapshot_downloadmodel_id"llava-hf/llava-v1…

【Python机器学习】模型评估与改进——二分类指标

目录 1、错误类型 2、不平衡数据集 3、混淆矩阵 与精度的关系。 准确率、召回率与f-分数 分类报告 4、考虑不确定性 5、准确率-召回率曲线 6、受试者工作特征(ROC)与AUC 二分类可能是实践中最常见的机器学习应用,也是概念最简单的应…