IT人的自我导向型学习:学习的3个维度

简介:


学习的12

大家在学习之后会再次回顾以前学到的知识吗?又会隔多久才去回顾呢?回顾所学到的并去思考是学习的基本有效方法,在进行之前的内容之前,我们就开始使用这个学习方法,先来回忆一下上篇讲的主要内容是什么?

.........................

.........................

记起来什么了吗?如果没有,那么想想,你看我的文章是想得到什么?这就是学习的目的性。当然,如果你觉得看我的文章仅仅是想爽一下,那也可以,不过我的文字如果不能给你带来些什么,我觉得你可能是在浪费时间,还不如把这些时间花在看其他能给你带来更爽感觉的东西呢。

现在知识太多,如何让自己掌握这些内容,重要的是在思维发散后记得再聚焦,而且一定要聚焦了才能真有收获。对于1、2,你们需要掌握的至少两点:


  • 1个理念:快乐学习

  • 2个心态:渐进累积、创造软区域

教育

如果1、2知道了,如果你也有好奇心,那么你一定会问自己,会不会有3什么、4什么之类的啊?如果没有的话,你我可都要小心了,要不就是你的好奇心已经在儿童时期被摧毁了,要不就是我的文字对你没有帮助。其实第二个原因,说到底这对我没有什么影响和浪费,对你却是一个值得去思考的问题。

不过你暂时记下这个问题,有时间再去寻找答案。现在继续我们本次的话题,可能有点枯燥,但是了解事物本质的what对于真正掌握一个事物来说是至关重要的,你认同我的这个看法吗?如果认同,那就和我一起来了解一下教育吧。

65789157.jpg

我们从小到大,特别初中和高中,我们基本上离不开考试,到了大学离开那种疯狂考试之后,似乎就不知道应当如何去学习新知识了,因为应试教育让我们习惯了有人指导或者要求去做,一旦脱离这种被动反而不知道如何主动了。你可能会说这是教育的问题,但是反过来说,就算老师给你说教育是什么,如何做好教育,其实那个时候的我们根本不回去听,除非现在到了我们这个年纪,并且对自我认识有一种好奇心的才会去重新思考。

有些东西光靠思考是没有用的,至少我们应该先吸收一些外部知识做点储备加点油才能点燃新的旅程。虽然经历了从小学到大学这么长时间的教育,但是有哪个学生会去关心过教育还有什么分类学呢?我也是直到思考敏捷个人,想到学习成长时才找到学习分类法的时候,才知道在1956年,由美国教育心理学家本杰明 · 布鲁姆提出布鲁姆分类学,大致说到学习氛围认知、技巧及态度三个范畴。

也许你说你还没有到要去思考教育、认识自己的阶段,但是你有没有意识到当今社会很多事情本末倒置了,你其实已经到了不得不返回去学习这些基础东西的时候了。当然,我也说不出什么理由劝说你去思考这么无聊的问题,不过可以试想一下。在现在超前教育的环境下,如果你作为家长,你担心孩子怕输在起跑线,于是开始抢跑,幼儿园开始上小学的东西,小学上中学的,不过可惜的是,你的孩子行为习惯不好、人格没有培养,直到工作了才开始意识到你忽略了对孩子的这些方面的影响。如果时间能倒转,你现在会怎么对你孩子?我想,基于大环境,肯定也是会去多学一些,但是行为习惯这些基础本质的东西你也会去教。那你怎么去教?你必须自己懂得一些教育啊,否则自己都不行,怎么去教孩子啊。

聊教育怎么说到育儿了呢?其实育儿如育己。我们已经不小了,工作了也就应该对自己负起应有的责任,从大学走出来的那一刻就注定没有人有责任让我们去学习,有责任的只有一个人,那就是自己。前面说的也许慢啰嗦的,你可能觉得了解教育对自己也不会有什么帮助。真是这样的吗?先不要这么快下结论,我们下面来讲时中法学习三维度。

三个维度

敏捷个人PPT中出现了很多我原创的图,反馈都是不太理解。不要紧,这个系列只要出现的图,我都做个解说,今天我就要把上篇的学习12345继续说清楚。

如果我说让你去学习一门新语言来开发产品,你会觉得你要学哪三样东西?如果让你去学习找个女朋友结婚,你又会觉得药学哪三样东西?如果当说每件事,我们还比较容易说,因为这已经是一些细节的,而且一说可能还收不住,所以我们就不说这些细部的。如果不说细部的,那一定是从大里说,可能会有点抽象。

我觉得一个人可以学会三样东西:事实、习惯和态度。这三样我们要先学事实,也就是去了解世界以及事物,包括它们的外在表现以及本质内涵,只有在了解世界之后,我们才能知道到底哪种习惯和态度更合适自己。当然,这并没有严格的先后关系,不过我想一定存在一些逻辑关系,这也是开发人员应具备的思维。

122302176032715.jpg

瞎侃了半天,我还是要把大家拉回时钟法学习框架图,这里xyz轴分别代表着一个学习维度:

  1. 知识:事实性、概念性、程序性、反省认识  

  2. 技能:记忆、理解、运用、分析、评价、创造

  3. 态度:接受、反应、评价、组织、内化

如何看这个图的关系

知道我的人都说我技术牛、还懂得TOGAF、ArchiMate、产品管理、业务分析等,还创造了敏捷个人,问我怎么做的?我只是比大多数更愿意先学习一些基础方法而已。

你从上图看到什么概念以及可能存在的逻辑关系了?先大致了解术语,然后理清逻辑关系后再深化学习,是我以前在学习TOGAF、ArchiMate、BABOK等未知领域的常用方法,很有效的啊。在我写的架构相关文字中曾经说到架构的抽象定义,架构其实就是理清组成元素和它们的关系,以及所处的上下文环境。学习也是一样,需要把学习的内容分类、以及理清它们的关系和上下文。如果你还没看出什么关系,不要紧,我们慢慢说。

首先我们来看看上面三个维度中的两个维度,也就是知识和技能。看到这也许一拨人就离开了,其实我们很多人对这两个再熟悉不过的词很陌生,并从未去深究其所代表的含义,以及给自己的指导。各维度之间都有具体的层级,为了让大家从看似简单却又复杂的学习架构图中理清局部关系,我整理出以下二维表格,其中第一行标题代表的是技能,第一列标题代表的是知识,中间带包他们的关系,顺便说一句,这种二维视图是发现关系的很好工具啊,在TOGAF等中经常出现的。

%E7%9F%A5%E8%AF%86%E5%92%8C%E6%8A%80%E8%

从上图可以看到,记忆与事实性知识紧密联系,理解与概念性知识紧密相连,应用与程序性知识紧密相连,而分析、评价、创造与反省认识知识紧密相连,并且还可以促进记忆、理解和应用相关知识。简单的说,如果哪天你要去学习一个新东西,你应该问自己:

  1. 我要记住哪些事实性知识?

  2. 我要理解哪些概念性知识?

  3. 我要运用哪些程序性知识?

  4. 我要分析、评价、创造出哪些反省认识知识?

上面的问题虽然简单,但是要回答出来还有点难度,你知道为什么吗?因为我们还没有学习完事实性知识和概念性知识,所以就比较难以运用和分析了。

学习过程并不是真的时时都是有趣的,只要你有兴趣,获取知识就不枯燥了。下面我们从知识来看看吧

知识

4%E7%B1%BB%E7%9F%A5%E8%AF%86.png

事实性知识和概念性知识代表“What”类知识,程序性知识代表“How”类知识,而反省认识知识是“知行合一”类知识,敏捷个人就属于反省认识知识域中的有效体系。

技能

6%E7%A7%8D%E6%8A%80%E8%83%BD.png


态度

成功永远不只是方法的问题,还有意愿的问题。当我们的意愿强烈到一定程度的时候,可能方法就自然出现了,当然这方法是需要你去寻找的,例如企业架构可以学习TOGAF、业务需求可以学习BABOK、产品复用可以学习软件产品线、软件开发可以学习Scrum,这些方法都是出自我自己的主动兴趣去研究应用。

新加入一个公司,用的是新语言或者其他没用过的技术,这个你要不要学?团队开发的新产品是一个你从未触及的业务领域,你从未接触过,业务的东西你要不要学?新的团队新的同事,如何快速融入团队,你要不要学?......学习无处不在,我想大家关注更多的一定是知识和技能,这无可厚非,要是能力不够,我们行为做得再好也不管用,因为现在都是以结果定输赢的社会。不过,作为个人来说,如果能够快乐的工作是我们非常期望的。快乐当然分很多种,如果能做自己感兴趣的事情就是一种快乐。这兴趣的东西一讲起来又能讲半天,我想说的是很多事情并不是因为你有兴趣了才去做,有可能是因为你去做了才发现你对这个有兴趣。这就是学习的魅力,不仅学到知识和技能,还能培养你的兴趣,而这兴趣的培养其实就是态度学习而习得的。

那为什么我们需要兴趣?除了兴趣之外,态度还包括哪些呢?我们先看看大脑对每件事的6个理解层次吧。这个图在敏捷个人中有过,不过这次把上层改为了NLP的信念系统。从图中可以看到,前面说的知识和技能属于意识层面,是我们一说到学习就会想到的,然而为什么有的不聪明的人反而学得比聪明的人还好呢?这就要看上层潜意识了,也就是信念、价值观和原则,这样构成了我们态度学习的三个内容,敏捷个人有专门的练习对这些有所帮助,这里就不具体说了。

152103109808356.png


"人创造环境,同样环境也创造人。" 这不是我说的,是马克思。我们是静态的同时也是变化的,包括信念、价值观和原则,那我们如何变化的呢?有没有一个步骤给大家参考呢?当然有,看看下图,除了上面讲的态度内容之外,左边红色部分是态度的5个发展层级,各层次不是孤立的,后一类目标层次是建立在已达到的前一类目标层次的基础上的。

5%E5%B1%82%E6%80%81%E5%BA%A6.png

可能说的有点不太通俗,再简单说,知识和技能是我们的认知活动,而态度是我们的情感活动。在我们的学习过程中,认知活动和情感活动是同时发生、同时发展的,贯穿始终。认知主要解决能不能、懂不懂、会不会,这过程中必然会有心理感受和情绪体验,然后就产生了愿不愿意、喜不喜欢、相信不相信自己能学好等情感和态度。他们虽然是同时发生,不过能感知到的人并不多,能在一开始学习把态度目标也制定的就更少了。这个就不再阐述了,否则看得人基本要走光了。

举个例子

今年使用PHP+PhoneGap+JQueryMobile+WordPress做了敏捷个人手机应用,如果是你来做,你怎么完成?这里就不展开说吧,就说我的个人网站 http://www.zhoujingen.cn/blog/ 的搭建这件事吧。域名有了,怎么搭建个网站呢?没有时间,于是想到直接拿个开源的东东弄一下,花了一个晚上从了解wordpress到安装部署配置完。

现在你们可以思考一下,在使用wordpress部署我的个人网站这件学习上,我要记住哪些术语,理解哪些概念,执行哪些步骤,过程中我可能会遇到什么事,产生什么态度?如果你能想清楚,那说明这次的内容你也掌握了不少。


这次的内容看起来很无聊,实则是学习之根本,今天就说到这里






 本文转自 陈本峰 51CTO博客,原文链接:http://blog.51cto.com/zhoujg/1378385,如需转载请自行联系原作者

相关文章
|
3天前
|
供应链 监控 数据可视化
企业如何理解和应用递延型指标来优化决策?
本文深入解析了递延型指标在企业数据分析和绩效评估中的重要性,涵盖其定义、类型及在财务、营销、人力资源和供应链管理中的应用。通过递延型指标,企业能更好地评估长期效益、预测未来趋势,并借助工具如板栗看板实现精准决策。
24 11
企业如何理解和应用递延型指标来优化决策?
|
2月前
|
人工智能 前端开发
大模型体验体验报告:OpenAI-O1内置思维链和多个llm组合出的COT有啥区别?传统道家理论+中学生物理奥赛题测试,名不虚传还是名副其实?
一个月前,o1发布时,虽然让人提前体验,但自己并未进行测试。近期终于有机会使用,却仍忘记第一时间测试。本文通过两个测试案例展示了o1的强大能力:一是关于丹田及练气的详细解答,二是解决一道复杂的中学生物理奥赛题。o1的知识面广泛、推理迅速,令人印象深刻。未来,或许可以通过赋予o1更多能力,使其在更多领域发挥作用。如果你有好的测试题,欢迎留言,一起探索o1的潜力。
|
3月前
快速高效率学习一项新技术或者语法并且保持长期记忆的方法
【9月更文挑战第19天】这段内容介绍了高效学习新技术或语法并保持长期记忆的方法。首先,明确学习目标,制定详细计划,合理安排时间和休息。其次,选择优质教材、视频课程和实践项目。接着,采取主动学习、多感官学习、关联记忆和定期复习的方法。最后,通过动手实践、参与社区交流和设定奖励机制,保持学习热情和动力。持续学习的心态将帮助你在实际工作和生活中应用新技能。
|
3月前
|
人工智能 自然语言处理 计算机视觉
浙大李玺团队:指代表达理解新方法,ScanFormer粗到细迭代消除视觉冗余
【9月更文挑战第14天】近年来,人工智能的迅猛发展推动了计算机视觉与自然语言处理交叉领域的研究,其中指代表达理解任务备受关注。REC的目标是在图像中根据自然语言描述定位目标对象。然而,现有方法因密集感知图像而导致计算开销大。为此,浙江大学李玺团队提出了ScanFormer,一种迭代感知框架,通过自顶向下的方式逐步提取与语言相关的视觉块,并通过信息性预测丢弃不相关部分,有效减少冗余,提升模型效率。实验表明,ScanFormer在多个基准数据集上表现优异,实现了准确性和效率的良好平衡。不过,它目前仅支持单目标定位,且在某些场景下可能不如其他方法精确。
38 1
|
5月前
|
UED
通用研发提效问题之层级较深表达复杂的问题在配置模型中如何解决
通用研发提效问题之层级较深表达复杂的问题在配置模型中如何解决
|
6月前
|
机器学习/深度学习 计算机视觉 人工智能
用基础模型指导特征传播,首个泛化型图像匹配器OmniGlue搞定未见过域
【6月更文挑战第3天】研究人员提出OmniGlue,首个以泛化为中心的图像匹配器,利用基础模型DINOv2的广泛知识和关键点位置引导的注意力机制,提升未见过图像域的匹配性能。在7个不同图像域的实验中,OmniGlue相对其他模型表现出20.9%的相对增益,优于LightGlue 9.5%。尽管有改进空间,OmniGlue标志着图像匹配技术泛化能力的重要进步。论文链接:https://arxiv.org/pdf/2405.12979
97 2
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
【大模型】如何向非技术受众解释LLM的概念及其能力?
【5月更文挑战第7天】【大模型】如何向非技术受众解释LLM的概念及其能力?
|
7月前
|
人工智能 自然语言处理 自动驾驶
大模型领域急需建立可解释AI理论
【1月更文挑战第21天】大模型领域急需建立可解释AI理论
58 2
大模型领域急需建立可解释AI理论
|
机器学习/深度学习
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
256 0
机器学习增强量子化学领域的新突破,用半经验量子力学方法的结构来构建动态响应的哈密顿量
|
图形学
为什么说“3D建模”是未来不可少的行业
随着国家文化政策的大力支持,一场新世纪的文化复兴运动,正在悄然展开。文化娱乐产业蓬勃发展,而随着生活水平的不断提高,人们也越来越愿意在精神享受上花钱。**电影行业、游戏行业**就是两个典型的例子。
134 0
为什么说“3D建模”是未来不可少的行业