知识的内化:学习、实践、输出(与Focus Feedback FixIt的原理是一致的)

一个人的能力分三个层次:

  • 资源,比如知识、技能、经验、时间、精力、金钱、人脉等
  • 应用流程,即使用资源解决问题的能力,包括做事的方法、流程、策略等,它是你整合应用资源创造价值的能力。
  • 价值取向,即你觉得什么事情重要,什么事情不重要。

我们在前面讲目标决定知识体系的方向,而目标实际上是由你的价值取向决定。价值取向是人最重要的能力,也是最高层次的能力,它决定你一生的走向。

你的价值取向决定了你的定位,定位决定了你愿意学习的知识。而知识是一种资源,是固化的,是死的,必须经过你的应用流程,才能内化为自己的经验,帮助你解决工作与生活中的问题,为你创造价值。

只有知识,不懂应用,那是书呆子。

像神仙姐姐王语嫣,牢记每一种武林秘籍,但是一招也打不出来,与人对战只有被秒杀的份儿。

像《围城》里的方鸿渐,也学习了很多乱七八糟的知识,但赵辛楣评价他说:“你是个好人,但一无是处”,这也是因为他涉猎很多都不能落地应用创造价值。

我也见过一些软件开发者,说起编程语言里的某个知识点,哪哪儿都清楚,但让他写程序,就是一团麻乱,根本想不起来要用什么,要到处问,List怎么用,StringBuilder怎么用,ListView该怎么用,问半天也还是不会用……

所以我们一定要把显性的知识内化为自己的隐性知识,变成自己的能力。

遵循下面的过程,有助于完成知识的内化:

  1. 学习
  2. 实践
  3. 输出

很多知识都经由前人的总结显性化了,固化在书本、网络、视频等载体上,我们就从这些载体上开始学习。这是第一步,它让我们知道有这样一个知识、这个知识是什么、这个知识可以用来解决什么问题。

不要停,你到了这一步千万不要停,要接着去琢磨:

  • 这个知识对我有什么用?
  • 我过往的工作与生活中,哪些经历、经验可以和这个知识关联起来?
  • 在将来,这个知识能怎样帮助我改善自己的工作?

只有你经过了这样的有意识的思考,一个显性的知识才具备了转化为你自己的隐性知识的可能。

很多人看书、看视频、听演讲,根本不琢磨,只是被动接收,只是“浏览”到有这么个东西,“哦”一声就过去了。所以,他们很难有进一步的收获。

当你经历了思考过程,就来到下一步:实践。

实践对从事某些职业的人来讲是自然而然的事情,因为他们的工作就是与信息和知识打交道,用知识创造价值。比如软件开发工程师,比如金融分析师,比如基金研究员,他们必须把学到的东西应用起来解决实际的问题,自己才有价值。而对于某些职业的人来讲,多数知识往往很难应用到实践中去,比如销售,比如挖掘机驾驶员,因为看不到知识应用到实践中能带来什么价值,就容易停留在“浏览”然后“哦一声”这种状态。

注:工作可大致分为三类,第一类是操作性的,比如车工、钳工、园艺;第二类是与信息(数据)打交道,通过对信息(数据)的加工、分析、创造来产生价值,比如软件开发工程师,财务分析师;第三类偏重与人交互,工作的重点在人际互动,比如销售、市场、保险代理人等。

这再一次说明方向的重要性。如果一位销售员看《世界上最伟大的推销员》、《销售就是要玩转情商》这类书,一定能找到应用到实践中的知识。

当你在实践中运用知识创造了价值,这个知识对你来讲就有吸引力,你就会去琢磨:

  • 它还能用在什么情景下?
  • 它还有没有其他用法?
  • 它还能带来什么价值?

当你习惯了使用知识后不断地这样思考,你就成了一块吸铁石,各种各样的知识都会飞到你身边,成为你的。

这就是内化的过程,内化是由“实践–思考–实践–思考”这样的循环造就的。

现在我们很多人过度依赖搜索引擎,比如ListView不会用,Google一下,拷贝粘贴一段代码来解决自己的问题。但是解决之后往往就放下了,不再琢磨这段代码为什么能解决问题、我为什么没想到、下次我怎样才能自己来解决问题,这样做的后果就是,遇到问题永远在问搜索引擎,永远也培养不出独立思考并解决问题的能力。

所以,实践、思考、再实践、再思考,直到某个知识内化为自己的隐性知识和经验,才算真的学习到了。

如果你能够把自己应用知识解决问题的过程,收获的经验,再转化出来,分享给别人,帮助别人解决问题,那你对知识的掌握将更进一步。

http://blog.csdn.net/foruok/article/details/54014938

时间: 2024-10-10 08:24:54

知识的内化:学习、实践、输出(与Focus Feedback FixIt的原理是一致的)的相关文章

深度学习实践系列(2)- 搭建notMNIST的深度神经网络

如果你希望系统性的了解神经网络,请参考零基础入门深度学习系列,下面我会粗略的介绍一下本文中实现神经网络需要了解的知识. 什么是深度神经网络? 神经网络包含三层:输入层(X).隐藏层和输出层:f(x) 每层之间每个节点都是完全连接的,其中包含权重(W).每层都存在一个偏移值(b). 每一层节点的计算方式如下: 其中g()代表激活函数,o()代表softmax输出函数. 使用Flow Graph的方式来表达如何正向推导神经网络,可以表达如下: x: 输入值 a(x):表示每个隐藏层的pre-acti

Appium学习实践(四)结构优化

随着我们测试脚本中的用例越来越多,我们不可能将所有的用例都放在同一个脚本中,所以我们需要优化我们的结构.将脚本放在一个文件夹中,再通过别的脚本来执行脚本.这样,我们也可以有选择性的执行我们的脚本 先来看一下现在的目录结构 测试脚本统一放到了test_case文件夹中,注意这个文件夹中要添加一个__init__.py的文件,只要是这个名字就行了,内容为空 因为我们要导入这个文件夹中的module,所以我们先构建一个package,而package必须包含一个__init__.py文件 然后来看下我

使用sklearn进行集成学习——实践

系列 <使用sklearn进行集成学习——理论> <使用sklearn进行集成学习——实践> 目录 1 Random Forest和Gradient Tree Boosting参数详解2 如何调参? 2.1 调参的目标:偏差和方差的协调 2.2 参数对整体模型性能的影响 2.3 一个朴实的方案:贪心的坐标下降法 2.3.1 Random Forest调参案例:Digit Recognizer 2.3.1.1 调整过程影响类参数 2.3.1.2 调整子模型影响类参数 2.3.2 Gr

深度学习实践系列之--身份证上汉字及数字识别系统的实现(上)

前言: 本文章将记录我利用深度学习方法实现身份证图像的信息识别系统的实现过程,及学习到的心得与体会.本次实践是我投身AI的初次系统化的付诸实践,意义重大,让自己成长许多.终于有空闲的时间,将其记录,只为更好的分享与学习. 目录: 1.本人的主要工作 2.关键技术 3.模型训练 4.系统设计及实现 5.总结 正文: 一.本人的主要工作 深度学习技术与传统模式识别技术相比,免去人工提取特征,识别率更高.我基于深度学习的技术背景,主要的研究内容如下: 1)身份证图像涉及个人隐私,很难获取其数据训练集.

排序学习实践

排序学习实践---ranknet方法 http://www.cnblogs.com/LBSer/p/4439542.html 1 背景 随着移动互联网的崛起,越来越多的用户开始习惯于从手机完成吃.喝.玩.乐.衣.食.住.行等各个方面的需求.打开手机,点开手淘.美团等APP,商品玲玲满目,而让用户将所有商品一页页看完已经不现实,通常情况下用户也就查看前几页,如果找不到满意的商品则退出,从而造成流单.因此如何对商品进行排序使得用户能尽快完成购买流程已经成为这些平台的重要攻克方向. 图1 手机淘宝.美

前端学习实践笔记--JavaScript深入【1】

这一年中零零散散看过几本javascript的书,回过头看之前写过的javascript学习笔记,未免有点汗颜,突出“肤浅”二字,然越深入越觉得javascript的博大精深,有种只缘身在此山中的感觉,茫茫然而不得其要领,索性在一边写博文中,求得突破,乃至更上一层楼. 看过的书籍推荐: <javascript语言精粹> Douglas Crockford <javascript设计模式> Addy Osmani <javascript设计模式> Ross Harmes

分享《自然语言处理理论与实战》PDF及代码+唐聃+《深入浅出Python机器学习》PDF及代码+段小手+《深度学习实践:计算机视觉》PDF+缪鹏+《最优化理论与算法第2版》高清PDF+习题解答PDF+《推荐系统与深度学习》PDF及代码学习

<自然语言处理理论与实战>高清PDF,362页,带书签目录,文字可以复制:配套源代码.唐聃等著. <大数据智能互联网时代的机器学习和自然语言处理技术>PDF,293页,带书签目录,文字可以复制,彩色配图.刘知远等著.  下载: https://pan.baidu.com/s/1waP6C086-32_Lv0Du3BbNw 提取码: 1ctr <自然语言处理理论与实战>讲述自然语言处理相关学科知识和理论基础,并介绍使用这些知识的应用和工具,以及如何在实际环境中使用它们.由

CV学习资料《卷积神经网络与视觉计算》+《深度学习实践计算机视觉》+《视觉SLAM十四讲从理论到实践》电子资料代码分析

视觉和图形学真是一家,基础都一样! 如果学习图像识别,计算机视觉,推荐电子书<视觉SLAM十四讲:从理论到实践>,系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,如三维空间的刚体运动.非线性优化,又包括计算机视觉的算法实现,例如多视图几何.回环检测等. 一个周读完了,代码很清晰!Particle Filtering,KF,EKF, Batch Optimization, Lie Group,ICP,LK光流... 尤其惊喜的是文末作者看好的IMU-SL

PMP认证知识普及:学习PMP需要多少时间和费用?

1.所需时间:备考时间通常是3个月左右,累计学习时间不少于200小时.中国大陆在考试后6周左右出成绩,纸质证书通常在成绩出来后2个月可以领取.中国大陆每年考4次,2014年3月22.6月28.9月20.12月13日各一次考试:考试时间是4个小时.2.考试形式:试题统一由美国PMI项目管理协会负责出题和翻译,中国大陆采用笔试,共200道中英文对照四选一的选择题,涂写答题卡的形式完成试卷,第三方国际监考公司监考和印制.3.认证费用:培训机构收取培训费通常在1700元至3500元不等,考试费统一由国家