当前位置: 首页 > news >正文

心觉:如何重塑高效学习的潜意识(1)两种方法的优缺点

Hi,我是心觉,与你一起玩转潜意识、脑波音乐和吸引力法则,轻松掌控自己的人生!

挑战每日一省写作180/1000天

你的学习习惯是什么呢

学习的时候是感到轻松吗

很多人感觉现在是知识大爆炸的时代,每天都会产生海量的知识

学不完,根本学不完

陷入了学习的恶性循环中

其实高维的知识和智慧并没有产生,即使产生,量也极低

每天产生的海量知识,实际上99%都是低维的知识,很多只是换个说法,换个应用场景,换个案例,溯源到高维的道你都学过,甚至有些就是常识

比如,一万个小时定律,本质讲的就是专注,长期的专注带来质变,和中国古话讲的:种瓜得瓜,种豆得豆是一个道理,和物理学里讲的能量守恒是一样的

还有些人为了标新立异,引发好奇甚至故意造个新词,实际上的意思你早就学过了

比如牧场理论,五行学习法等等

但是很多人有学习焦虑症,看到新的东西就好奇,就想学,非要弄明白不可

可是人的生命是有限的,精力是有限的;知识每天都会产生,是无限的,以有涯随无涯殆已

必须看透低维知识背后的高维知识或智慧

其实,如果你没有时间的话,也不用看,直接把你已有的知识和智慧运用好就够制定你的人生战略了

战术上,你如果有优秀的学习习惯,人生就不会差

今天主要讲两种学习习惯:

  1. 系统化学习

  2. 边学边用学习

1. 系统化学习法

这种方法是先全面了解理论,然后再逐步实践。它的优点在于:

  • 知识全景观:你能够看到整套理论的全貌,理解各个知识点之间的关联性和内在逻辑。这样学习比较系统,不容易遗漏重要的环节

  • 避免碎片化:不会因为缺乏基础而导致后续学习中的误解或偏差

    你有完整的理论背景支撑,做事情会有更大的掌控感

但缺点是:

  • 行动延迟:你可能会陷入“学完再用”的陷阱,一直在学习,而没有实际开始行动

  • 精力分散:学习所有知识点再开始实践,可能容易疲劳,影响效率

这种方法适合那些喜欢掌控全局、有强大执行力和较长时间规划能力的人

2. 边学边用法

这种方法是学一个用一个,通过实践来检验知识。这种方法的好处在于:

  • 立竿见影:你马上能看到自己应用知识的效果,既激励了自己,也能迅速调整方向

  • 实践导向:学习和应用紧密结合,通过不断实践来加深理解,特别适合那些通过动手实践来学习的人

但它的潜在缺陷是:

  • 容易局部最优:如果一开始学习的片段不完整,可能会造成过早定型,导致后续调整困难

  • 系统性不足:你可能会因为没有全面掌握理论而遇到瓶颈,导致进展受限

这种方式更适合喜欢“马上行动”、在行动中不断优化的人,特别是对于那些实践中学习效果更好的人

可以发现每个方法都会有局限性,没有完美的方法,这就是应用一个方法的成本,有得必有失,要有这个预算

我们可以两种方法结合起来用

事实上,这两种方法并不是互斥的。很多成功的人都会先有大概框架,然后边学边用,逐步完善自己的体系。例如,很多创业者或者创新者会用边学边用的方法,但是他们不会完全放弃对系统化知识的追求

也就是说,最佳方法可能是结合两者的优点

  1. 先有个大致框架,即便是粗略了解一下全局,知道每个知识点的大致位置。

  2. 然后边学边用,通过行动来检验知识的可行性,同时不断迭代和优化。

这样做可以让你既不陷入理论的泥潭,也不会因为实践不足而方向偏离

结合两者的优点

呵呵,说起来很轻松

但是很多人学着学着就不自觉的偏向于自己习惯性的某一种学习方法

学了一段时间才发现自己太过于注重系统化学习;或者太过于注重边学边用了,零零碎碎的,没有系统性

为什么会这样呢?

因为他们思维的底层逻辑不一样

要彻底提高学习的效率,适时调整自己的学习策略,就必须知道其底层逻辑

然后通过重塑潜意识的方式,永久解决这个问题

要详细剖析,内容比较多,我放到下一篇文章写

图片


http://www.mrgr.cn/news/35632.html

相关文章:

  • 推荐一个超漂亮ui的网页应用设计
  • FP独立站引流革命:GG斗篷技术解锁流量新策略
  • qt QRunnable 与 QThreadPool详解
  • C语言 | Leetcode C语言题解之第553题最优除法
  • 开源项目工具:LeanTween - 为Unity 3D打造的高效缓动引擎详解(比较麻烦的API版)之二———补间动画控制API系列
  • WebRTC REMB算法
  • C#:动态为Object对象添加新属性的方法
  • 【Linux 从基础到进阶】Hadoop 大数据平台搭建与优化
  • DevOps学习路线图
  • **CentOS7安装redis**
  • 物理学基础精解【16】
  • 【day20240925】常见数据集科普
  • 【Linux-基础IO】文件描述符重定向原理缓冲区
  • [大语言模型-工程实践] 手把手教你-基于Ollama搭建本地个人智能AI助理
  • 软考高级:需求工程- 4+1 视图 AI 解读
  • 【C++】STL详解之string类
  • 【Python】探索 PyTorch 在机器学习中的应用
  • 智慧照明,安全度夏:揭秘如何前置防御暴雨中的路灯杆漏电隐患
  • 【云原生安全篇】Trivy助力离线Harbor漏洞扫描实践
  • Python批量合并365个工作表的2种方法
  • Qt-DateEditTimeEdit输入类控件(33)
  • 【AIGC】ChatGPT提示词解析:如何生成爆款标题、节日热点文案与完美文字排版
  • Chunk-based Chinese Spelling Check with Global Optimization(EMNLP2020)
  • Doris之使用优化
  • 一天认识一个硬件之测线器
  • Redis实战--Redis的数据持久化与搭建Redis主从复制模式和搭建Redis的哨兵模式