如何持续学习

in #continuous-learning7 years ago (edited)

版权声明:自由转载-非商用-非衍生-保持署名(创意共享3.0许可证

关于

14 年我本科毕业,我的专业是软件工程,当然大学里我所学到的技能都是如何成为一个工程师以及相关的技术能力,我非常庆幸能学到这些东西,但我最感谢母校给我带来的一项软技能 - 持续学习能力
持续学习 或者 终生学习 ,这个略显性感和浪漫的词语越来越受到大家的喜爱,同时也变得不可忽视,它也许会成为职场工作者或社会人所应具备的基本软技能,因为在这个时代,信息的更新速度使得一个人最有价值的能力从技术技能 变为 快速学习技术的技能 , 我相信在互联网行业的朋友们应该深有体会。

本文其实是一篇内部分享文,原本的目的是内部分享自己在持续学习上的一些方法、资源、和工具,既然都是分享,何不成文与大家共同探讨来得痛快。

目录

  • 为什么要持续学习
  • 系统化学习
  • 学习反馈
  • 学习方法
  • 技术学习

一、为什么要持续学习?

回到持续学习这个词的出发点,为什么?

  1. 被动驱动
    1. 竞争是残酷的,物竞天择,现代社会更符合自然生存法则
    2. 信息更新映射到自我被动更新
  2. 主动驱动
    1. 兴趣使然
    2. 原始的求知欲
  3. 持续学习带来长期价值

对大多数人而言,是处于 被动式驱动学习 的,正如文章开始提到的,信息更新变化太快,如果不随时保持学习,就会 out 了,这在互联网技术行业非常明显,技术领域不断细分增多,不断有新的技术和理论出现,同时产品也在高速迭代,从业者不管是主动还是被动,都得不断的去学习新的技术理论。 其他行业应该也是如此,面对互联网的挑战,面对人工智能的挑战,面对新的商业模式的挑战,都得持续学习。
可能这种描述不够具体,以至于有些人仍然没有意识到持续学习重要性,那我提几个具体且残酷的问题:
1. 是否有想过自己所做技术的可替代性
在互联网时代,信息都是共享的,99% 的人所拥有的技能都可以复制,主要的复制成本已非信息障碍,而是时间,试问在自己的领域有深耕多长时间?所谓的三年五年经验是学习一年的技术使用了五年还是五年都在不断学习? 是否有在领域足够深入,能够构建起自己的技术壁垒?
2. 你的技术具有普遍性吗?还是只适用于你的公司+你目前的职位?
技能的普适性决定了择业的可能性和选择范围,可能目前你的技能能够很好的完成日常工作,但是这种工作环境可能是一种技能缺陷的绝佳隐藏场所。 你的公司以及你做的螺丝钉般的工作会成为限制你职业发展的枷锁。一旦某种不可抗原因导致的失业会很难找到相同待遇且满意的工作
3. 你多大了?
这个问题有些瘆得慌,在还未上大学以前,就有听过技术行业是吃青春饭的,当时不以为然。现在看看你周围的同事,都有多少 30 - 40 岁?也可参考最近的华为 “清理 34 岁以上老员工” 事件。 持续学习决定了一个人的职业生命周期,绝大多数人在 30+ 应该都很难有足够的时间和精力来做学习更新,最主要的原因是没有培养起持续学习的习惯,导致思维和能力的钝化。
上面这种持续学习的理由有些被绑架了的意味,是被动的学习,但我觉得最根本的驱动力应该在 求知与创造 ,是主动的学习。 求知欲是一种本能,无关职业,无关责任,每个人对未知都有或多或少的探索欲望。有些人能将这种欲望放大,发展成兴趣爱好,再发展成为个人能力和品牌。有些人会把这种欲望放大到职业中,随时都在以最佳的效率去学习和探索,且无关年龄。
说到这个问题又想起了什么是大学教育的根本,是培养研究学习能力,培养终生学习能力。 有的人到了 30 岁就只是假装在活着了,因为已经失去了对未知的欲望!


二、系统化学习

提系统化学习是为了对比碎片化学习,很多人都提倡碎片化时间学习法,想想的确很有道理,工作 8 小时外的时间绝大多数都是碎片化的,很难找到连续的,如果将碎片化的时间收集起来很容易积累。 但我得提出的一点是,碎片化时间学习不等于学习碎片化知识。
何为碎片化知识? 如微博,新闻,心灵鸡汤等。很多人都热衷于阅读,收藏这些文章,以致于让大家以为用 10 分钟看一篇博文,看一些观点就成为了学习,产生每天都在学习和进步的错觉。
这些文章博客的阅读是本身是没有问题的,但学习不应停留于此,学习的步骤应该包含 “阅读-思考-练习-应用-反馈” ,碎片化阅读绝大多数人都停留在了阅读这一步, 只有系统化的学习才会最终会转化为个人的能力或者长久的影响个人的思维行为方式。

2.1 哪种学习才能叫系统化学习?

  1. 有主题有规划
  2. 有应用有思考
  3. 有反馈和复习

举几个例子:

  1. 看一本书
  2. 学习一个算法
  3. 学习一门外语
  4. 深入了解盆栽养殖
  5. 学习微视频制作
  6. ....

系统学习的主题颗粒可大可小,但相同的一点是对这个主题做到足够的深入,有足够的理解。

2.2 学习的态度
提到系统学习联想到几个与之关联的问题,第一个就是学习态度
批判性思维学习
现在盲从的人已经很少了,反而盲反的人越来越多,在面对新的知识是,第一时间想到的是批判,如一本书 A 看了几页就觉得这个不如 B 书讲得好,我读过 B。这个介绍的这个观点我觉得是错的,这本书一定有问题。我觉得所谓批判性思维所讲的是在知识有足够多掌握的情况下再去深入对比学习,不盲从,有自己的判断,在未足够掌握的情况下,不要妄加评论!
带有思想包袱的方式去学习
在程序员中有这样的一种说法,学习哪一门编程语言最困难? 答案不是具体的哪一门编程语言,而是第“二”门语言。 在学习新知识的时候人们通常很难打破已建立的根深蒂固的思维模式,如果遇到不匹配原有思维的情况,很难认同,或者更愿意用原有的思维方式去匹配而不是使用新的概念和理论。
对知识和未知的敬畏
我最认同的一种方式是,在学习新的知识时,首先要 心存对知识的敬畏,然后在足够多理解的情况下,懂得明辨,再讲批判
2.3 信息的多与少
第二个问题是关于信息,现在这个时代最不缺的就是信息资源,特别是对于大多数基本专业学科,但是真的是信息越多越好吗? 这里提一个词 信息-行动比 ,这个词很好的解释了为什么碎片化信息不能产生帮助,因为这些信息并未带来实质的行动。在进行系统性学习的时候可能需要收集大量的信息,但并非越多越好

  1. 请过滤掉对你的学习不产生价值的信息
  2. 不要盲目的追崇信息的收集,而是更要集中于对信息的理解

三、学习反馈

知乎上一个热门提问 “为什么嗑瓜子可以嗑半个小时甚至一个小时以上,看书学习却不可以”,问题的回答大多提到了“学习反馈”这个关键词。
在我看来,这是任何学习理论的基础,适用于任何年龄阶段的人,或者动物,甚至机器,以下这些例子很好的说明

  1. 教育小孩儿,必须同时给予鼓励和批评,正向的反馈能够激励,负向的反馈能够规正
  2. 机器学习算法基于反馈为基础达到参数的优化,获取更好的模型
  3. 学习一门技术必须实践应用,在实际操作中体会方法正确与错误的反馈会比纯理论学习更加高效

3.1 反馈的时间越短,学习会越轻松且高效
反馈理论可以和很多学习工作相关的话题关联起来,同样也是这些问题的答案:

  1. 拖延症:似乎大多数人都有或多或少的拖延心理,在某些时候,我认为拖延的原因是因为要做的事情很难产生反馈效果,或者反馈时间太长。治疗的方法是增加过程中的反馈,缩短反馈周期,举例
    1. 在安排 todo list 先后顺序的时候,把最简单的放在上面,完成简单的任务会在短时间内获得正向反馈
    2. 在长跑的时候将路程分段,每个跑完每个阶段为目标,将反馈周期缩短
    3. 在做一件复杂又很难划分为子任务的事情时,可以用文字或者绘图记录思路和过程,方案的形成和文字的积累也算是一种正向反馈=
  2. 写作与分享心理:在某些时候,写作和分享是一个很好获得正向反馈的途径,通过分享和写作可以获得其他人的意见建议,好评,赞赏,同时也提升个人品牌,这也是我个人写作和分享的心理基础,为了获得第三方的反馈

那考核反馈时间是否有什么标准,我觉得因人而异,比如一节课的时间是 45 分钟,大多数人过了这个时间就会产生疲惫,很难达到高效的学习,那么应该根据此调整。

3.2 反馈的弊端-短期收益与长期收益的选择
很多知识并非能短时间掌握,比如学习一门外语,学习一个学科,这类知识的学习是长期收益,在短时间内的学习很难给出正向反馈,在对比一些可见的短期收益的情况,很多人会选择后者,这类情况如:

  1. 在选择工作的时候,一份工作很无聊但是工资很高,另一份对自己的成长会有极大帮助但是工资却中等
  2. 在做技术方案的时候,为了快速解决问题,面临两种方案,一种是人肉的线性解决方案,可以在几天内完成,但是下次面临这类问题的时候仍然需要解决,另外一种情况是需要花几个月的时间通过程序自动化解决
  3. 在选择学习方向的时候,面临一种技术更简单容易上手,另外一种技术难度高,需要大量时间来研究

短期收益反馈会抑制长期收益,这样的选择正是人与人之间的区分,提此问题的目的并非是表达大家要选择长期收益,而是在评价长期收益和短期收益的时候,不要被固有的思维影响。(大脑偏向于短期收益)

3.3 成功的品质 - 坚毅
最近看了一个 TED 演讲,主题是“成功的钥匙”,演讲者讲述了自己作为教师的经历以及作为心理学家的可以研究,发现的关键特质是 “坚毅” ,演讲者总结的话是 “向着长期的目标,坚持自己的激情,即便历经失败,依然能够坚持不懈的努力下去”。
很明显这和反馈逻辑是相悖的,但和短期收益和长期收益的问题是一致的,我认为除了掌握反馈的方法,仍然应该时刻记住坚毅这个词,这是区分人与机器的地方


四、一些工作学习方法

除了靠掌握反馈理论以外,也有一些学习的方法和技巧,以下是我了解得一些方法

  1. A4 纸学习工作法
  2. PDCA/PDSA 计划-执行-(学习或检查)-反馈
  3. 弄脏你的手
  4. 减少上下文切入成本
  5. 研究型自学
  6. Feynman Technique

4.1 A4 纸学习工作法
原本我并非刻意的去了解过这个方法,但实际工作学习的时候,我都会首先在一张 A4 纸上写写画画,为什么选用 A4 纸

  1. 低成本:相比一个使用一个厚重的笔记本,或者电脑,A4 纸几乎是成本最低,随处可见,最方便携带的工具
  2. 快速勾勒:相比使用软件,A4 纸更能自如的快速列出大纲,工作计划,待办任务,思维导图,做笔记记录以及绘图,这些过程在工作或学习的时候都是必备的

虽然我的使用场景几乎就是低成本快速表达我的想法,但 A4 纸的使用有完整的方法论,有兴趣可以 google 搜索,有相关的书籍可以阅读参考

4.2 PDCA/PDSA
反馈理论虽然是核心,但是得配合完整的学习模型,其中的一个就是 PDCA , 计划-执行-检查-反馈

参考 http://asq.org/learn-about-quality/project-planning-tools/overview/pdca-cycle.html

PDCA 是一个通用的抽象模型,可以应用到任何系统的持续优化上,这里我们将它应用到学习模型上

  1. 计划:分析找到未掌握的知识,并安排详细学习计划
  2. 执行:执行计划
  3. 检查:通过一定的方法检查测试学习结果,如做测试题目,考试
  4. 反馈:通过测试结果找到不足的地方,作为下一个学习阶段的分析前提条件

4.2 弄脏你的手
这本算不上什么方法,但我认为非常重要,所谓 “弄脏你的手” 的说法其实表达就是 “快速参与”。很多时候总是因为惰性或者排斥性心理犹豫不决,该不该学,该不该做,什么时候做,也算是拖延症的一种吧。
我认为最好的方法就是试着想办法快速参与或者用最小的代价“强迫”参与,举个简单的例子,洗碗。 这件事情总得做,如果轮到你来做,你会想是吃完饭就洗呢还是晚上再洗呢还是明天洗,一个避免这种拖延的 “快速参与” 方法是,去洗一下手,这时候既然弄湿了手,不如就先洗一个碗吧,洗完了后再想既然都洗了一个了不如都洗了,不然下次还得多弄脏一次手,其实也可以把这个过程理解为 - 欺骗自己的大脑(那个惰性的你)
4.3 减少上下文切入成本
很多人都会讨厌别人打断他们的工作,为什么? 因为如果被打断了思路,重新回到刚才的思考需要花费很多时间,这种时间成本就是上下文切换成本
这种成本不仅仅指代思路切换的成本,还包括正式工作之前的一些预备工作,比如收拾桌子,打开电脑,整理电脑文件,打开各种软件。本质是无反馈的无谓任务,因为做了这些麻烦的工作并不会有任何实质的收获感,反而阻碍了真正的工作,造成拖延,时间浪费。
但上下文切换有时不受自己控制,比如开会,比如电话,比如插入紧急任务。需要做的是减少一些无谓的上下文切换任务,一些建议和方法:

  1. 收拾干净工作环境,杂乱的工作环境会使得上下文切换时产生干扰,比如关闭软件窗口,收拾桌面,关闭上一个任务的上下文。
  2. 对于工程师而言,尽量将开发前的预备工作做到自动化,如打开数据库,插入一些 mock 数据,启动其他的一些服务,打开编辑器等工作使用 workflow 工具或者脚本来代替

4.4 研究型自学
自学还是找老师这个选择上,我个人更偏向于自学,有时候我认为自学就是一种研究型学习,对不知道的领域探索学习,并且这种方式带来的学习效率比其他方式都要高,为什么?

  1. 相比于授课形式,研究型学习过程中个人思考占主导位置
  2. 了解更多的细节和前因后果,相比于授课形式,无论任何细节都得自己去摸索,必须自己去梳理关系和概念
  3. 研究型学习本身是一种能力培养,这种能力会逐渐成熟加深,并达到效率的提高

当然相比如授课形式,研究型自学的缺点明显,在短周期内的效率不及授课形式,如果想快速基本的掌握某个知识,那授课形式肯定是最好的,如果想深入某个领域,那自学是必须具备的能力
“研究型自学” 和 “挑战” ,这两个词很容易关联起来,我很喜欢以自我挑战的方式去做研究型学习,同时这是一种正向反馈,可以增强我的学习积极性

4.5 Feynman Technique

参考 https://www.farnamstreetblog.com/2012/04/learn-anything-faster-with-the-feynman-technique

是否遇到过这样的场景,在解决某个问题上自己实在找不出原因,于是选择问其他更专业的人解决,在跟另外一个人讲述自己的问题时,讲着讲着自己突然豁然开朗,哦,我知道是什么原因了,甚至另外一个人都还没听清楚自己在说什么
事实上很多人在对事物的理解上仍然停留在自己认为理解的状态,但当需要跟别人讲述这个问题的时候却不知如何表达,而费曼技巧就是使用了如同上面例子的方法帮助理解某个概念,分以下几个步骤:

  1. 选择一个概念
  2. 跟一个小孩儿讲述这个概念(你也可以选择一个木偶或者自言自语 :-)
  3. 在讲述过程找找到自己不明白的地方,或者讲不清楚的地方(自己理解的概念和真实的概念之间的差异)
  4. 重新学习

核心的地方是判断你是否理解某件事的标准是你能将这个概念传授给别人,并且别人也能理解

五、技术学习

最后作为技术人讲一下我自己对技术学习看中的两点,当然还有干货 :-)
5.1 技术嗅觉
最近一条微博在技术圈内非常火,大概是 2010 年的互联网技术峰会,BAT 三大佬讲述关于云计算的理解。

  1. B 老大对云计算的观点是新瓶装旧酒,云计算本质来说就是 clien-server 模式,没有任何新的技术出现,很多 client 端的应用要做云计算有些得不偿失
  2. T 老大对云计算的观点有些不咸不淡的意思,但还是认为云计算会成为水煤电的基础设施
  3. A 老大对云计算的观点很有意思,提到了 google 刚出搜索引擎是 yahoo 的态度,google 不就是一个 yet another 搜索引擎吗,但是正是这样的观点导致了 yahoo 的败落。以此看云计算,虽然从技术角度来讲可能仍然是 cs,但是在理解上可能已经完全不一样了

七年前的对话,再看现在 BAT 三家对云计算这件事儿上的成果,A 家的已经遥遥领先,并且现在大家对云计算的认识已经不是 7 年前了,而对于创业者来说真的是水煤电了。
另外一个故事,说到云计算当然是得联系到 AWS,这才是真正的 BOSS,而 AWS 背后的老大当然是贝索斯,作为技术人都知道一个词叫 “微服务”,而你只当这个词是由霸道总裁贝索斯强推给部下的工程师的吗?可能当时的工程师们都认为他脑袋坏了瞎拍,但今天看来正是因为强制的微服务架构要求才有了 AWS 在云计算领域的领先,而这种架构模式在全球范围内得到应用。
我认为这就是我想讲的 “技术嗅觉”,对技术的理解程度,在当你考量一个技术的时候,如果没有反复思考就评价:

  1. 认为是新瓶装旧酒
  2. 认为技术太简单
  3. 认为技术太超前

那估计你会失去机会,想想比特币,区块链,AI,AR,VR ,你真的理解这些技术了吗?如果理解了,那你会为了它做多少技术投资?

5.2 研究探索欲望
探索欲望,我认为这个词决定了技术人在技术上能走的深度。本质上其实无关是否是技术人,对所有人都一样,对未知的探索欲望,求知欲。
现在我们看到的计算硬件和软件都是建立在无数巨人的肩膀上构建起来的,可以说是相当相当的复杂,领域划分也越来越细,要想掌握这个体系的某一部分,会牵扯出一系列的组件和技术,得有足够的时间 + 毅力 + 欲望去学习才能掌握,缺一不可。
在对某一个技术概念的理解上,有些人止于基本的使用,而有些人则贪婪的想要知道背后的 0 和 1,你丢掉了对未知的欲望了吗?

5.3 学习资源
最好的资源不是博客,不是博客,不是博客,是书籍,对新技术而言是 issue list,commit history, source code。在大学的时候爱上了一个网站叫皮皮书屋,至少在那个时候,这个网站几乎拥有所有的技术书籍电子版,甚至如经济学,数学类图书(免费+付费,当然这明显有盗版嫌疑,如果有能力请支持正版图书),现在这个网站已经不存在了我写了一个爬虫程序把相关图书都爬取下来了,放在 https://github.com/6174/ppurl 可以直接用 github 的搜索工具搜索图书名称,通过迅雷下载(某些时候得迅雷付费了才能下载下来

Sort:  

欢迎加入STEEMIT 期待更多优质文章。

嗯啊,也是看您介绍才了解的,:-)

Coin Marketplace

STEEM 0.16
TRX 0.15
JST 0.029
BTC 57913.08
ETH 2452.28
USDT 1.00
SBD 2.36