最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

身处职场,千万要避开这10个学习误区

[复制链接]
跳转到指定楼层
楼主
发表于 2018-9-19 10:22:27 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

前言
人和人之间的能力差距,无外乎两个原因:
一是先天遗传
二是后天学习
先天遗传无法改变,所以后天学习方式的不同成了差距产生的最大原因。
学生时期的成绩差距,工作之后的职位差距,
皆是如此。
而最可怕的并不是错误的学习方式,可怕的是,你并不知道自己的学习方式错了。
当你不自觉地陷入在学习误区中时,你会盲目地坚持某种错误的学习方式,甚至有时还会感动自己,但殊不知这个错误的方式正在压抑你本该有的潜力。
下面是我整理的10大学习误区,你可以看下,自己有没有偷偷地躲在里面而不自知。
01。三大认知误区误区一:靠意志力坚持
你有没有以为,那些头悬梁锥刺股的人,都是靠超强的意志力来坚持学习的?
其实事实并非如此,
人的意志力是一种非常稀缺的资源,不仅有限,而且十分容易消耗。
小到决定中午吃什么,大到克制环游全球的冲动,都在不断地消耗你的意志力,意志力消耗殆尽后,坚持学习就变得异常困难了。
头悬梁锥刺股的人也是如此。
支撑他们的不是你以为的意志力,而是背后的功利性驱动力——比如低级趣味的高官厚禄或高级追求的人生意义。
误区二:同一时间学习很多内容
我有很多朋友非常上进,常有一种“时不我待”的迫切感。
他们一般订了3,4个专栏还不够,恨不得经济、哲学、理财、沟通、领导力全一起给学了。
最后却往往是一个都没学好。
卡尼曼在《注意与努力》一书中提到资源限制理论,说的是完成每一项任务都要运用心理资源。
虽然操作几项任务可以共用心理资源,但人的心理资源是有限的。
这意味着当你同时有多个学习任务时,学习效果不仅不会累加,还会因为被多个任务占了心智而事倍功半。
误区三:把记忆等同于学习
接受完9年义务教育,3年高中教育,4年或7年高等教育后,因为成绩上的“成功”,我们绝大多数人都成功地将学习等同于记忆了。
知识只在被使用后才有价值,躺在脑子里的静态知识毫无价值。
举个例子:
我看了100篇关于公众号运营的文章,背了64个运营实操技巧,
但如果我不去实际开一个公众号,这些知识我记忆得再好都毫无用处。
其实,如果我先开通一个公众号,然后每周用学到的知识写一篇文章,这样学习效率更好,效果也更好。
02。四大方法误区误区四:没有目标下的学习
最近听到一个新词,叫“盲学族”。盲学族一大特点是“焦虑性学习”。
看见新的理论保存一下,看到好的文章收藏起来,用一个个新知识来缓解焦虑,这些知识与他的岗位和工作可能毫无关联,他们所追求的是学习本身的满足。
对于盲学族来说,只要时间花在学习上就不算浪费时间。
但事实并非如此,这种“假性忙碌”之下的学习几乎收效甚微,其实是最大的“慢性自杀”。
误区五:不懂学习的边际效应
很多人一提到学习,就跟刻苦、努力、坚持挂钩起来了。
特别是格拉威尔(Gladwell)提出的“10000小时定律”,更是给了无数人“盲目坚持”的动力。
但我们真的有必要在学习对象身上投入10000小时吗?
乔西.考夫曼在《20小时学习法则》里提到:
如果你只想要达到“足够好”的水平,那么你只需精心刻意学习20个小时就可以了。
20小时之后就会进入更费时费力的中高级阶段,假如20个小时后你的水平是80分,可能你学习2000个小时后,水平也不过就是85分。
▲学习效果的边际效应图
因此,在你学习一个新内容时,你首先要问清楚自己,这个技能我是做到70、80分就可以了,还是要做到90、95分?
如果是前者,用好你的前几个小时学习时间反而更关键。
误区六:盲目套用不合适的方法
有人给职场上的脑力工作者分享学得快的经验时,会举自己很快学会弹吉他的例子。
这其实是两种很不相同的技能,不适合直接套用。
目前为止,人类积累的技能大致可以分为三种:
①行为技能:
强调身体熟练度的技能,比如弹奏乐器,打字等。
②理解性认知技能:
强调理解的深度,能够抽象出更一般的规律,如战略规划,市场策略等。
③程序性认知技能:
强调先理解后刻意练习,如PPT,财务软件操作等。
这3种技能的学习侧重并不相同,倘若不分学习类型,便会犯将学习吉他的经验生搬硬套到认知技能学习上的错误。
误区七:对学习方法不做迭代
这个世上没有绝对正确的方法,所有的方法都需要迭代。
有人偶尔摸索出一个学习方法后,就千年不变,不再做任何更新了。
但任何人基于原有学习形成的认知,其适用性和准确性必然存在偏差,需要不断地填充新的认知,以及替换掉不适用的认知。
这就如同软件系统都需要不断迭代升级一样。
03。三大结果误区误区八:一味追求技巧,忽略底层规律
你有没有过疑惑,为什么别人口中的好方法,自己一用就不行呢?
这有两个原因:
  • 第一,因为个体以及环境的差异,别人的技巧不一定对你有用;
  • 第二,人的大脑更偏好联系起来的知识,对分享的人而言,他的技巧是相互联系的,但对于你就是一个个孤立的信息了,用起来自然很难。

其实,技巧之间都存在共同的底层规律。
倘若你掌握了最基本的底层规律,一来可以推导出适用自己的技巧,二来因为知识间建立了联系大脑更容易调用。
误区九:知识过于碎片化,没有形成体系
随着移动互联网的发展,人们接触知识变得极其方便,大量精华信息夹杂在无数的碎片中,同时各种微课也层出不穷,碎片化时间进行碎片化学习已经变得必不可免。
碎片化学习产生的结果就是知识的碎片化,连不成网络,这样的知识直接导致了:
①缺乏环境适应性,碎片化的知识通常都忽略了根据环境分析问题的过程,直接给出单一解决方案,当你真遇到问题时就会发现无法适用。
②多数的碎片化知识都是小技巧,长期接收会让你忽略对知识的深度思考。
所以对于碎片化知识不能只是接收就完事了,更应该将这些知识系统地组织起来。
误区十:只学习了表层知识
在知识管理领域有一个经典模型,叫DIKW模型。
它代表了知识的四个层次,分别为:Data(数据),Information(信息),Knowledge(知识),Wisdom(智慧)。
这个模型恰好说明了我们学习的过程,
找出大量原始素材——加工处理为有逻辑的数据——提炼联系变为知识——进一步内化成为智慧
但是绝大多数人的知识,严格来讲只能称之为Data(数据)和information(信息),仅仅是认识和知道,根本没能变成自己的Knowledge(知识),也就更不谈上Wisdom(智慧)了。
04。怎样走出这10大误区?
假如你发现自己已经不小心陷入在某个学习误区中了,那反倒要恭喜你。
因为你已经从“不知道”到“知道”,跟一般人相比,你已经领先一步了。
那怎样才能走出来,领先别人两步呢?
其实,方法很简单,
只要你用好三大学习策略——功利性、框架、可迁移——就可以了。
三大策略之一:功利性学习策略
功利性学习要求你从实际出发,优先学习工作中最急需的知识和技能,
这样有4个好处:
①提高学习的目标性,解决没有目标的“盲学”以及同一时间学很多内容的焦虑(误区2和4)。
②降低对意志力的要求,因为是工作必须要用的,有足够的外部驱动力逼着你学(误区1)。
③解决只记忆不会用的问题,因为你学了就要在工作使用(误区3)。
④很好地控制学习深度,因为工作要求不同,你很自然地就能确定某个知识和技能到底要学习到什么程度,从而实现最佳的边际效应(误区6)。
三大策略之二:框架策略
框架策略要求你将知识和经验,按照自己的使用需要系统地组织起来,形成自己的知识体系。
这样就很好地解决了知识碎片化(误区9),别人的技巧学了不能用的问题(误区8),而且你会不断对自己的学习方法做迭代(误区7)。
无论是知识输入,还是知识的沉淀和调用,你的效率都会比同学、朋友、同事快上好几倍,在职场中自然机会更多。
三大策略之三:可迁移策略
可迁移策略要求你在学习时,要抓住知识和技能背后的本质规律,可以做到知识和技能跨岗位、跨行业、跨领域的迁移运用。
比如,你现在是做财务的,给你调岗做HR,你一样可以干得很好。再给你从房地产行业,调到金融投资领域,你同样能干得很出色。
这就很好地解决了学习停在表层(误区10),学习方法的普适性不足的问题(误区6)。



本文来自微信公众号“YouCore”(ID:YouCore),作者 赵策
楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-6 23:23

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表