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

高效学习的 36 种思维(3)

[复制链接]
跳转到指定楼层
楼主
发表于 2019-11-21 13:49:50 | 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
本文是《高效学习的 36 种思维》系列文章的第 3 篇,如果你还没有看过前面两篇,推荐你先看一看。
为了方便计数,本文还是沿用上一篇文章的编号。
13. 逆袭思维
在《高效学习 7 堂课》中,有一句比较扎心的话:请不要用工作量的积累,掩饰自己低水平的重复,这样永远不会像高手那样逆袭。
我刚开始使用 Excel 做数据分析的时候,有大量简单重复的操作,为了提高工作效率,我买了一本《Excel 实战技巧精粹》,熟练运用之后,很多原来需要半天才能完成的工作,半个小时就搞定了。
想办法从低水平的重复工作中解放出来,才有时间和精力去完成更大的目标,才有逆袭的可能。

14. 高手思维
要成为某个领域的高手,需要 10000小时的刻意练习,而不是 10000 小时的简单重复。比如说,很多人花在英语学习上的时间绝对超过 10000 小时,但是英语水平低下的人却比比皆是。
在技能练习方面,有一个公式:
快速掌握技能 = 好的练习方法 x 足够的时间 x 合理强度 x 专业教练反馈
我刚开始学习数据库查询语言 SQL 的时候,看的书是《 SQL 入门经典》,作者是数据库教学与应用的专家,与网上那些杂七杂八的文章和教学视频相比,我觉得看经典书的学习效果要好的多。
好的练习方法,我认为是要在实际工作中加以应用,用于解决工作中遇到的问题。
利用互联网的优势,获得专业教练的反馈变得更加便利。如果经过认真思考,通过搜索也无法解决问题,那么可以试着去找专业的高手进行提问。为了有效提问,更好地解决问题,我总结了《有效提问的 3 个技巧 》。
15. 成本思维
学习一项技能,达到专业水平要花 10000 小时,如果每天学习 4 小时,每年学习 250 天,就要花 10 年时间。
人这一辈子,能有几个 10 年用来学习啊?
所以,学习也要有成本意识,绝大部分技能,并不需要练到专业级别,只需要用 1000小时,达到熟练程度,就可以满足工作需要。比如说,我练习写作,并不期望达到作家的水平,我只要能够熟练写出自己的思想,达到让读者容易理解,并且能够有所收获的程度就可以了。
16. 教练思维
高水平的教练,懂得控制训练难度,知道循序渐进,并变换自己的训练方案,让人能够坚持进行艰苦的训练。
有研究表明,当学习的内容有 15.87% 是新知识时,难度适中,学习效率是最高的。如下图所示,当难度太高,人就容易焦虑,而当难度太低,人又容易觉得无聊。
我曾经买过一本 863 页的书:《深入解析 SAS —— 数据处理、分析优化与商业应用》,当时我还没有 SAS 编程基础,这么厚厚的一本书摆在我面前,让我产生了畏难情绪,结果这本书到目前为止都没有看完。
如果我当时知道教练思维,估计就不会在还没有入门的情况下,去买这么一本厚厚的专著。
后来我开始学习 Python,总结之前的经验教训,先是看了一本《笨方法学 Python》,有了一定的基础之后,才开始看《利用 Python 进行数据分析》等书。
17. 整合思维
现代社会,时间正变得越来越碎片化,如果我们能把零散的碎片时间整合到一个目标上,用知识框架整合碎片时间的学习成果,那么学习目的就会更加明确,注意力就会大大提高,经过日积月累,也能提升自己解决问题的能力。
我平时的工作很忙,还要经常加班,只能想办法把碎片时间充分整合起来。
我目前的做法是,在上班和下班的路上进行学习,坐车的时候看一看书,走路的时候听一听音频,一旦发现与知识框架相关的信息,就整合进去,从而不断丰富自己的知识体系。体现在思维导图中,就是分支变得越来越多,但是都与目标相关联。
我在睡觉之前,或者周末放假的时候,如果有空余时间的话,就把一些零散的知识整合起来,写进相关主题的文章中,经过日积月累,才有了到目前为止的 51 篇原创文章。
小结
本文介绍了高效学习的第 3 种能力,也就是精进力,这种能力背后的 5 种思维分别是:逆袭思维、高手思维、成本思维、教练思维、整合思维。
欲知后事如何,且听下回分解。
作者:林骥
来源:林骥


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, 2024-4-20 01:19

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