T-MBA学习营 | 寒窗十数载,我们原来并不会学习?

2023-12-30 11:40

本文主要是介绍T-MBA学习营 | 寒窗十数载,我们原来并不会学习?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文标题不是危言耸听,换言之,如果我们是学习的高手,我们的认知能力应该能保持持续的高速提升,那么也就不存在“中年危机”了。
在这里插入图片描述

>>>三种类型的知识

昨天我们提到,职场学习应当有很强的目的性,IT东方会也为大家总结了非常清晰的提升目标。有了方向后,今天我们和大家分享最高效的学习理念。首先声明一下,这一理念不一定是最好的,不是尚方宝剑,不是任一场景都适用。我们只是基于职场和高效两个关键词深入探索,当然这一理念本身也还需要不断的提升,欢迎大家献言拍砖,我们共同提高。

于是,探索之前,我们先订立两个原则,一是必须符合知识学习的基本规律,符合人性,符合多数人的认知习惯;二是必须简单容易上手,绝大多数伙伴都可以学。这样做的好处是,只要是来学习的小伙伴就一定会有收获,不一定能达到专业大神级别,但对职场晋升的帮助将非常明显。很多学习理论和方法过于高深,对人类的进步和推动明显,但没有一定的基础很难理解,这不符合T-MBA学习营实用性的原则,来T-MBA的目的很简单,就是冲着升职加薪来的。因此,根据目标用户需求结合教育理论,我们形成了T-MBA学习营三大特点,主动式、经典式、社群式。在重点阐述这三大特点之前,我们应当先探索一下知识的基本概念,即知识是什么?有什么特点?才可能有针对性的把它吃透。

知识的概念很多,按照前面的原则,我们将知识分为知识类、技能类和思维类三类。从字面上也很容易理解,知识类偏静态,属于点状知识;技能类知识呈现步骤化,属于线性知识;思维类知识是一种反射,偏认知方法论,是基于场景化的覆盖面型知识,即什么场景应当采用哪一种或者多种思维方法思考。IT东方会的7步学习法也根据不同的知识类型会有相应的调整,今天我们重点讨论不同的知识类型应该怎么学,明天和大家阐述7步学习法。

 

>>>知识类知识

首先是知识类知识,关键是融会贯通,东方会推荐的是案例学习法。其实案例学习法并不是学习知识类知识最好的方法,最好的方法是建立知识网络,产生网络效应,也就是知识连接。假如你拥有n个知识点,当学会一个新的知识,如果是孤立的,那么你就拥有n+1个知识点,如果这个知识点可以和已拥有的n个知识点每个都产生连接,那么你就拥有n(n+1)个知识点,如果已拥有的n个知识点已经都有连接,那么你就拥有(n+1)!个知识点,这就是网络效应的强大之处。

人类大脑的结构亦是如此,大脑在胚胎3—8周时已开始发育,在2岁时脑容量已经达到成年人的80%,6岁时达到90%,即产生了以千亿计的大脑神经元,如何让神经元之间产生怎样的连接即我们平时谈起的大脑开发,也就是天才的过人之处,所以这就可以解释为什么我们身边有的人异常强大,无论是专业、科学、人文、艺术甚至体育你都搞不过他,因为,他已经建立知识网络。

每个人都可以有意识地建立自己的知识网络,也并不是特别难,大家可以尝试,效果非常明显。但目前还没有找到很好的办法来教大家如何建立知识网络,因为每人的知识点及对知识的认知都千差万别,每人知识应用的目的也大不相同,因此如何协助建立知识连接非常困难,除非在特定的背景下,比如应试教育等;也欢迎大家献言献策,协助东方会找到好的教育方法。于是,东方会推荐了案例学习法来学习知识类知识,因为一个案例一定会包含多个知识点,在我们学习其中一个的时候,有利于通过实际的案例与其他知识点产生连接,从而提高大家的学习效率

 

>>>技能类知识

**技能类知识学习方法比较简单,但学习过程极其痛苦。**方法就是刻意练习。由于技能类知识有相对确定的掌握标准,因此,通过步骤化的练习是可以达到一定水平的。典型的如体育类训练,职场能力也一样,比如演讲能力,孰强孰弱还是比较容易判断的,经过刻意练习一定可以让你有较大的提升。

那么刻意练习有3个重点:

1、用正确的方法练习,所以10000小时理论是有前提的,前提是练习的方法要正确;

2、需要跳出舒适区,如果还在舒适区内,说明没有采用正确的方法练习;

3、需要获得即时反馈,由于舒适区的存在,我们在练习的时候会不自觉的产生错误的动作而我们还没有意识,因此,如果有教练在旁边实时指导,你就能得到及时纠正,从而提高进步的速度。

 

>>>思维类知识

思维类知识的学习方法最为复杂。理论上说,思维训练就是通过大量的场景训练形成在大脑中的条件反射,从而学会用更科学的思维体系指导实践,方法类似著名的巴甫洛夫对狗的训练。而现实中的训练面临着极其复杂的场景和思维个体,又不像技能类的知识较容易判断掌握的程度,缺乏标准。因此,千万不能简单的采用刻意练习法,容易导致思维僵化,反而形不成思维习惯,原因在于思维的结果没有对错,因此刻意练习中的即时反馈机制是失效的,如果由教练及时纠正,反而违背了思维的基本规律。IT东方会采用的方法是头脑风暴讨论会的方法,通过多人讨论,阐述经验或者想象未来,从而发现足够多的思维应用场景,在这个过程中训练大家对该思维的认知。思维类知识是最难交付的一类知识学习,需要大家充分投入其中才有收获。

学习其实并不难,难的是如何建立好的学习心态;需要学的实在是太多,明确目标后,瞬间即可轻松很多;如果把知识当做我们要攻克的敌人,那么知己知彼方能百战不殆,透彻的了解他,找到攻克他的方法。

 

>>>重点来了

T-MBA线上学习营即将于6月14日开营,第一期课程是沟通能力中的倾听能力,欢迎大家参加!

关注公众号“IT东方会”即可快速报名!

这篇关于T-MBA学习营 | 寒窗十数载,我们原来并不会学习?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/552724

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个