最新文章:

首页 SEM

我是真的在学习,还是只为了消除自身能力不足所带来的焦虑感?

发布时间:2017年12月11日 评论数:抢沙发 阅读数:3462

    在日常中,我们为了避免被生活所折磨,会经常利用上下班时间去学习,以提升自身能力。但竞价员们,你有没有思考过:

    我是真的在学习,还是只为了消除自身能力不足所带来的焦虑感?

    我们时常会发现,明明前天刚读过的书或看过的竞价干货,可是再回想时,顶多只能想起文章的主题,但具体的内容却丝毫想不起来。

    到底为什么会这样,剩下的知识去哪了?

    其实,对于人的构造来说,我们眼球扫视和认知的速度,要远远超过理解和记忆的速度。也就是说,阅读是吸收效率最低的一种学习方式,因为我们只是在单纯地阅读,并没有让大脑参与进来。

    碎片化学习的技巧

    看到这里,也许会有人会问:“小编,你是在告诉我们不要碎片化学习吗?”

    不然。以上的文章我只是想告诉大家,我们单纯靠阅读是很难记住知识的,必须要在阅读的同时,让大脑参与进来,对知识进行深度加工,这样才能更大限度提高我们的学习效率。

    举个栗子。

    在高中时代,我们要进行学习时,通常会找一个安静的地方,像图书馆之类的,会反复去思考晦涩的内容,会将不同章节的知识点进行总结;模糊的地方,也会多读几遍直至理解。

    而以上,都在不知不觉强化我们对知识的“加工”。

    但反观碎片化学习,往往时间较短,而且也容易受到打扰,也就是说不利于集中精力,进行深度阅读。像这种情况,我们都只是匆匆一瞥,告诉自己“我看到了这些信息”,但并没有真的理解。

    所以,建议大家利用碎片化时间进行思考,而不是阅读。

    比如,今天我们在账户操作中遇到了某些问题,我们就可以将这些问题进行记录,放到我们的待办清单里,等到碎片化时间时,打开清单进行思考,全面调动自己的知识积累:

    这个问题的根源在哪?

    是否有相关知识点可以进行联系?

    这样,不仅可以增加我们对知识的吸收率,还可以培养一种深度思考能力

    看到这里的也许会好奇有没有什么技巧可以帮助我们充分利用碎片化时间学习?而接下来也是整篇文章的重点,那就是利用“发散思维”进行碎片化学习。

    如何利用“发散思维”进行碎片化学习

    人的大脑有两种模式,一种是专注模式,另一种就是发散模式,也就是所谓的发散思维。当人处于专注模式时,主要活跃的脑区是前额叶皮质,而它就是负责逻辑思考和推理的地方。

    但当我们处于发散模式时,脑区不太活跃,不利于我们对负责问题进行理解,但激活的神经元更广泛、更多元,可使我们的思维沿着不同的方向扩展,使观念发散到各个有关的方面,帮助我们将知识点尽可能跟脑海中以往的知识节点建立联系。

    由于碎片化时间较短,且嘈杂物较多,所以建议在碎片化时利用发散思维对知识进行总结归纳。

    那我们应该如何训练自己的发散思维模式?

    假如现在我们有5分钟碎片化时间,那我们可以先确定一个主题,即:我们要弄清楚什么问题,然后根据此来进行:

    (1)我思考的最终目的是什么?

    (2)跟他们相关的信息有哪些?

    (3)哪些信息可以被我进一步利用?

    总结来说就是,先明确问题的核心,然后发散思维让大脑放松,想象尽可能多的可能性和线索,把他们逐一记下来,有助于我们下一步的分析和推理。

    那应该如何调动自己的发散思维,将碎片化时间最大限度地利用起来?

    保持放松。试着将自己的注意力聚焦到自己的呼吸上,一起一落,然后慢慢地将自己脑子里的杂念清理出去,如果有条件的话,可以拿出纸笔,将自己的念头记录下来,慢慢地你就会感觉自己进入状态。

    如果通俗化理解的话,就是“发呆”。我们时常会感觉明明周围很嘈杂,但自己依旧丝毫没有听到任何声音。而当你进入发散思维状态时也是如此的道理。

    在这个信息爆炸的时代,适当的发呆可以帮助我们梳理思维和知识体系,比如你今天看到了某篇数据分析的干货,那我们就可以在碎片化时间时进行理解,更好地吸收。

    其实,学习是一件很简单,又很有趣的事情,但前提是找到正确的方法。

二维码加载中...
本文作者:ThinkMany      文章标题: 我是真的在学习,还是只为了消除自身能力不足所带来的焦虑感?
本文地址:http://www.thinkmany.com/post/32
版权声明:若无注明,本文皆为“乌龟's Blog”原创,转载请保留文章出处。
挤眼 亲亲 咆哮 开心 想想 可怜 糗大了 委屈 哈哈 小声点 右哼哼 左哼哼 疑问 坏笑 赚钱啦 悲伤 耍酷 勾引 厉害 握手 耶 嘻嘻 害羞 鼓掌 馋嘴 抓狂 抱抱 围观 威武 给力
提交评论

清空信息
关闭评论
    107.26ms