精华内容
下载资源
问答
  • 怎么形成自己的知识体系
    千次阅读
    2018-08-03 16:16:00

    前言

    最近在星球里群里都有小伙伴说道自己对未来的路比较迷茫,一旦闲下来就不知道自己改干啥,今天我这篇文章就是让你觉得一天给你 25 个小时你都不够用,觉得睡觉都是浪费时间。


    2974893-8965e98e78b920e0.png
    1.png

    今天我谈的就是关于【构建知识体系,形成自己解决问题的方法论】,这个话题以前我在给在校准备找工作的同学的几个建议这篇文章中谈到过,但是没有将如何去构建自己的知识体系,这次将深入这个话题进行探讨。

    什么是知识体系

    无论是大到一个星系还是小至一个原子,其本质都是一个个的系统。
    那我们如何来掌握这个系统呢?通过“框架”来简化对系统构成元素以及元素间有机联系。因此有目的地运用“框架”来思考、学习,能够让我们更全面、更快速、更深入地分析、解决问题,以及更高效地学习新知识和技能。

    简单来说,知识体系就是一个系统构成元素以及元素之间的有机联系的简化体现。

    知识体系的重要性

    没有完整的个人知识体系框架,即使你在学习单个知识点的时候理解力和速度高于一般人,但你整体的学习效率依然会很低。原因如下:

    • 对知识的理解就不深。大部分知识点之间是有联系的,缺少了完整的知识体系框架,你就好似失去了知识间联系的地图,对知识的理解就不深。平时我们在遇到问题的时候不知道怎么解决,然后问了下大佬给你说用啥,然后怎么用之后,你就发现我知道这个知识点,但是没想到可以这么用。

    比如以前刚去实习的时候,遇到一个跨域问题,因为后端的数据是早就稳定了的,我只是要去拿几个接口的数据来做点东西,那么我本地调试的时候由于域名是是 locahost,而后端是 xxx.duokan.com, 所以就会有跨域问题,当时我就问我老大我要用代理来解决这个问题吗?他就跟我说你加一条 host ,把 xxx.duokan.com 绑定到 127.0.0.1 就行了,因为我当时知道 host 这个东西,所以就 get 到他的点了,但是由于知识点没有成系统,是散的,就根本想不到 host 和跨域有关系。

    • 陷入在被动学习当中。没有完整的个人知识体系框架,你只能是碰到什么问题就被动地去学什么,零散而无系统,从而不自觉地陷入在了被动学习当中。这就跟我在文章的开头提到的小伙伴一样,刚开始还能被动学习,然后就不知道学什么了。

    一旦你形成了知识体系,你就知道自己那些地方要补,那些地方暂时可以不补,就可以主动学习去查漏补缺,就不会再迷茫了,因为你会发现你有太多太多遗漏的东西,根本学不完。

    • 知识整体积累的速度下降。知识之间是相关联的,不同的人在经历同一段工作或上同一堂课时会因为知识体系框架的不同,从而导致了不同数量级的经验吸收。

    知识体系的好处

    • 知识体系 可以方便地 给出所学知识的 地图全貌。在学习过程中给人进度反馈。
    • 梳理知识体系,可以提炼出知识的主干网络,方便知识的调用。
      知识体系提供了可拓展性。新学知识可以有规律地添加在原有体系之中。
    • 知识体系为知识的关联提供的指导,发掘知识点之间的关联,正是创新的核心。
    • 把孤立的知识点关联起来,是避免遗忘的重要手段。

    其实知识体系和解决问题的方法论是相辅相成的,在自己解决问题的时候,会用到知识体系的东西,知识体系的形成,也有部分是通过解决问题来添砖加瓦的。

    怎么构建自己的知识体系

    对于构建知识体系和很多方法论差不多,收集、整理、输出(即思考过程)。

    1. 收集知识点。现在是互联网很发达的时代,收集知识点,已经完全不是一个问题了,可以通过微信公众号、得到、视频网站、博客、社区等各种路径获取知识,你可以讲这些知识点收集起来后面进行整理,但是我提倡是先看再收藏,而不是收藏了等有空再去看,不然就会造成收藏栏里发现自己收藏了一大堆,然而由于太多就不知道看哪个,最后就不看了。
    2. 整理知识。整理知识是一个为输出做准备的,在整理的过程你已经有一定的思考了,会建立自己的知识分区,将你认为相似的知识点归为一类,慢慢你也会将你的知识库变得更加丰富。
    3. 输出。输出是来巩固知识的最佳方法,也许你通过自己的大脑想,觉得很简单,感觉自己会了,其实想通过头脑去想,去检验是否已经掌握了,对于绝大部分人来说都是不可能的,因为一般人的大脑都是无法深入到很多层以及思考全面,但是可以通过训练去让自己思考得越来越深入,越来越全面。

    这话可能说得有点抽象,咱们举个例子来说,大家都知道围棋很难吧,难的是什么,下完每一步棋之后可能的结果太多了,而那些大师就是可以预测下别人下一步,甚至下好几步别人会下的棋子来推测自己下的这步棋下在哪里比较好,而新手是往往做不到的,而像柯洁这种20就拿世界冠军的,也许就是因为他对围棋的天赋,天生对围棋就有很好的大局观,加上自己努力。

    这上面只是谈到了为什么我们不能用大脑来检验自己掌握知识的程度。所以我们可以通过自己的嘴,来给别人讲明白;或者通过写文章站在读者的角度,把自己讲明白。只有能给别人讲明白的东西,才是你真正掌握的东西。

    1. 通过画思维导图来把知识体系形象化。
      选择思维导图的软件可以从知乎这个问答里面选择自己喜欢的,合适自己软件。有什么免费的思维导图软件可以推荐? - 知乎
      2974893-312eaf329eded58c.png
      思维导图.png

      这是以前流传的一篇 WEB 前端工程师的一篇思维导图,也可以说是作者的知识体系,我在这里不评价好与不好,因为每个人的技术栈都不同,但是我们还可以针对这个进行细化。

    比如我们针对我们前端重要的一块 JavaScript,就可以再进行细分,
    Javascript 需要掌握基本类型、函数、对象、内置对象、DOM、BOM等知识,然后函数要掌握闭包、作用域、this等,对象要掌握原型、new这些等等。

    我就不再扩展了,根据自己的知识形成一个知识体系,然后再解决问题的时候就很容易根据自己的知识体系来解决问题,比如可能你遇到了跨域的问题,你从你的大脑搜索整个知识体系的时候,就可以知道跨域有哪几种方法,然后每种方法的适用场景是什么。

    在形成自己的知识体系的过程中,你就知道自己对哪些知识了解,哪些知识不了解,然后你就会花时间去补充自己不了解的知识,渐渐完善自己的知识体系。

    在形成自己的知识体系之后,你面试就比较胸有成竹,兵来将挡水来土掩。

    你的知识体系就像一张网,面试的过程就是来检验你这张网漏洞有多大的过程,而学习的过程就是就像是给这张网空隙给编织细一点,你的最终目的就是使你这张网的空隙越来越小。

    一些小要求

    1. 需要有一颗爱学习的心。
    2. 需要做一个善于总结的人。
    3. 需要是一个有执行力的人,不然列了很多知识点,不去查漏补缺,没鸟用。
    4. 关注桃翁,关注公众号前端桃园,有问题随时跟我交流。(最后一条纯属扯淡)
    更多相关内容
  • 大数据产品,从系统性和体系思路上来做,主要分为五步:建立数据采集分析指标体系形成营销数据集市的基础,也是营销数据集市覆盖用户行为数据广度和深度的前提,数据采集分析体系要包含用户全活动行为触点数据,...
  • 因为在他们脑海中,经过长年累月的积累,对诸如材料的搭配、份量的比重、味道的烹调等,都有一套完整的知识体系。 正是这套知识体系,帮助他们理解到“如何把眼前这些材料做成菜”这个问题,从而最终把它们解决掉。...

    我们学习知识的最终目的是什么?就是培养理解问题的思维方式。
    习得一种思维方式,必定要透过知识积累这个步骤。好比厨师,一看到桌上的材料,就自然知道它们可以做出什么样的菜式。
    因为在他们脑海中,经过长年累月的积累,对诸如材料的搭配、份量的比重、味道的烹调等,都有一套完整的知识体系。
    正是这套知识体系,帮助他们理解到“如何把眼前这些材料做成菜”这个问题,从而最终把它们解决掉。而我们普通人,看到这些材料,也只能一头雾水。
    这就是思维方式的作用。
    想要获得这样的一种思维方式,我们必须得先建立起自己的知识体系。
    在这里插入图片描述
    什么是“知识体系”?
    所谓“知识体系”,指的就是把大量却不同知识点,系统、有序、指向性明确地组合成某种类型的知识架构。
    通过这个知识架构,我们可以更好地理解某些问题,解决某些问题。
    而与之相对的,则是碎片化的知识点。
    看到一篇时间管理的文章,如果文章写得好,我们就可以明白到怎么做,才管理好自己的时间。
    然而,也仅限于此。碎片化阅读的知识点,是比较单一的,忘掉也就什么也没剩下。
    也就是说,“知识体系”好像蜘蛛网那样,能把不同的知识点,有规则地串联起来,从而塑造出我们看到问题、理解问题的思维模式;就算把其中一些知识忘掉,我们因此拥有的独立思考能力,也得以帮助自己继续工作和生活。
    而碎片化知识,只能“头疼医头脚痛医脚”那样,一旦脱离具体的应用环境,就毫无用处了。
    但这也满足我们当今快节奏的阅读习惯。只是这种习惯,距离建立自己的知识体系,还远远不够。
    当然,建立“知识体系”,用一篇碎片化阅读的文章去讲述,实在是很讽刺,也很困难。所以这里我只是分享自己的经验,希望能够籍此启发到大家,思考出自己的方法。
    一般来说,构建一个“知识体系”,需要经过六个大步骤。而在每个大步骤下面,还有一些细分的小步骤。
    在这里插入图片描述
    只有经过这样一连串从点到面的过程,这个“知识体系”,才最终建立起来,成为我们自己的东西。
    我们先从第一步说起。
    一、 广泛输入
    输入,是积累知识其中一种最重要的方式。
    既然“知识体系”,必须由很多的知识点组成,那么想要构建一个系统的“知识体系”,我们对于知识的输入量必须要足够广泛。
    当你知识的输入量还不足够时,就不要想着怎么去建立知识体系了。
    但是,知识输入,并不是随随便便看几本书就行,一定要有具体的目的性。这一点,要从你渴望构建的知识范畴做好输入工作。
    在我们日常生活当中,知识的输入大概可以分为三类:
    1、信息性输入;
    听到的八卦趣闻,看到的新闻报道,阅读手机上的碎片化文章,甚至是别人的观点看法等,都属于信息性输入。
    这种输入方式的特点,我们往往是知其然,而不知其所以然,没有明确的获取目的,也缺少深入的研究思考,为了知道而知道。因为比较零散,我们很难把它们构成一个系统的知识关联。
    2、理论性输入;
    主动获得某种已经被编码的知识,把浅层的信息转化为贯通的知识点,建立基本认知。我们听老师授课也好,还是自己看书也罢,都是属于这种理论性知识的输入。
    但很多时候,我们并不知道这些理论的知识点适用于哪些情况,不适用于哪些情况。如果缺少相关的思考,我们只会成为侃侃而谈的理论家。
    3、实践性输入;
    就是我们做了,就会了解到事情是怎么回事的知识。例如我们学习骑自行车,我们想要把车骑好,没必要去学习动力学,机械学等相关的理论知识。只要我们坐上车试过几次,跌过几次,我们自然就懂得怎么骑自行车。实践性输入,意味着我们会获得属于自己独特的经验体会,是构成“知识体系”的重要一环。
    大部分人在输入知识时,只是停留在信息阶段。但如果想构建自己的知识体系,最好循序渐进把这三种方式都运用起来,做到广泛输入。
    输入一定要有目的性,要针对某一个范畴的去积累,不能东学一下,西学一点这么零散。
    在输入之前,你一定要问自己三个问题:
    (1)你是想学习这个知识,还是想学习这类知识?
    (2)为什么要学习这类知识,你的最终目的是什么?
    (3)输入到什么程度才算足够,有具体目标吗?
    只有根据这些问题,设定具体的学习范围,然后再从不同的渠道输入足够的知识,你才能够建立知识的脉络。
    在这里插入图片描述
    二、建立脉络
    有了输入目的后,你就要从输入中建立知识的脉络。
    怎么做呢?
    例如你想学习理财知识,有一天你无意中从新闻上看到“存贷利差”这个经济学术语,这时对你来说,这个词汇只不过是一个信息性输入,你目前的知识,压根无法理解到这个术语的意思,只是知其然。
    为了解决这个问题,你就需要把这个“信息”,主动变成一个“理论性输入”的知识点。而用带着问题寻找答案的方式去学习,就是获取知识点的第一步,也是最重要的一步。
    你通过上网百度,总算明白到这个术语的意思。然而,这只是一个独立的知识点,你还没有跟其他相关的知识点建立连接。你忘掉了,也就没了。
    你并不知道,这个知识点是在讲述什么经济问题时才会出现,又出现在哪里。如果你对这个知识点的“上下文”不够了解,就很难让这个知识点跟其他知识点产生关联。
    这时,你的理论性输入,就需要阅读一些通识类的入门读本,构建自己对于这类知识的整体认知,建立上下文的脉络。
    这里有三个基本法则:
    (1)选取的书籍,最好是规范的入门教科书,能够让你容易理解到知识的基础概念;
    (2)针对这个知识领域,至少阅读三到五本的相关书籍,把握知识整体的发展方向;
    (3)如果学习的领域没有可用教材,阅读的书籍一定要针对一个主题进行系统讲述;
    经过这样的知识搭建,你对这些知识就有一个整体印象,知道这个知识领域到底研究的是什么;一些基本概念的意思,是谁提出来,它又是怎么来,你也能大概理解。
    当你对这类知识的脉络有过整体的印象,你就知道某个概念跟其他概念之间的关联,形成知识网。
    所以你最终知道“存贷利差”这个经济学术语的意思,是因为你知道存款是什么,贷款是什么,利差又是什么;对这类经济行为的知识,背后的发生机制,也清楚明白其逻辑。
    这也是很重要的一点:学会对信息归类。把新输入的信息编码之后,归类到相关的知识领域,跟领域内的其他概念产生关联。
    否则,无法跟其他概念形成关联,那单独理解一个概念,你就很难透彻理解。而建立整体脉络,是你对知识点归类理解的重要举措。
    换言之,先针对你想学习的知识范畴,建立一个整体上下文脉络,然后根据这个脉络再深入积累知识点,形成关联,你就会更容易学习其他东西。
    在这里插入图片描述
    三、重复梳理
    重复梳理知识点,是加深理解的重要手段。
    这个重复,可以对同一句话反复阅读思考,也可以对比不同的阅读材料,反复比较理解。
    例如“从众”这个概念,不同的书籍会给出不同的描述。
    在理查德·格里格和菲利普·津巴多合著的《心理学与生活》一书中,对于“从众”一词的描述是:人们采纳其他群体成员的行为和意见的倾向。
    而在戴维·迈尔斯的《社会心理学》一书当中,对“从众”的描述则是:指由于群体的压力而做出改变个体的行为或信念。
    在桑德拉·切卡莱利和诺兰·怀特的《心理学最佳入门》一书中,对这个概念的定义描述得更为直白:为了迎合其他人而改变自己的行为。
    看完上面这三种描述,我相信任何人对“从众”这个概念,都可以得出自己的定义:不坚持自己,却跟着大家做一样的事情嘛。
    所以为什么要针对同一个知识领域,阅读不同作者的著作?因为这样做,不但能够更加容易梳理各个知识点的理解,而且还会给自己的思维建立透彻的认知。
    正如你看知乎,同一个问题,有很多网友回答。有时候你看高赞的答案没有感觉,甚至无法理解,但转去看一些小赞的回答,你就忽然豁然开朗,就是这样子。
    看完一本书,对于某些脉络还不够明白,最好通过其他材料重复梳理,那知识点与知识点所建立的架构,就会更加牢固。
    在这里插入图片描述
    四、延伸思考
    把一个领域的知识架构梳理得有头绪,除了在领域内进行理解,还要把这个知识点扩充到领域以外的地方,才能做到融会贯通。
    也就是说,我们不能局限于科学内的运用,还要根据知识点的特征,扩散到去理解其他类似的事情上。
    上面说“从众”这个心理效应,基于这个行为的发出者是“人”。
    而这个世界的很多现象,都是由人在背后操作而形成,那么由此延伸推及,产品有没有这个“从众”的现象呢?
    A公司推出了一个大受欢迎的产品,过了没多久,B公司又推出一个差不多的产品。最后,市场上又出现了很多类似的山寨产品。
    这种跟风的现象,算不算从众呢?如果算,从众的背后,是基于什么心理呢?
    我想你肯定会知道,利益就是其中一个驱使因素。
    每个人炒股票,你也跟着去炒股票;这个时期流行拍宫斗剧,一些导演也跟着去拍宫斗剧,这就跟风,某程度上就是从众。“风”就是“众”。
    但思考还不止于此。
    再进一步扩散思考,你会了解到跟风和从众的本质区别。
    跟风,是主动做其他人一样的事情;而从众,则多多少少有种被动受到群众影响而做其他人一样的事。
    经过不断的延伸联思考,你会知道,学到的这个知识点,可以跟领域外的什么事情联系起来,又无法跟哪些事情产生扯上关系。
    这就是知识点的边界:可以到达什么地方,又不能到达什么地方。
    在这里插入图片描述
    否则别人说,她的偶像出轨,是因为这个圈子很多人都这样做,于是他也受到影响跟着这样做了,是一种从众心理,大家不能责怪他,他也是受害者。
    如果你对这个“从众心理”的边界,没有正确的理解,缺乏独立思考能力了,那就很容易同意对方的论断,得出错误的结论。
    所以把各个知识点构建成一个系统的架构之前,你要先进行一个延伸思考,想一想,这个知识点可以套用在哪些类似的地方?哪些地方又不能随便套用?基于什么条件,这种套用才能够成立。
    只有经过这样的延伸思考,你的知识体系,才会慢慢成型。
    五、应用反馈
    应用,是建立知识体系这个过程当中,不可或缺的重要步骤。
    应用的作用有两方面,一是输出学到的东西,加深对知识的理解,形成深刻记忆;二是透过实践性输入,建立反馈机制,从而形成切身体会,获得自我经验。
    美国教育专家埃德加·戴尔,在1946年提出一个称为“学习金字塔”的理论。他通过研究得知,单纯的阅读,能够记住的知识最多只有30%左右。然而通过模拟实践,主动应用,能够记住的内容,却能高达90%左右。
    在这里插入图片描述
    这就意味着,想要构建自己的知识体系,应用是必不可少的方式。
    那怎么应用呢?
    正如埃德加·戴尔给出的建议那样,用讨论、实践和教授他人的方式。不过在这里,我给出自己具体应用的看法。
    1、讨论。
    不一定跟别人讨论,也可以自我讨论。当吸收一个知识点的时候,围绕这个知识点问一问自己几个基本问题。
    继续用“存贷利差”这个概念做例子。这个“存贷利差”的核心作用是什么?它跟什么事情有关联?需要具备什么样的条件,它才能够正确发挥作用?
    当你针对这个知识点,从不同的方向死啃,这种“应用”自然让你理解深刻。
    2、实践。
    股市的操作只有两个基本手段:低买高卖。但是真正轮到我们自己去做的时候,大部分人压根不知道从何入手操作。
    这时,最好亲自到证劵市场跑一趟,在具体的环境作用下,你对于这件事的理解会更加深刻。在这个理论知识的基础上,通过实践性输入,你的大脑对于事物的理解,才会有一种被打通的感觉。
    就算是一些理论和概念,你也可以拿来做写文章的论证前提和理由,把它们用起来,做到学以致用。
    3、教授给他人。
    把学到的知识教授给他人,算是对知识深度理解后的输出。
    跟朋友聊天,如果你能够把一个知识点,清楚地解释给朋友听,朋友还能够明白,那么说明你对这个知识点已经掌握得七七八八了。
    如果你能够做到上述这些,意味着你开始构建你的知识架构了。最后一步,就是搭建自己的体系,形成系统。

    六、搭建体系
    有了理论的理解,也有了实践的经验,通过这些“材料”,你就可以搭建自己的理论体系。
    照本宣科,只是书呆子的行为。一个拥有自身知识体系的人,必定能够跳出书本的条条框框,拔高视野,从已有知识的基础上,发展出自己的理论体系。
    这里要说一点,自然科学跟人文社科,是两种不同的知识体系。
    自然科学是研究这个世界客观存在的物理现象和自然定律,1+1是等于2,无论物理学家怎么辩驳,它就是等于2;没有氧气,我们人类就会死。无论天文学家怎么矢口否认这个事实,一旦缺氧,我们人类就是会死。
    但人文社科不是这样,充斥着各种无法统一的理论与观点。
    哲学家A说,幸福就是你能够追寻到属于自己的人生意义;心理学家B说,幸福就是个体做事所获得的心理感受超过原有的心理期待;经济学家C说,幸福就是所有的资源分配都能够满足到自身的稀缺性。
    我们能够证明谁对谁错吗?我们谁都无法证明!
    换言之,自然科学能够证伪,你说1+1等于3,懂数学的人立刻就可以证明你是错误;现在证明不了,迟早可以证明。然而,人文社科就很难做到这样子。
    甲追寻到自己的人生意义,但并不觉得幸福;乙追寻到自己的人生意义,却幸福得不得了,你能说哲学家说的不对吗?只能说,个体体验的不同,导致了感觉的不同。
    而我们要做的,就是发现理论的缺陷,然后修补它,甚至替换它,发展出自己的体系。
    所以搭建知识体系,就是对已有的知识架构,进行对漏洞或缺陷的修补和更新。
    如你对哲学家A、心理学家B和经济学家B对“幸福”的定义(已有知识架构),存有疑问,发现了这个定义的漏洞,那么你就可以在这个基础上,提出自己的对于“幸福”的定义(修补完善和更新)。
    好比随着科学的发展,运用科学的研究手段,当今心理学家发现弗洛伊德的一些理论不太适用于解释某些心理情况一样,更新了这方面理论的体系——更新是有理有据的,不是说我要更新就更新。
    当你能够基于已有知识,对某些事情发表出自己的观点,而这些看法既是出自某些理论体系,却又能够不受制于这个理论,你能够提出自己的论据,那么可以说,你的知识体系已经搭建起来了。
    当然,这个过程不是一时三刻就能够做到,要投入相当数量的时间成本才行。
    但只要你在这个追寻知识的过程当中获得快乐,你一定会在不知不觉当中感受到自己思维的变化。
    最后,总结一下建立知识体系的大概流程:
    先广泛输入,针对某个领域获得大量的知识点,然后把这些知识点按照特定逻辑梳理成系统的脉络,建立关联。
    再经过重复梳理和延伸思考,理解到知识点的应用范围,接着就可以通过实践加深印象和获得经验。
    直至你能够从这些已有知识的基础上,找到缺陷,通过修补和更新,发展出自己的观点理论,最终形成你自己的知识体系。
    最重要的是,你明白你为什么要这样做,不是吗?
    资讯-新媒之家

    展开全文
  • 战后资本主义世界经济体系形成学案知识.pdf
  • 上课用二战后资本主义世界经济体系形成知识.ppt
  • 1 知识体系构建 1.1 知识体系 1. 知识体系(Knowledge Schema)对于知识数据的描述和定义,是描述知识数据的“元数据”(metadata) 2. 知识图谱:三元组为基本单元,以有向标签图为数据结构,从知识本体和知识实例...

    目录

    1 知识体系构建

    1.1 知识体系

    1.2 构建知识体系

    2 典型知识体系

    2.1 SUMO

    2.2 GeoNames

    2.3 统一的知识体系标准:schema.org

    3 知识融合


    1 知识体系构建

    1.1 知识体系

    1. 知识体系(Knowledge Schema)对于知识数据的描述和定义,是描述知识数据的“元数据”(metadata)

    2. 知识图谱:三元组为基本单元,以有向标签图为数据结构,从知识本体和知识实例两个层次,对世界万物进行体系化、规范化描述,并支持高效知识推理和语义计算的大规模知识系统。

    3. 知识体系主要包含三个方面:

            词汇、类别/概念的定义和描述

             概念之间的相互关系:分类(Taxonomic relation)非分类(non-Taxonomic relation)

            公理(Axioms):反向、传递、对称等规则,值的约束等

    4. 知识体系:共享概念化的框架规范;

    知识库:服务于知识体系规定的知识单元的载体;Knowledge Base

    5. 知识体系中最重要的就是概念及其属性与关系的定义,有助于实现语义理解

    6. 概念是人类将万物准确归类的前提; 概念的发展使得人类以最经济有效的方式认识世界(比如你从未见过的汽车,你也能认得他是汽车); 概念是联想的重要隐含因素(看到狗,联想到猫); 概念是归纳与推理基础;

    7. 常用的知识组织形式:

            Ontology(本体): 是信息组织的一种形式,表达、共享、重用知识的一种方法,通过对概念、术语及其相互关系的规范化描述,勾画出某一领域的基本知识体系和描述语言;使用合适的逻辑来形式化; 对某一事实结构的非正式约束规则,可以理解和表达为一组概念及其定义和相互关系; 显示化,规范化,公理化;

     例子:

     应用: 管理知识(定义、存储、分类);减少歧义;推理;实体搜索(给定一个概念作为查询,检索该概念的典型实体);样本增强; 文本分类; 主题分析; 用户画像;基于概念的解释; 概念归纳; 语义表示; 实体推荐; 规则挖掘;

            树状结构,上下位节点是严格的IsA的关系;无法表示概念的二义性;

            Taxonomy(分类体系)

            领域相关,树状结构,上下位节点非严格的IsA的关系

            Folksonomy/ Metadata(开放标签)

                    概念类别冗余: 可以存在多个表征同一概念的类别语义标签,类别标签由用户提供;

                    类别标签开放;能够涵盖更多的概念

    1.2 构建知识体系

    1. 约束:属性的定义域、值域

    2. 构建过程:

            确定领域及任务(限定领域内知识可以穷举;通用知识库难以实用)

            体系复用;

            定义术语、概念/类别

            确定分类体系

            确定关系、属性

            定义约束

    3. 本体建模工具 Protégé

            用于构建域模型与基于知识的本体化应用程序;

            提供了大量的知识模型框架与动作,用于创建、可视化、操纵各种表现形式的本体;

            可以通过用户定制实现域友好(领域相关)的支持,用于创建知识模型并填充数据;

            可以通过两种方式进行扩展:插件和基于java的API;

            常见功能:类建模、实例编辑、模型处理和模型交换;

    4. 基于半结构化数据的知识体系构建

            通过网络挖掘获取概念、关系;

            基本假设: 同一网站中页面有相似性,所设定模版可复用;

            关键核心: 模版学习与挖掘:如何通过自动学习挖掘模版,和构建抽取器;

            基本步骤: 半结构化信息块识别/定位; 抽取模版学习;属性名、属性值抽取;

            模版置信度估计: 要对所抽取模版进行评估,构建一个Graph,利用Randomwork进行排序;

            问题: 仅仅依靠已有属性名进行块定位,召回率低

            改进框架:

                    利用结构化信息识别结构化快;

                    在识别的块中学习属性模版,并抽取属性名;

                    对模版和属性进行排序,获得高质量的模版和属性名;

                    利用高质量的模版和属性名进行定位和抽取;

                    计算属性名与所在页面之间的互信息确定类别与属性名的关联;

    5. 非结构化数据的知识体系构建

            术语、概念抽取

                    术语质量评估: N-gram出现频率越高,越被视为高质量短语;

                    信息量,高质量短语传达一定信息,表达一定主题或概念;完整性;

                    Step 1: 生成术语候选(N-grams, 基于模版抽取)

                    Step 2: 候选排序,过滤噪声(基于频率统计/基于主题模型/基于图排序);

                           基于频率统计

                            TF-IDF, C/NC-value, PMI, Search engine, Domain Relevance, Domain Consensus

                            C-value:

                                    对于短语(multiword expression),利用C/NC构成该短语的置信度;

                                    C-value 衡量语料中出现的高频的最长短语,考虑了词汇长度和父子短语的影响;

                            Cvalue(a) = \left\{\begin{matrix} log_2|a|f(a), if |a| = g\\ log_2|a|(f(a) - \frac{1}{|C(a)|}\sum_{k = 1}^{C(a)}f(k)), otherwise \end{matrix}\right.

                            上述表达式中,a表示候选词长度,f(a)表示候选在语料中出现的频率, g表示预设候选最长长度,没有父短语;

                            C(a),包含a的候选集合,所有的父短语,表征了a的独立性,若包含一个词串的集合个数越多,表明a在多个词中都出现过,则认为a有较强的独立性,更可能是一个术语;

                            词串越长,是术语的可能性越大;

                            一个词串a,若嵌套其的词串出现的频数较高,则a是术语的可能性就越小;

                            f(k)出现的频数越高,表明f(k)是一个术语的可能性就越大,则a本身是一个术语的可能性就越小;

                    NC-value:

                            相对于C-value,除了考虑候选出现的频率之外,还考虑上下文信息;

                            NCvalue(a) = aCvalue(a) + (1 - a)(\sum_{t \epsilon C_a}^{}f_a(t)\frac{f(t)}{n})

                            Ca表示候选a中上下文词的集合, f_a(t)表示t在候选a上下文中出现的频率;

                            f(t)表示t在语料中出现的频率,n表示语料中所有词的个数;

                            上下文在候选排序中也有重要作用。

                    PMI(point mutual Information, 点互信息), 是在抽取领域短语时常用的指标,刻画了短语组成部分之间的一致性程度。

                    PMI(x,y) = log\frac{p(x,y)}{p(x)p(y)}

                    p(x,y)表示候选X和Y联合出现的概率;

                    p(x),p(y)表示x与y单独出现的概率;

                    比如:的电影”与“电影院”都有较高的频次,但是通过PMI可以识别出“电影院”相对于“的电影”是质量更高的短语。

                    Search Engine:

                    利用搜索引擎验证当前候选词,按照短语进行搜索:加双引号;

                    Domain Relevance:抽取领域相关的候选

                            DR_{(t,k)} = \frac{p(t|D_k)}{\sum_{i = 1}^{m}p(t|D_k)}

                    p(t|D_k):候选t在领域D_k出现的概率,m表示领域个数

                    非术语: 在不同领域中分布类似; 术语: 在目标领域内的分布具有显著性。

                    Domain Consensus: (信息熵)

                    术语选择: 非术语: 不同领域中出现概率类似,没有区分性; 术语: 不同领域中概率不同,没有明显的语义特性。

                    DR(t,k) = \sum_{d\epsilon D_k}^{} p(t|d)log\frac{1}{p(t|d)}

                    p(t|d) 表示候选t 在文档d中出现的概率。

                    基于主题模型方法

                    篇章是由主题组成,篇章中的词,是以一定概率从主题中选取生成的,不同的主题,词语出现的概率分布是不同的;术语发现: 提取不同主题中出现概率较大的词语。

                    LDA

                    PageRank:如果一个网页被很多其他网页链接到,说明这个网页比较重要;如果一个网页被一个权值很高的网页链接到,则其重要性也会相应增加

                    TextRank:判断两个词间是否存在相关关系,则根据词语的共现关系。实际处理时,取一定长度的窗口,在窗口内的共现关系则视为有效;

                    术语选择: 随机游走后,得到每个词语的重要度,按照重要度选择术语。

                    Step 3: 实体扩展(自动挖掘与之相关,相似的同类型实体, 同类型实体具有相似的上下文)

            同义词挖掘:具有相同/相近语义的术语聚合在一起,形成概念

                    基于网络挖掘;基于词典挖掘(WorsNet; Hownet; 大词林; FrameNet);基于聚类挖掘(将每个待聚类样本看作一类,计算两两样本之间的最小距离;将距离最小的两个类合并成一个新类;更新类间距离)

            关系挖掘:上下为关系、属性抽取

    2 典型知识体系

    2.1 SUMO

    1. SUMO(Suggeated Upper Merges Ontology)

            目前最大的公共本体;

            与Wordnet进行映射;

            80000个原子;

            25000个词汇;

            可以作为构建新知识体系的基础。

            The Suggested Upper Merged Ontology (SUMO) - Ontology Portalhttps://www.ontologyportal.org/

    2.2 GeoNames

            

    GeoNames是一个免费的全球地理数据库。

    GeoNames的目标是把各种来源的免费数据进行集成并制作成一个数据库或一系列的Web服务

    GeoNames地名辞典包含了1100万个地点将近200种语言的1100万个地名和200万种别名。地理信息还详细到坐标、行政区划、邮政编码、人口、海拔和时区。GeoNames的数据收集自(美国)国家测绘机构、国家统计署、国家邮政局,还有美国陆军。

    GeoNameshttps://www.geonames.org/

    2.3 统一的知识体系标准:schema.org

            cnSchema.org是一个基于社群的数据标准,结合中文特定应用场景的应用需求,我们连接了schema.org,WikiData等开放数据接口标准,为中文领域的知识图谱,聊天机器人,网页开发等在线服务提供数据接口标准。

    cnSchemahttp://cnschema.org/

    3 知识融合

    1. 单一的知识图谱难以覆盖整个领域,需要整合不同领域,不同语言,不同结构,不同模态的知识资源;

    2. 不同来源的知识体系具有差异性: 属性定义不统一;分类体系不统一;来源于不同知识源的共指。

    3. 知识融合:

    将不同知识图谱融合为一个统一、一致、简洁的形式,为使用不同知识图谱的应用程序之间的交互建立互操作性

     4. 知识融合评测:

            Ontology Alignment Evaluation Initiative(OAEI),每年举办一次,结果公布在官网上

    http://oaei.ontologymatching.org/http://oaei.ontologymatching.org/

            本体匹配:侧重发现(模式层)等价或相似的类、属性或关系;

            实例匹配:侧重发现指称真实世界相同对象的不同实例(实体消解、实例匹配)

            语义匹配:不同字符,不同语言,不同表达(文本相似性,结构相似性)

    5. 基于文本相似度的映射方法

            基于字符串匹配的方法

                    汉明距离(Hamming Distance):存在字符串𝑥,𝑡, 则它们之间的距离𝛿 (𝑥,𝑡) 定义为:

                     𝛿 (𝑝𝑒𝑜𝑝𝑙𝑒,𝑝𝑒𝑟𝑠𝑜𝑛) =4/6

            Substring Similarity:存在字符串𝑥,𝑦, 𝑡是𝑥和𝑦的最长公共子串,则它们之间的相似度σ 𝑥,𝑡 定义为:

            \sigma (x,y) = \frac{2|t|}{|x|+|y|}

            𝜎 (𝑎𝑟𝑡𝑖𝑐𝑙𝑒,𝑎𝑟𝑖𝑐𝑙𝑒) =(2∗4)/13 =8/13

            N-gram Similarity: 𝑛𝑔𝑟𝑎𝑚 s,𝑛 为字符串 s中长度为 𝑛的子串集合,则对于字符串s,𝑡, 它们之间的相似度σ (s,𝑡) 定义为:

             𝑛𝑔𝑟𝑎𝑚 (𝑎𝑟𝑡𝑖𝑐𝑙𝑒,2 )={𝑎𝑟,𝑟𝑡,𝑡𝑖,𝑖𝑐,𝑐𝑙,𝑙𝑒}

            𝑛𝑔𝑟𝑎𝑚 (𝑎𝑟𝑖𝑐𝑙𝑒,2) ={𝑎𝑟,𝑟𝑖,𝑖𝑐,𝑐𝑙,𝑙𝑒}

            σ (𝑎𝑟𝑡𝑖𝑐𝑙𝑒,𝑎𝑟𝑖𝑐𝑙𝑒 )= 4/(6−2+1)=4/5

            基于语言处理的映射方法

                    语言规范化

                            词切分;词形还原(Kits → Kit);短语中停用词去除(Stop words list: a,  the, by, type of, their,  from)

                    获取/学习两个图谱中元素(概念、关系、实体等)的语义向量表示,然后利用距离度量函数(例如:欧式距离)计算他们之间的相似度

                     利用外部资源WordNet, HowNet;

                    基于搜索引擎的语义相似度计算(利用搜索引擎的返回文档数,估计两个概念的相关度/相似度): 𝑁𝐺𝐷 中国,中华人民共和国 =0.799
                     

            基于语义匹配(词向量表示的)的映射方法

            利用上下文信息学习词的词表示向量

                   基本原则:具有相同(类似)上下文信息的词应该具有相同(类似)的词表示

            传统词向量表示学习:基于共现信息进行统计

                    ➢主题模型
                    • Latent Semantic Analysis (LSA)
                    • Probabilistic Semantic Analysis (PLSA)
                    • LDA
                    ➢ 聚类模型
                    • Brown Clustering
                    • Hyperspace Analogue to Language
                    • GloVe

            神经语言模型:利用上下文预测目标词

                    ➢ NNLM
                    ➢ COBW
                    ➢ Word2Vec
                    ➢ BERT
                    ➢ GPT-3

                    ➢ XLNet

     相似度 🆚 相关度

                            同义关系 vs. 搭配关系

                            

    6. 基于结构相似度的映射方法

            基于内部结构的映射方法

                    面对实体内部结构信息:属性的domain和range;常用于对齐前的预处理,去掉明显不能对齐的实体。

            基于外部结构的映射方法

                    基于图的拓扑结构计算两个节点的相似度:如果两个不同节点的邻居节点(父类、子类、属性等)是类似的,则这两个节点也是类似的

                    基于层级结构的相似度计算方法:

                    基于拓扑结构的相似度(Structural topological dissimilarity),给定一个本体𝑜, 𝑒,𝑒′和𝑐是该本体上的结点,则𝑒和𝑒′之间的相似度𝛿( 𝑒,𝑒′ )

                     基于共享父类的相似度( Upward co-topic similarity ):给定一个本体𝐻, 𝑐′和𝑐是该本体上的结点,则𝑐′和𝑐之间的相似度

                    

            基于网络表示学习的映射方法

                    将知识图谱中的实体和关系都映射为低维空间向量,直接用数学表达式计算各个实体之间相似度,这类方法不依赖任何文本信息

            

                     联合知识表示学习:将两个 KG 的三元组融合在一起共同训练,并已链接实体对视为具有 SameAs 关系的三元组,从而对两个 KG 的空间进行约束

     7. 已有的知识图谱融合系统:

            RiMOM:动态多策略对齐框架

            XLORE:建立中英文百科知识

            Yago:将来自于Wikipedia的知识与WordNet相对应

            Zhishi.me: 融合百度百科、互动百科、中文维基百科

            CogNet:融合了语言知识、世界知识、常识知识

    参考: 国科大-知识图谱课件

    展开全文
  • 第三个原因不能系统学习:拥有某个领域的知识体系是专业水平的一个体现,而那怕在一个最细微的领域形成自己知识体系,都是一个需要学习、实践和反思的过程。当你真正沉浸于这个过程时,你根本不会焦虑! 二、知识...

    黄金圈思维思考法则:
    第一个层面是what, 也就是事情的表象, 我们具体做的每一件事;
    第二个层面是how, 也就是我们如何实现我们想要做的事情;
    第三个层面是why, 也就是我们为什么做这样的事情。

    构建知识体系(1):知识体系是什么?》

    构建知识体系(2):如何构建

    构建知识体系(3):建立体系6个步骤

     

     

    理论也有理论存在的意义:反复咀嚼让它们烂熟于心,有认知才能有觉察,有理念才能有提醒。

    本文总结看过的书和文章:

    一、知识焦虑


          这是一个知识爆炸时代,我们面对各种直播课,各种概念:“自主学习”、“一万小时”、“高效记忆”、“批判性思维”、“解决问题的能力”……学习概念层出不穷,我们盲目,焦虑,在这信息的洪流之中而无法抽身出来,我们盲目贪多,贪杂、贪快:

    1、贪多

          贪多,就是对知识进行暴饮暴食,看到什么就收藏,然后就可能永在收藏夹里沉积。在学习之前,没有进行过有效的筛选,被海量的信息浪潮裹挟着前进,而没有成为主动驾驭信息的掌控者。由此造成的最直接后果就是,学习到的是低质量的信息,没有营养,还让你消化不良。

    2、贪杂

           贪杂,学习的时候,浅尝辄止。只是将输入的信息停留在表面,没有进行深入的思考,看似学了很多,但是自己却讲不出来,用不出来,白忙活了一场。

    3、贪快

          贪快,急于求成,不停地赶进度。恨不得一天学完所有,新学的还没掌握,就开始学习下一个。只顾学习新知识,却忘记了调用旧知识:只有将新旧知识的联动起来,才能融汇新的知识,巩固就有知识,实现知识增值;

           这样的学习,只会让你陷入无穷的焦虑之中,甚至还会造成思维混乱,没有收获,看不到学习的效果。因为这样的学习方式,缺少消化和吸收,缺少思考和输出,即不思考、不实践,或少思考,少实践。

    进入了一般性的学习误区:

    只收藏,不阅读

    只阅读,不归类

    只归类,不提炼

    面对这些困境和焦虑,究其原因:

          第一个原因没有目标方向:是没有学习方向但又觉得需要学习,结果是四处乱学,无效!

          第二个原因没有深入学习:是在任何领域都是入门级,从未达到专业水平,因而无法产生价值,加剧了焦虑。

          第三个原因不能系统学习:拥有某个领域的知识体系是专业水平的一个体现,而那怕在一个最细微的领域形成自己的知识体系,都是一个需要学习、实践和反思的过程。当你真正沉浸于这个过程时,你根本不会焦虑!


     

    二、知识是什么


           知识体系是一个几乎被说烂的词语,那么,知识体系是一个怎样的概念呢?知识体系由知识和体系两个词语组合而成,在构建知识体系的概念之前,可以先探索知识和体系两个概念。

    1、知识定义

           来自于柏拉图的知识定义:一条陈述能称得上是知识必须满足三个条件,它一定是被验证过的,正确的,而且是被人们相信的,这也是科学与非科学的区分标准。由此看来,知识有标准的。比如,我们可以明确地说出牛顿第一运动定律:任何物体都要保持匀速直线运动或静止状态,直到外力迫使它改变运动状态为止。

           知识的定义是如此宽泛, 或许是一种思想, 或许是一种技能, 又或许是一种方法论。

    2、知识的误区

          1)、学知识依然等同于去学校上课:很多人的心里, 学知识依然等同于去学校上课, 读书也不是广泛意义上的读书,而是读规定的书。

          2)、上高学府就有知识: 当他们认为自己真正意义上相信“知识就是力量”“知识就是财富”的时候, 其实他们的潜台词是“高分就是高等学府的通行证”,以及“高等学府就是高薪的象征”。

    这种认知非常狭隘, 因为知识的面是无穷的。 当你真正信仰“知识就是财富”的时候, 你就该知道, 任何维度上的有效知识只要找对了合适的变现路径, 就能转化成财富。 因此, 很多人并不真的认为知识就是财富, 他们求学也不是为了求知, 而是别人给他们画了一条由此及彼的路,他们就顺着往下走而已。 若是将知识换成迷信,这些人同样趋之若鹜。

    3、个人知识

    只有能够改变你行动的信息才是知识。个人通过与环境相互作用后获得的信息。

    4、数据、信息、知识、认知、智慧。

    数据、信息、知识这三者是依次递进演化关系,代表着人们认知的转化过程,最后总结形成智慧。

    1)数据:指的是未经加工的原始素材,表示的是客观的事物。而我们通过对大量的数据进行分析,可以从中提取出信息,帮助我们决策。用信息论的奠基者香农的话说就是“信息是用来消除随机性的不确定性的东西”。

    2)信息:是以有意义的形式加以排列和处理的数据(有意义的数据);当人们有了大量的信息的时候,我们对信息再进行总结归纳,将其体系化,就形成了知识,写在了书本上。所以,我们翻开课本是学知识的嘛。

    3)知识:是用于生产的信息(有意义的信息)。信息经过加工处理、应用于生产,才能转变成知识。

    4)认知:则是在我们有了大量的理论知识,加上我们的亲自实践,得出的人生经验或者对世界的看法,形成我们自己的认知。

    5)智慧:有了自己的认知,这就带有很多人的主观色彩了。比如孔子孟子这些先贤,我们一般不会称他们是有知识的人(当然他们肯定是有知识的),我们通常会称他们为有智慧的人,因为他们给我们留下的东西带有他们强烈的主观色彩。而像牛顿,我们一般评价他是有知识的人,因为他的物理学理论是一种客观的描述世界的方法。


     

     

    三、什么是体系/系统


    百度百科:体系,泛指一定范围内或同类的事物按照一定的秩序和内部联系组合而成的整体,是不同系统组成的系统。自然界的体系遵循自然的法则,而人类社会的体系则要复杂得多。影响这个体系的因素除人性的自然发展之外,还有人类社会对自身认识的发展。

    系统(System),是指一群有关联的个体,根据某种规则运作,来完成个别元件不能单独完成的工作的群体。那么多的知识技术都学过却觉得没用,都帮不了你?其实,你需要的,不是技巧和工具的堆砌,而是一个系统,一个可以深深植根于你的执行系统,在这个系统之上,建立一个高效输出、高效解决问题的流程,这才能真正帮助到你。那么,一个好的系统,具备哪些特点呢?

    1、统一的入口

    面对着纷杂的信息,它不会饥不择食的随时吸收,而是会经过一个唯一的入口,进行统一的采集。正因为入口唯一,所以这个系统可以很方便的对信息进行梳理整理。

    2、清晰的结构

    一个好的系统会有着比较清晰的分类维度,实现MECE原则(Mutually Exclusive, Collectively Exhaustive,即不重复也不遗漏),对所有内容进行有效分类。清晰的分类是为了理清自己的思路,知道了自己都有哪些方面的知识需要整理(而不必在意知识到底有多少)。简洁、有序、能很快就利用起来,不论是对房屋的收纳,还是对我们大脑里的信息收纳,都是一样的道理。

    3、可迭代的升级

    一个好的知识系统一定是便于维护的。也就是说,随着知识的积累,不光是量变,并且还会有质变的可支持性。在长期的知识累积过程中,可以对每一种知识进行认知上的升级,并且可以把这种升级效应迭代累积起来,让它们在经过时间的沉淀后,能发挥出越来越强大的威力。

     

     

    四、知识体系是什么


    1、知识体系

    是无数个关联的标准知识的集合。是把一些零碎的,分散的相对独立的知识概念或观点加以整合,使之形成具有一定联系的知识系统。就像是一棵树,每片叶子都是独立的,但树干把他们联系在一起,形成了体系,你看那些辅导教材,总是有一些章末小结,把所有知识点整合,那就是知识体系的构建。

    比如作为天文学家等科学家必须掌握“ 宇宙”这个知识体系,包括牛顿定律、天体力学、大爆炸理论、相对论理论、数学等等知识,而这每一个知识,你即可以说它是知识也可以是一个知识体系,比如天体力学也包括摄动理论、数值方法、定性理论、天文动力学、 天体形状与自转理论、 多体问题(其内有二体问题)等, 迄今三百多年历史,也有其定义、代表人物的变化。

    2、知识体系组成

    知识体系是高度有序的知识集合,是跟碎片知识相对应的概念,也就是说,它由两部分组成: 

    一是知识内容本身

    即知识点的定义、构成、条件、背景、历史、用途、功能方向、外延等等知识组合。一个知识,也可以看做其有一个知识体系。它是无限的、变化的、复杂的。需要各个领域的人类来共同发现和验证。

    二是有序的结构:

    什么是「有序」?你一定见过这样的人:对某个领域非常精通,无论问他什么问题,他都能从你的话题切入,旁征博引,将大量的原理、机制、知识点……一一娓娓道来,清晰而严谨。

    这就是「有序」—— 在他脑海中,所有的知识点都链接在一起。他知道某一个知识点「应该放在哪里」,也知道「它会通向何方」。

    如果说碎片知识是一张张街景的速写,那知识体系就是一副完整的地图。

     

     

    3.个人的知识体系:

    即一个人基于自己的基因和背景下从自己的兴趣、需求、特长出发而拥有的认知、经验、能力等等综合的智慧。这是私人的、可控的。也决定每个人的差距和与众不同。一个是知识本身体系的面貌呈现,一个是人的知识体系构建轨迹,均是点线面的逻辑。

     

    与个人相关的知识体系:通常我们说的是这个知识体系。对于大部分人而言,人类的知识体系甚至一个领域的知识体系都是一颗大树,每个人只可能掌握其中的叶子而已。所以我们在说知识体系的时候,大部分讲的是“我的知识体系”、完成某项工作需要的知识体系(工作项知识体系,譬如项目管理知识体系指南PMPOK)、某个岗位需要的知识体系等内容(岗位知识体系)、某项任务需要的知识体系。

    任何知识(外部、他人、社会的)经过系统的学习、实践和反思才能真正转化成个人的知识,而每个人在某领域积累的知识量足够多的时候,(需要)建立他们之前的关系,这是个人在某领域的知识体系。

    从每个人发展的角度看,任何人都需要多个维度的知识内容。按照管理学的观点,技术技能、人际技能、概念技能是每一个职场人都需要的,只不过侧重点不同。

    所以不同岗位和层级的员工首先是要确定自己的知识结构,就是某个岗位或者要完成某想任务,需要那几个领域的知识,每个领域知识需要掌握的层次高低。

    其次是在他需要的不同领域的知识上,基于轻重缓急,他应该先建立最需要领域的知识体系。

    譬如一位工艺的新手工程师,他的角色核心是工艺环节,要能解决工艺上的问题,但他也需要人际关系,需要能够影响别人的领导力,这就涉及到技术知识、人际的知识和领导力的知识,但在他的发展阶段(新手)上,工艺技术(初级)还是核心,他要形成关于常用核心技术的知识体系,而人际和领导力的知识只需要初步了解就可以了。

     

    五、构建知识体系的意义


    为什么要构建知识体系?构建知识体系好处:

    第一明确学习目标:

          每天早上起床都要看一遍福布斯富翁排行榜,如果上面没有我的名字,我就去上班。

    这个时候,福布斯富翁排行榜是目标。我们在学习一个领域的时候,如果知道这个领域成熟的知识体系,也可以每天看看,这时候知识体系就是我们学习的目标。

    第二高效阅读:

         系统化知识,帮助自己更高效阅读,节省时间;

    第三方便记忆

         阅读后的知识及时纳入体系,可以记得更牢;

         记忆又可以分为长时记忆和短时记忆,前者才是人类的知识库。长时记忆中核心是语义记忆,而语义记忆依赖于不同的概念、事实、属性间的关系。换句话说,人脑比较容易记住的是各种关系、框架和模型,越是高手其模型越抽象、处于较高的层次概念。所以说,知识体系的第三个作用是帮助记忆。知识之间只有建立了更多的关联、更紧密的关系,才更容易记住。

    第四方便提取解决问题:

           记忆知识不是目的,我们的知识要用来认识世界和解决问题。但许多时候我们面临问题时无法将知识顺利的“取出”。心理学的研究表明,那些能够快速高效解决问题的人,他们在同样情况下更容易取出大脑里面存储的知识。而他们之所以能够快速提取的原因是,他们大脑里知识的结构化和体系化。

           这样来看,知识体系的第四个作用是提取。便于我们面临问题和困惑时能够将知识及时拿出来应用。

    第五提高洞察力和认知:

           体系里的知识更容易产生联系,有利于发现新东西,产生深刻的洞见。因为想用的知识,其实在过去的时间里已经有效积累和梳理,现在可以很方便的检索出来,并且认知不但不需从零开始,还能与过去的灵感磨合出新的思考,这就大大提升了知识的利用率和思考的迭代率。

    第六终身受用

            随着知识的积累,可以不断地发生质变,不断地升级,这种形式的时间沉淀,能够让自己一生受益

     

    六、知识体系演化


    大千世界芸芸众生有它自然的演化过程智慧也是人类绵绵不断的历史结晶。而我们每个人即便不去主动构建知识体系,也会渐渐过滤、沉淀、形成一定的知识体系。不过肯定会相对无序、混乱。

    阅历:了解数据和信息
     

    每个人都有读过的书,看过的电影,听过的音乐,走过的风景,遇见的人,上过的网站,和人讨论的问题,自己思考的人生,经过的故事等等这些就是阅历。它包括信息和数据或者现成的知识。

    一手阅历:走万里路,经历人世百态。

    二手阅历:阅万卷书(网页等信息),看他人走万里路,经历人世百态。

    ️ 认识:掌握前人显性的知识和经验

          仅仅是有阅历,但若没有将注意力集中在曾经看过的书或者遇见的人上,也不算对这些知识有认识,没有记忆,没有经验。你只有注意到这个知识,在乎它、关注它,你才算认识它。

          认识就是有意识的从阅历中提取信息,记录在大脑里。若你出去旅游只是下车拍照、上车睡觉,回到家里啥都不知道,这算不上认知,看书也一样,这些认识都停留在内存的层面,关机一次,啥都忘了,要想办法从内存里存到硬盘。

     

    ️ 认知:将前人的知识经验与自己的体会结合,再经过抽象和概念化,加上二次学习,转化成自己的认知

             如果你注意到这个知识,并继续了解它,且付诸于实践然后验证它,你才会深刻理解它认同它,并让它成为自己的行为指导的知识。 这就是“为什么懂得很多道理,却依然过不好一生?”的关键性答案。

            比如:骑自行车,在没有学之前,听过很多人说要给它一个动力保持平衡以及往前走,就可以了,你也认识了这个道理,但是直到你实践跌倒了很多次,你才深刻认同大家所说的,原来这就是大家所说的随便脚用力向前就可以保持平衡走了,中间有大量的力量平衡的细节,他们都没告诉我们。

     

    ️ 智慧:一种能通过过多种结构化的认知组合成对行为选择做出最优解的能力

          严格来说,智慧是由智力体系、知识体系、方法与技能体系、非智力体系、观念与思想体系、审美与评价体系等构成的。你只有在真正拥有了一定的知识体系后,并形成了自己的思维模式,创新思想,才会创造智慧。

          简单说来,处理问题时,能判断各样情形,最后做出被证明是一个最佳的选择的能力,智慧不是知识,而是能力。那我们现在直接看古人上下几千的智慧有没有用?几乎没用,上面说了不经实践的知识不会成为你的认知,更不会成为你的智慧。

     

    展开全文
  • 该部分对数据进行描述和定义的“元”数据被称为知识体系(Schema)或本体(Ontology)。 知识融合主要方法:框架匹配和实例对齐。 一、知识体系构建 1、概述 知识体系包含三方面的核心内容: 概念的分类 概念属性的...
  • 如何通过读书来构建自己知识体系? 发表于2016年8月26日由周金根 关于如何读书,网上已经有很多文章了,最近又在网上看到很多关于如何不要碎片化学习的内容。在敏捷个人体系中,我们也早谈到这些内容,例如自我...
  • 如果你能不断思考这些问题,就能不断找到需要进一步学习的知识,就能不断扩大自己的学习区,最终就能不断地丰富自己知识体系。 好啦,到现在为止,我们介绍了构建个人知识体系的三个基本的步骤:确立方向,内化和...
  • 8000字干货:那些很厉害的人是怎么构建知识体系

    万次阅读 多人点赞 2019-09-29 11:18:27
    分辨知识和知识体系的差别 理解如何用八大问发现知识的连接点; 掌握致用类知识体系的构建方法; 能够应用甜蜜区模型找到特定领域来构建知识体系。 1. 知识体系?有必要吗? 小张准备通过跑步锻炼身体,可因为之前...
  • 碎片化学习的骗局-如何构建自己知识体系

    千次阅读 多人点赞 2020-02-12 10:22:44
    现在年底流行知识跨年,今年毫无例外的知识跨年又刷屏了,其中最出名的莫过于罗振宇的"时间的朋友“跨年演讲及吴晓波的跨年演讲,不瞒大家说,我曾经是吴晓波频道、罗辑思维忠实的读者,每天早上会准时收听罗辑思维...
  • 构建自己知识体系框架

    千次阅读 2018-01-23 21:32:48
    第四课:构建自己知识框架1、为什么要建立知识框架(一定要有框架意识) 便于提取 便于分享 便于记忆 2、一般性的学习误区 只收藏,不阅读 只阅读,不归类 只归类,不提炼 3、框架思维下的学习步骤 第一步——收集...
  • 2014届高考历史一轮复习 知识点整合【易记】一览表 战后凡尔赛—华盛顿体系形成 新人教版选修
  • 构建知识体系(2):如何构建

    千次阅读 2020-05-07 16:33:19
    构建原则:要做到系统化、流程化、可视化三点...通过系统地规定,明确方向、准则来建立知识消化系统,保证构建过程处于正常的轨道,并不断前进。 (确定理念、方向即是道;掌握规律、准则既是法;顺应趋势、自然既是...
  • 知识变现的前提,就是你必须有一套知识体系,很多人最苦恼的就是,没有一套自己知识体系自己知道的都是些零零散散的知识,很难去进行知识变现。 那么如何搭建一套自己知识体系?有没有一个快速构建个人知识...
  • 软件项目管理 ——1.2.PMBOK与软件项目管理知识体系 归档于软件项目管理初级学习路线 第一章 软件项目管理基本概念 软件项目管理 ——1.1.基本概念 文章目录软件项目管理 ——1.2.PMBOK与软件项目管理知识体系前言...
  • (如果对你有帮助的话,希望点个Star~感谢):red_heart:思维导图(大家还可以自己编辑这个脑图,形成自己的体系)知识体系网络知识Android系统(framework层)Java知识Java反射全解析(使用、原理、问题、应用)漫谈...
  • 如何真正把你的知识体系建立起来?  文/程驿   为什么喜欢学习知识的人,都渴望建立一个知识体系呢?从某种意义上来说,我们做很多事,其实是不需要体系...
  • java知识体系整理(一)基础知识

    千次阅读 2019-04-01 20:39:08
    java的集合体系及继承关系,以及主要类的用法及原理。 java类加载机制 BIO与NIO、AIO区别及联系,什么是Reactor模型。 异常类继承关系,受检异常和非受检异常。 反射知识梳理。 其他java特性(枚举,注解,synchro.....
  • 一篇文章搞懂前端学习方法与构建知识体系

    千次阅读 多人点赞 2020-08-07 14:55:14
    给大家讲讲怎么样才是一个优秀的前端工程师,怎么做自己的职业规划,如何学习和构建知识体系
  • 面对杂乱无章的思维和浩瀚的知识,我们有时候不知道该从何处下手去整理自己的知识储备,今天和大家聊一聊如何用 XMind: ZEN+印象笔记的组合方式...※如何构建知识体系? //获取知识的目的// 有一点必须弄清楚,并不...
  • 别再低效学习了,构建自己知识体系吧 构建自己知识体系就像建大楼 写在前面 我们每天都在接受微信公众号的文章轰炸,我们点赞、转发,甚至保存。然后呢,我们为了什么学习? 通常很多人在工作中、生活中...
  • 第三章 知识体系构建和知识融合 阅读笔记3.1 知识体系构建3.1.1 人工构建方法3.1.2 自动构建方法3.1.3 经典知识体系3.2 知识融合3.2.1 语义网表示方法3.2.2 语义网知识描述体系3.2.3 冲突检测与消解3.2.4 经典知识...
  • 那人工智能知识体系有哪些内容呢? 下面是新一代人工智能知识体系大全图谱: 中国人工智能发展现状与未来 对于中国而言,人工智能的发展是一个历史性的战略机遇,对缓解未来人口老龄化压力、应对可持续...
  • 我知道有关于并发编程的各个知识点,但是没办法将这些知识点串起来,形成知识体系。冰河,你能不能推一篇文章,讲讲如何学习并发编程,如何将并发编程的各个知识点串成知识体系呢?今天,我们就一起来探讨下有关于...
  • [转]PKM-个人知识体系建设

    千次阅读 2019-09-24 10:47:29
    这里集中了本站所有关于个人知识库、个人知识体系方面的文章,下面是展开的目录: PKM理论和方法 艾宾浩斯与他的遗忘曲线 记忆核系统 资料整理的方法 电子资料整理技巧 图书馆馆藏电子资料管理...
  • 想把整个web前端开发所需要的知识都之中在一个视图中,形成一个完整的web前端知识体系,目的是想要颠覆人们对于前端只有三大块(html、css、js)的认识——做web前端需要的比这三大块要多得多。  拖了好几个月了...
  • 【金融市场基础知识】——金融市场体系

    千次阅读 多人点赞 2020-12-13 19:44:37
    :博主是一名正在学习证券知识的学生,在每个领域我们都应当是学生的心态,也不应该拥有身份标签来限制自己学习的范围,所以博客记录的是在学习过程中一些总结,也希望和大家一起进步,在记录之时,未免存在很多疏漏...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 122,205
精华内容 48,882
热门标签
关键字:

怎么形成自己的知识体系