当前位置: 首页 > news >正文

写作在学习中的重要性

怎样看待学习也需要写作呢?听我慢慢道来。

学习是本身就是一个独立的研究过程。学习是为了获得无法预知的洞见,并公之于众,所以学习和写作输出其实是紧密相连接的。

和过去的手工作坊不同,过去的师傅教授徒弟可能会留一手。这会导致手工技术在流传中出现技艺消亡。但在学术界,没有所谓的私密知识。有了想法只有自己知道,就等于没想法。而无法重现的论据也根本算不上论据。如果想把一个研究成果公之于众,就需要把它写出来,供人们阅读,以此传播下去,否则这个成果没有任何意义。

传统教育理念中,学校认为老师就是为了让学生学习而存在的,所以通常不鼓励学生开辟他们自己的学习路径,也不鼓励学生质疑和探讨老师正在教授的一切,更不会鼓励学生为了产生有趣的见解而从一个话题跳到另一个话题。

但是我们不可能一直在学校学习。大量的学习其实是自学的形式。这就需要写作。注意我说的写作不是指那种学术性论文。而是指你公开其他人浏览的文书,各种形式,包括你精修的朋友圈文案,讨论,短视频平台的观点输出。

写的文章不一定要被国际期刊录用才算公开,事实上,绝大多数写作和讨论的东西都不是通过这种方式发表的。

学院里评审过程本身就是向同行公开展示思想的一种形式,学生交给教授或讲师的作业之类的也是如此。甚至为了与同学讨论而散发的文字材料、群探讨过程也属于公开的书面材料,因为在讨论中,作者的本意不再重要,重要的是书面内容。当作者可以离开现场的那一刻,这篇材料,可以是文字也可是短视频,就成了对真理的公开见解。

令人信服的论点都具有同样的标准——必须前后一致和基于事实。

真理不属于任何人,它是对书面思想进行科学交流的成果。

这就是为什么知识的呈现和生产不能分割,而是一个硬币的两面。如果写作是探索性研究和一般性研究的媒介,并且除了做研究,不必学别的,那么就没有什么比写作更重要了。

虽然写作似乎是最重要的工作,但这并不意味着要花更多的时间写作而减少其他工作的投入。只有当我们把工作划分为不同的独立任务时,才会显得写作减少了我们花在其他任务上的时间。专注于写作,并不意味着要减少阅读量,因为它是写作材料的主要来源;专注于写作,并不意味着要少参加讲座或研讨会,因为它们不但能为你提供写作的思路和值得解答的问题,而且是了解研究现状的最佳途径之一,更不用说它为提出和讨论问题提供了平台;专注于写作也并不意味着要停止做演讲或寻找其他方式或平台将自己的想法公之于众——没有什么比这现代互联网更好的途径为你的想法提供反馈了。

专注于写作,好像其他的都不重要,并不意味着其他事情就敷衍了事,相反,它一定会让你做事有所不同。当你参加讲座、讨论或研讨会时,如果有明确、具体的目的,你就会更加投入、更有的放矢。努力找寻你“应该”做的事情并不是在互联网漫无目的的刷链接,浪费时间,相反,借助于此,你会努力以尽可能高的效率去学习,从而迅速找到那个开放性的问题。

写作输出就是一种高效率地思考。

你很快就可以学会如何区分听起来好的论点和实际上好的论点,因为每当想把它们写下来,并把它们和以前的知识联系起来的时候,你就必须仔细思考论点。这也会改变阅读方式。

因为你不可能把你想到的杂乱观点和材料都写出来,写的过程就是整理内在逻辑,合并同类项的过程。

你就会变得更加专注于与写作最相关的方面,并且以一种更专注的方式进行阅读,以便能够用自己的语言对其进行详细表述。

这不仅会让阅读更细致,也使你更容易记住要点。此外,你还要思考所阅读的内容之外的观点,因为你需要将其转化为新的观点。带着写作这个明确目的去做每一件事,你就能把事情做得从容不迫。

套用现在非常火的刻意练习观念。在学习中用写作输出就是非常好的刻意练习。如果你改变了对写作重要性的看法,你也会改变对其他事情的看法。写作输出会深深影响你的阅读、思考和学习习惯,读到这里,并付诸实施,我相信,几年以后你会回来感谢我的。

http://www.dtcms.com/a/333464.html

相关文章:

  • 【完整源码+数据集+部署教程】脑部健康状态检测系统源码和数据集:改进yolo11-AIFI
  • 力扣top100(day04-05)--堆
  • **标题:发散创新之力,探索隐私计算的未来**隐私计算,作为当下数字化时代的热门话题,正受
  • MCP简单入门及简单操作案例(高德地图调用实现酒店查询天气查询等[Lima]示范)
  • 在执行部署脚本后,通过 ls -la 命令查看远程服务器文件时,显示的文件所有者是 games 而不是预期的 root 用户
  • 二、DOCKER常用命令
  • 最长递增子序列-dp问题+二分优化
  • Vue 侦听器(watch 与 watchEffect)全解析1
  • 【161页PPT】智慧方案企业数字化转型概述(课件)(附下载方式)
  • pcl法线估计的踩坑
  • 【GPT入门】第47课 大模型量化中 float32/float16/uint8/int4 的区别解析:从位数到应用场景
  • 《P1194 买礼物》
  • PyTorch的安装-CPU版本或者GPU安装有什么区别吗
  • 口播数字人免费API调用方案
  • Docker的相关知识探究详解
  • 【功能更新】“弹性互联网”正式上线Fusion WAN平台
  • Oracle按照特定列值排序和C#统计特定列值的所有行
  • 数据结构:N叉树 (N-ary Tree)
  • 【部署K8S集群】 1、安装前环境准备配置
  • Deepoc具身智能模型如何重塑康复辅助设备
  • Java中MybatisPlus使用多线程多数据源失效
  • 集成电路学习:什么是Image Segmentation图像分割
  • 功能组和功能组状态的概念关系和区别
  • java16学习笔记-Vector API
  • oracle数据库初始化
  • 共探头部设计|安贝斯携手武汉科创协会x深钣协“湖北行”,链动D+M小镇的华中范式
  • Linux软件编程-进程(2)及线程(1)
  • 快速设计简易嵌入式操作系统(5):贴近实际场景,访问多外设,进一步完善程序
  • WPF 监控CPU、内存性能
  • python math数学运算模块