美文网首页想法
子曰学而不思则罔,我曰思而不行则茫

子曰学而不思则罔,我曰思而不行则茫

作者: HonestyIT_Jason | 来源:发表于2020-03-05 14:20 被阅读0次

        诸如乔布斯、荣格、马云、李彦宏等知名人士,无一不是深度工作的受益者,无一不是深度工作的践行高手。深度的、专注的、沉浸式的工作,更有可能产生出高质量的工作成果,同时可以获得难以名状的愉悦感受。

        眼球经济时代,电视、手机、电脑上各式样的新鲜事层出不穷,各式新闻、娱乐像浩瀚的大海一般,从经济发展的角度看,超高度的活跃量是有益的。从个人专注工作或者专注学习的角度看,信息爆炸,会令人类的大脑总在不同的信息、不同的内容之间跳跃,无法专注于一件事情。在这个过程中,即使是在输入知识性的内容,也是缺乏个人思考的一个输入过程。往往是当下的一种新鲜感和虚假满足感,会有一种听过了,就掌握了的感觉,比如抖音和快手上,有好多主播,把知识点切割成小段的视频,浏览和点赞量超高,比如B站、TED上,各种幕课上,太多的新知识、新观点,几乎全部免费。但是如果只是听课的话,学习以后的留存率低到不敢想象,不信,您亲自在听课后,尝试写下自己刚才看过的内容,或者第二天再写试试。我们需要通过一些有效的方法,去提升深度工作的能力,想办法减少网络和社交媒体的打扰,同时也要利用好网络资源,不要忘记我们的初心,是在获得知识,提升自我。在前往这个目标途中,我们下意识的被其它新鲜事所吸引,同时做了很多不相干的事,不知不觉中,浪费了很多时间和精力在上边。查看一下你自己手机的app使用时长,就知道有多恐怖了。有一些具体的方法可以规避,比如关闭朋友圈,断网工作,卸载一些依赖性强的APP,或者把某些APP设置为不提醒模式等等。相信,每位有心减免这方面打扰的朋友,都能找到适合自己的方法。

        每天固定时间,锻炼身体,做有氧运动,最简单的当选跑步了,可以从一点点开始。选专门练习冥想,坐定后,关注自己的呼吸,如果走神了,就把自己的注意力重新拉回到呼吸上来。不加批判的如此坚持就可以。适量的有氧运动和定时冥想,可以达到改善大脑组织结构,增加神经元连接数,有效的提升我们的专注力。

        还有两件必做的练习,第一就是计时阅读,从开始阅读起计时,到分神做其它的事情的时候停止,把时间值记下来,一段时间后,可以看到自己在专注时间上的进步。第二就是写作,读写不分家,在读书或听课后即刻进入写作状态,而不是过程记笔记,这也是费曼学习法的精华所在。课后或者读后的回顾式总结,可以有效促进大脑进行主动思考,并且将回忆起来的内容内化为潜意识认知。

        付诸行动,子曰学而不思则罔,我曰思而不行则茫。亲自体验了越学的多,越迷茫,原因就是缺乏实践,没把所学内容付诸于行动。任何一项技能,无一不是通过大量的练习,到实践中多摔跟头,多尝试失败,失败后又一次次重新开始尝试,才能逐步内化成为无需大脑思考就采取行动的下意识行为。比如走路、写字、键盘盲打、开车、弹吉它等等。学习思考后,不去把有指导意义的知识内化到行动,那就会越学越迷茫,越来越彷徨,就真成了思想上的巨人,行动上的矮子。

        之前很长一段时间,我一直有想法,要在读书上做到有坚持,做到每天有固定时间阅读书籍,学习提升自己。后来在别人的倡议下,读了几本书,但多数用的是过程中划要点,记笔记的方式。现在回想,对那些书籍的印象非常浅显和浅薄了,留存率不足5%。包括今天重新听了一遍的深度工作,曾经听过一次,也专门读过原书,给我的学习和工作带来一些小的改变。但是今天听来,依然是有80%-90%内容感觉是第一次听,有很多没做到的实践内容。

        从前天写读后开始,第一天,写300字就觉得词穷了,昨天写500多,还觉得意犹未尽,只是写字写累了,而且在写的过程中,有一种小小的愉悦感。今天改为在电脑上打字。所写内容可能不成体系,也没有经过整理,只是顺着自己当下的想法和思路记录。当然,离真正的输出给别人,还差着很远的距离。但是,没有这第一步迈出,我将永远无法开启这宏大的篇章。

        今天下午5点前,要把写作这件事情定出个学习的OKR来,作为自己的一项政治任务去完成。这件事情不单涉及到学习力提升,同时也关系到公司营销宣传工作的核心竞争力。这是一条少有人走的路,这条路上一点儿都不拥挤。这件事没有任何人可依靠,只有亲力亲为。看到蓝盟老夏在不断的阅读,不停的在营销工作上下功夫。真心羡慕,临池羡鱼,不如退而织网。前天在B站看一位UP主的《复利效应》读后分享,更觉得每天这点点进步的重要性。

    相关文章

      网友评论

        本文标题:子曰学而不思则罔,我曰思而不行则茫

        本文链接:https://www.haomeiwen.com/subject/pkgtrhtx.html