关于学习和认知的思考

学习的一个目的是高效获取认知，和高效跟相关的一些词，比如 记忆宫殿、知识网络、领域模型、知行合一 、重复、逐步深入、以点带面 等等

任何一个知识，我们可以把它从XYZ三个轴进行拆分，Y轴代表一个知识模块的组成结构，X轴代表同类型的其他知识模块，Z轴代表一个具体知识的深度

从这个角度，一门知识的Y轴可以代表这个知识本身的结构体系(或者领域模型)，X轴可以代表他同类知识的对比，Z轴代表对知识的理解程度

对于知识的学习形态而言，最常见的是针对于某个具体知识的详细讲解，形态从文字，图片，语音，视频，实验等均有可能。

但知识本身存在粒度之分，一部分知识的聚合形成一个主题后也可以称作一个知识。反过来，一个知识拆解成不同部分后，也被认为是这个知识的体系。

不同的人对一门知识的理解不同，就会导致拆解出来的知识体系不同。但一般而言非常细节的知识点，在大家的认知当中是几乎一样的。当我们把一个知识拆解成最基础的原子组成状态时，就可以把不同人对知识的拆解看作是对原子知识的不同组合形式。

这种思路和知识卡片以及wiki的思路如出一辙。

从更宏大的视角来看，这和知识图谱的底层理念是一致的，无论是百度百科还是维基百科，甚至知乎都在做这种知识关联形态的尝试。

学习一门知识的核心，是记忆和建立联系。我们无时无刻不在做这件事情，比如我们去接受一个知识的拆分体系是在做记忆，我们在学习任何一个具体知识时用到的例如5W1H的思维方式就是在做联系，其他的比如 类比，总结 等等都是在做关联。

学习的核心是输入，但输出同样是一个有助于学习的极好方式，我们一般认为输出的同时是在做索引和检索操作，这个行为的本身也是建立联系的过程。

学习做为一项活动，要想完成的好，并且可持续，可以从以下三个维度进行拆分：构建学习预期，增强学习效率，外化学习效果

一门主题的知识组织逻辑细节或许有所不同，但被大多数人认可的组织逻辑是比较聚集的，最后往往会形成一到几个惯用的组织逻辑形式。

对于一门大众型主题的学习而言，知识的组织逻辑往往是固定的，比如mysql，从广泛的学习资料对比来看，核心知识体系的逻辑一致性很高。

如果我们把一个主题的知识拆分逻辑进行统一，再由内容生产者们去共建这套体系中的各个环节，就可以构建出一套某个知识领域下的各种知识细节

极客时间这种大佬形成的专栏模式，存在一些典型的弊端，其对Y轴的划分不成体系，这往往是由于大脑的专栏，不是面向初学者的成体系拆解，而是对一些关键问题的抽象和解释，这种内容适合于有一些基本经验的人员，但对雨伞构建更完整知识体系的人而言，却是不够的。

不仅如此，这种内容形态是很少具备X轴和Z轴的内容

知识的核心是关联，关联有其特定的逻辑，有些是以基本结构为导向，有些是以时间为导向，有些是以问题为导向。我们学习一些知识的主体，就是在学习这些关联

知识图谱想表达的核心价值也是关联，要解决的问题是关联的粒度问题

技术领域的知识主题可以分成这些类型，第一类是以某个技术组件为核心，比如MySQL kafka redis 这些。 第二类是以某个应用场景为核心，比如消息系统，购物车，秒杀系统。 第三类是向上更抽象一层的，以某一个岗位或职业的要求为核心，比如DBA，大数据工程师，运维开发，前端开发等等。

不同的知识主题，对知识划分的逻辑要求有所不同。比如以职业为核心的主题知识，划分逻辑应当以入门顺序的要求为主。 再比如以某一个技术组件为例，kafka 的知识划分方式以问题为导向更好 (或者先以基本结构为导向)

知识图谱的核心是形成知识的关联，从底层逻辑上讲，他们所有的知识之间是对等连接的，但从现实角度来看，一个主题的知识应当是知识图谱当中的一条主线及一些分支所组成。 学习者想要去学习一些东西的初始出发点，应当是某个主题的知识，能解决自己的问题。所以从这个角度看课程的核心，应当以一个问题域为主导，有比较明确要解决的问题。

The entrepreneur always searches for change, responds to it, and exploits it as an opportunity.
— Peter Drucker