Hur undviker vi dabbling (så vi kan faktiskt Lär dig)?

(Sarah Simpkins) (5 aug 2020)

Utforska Trinity College Dublin (november 2019)
Exploring Trinity College, Dublin (november 2019)

dabble (verb): att delta i en aktivitet på ett avslappnat eller ytligt sätt

Låt oss säga att du har bestämt dig för att börja tackla en stor, vag, tvärvetenskaplig fråga år 2020.

Och låt oss säga, hypotetiskt, den frågan är ( om du vill gå till examen eller inte skolan och varför ).

I det här hypotetiska scenariot kan du börja med att skapa en lista med frågor som du skulle behöva svara för att svara på den ultimata stora , vaga, tvärvetenskapliga gr aduate skolfråga. Då kanske du inser att du måste prioritera högen av frågor på något sätt.

Du bestämmer att svaret varför ska komma innan du svarar hur . Så du börjar ta kurser, läsa böcker, lyssna på podcasts, titta på videor, undersöka potentiella framtida arbetsbeskrivningar och följa människor du kan lära dig av på sociala medier … i varje ämne som du anser vara relevant för att svara på varför forskarskola em> fråga.

Samtidigt.

(

Vad är den viktigaste frågan om forskarskolan?

Den viktigaste frågan om forskarskolan är inte handlar inte alls om forskarskolan.

medium.com

)

Plötsligt gör din hypotetiska hjärna ont och du känner att du inte kommer någonstans.

Det måste finnas ett bättre sätt … eller hur?

2020 har jag lyssnat på Scott Youngs bok Ultralearning på Audible redan två gånger.

Självfallet är jag ett fan.

Scott Young definierar ultralärning som djup självutbildning för att lära sig hårda saker i mindre tid . Tekniken fokuserar på inlärningsdjup först , genom att bryta ned passager till förutsättningar kan du avsluta steg för steg , kreativt med hjälp av resurser och balanseringsteori med övning . Han säger också tydligt att ultralärning fungerar bäst när den tillämpas på specifika, mätbara, väldefinierade mål.

Eftersom dina inlärningsprojekt blir för breda och tvärvetenskapliga riskerar du att knuffar i många ämnen men lär sig aldrig riktigt någonting.

Ljud bekant?

(

Scott H. Young – Medium

Läs skrivande från Scott H. Young på Medium. Författare till WSJ bästsäljande bok: Ultralearning www.scotthyoung.com |…

medium .com

)

Problemet är att just detta (forskarskolans lärandeprojekt) jag arbetar med är tvärvetenskapligt. Frågan om (om någon ska gå på forskarskolan) eller inte är stor och vag. Frågan om (vilket problem någon bör arbeta med under resten av livet) (och om forskarskolan skulle tillåta dem att göra det) är ännu större och mer vagt.

Hur undviker vi att dabla när jag tar ett stort, vagt, tvärvetenskapligt inlärningsprojekt?

För att vara ärlig har jag inte riktigt fått reda på det här än. Men jag arbetar med en strategi som är informerad av ultralärning och min egen initiala inställning till detta projekt (som uppriktigt sagt inte fungerade). Här är vad jag hittills har lärt mig.

Tänka igenom djup

I ett ämne som kalkyl kan du kanske klara ett test eller två genom att memorera formler. Men någon gång kommer du att träffa en vägg om du inte vet varför du gör saker. Att memorera är ett kortvarigt bandaid. Om du är intresserad av att tillämpa dina kunskaper i en mängd olika scenarier och bygga vidare på din inledande kunskap för att ta itu med mer avancerade problem, måste du skapa en stark grundläggande förståelse (även känd som djup).

Eftersom jag är från en STEM-bakgrund är det här jag ville närma mig mitt doktorandproblem. Jag ville skapa en grundläggande färdighetsuppsättning för varje ämne som jag tyckte var relevant och sedan tillämpa den kombinerade kunskapen på de praktiska varför och hur frågorna jag behöver svara på.

Låter enkelt, eller hur?

Tyvärr insåg jag snabbt att ämnen som filosofi inte har ”grundläggande färdighetsuppsättningar” på samma sätt som kalkyl. I slutändan är det kanske inte möjligt att skapa en grundläggande färdighetsuppsättning för att lösa praktiska problem efter ett snabbt djupdyk i vissa ämnen.

Jag är inte heller helt säker på vilken blandning av ämnen jag ska lära mig. Vid den här tiden kan det finnas relevanta saker som jag borde lära mig som jag helt enkelt inte är medveten om än.Enkelt uttryckt Jag vet inte vad jag inte vet. Denna osäkerhet om vad jag skulle studera ledde till att jag effektivt försökte lära mig allt på en gång (och, förvånande nog, inte lära mig mycket alls).

(

Don t Förstå något? Skriv om det.

Tankar om hur man kan stänga informationsbrister

medium.com

)

Så jag har två problem på mina händer: hur att skapa en praktiskt tillämpbar förståelse för ämnen som i sig är mer tvärvetenskapliga, vaga eller teoretiska och hur man gör det utan att ägna alltför mycket tid åt varje ämne eftersom jag fortfarande försöker skapa en allmän förståelse för flera fält (och kan behöva svänga för att lära mig andra saker när jag lär mig mer om vad jag behöver lära mig).

Hur kunde vi lösa dessa problem med ett ultralärande tillvägagångssätt?

På den här punkten tänker jag på att ”etablera djup” som ”att skapa ett ramverk”

Utanför STEM-ämnen (och till viss del inom STEM-ämnen), förstå tillräckligt med jargong för att veta om vad du lär dig är relevant för den fråga du ställer kan vara en utmaning. Även om det kanske inte är möjligt att skapa ”grundläggande färdighetsuppsättningar” för att lösa filosofiska problem efter ett snabbt djupdyk, kan det vara möjligt att bygga en ram för att fokusera ditt lärande (så att du åtminstone vet om det du läser eller inte är tillämpligt på det problem du försöker lösa).

Primärt rammål: undvik att bli begravd under en hög med jargong varje gång du lär dig ett nytt ämne.

Vi kan fortfarande använda några av hyresgästerna i ultralärning för att skapa ett ramverk, som kreativt med hjälp av resurser för djup självstudier . För detta ändamål använder jag inledande onlinekurser och böcker som ger en allmän översikt över ämnet (inklusive definitioner av det mest använda jargongen). Om ämnet har något som tankeskolor eller grundläggande hyresgäster, är det precis vad jag försöker lära mig i ett första djupdyk. Att känna till dessa organisatoriska ramar gör det mycket lättare att veta var saker jag lär mig i framtiden ”passar” inom den övergripande disciplinen, vilket hjälper till med retention. Att känna till den allmänna layouten för fältet hjälper mig också att avgöra var jag kan behöva borra ner för att skapa mer djup genom ytterligare studier.

En ram i taget

När jag bestämde mig för detta tillvägagångssätt gjorde jag ett misstag med implementeringen. Jag försökte göra denna allmänna introduktion / undersökning av flera olika fält samtidigt. Anledningen till att jag gjorde detta hade en logisk grund: Jag planerar inte att tillämpa det jag lär mig i ett vakuum (ett ämne i taget), så jag är inte övertygad om att jag borde vara att lära sig i ett vakuum heller.

Även om jag fortfarande dras till tanken på att integrera mitt lärande, fungerade detta tillvägagångssätt inte så bra på undersöknings- / introduktionsnivån. Utan någon inledande fokuserad uppmärksamhet på varje enskilt ämne är det svårt att skapa en grundläggande ram. Utan den grunden dabbade jag bara (och behöll inte mycket av det jag lärde mig).

Framöver planerar jag att fortsätta med tanken på att göra korta djupdyk, men jag kommer bara gör dessa djupdyk i ett ämne i taget. Inledningsvis planerar jag att spendera inte mer än en månad på att bygga en introduktionsram i varje ämne. Jag är för närvarande mitt i både en statistik för datavetenskapskurs och en filosofikurs som jag tänker avsluta den här månaden. När dessa har slutförts väljer jag ett av dessa två ämnen (eller ett av de (andra ämnena på min lista)) för att fokusera på individuellt och se till att jag har skapat tillräckligt med ramar för att bestämma vad jag ska studera nästa före Jag går vidare till nästa ämne.

Mina dabbling dagar ligger (förhoppningsvis) bakom mig.

Har du tillämpat ultralärning på ett stort, vagt, tvärvetenskapligt inlärningsprojekt? Hur tog du itu med problemet att behöva täcka en mängd olika ämnen, men också skapa djup? Tack för alla idéer eller insikter.

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *