管窥互联网时代的学习

从时间的角度来看，这个时代被称为互联网时代、大数据时代、人工智能时代等。作为一种信息基础设施，互联网正在改变社会的生产和生活方式，包括我们的学习方式，这带来了一些新的挑战。

网络时代的学习困惑

首先，有多余的信息。据一家机构估计，2020年全球数据量将达到44zb(1zb相当于776万中国国家图书馆的数据量)，是2015年的四倍多。一些学者将过度信息的后果概括为“信息焦虑”，即人们被过度信息淹没，盲目吸收，没有时间消化，处于困惑和恐慌的状态。钱学森先生哀叹道，当他还是一名研究生时，他可以说他已经阅读了世界空气动力学领域的所有主要文献。现在不要说看，连动都不能动，从而提出了在学习中学会选择信息的问题。

第二，信息饥饿。这是信息过剩的两面。这意味着真正有用的信息仍然太少。这是因为信息选择和处理的成本越来越高。我们需要尽最大努力从大量的信息流中识别和选择解决具体问题所需的信息。信息经济学的创始人之一斯蒂格勒在推翻传统经济理论中信息是“*商品”的假设的基础上建立了信息经济理论，并由此提出了构建自己的信息素养或数据素养的问题。

第三，信息成瘾。信息(网络)成瘾或成瘾在最初的意义上具有自我治疗的功能，即通过探索和创造幸福来避免现实的不愉快。然而，这种自我治疗功能的实现并没有得到保证。当人们深深沉迷于虚拟现实时，“当下”身份和“缺席”身份高度分裂，身份危机就会发生。人们所知道的只是信息的片段，不能参与对意义的探索。这包括通过适度的满足来形成良好的信息行为的问题。

第四，信息陷阱。除了有用的信息，互联网上也充满了虚假信息和无用的信息。如果我们掉以轻心，我们将落入别有用心的人设置的信息陷阱。当使用免费实用软件、捆绑软件甚至许可标准软件时，我们可能有被监控或攻击的危险。各种形式的网络欺诈也成为校园安全的主要风险之一。这涉及到我们防范信息风险的意识和能力。

做网络时代的聪明学习者

首先，方法的选择几乎是一样的。有句老话，“从上而下的方法只是中间，因此从中间开始的方法是较低的。”我们可以从几个方面理解“方法优于方法”。

首先，学习有三个层次——验证性学习、批判性学习和实践性学习，分别对应于继承知识、创造知识和应用知识。如果我们在验证性学习的同时既有批判性学习又有实践性学习，我们可以说学习动机或认识论是“最佳选择”。

其次，每门学科都有经典著作、代表人物和由此形成的知识谱系。如果我们能够沿着知识谱系的主线和核心节点积累知识，洞察学科趋势和新的知识生长点，我们可以说我们可以“采用方法论的方法”。

此外，根据建构主义的逻辑，学习是学习者在原有知识和经验的基础上主动生成意义和构建理解的过程。这一过程往往是在社会文化互动中完成的，因此与学术界代表的互动也是一种“向法律学习”的学习行为。

第二，学会选择。信息的基本含义是减少或消除不确定性。信息的急剧增加和快速变化要求我们重视选择，学会选择，适应选择，不断提高我们的选择能力。

这就要求我们在学习这门学科知识的同时，要注重跨学科知识的学习，并打下丰厚的知识基础。在当今知识深度交叉整合的时代，对受监管的学科施加太多限制可能不是最好的学习方式。当我在中山大学攻读硕士学位时，我的老师陆太洪曾经告诉我们，我们应该更多地相信新领域的基础、方法和挑战，而不是只相信专业背景。他在信息管理和营销管理方面都做出了重要的学术贡献，对我们有很大的启示。

同时，我们应该学会正确评价信息、信息源、信息渠道和信息空间，并将所选择的信息整合到我们自己的知识系统中，重构新的知识系统。

研究历史的人会读《左传》和《尚书》。前者是当代人写当代的东西，而后者是下一代人写当代的东西。皇帝眼中的图书编辑不同于一代又一代的回眸，这就要求从不同的信息渠道和信息时空对两种信息和信息源进行关联和评价，有选择地形成自己的认知。

总的来说，学习应该选择高质量的信息源和渠道，在满足个人需求的知识空间中进行交流，并随时考虑学习收获。经济学中的“机会成本”概念表明，没有选择就没有效率。一个人掌握的信息越多，他就有越多的选择。有效的选择是机会成本最低的选择。

第三，批判性思维。批判性思维，也叫批判性思维，是当前教育中相对缺失的一个组成部分。批判性思维首先是一种态度，其次是一种能力。根据哲学家波普尔的观点，在新的形势下，任何知识都可能随时被篡改。没有批判性思维的态度和能力，我们将失去对新的伪造数据和事实的敏感性，并被传统权威所蒙蔽。从这个意义上说，批判性思维也是一种重要的创新能力。

作者现在专注于公共危机信息管理。该领域的一个有趣案例是非常规应急情景准备模拟实验中的“分布式智能”或“群体智能”。研究者更喜欢在一组智力较高但批判性思维能力较低的个体和一组智力较低但批判性思维能力较高的个体之间选择后者。因为后者更有可能在不确定的未来形势下获得基于形势的良好知识和智慧洞察力。批判性思考者不是一个愤世嫉俗的反骨头者，而是一个理性的怀疑论者，他的目的不是否认而是建构。

第四，提高数据素养。“信息素养”是互联网时代普通大众应该具备的能力素养，与之相比，“数据素养”强调的是科研人员的数据信息专业技能。数字人文和计算社会科学的兴起也要求人文和社会科学研究者具备与互联网时代相匹配的数据素养。

自2013年以来，重要的外国大学开始在原有信息素养课程的基础上提供数据素养课程。根据一些学者的定义，数据素养是指高效且合乎道德地发现、评估和使用信息(包括数据资源)的能力。从数据生命周期的角度来看，数据素养首先是数据伦理和数据收集，其次是数据组织、数据分析和评估，再次是数据交换和数据保存。核心是让我们建立数据意识和数据能力。

以数据伦理为例。有数据素养的人会明白，当我们使用信息时，我们经常被要求提供一些个人信息。事实上，我们通过转让一些隐私权来获得使用信息的权利。它的平衡状态是博弈和妥协的暂时和局部结果。我们的信息行为不仅是一个行为技术问题，也是一个行为价值问题。为了提高数据读写能力，从数据工具开始是一种理想的方法。例如，个人信息管理工具Endnote、C-Organizer Pro、常用统计分析工具SPSS、Stata、SAS、可视化工具Tablea、留言板、数据存储工具EZID等。，可以根据需要有选择地学习他们想要使用的工具。

第五，培养智慧。智慧是一种高级的创造性思维能力，类似于“形而上学的思维方式”。它包括对自然和人性的深刻洞察、价值判断和更好地解决实际问题的能力。智慧是人类的天赋，而机器被称为智能。

管理科学家彼得·塞奇(Peter Sage)在他的书《第五学科》中谈到了个人和组织学习。事实上，他谈论的是智慧的培养。这包括三个方面。

一是学习和反省。真正的学习不仅仅是获取知识，而是通过思考和内省，将知识的要旨内化为自己知识结构的有机组成部分，以帮助做出决策和行动。正如在线大数据是有价值的大数据一样，内省的生活知识也是有用的知识。在大数据语言中，我们有自己的迭代算法。

二是发散思维和收敛思维。发散思维是习惯性的，甚至是不规则的，如跳跃联想、灵感、直觉等。趋同思维是根据一定的规则进行的归纳或演绎，如逻辑推理、数学检验等。前者经常解决非常规问题，而后者只解决标准问题。正是在这个意义上，英国哲学家贝弗里奇强调，科学发现必须依赖于对科学史上主要例子的分析基础上的发散思维。我们看到越来越多的收敛问题留给了机器系统或人工智能系统，我们理解在学习中培养发散思维的重要性。

第三，价值判断。智慧的培养意味着决策和行动应该考虑到对组织和社会的意义。以大数据应用为例，互利是大数据流通的永恒关键。在数据共享成为现实之前，个人或组织必须在自身利益中找到利他需求。因为任何大数据的形成都需要经过两个过程，即开放性和标准化。前者是深度链接的前提，而后者涉及数据的可用性。否则，你为什么愿意分享你的基因数据？当然，大数据模型和算法还需要考虑公共价值和个人价值，如知情同意和隐私保护。他们需要找到一个平衡点，否则他们不会走远。

套用狄更斯的话，互联网时代是好的，也是坏的。但我们相信，只要我们在学习中趋利避害，有意识地加强数据素养和智慧培养，就能获得良好的学习效果和富有想象力的学习前景。

(作者是兰州大学副校长)