自序：如何学习信息分析
在了解 V 型学习法之前，先了解一下类似的全局学习法和元认知学习法。
全局学习法
全局学习法是由哈佛大学零点计划教授戴维·珀金斯 (David Perkins) 提出，指将碎片知识拼凑成全局图景，就像滚雪球一样，从未知到已知，从已知到更大的未知。
全局学习法 4 个关键要点：
- 玩全局游戏：将碎片知识拼成完整图景，拼成雪球。随着你知识越来越丰富，滚动的雪球会越来越大。
- 在难点问题下功夫：搜集碎片信息不难，将碎片信息拼凑成全局图景难，从全局图景中产生新的论点难。
- 打客场比赛，发现潜在游戏：在更多场景碰撞，获得新信息点。例如，认知科学家卡尼曼在跑到经济学领域，让不同领域的思维对唱。
- 向队友、他队队友学习，学会学习：自己刚开始拼接知识时，很难做到优雅，向他人学习，获得更多认知拐杖，不断迭代，慢慢变得优雅。
元认知学习法
元认知学习法包含以下 3 个要点：
- 主题学习：尽量借助同一领域大量信息获取关键知识
- 深度学习：尽量获取领域中有难度的知识
- 行动学习：尽量跟相应的实践关联在一起
全局学习法和元认知学习法，都强调全局图景、难点攻克、知识迭代和多场景实践。乍一看，两种学习方法似乎在暗示，学习要先学习知识（学科），再将知识和实践相结合，或者说，在低阶阶段学外显知识，在高阶阶段实践并形成内隐知识。而 V 型学习法更加强调知识与实践的反复交错，快速迭代，更快形成内隐知识，养成好的思维习惯。
V 型学习法
在高维与低维不断交错、验证、迭代。高维内容以高阶模型、理论为主，低维内容以鲜活案例、信息点为主。
例如，信息分析课每章内容均由高阶模型 + 实践策略组成。如预备周包括「元反空」、「最小知识集合」等高阶模型，「使用检索式提升效率」、「利用 Zotero 保存资料」等实践策略。
在高低维知识之间反复交错 —— 学习高维知识，尝试推导低维知识；学习低维知识，反向归纳高维知识。不断反复训练，会提升你的知识迁移能力。
使用V 型学习策略，制定一份学习计划
- D1、D2刷卡包，找出一章的信息点，并将信息点点归类为高阶模型和实践策略
- D3、D4练习实践策略，思考背后的高阶模型是什么
- D5再刷卡包，理解高阶模型，提出自己的问题；看同学的实践策略，更新自己对高阶模型的理解
- D6参加答疑
- D7答疑复盘，并整理学习指南
信息分析的不二法门：借助本体论构建最省力的方法
- 快速发现任意一个领域的实体，以及实体的编码规律、交互原则、共享机制、聚集场所
- 快速理解该领域的信息实例化机制，以及该实例化机制处理的层次、颗粒度等等，并从中寻找到破解机制，反推实体规律
- 将实体、实例化规则总结为人脑好记忆、提取的东西
拓展阅读资料
阅读以下文章，可以加深你对本节内容理解：
ChangeLog
2018-05-04 初稿
2018-05-11 删除之前从开智卡包摘抄且已经消化吸收的部分