zoukankan      html  css  js  c++  java
  • (生活)4个方法快速打造你的阅读清单

    转自csdn的foruok

    下面提供四种方法,无论你是否经常读书,都可以使用它们快速构建起你的阅读清单:

    • 从问题到图书
    • 信息缺口
    • 关联
    • 跟随

    从问题到图书

    你心里有一个或多个问题,主动去找能解决这些问题的图书。这是每个人都在使用的最自然的找书方式,下面是几个例子:

    • 和孩子沟通遇到问题–>《如何说孩子才肯定,怎么听孩子才肯说》
    • 总因期待孩子成为什么人儿失望或控制孩子–>《遇见孩子,遇见更好的自己》
    • 老是拖延–>《战胜拖延症》
    • 老是情绪冲动做错选择后悔–>《当时忍住就好了》
    • 想改变某件事某个人不得其法–>《瞬变》
    • 不知道履新时如何快速融入环境证明自己–>《创始人》

    信息缺口

    你知道点,但又知道得不多,这时你看到了你觉得知道但却又说不清楚的东西,就容易产生好奇心和探索越往。这就是信息缺口的概念。好好利用它可以快速找到很多与我们已有信息相关的读书。

    下图演示了这种方法:

    关联

    对应读者、作者、售书渠道、出版机构四种角色,有四种关联方式:

    • 同主题
    • 引用
    • 平台推荐
    • 书籍设计时引入的推荐

    1)同主题关联 
    示例:

    • 演讲,《高效演讲》《演讲的力量》《金字塔原理》
    • 创业,《创业维艰》《从0到1》《联盟》《四步创业法》《精益创业》《裂变式创业》
    • 写作,《你能写出好故事》《成为作家》《故事》《开发故事创意》
    • 读书,《如何阅读一本书》《阅读整理学》《这样读书就够了》
    • 软件架构,《聊聊架构》《大型网站技术架构》《架构即未来》《亿级流量网站架构核心技术》

    2)引用 
    作者在写书时,往往会引用(提到)很多其他的书,这些书通常都值得一读。示例:

    • 《发现你的天赋》引用了《当下的力量》《思维导图》《活出生命的意义》《持续的幸福》等
    • 《好好学习》引用了《穷查理宝典》《第五项修炼》《系统之美》等

    3)平台推荐 
    每次你通过京东、当当、亚马逊等够买一本书,平台都会给你推荐很多其他的书,这就是关联推荐。常见下列方式:

    • 人——读过本书的人还读过
    • 书——与本书相关的书(作者、主题、出版社、书系等)
    • 热门——大家都在读

    4)书籍设计时引入的推荐 
    出版社(图书出版公司等)在策划一本书时,往往也会捎带着推荐一些相关的书,从“位置”这个角度来看,有四种方式:

    • 前后勒口,很常见,参看《干法》一书的勒口
    • 附赠书签,很多出版社都用这招
    • 夹带宣传页,比如湛庐文化经常这么干
    • 书后专页推荐,《刻意练习》(机械工业出版社)后面4个专页推荐了《终结拖延症》《每天学点时间整理术》等图书

    跟随

    你相信某个人、某个品牌、某种渠道,就愿意跟着它来选书读书。这就是跟随选书。下面是常见的跟随策略:

    • Follow读书的人,如比尔盖茨,梁文道
    • Follow读书会,如樊登读书会
    • Follow图书品牌,如磨铁、湛庐、读客、熊猫
    • Follow图书作者,如塞格利曼,张德芬,格非
    • Follow出版社,如湖南文艺,浙江文艺,中信
    • Follow排行榜,如网站、书店的销售或阅读排行榜
    • Follow朋友圈

    打造自己阅读清单的好处

    你可以在日常工作与生活中灵活运用前面四种方式来攒书单,比如看一本书,就把作者行文中提到的书、专门列出的参考书目都记录下来,比如你看一本人工智能方面的书,就检索同主题的书,记录下来……

    这样做有很多好处:

    • 省钱,你像京东、当当、亚马逊等在周年庆、读书日、双11等时间节点都会举行图书促销,你有平时攒的书单,就可以集中购买,省不少钱。
    • 节约时间,比如你在世界读书日买书,有书单就不用为了“满300”的条件而临时在网页之间跳来跳去找书,可以省很多时间,再比如你可以随时读,不用在“我该读点什么”这个问题上花费大量时间。
    • 适合自己,也许这是最大的好处了。

    光说不练假把式,行动才是王道!你现在就可以采用今天介绍的一种方法来分析本文,攒你的书单,来来来,留言说出这种方法和你使用的结果!

  • 相关阅读:
    决策树简介
    机器学习一百天-day7/11-KNN
    机器学习100天-day4,5,6,8逻辑回归
    机器学习一百天-day3多元线性回归及虚拟变量陷阱分析
    机器学习100天-day2简单线性回归
    机器学习100天-day1数据预处理
    sklearn.preprocessing.Imputer
    vue echart 中国地图 疫情图
    一周笔记
    js基础操作与方法
  • 原文地址:https://www.cnblogs.com/historylyt/p/7452597.html
Copyright © 2011-2022 走看看