前言你有曾經利用維基百科查找一個陌生專有名詞的意思嗎?原本只是想查它的意義,但在查找過程中你發現必須了解更多相關的專有名詞才能解釋他。你想著也許再往下了解一層,就能理解該專有名詞的意義,於是你又點進了下一個專有名詞的連結。結果,分支越來越廣,沒辦法收斂,你被引導到了更多的專有名詞、定義、解決方法、參考資料。海量的資訊過於發散導致你無法聚焦在一開始的問題上。對我來說,像這樣流浪在維基百科裡,就是盲目地做研究的縮影。研究、思考型創作、學習 都屬於開放式過程 (open-ended process),亦即是非線性的,我們必須不斷地在不同工作項目之間切換。 — — How to Take Smart Notes這類開放性的工作會面臨一些挑戰:接收到的資訊會是破碎的、片面的、偶爾會有驚喜的。大腦的思考是跳躍的。靈感來的快,去得也快。工作內容不是例行的、可預期的,你隨時要根據當下的情況調整下一步要執行的動作。舉做研究為例,在做完實驗後得到的也許不是結論,而是更多的問題;文獻回顧尋找別人的解決方法,卻發現解法不只一個,待解決的問題從 what 變成 which。這個世界太廣,資訊太多,如果我們在做研究的時候也用像是瀏覽維基百科的方式進行,可以預期很快就會流失在茫茫的資訊深淵裡。所以這篇文章,我會分享我是如何利用Hepta設計自己的研究流程,來避免上述情況,以及我是怎麼找到這個流程的。再繼續讀下去之前,如果你對Hepta是什麼感到茫然,我建議你可以先閱讀Heptabase 共同創辦人暨執行長 詹雨安的這篇文章,或是他們的Youtube官方影片。礙於篇幅,我不打算在這裡詳細介紹Hepta的功能,雨安的文章有助於你了解Hepta提供了什麼樣的環境給使用者,以及他的工作流,同時,他也激發了我對現階段工作流程的思考,間接促成了這篇文章的誕生。從需求出發身為一個研究生,我希望Hepta能夠協助我完成以下需求紀錄我讀過的論文內容、我的看法紀錄我做過的實驗、得到的數據、結論能夠整合過去的經驗,深入思考某些主題每次meeting前能快速整理出 weekly report明年寫碩士論文的時候有足夠的資料可以回顧我的工作流1. 紀錄第一步,我利用daily journal功能流水帳的記錄下當天各種研究筆記,可能包括讀到論文裡感興趣的內容、做實驗的改動、得到的各種數據、結果、自己的心得等等。基本上就是紀錄一天的研究足跡,想到什麼就寫什麼,這個階段不需要考慮格式、分類等問題,我只用bullet point以及分隔線做簡單的區分而已。隨便挑一天的daily journal筆記你會發現大腦的思考是很跳躍的,我可能一下在思考改進流程、一下在整理實驗結果,甚至是自己的murmur。daily journal的內容是雜亂無章的,我把分類的流程往後移,目的是讓記錄筆記的當下不需要先煩惱該筆記應該要存放在哪裡才適當,降低寫筆記的摩擦成本。2.整理與分類在當天離開實驗室之前,我會整理今天產生的daily journal,把其內容分類到3張白板裡:實驗記錄、參考資料、未來預期。整理時需盡可能補充完整的脈絡,因為daily journal裡的內容都是快速地記錄,有時候會沒頭沒尾的,如果後續回顧卻看不懂自己在寫什麼就沒意義了。實驗記錄包括:實驗改動結果結論猜測、假設參考資料包括:論文網路文章未來預期包括:某種做法也許能解決現有問題現在做法可能存在問題靈感現在用不到,但未來可能有用的知識3. 利用這些處理好的卡片進行工作使用雙向連結建構知識的網絡一張卡片在不同的脈絡可能會扮演不同的腳色。同一張卡片在A脈絡可能是一個結論,但是在B脈絡可以拿它來當作補充說明。當我們為卡片之間建立連結,可以在卡片資訊欄一覽它提及哪些卡片或被提及,亦即之後能夠往回探索它被應用在哪些脈絡中,快速找到它跟哪些卡片是有關聯的。實例:實驗訓練成果很不好,而我之前讀過的某篇論文使用了一種預先處理方式來提高訓練成效,此時就可以在實驗記錄卡片裡與該參考資料卡片做雙向連結互相提及。卡片資訊欄 (gradual reward v.s. sparse reward 這張卡片被其他三張卡片提及)利用白板深入思考難題或是探究子專案。開一個新的白板,把要探究的相關卡片,包括做過的實驗、查到相關資料的卡片、想法等等一起抓進去思考,尋找合適的解法後,再去執行,如果你讀過<How to Take Smart Note>這本書,這個做法很近似書中提到的「專案筆記」實例:我的研究主題「增強式學習」,有個實作上的難處:「reward function 的設計」。簡單提一下reward function的意義,他用於規範當機器做出行為決策後,要給予什麼樣的回饋,是獎勵呢?還是懲罰?舉個現實層面的例子,如果你想要教導狗狗學會坐下,你的策略會是在他坐下時給予餅乾,還是在他不坐下時給予懲罰呢?100個狗主人可能有100種訓練方針,有好的策略也有不好的。從上述舉例你可以了解到reward function的設計是非常彈性的,但彈性意味著沒有標準答案,也許有一些大方向的設計準則可以參考,但要找到合適的reward function用於機器學習並不容易。因此,我把「如何設計reward function」當作我研究的一個子專案,開啟一個新白板專門研究這個問題,把過去各個白板整理好的卡片,包括從網路文章得到的經驗、我實際做實驗得到的結論、別人論文的作法等等全部拉到同一個平面檢視,為卡片建立關聯、交織出脈絡,進而歸納解決問題的方法,或是自己獨到的見解。把各種相關的卡片拉到同一平面思考製作weekly report每次要報告之前,我只需要快速地從這些整理好的卡片裡,利用卡片複用的功能,拉到weekly report的白板裡匯報給教授,還可以省下做ppt的時間。一樣是隨便挑了一天的weekly report截圖寫論文的參考資料寫筆記應該被視為寫作的事前準備工作,寫作的起點不是從一張白紙或是空白的word畫面開始的,而是從接收資訊、留下筆記開始。大腦不善於記憶,要開始起草碩士論文時,如果沒有留下這些筆記,怎麼可能在面對空白頁面的當下想起這些曾經已經大把花時間咀嚼、消化過的寶貴資訊,且有條理的寫進論文裡呢?持續地留下能夠復用的筆記,資料庫就會日益壯大,未來要寫論文的時候,就可以有相當多的內容以及自己的論點能夠作為參照資料。開始運作這個工作流後,我還發現了一個意料之外的好處,當隔天回到工作崗位時,可以藉由昨天留下來的筆記,快速回想起上次休息前的進展,類似閱讀夾書籤紀錄看到哪裡的概念,藉此快速進入工作狀態。我是如何找到研究工作流的?其實我一開始是非常茫然的,我在讀完雨安的文章後開了一個白板想找出我的研究工作流,並試著從不同的角度切入去思考可能的方案,包括整理Alan的工作流重點、卡片之間的關係,研究他的使用方式。從我的資訊流( input → output )思考資料間的關係。以及從產品提供的功能出發(白板、卡片複用、雙向連結)。然而,即便有這麼多的參考資料,我還是沒能規劃出流程。我陷入了一個瓶頸,我不知道該以什麼維度去分類筆記,該以時間軸下去區分?使用到的技術?還是依照卡片盒筆記法的靈感筆記、文獻筆記、永久筆記?我甚至嘗試套用雨安整理用戶需求採用的方法,但完全行不通。突破這個瓶頸的方法,其實意外的簡單,just do it ,實際去紀錄。我決定先用流水帳的方式密集的紀錄一個禮拜來找出自己會寫下哪些類型的筆記,然後仔細觀察這些被我留下來的卡片,沒想到很快地就歸納出了分類。這讓我體悟到,想要開發一套適合自己的工作流,並不是坐在電腦前空想、套別人的模板就會自己生出來的,你當然需要研究別人的user cases、讀一些相關資料,但最重要的是你的需求與用途是什麼? 實際下去紀錄與執行,能夠幫助你看得更清楚,在研究時思考工作流程,在設計工作流時回顧研究細節,兩者是會互相迭代改良的。想當然,這個剛被開發出來的流程一定不會是最佳的工作流,或許之後會需要更多的分類才能完成任務、或許會發現別人採用了不同流程而且效果更好,不過當我們把工作流程勾勒出來並持續運作,往後就能進一步的針對整個系統做更加完善的修正與打磨。結語以上就是我的工作流程分享,如果對你有幫助,請幫我按下鼓掌。祝各位都能找到專屬的工作流程,加速工作效率也提升自己的價值。參考資料雨安的文章How to do research with modern note-taking tools?podcast星箭廣播 162:思考本身比寫下什麼更重要:卡片盒筆記實戰經驗分享(ft.小朱)書籍<How to Take Smart Notes> / <卡片盒筆記>