今年給自己的階段性目標大概是更新自己的學習方式，學東西、資料處理看看能不能有更好的辦法，畢竟，要學得東西太多了，希望能更快速促進縱深的理解；也希望知識間能有足夠清明的連結；另外則是逐漸有機會可以上台說話，不論演講、工作坊或是團體，更需要拆解與拼裝自己所學的內容，想準備一個足夠深度與廣度的內容總是過程曠日廢時，好像總是從頭來過。
所以重新學學習這件事就被我排在最優先的位置了。
資料蒐集整理
從我自己的狀況開始了解。我的學習方式會比較久而縱深，但這個深入的過程很花時間，而這樣的理解方式似乎也因為不夠扁平，沒辦法快速綜覽重點或應用讓我始終很困擾(費時、使用不便)，有時候是卡在某個點無法綜覽全部，卡在一些知識點過不去；有時候則是不確定學得是否足夠深刻或理解知識之間的關係。
簡單來說就是要學新的東西、自學或是就比較辛苦；要跟別人介紹也很辛苦。
重新思考學習這件事，我想知道學習方法/理論以及資料整理的方式
看看人家的學習方法，比較常用的包含康奈爾學習法、GTD工作法、費曼學習法等等，而這些學習方式各有側重的優點，反過來說，這些側重的部分就是學習裡需要完成的重要任務。一個新東西進來，我若能夠妥善回答與完成這些重點，那我就算初步掌握重心。
問與答
另外看看資料的整理方式，以往就學階段就是抄筆記，邊抄邊記，抄完忘記；後來會更重視學習現場的參與以及了解知識之間的邏輯，但當學習的內容變多變複雜，就需要處理資料之間的階層與關聯性，來使得知識之間變立體而可被分割、關聯、運用與編輯。
樹狀圖、心智圖、子彈筆記，使得資料得以在知識體系裡面找到位置以及促成理解，形成疑問，就可以透過問題討論知識點之間的影響關係，來形成一些見解。
或許是因為學習的領域在社會人文科學，在多元真實或社會建構的脈絡中，學問透過學與問來建構，這個過程很時間很長，但透過AI能夠節約一點時間聚焦與靠近自己的時間心力。
避免肯證
用AI來操作匯整的功能算滿方便的，這個問答過程中形成的見解可以被存起來，也能夠比較不同的見解與概念，這在學習時比較相近但不同脈絡生成的概念時尤其有用。
但這個過程要避免肯證的偏誤，也就是AI總是在讚美你的理解，畢竟生成式AI是根據Token在玩這些資料來生成回應，不是真的理解、或是會生一些錯誤亂填充的回應。把這些內容在過篩一遍，就顯得重要。
但這建立在自己能夠分得清楚的情況下，我才能使得我在這個過程裡面持續保持學習歷程中主導的位置。
記錄
摘要成重點，並操作學習方法把這些知識的脈絡與結論給整理起來。
初步試作
找一個人教、說給對方聽，看看是否聽得懂或是有沒有缺漏，也確保自己的足夠到可以形成言說。
實踐與操作應用
開始拿這一套流程來試試看拆解書籍上學習到的新內容，也拿來學習其它自己沒接觸的領域。學本科好一點，但到最後閃不過的仍然是要自己繪製關聯圖來釐清知識之間的脈絡，這個就算找AI的繪圖也沒什麼幫助，需要自己建立這一塊的理解，省不了。
拿來學比較陌生的領域，則會麻煩一點，能快速累積初步的理解，但在問答與避免肯證這邊做得就不是太好，比較修正的作法大概是找一份教材來建立知識的基本框架，再來針對學習中遇到的問題深入。
但即便如此，還是初步解決困擾我非常久的難以精要地自我介紹我以及整理自己的諮商地圖，並與心理病理學連結，到這裡學習就告一段落。
總結
這段歷程陸陸續續的花了我兩個月多，從1月擬定好計畫，2月執行到3月底，好像把學過的東西又再爬梳了一遍。重新可以繼續學新的東西了。
另外因為使用的全部都是免費的工具，付費版的GPT增加的研究功能、知識整理工具Heptabase跟Obsidian都能再促進這些問題得到解決。只是過往很長一段的學習時間仰賴紙本筆記，對於電子化筆記的可親性很低，做完時常忘記，加上歸類電子化的文檔也是另一項需要學習的功課，在這個過程裡時常打斷學習的心流，所以暫時先擱置。
回顧這一段實驗性地摸索與嘗試錯誤的學習歷程，刻意練習使用AI並嘗試將AI工具放入，也順帶地增加了對於AI使用的可親性，整體來說是超過原先的預期的，也更清楚這一部分的技能要繼續鍛鍊可以往哪些方向優化，感受自我的獨創與逐漸擴張，為此感到內心的雀躍、振奮與充實，是時候繼續下階段的學習任務了。
最後，我把實作的對話過程節錄成文章參考留存，我把這些歷程放成限時的，有興趣可以再滑過去看看。
