快速阅读的几个真相

快速阅读是什么?有什么方法?靠谱吗?[1]

  1. 快速阅读只能帮你理解那些轻文字,比如小说,比如自助类书籍,但是对于需要理解的文字并不奏效,比如更偏学术类的文字,这类文字其实阅读速度并不是瓶颈,理解速度才是瓶颈。
  2. 第一,解剖学上的限制:眼睛运动学专家 Keith Raynor 提出人无法快速阅读到超过500字/分钟(英文),因为眼睛需要不断固定在某一个点才能看清,频繁地在文字间跳动受到物理限制,如果是一目十行地看,又受到中央小窝(Fovea centralis)的限制,如果眼球不动是无法看清周边的文字的。
  3. 第二,工作记忆的限制:普通人大脑只有 3-5 个工作区块,如果一目十行地看,就意味着在每一行内容没有被完全理解前要占用一个甚至几个工作区块,大脑内存不够。
  4. 快速阅读的另外两个观念同样存在误区,1)不要默读,而研究表明默读是理解的重要前提,那些速读高手只是默读地更快一点而已。2)用手指快速移动,事实是手指并不能加速眼球定位的速读。
  5. 结论是,一旦超过 500~600 字每分钟的阅读速度,一定是牺牲了部分,甚至大部分的理解能力的。(这是英文的速度,我找了一下不同语言的阅读速度比较[2],平均阅读速度,按单词算英文是 228 单词/分钟。中文是 158 单词/分钟 (255字)。英文按单词算,中文按字算的话,中文确实会比英文快一点,但理解信息的速度并不会更快。)
  6. 一个英语母语的大学生的阅读速度在 200~400 单词/分钟,因此,对于 500~600 单词/分钟的上限来说,确实是有一定的提升空间的。但研究表明,有很多宣称通过技术提高阅读速度的人,其实还是在损失一定理解的前提下达到的。
  7. 放弃速读,但仍然想要更快更好地阅读有什么方法吗?1)读之前先扫描一遍,知道全文概要后再开始读有助于理解。2)多读,尤其是你想快速理解的领域,掌握那些领域特有的概念有助于加速理解。3)有目的的读,在扫读之后知道自己想要从中获得什么样的信息,这样即使速读时丢失部分理解也无妨,只要在理解关键概念时放慢速读就好。4)转述,用自己的话重述你所阅读完的一个概念。

Reference

  1. Scott Young, "I was wrong about speed reading: Here are the facts" January 2015.
  2. Trauzettel-Klosinski, Susanne, and Klaus Dietz. "Standardized Assessment of Reading Performance: The New International Reading Speed Texts IReSTStandardized Assessment of Reading Performance." Investigative ophthalmology & visual science 53, no. 9 (2012), 5452-5461.

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

8个案例让数据不再撒谎

最近关于数据造假的评论很多,数据说谎的情况有两种,一种是出于某种目的,人为的将公示的数据注入一些水分;另一种“假”则是因为对业务不了解或经验的不足而在数据解读上...

2815
来自专栏数据派THU

送你10本机器学习和数据科学必读书(附PDF下载)

本文共1800字,建议阅读6分钟。 让一系列免费的机器学习与数据科学书籍开启你的夏日学习之旅吧!

2324
来自专栏PPV课数据科学社区

【学习】关于数据挖掘算法的反思

 写这篇文章,缘自于前几天部门内部成员们进行了一次部门内部现有涉及的一些算法的review以及整理。不过比较囧的就是,由于boss不在,我们讨论讨论着就成了吐槽...

3045
来自专栏大数据文摘

被《硅谷》选中的“压缩算法”,为什么说下一个机器学习杀手应用将由此诞生

移动互联网时代,人类生产的新数据正以指数级别增长,数据中心越来越大,并消耗着地球上难以想象的巨大能耗,但人类依然可能面临着“数据无处存放”的境地。

702
来自专栏人人都是极客

嵌入式机器学习处理器的技术挑战和机会

2016年12月,Vivienne Sze,Yu-Hsin Chen等(Eyeriss的作者)在arXiv上发表的文章“Hardware for Machine...

3648
来自专栏海天一树

十行代码实现一个量化交易入门程序

1 在浏览器中打开 www.joinquant.com 2 编写策略代码 点击顶部的“我的策略”,选择子菜单“我的策略”,在左侧输入python代码 def i...

3359
来自专栏AI科技大本营的专栏

Dota2团战实力蔑视人类,解剖5只“AI英雄”

去年,OpenAI 在 DOTA 的 1v1 比赛中战胜了职业玩家 Dendi,而在距离进阶版 OpenAI Five 系统战胜人类业余玩家不过一个月的时间,今...

785
来自专栏数据科学与人工智能

【数据挖掘】这些年,这些挖掘机算法,这些反思

写这篇文章,缘自于前几天部门内部成员们进行了一次部门内部现有涉及的一些算法的review以及整理。不过比较囧的就是,由于boss不在,我们讨论讨论着就成了吐槽大...

2409
来自专栏PPV课数据科学社区

【学习】Think SAS(一)

为什么你应该学Sas?本文不想卷入SAS与R,或者与SPSS、S-Plus、Matlab等统计软件孰优孰劣的争论中去,我是说,作为一个有志于投身工...

3114
来自专栏大数据挖掘DT机器学习

数据挖掘这些年,这些算法,这些反思

写这篇文章,缘自于前几天部门内部成员们进行了一次部门内部现有涉及的一些算法的review以及整理。不过比较囧的就是,由于boss不在,我们讨论讨论着就...

2826

扫码关注云+社区