你不能一辈子都在别人的教导下学习 。
考虑一个典型的场景 。 在学校 ， 老师递给你一份教学大纲 。 它列出了你要学习的所有主题 。 最后 ， 你们会根据这个列表参加考试 。
实际生活中 ， 并没有人提供给你这样的列表 。
在现实中 ， 学习永远是无界限的 。 你不能问：“这个会在期末考试中出现吗？”
学习科目无界限没有界限的学习是一种完全不同的挑战 。
一个类比来自计算机科学 。 在搜索某个内容时 ， 可以使用两种策略：深度优先或广度优先 。
广度优先的方法是扩展 。 首先探索附近的 。 如果不行 ， 再选择一个方向再散开 。
如果你所探索的空间是有限制的 。 比如一个用栅栏隔开的花园 ， 这两种方法都有效 。 最终你将覆盖整个区域 。
如果你所探索的空间是无边界的 ， 就像一个广阔的开阔平原 。 这种等价性就失效了 。 此时进行深度优先 ， 你可能会绕一个无限长的弯路 ， 永远也找不到你要找的东西 。
但如果你是在无界限学习 ， 不同的策略可能会产生截然不同的结果 。 选择不当 ， 你可能会被困在一条永远不会通向你的目的地的道路上 。
一般来说 ， 我们首先学习最有用、最基本、最广泛适用的概念 ， 然后再学习深奥的、高级的或专门的概念 。 但是具体的领域学习方法并不相同 。
以下是针对三个不同领域的三种不同方式：
从一门课程或教科书开始 。 为学习者设计 ， 这些将提供一个入门点 ， 不总是假定预先的专业知识 。 转向文献综述和元分析 。 对于更具体的主题 ， 可能不存在课程 。 综述和元分析将许多不同的研究结合在一起 ， 这样就可以在你深入挖掘之前概述一篇文献 。 遵循引用路径 。 在这些调查之后 ， 跟踪引文 ， 以反复出现的论文为中心 。 大量的引用表明一篇论文被其他专家认为比其他论文更重要或更有基础 。即使是一个小问题 ， 通常也会有成千上万的论文 。 你的搜索策略决定了你对某个领域的理解和困惑 。
