神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：离开校园之后的学习是一个等待你去探索的无限空间。你不可能再去问：我学这个考试会考吗？现实情况下，任何内容都有可能会出现在你人生大大小小的“考试”中，而且可能是在一个任意的时间点突然出现。不同的学习策略会产生截然不同的结果，如果方法选择不当，那你可能永远都到不了目的地。本文作者Scott Young 引导我们正确看待“学习”，并就不同的学习主题给出了不同的方法策略，几乎覆盖了我们生活中的所有学习类型。原文标题“How to Quickly Extract the Best Insights from a Huge Topic”。
对于怎样去学习，我们似乎一直有一种误解。
我们只想着像上学时那样，准时出现在课堂，然后老师会给我们列出课程提纲，告诉我们哪些是重点，哪些是非重点，哪些又是热门考点。你只需要根据老师的指导有所侧重的“学习”，准备最后的考试。
之所以说是一种“误解”是因为现实生活的学习绝对不是这样一种模式。
离开校园之后的学习是一个无限的过程。你不可能再去问：我学这个考试会考吗？现实情况下，任何内容都有可能会出现在你人生大大小小的“考试”中，而且可能是在一个任意的时间点突然出现。如果你没有为此做好准备，那很遗憾，这不是生活的问题，而是你的问题。
学习是一个无限待挖掘的空间领域 没有界限的学习是一种很大的挑战。为便于理解，我们可以以计算机科学为例：搜索内容的时候，我们可以采用两种策略：深度优先或者是广度优先。所谓深度优先也就是说先选择一个分支路径方向，不断向下深入挖掘。当这条路走到尽头时，再回到起点进行下一个分支路径的挖掘搜索。而广度优先又被称为层次优先，搜索覆盖领域先呈分散状展开生成第一层节点，检查目标内容是否存在，如果没有找到，那就将第一层节点逐一扩展，再次呈分散状展开，得到第二层节点。如此依次扩展，直到发现目标内容为止。
如果你要搜索的空间是有限的，比如说是一个用篱笆围起来的小院，那这两种方法都可以使用。无论你采用哪一种方法，最后都可以覆盖整个院子区域。但如果你要探索的空间是无限的，比如说是广袤的草原，那这两种方法之间就会呈现出差异化效果。在这种情况下，如果你选择深度优先策略，那你可能会走上一条无限长的弯路，但永远找不到自己想要的东西。
同样，学习也是如此。如果像在学校里那样你只需要通过考试，那根据老师给你的重点内容，有的放矢去准备即可，路径并不重要，因为这种情况下，你所需要探索的只是一个有限区域，覆盖整个教学大纲的内容即可。
但你肯定知道，离开校园后的学习其实是等待你去探索的一个无限的空间领域。不同的策略会产生截然不同的效果，如果选择不当，那你可能永远都到不了目的地。
如何有效学习 可能你想学对于你的职业生涯有所助益的内容，学习所有的计算机科学概念，让自己成为一名更优秀的程序员，或者是学习一门新语言，打开更多的交流路径，那这些其实都属于无限学习范畴，你认为我们应该采用哪一种策略？
一般来说，我们都会先去学那些最有用、最基础，同时应用频率又很高的内容，然后再转向更深奥、更高阶或者是更专业的内容。那具体如何去做呢？接下来我们从三个不同的学习方向来逐一探讨这个问题：
1、 学术研究：看引用
如果你正在学习的是一门学术课程，那学习目标空间领域应该覆盖论文、书籍和课程。而在这种情况下，以下策略有助于提升学习效果：
从课程或教科书起步。课程和教科书面向的就是学习者，也是专门为学习者而设计。它们可以为学习者提供一个合适的切入点，一个并不需要你掌握多少相关知识就可以理解和掌握的切入点。
关注文献综述和元分析。对于一些非常具体的主题，可能我们找不到专门的学习课程。而文献综述和元分析由于结合了许多不同的研究，因此在深入挖掘某一主题之前可以通过这种途径先让自己对不同的研究方向有一个大体的了解。
关注引用频率高的论文。关注那些被一次又一次引用的论文，引用频率高就表明这篇论文是领域内专家公认的一篇重要文献，或者是必需的基础性文献。
即便是一个非常具体的细化主题，通常也有长千上万的相关论文去探讨这一主题。因此，是逐渐明朗，掌握一个领域，还是依然困惑，摸不着头脑，这都是由你的搜索策略所决定。