金字塔原理小节

目录

第1章 为什么要用金字塔结构

一、归类分组,将思想组织成金字塔

二、奇妙的数字“7”

三、归类分组搭建金字塔

四、找出逻辑关系,抽象概括

五、自上而下表达,结论先行


第1章 为什么要用金字塔结构

        如果受众希望通过阅读你的文章、听你的演讲或培训,来了解你对某一问题的观点,那么他将面临一项复杂的任务。因为即使你的文章篇幅很短,比如只有两页纸,文章中也会包括大约100个句子。读者必须阅读、理解每一句话,并且寻找每句话之间的联系,前前后后反复思考。如果你的文章结构呈金字塔形,文章的思路自金字塔顶部开始逐渐向下展开,那么读者肯定会觉得你的文章比较容易读懂。这一现象体现了人类思维的基本规律:

  1. 大脑自动将信息归纳到金字塔结构的各组中,以便于理解和记忆。
  2. 预先归纳到金字塔结构中的沟通内容,都更容易被人理解和记忆。
  3. 你应有意地将沟通内容组织成金字塔结构,包括口头表达和书面表达——说话、培训、演讲、报告、述职和写文章、总结、申请、方案、计划等。

下文具体介绍如何将思想组织成金字塔结构。

一、归类分组,将思想组织成金字塔

        人类很早以前就认识到,大脑会自动将发现的所有事物以某种秩序组织起来。基本上,大脑会认为同时发生的任何事物之间都存在某种关联,并且会将这些事物按某种逻辑模式组织起来。举个例子,古希腊人眺望星空时,看到的是由星星组成的各种图案,而不是散乱的星星。这个例子证明人脑具有对事物进行归类组织的特点。大脑会将其认为具有“共性”的任何事物组织在一起。“共性”指的是weixin:maoge1209具有某种相似的共同点或所处的位置相近。再看图1-1的一个例子:

        无论是谁,一看到上面的6个黑点,都会认为共有两组黑点,每组3个。

        造成这种印象的原因主要是,有些黑点间的距离比另一些黑点间的距离大。将事物组成逻辑单元无疑具有很大的作用。为了说明这一点,

        请看下面几组彼此之间并无关联的词:

        湖泊│糖

        靴子│盘子

        女孩│袋鼠

        铅笔│汽油

        宫殿│自行车

        铁路│大象

        书本│牙膏

        现在,你试着设想一个可能使每两个词发生联系的情景,联想并将其“组织”在一起,譬如:糖在湖水中溶解,或靴子立在盘子上,等等。然后将右边的一列词盖住,只看左边一列词。你是否还能够记起右边对应的词?大多数人都可以毫不费力地做到这一点。当你听别人讲话或看文章时,也会发生类似的组织思想的现象。你会将同时出现的或位置相邻的几个思想相联系,努力用某种逻辑模式组织它们。这种逻辑模式必定是金字塔结构,因为只有金字塔结构才能够满足大脑的两个需求:

  1. 一次记忆不超过7个思想、概念或项目。
  2. 找出逻辑关系。

二、奇妙的数字“7”

        人一次能够理解的思想或概念的数量是有限的。举个例子,假设你决定离开温暖舒适的家,出去买一份报纸。

        “我想去买份报纸,你有什么要我带的东西吗?”

        妻子在你走向衣架拿外衣时说:

        “太好了,看到电视上那么多葡萄的广告,我现在特想吃葡萄,也许你可以再买袋牛奶。”

        你从衣架上拿下外衣,妻子则走进了厨房。

        “我看看咱们家的土豆够不够。对了,我想起来了,咱们已经没有鸡蛋了。我看看,对,是该买一些土豆了。”

        你穿上外衣向门口走去。

        “再买些胡萝卜,也可以买些橘子。”

        你打开房门。

        “还有咸鸭蛋。”

        你开始按电梯。

        “苹果。”

        你走进电梯。

        “再买点儿酸奶。”

        “还有吗?”“

        没有了,就这些了。”

        如果不重新读一遍上面的文字,现在你还能记住妻子让你买的9样东西吗?大多数男人回家时可能只买了报纸和葡萄。出现这种情况的主要原因是你遇到了“奇妙的数字7”。这个术语是由乔治·A·米勒在他的论文《奇妙的数字7±2》中提出的。米勒认为,大脑的短期记忆无法一次容纳约7个以上的记忆项目。有的人可能一次能记住9个项目,而有的人则只能记住5个。大脑比较容易记住的是3个项目,当然最容易记住的是1个项目。这就意味着,当大脑发现需要处理的项目超过4个或5个时,就会开始将其归类到不同的逻辑范畴中,以便于记忆。在上面的例子中,大脑很可能会将需要购买的物品按超级市场的不同区域归类。

三、归类分组搭建金字塔

        为了说明这种方法的作用,请看以下采购清单。每看到一种食品时,就按以上方法将其归类。这样就很可能够记住所有的9种食品:

        葡萄  橘子

        牛奶  咸鸭蛋

        土豆  苹果

        鸡蛋  酸奶

        胡萝卜

        如果你试着想象一下这个过程,就会发现,你已经建立了几个在各项目之间有逻辑关系的金字塔结构,如图1-2所示:

四、找出逻辑关系,抽象概括

        仅以逻辑方法将思想或概念分组是不够的,还必须找出其逻辑关系。分类的作用不只是为了将一组9个概念,分成每组各有4个、3个和2个概念的3组概念,因为这样合起来还是9个概念。你所要做的是提高一个抽象层次,将大脑需要处理的9个项目变成3个项目。这样做以后,你无须再记忆9个概念中的每一个概念,而仅需要记忆9个概念分别所属的3个组。

        这样,你的思维的抽象程度就提高了一层。由于处于较高层次上的思想总是能够提示其下面一个层次的思想,而且这种关系不像前面的例子中编造的湖泊与糖的关系那样牵强,因而也更容易记住。所有的思维过程(如:思考、记忆、解决问题)显然都在使用这种分组和概括的方法,以将大脑中的信息组成一个由互相关联的金字塔组成的巨大的金字塔群。如果你需要与习惯用这种思维方式的人交流,你要做的就是确保你所说的内容符合其金字塔体系中的某一部分。

        现在谈一谈实际的表达呈现问题。如果你清楚地“了解”这些思想或weixin:maoge1209概念组,那么,将这些思想或概念组与别人交流,要使对方同样“了解”这些思想或概念组。正如前面买东西的例子一样,你只能一项一项地提出各个概念。但是,研究发现,最有效的表达方法是:先提出总的概念,再列出具体项目,即要自上而下地表达思想。

五、自上而下表达,结论先行

        理清表达思想的顺序,是写出条理清晰文章的最重要方式,而清晰的顺序,就是先提出总结性思想,再提出被总结的具体思想。先总结后具体的表达顺序,你必须牢记。受众的大脑只能逐句理解作者(演讲者、培训讲师)表达的思想。他们会假定一同出现的思想在逻辑上存在某种关系。如果你不预先告诉他们这种逻辑关系,而只是一句一句地表达你的思想,读者就会自动从中寻找共同点,将你所表达的思想归类组合,以便了解各个组合的意义。

        由于受众的知识背景和理解力千差万别,他们很难对你所表达的思想组作出与你完全一样的解读。事实上,如果你不预先告诉读者某一组思想之间的逻辑关系,他们很有可能会认为某一组中的思想之间根本没有任何关系。退一步说,即使受众能够作出与你完全一样的解读,你也增加了他们阅读的难度,因为他们必须自己找出这种你没有提前说明的逻辑关系。下面我举例说明,除自上而下的顺序外,任何其他顺序都可能造成误解。假设我和你正在酒吧喝酒,突然我对你说:“上个星期我去了趟苏黎世。你知道,苏黎世是一个比较保守的城市。我们到一家露天餐馆吃饭,你知道吗?在15分钟里我至少见到了15个留长胡子的人。”我说这番话是向你传递了一个信息,但是我并没有意识到,你会主动地推测我向你传递这个信息的原因。也就是说,你会将我说的这番话看做是一组还未表达出的思想的一部分,你会假设某种可能的原因,并据此调整你的思路,准备接着听后面的话。这种预期性的准备能够减轻大脑分析信息的负担,因为你没必要分析随后接收的每一个信息的所有特征,而只需寻找与前面信息相同的特征即可。

        于是,你可能会认为,“她在谈论苏黎世已经变得不再保守”,或“她准备把苏黎世与其他城市作比较”,甚至“她很喜欢男人的长胡子”。无论你有什么反应,你的大脑都在等待以上话题进一步的信息,而不管后续实际的信息如何。我看到你一脸茫然,就接着说:“而且,如果你在纽约的任何一座写字楼周围转一转,你会发现几乎没有不留长胡子或长头发的人。”现在我想表达什么意思呢?我似乎并不是在比较城市,倒像是在比较城市中的职场白领们;而且我想表达的似乎也不只是胡子,还包括各种面部毛发。这时你也许会认为,“也许她不喜欢男人留长胡子;也许她想比较不同职场白领留胡子的方式;也许她对正规机构如此容忍员工留胡子感到奇怪”。不管怎样,你含混地嘟哝了几句,算是对我说的话的反应,于是我不得不接着说下去:“当然,留长胡子在多年以前就已经是伦敦街头的一景了。”“噢,”你想,“我终于明白她想说什么了。她想说伦敦在这方面比其他城市更开放。”于是你把你理解的意思告诉了我。你的理解在逻辑上完全合理,但根本不是我想表达的意思。实际上,我想表达的意思是:你知道吗?我简直难以相信,在商业界,男人留长胡子或长头发已经这样普遍,这样被广泛接受:在苏黎世……在纽约……weixin:maoge1209还有,在伦敦……看,一旦告诉你判断每句话之间关系的框架,你就可以很容易地用我希望你采取的方式理解我表达的这组思想。

        读者在接受信息时,总是在寻找一种能够将所摄入信息联系起来的结构。为了保证读者找到的结构就是你希望他采纳的结构,你必须提前把这种结构告诉他——这样他就知道要寻找哪个共同点。否则,读者很可能会发现某些并非你希望的逻辑关系,甚至可能根本发现不了任何逻辑关系,这样既是在浪费你的时间,也是在浪费读者的时间。请看下面这篇关于男女同工同酬文章的开头。这个例子就是一个读者找不到逻辑关系的例证:即使女员工能与男员工一样得到同工同酬待遇,女员工的处境也可能比以前差——与现在相比,女员工和男员工的平均收入的差距将不会缩小,反而会加大。对雇主来说,同工同酬指的是,为相同的岗位或相同的工作价值支付相同的报酬。采用任何一种解释都意味着:驱使雇主为自身利益采取行动;或者通过多雇用男员工抵制限制性措施。虽然这段文字的作者自认为是“自上而下”表达的,但这段文字向你提供的5种思想之间并无清晰的逻辑关系。

        你是不是为了试图找到各种思想之间的联系而绞尽脑汁,最后仍不得不因为实在找不到相互联系而愤然放弃?这种繁重的思考负担是常人难以承受的。无论读者的智商有多高,他们可利用的思维能力都是很有限的。一部分思维能力用于识别和解读读到的词语,另一部分用于找出各种思想之间的关系,剩下的思维能力则用于理解所表述思想的含义。你可以通过有效的方法表达你的思想,减少读者用在前两项活动上的时间,从而使读者能够用最少的脑力理解你表达的思想。

        相反,如果读者必须不断地在上下文中寻找某种联系,那么这种呈现思想的顺序就是不适当的,大多数读者也会对不断寻找句子之间的逻辑关系感到厌烦。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/168295.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

自动计算零售数据分析指标?BI软件表示可行

随着BI技术的飞速发展,借助系统来计算分析指标也不是什么难事,即便是面对组合多变的零售数据分析指标,奥威BI软件也依旧可以又快又精准地完成指标计算。 BI软件可以自动计算零售数据分析指标,如销售额、库存量、订单量等。在计算…

超简单的Linux FTP服务搭建教程

目录 前言1、检查vsftp是否已安装2、安装vsftpd3、启动ftp服务4、测试ftp服务5、上传文件配置总结 前言 本文记录了在Kylin Linux Desktop V10(SP1)系统上搭建FTP服务的过程。FTP是File Transfer Protocol的缩写,译为文件传输协议,是用于在网络上进行文…

Postman的环境变量和全局变量

近期在复习Postman的基础知识,在小破站上跟着百里老师系统复习了一遍,也做了一些笔记,希望可以给大家一点点启发。 多种环境:开发环境、测试环境、预发布环境、生产环境,可以用环境变量来解决。 今天的分享就到这里&a…

【Azure 架构师学习笔记】-Azure Storage Account(5)- Data Lake layers

本文属于【Azure 架构师学习笔记】系列。 本文属于【Azure Storage Account】系列。 接上文 【Azure 架构师学习笔记】-Azure Storage Account(4)- ADF 读取Queue Storage 前言 不管在云还是非云环境中, 存储是IT 系统的其中一个核心组件。在…

Python和BeautifulSoup库的魔力:解析TikTok视频页面

概述 短视频平台如TikTok已成为信息传播和电商推广的重要渠道。用户通过短视频分享生活、创作内容,吸引了数以亿计的观众,为企业和创作者提供了广阔的市场和宣传机会。然而,要深入了解TikTok上的视频内容以及用户互动情况,需要借…

Win11专业版安装Docker Desktop,并支持映射主机的gpu

一、Windows环境下安装 Docker 必须满足: 1. 64位Windows 11 Pro(专业版和企业版都可以) 2. Microsoft Hyper-V,Hyper-V是微软的虚拟机,在win11上是自带的,我们只需要启动就可以了 二、下载Docker Desktop安装包 方式一:进入官网下载 https://docs.docker.com/desktop…

学习c#的第四天

目录 C# 变量 C# 中的变量定义与初始化 接受来自用户的值 C# 中的 Lvalues 和 Rvalues 不同类型变量进行运算 静态变量 局部变量 C# 常量 整数常量 浮点常量 字符常量 字符串常量 定义常量 扩展知识 Convert.ToDouble 与 Double.Parse 的区别 静态常量和动态常…

微软和Red Hat合体:帮助企业更方便部署容器

早在2015年,微软就已经和Red Hat达成合作共同为企业市场开发基于云端的解决方案。时隔两年双方在企业市场的多个方面开展更紧密的合作,今天两家公司再次宣布帮助企业更方便地部署容器。 双方所开展的合作包括在微软Azure上部署Red Hat OpenShift&#xf…

drawio连接线的样式设置

drawio是一款强大的图表绘制软件,支持在线云端版本以及windows, macOS, linux安装版。 如果想在线直接使用,则直接输入网址draw.io或者使用drawon(桌案), drawon.cn内部完整的集成了drawio的所有功能,并实现了云端存储,以及在线共…

RetroMAE论文阅读

1. Introduction 在NLP常用的预训练模型通常是由token级别的任务进行训练的,如MLM和Seq2Seq,但是密集检索任务更倾向于句子级别的表示,需要捕捉句子的信息和之间的关系,一般主流的策略是自对比学习(self-contrastive …

Vscode Vim自动切换

在VsCode里安装了Vim插件,由于Vim插件存在Normal和Insert两种模式,会需要经常性的按shift切换中英文,太过麻烦,本文介绍一下如何通过im-select来解决。 首先先确保自己的电脑里装有英文语言包,win10系统下可以使用Win…

PanNet: A deep network architecture for pan-sharpening(ICCV 2017)

文章目录 AbstractIntroduction过去方法存在的问题我们提出新的解决方法Related work PanNet: A deep network for pan-sharpening(PanNet:用于泛锐化的深度网络)Background and motivationPanNet architectureSpectral preservationStructural preserva…