前言
结束了阿根廷的学期，回到三藩市。
在入境时，海关工作人员翻着我的护照，半信半疑地问：“你怎么上了个美国大学，但却没怎么在美国，反而在全世界乱跑。”我只能苦笑着解释好半天，他才终于放我过去。
这三年折腾了不少，每隔几个月就换个地方学习或工作。每次都是好不容易习惯了一个地方，就到了不得不和刚认识的朋友告别的阶段，大多数时候是内心酸楚的，虽然笑着说后会有期，但并不知道什么时候还能再见，不得不硬着头皮又去适应新的环境。
回到大一生活过的城市，想着这几年的经历，内心难免五味杂陈，于是整理自己的思考。写着写着，干脆整理出来分享自己的拙见。
很长一段时间，我不怎么看建议性文章，觉得许多都难以应用到个人身上，有太多的幸存者偏差，或混淆变量。所以也提前声明，这些思考仅是个人经历的反思，不一定是适合所有人的建议，请大家自行判断。在这个年纪，不懂还是太多，所以也期待听到大家的建议反馈。
01见多识广的基础是需要保持开放的心态
开放性思维（open-mindedness）是我在密涅瓦大一时第一节课学的东西。三年前的我还没有理解为什么学校需要教这个，保持海纳百川的心态难道不是再明显不过的道理？
但随着分析自己或者其他人在不同情况下的反应，我慢慢开始意识到其实保持头脑极度开放是很难的，因为我们的大脑本能会阻碍自己接受别人的意见，并还会去趋向收集支持自己的信息和证据，驱使我们愿意相信自己是对的。
从现代心理学中描述人的主要性格中的五大性格特质（BigFivepersonalitytraits），经验开放性（Opennesstoexperience）是其中的特质之一。这里描述的开放性包括活跃的想象力、审美感受性、对内心感受的专注性，文化开放，以及对不同领域知识的好奇心。
我个人的理解开放性思维主要是从两个方面：一是，接受新鲜事物时不是一味地否定，而是去尝试理解，二是，认识到自己的知识盲区，能够跳出自己固有的思维模式，去换位思考。
我读到大多数优秀的人物的故事，或者周围相处的朋友，他们几乎都拥有极强的好奇心以及无比开放的心态。比如在辩论时以理服人，会为自己的错误而道歉，不会因为自己现在的年龄、拥有的某个职位或财富而认为自己高人一等。只有这样才能更理性针对性地去讨论问题的本质，并且更快速地解决问题。
02学习涉猎多种学科和领域的原则性的思维方式
我经常在网上看到许多文理科之间的如何选择，文理学院如何就业，学习人文学科或STEM专业的价值等文章。之前在国内高中读书的时候，我面临着文理科这类选择；在大学，也面临着专业的选择。
在大学的学习，最大的感受是学科之间并不是对立的，而是互补的。每个人都应该有对不同学科的基础有所了解。
很久之前在网上看到一个有趣的评论：“理工科从业者如果没有社科人文训练打底，迷恋技术和技术带来的“假装上帝感”、技术至上，就特别容易走偏疯魔。但反过来也是如此：社科人文（以及政治、法律等领域的）从业者如果没有基本的自然科学训练打底，经常会出现反智、反科学、伪科学的问题。”
具体的出处不记得了，只记得当时作者举的例子是，单纯运用统计模型，仅仅去满足人口数量达标，从而制定了一系列无视社会里人们权益的政策。诸如此类的例子还非常的多。
我很赞同查理·芒格（美国著名投资家）一直很提倡的“多元思维模型”，他认为我们需要学习重要学科的理论，并且学会去使用它们。大多数人只学习一种学科的思维方式，比如物理学，经济学，就会陷入只用一种模式去看待世界上的大多数问题的情形。
在历史学、心理学、数学、生物学、统计学、经济学等许多学科里都有重要的背景知识或者模型，可以被运用到其它的领域中，这些复合性的知识可以让我们能够看清事物的本质，以及运用更广泛的角度去洞察问题和解决问题。
上学期，我上了一门品牌战略的课，教授没有讲很多现在市场上热门的品牌理论或者营销手段，反而让我们读了很多难读的心理学，生物进化理论，甚至一些神经科学的论文，比如语义处理的传播理论，从感知到联系的社会理解机制。
过去在学习基础知识的时候，我时常担心无法运用那些看起来很抽象的“理论”和“原则”在工作中，反而去根据市场的需求而急功近利地学习一些工具或者平台的用法。在经历不同的项目实践后，发现所谓不同领域的诀窍和秘诀，都是兜兜转转回到原点。
原则性上的知识一定是可以跨领域跨学科的。不同的玩法会根据时代和技术的进步改变。比如今天在朋友圈里用分销裂变营销，明天就不一定适用了；今天学习Python，明天就可能会有更简洁的编程语言，或AI写代码，和其它我们还不知道的变化。在这个时代瞬息万变的今天，学习不同学科的底层思维方式和智慧才是以不变应万变的长期策略。
03多元化不一定是体现在国籍种族和宗教上面，而是更复杂的社会经济等其它身份层面上
美国大学都喜欢宣传自己校园里的多元化（Diversity），典型的招生手册或者
转载请注明：http://www.0431gb208.com/sjsbszl/3910.html
