YJango的头像

议论文构思的基本套路

单集封面

议论文构思的基本套路

2023-10-26
724 次观看
3 讨论
YJango的头像
YJango
粉丝:6972
主题:13
描述:16
例子:17
其他:20
字数:3529
YJango的头像
YJango
粉丝:6972

文章构思的基本方法

作业 作业题目

AI对未来行业的影响以及人们应如何应对

直播 直播地址

1 如何找到观点

1.1 概念展开

全称命题是核心

写议论文时,我们最终要表达的,多为一个全称命题(如所有人都会死)。之所以多为全称命题,是因为正确的全称命题可以帮助人们解决同类的未见情况,具有指导价值。因此这种命题作文本质上就是要作者完成一次「创造型学习」。

AI作业的全称命题 全称命题是核心

比如,讨论“AI对未来工作的影响”时,我们围绕的核心不是“Aphago让李世石丧失下棋意义”这种具体的特称命题,而是讨论“一类叫做AI的事物”对“一类叫做工作的事物”的整体性的、规律性的影响,为了是帮助我们预测“所有工作都会如何被影响”,再基于这个预测,对自己当前的工作,以及如何规划职业发展,做出相应地对策。

全体思考较难

尽管核心是全称命题,但人脑对身边事物的认识,都是由片面性的具象层面,向规律性的抽象层面,逐渐进行的,无法凭空跳跃到整体性/规律性的全称命题。所以如果一个作者被要求具象问题,往往容易有想法,但若被要求讨论从未接触过,未思考过的抽象话题,很容易“没有想法”。

决策 拆分概念思考 全体思考较难

为了让自己更容易“产生想法”,要做的第一步就是对命题中的概念进行一定程度的具象化,尽量展成不重不漏的子概念,如果子概念还是抽象,则继续展开,直到自己能联想到相应的例子为止。如果想不到,可以继续展开或换另一种视角展开。这是一种分而治之的做法。

AI作业的概念展开 拆分概念思考

比如,“AI对未来工作的影响”中,涉及三个概念:AI、工作、影响。

  • 「AI」可以展开为:「违规的AI」和 「不违规的AI」和 「中间地带的AI」

  • 「工作」可以展开为:「执行类工作」和「创造类工作」

  • 「影响」可以展开为:「正面影响」和「负面影响」

展开后,就可以有更具体的命题来思考了,比如

  • 「中间地带的AI」对「创造类工作」的「负面影响」。

容易联想到的例子有:

  • 「绘画AI」对「画师工作」的「替代」。

此时就会对「中间地带的AI对创造类工作的负面影响」有些想法了。

如果还没有想法,就可以换个角度进行展开,比如把工作展开为:

  • 「工作」展开为:「教育类」和「娱乐类」和「投资类」等等,这里拆分得不全面也没关系,尽量全面就行。

其中的「教育类」还可以再拆:

  • 「英语教学」

  • 「物理教学」

  • 「棋艺教学」

  • 「舞蹈教学」

可以联想到「Alphago对围棋教学提供了更优的策略」等等。

1.2 层级梳理

多层的优势

在上面的例子中,概念的展开是从大分类,到中分类,再到小分类,一层一层逐步进行的。这种展开方式更够让自己在展开概念时,更容易做到不重不漏。

决策 逐层展开 多层的优势

所以,可以多运用这种逐层展开的技巧。

决策 梳理子命题

如果做不到也没关系,可以先联想自己能想到的子概念,随后再将这些子概念的结构关系重新梳理起来,形成一个个子命题。

结构对归纳的影响

之所以要梳理层级关系,是因为我们最终的观点,来自于对这些实例的归纳,而归纳时所运用的实例如果层级关系混乱,会找不到共性,难以得出观点;若层级关系清晰,则更容易发现规律,得出观点。

AI作业的跨层归纳 结构对归纳的影响

比如,「AlphaGo对围棋教学提供了更强大的下法」和「中间地带的AI对创造类工作的负面影响」是没办法直接放在一起归纳的,因为二者的层级不一样,后者的抽象层级比前者更高。

AI作业的同层归纳 结构对归纳的影响

「AlphaFold 取代了生物科研的一个方向」和「绘画AI降低了平面设计的试错成本」就是同层例子,可以一起向「AI对创造类工作的影响」上去归纳。

注意 结构的作用

这里的结构并不是写作时所用的文章结构,这里仅仅是为了让你可以联想到更多的例子,激发想法而存在的。

技巧 用思维导图

可以利用思维导图进行结构梳理。

AI作业的层级梳理 用思维导图

image-20221121155304640

1.3 经验扩展

自我经验不足

但自己的经验很多时候是不足的,无法有充足的例子来归纳出可泛化的观点。

货车司机对AI 自我经验不足

比如,每天开车的货车司机,就很少关注AI,对AI就没有什么认识。

决策 上网扩充材料

这时就可以结合自己所梳理的结构,上网查询更多的具体案例。

AI作业的材料扩充 上网扩充材料

image-20221121155400628

1.4 观点归纳

观点来自数据

凭空思考是得不出观点的,没想法的原因,往往来自于没数据,以及没有对数据进行归纳总结。

看完电影后 观点来自数据

想象一下,如果自己看完一部电影,是一定会去不由自主地总结的,而一旦你总结后,就一定会产生自己的看法。

决策 从数据提炼观点

所以,当自己对某个话题没有想法时,应该去扩展自己的数据,让自己浸泡在数据中,远比“干想”、“硬想”要好用,自然会产生想法。

AI作业的观点归纳 从数据提炼观点

image-20221121155956326

扩展 科研想法

做科研的时候也是一样,很多学生会说,自己没有新的idea,然后就在那干想。正确的做法是多看论文、多搜集数据,接触的数据多了,就有idea了。

归纳容易以偏概全

但是,自己的想法,由于自己搜集的数据的不平衡,也很容易产生以偏概全的特点。

决策 多看数据多看观点

因此,可以多看看别人用的数据,看看别人的观点,从而来调整自己的观点。

AI作业的观点归纳

观看其他成员作业中的数据和观点

2 如何下笔论述

2.1 选择观点

篇幅有限

很多时候,文章的篇幅是受限的(可能来自读者的耐心,也可能来自考试的要求)。所以,需要筛选出重要的观点去表达。

决策 筛选观点

所以,需要在自己所归纳的观点中,再次筛选和提炼一下,围绕一个核心观点去表达。

AI作业的观点筛选 筛选观点

比如,这次的作业,选择主要表达的观点可以是:

  • 「AI」让「某些工作的旧方式」「被淘汰」

    image-20221121160020626

2.2 概念明确

命题基于概念

命题的成立,依赖于概念的明确。如果命题中的概念不明确,那么命题就会模棱两可,怎么解释都行。此时观点的真值不唯一,也就不构成一个合格的命题。

大众指代差异

同时,人们在使用概念时,常常是潜意识行为,不会注意自己是否错误地把作者文中的名词指代,理解成了其他的指代。

决策 明确指代 大众指代差异

所以,自己在论述命题时,可能需要先对容易搞错的概念进行明确和纠错。

AI的明确指代 明确指代

比如,在讨论“AI对未来工作的影响”时,如果人们对「AI」和「普通计算机程序」之间的差异不是很明确,甚至把「AI」和「拥有自主意识的程序」混为一谈。那么他们对于“AI对未来工作的影响”的想法就会被夸大或者被贬低。把「AI」视为「无所不能的“神”」,自然会得出“未来人类完全没价值了”的结论。那么,此时可能就需要明确一下:AI到底指代的是什么,有什么能力边界。

工作的明确指代 明确指代

又如,人们对于工作的指代也不一样。有的人觉得,

  • “种土豆”是工作,而“种土豆”的所运用的技术和方式归为工具。

  • 但有的人会认为“种土豆的所运用的技术和方式”就是工作。

前者会认为,AI替换了工具,但没有替换工作。后者却会认为,AI消灭了工作。这里的工作,实际上是两批人用同一个词指代了两个不同的概念。当然,并没有说哪种指代更好,毕竟资本主义社会中,人常常被物化成工具。这里的关键是:讨论前,先明确概念。

2.3 文章结构

决策 一句话提炼

为了让自己写文章的逻辑更加通顺和凝练,不跑题,最好在写之前,用一句话,把自己文章的核心内容提炼出来。

AI作业的一句话 一句话提炼

“AI提升了工作能力的同时,加快了技术淘汰,人们需要终身学习来跟进工具的迭代。”

整体理解

观众在读相同的材料时,会因为组织方式的不同,产生不同的理解。如果组织方式较乱,很容易无法整体理解作者的意思。

决策 帮读者结构化

所以在书写时,应该整理文章的书写结构,引导读者整体去理解文章。

AI作业的结构化 帮读者结构化

image-20221121160052620

2.4 论据填充

观众认知差异

虽然有众多论据可以论证同一个观点,但观众只能理解自己认知范围内的材料,超纲材料无法理解。

决策 拟定受众 观众认知差异

因此,在填充论据之前,最好先拟定一个受众。

AI作业的拟定受众

选择“一般大众”

由具象到抽象

我们的认识是从具象到抽象的,如果不给读者提供具象的数据,光讲述道理,读者是无法理解和建构出相同的抽象观点的。

决策 论据填充

提供具象例子

AI作业的论据填充 论据填充

image-20221121160316892

2.5 篇幅调整

实例篇幅大

相同意思的表达,用样例性材料所占有的篇幅,比描述性材料所占有的篇幅大。

决策 增减例子

想增篇幅,就增样例性材料,想减篇幅,就减少样例性材料。

宏观抽象损信息

越宏观、越高层的抽象,就越会忽略细节,导致篇幅较少。

决策 升降抽象层面

想增篇幅,就在不重要的地方,降低抽象程度,也就是提供工具体的细节介绍;想减篇幅,就在不重要的地方,提高抽象程度,用一两句话概括所有细节。

2.6 版本迭代

人类是有极限的决策 多次迭代
讨论
随记