مدیریت دانش شخصی (PKM)

مدیریت دانش شخصی مجموعه ای از فرایندهاست که هر فرد برای جمع‌آوری، سازماندهی، بازیابی و اشتراک دانش خود به کار می‌برد.

این سیستم کمک می‌کند تا اطلاعات را به صورت منظم طبقه بندی کنیم تا در زمان مورد نیاز به راحتی در دسترس باشند و بتوان از آنها استفاده کرد.

در این فرایند فرد تلاش می‌کند اطلاعات را به دانشی مفید تبدیل کرده و به بالاترین سطح آگاهی و خرد برسد.

چرا به مدیریت دانش شخصی نیاز داریم؟

در دنیای امروز ما با حجم زیادی از اطلاعات مواجه هستیم. روزانه هزاران داده از تلویزیون، رادیو، گوشی‌های هوشمند، بازی‌های ویدئویی، روزنامه‌ها و رسانه‌های دیگر به سمت ما سرازیر می‌شوند.¹

بسیاری از این اطلاعات را فراموش می‌کنیم، نمی‌دانیم کجا ذخیره‌ شدند. گاهی محتوای بی‌فایده جمع می‌کنیم و بین انبوه داده‌ها سردرگم می‌شویم. در نتیجه آموخته‌هایمان به دانش مفید تبدیل نمی‌شوند و در عمل از آن‌ها بهره‌ای نمی‌بریم.

با این وجود، چالش دانش کسب آن نیست. در عصر دیجیتال در هر زمانی می توانید هر دانشی را کسب کنید. چالش این است که بدانیم چه چیزی ارزش یادگیری دارد، چگونه داده‌ها را طبقه‌بندی کنیم و چطور آن‌ها را به‌کار بگیریم و به دانش مفید تبدیل کنیم.

امروز دانش به کالایی تبدیل شده که همه به آن دسترسی دارند. تسلط موتورهای جستجو و هوش مصنوعی به مراتب از ما بیشتر است. پس در این دوره دانستن قطعه‌ای از دانش مزیتی ندارد. در این عصر داشتن خرد و حکمت اهمیت پیدا می‌کند. ²

مدیریت دانش شخصی راهکاری است که می‌تواند از آشفتگی ذهنی و انبارکردن اطلاعات جلوگیری کند. مدیریت دانش کمک می کند داده‌های مفید را ذخیره کنیم، به آن‌ها معنا بدهیم و از آنها برای تصمیم‌گیری بهتر در زندگی استفاده کنیم.

چگونه دانش شخصی را مدیریت کنیم؟

مغز طبیعی ما به تنهایی قادر به پردازش و مدیریت این حجم از اطلاعات نیست. پس باید یک مغز دوم³ بسازیم و فرایندها و اقدامات لازم را به آن واگذار کنیم. امروزه با ابزارها و نرم‌افزارهای مختلف به راحتی میتوان اینکار را انجام داد. پس ما فقط باید فرایند های لازم را طراحی کنیم و با کمک ابزارهای دیجیتال آن ها را اجرا کنیم.

در مدیریت دانش تلاش میکنیم با پیروی از الگوی هرم دانش (DIKW pyramid) داده‌های دریافتی را به دانش مفید و خرد تبدیل کنیم.⁴ در این هرم چهار بخش وجود دارد: داده‌‌ها، اطلاعات، دانش و خرد.

به این ترتیب، در مدیریت دانش شخصی دریافت داده‌ها با دقت خاصی انجام می‌شود تا داده‌های بیهوده ذهن ما را اشغال نکند. داده‌های مفید که جواز ورود را کسب کردند بر اساس تکنیک‌های ویژه‌ای ذخیره و سازمان‌دهی می‌شوند. فرد با ارزیابی و به‌کارگیری اطلاعات آن‌ها را به دانش کارآمد تبدیل می‌کند و به همین ترتیب تلاش می‌کند تا به بالاترین سطح دانش یعنی خرد برسد.

Yellow0

⚠️ لزوما قرار نیست همه داده‌ها این مراحل را طی کنند. بعضی از منابع اصلا ارزش این همه وقت گذاشتن ندارند. ممکن است بعضی از داده ها در مرحله اطلاعات باقی بمانند. همه مطالب قرار نیست به بالاترین سطح برسند. به قول فرانسیس بیکن: «بعضی از کتاب‌ها را باید چشید، بعضی دیگر را باید بلعید، و تعداد کمی را باید جوید و هضم کرد؛ یعنی بعضی از کتاب‌ها را باید فقط در بخش‌هایی خواند؛ بعضی دیگر را باید خواند، اما نه با کنجکاوی؛ و تعداد کمی را باید به‌طور کامل، با پشتکار و توجه خواند». (+)

چرخه مدیریت دانش

یک. دریافت داده‌ها

داده‌ها نقش بسیار کلیدی در شکل‌گیری دانش‌ما دارند. کیفیت دانش‌ما به کیفیت همین دادها بستگی دارد. هر چه داده‌ها مفید‌تر و باکیفیت‌تر باشند دانش‌ما غنی‌تر و کارآمدتر است. کیفیت خروجی یک سیستم به کیفیت ورودی آن بستگی دارد. پس باید کنترل مناسبی روی دروازه‌ی ذهن داشته باشیم.

آیزاک نیوتون در نامه‌ای به رابرت هوک نوشت:

اگر در مقایسه با دیگران چیزهای بیشتری می‌بینم به این دلیل است که روی شانه‌های غول ایستاده‌ام. (+)

این استعاره‌ای از کشف حقیقت بر پایه‌ی اکتشافات قبلی است. یعنی دانسته‌های پیشین ما زمینه‌ای فراهم می‌کنند تا یادگیری‌مان عمیق‌تر و مؤثرتر باشد. پس می‌توان گفت پیشینه‌ی یادگیری در یادگیری اثر دارد.

احتمالا شما هم در کلاس‌های آموزشی دیده‌اید؛ برخی سریع مطلب را درک می‌کنند و از توضیح دوباره استاد کلافه می‌شوند، درحالی که برخی دیگر گیج می‌زنند و مدام سوال می‌پرسند. این تفاوت از کجا می‌آید؟ شاید فکر کنید نفر اول باهوش و نفر دوم خنگ است. اما یک احتمال دیگر هم وجود دارد و آن پیشینه یادگیری است. ⁵

پیشینه یادگیری، مجموعه‌ای از اطلاعات، تجربیات و دانسته‌هایی است که پیش از یادگیری یک مطلب جدید در ذهن ما انباشته شده‌اند. این پیشینه مثل خاک آماده‌ای‌ست که بذرهای دانایی در آن رشد می‌کنند. اگر این خاک غنی نباشد، حتی بهترین بذرها هم ممکن است ثمر ندهند.

یادگیری مثل تجارت است. تاجر هرچه سرمایه اولیه بیشتری داشته باشد می‌تواند معامله‌های بهتری انجام دهد. مغز ما هم همینطور است. هرچه اطلاعات پایه‌ای بیشتر و عمیق‌تری داشته باشیم بهتر می‌توانیم دانسته‌های جدید را بفهمیم و با آن ارتباط برقرار کنیم. هرچه ورودی‌های ذهن ارزشمندتر و دقیق‌تر باشند رأس المال و سرمایه اولیه ذهن ما بیشتر می‌شود.⁶

چه محتوایی را نباید دریافت کنیم؟

اگر می‌خواهید در آینده بهتر یاد بگیرید، باید از همین امروز روی ورودی‌های ذهنتان حساس باشید. چه می‌خوانید؟ چه می‌بینید؟ با چه چیزهایی ذهن‌تان را تغذیه می‌کنید؟ غذاهای سریع الهضم و سطحی به دانش مفید تبدیل نمی شوند.

باید حرف مهم را از نویز تشخیص بدهید. نویزها مانع دیدن می‌شوند. “منظور از نویز، اخبار و گزاره‌های بی‌فایده‌ای است که مدام از این‌طرف و آن‌طرف، ناخواسته به ذهن خورانده می‌شوند. تأثیر این نویزها، درست مثل نویزهای صوتی و تصویری، در ابتدا آزاردهنده و در حالت شدیدش خطرناک است. شدت نویزهای ذهنی گاهی به قدری زیاد می‌شود که انسان به کلی از کارش می‌ماند و اصلاً یادش نمی‌آید که چرا و چطور درگیر این نویزها شده است.”

امروز دنیای دیجیتال طوری طراحی شده که همه دارند بر سر تصاحب کردن توجه ما با یکدیگر رقابت می کنند. باید توجه خود را مدیریت کنید و اجازه ندهید هرکسی این منبع ارزشمند را هدر دهد.

📖 پیشنهاد مطالعه: در سم زدایی دیجیتال راهکارهای مناسبی برای مدیریت توجه معرفی کردم. پیشنهاد میکنم آن را مطالعه کنید.

دو. ذخیره‌سازی داده‌ها

برای ثبت داده‌ها باید از یادداشت برداری استفاده کنیم. وقتی چیزی را می نویسیم، آن را به بند می‌کشیم و اجازه نمی‌دهیم به سادگی از ذهنمان فرار کنند. تجربه نشان داده اینکه فقط به مطالعه بسنده کنیم و امیدوار باشیم در ذهنمان باقی بماند، روش مطمئنی نیست و معمولا نتیجه نمی‌دهد.

علاوه بر این برای ادامه مسیر یادگیری نیاز به یک ماده خام داریم، چیزی که بتوانیم روی آن کار کنیم. این نوشته‌ها همان ماده اولیه هستند.

پس یک قلم و کاغذ بردارید یا اگر ترجیح می‌دهید به صورت دیجیتالی آموخته‌های خود را بنویسید. مهم این است که دانسته‌هایتان جایی ثبت شوند و در دسترس باشند.

در مورد یادداشت برداری در دو نوشته زیر مفصل توضیح دادم. می توانید به آنها مراجعه کنید:

• یادداشت برداری
• سازماندهی یادداشت‌ها

سه. تبدیل داده‌ها به اطلاعات

بعد از دریافت داده‌ها، باید آنها را در زمینه‌های مناسب قرار بدهیم تا معنادار شوند. باید جایگاه آن ها را در ذهنمان مشخص کنیم. باید آن ها را تحلیل و ارزیابی کنیم. در این مرحله باید یک قدم از یادداشت برداری فراتر بروید. باید با یادداشت سازی از ورودی ها خروجی بگیرید. در یادداشت برداری شما صرفا اطلاعات به دست آمده از منابع مختلف را ثبت میکنید. اما یادداشت سازی یک مرحله پیشرفته تر است که در آن تلاش میکنید با تحلیل، ارزیابی و ترکیب اطلاعات آنها را به دانش مفید و کاربردی تبدیل کنید.

چهار. تبدیل اطلاعات به دانش و خرد

در این مرحله دانش باید به کار گرفته شود. تلاش میکنیم آموخته ها را به خروجی قابل لمس تبدیل کنیم:

• آموزش دادن به دیگران: وقتی چیزی را به کسی آموزش می‌دهیم، در واقع خودمان هم بهتر یاد می‌گیریم. تدریس یکی از بهترین روش‌ها برای عمیق کردن یادگیری است. حتی اگر کسی را پیدا نکردید به خوتان توضیح دهید.

• یادگیری در ملأعام: یعنی فرآیند یادگیری‌مان را عمومی کنیم و بگذاریم دیگران هم ببینند چطور یاد می‌گیریم، چه چیزهایی می‌فهمیم، و چه چیزهایی هنوز برایمان مبهم‌اند. این کار باعث می‌شود بازخورد بگیریم، اشتباهاتمان را بهتر بشناسیم و مسیر یادگیری‌مان به دیگران هم کمک کند.

استفاده از LLM برای مدیریت دانش

حالا که مدل های زبانی بزرگ(LLM) فراگیر شده احتمالا شما هم مثل من وسوسه شدید که بخشی از مراحل قبلی را به آنها بسپارید. یعنی مدل‌ها خلاصه کنند، یادداشت بردارند و تحلیل بنویسد. ما فقط بخوانیم و یاد بگیریم. خرده کاری‌ها برای مدل، مطالعه و یادگیری برای ما.

اما یک لحظه صبر کنید. آیا استفاده از LLM کمکی به یادگیری می‌کند؟

من فکر می کنم خود یادداشت برداری توسط ما موضوعیت دارد. یادداشت برداری یک روش برای کند کردن فرایند یادگیری است. وقتی چیزی را می‌نویسیم، در واقع در حال گفت‌وگوی درونی با آن مفهوم هستیم. این گفت‌وگو ما را وادار می‌کند با دقت بیشتری بخوانیم، معنا را درک کنیم و در ذهن خود تثبیت نماییم.

یادداشتی که خودمان نوشته باشیم به یک دارایی شخصی تبدیل می شود نه فقط یک نسخه برداری بی روح. به همین خاطر در «چگونه یادداشت برداریم» توصیه کردم حتما نوشته‌ها را به زبان خودتان بنویسید.

یادداشت برداری موثر چیزی فراتر از کپی کردن جملات کتاب یا مقاله است. متنی که مدل زبانی تولید می‌کند هیچ‌وقت ذهن را درگیر نمی‌کند. وقتی نوشتن را به مدل واگذار می‌کنیم در واقع مغزمان را از پردازش عمیق محتوا محروم کرده‌ایم. در ظاهر متن مرتبی داریم اما در باطن هیچ یادگیری فعالی اتفاق نمی‌افتد.

📖 پیشنهاد مطالعه: مغز چطور یاد می‌گیرد؟، استفاده از هوش مصنوعی در یادگیری، این کامنت

بنابراین اگر قصد دارید تمامی مراحل چرخه دانش را به مدل واگذار کنید از یادداشت برداری و خلاصه نویسی گرفته تا لینک‌دهی و ارزیابی، مغزتان را از یادگیری فعال محروم کرده‌اید.

با این وجود فکر میکنم هنوز یک فرصت کوچک داریم. زمانی که همه اقدامات را خودمان انجام داده بودیم، یعنی یادداشت برداری، خلاصه نویسی، لینک دهی و ارزیابی را انجام دادیم و به مرحله ای رسیدیم که ذهنمان ته کشید و دیگر حرفی برای گفتن نداشت از LLM کمک بگیریم.

مثل زمانی که مقاله می نویسیم و از استاد راهنما کمک میگیریم. طبیعتا اگر تمام فرایند مقاله را استاد انجام دهد ما فقط مقاله را تایپ کردیم. اینجا هم اگر همه چیز به عهده مدل باشد ما فقط هدایتگر مدل بودیم مغزمان یاد نمی گیرد.

مدل زبانی به ما کمک می‌کند تا از خودمان یاد بگیریم. تمام افکار و دانش قبلی ما را جمع‌آوری می‌کند تا بتوانیم با آگاهی کامل آن ها را بررسی کنیم. قسمت هایی از دانش مان که دست نخورده باقی مانده را زیر رو می کند. گرد و غبارها را کنار می زد تا همه چیز شفاف و واضح باشد. با LLM می توانیم نقاط ضعف خودمان را پوشش بدهیم. از تسلط و حافظه هوش مصنوعی کمک می گیریم تا نقاط تاریک ذهن مان را روشن کنیم.

پس متن جنریت شده را برای دانش‌تان ممنوع کنید. صرفا به LLM اجازه دهید به عنوان یک دستیار در مغز دوم شما پرسه بزند و ایراداتی که از آنها غافل شده‌اید را کشف کند.

در این فرض می توانیم از LLM در این زمینه ها استفاده کنیم:

• شناسایی یادداشت هایی که به هم مرتبط اند اما لینک‌دهی نشدند.
• شناسایی یادداشت هایی که قابلیت اتمی شدند دارند.
• مطالب جدیدی که یاد گرفتیم را با مطالب قبلی مقایسه و ارزیابی کند.
• اصلاح و هرس کند. مثلا «آیا من اطلاعات تکراری در مورد موضوع x دارم؟». اگر دو پاسخ بسیار مشابه را از دو یادداشت بازیابی کند، این سرنخی برای ادغام است.
• یادداشت‌ها را نقد و تحلیل کند.
• خلاصه هفتگی یا ماهانه از چیز هایی که یاد گرفتید.

🛠️ چه طور از LLM استفاده کنیم؟

احتمالا تصور می‌کنید ما قصد داریم فایل‌های خود را به صورت پيوست در یک سرویس هوش مصنوعی مثل ChatGPT آپلوده کرده و از مدل سوال بپرسیم. اما این روش برای کار ما مناسب نیست. ما دنبال فرایند پیچیده‌تری هستیم.

بهترین روش این است که LLM به کل محتوای شما دسترسی داشته باشد و صرفا بر اساس دانش موجود در نوشته‌های شما پاسخ دهد، نه بر اساس داده‌هایی که آموزش دیده است. برای این کار باید از رویکرد RAG استفاده کنید تا بتوانید یک وکتور دیتابیس از دانش خود بسازید.

رویکرد RAG باعث کاهش توهم مدل‌های زبانی می‌شود، زیرا این مدل‌ها ممکن است دچار توهم ‌شوند و پاسخ‌های جعلی تولید کنند. اما وقتی باید با داده‌های خودتان تقویت شود فقط بر اساس منابع موجود پاسخ می دهند. اگر داده مرتبط پیدا نشود صرحتا اشاره میکند که جوابی پیدا نکرده و پاسخ جعلی و نامربوط تولید نمی کند.

همچنین، دقیقاً ارجاع می‌دهد که این پاسخ را بر اساس کدام منبع تولید کرده است. همین ارجاعات در مدیریت دانش شخصی به کار ما می‌آید.

اگر مثل من از نرم افزار ابسیدین (Obsidian) استفاده می کنید می توانید به راحتی با افزونه Copilot از این روش استفاده کنید. اگر از نرم افزار های دیگر استفاده می کنید باید فایل های خود را در اختیار سرویس هایی قرا دهید که از این رویکرد پشتیبانی میکنند. مثلا NotebookLM چنین قابلیتی دارد. یا رابط کاربری هایی مثل Open WebUI.

البته اگر به حریم خصوصی اهمیت می دهید ترجیحا نباید از سرویس های آنلاین استفاده کنید. چون اطلاعات شما به سرور آنها ارسال می شود. می توانید از مدل های لوکال استفاده کنید. سرویس ollama برای اینکار مناسب است و می توانید بدون اینترنت از LLM استفاده کنید.

مطالعه بیشتر:

• Awesome Knowledge Management: فهرستی گلچین شده از مقالات، افراد، نرم‌افزارها و پروژه ها در زمینه مدیریت دانش
• It’s Not You - It’s Your Knowledge Base: یک نوشته خوشخوان با تصویری سازی های بامزه
• Implementing a ‘Wisdom Engine’ for Personal Knowledge Management: مطلب نسبتا طولانی هست در مورد رسیدن به خرد با استفاده از LLM

🗜️ عصاره بحث

◾مدیریت دانش شخصی چیست؟

سیستمی است که هر فرد برای کار با اطلاعات و دانش طراحی می کند. این سیستم شامل مجموعه ای از فرایندها برای ارزیابی و دریافت داده‌ها، ذخیره سازی و سازماندهی آنها، به کارگیری اطلاعات و تلاش برای رساندن آنها به بالاترین سطح دانش یعنی خرد است.

◾چرا به مدیریت دانش شخصی نیاز داریم؟

ما روزانه با داده‌های بسیار زیادی مواجه می شویم. برای تشخیص داده‌های مفید از بیهوده نیاز به سیستمی داریم تا داده های مفید را ذخیره کرده و با سازماندهی اصولی از اتلاف وقت و سردرگمی هنگام بازیابی اطلاعات جلوگیری کند. این سیستم با تعیین راهبردهای خاص به شخص کمک کند تا یادگیری خود را عمیق تر کرده و اطلاعات را به دانش مفید تبدیل کند.

◾چگونه دانش شخصی را مدیریت کنیم؟

مغز طبیعی ما به تنهایی قادر به پردازش و مدیریت این حجم از اطلاعات نیست. پس باید یک مغز دوم بسازیم و فرایندها و اقدامات لازم را به آن واگذار کنیم. با ابزارهای دیجیتال که در اختیار داریم این کار به سهولت انجام می گیرد.