时间管理对于现代人快节奏,高强度下的生存环境显得格外的重要了,所以很多优秀的人都在时间管理上给出了不少相关的建议,大致翻阅了很多关于时间管理的书籍,它们有很多共同点,其中碎片时间这个关键词几乎都会被提到.但是个人觉得这个看似很有道理,但是还是要因人而异,不然不但不能达到理新的效果,还会杀敌三千自损三百.
首先必须要承认,个体之间是有很大差异的,那么个体之间的大脑的活性就是有区别的.而且对于不同的事物,大脑活性也可能是不同的.这里假设对于某件事情,大脑的活性随时间变化的函数为f(t),那么不同人对不同事物的学习上会得到不同的函数曲线.而不同事物本身会存在不同子项,比如,学习绘画这件事情.就包括了对线条,对颜色,空间布局等多方面.而对每一个子项的学习效率也会不同.
针对某个子项进行分析,假设在学习线条这个子项上,A所表现出的函数关系为: f_A(t)=2^(t), B所表现出的函数关系为:f_B(t)=log10(t), C所表现出的函数关系为: f_C(t)= k,令k=2.将它们绘制在直角坐标系上如下图:
附上绘图代码.
# create data
times <- seq(0, 3.5, by=0.01)
y_a <- exp(times)
y_b <- log10(times)
y_c <- rep(2, length(times))
# create plot
plot(x=NULL, y=NULL,
xlim = c(0, 2.0), ylim = c(0, 6),
xlab = "t", ylab = "f(t)")
# add lines
lines(times, y_a, col="red")
lines(times, y_b, col="green")
lines(times, y_c, col="blue")
# sign legend
legend("topleft", legend = c("A", "B", "C"),
lty=rep(1, 3), col=c("red", "green", "blue"))根据图示,发现初始状态下, 大脑活性, C > A > B, 经过了一个单位时间的变化,A > C > B, 在经过一段时间A慢慢进入状态,逐渐将B和C远远的甩掉了. C一直停留在同一个水平下没有变化,B虽然也在增长但是和A相比就几乎没有什么变化了.因为A已经进入变态状态了,我们剔除它,只比较B和C, 并且加大学习时间, 如下图:
B通过加强学习时间,也终于进入状态,大脑活性也超越了C.尽管B很努力,我们来看看在同样时间下A到达了什么样的水平了,如下图:
额,不好意思,A根本不需要那么多时间,A的大脑早就已经开始直线上升了.好可怕.B注定不能超越A了!不用担心,这只是对某件事情的某个点上的抽象建模,而事实上大脑活性高并不代表在某点上的水平提升一定就高,这里进行二次建模,假设某点水平的函数为g(t, f), 其中t代表时间, f代表大脑活性.这个函数具体表达式也是未知的.还是假设一下,g(t, f)=log(f) * t,
  分别将 f_A, f_B, f_C带入 g(t, f)中,得到: g_A=log(2^(t)) * t, g_B=log(log10(t)) * t, g_C=log(k) * t, 这样二元函数就化简为了一元函数, 绘制g随t的变化曲线,如下图:
B怎么不见了? 因为时间不充分,B还每准备好,其实是这里假设的问题.log函数在 0 - 1上是负数,在对其求对数时候就产生了NAN值,所以这里要修正一下B的f函数, 当 t >= 1 时,f_B(t)=log10(t) ,当 t < 1时, f_B(t)=0.01.
附上代码如下:
# set function g
g <- function(f, t){
log(f) * t
}
# create data
times <- seq(0, 100000, by=0.01)
y_a <- exp(times)
y_b <- ifelse(times >= 1, log10(times), 0.01)
y_c <- rep(2, length(times))
g_a <- g(y_a, times)
g_b <- g(y_b, times)
g_c <- g(y_c, times)
# create plot
plot(x=NULL, y=NULL,
xlim = c(0, 10000), ylim = c(-10, 1000),
xlab = "t", ylab = "g(t)")
# add lines
lines(times, g_a, col="red")
lines(times, g_b, col="green")
lines(times, g_c, col="blue")
# sign legend
legend("topright", legend = c("g(A)", "g(B)", "g(C)"),
lty=rep(1, 3), col=c("red", "green", "blue"))
B居然的g函数居然朝着反方向发展,我的天啊....还是加大学习时间再看看效果.
随着时间加大,B开始走回正途了,可是还是不能追上A和B,怎么办? 再加大学习时间,看看.
通过努力,B终于超过了A,但是始终追不上A.还是回到了之前的绝望境地.再加大时间看看
B已经尽力了,A又到了直线上升的状态,可是B还是把C远远的甩开在身后了.事实上,因为f函数和g函数本身都是简单构造出来的,具体现实情况很复杂,不会是那么理想的变化曲线,可能是分段的,也可以随着时间在波动的,而且这里是针对某件事情的某一点上,其外层还有不同点组合的函数变化.
这里回归到之前提到的碎片时间上来说,如果是A,和C那么碎片时间理论对于它们而言自然是有益处的,但是B就不同,B相对于A和C来说需要大量的时间来让自己进入状态,否则B在时间不充分的情况下是负增长的.而B本身也是因为函数在设定上比较特殊,当然不能完全说明问题,但是大千世界,符合B这样函数曲线规律的保不齐它会存在,从反证论的说法,有一个反例,则结论不成立,既然存在这样的反例,那么原结论自然不能完全成立了.同样A和C也是构造特殊的函数,那么如同A和C这样能完全满足碎片效应的函数曲线的人也属于特例,很大的可能这个观点就是A和C这样的人提出来的,因为自身在其中收益,固而非常支持.
有点非主流的鬼辩了,其实我并不是要否定这样的观点积极意义,只是发现类似这样的观点有点千篇一律,每个人都有自己不同的曲线增长方式,如果能自我发现,那么就如同开挂的A一样,即便如同B一样,也能在某个时刻实现超越.不过,现实未知因素和诱惑太多,不清楚在什么时刻,函数就被截断了.即便如同A一样有开挂的能力,不能持续投入时间,可能就夭折在路上了.