⚡︎【打造輸出型文化】從說出口開始建立深度理解
學習的重點不在於看過多少內容,而是有沒有真的講過一次。這篇文章從工作中觀察出發,分享我如何透過「說出口」,讓知識從記住走向內化,並建立一個高頻率的建構反思迴圈。
我們公司今年開始嘗試推動「英文作為官方語言」。
從會議、日常對話到跨國協作,英文逐漸成為我們工作中的一部分。
初衷是因爲海外團隊的比例逐漸變高,使用英文的情境漸漸變多,另一方面也發現到使用英文時,因爲詞匯量不多,溝通反而更直接一些,在推進的過程也從中觀察到一些有趣的變化:有些同事的進步特別明顯。
觀察後發現,進步特別明顯的同事每天都在開口說英文,不斷表達自己的想法、釐清觀點、臨場反應,用盡一切方法想要讓事情順利。
他們一邊說、一邊整理,說一次、再說一次,漸漸變得更流暢,也更清楚。
後來我才慢慢發現,真正讓人進步的,
不是「學得比較多」,而是「建構的次數比較多」。
那些每天「講出來」的人,其實是每天都在用大腦整理、組織、轉換觀點。
這個過程,才是學習真正留下來的關鍵。
這讓我開始思考學習一個新東西,可以從哪些面向切入:
暫時的,我把學習分成:「學、用、教」三部分來觀察看看。
學、用、教:三種方式,各自適合不同情境
學:知其然
「學」讓我從
I don’t know what I don’t know 進入 I know what I don’t know。
能夠辨識自己尚未聽過的領域、知識、資訊,是學習真正展開的地方。
這個階段目的是打破未知。
用:行其然
「用」讓我把概念、方法搬進現實場,開始操作、試錯、修正。
每次應用,都是一次驗證。
有時候只是自己用;有時候會需要說明、對齊、解釋。
而這些互動讓「用」慢慢靠近了「教」的方式。
教:道其所以然
「教」讓我從別人的視角重新思考要怎麼講清楚。
當我要說明給他人聽,我會重新排列邏輯、轉換語言、舉例說明,也會因為對方的問題,發現自己還沒想清楚的地方。
講清楚的過程,就是一種再理解。
每一次教,都是一次重新建構。
那講英文,算是用還是教?
英文說出來這個行為,其實本質上是「用」 — — 因為目的是完成工作溝通、表達任務內容、解決實際問題,焦點還是落在能否有效地執行任務,也就是「應用」的範疇。
但這個「用」如果牽涉到:
- 要解釋給他人聽(不是只是講自己的部分,而是讓對方懂)
- 要讓對方可以跟上邏輯或是學起來
- 有意識地在協助對方理解某件事
那就進入「教」的領域了。
「教」的觀點,也在很多地方被觀察到
黃色小鴨法:說出口,就是深化的開始
工程師之間流行一種方式,叫「黃色小鴨除錯法」。
卡關時,對著桌上的黃色小鴨,把問題從頭到尾講一遍。
說出口的那一刻,大腦開始同步整理邏輯。
還沒講完,就常常發現問題所在。
費曼學習法:講得出來,才算懂
「教是最好的學習」這句話,很多人都聽過。
學習常被視為 輸入:讀書、聽課、抄筆記。
但真正幫助我掌握內容的,是輸出。
費曼學習法(Feynman Technique)有個簡單的核心:
「如果我能用簡單的話解釋一個概念,那我就真的懂了。」
卡片盒筆記法:用自己的理解記錄下來
我最近也接觸到卡牌盒筆記法,裡面提到三種筆記類型:
Fleeting Note(快速紀錄)
Literature Note(用自己的話做內容摘要):
Permanent Note(建構和自己的關聯,和過去知識的關聯)。
建立一個高頻率的建構反思迴圈
現在的學習資源非常多。
課程、影片、文章,資訊獲取的門看非常低。
會不會常常在心中聽到這樣的聲音:
「我感覺學了很多東西,但都記不得。」
看過的內容很多,但如果沒有實作、沒有說出口,學習的輪廓就很容易模糊。
「如果我能用簡單的話解釋一個概念,那我就真的懂了。」
這句話,不只是費曼學習法的核心,也是一個高頻率建構反思迴圈的開始。
嘗試用用看:「眉頭衡量法」
找人分享最近的學習,看他眉頭有沒有皺,沒皺的話就成功了!
別忘了問一下:「誒誒,有沒有那邊我說得不夠好」
循環就開始了
結語
說出口,不只是學習更扎實的方式,
更是一種文化的開始。
當團隊裡有人願意講一次、釐清一次、分享一次,
理解就不只停留在個人腦中,而會開始在彼此之間流動、碰撞、成長。
打造輸出型文化
從一個願意開口的人開始,從一段簡單的整理、一句「我這樣理解對嗎?」開始。
當我們讓知識被講出來、被聽見、被轉述,
學習才真正成為能累積、能傳遞的東西。
立即行動:
1. 嘗試在今天的工作中,用自己的話說明一個你剛學會的概念,無論是對同事、朋友,或寫成一段筆記。
2. 接著,觀察自己是否在講的過程中,發現哪些地方還不夠清楚,並主動整理一次。
3. 最後,開始建立每天一次的輸出習慣,讓知識不只是進到腦中,而是真的留下來、用得出來。
一起加油吧!
作者
hwchw
Writing on AI-native organization design, OD, leadership, and the future of work. Long-form essays and field notes from the intersection of human systems and machine intelligence.
hwchw 的其他文章 →