2018 年 4 月，信息分析课首期开始内测。
这一期，我讲得太高深了，是博士后训练的体量，短短一个小时讲元分析技术，还不够，加上内容分析。
大幅度推翻重来，有了信息分析二期。
二期奠定了最优课程结构，突出了重点：全局认识与交叉验证。
才有了之后三期课程的第三方测评系统；才有了四期课程的如何利用信息差套利的模型。
从五期开始，教练团们成长起来了，我将更多心思放在将课程的计算机工具研发与师资培训这一块。
如今信息分析六期开课在即，下周周一开始招生，那么，一年多来，究竟教会了上千同学哪些东西呢。课程未来迭代方向如何呢，以下，一些思考。
一个破局点：一切皆网络
区分信息分析能力高下的一个关键是，是否能快速找到任何一个行业或领域的破局点。
简单来说，一切系统皆可表征为网络，一切网络皆可表征为节点与线。一切节点皆有权重，有的是关键节点，有的是非关键节点。
抓住关键节点，能最快速度获取网络的信息熵。任何一个系统都存在一个这样的关键节点。可以是底层协议，可以是专业术语，也可以是关键人物。找到这样的关键点，信息搜寻效率会大大提升。
权重意识，是我在三期、四期的时候，看到不少同学的作业后，才开始强调。原来它是区分很多人信息分析能力的一个关键点。新手与专家的区别在于，无法识别信息权重。
破局点，就是最能体现权重意识的关键点。
学术信息分析是学者、机构和学派。
职业信息分析是职业技能、自我认识和职业转折点。
商业信息分析是股东、公司网络和投融资关系。
你告诉新手，要分清权重，抓大放小，但是依然学不会，这是为什么？
因为新手能变换的思维角度实在太少了。
未来如何固化信息分析的几个经典分析角度，并且计算机工具化？
我想，这应该是教练团与各位同学努力的第一个方向：思维模型工具化。
两个模型：全局认识和交叉验证
信息分析课程以认知科学为根基。这是我的特色。
无论是信息获取还是信息整理，人类大脑很容易出现认知偏差。为帮助各位同学更好地提高认知能力，避免偏差，我总结出两个核心的高阶模型：「全局认识」与「交叉验证」。
什么是全局认识？先了解「全局认识」的反面「利基知识」。平时我们接收的 90% 信息都为利基知识，如看公众号，朋友圈等。「全局认识」只存在于生活的 10% ，却会在我们作出重大的人生抉择和承诺时起到关键作用。
它来自对一个领域的洞察。信息碎片时代，我们容易盲目，以为占有知识就代表习得。
然而，真正的教育并不是去掌握那些碎片知识，而是在每一个学习阶段，将碎片拼接为你的知识雪球。学会建立对任一领域的「全局认识」，能让你站在更高维度分析，规避弯路。
建立「全局认识」看似是浪费时间精力，其实是走捷径。你掌握的全局认识越多，出现在你面前的未知世界也越多，你也会拥有一个层次更多样，细节更丰富的世界。什么是交叉验证？人类习惯单线条思维，很容易被人收割智商税。「交叉验证」强调从不同信息源头验证信息。它借助大脑爱找不同的特点，有效帮你规避认知偏差。
「交叉验证」这套方法论还整合了美国中央情报局发明的「竞争性假设分析法」，该理论是小理查兹 ·J ·霍耶尔在《情报分析心理学》一书中提出。作为资深教育家、理论家和反情报专家，他与肯特、Robert Gates、道格拉斯三人，并称美国中央情报局四位功臣。
「全局认识」是提高你的信息获取速度，帮助你站在一个更高维度打败自己；「交叉验证」是提高你的信息获取准确度，帮助你提前思考到自己的弱点。
这是过去一年多，同学们最肯定的一点。
当你听到全局认识、交叉验证这两个黑话，那么，你可以偷偷问对方一句：你上过阳老师的信息分析课吧？
但，这 2 个高阶模型，能否更高效地传授给同学，形成类似哈佛商学院那样的标准案例库。举个例子，有没有利用全局认识获胜的案例库？有没有没做交叉验证导致失败的案例库？
我想，这应该是教练团与各位同学努力的第二个方向。通过众包，借助集体智慧，建设信息分析经典案例库。
三个领域：学术、职业与商业
信息分析课程涵盖三大领域：学术、职业与商业。
认知科学家普遍认为，批判性思维不可教。绝大多数批判性思维课程低效或者无效。
因为传统意义上的批判性思维训练课程忽略了领域知识、思维素材。
认知能力的确会制约大量人的职业生涯发展，但纯粹学习认知科学知识并不是好的课程设计。所以信息分析课程设计是以认知科学为根基，结合相应具体领域的技能，有效地规避了传统思维训练课程的缺点。
如果用信息分析概论章节提到的「最大信息熵」概念来看，三大实战领域是必要的。信息量用熵来表示，信息量越大，熵值越高，反之越小。熵越大，越能接近事情真实的状态。这三大领域的信息分析基本能解决工作生活的中遇到的绝大部分问题。
三个领域的侧重点不一样，学术领域注重源头、存在绝对的对与错。在大时间周期内，在学术领域构建的个人价值观和知识体系更容易胜出。
而商业信息往往不存在绝对对错，注重速度，如何从中套利是关键。
职业信息分析又是另一个特点，反复在过去、现在与未来，在个人能力、外部环境之间平衡。
很多同学问，我只关心行业或职业的发展趋势和前景，学术离我的生活遥远，为什么还要学习大量的学术信息知识？
这是信息分析课程设计最反常识的点。
绝大多数成年人，没有接受过好的学术训练，容易低估学术价值。绝大多数问题，前人已经研究过，在学术领域能找到更聪明的答案。
不像商业和职业领域，需要较长的时间和较高的成本。学术领域是最方便进行高频练习的领域，能快速验证自己的判读是对是错。
职业信息分析中，选错一份工作，最短需要几个月，最长几年来修正，甚至用十年的时间才找到自己的真正兴趣爱好；商业信息分析中，做错一个项目，同样需要数月多年来修正，如果是创办一家公司，三年过去，可能才弄明白如何做公司。
而学术领域可以在短短一年内，给你提供上千个机会来判断一个学术观点的好坏。你可以同时关注很多大牛，你能快速验证你的信息分析的速度与准确度。
这是我最近越来越认同的一个框架。
——成年人的教育，卡在认知与技能。
认知，如何提高？看足够多的好东西，见足够多的好榜样，自然你的认知就到位了。学术领域的好东西是最容易拿到的。
课程这么设计没问题。但是，我们究竟应该如何给同学们提供足够多的商业、职业领域的好东西呢？
这就是大牛演讲库与职业传记库。
有些人，或在商业领域，或在思想领域，或在学术领域，或在写作领域，近乎于道。比如，商业领域有芒格、巴菲特、柳井正等等；思想领域有孔子、庄子、张载、王阳明、王夫之等等；学术领域有西蒙、费曼等等；写作领域有纳博科夫、卡尔维诺、博尔赫斯、夏目漱石等等。
如果能找到这些智者所有公开的演讲，并将其按照时间线汇总，那么，从中也许会略有启发。
课程二期，我说了这个题目；三期，又说了这个题目。然而，年轻人多半心性未定。当时响应者众，多日后，追问进展，多半空谈。
只有一位同学，整理了任某从 1994 年到 2018 年的 400 多篇讲话，结果迫于某公司的压力，还不得不全部删掉。
同样的，我给同学还布置了一个毕业后的课题，收集自己行业的职业精英们的传记，整理时间表以及踩过的坑。同样是响应者热烈，但坚持到出成果的人少。
我想，这应该是教练团与各位同学努力的第三个方向。通过众包，建设出足够多的大牛演讲库与职业传记库。
四个工具：Google + Zotero + CiteSpace + 爬虫
说话认知，再说技能。
人，提高自己，认知升级靠见到、接触、体验到足够多的好东西。而技能提升，本质是一个时间分配习惯问题。
你会发现，总有一些工具比另一些工具，体现出更好的思维模式，能帮助你养成更好的时间分配习惯。
比如 Google 搜索引擎、Zotero 知识管理软件、 CiteSpace 知识图谱工具软件和 爬虫。
以我推荐多年的 Zotero 为例，它的背后蕴含了两种思想。一个是来自认知科学的谷歌记忆效应。人的大脑擅长记住检索信息的路径，不擅长记住具体的内容。
不防做个思想实验，你在搜索引擎里输入某个关键词，假设搜索到第十页，然后在右侧打开了一个网址，通过这个网址又跳转到另一个网址，再跳转到另一个网址，一般来讲，跳转两三次之后，大脑就开始记不住了。
多年以后，你提取记忆时，首先回想的是输入了什么关键词。Zotero 在资料保存、全文检索等功能设计上，总是能帮你把有价值的资料检索路径简化到最短。
一个是哲学的本体论。如何从零构建一个世界？本体论告诉你有四大步骤：构建实体、创建分类、创建关系和创建实例。
比如，Zotero 导入导出文件时默认的是使用世界上最主流的参考书目 Bibliontology RDF 协议，而非自己的 Zotero RDF 协议。
在分类上，一般的知识管理软件是按主题来将文件分类，这样的分类方式不够稳定，随时间的变化而变化。Zotero 对文档是按基本物理属性来分类，在大时间周期内稳定变化小。
那么，这四大工具，还可以做一些什么改善呢？
——不够自动化，以及相互之间没有打通。
比如，使用谷歌学术，连续下载十来篇论文就被封掉了，导致 Zotero 很多高级技巧无法使用，
同理，爬虫脚本，课程示范是针对职业薪酬数据的，但如何写其他的爬虫呢？比如，直接导出学术数据、商业数据到哪呢？
我想，这应该是教练团与各位同学努力的第四个方向。更自动化的信息分析流程。
小结
智商再高，天才与庸才，不过两三倍左右的差异。但如果你精读过1000本以上阅读难度较大的书，你很容易拥有十倍、百倍于同龄人群的信息差异。从智力不对称到信息不对称。这是英才四课第一课选择信息分析的原因。
这门课演化至今，是上千同学的集体智慧贡献，更是众多教练的心血。欢迎更多对信息分析感兴趣的同学报名，共创这门课程。