wshuyi的个人博客分享 http://blog.sciencenet.cn/u/wshuyi

博文

如何交互可视化你的卡片式笔记网络? 精选

已有 8477 次阅读 2020-4-12 07:49 |系统分类:科研笔记| 卡片, 笔记, 印象笔记, 可视化, python

会当凌绝顶,一览众山小。

痛点

在《如何高效实践卡片式写作?》和《如何用卡片法写论文?》两篇文章中,我为你详细介绍了卢曼的卡片盒式(slipbox)笔记和写作方法。尤其是谈及了它在学术写作中的用法。

我很欣喜看到,有的读者不仅认真阅读,而且加以创新,并且做了输出分享。

当然,下次如果能把我的专栏名称写对(是「玉树芝兰」),就更好了。

不知你在实践中,有什么心得?

我个人的体会,是卡片式写作里面,最影响积累和写作心境的,是后顾之忧。这次咱们来谈谈这个问题,以及解决方法。

我主要担心的,是写了的东西,将来再也找不到了

你看,用卡片式写作,原本的要旨,就是写得轻松愉快。如果总是担心笔记写好了,将来却找不到,哪还有什么写作的积极性呢?

你可能会纳闷儿:

老师,你为什么不用个靠谱一点儿的笔记工具呢?

其实,我用的笔记工具,包括 Drafts, Evernote 和 Devonthink,还是比较靠谱的。我说的找不到,并不是笔记被意外删除,而是被淹没

什么叫淹没?

就是你忘记了它的存在。而且除非是浏览每一则笔记,否则你根本无法通过简单的检索找到它。

你可能会说,老师,别危言耸听了,哪里会有这样的事儿?

遗忘

如果你只有几十条笔记,那么这样的事情不是很容易发生。然而,一旦你的笔记达到成千上万条,这种事儿就是不可避免的了。

因为你会遗忘。

也恰恰因为你会遗忘,所以卡片式笔记才是一种不断采撷珍贵想法进行积累的有用方法。

如果你记得有这条笔记,还可以通过关键词检索等方式,把它找回来。

可有的时候,你可能连写过它,都不记得了。

我就不止一次遇到这种事儿。

例如说,2018 年,我就很惭愧地写下了这样一则笔记:

顺着链接,我看到了自己 2015 年曾经记下的笔记。

右上角的那个小图标,代表当时是用马克飞象记录的。

于是,在回顾笔记的时候,我写下了这样一段话:

看到自己 2018 年的时候,就已经充分意识到了链接的功能,真的是很羞愧。没有坚持下来,每次都是重新发现,重新造轮子。刘备需要的是一个根据地。我们每一个知识工作者的根据地,应该是一个链接出来的图知识库。这东西才是你赖以生存的工具。有了它,调用它,才能让你充分体会到什么是真正的科研效率与乐趣。

这段话说明什么?

说明王老师经常「三省吾身」,不断迭代改进?

不。

说明写这段话的时候,我连 2018 年做过的这个反省,也忘了。

查找

即便你记得一条笔记似乎已存在,找寻的时候,也未必会很轻松。特别是,如果你的笔记应用中,还包含了大量采集的网页和文档时。

例如,我新写了一篇 Python 技巧笔记,打算跟以前的相关笔记进行连接。于是搜索一下 Python 这个关键词看看。

1484 条啊!

怎么办?

难道一条条翻找不成?

尽管 Evernote 和 Devonthink 都支持自动化辅助联想功能。然而,对于这种大海捞针的任务,也是杯水车薪。

特别是,现在的笔记软件,还远远称不上是真正的「人工智能」,尤其是在处理中文的时候

况且,咱们之前提到过,这种依靠关键词相似程度找寻相关笔记的方式,不利于你建立远程联想。

自动的不行,怎么办?

就得依靠手动操作了。根据笔记的相关度,建立链接,尤其是「远程联想」链接。这是一件经常要做,往复迭代的重要工作。

然而,这事儿说起来容易,做起来也不是那么简单的。

以刚才的事儿来举例。你新写的 Python 技巧,到底应该跟将近 1500 条笔记中的哪一条连接呢?

虽然,已有的链接帮助你构建了笔记之间的关系。你也可以把「入口」笔记放在索引中。但是你顺着这索引,实际走一走,就会发现自己婉若进入了米诺斯的迷宫。

之前的链接,可能会带着你来回穿梭,然后,不知不觉又回到你之前本已到访过的地方。在真实世界走迷宫走成这样,可能会让你头脑发乱,心里发慌。

怎么办?

解法

实际上,解决的方法,并不复杂。

既然我们刚刚已经提到了迷宫。那么,怎么才能高效地从迷宫走出呢?

你可能立即联想到这样一张图。

对,即便是再难走的迷宫,如果你手头有这样一张俯视图,那么一切问题都迎刃而解。

把卡片笔记节点和笔记链接构成的网络,进行可视化,也就是我们破解笔记被淹没的一个好方法。

之前写《如何高效实践卡片式写作?》那一篇的时候,我曾经给你看了这样一张图。

于是很多读者都后台留言,问我这张图是用什么工具做的?

我一直没有回复,是怕误导你。

因为这个工具是基于自然语言处理的自动化链接分析,而不是咱们说的卡片笔记网络链接分析。更遗憾的是,到目前为止,它还不支持中文。你仔细看那张图就会发现,其中的所有关键词,全都是英文。中文关键词它一个都不认识,只好忽略掉了。

另外,尽管可以做笔记分析,但这款软件的强项,其实是做更为专业的 Twitter, 新闻和搜索引擎检索词的共现网络分析。

我最近在知识星球里面专门写了一篇这款工具的介绍教程。教你如何用它分析瑞幸咖啡这些日子的 Twitter 热词关联网络。

如果你还没有读那篇教程,这里有个有效期 3 天的知识星球免费访问卡。你读过本文后,如果对该工具感兴趣,可以作为延伸阅读。

工具

虽然现成的工具,似乎都不合乎咱们的要求。但是不要紧,咱可以自己做一个啊。

依靠着 Streamlit 的赋能,我采用 Python, networkX 和 Pyvis 替你做好了一个 Web 应用。而你只需要直接用就行

我制作了一个样例笔记本,其中有 20 篇样例文献阅读笔记。

这是 Web 工具简约的主界面:

可视化之后的结果,是这个样子的:

你的笔记展示为节点,他们之间的链接方向也做了标明。你可以方便地缩放,以便更清晰探寻笔记关联结构。

你看,当你悬停鼠标在某个笔记节点上,还能给你展示笔记内容,方便你寻找对应关系。

而且,作为交互式的可视化结果,你还可以像下面这样拖动节点,从而以更好的角度来查看。

另外,这款工具还为你提供了笔记子网络过滤功能,通过检索获取包含某笔记的最大连通子图。甚至,你还可以限定检索范围,把那些不包含在当前笔记本里的其他笔记过滤掉…… 这些功能,可以帮你更好地聚焦。

怎么样?挺好玩儿吧。

我还专门为你做了一个视频教程,不仅给你讲解这款工具的使用方法,也回答了之前读者提出的「卡片式文献笔记如何做」问题。希望能对你的学习和科研有帮助。

视频链接在这里

如果觉得有帮助,也欢迎你给我的视频点个赞。谢谢!

另外,因为这个 Web 应用涉及到数据传输,为保护你的隐私,我已将该应用的源代码开源,托管在 Github 上。你可以先查看源代码,确认没有记录存储你的笔记信息后,再放心大胆使用。你也可以利用该源代码,参考这篇教程,搭建自己的私有应用。

在我的公众号后台回复「evc」,可以获得源代码链接。

小结

小结一下,这篇文章主要给你谈了以下几点体会:

  • 卡片式笔记创作的「后顾之忧」,主要来源于笔记数量的增长,可能带来的「淹没」与「丢失」;

  • 目前的技术条件下,人工的链接方式,尤其是「远程联想」,尚且无法完全被所谓的「智能方法」替代;

  • 可视化方法有助于你分析自己的卡片盒,帮助你更好地建立链接,从而最大化激活笔记网络效用。

如果你对我的笔记网络可视化工具有使用体会和改进建议,也欢迎你在留言区交流分享。

读过本文,如果觉得有收获,请点赞

要读更多的文章,微信关注我的公众号 “玉树芝兰”(nkwangshuyi)。别忘了加星标,以免错过新推送提示。

如果本文对你身边的亲友有帮助,也欢迎你把本文通过微博或朋友圈分享给他们。

延伸阅读

你可能也会对以下话题感兴趣。点击链接就可以查看。



https://blog.sciencenet.cn/blog-377709-1227932.html

上一篇:扩招了,你的研究生学历会不会贬值?
下一篇:如何用人工智能免费帮你改英文?
收藏 IP: 60.24.14.*| 热度|

5 强涛 刘钢 黄永义 李剑超 张明武

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-10-9 12:36

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部