こんばんは、駆け出し眼鏡です。最近よくもう知識は覚える必要無い、みたいな話を聞くことがあります。これだけインターネットが発展した時代には、知識量には価値がなくて、それを応用できる力とか引き出せる力のほうが大切だから、というのがその理由だそうです。

でも覚えなくていいとして、じゃあこれから先知識ってなんだろうなとふと思ったので、今後の在り方を考えてみました。思うに、今後の知識との付き合い方は大きく次の２つの方法に集約されると思います。

1. 自作データベースの作成
2. リスト型知識の暗記

それではそれぞれ見ていきましょう。

自作データベースの作成
インターネット上に山のような情報がある現代、大切なのは自作データベースを作ることです。

例えば、山のように溢れるブログ記事や動画、画像、音楽。言うまでもないことですが世の中には情報が溢れています。

これはこれでいいことかもしれませんが、ぼくらは数が多すぎると選択できません。毎日信じられないスピードで増えていく情報を取捨選択することも、インプットすることも、当たり前ですが全部覚えておくことも、できないわけです。

だからこそ、自分が触れたものを取り出せる形でデータベース化しておくことが大切です。

例えば、ぼくは読んだ記事や気になったページ、画像、動画などをなんでもとにかくEvernoteに入れています。おかげで、自分が触れた情報を探すときにはまずここを検索すればいい、というデータベースができています。他にも、ブクログやFilmarksなどを使えば、読んだ本も映画もデータベースとして残せます。

また論文を探すときは、Google Scholarをみる。デザインのアイデアが欲しいならPinterest。話題になってる記事が見たければはてブ。というように、調べたい内容に応じて検索対象を変えることで、無限のインターネットの海から情報を探すよりも何倍も効率よく情報にアクセスできます。

もう一つ、友人知人も同様にとてもいいデータベースになります。何かに詳しい友人がいれば、その人に聞くだけでwikiと数十倍詳しい内容がすぐに手に入ります。

このように自分の脳みそのキャパなんてたかがしれているので、そこをアウトソースして整備しておくというのがとても大切だと思います。

リスト型知識の暗記
データベースを作成したら次にその運用の練習が必要になります。そのキモになるのが、リスト型で知識を覚えるということだとぼくは思っています。

先日のブログでも書いたISM構造について、改めて簡単にまとめます。

知識はスタンドアローンでは存立できない。 そして理解するとは結びつけること、知識のネットワークをつくり育てることに他ならない。

ISM法（Interpretive Structure Modeling）は、元々、社会システム工学で開発された手法である。社会システムのように複雑に関連しあった要素の集合体(システム）について、システムの挙動・特性を見るためのデータが入手し難かったり、定量的な数理モデルの作成が難しい場合に適用する手法として開発された。

このような構造で、知識を数珠式につないでいくと、起点となるものだけ覚えておけば芋づる式に残りの知識を引っ張ってこれます。

今までは、「何かを覚える・学ぶ」といったら、オタクのように詳しく細かく理解しながら、暗記をしていく必要がありました。他に知識の参照のしようがないから、全部覚えるしかないのだから仕方ありません。

でも今の時代、詳しいことはWEBに書いてあります。大体Google先生が教えてくれます。だから詳しいことにはあまり意味がありません。でも１つの知識から芋づる式にいろいろな知識を引っ張り出す力は重要だと思います。なぜならぼくらは思いつきもしないことを調べることができないからです。

さらにこのとき、知識と知識のつながりだけでなく、知識と出典のつながりを引っ張れるようにしておくと、前項目のデータベースとのつながりが非常によくなります。あの内容は確かあの本に書いてあった。この内容はこのタグをつけてEvernoteに保存してある。など、知識単体をただ覚えるのではなく、その付属情報と紐付けて覚えることで、データベースをフル活用することができるのです。

まとめ
これ書いてみて、何となく頭の中では整理できていたつもりが実際書いてみたらあんまり上手くいかないなあという印象です。もっと伝わるアウトプットができるように日々精進します。
では本日はここまで。最後までお付き合いいただきありがとうございました。