Dr. Chi-Hua Wang
@chihuawang
Dr. Chi-Hua Wang
@chihuawang
Future Art Making favors taste over skill.
There is one reliable sign if you managed to structure your workflow according to the fact that writing is not a linear process, but a circular one: the problem of finding a topic is replaced by the problem of having too many topics to write about.
寫作不是線性的而是循環的。
你總是可以找到新的焦點然候再寫一篇
做研究有一個很核心、但很多人一開始無法接受的心態:
你必須不斷把自己的想法「拿出來」,讓比你更資深的人去批評。
這裡的「批評」,如果用中文直譯,很容易讓人聯想到負面情緒,好像是在否定你、挑你毛病。但在學術環境中,這其實是一個極為日常、甚至必要的過程。
因為你一個人思考,再怎麼努力,本質上都只是在一個有限的視角裡打轉。
第一層:你以為是被否定,其實是被擴展
當你把想法呈現給不同的資深研究者時,你會開始觀察到一件事情:
他們看問題的方式,和你完全不一樣。
同一個問題,有人會從結構切入,有人會從極端情況分析,有人會從既有文獻的脈絡去定位。這些思路,往往不是你一開始會想到的。
而這正是「批評」真正的價值——它不是在否定你的想法,而是在強迫你看到你原本看不到的維度。
很多時候,一句看似簡單的問題,就會讓你整個思路重組。
第二層:初期的痛苦,來自於你還沒有系統
但對初學者來說,這個過程其實是痛苦的。
你會發現自己被問倒、被指出盲點,甚至連怎麼回應都不知道。這種感覺,很容易被誤解為「我是不是不夠好」。
但更準確的說法是:你還沒有建立起一個足夠完整的知識系統。
當你的閱讀量還不夠、接觸的觀點還不夠多時,你的思考自然是片段的。這時候的「批評」,會像是從四面八方湧來,但你沒有足夠的結構去吸收。
那怎麼辦?
答案其實很樸素:回去讀。
大量地讀,刻意地讀,去補上那些你不知道的背景、方法與脈絡。
第三層:當你見得夠多,思考才會開始成形
當你累積到一定程度,你會發現一個轉變。
很多別人提出的觀點,你開始「似曾相識」;很多問題的切入角度,你開始能預測;甚至在別人還沒說完之前,你已經大致知道他要問什麼。
這不是因為你變聰明了,而是因為你建立了一個「系統」。
這個系統讓你可以把不同的想法放在適當的位置,知道它們之間的關係,也知道它們的限制。
當你有了這個系統,你再面對批評時,就不會只是被動承受,而是可以主動判斷:
這個意見,是在補強我的論證?還是開啟一個新的方向?
第四層:研究心態 vs. 專案心態
這裡有一個很關鍵的分界:你是用「研究心態」,還是「專案心態」在做事情?
很多人其實是用專案心態在念書、做研究。
他們關心的是:這件事情做到什麼程度,可以交差?
這門課怎麼修,可以拿到高GPA?
在這種思維下,你會自然地避開那些難度高、風險高、但長期價值也高的內容。
例如進階課程、抽象理論、需要長時間消化的經典書籍。
但如果你用的是研究心態,問題會完全不一樣。
你不會問「什麼時候可以停」,而是問「這個問題還能往哪裡延伸」。
你關心的不是完成,而是理解。
第五層:被嚇過,才會開始老實做學問
我自己很感謝一段經歷。
在台大數學系大三的時候,我去修了一些研究所等級的課:實分析、機率論、微分幾何、李群與李代數。
老實說,那段時間是被「嚇到」的。
很多內容一開始完全跟不上,甚至連基本的直覺都沒有。但也正因為這樣,我才真正意識到:如果要理解這些東西,你不能投機取巧。
你只能回去,慢慢讀書,慢慢建立基礎。
這個過程讓我養成一個很重要的習慣:對困難保持誠實。
而這個習慣,後來在我做統計、機器學習、以及Sequential Decision Making的研究時,變得非常關鍵。
因為那些領域的核心問題,本質上都需要你有能力讀懂抽象結構,而不是只停留在表面技巧。
結論:真正的研究,是一條沒有「完成點」的路
如果你真的進入研究狀態,你會發現一件事情:
問題,不會結束。
一個問題解開之後,會自然延伸出下一個問題;一個觀點建立之後,會引出更多需要驗證的細節。
這不是缺點,而是研究的本質。
所以你不再問「做到哪裡可以停」,而是開始習慣「一路往下走」。
而在這條路上,批評不是阻礙,而是推動力。
它讓你不斷修正、不斷擴展、不斷深化。
最終,你會發現你得到的,不只是幾個結果,而是一個足夠寬廣、可以持續生長的知識結構。
這,才是研究真正的價值。
怎樣才是好的Creativity tool ?如何定義標準呢?
Wealth 是使用而不是持有
DEMYSTIFYING ATTRIBUTION IN MARKETING
Introduction: Understanding Marketing Attribution
Chapter 1: The Basics of Attribution
Chapter 2: Starting Simple - Pixel Attribution
Chapter 3: Enhancing Your Attribution Process with Tags
Chapter 4: When to Consider Statistical Methods of Attribution
Chapter 5: Building a Comprehensive Attribution Strategy
Conclusion: Simplifying Attribution Step-by-Step
我想寫書有兩種策略:
自然而然,先有內容再組織
先定位好,接著用組織產生內容
前者我可以一直發社群內容,然候聚集起來
後者我可以用AI輔助持續輸出內容,找讀者給feedback,持續迭代
都是寫書的方法,看能不能以一個月一本草稿為目標前進
Data is a type of model for the phenomenon