如何分辨坏信息?

news2024/11/28 0:48:31

每当有社会热点,大家也许都会遇到一个困扰:

铺天盖地的信息,实在是太多了。究竟哪一些值得信任,哪些不值得信任?哪些可以接受,哪些最好保持怀疑?

我想用这篇文章,彻底把这个问题讲清楚。

图片

什么是「好信息」和「坏信息」?

我对信息有一套评判体系,就是把信息划分成「好信息」和「坏信息」。

什么是好信息?我的定义是:以呈现事实为主要目的,为你的思考提供原料,能够帮助你更好地思考问题、分析问题的信息。

而坏信息呢,指的是:以自身的传播为主要目的的信息。基于这个目的,它可以不择手段,比如:夹带谣言、煽动情绪、挑拨离间、输出片面观点……

简而言之:好信息的本质是「为你提供养料」,而坏信息则是「追求自身传播」。

因此,显而易见,我们在生活中,应该追求摄入好信息,避开坏信息 —— 这也是我一贯以来,筛选和管理信息渠道的主要原则。

原因很简单:好信息会帮助我们「完善自身」,获得更全面的信息和视角,从而更好地进行「独立思考」;而坏信息所做的,是想替代我们去思考。

因而,长期摄入坏信息,会慢慢放弃自己的思考能力,将大脑变成别人的跑马场。

这里需要强调两点。

第一,好信息和坏信息,以性质划分,而不按结果划分。

什么意思呢?一条信息,只要它是想帮助你更全面地了解事实,哪怕最终发现它所呈现的事实是错的,它也是一条好信息,只不过是一条犯了错的好信息。

而反之,一条信息,如果它的逻辑单薄,观点片面,用词偏激,哪怕它呈现的事实「恰巧」对了,也不能说它是一条好信息。

第二,坏信息跟谣言的关系是什么?

在我的定义里,谣言属于一种「坏信息」,它同样具备坏信息的特征:为了让自身更好地传播,可以编造虚假事实,或者轻率地作出断言,挑动读者的恐慌。

但为什么我要说「坏信息」,而不讲大多数人更熟悉的「谣言」呢?原因很简单:判别谣言是需要知识基础的。一个人,哪怕再聪明,在他所不熟悉的领域,他也没有能力去鉴别一条信息是否为谣言。

但是,我们可以曲线救国:既然谣言属于坏信息,具备坏信息的特征,那么,我们通过分辨坏信息,不也就能分辨谣言了?

这也是我写这篇文章的目的之一。

图片

生活中,坏信息远比好信息多

前面讲过,生活中,如果想成为一个拥有独立思考能力的人,我们应该追求好信息,避开坏信息。

但不巧的是,我们所接触到的信息里面,坏信息远远比好信息多。

不妨想一想:你平时阅读的大多数内容,读完之后,是会使你变得更冷静,审慎,理性,还是使你变得更激愤,轻率,冲动?

如果没有刻意筛选过信息源,对许多人来说,应该是后者。

为什么会这样呢?主要有两个原因。

第一个原因,是能够产出「好信息」的深度媒体太少;而热衷于产出「坏信息」的自媒体,又太多。

什么叫深度媒体?就是那些有能力调查社会事件,做基本的事实核对,对信息作审核,产出深度内容的媒体。而因为某些众所周知的原因,我们的深度媒体是非常少的,内容也受到种种限制。

当深度媒体的产出,不足于满足我们的信息需求,自媒体就应运而生了。按2019年微信公开课的数据,公众号数量已超过2000万个 —— 这仅仅是公众号而已。

但是,自媒体是不用承担责任的。同样一条「坏信息」,放在深度媒体上,会损害其信誉和公信力,因此深度媒体会有一套监督和自净机制,可以保障内容的可靠性。

但放在自媒体上,大多数时候,就是文章一删了事。过了几天,大多数人就会忘了这件事。实在闹大了,换个身份,摇身一变,又是一条好汉。

进一步,对自媒体而言,最首要的目的是什么?是抢占注意力。有了注意力,才有流量,进而才有收入。可以说,注意力就是自媒体的命脉。

因此,产出「坏信息」,传播「坏信息」,对自媒体来说,是一种成本很低、而收益接近于无限大的策略。单单依靠「良心」,很难有效制约。

这就导致了「信息过载」。每一天,我们都像在战场上,经受着各种标题党、谣言、情绪化的狂轰滥炸,身心俱疲。

那么,国内有哪些好的「深度媒体」呢?就我个人的经验,下面这些媒体还可以,值得一看:

财新,三联,财经,南都。

仅列举我看得多的,排名不分先后。

图片

图片

人性,同样是坏信息的土壤

上述仅仅是一方面。另一个原因,是根植于人性深处的「斗争欲」。

随便打开知乎、微博、头条、公众号……这样的评论比比皆是:

「你的屁股究竟在哪一边?」

「洗得一手好地」

「楼主是友军,别误伤了」

……

随便一句话,都带着浓重的戾气和火药味。

我把这种话语体系,称作「斗争叙事」。它隐含着一种什么逻辑呢?

讨论就是一场战争,目的就是为了赢;跟我观点一致的就是朋友,观点不一致的就是敌人,对待敌人就要一炮轰过去,把它彻底踩在脚下,让它不得翻身。

真的是这样吗?

这种建构方式显然是荒谬的。仔细想一想就会知道:「我」的观点不一定就是对的,跟我所对立的观点也不一定就是错的,讨论绝大多数时候并非为了分出胜负,而是为了达到共识,使得双方更加接近「全面的真相」。

但为什么许多人会沉浸在「斗争叙事」之中呢?这其实跟人群无关,是一个普世的现象。

社会心理学中有一个原理:人是存在「群体偏见」的。什么意思呢?我们总会把跟我们在某方面相似的人,归为「同类」;而把除了同类之外的人,归为「异类」。

一旦划分出了同类和异类(in-group 和 out-group),随之而来的就是:团结同类,攻伐异类。

这就叫做「社会认同理论」(Social Identity Theory)。

举个例子:当两个人在争论「南方和北方哪里更好」时,他们讨论的,真的是南北差异吗?很多时候并不是。

以南方人为例,他所经历的心理活动,很可能是这样的:

1)对号入座:我是南方人。把自己归属到一个「同类」的群体里面。

2)排除异己:你是北方人。从而,划分出了「南方人」和「北方人」的对立。

3)胜过对方:我要证明「南方比北方好」,并不是因为我真的觉得南方好,而是因为我要证明「我们胜过你们」 —— 从而让我产生「我胜过你」的体验。

你会发现,许许多多「坏信息」,利用的,其实就是这么一点:

  • 你是女性?我告诉你,很多问题不是你的问题,而是男人的问题!

  • 你过着996的生活?其实不是你的问题,而是你被老板剥削了!

  • 你跟家里人关系处不好?不要紧,很多人都这样,我们一起来反抗原生家庭……

首先让你对号入座,安慰你「你没有问题」(同类),然后告诉你「他们是你的敌人」「是他们的问题」(异类),于是,你就会自然产生一种「同仇敌忾」的情绪,从而被煽动。

这种「群体偏见」有多根深蒂固呢?心理学家 Tajfel 等人的实验发现,哪怕是一群儿童,只是随机给他们分组做游戏,也能观察到相似的现象:他们对待「同组的人」会更加宽容,对待「别组的人」会更加苛刻 —— 即使各组间并不存在竞争关系。

那么,为什么人会有这样的偏见呢?这就要追溯到进化心理学了。在原始时代,人只有结成部落,才能生存下去。于是,只有「忠于部落」的个体,才能繁衍下来,并传播下他们的基因。那些不这样的个体,都已经灭绝了。

因此,可以说,每个人心里,都藏着「党同伐异」的种子。而坏信息要做的,就是把它们点燃,煽动,让它生根发芽,冒出火花。

因此,显而易见:好信息要追求理性中立,那么就要压制这颗种子;但坏信息毫无顾忌,它可以最大限度地煽动你的情绪,挑动双方的对立,从而坐收渔翁之利。

这就是在传播力上,坏信息远远胜过好信息的原因。

图片

图片

如何分辨「坏信息」?

说了这么多,我们该如何分辨坏信息呢?

前面讲过,坏信息的首要目的,是通过撩拨「党同伐异」的种子,煽动情绪,从而抢夺你的注意力、让自身获得传播。那么,我们不妨从这一点入手,来彻底剖析一下「坏信息」所可能具备的特征。

如果一条信息符合下面这几个特征,那么,它很大概率,就是一个「坏信息」。

图片

1. 事实缺位

平时生活中,我们接触到的信息,绝大多数都是观点。比如各种「评价」「态度」「结论」「建议」「看法」……

不是说观点不好,观点是一种对信息的高度浓缩,更便于大脑理解。

但一切观点,都必须建立在可靠的事实证据和严谨的逻辑推演上面,否则就是站不住脚的。

而由于坏信息追求的是「传播自己」而非「传播事实」,因此,它们不会把太多时间精力花在「事实核对」上面。

所以,坏信息常见的模式,是这么几种:

1)缺乏事实

这种很好理解。它们通常是对某种社会现象、社会热点的评论和批判,大多数行文是:

先讲最近发生了一件什么事,然后揪住一个点,洋洋洒洒开始自己的批判,间或举一些「我身边」「我朋友」「我二舅姥爷」的例子。

用大白话说就叫做「开局一张图,后面全靠编」。

这种模式,分辨起来也最为简单,你只需要问:

  • 你所引用的事件,是事实的全貌吗?

  • 你所讲的情况,有统计数据吗?

  • 你的判断和分析,是你自己的看法,还是有理论依据?

  • 你所得出的结论,是自己臆测,还是有实际案例、文献资料可以支撑?

大多数情况下,你会发现,这些问题的回答,在文章里面,都是「零」。

那基本就可以判定,这样的信息并无太大价值。

2)人云亦云

这种比起第一种好一点,因为它有事实,但它的事实往往是经不起推敲的。

具体来说,也分为两种情况。第一种,是提供了事实,但没有来源。比如各种「研究表明」「据媒体报道」「我讲个故事」……

严格的做法是什么呢?研究表明,那么是谁做的研究?写出来;媒体报道,什么媒体、何年何月的报道?写出来;讲一个案例,是发生在何地何时的案例,从哪里看到的?写出来。

为什么要这么做呢?因为这样才方便读者去溯源和核对。假如读者对你讲的信息不信服,或是产生兴趣,需要进一步了解详情时,才能按图索骥。

但这一类信息「并不欢迎」读者去核对。因为它们的信息源往往也是道听途说的,自己都没有做过检查。因此,模糊信息来源,既是偷懒,也是一种心虚的表现。

另一种,是引用多手信息。什么叫多手信息呢?就是信息从源头发出,经过许多环节的引用和转述,最后,再到你的面前。

这种有一个很简单的判断方法:看它发出的截图,上面是不是叠加了很多个水印。

为很么要避免多手信息呢?因为信息在传播过程中,非常容易失真。断章取义,以讹传讹,虚假证据……这些情况,实在太常见了。可以说,信息的流通每多一步,失真的风险就高一个数量级。

而一个严谨的作者,他是有义务去做「事实核对」的。因为他需要保证,所呈现给读者的每一个事实,都是确切可靠的。而不是把「事实核对」的义务丢给读者。

如果一篇文章,连文章里引用的信息,都懒得去核对一下,懒得去查找源头、检查是否失真,那它的可靠性和可信度,自然要打一个大大的问号。

3)立场先行

这种在三者里面,是最隐晦、最高级的,也是相对来说最难判别的。

它的模式是什么呢?有事实,也有来源,而且看起来逻辑合理、严谨,几乎无懈可击 —— 但是,存在一个很大的问题:

它往往只选取了「对自己有利」的事实,有意无意忽略了反面的证据和观点。

这种模式一般人很难甄别,我也只能根据自己的经验,告诉大家,这类信息通常有一个特点:

会在开头就开宗明义抛出自己的观点,并且用大量的事实来佐证它,让你一口气读下来觉得「十分顺畅」,完全按照作者的思路走。

简而言之,就是两个点:

1)读起来非常「爽」;

2)读完之后,你印象最深刻的,不是文章提供了哪些事实,而是作者的态度是什么。

如果一篇文章读下来,给你这样的感觉,那你就要留意了。它有可能是作者精心调配、设计的结果,就是为了让你完全接受他的逻辑。

作为对比,一篇「好信息」可能会怎么做呢?很可能会这样:

1)议题:我们今天要探讨一个什么样的话题。

2)事实:对于这个议题,我所搜集到的信息有哪些。哪些是正方的,哪些是反方的。

3)分析:基于上面的事实,我作出的判断和分析是什么。把思路完整地阐述出来。

4)结论:我最终的结论是什么,这个结论在什么条件下、基于什么假设,才会成立。

简而言之,一篇「好信息」,在对事实的处理上会更具透明度,把读者放在一个完全对等的位置:

这些就是「我」获取到的信息,基于这些信息,我作出这样的判断。但同时,也有一些反面的论据,我一起呈现给你看。你可以根据双方的信息,得出自己的结论。

好的文章,你读下去不一定会觉得「爽」,觉得「酣畅淋漓」,但是它可以调动你的思考,让你自己思考得出结论,而不是受制于别人给你灌输的思想。

好了,到这里,我们先总结一下。坏信息的第一个特征,是事实缺位。这里面,从低到高,又可以细分为:缺乏事实,人云亦云,以及立场先行。

如何破解「事实缺位」呢?最好的方式,当然还是自己搜索一下相关信息,去做「事实核对」。但可能有朋友要问:我每天读的信息那么多,不可能每一条都去做核对,应该如何把握平衡呢?

我自己的心得是:如果一条信息对你来说很重要,重要到你想把它转发到朋友圈、分享给朋友,那么,不妨先后退一步,审视一下:

文章里面有哪些事实?有无来源?是否可靠?是否有立场?

慢慢锻炼这种能力,直到把它变成一种本能,一种内化的习惯。

这不但是对你身边的人负责,也是对你自己负责。

图片

图片

2. 情绪煽动

接下来,我们来看第二点。

单单「事实缺位」,不至于成为一条坏信息。它如果想要传播自身,就需要一个必不可少的步骤:煽动你的情绪,让你不假思索地「行动」。

简而言之:如果读完一篇文章,你第一反应是义愤填膺,或者非常激动,那么,在你分享转发之前,不妨先退一步,问问自己:

我是否陷入它希望我产生的情绪里面了?

当然,我不是告诉你:会让你产生情绪的文章都是坏信息。绝对不是。这里面的关键点在哪里呢?

  • 好信息把你当成一个可以平等对话的个体,因此,它一定不会拒绝让你「思考」。

  • 坏信息,它会把你当成一个传播的工具,因此,它会让你陷入充盈的情绪里面,从而让你丧失思考能力。

我们知道,大脑可以分为「情绪脑」和「理性脑」。情绪脑是以杏仁核为中心的边缘系统,负责情绪;理性脑是以前额叶为中心的新皮层,负责思考。这两者是什么关系呢?互相抑制。

也就是说:当情绪脑被激活时,理性脑就会暂时被压制;反过来,当理性脑被激活时,我们的情绪水平就会降低,变得没那么冲动。

所以,坏信息的做法就是:通过激活你的情绪脑,使你的理性脑被压制,从而短暂丧失理性思考能力,让你成为它们传播的载体。

而好信息呢,它激活的是你的理性脑,从而,哪怕你会产生情绪,也会通过思考的激活,让自己冷静下来,思索「这篇文章对吗?」「我可以相信吗?」「我应该怎么做?」

而这几个问题,恰恰是「坏信息」最不希望你去想的。

举个例子。如果坏信息希望你传播它,可能会用激烈的语言下定论,并引导你行动:

「我已经出离愤怒了!如果你是一个有良心的人,请发声!」

它会大吼大叫地把信息抛给你,要求你立刻,马上,按照它所说的去做。

但好信息就会很克制,因为它知道:你是一个独立的个体,它不应该主宰你,你的行为应该由自己所决定。

它可能会这么说:「读到这里你也许会很激动,先冷静一下,我建议你可以这样做……原因是……目的是……如果你认同,请考虑我的建议」。

它会把你当成一个能够平等对话、独立思考的个体,告诉你:现在,信息都摆在这里了,我希望你这样做,但是否要听我的,取决于你。请你为自己的行为负责。

那么,怎么分辨这一点呢?

其实也很简单。如果一篇文章里面,充斥着反问句、排比句、感叹号,以及各种口号式的短句;如果读完一篇文章,你第一反应是怒火中烧、情绪激烈,那么不妨问一问自己:

我是否陷入了「情绪陷阱」里面?

只需要这么一问,你就能立即激活理性脑,压制情绪脑,从而摆脱情绪的束缚,更好地审视这篇文章。

许多时候,理性和非理性,其实就是这么一念之差而已。

图片

3. 简单断言

在之前的文章里,有留言质问我:

整篇文章充斥着「可能」「也许」,不都是你的臆测吗?这样的文章为什么能发出来?

实际上,这是一种缺乏科学素养的观点。

为什么这么说呢?因为科学的思维恰恰就是「有一分证据说一分话」。一个理性的、讲求科学的人,哪怕手头上的证据非常充分,他也能够清晰地意识到:

我所讲的,都是我基于证据作出的推测。它可能很接近真相,但无论多接近真相,都存在着「我错了」的可能性。

也就是说,除非我在转述事实,否则,只要我呈现的是观点,就必然是「很可能」,永远都到不了「一定是」。

因此,如果你读一些科学的、严谨的文章,你会发现,文章里面极少用到肯定的语气,大多数时候都是「风险很低」「极大概率」「很可能」「无需过分担忧」,等等。

反过来,绝对化、肯定化的语气,正是「坏信息」们的最爱。

为什么呢?原因非常简单,因为我们的大脑偏爱「流畅性」。试比较下面两个句子:

1)药物A能治疗疾病B。

2)药物A对疾病B的某些症状有明显改善,具体机制可能是……目前正在计划进一步的临床实验。

哪个句子更严谨?当然是2。但你想一想,哪个句子更容易传播,更容易被大众理解、接受、相信?

大脑有一种偏见,喜欢简单,喜欢流畅,喜欢有力。原因很简单:简单和流畅可以减少对认知资源的耗用,因而更方便大脑储存;有力的句子可以起到警示作用,告诉大脑「它很重要」,因而更容易被记住。

这就是谣言的威力所在。你会发现,任何一则谣言,都是言简意赅的,既简单,又重要,你一看就能明白什么意思,无需耗费时间去思考 —— 因而,它才更容易被我们接受,更容易被传播。

这就叫做「简单断言」。简单,是指把复杂的问题、事物过度简化,用「能不能」「对不对」「好不好」,来取代复杂的描述和分析。

断言,是指把其他的可能性一刀切,用肯定、绝对的语气,告诉你:不用想了,就是我讲的这样。

所以,如果一篇文章里,充满着斩钉截铁的结论,不容置疑的语气,那么,请先给它打一个问号,问一问:

是谁给你的勇气?

图片

4. 群体叙事

最后,简单提一个点,群体叙事。

什么意思呢?我在前面讲过:坏信息的秘诀,在于让你「对号入座」,先把自己安放进某个群体里面,再挑动起群体的对立,让你产生「群体偏见」,从而产生同仇敌忾的冲动。

所以,任何情况下,一旦有人企图给你归类、贴标签,告诉你:你是谁,你的敌人又是谁;

一旦有人企图用「我们都是……的人」等言辞来跟你拉近距离;

一旦有人让你「注意自己的立场」「别为对手说话」「你没错,都是别人的错」时 —— 就得打起警惕了。

无论是两性对立,劳资对立,地域对立,学历对立,甚至是爱国,娱乐,鄙视链……一切对立,背后都离不开「党同伐异」四个字。

别沦为别人的棋子。

记住:你首先是你自己,其次才是群体的一员。

图片

最后,总结一下:

坏信息一般具备的特征:事实缺位,情绪煽动,简单断言,群体叙事。

那么,我想问你一个问题:如果一篇文章符合上面的2点、3点,甚至全部,它一定是一条「坏信息」吗?

现在,我把思考的权利交给你。

请别让它被别人夺走。

图片


 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1425667.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

python数据类型-元组

1 元组(tuple)的定义 元组是集合类型,和列表类似,元组中的元组类型可以不同,元素间用逗号隔开,和列表的不同之处在于: 1 元组的元组不可改变,也被称为只读列表 2 且元组用括号()表示,列表用方括…

HTML+JavaScript-06

节点操作 目前对于节点操作还是有些困惑&#xff0c;只是了解简单的案例 具体操作可以看菜鸟教程&#xff1a;https://www.runoob.com/js/js-htmldom-elements.html 案例-1 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8…

前端构建变更:从 webpack 换 vite

现状 这里以一个 op &#xff08;内部运营管理用&#xff09;项目为例&#xff0c;从 webpack 构建改为 vite 构建&#xff0c;提高本地开发效率&#xff0c;顺便也加深对 webpack 、 vite 的了解。 vite 是前端构建工具&#xff0c;使用 一系列预配置进行rollup 打包&#x…

获客助手助力提升企业微信添加客户的效率和精准度

数字化营销时代&#xff0c;企业微信成为企业与客户沟通的重要渠道&#xff0c;但如何快速、精准地添加潜在客户&#xff0c;一直是企业面临的一大挑战。获客助手作为一款企业微信服务商数灵通外链工具提供的营销工具&#xff0c;为企业提供了一种高效、精准的解决方案。 获客助…

【C++】 C++入门 — auto关键字

C入门 auto 关键字1 介绍2 使用细则3 注意事项 Thanks♪(&#xff65;ω&#xff65;)&#xff89;谢谢阅读下一篇文章见&#xff01;&#xff01;&#xff01; auto 关键字 1 介绍 编程时常常需要把表达式的值赋给变量&#xff0c;这就要求在声明变量时清楚地知道表达式的类…

服务网格(Service Mesh)流行工具

在这篇博客中&#xff0c;我们将介绍微服务的最佳服务网格工具列表&#xff0c;这些工具提供安全性、金丝雀部署、遥测、负载均衡等。 用于部署和操作微服务的服务网格工具的数量不断增加。在这篇文章中&#xff0c;我们将探讨您应该用来构建自己的服务网格架构的顶级服务网格…

(已解决)spingboot项目如何做QQ邮箱注册功能,如何在邮箱注册中进行随机数添加作为动态验证码,并满足分层解耦

前面我们已经完成了发送静态验证码&#xff0c;现在用随机数作为动态验证码。 文章地址&#xff1a;spingboot 后端发送QQ邮箱验证码 使用注解Component进行分层解耦加入ioc容器&#xff0c;方便调用。 package com.example.tianyidemo.utils; import org.springframework.st…

深度学习(7)--Keras项目详解(卷积神经网络)

目录 一.项目介绍 二.卷积神经网络构造 2.1.判断是否是channels first的back end 2.2.卷积层构造 2.3.添加激活函数 2.4.池化层构造 2.5.全连接FC层构造 三.完整代码 3.1.学习率衰减设置 四.首次运行结果 五.数据增强对结果的影响 六.BatchNormalization对结果的影…

MIT6.5830 实验3

前置回顾 在实验2中&#xff0c;完成了增删查改、排序、分组、聚合、连接等基本操作&#xff0c;在已提供 sql 解析器的基础上&#xff0c;能够运行进本的 sql 语句。都是逻辑层的实现&#xff0c;没有涉及物理存储方面的内容。 实验目标 实现最简单的基于锁的transaction&am…

RabbitMQ之死信交换机

前言 消息队列是分布式系统中常用的组件&#xff0c;用于异步通信、解耦和提高系统可靠性。然而&#xff0c;在实际应用中&#xff0c;难免会遇到一些异常情况&#xff0c;例如消息处理失败、超时等。为了更好地处理这些异常情况&#xff0c;死信交换机&#xff08;Dead Lette…

搭建高效企业培训平台:教育系统源码开发详解

为了更好地满足企业培训的需求&#xff0c;许多组织纷纷转向数字化教育&#xff0c;搭建高效的企业培训平台成为当务之急。本篇文章&#xff0c;小编将为您讲解教育系统源码的开发细节&#xff0c;为搭建一个功能强大、灵活高效的企业培训平台提供详尽的指南。 一、教育系统的…

“2024成都国际自动驾驶技术展览会”展示前沿技术与创新融合

近年来&#xff0c;新一轮科技革命和产业革命正向纵深发展&#xff0c;以互联网为代表的新一代信息技术与汽车产业的加速融合推动了汽车产品形态和分布的深刻变革&#xff0c;汽车已开始向大型移动智能终端的方向演变。汽车、信息、互联网等企业、研究院所、高校及各国政府纷纷…

单细胞scRNA-seq测序基础知识笔记

单细胞scRNA-seq测序基础知识笔记 scRNA-seq技术scRNA-seq 分析流程数据预处理聚类标准化数据筛选有用的数据数据降维聚类 Clustering 注释细胞类型 scRNA数据分析结尾 该笔记来源于 B站up 江湾青年 scRNA-seq技术 首先是如何测序&#xff0c;上图瓶中有很多细胞&#xff0c;…

echarts 饼图循环高亮展示

echarts 饼图循环高亮展示 this.categorychart.setOption(option);let currentIndex 0; // 当前高亮图形在饼图数据中的下标selectPie()if (this.changePieInterval)clearInterval(this.changePieInterval);this.changePieInterval setInterval(selectPie, 5000); // 设置自动…

实现vue3响应式系统核心-shallowReactive

简介 今天来实现一下 shallowReactive 这个 API。 reactive函数是一个深响应&#xff0c;当你取出的值为对象类型&#xff0c;需要再次调用 reactive进行响应式处理。很明显我们目前的代码是一个浅响应&#xff0c;即 只代理了对象的第一层&#xff0c;也就是 shallowReactiv…

以 AI 升级自我 | Kyligence 荣获多个奖项及榜单认可

回顾 2023 年的企业开年信&#xff0c;Kyligence 联合创始人兼 CEO 韩卿借用了历史上一句经典口号“时间就是金钱&#xff0c;效率就是生命”&#xff0c;鼓励团队顺势而为&#xff0c;抓住时代的机会&#xff0c;快速发展&#xff0c;快速成长。 Kyligence 一直都在践行“Ret…

【系统设计】12306架构设计难点(下)

欢迎关注公众号&#xff08;通过文章导读关注&#xff1a;【11来了】&#xff09;&#xff0c;及时收到 AI 前沿项目工具及新技术的推送&#xff01; 在我后台回复 「资料」 可领取编程高频电子书&#xff01; 在我后台回复「面试」可领取硬核面试笔记&#xff01; 文章导读地址…

Linux第38步_编译“正点原子移植好的uboot”

uboot的全称是Universal Boot Loader&#xff0c;uboot是一个遵循GPL协议的开源软件&#xff0c;uboot是一个裸机代码&#xff0c;可以看作是一个裸机综合例程。现在的 uboot 已经支持液晶屏、网络、USB等高级功能。 uboot官方的uboot源码是给所有的半导体厂商准备的。ST公司会…

c++ 字符串切分split

c 字符串切分split 的举例实现 一共给出了四种方式 1、 strtok 2、 stringstream 3、 字符串查找 4、 基于封装的方式&#xff0c;提供了 c11 foreach 接口 代码 vector<string> split(string s) {vector<string> res;const char *p strtok((char *) s.c_str(),…

【LVGL源码移植】

LVGL源码移植 ■ LVGL源码移植一&#xff1a;下载LVGL源码二&#xff1a;修改LVGL文件夹1: 将这5个文件&#xff0c;复制到一个新的文件夹2: 简化文件&#xff0c;减少内存消耗&#xff08;去除不必要的文件&#xff09;3: 为了规范化&#xff0c;我们将下列文件进行重命名 三&…