2098字/5分钟阅读时长
应试教育在中国可以追溯到科举制度上，科举制度是中国古代通过考试选拔官吏的一种基本制度，考试内容局限于四书五经等儒家经典，考生们为了考取功名，往往死记硬背，缺乏对其他知识的学习和探索，导致思想僵化，创新能力受到抑制。整个社会过于重视科举考试，学习的目的主要是为了应试，造成了教育的功利化倾向，特别进入明清产生了八股文，更是造成文人的思想保守与僵化。
科举制度随着清朝的完结也被废除了，而这样的教育导向并没有随之消失，甚至还有发展的势头，这就是现在盛行的“应试教育”。
应试教育为了在考试中取得好成绩，往往会进行大量的题海战术和机械记忆。过于强调标准答案和考试技巧，可能会限制人们的思维方式，抑制他们的创造力和创新能力。往往习惯于被动接受知识，缺乏主动探索和思考的精神。应试教育导致我们形成如下几种思维：
1. 应试思维：这是指在学习过程中只注重应对考试，不注重真正的学习和理解。这种思维模式使得学生往往只记忆知识点，而缺乏对知识的深刻理解和应用能力。
“学习需要划重点”，“只关注考试内容对其他不感兴趣”，“学习却不动脑”，“凡事等着老师给答案”，“……”这些行为是典型的“应试思维”的产物。
在不知不觉中早已被“应试思维”洗脑，所以当我们突然离开了那种环境时，会感到莫名的不适和空虚，甚至会渴望重新回到那个曾被我们痛恨的环境中去。我们忘记了“填鸭式”教育带来伤痛，习惯了凡事依赖他人，也习惯了不动脑的学习。我们曾为离开了应试教育的大环境而庆幸，但却不知道，应试思维早已在我们脑海中扎根。“应试思维”是思维领域的刽子手，它残忍的杀害了人们的其他思维，并企图控制人们的行为，在“应试思维”的控制下，人们的思维慢慢僵化。渐渐的，我们难以再客观的去评价事物，我们难以再清楚的辨别是非对错，也难以再正确的树立自己的人生观念。“应试思维”是种单一思维，是种机械思维。
2. 机械思维：这种思维模式是指只注重表面的知识点和公式，缺乏对知识背后的逻辑和原理的理解。这种思维模式容易导致学生只会死记硬背，而缺乏创新和创造力。
3. 被动思维：这种思维模式是指只是被动地接受老师教授的知识，缺乏主动思考和探索的能力。这种思维模式容易导致只是机械地重复老师的话语，而缺乏自己的思考和判断能力。
4. 懒惰思维：这种思维模式是指懒于思考和学习，只注重自己的舒适和享乐，缺乏自律和毅力。这种思维模式容易导致缺乏独立思考和解决问题的能力。
5. 狭隘思维：这种思维模式是指只关注自己已有的知识和观点，拒绝接受新的思想和观点。这种思维模式容易导致缺乏开放性和包容性，难以理解和接受不同的观点和文化。
以上是一些典型的思维定式，每种思维模式都有其特点和影响，对学习和发展都会产生不良影响。因此，终身学习，应该注重培养自己的主动思考能力、创新能力和开放性，提高自己的学习效率和质量。
应试教育赋予寻找标准答案的惯性思维、固化思维。会选择高强度地死记硬背标准答案，知其然而无暇求其所以然，这是典型的应试教育现象。
现在社会上流行的学习干货，就是标准答案。
未来我们需要用逻辑、数据思维说话，世界的通用语言是逻辑和数据。在跨国企业里，每个人的思维方式和习惯是千差万别的，这是在跨国企业工作的前提条件。这种差别称为多样性（diversity）。
不要将自己国家的文化灌输给所有人，而要将无论哪种文化背景的人都认可的理念作为团队的基础。用日本人特有的说话方法无法沟通，南非式的工作方法也无法立刻掌握。
那么，究竟什么才能获得不同地域、不同文化背景的认同和理解呢？
那就是逻辑和数据。即使不会英语，不知道对方在想什么，通过逻辑和数据也可以传递信息。能够流利地说英语本身没有价值，有逻辑和数据就能沟通。
逻辑先行
那些具有一定的说服力，并且可以真正驱使他人主动行动的话都具有很强的逻辑性和深厚的情感内涵。
“每个人首先要学会有逻辑地说话，通过情感或热情打动人的方法等真正熟悉了工作后再用也不迟。”
如果你想用热情来推动某些不合乎逻辑的工作，在理论上敷衍了事而过度诉诸感情和热情，对方的经验越是丰富，沟通就越不能如愿以偿，并且不再信任采取这种工作态度的人。这连站在起跑线上的机会也会丧失。
用数据、事实说话
最能代表事实的是“数据”。这是不能靠经验和漂亮话能动摇的事实，数据是谁也无法撼动和否认的，用数据说话最有效。
假如“世界通用语”存在的话，它应该不是英语而是数据。并且不是艰涩难懂的数据，而是销售额、出货量、成本、利润率等简单的数据。
做了相应调查，事实也正是如此：营业员经常去的不是有预算的地方，而是容易打交道的地方。
将一些凭感觉想到的问题落实在“数据”上，变成清晰明确的“证据”，更容易让人理解和信服。
毫无经验的新人职场的唯一武器就是数据。只有独一无二的，自己独立统计的数据才是有用的数据。即便是新人，如果给出的建议符合实际，大家也会认真倾听，主观意见可以不认同，而客观事实却不得不正视。
自己发现有问题时，首先要收集实际数据。这时不要笼统地收集，而是详细、具体地收集。只要你统计的数据有价值，它至少不会被完全忽略，并且这些踏踏实实的工作也是每个人应该做的。
