看日剧,学习判断自己的情商高低

作者:徐强

低情商的典型特征:
1) 喜欢指责和打击他人;
2) 讲话做事容易无意识伤及别人的感受
3) 要么对外界的反应过分敏感,很容易感觉被伤害,和他们聊天要小心;要么对他人的暗示非常不敏感
4) 缺乏对于"意图和结果"巨大差异的意识,觉得自己的好意就应该收获到好的反馈
5) 在亲近关系中,容易表现出过度依赖对方的举动;
6) 发散出推卸责任抱怨、绝望等负面情绪,和他们在一起,你的情绪常常也会跟着变差。


为什么低情商的人,讲话做事容易伤及别人的感受?
1) 他们可能缺乏关注他人情感的意愿,换句话说:不在乎
2) 由于感知他人情感的能力差,他们缺乏该说什么、该做什么、会产生什么影响的判断力
3) 更糟糕的部分来了:低情商的人特别容易感觉被伤害。他们常常能把别人无意识的行为,解读为对自己的攻击。在这种情况下,别人就不愿给予真实的反馈了。这样人就很难进步,于是一错再错就不可避免
4) 意图不等于结果,无数具有破坏性的事情,都是那些觉得自己正确的人做出来的。但是希望用"好的意图"交换到"好的回馈"的低情商者,往往不愿意接受,或者没有意识到。我觉得有一句口头禅,是典型的情商低的表现——"我是为你好"——于是父母就可以翻子女的手机,干涉子女的私事。子女不接受的时候,还觉得"父母为你付出了这么多,你这孩子怎么不懂事?"于是子女索性连真话都不说了,能躲就躲。

高情商的特征:
1) 讲话做事善于照顾他人的感受,解读对方情感和意图的能力强
2) 辐射正能量,和他们在一起,你会感到舒服、轻松
3) 理解"意图与结果"的巨大差异,会关注和主动获取对方的反馈,然后加以调整
4) 朋友圈子广,能容纳多种类型的人;善于鼓励和夸奖他人。

和高情商的人在一起,如沐春风。他们会辐射正能量,哪怕你心情很糟糕,遇到这样的人,也会变得好起来。甚至什么话都不说,你就能感受到这种氛围。


判断高情商的误区

误区一:觉得老油条是高情商
职场里有不少老油条,典型特征是:揣摩人心、理解办公室政治的能力强。知道对什么人说什么话,做事很少吃亏。这种类型的人,其实和高情商划不上等号,应该算是中等情商。他们主要是缺乏辐射正能量的能力。跟大多数老油条相处,你会觉得世界更美好了吗?

误区二:觉得高情商就是善于隐藏情感
事实上,高情商的人往往善于表达自己的情感,并且,表达出来的情感,大多也是正面的。这主要是因为他们本身的内心情感,大多数正是积极的;而对于负面的部分,他们也更有能力去掌控,能够选择最利于他的表达方式和场合。一个能够将情感表达出来的人,通常会更加健康。很多心理疾病,就是由于不能表达和宣泄情感造成的。有趣的是,低情商的人,反倒更倾向于隐藏自己的欣喜,他们觉得表达情感会暴露自己的弱点;但是他们缺乏控制负面情绪的能力


误区三:觉得能忍气吞声就是高情商
高情商的人,其实很少会遭遇需要"忍气吞声"的场景。因为他们往往能够将对方的情感引导到正面,降低了产生直接冲突的可能。正如"可怜之人必有其可恨之处",相反地,比如说,面对一个态度不卑不亢的下属,将心比心,很多给他穿小鞋的话就难于说出口。你看到一个很热情的人,本来心里的郁闷,也就少了很多。这就像成为武林高手的首要标准,不是能挨打(尽管抗打也是一项能力),而是别人很难打得到他
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值