一个错误引发“员工援助”

来源:《新民晚报》,2010年3月2日,B-19版(http://xmwb.xinmin.cn/xmwb/html/2010-03/02/node_60.htm

周小平(高校行政)

我了解并认识“员工援助计划”,始于2006年美国同行来我校作学术报告时讲到的一个故事。

美国女孩玛丽毕业后考取护士执照,分到纽约一家医院工作。这年冬天,纽约气候异常寒冷,年底时病人激增,其中很多是老年人。他们反应迟钝动作慢,一件事要解释好几遍,不舒服就按护士铃,玛丽忙得脚不沾地,一天下来疲惫不堪。这天她忙中出错发错了药,幸好被及时发现,没有酿成事故。管理部门立即展开调查。

首先调查护士的管理部门“护理部”。他们调出最近一段时间病历记录,发现“玛丽负责区域病人增加30%,而护士人手没有增加”。调查部门认为护理部没有适时增加人手,造成玛丽工作量加大,劳累过度出现失误,属人员调配不当。

随后调查人力资源部门的“心理咨询机构”。玛丽的家里最近有什么问题?询问得知,她的孩子刚两岁,上幼儿园不适应,哭闹利害,影响到玛丽晚上休息。调查人员询问后认为“医院的心理专家没有对她进行有效关怀帮助,属于失职”。

最后调查制药厂。他们把玛丽发错的药放在一起进行对比,发现这几种常用药的外观、颜色相似:全是白色,圆形。他们向药厂发函:建议改变常用药片外包装,最大限度杜绝事故苗头。药厂接受医院建议,重新设计外包装上报药事部门。

医院“员工援助”部门走访玛丽家,告诉她不用担心病人赔偿事宜,已由保险公司解决。然后与小夫妻探讨如何照顾孩子,并向社区申请10小时义工帮助,在玛丽下夜班的白天,由义工照顾孩子,让她能休息好。

医院接着通知她:“放你几天假,帮助女儿适应幼儿园生活”。玛丽很感动,觉得自己选择护士工作没错,如果年龄允许,她想一直做下去。

市场经济让人们对成功的界定有些狭隘,动不动就以年薪、住房、地位为标准,在这种舆论下,员工很容易心累。当他们加班加点,成了职场上高速运转的机器,当他们遇到人际冲突、婚姻爱情、身体健康等方面的情绪困扰时,很容易引发忧郁等心理疾病。因此,员工援助计划是一项非常重要的措施——它通过解决个体遇到的问题,完善个体心理和行为方式,使个体更好地服务于组织,促进组织绩效的提高。


文章来源:http://hi.baidu.com/tombkeeper/item/1eb9bf1b96628d436826bb49

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,请切勿用于商业用途。 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,请切勿用于商业用途。 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,请切勿用于商业用途。 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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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