蔡康永的201堂情商课

蔡康永的201堂情商课

情商高才能做自己

第一节课

今天是我们情商课的第一课,我们先来聊一件事,当我们谈情绪的时候,我们常常提到这件事情,就是流眼泪。

举个例子,如果有一个男生,他很幸运地约到了他很喜欢那个女生。初次约会,他想依照女生的喜好,就选去看一部爱情文艺片。没有想到,当电影散场,灯光亮起的时候,他发现坐在旁边的女生哭得泣不成声。一般看爱情文艺片,如果流下几滴眼泪就还好,可是哭成这个样子,不断的啜泣,简直呼吸不过来,这太令人尴尬了。这个男生这时候应该怎么办呢?他难道要一样以激动的情绪握住对方的手,说“你不要这么难过嘛”?还是可以默默地递出一张纸头,说“给你擦一下眼泪”?或者多问一句“你还好吗”

现在我给大家三秒钟,大家跟我一起想一下:如果你是这个男生,发现旁边的女生哭得这么惨,你会说什么话,你会怎么做?

如果这个男生跟这个女生是一对老夫老妻了,那彼此就很有默契,很习惯了。说不定女生哭成那样子,男生根本完全没有反应,就拍拍她的肩膀,就好了。可是我刚刚讲了,这是初次约会,初次约会是建立我们“对一个人的第一印象”的重要时刻。这个时候,男生如果一看到女生流泪,就判断她很难过,然后叫对方说“你不要这么难过嘛!”那这个女生心里面作何感想?如果这个女生刚好就是很难过,那她可能会被安慰到;可是如果这个女生,她只是被剧中人那种伟大的爱情所感动了,那这时候,她心里面根本就没有难过的情绪,而你却跟她说“你不要这么难过嘛!”那,这就是一种比较武断的,比较粗糙的判断。当然有些女生还是会接受这样的善意,可是也有些女生就会觉得“啊,你真的一点都不懂女生的心”。

那如果你是第二种反应,默默地递出一张纸,给她擦眼泪,或者就问一声,说“你还好吗?”这样子,我觉得女生就会觉得,这个男生起码懂得女生的心思有多复杂,情绪是有各种层次的。

不管是辨认自己的情绪,或者辨认别人的情绪,都需要辨认情绪的能力。这个能力,心理学家取了一个名字,叫做“情绪的颗粒度”。我们讲情绪颗粒有时候很粗大,就是说这个人神经很大条,TA看到别人的情绪,很容易就很武断地下了一个判断。流眼泪,那就是难过;哈哈笑,就是开心;皱眉头,就在生气。像我有的时候面无表情,坐在那里,我就会听到别人问我,说“你不高兴哦?”我心里面就会翻白眼,因为我只是面无表情,谁跟你讲我不高兴了所以,这种情今天是我们情商课的第一课,我们先来聊一件事,当我们谈情绪的时候,我们常常提到这件事情,就是流眼泪。

举个例子,如果有一个男生,他很幸运地约到了他很喜欢那个女生。初次约会,他想依照女生的喜好,就选去看一部爱情文艺片。没有想到,当电影散场,灯光亮起的时候,他发现坐在旁边的女生哭得泣不成声。一般看爱情文艺片,如果流下几滴眼泪就还好,可是哭成这个样子,不断的啜泣,简直呼吸不过来,这太令人尴尬了。这个男生这时候应该怎么办呢?他难道要一样以激动的情绪握住对方的手,说“你不要这么难过嘛”?还是可以默默地递出一张纸头,说“给你擦一下眼泪”?或者多问一句“你还好吗”

现在我给大家三秒钟,大家跟我一起想一下:如果你是这个男生,发现旁边的女生哭得这么惨,你会说什么话,你会怎么做?

如果这个男生跟这个女生是一对老夫老妻了,那彼此就很有默契,很习惯了。说不定女生哭成那样子,男生根本完全没有反应,就拍拍她的肩膀,就好了。可是我刚刚讲了,这是初次约会,初次约会是建立我们“对一个人的第一印象”的重要时刻。这个时候,男生如果一看到女生流泪,就判断她很难过,然后叫对方说“你不要这么难过嘛!”那这个女生心里面作何感想?如果这个女生刚好就是很难过,那她可能会被安慰到;可是如果这个女生,她只是被剧中人那种伟大的爱情所感动了,那这时候,她心里面根本就没有难过的情绪,而你却跟她说“你不要这么难过嘛!”那,这就是一种比较武断的,比较粗糙的判断。当然有些女生还是会接受这样的善意,可是也有些女生就会觉得“啊,你真的一点都不懂女生的心”。

那如果你是第二种反应,默默地递出一张纸,给她擦眼泪,或者就问一声,说“你还好吗?”这样子,我觉得女生就会觉得,这个男生起码懂得女生的心思有多复杂,情绪是有各种层次的。

不管是辨认自己的情绪,或者辨认别人的情绪,都需要辨认情绪的能力。这个能力,心理学家取了一个名字,叫做“情绪的颗粒度”。我们讲情绪颗粒有时候很粗大,就是说这个人神经很大条,TA看到别人的情绪,很容易就很武断地下了一个判断。流眼泪,那就是难过;哈哈笑,就是开心;皱眉头,就在生气。像我有的时候面无表情,坐在那里,我就会听到别人问我,说“你不高兴哦?”我心里面就会翻白眼,因为我只是面无表情,谁跟你讲我不高兴了所以,这种情所以,这种情绪颗粒度的粗糙,有的时候会让别人觉得,“啧,你真的很不懂我”。
而如果你是一个情绪颗粒度很细致的人,你就很懂得分辨不同的情绪。有些人不但能够判断出来,这个人流泪是因为难过,还是因为感动,还是因为惆怅,他甚至能够辨认出难过当中不同的类型。

你在一个鞋店的橱窗里面看到了一双鞋,你好喜欢这双鞋,你一个礼拜,连续每一天都到这个橱窗,去望着这双鞋,终于,你受不了了,这个礼拜过完,你毅然决然跑去这个店,结果这双鞋已经不在了,你没买到。这时候你感觉到很难过,这个难过是哪一种难过呢?是你的挣扎来自于你钱包里面的钱不够,所以你才错过这双鞋,而引发了一种,你瞧不起你自己的收入的这种难过?还是明明只要你出手就能够买到,你却一拖再拖,你对自己的拖延症感觉到非常的失望,而自责的难过?还是说,其实你柜子里面根本就放了太多双鞋了,你已经提不起兴趣,真的再去多买一双鞋,感觉到人生实在是百无聊赖的,这种空虚的感觉的难过呢?
你可能很豁达,觉得,唉呀,一双鞋没有买到没关系,不用管是哪一种难过了,可是背后隐藏的,其实是你对于自己的人生的某一种不满意。

相信我,只要你一开始探索自己的情绪,你就会得到一份从容;如果你一味地淹没在自己的难过里,你得不到这个呼吸的空间。可是只要你一开始探索自己的情绪,你就会发现,本来一片模糊的,可能很混乱的人生,会一丝一毫渐渐地展露出它的面目来

我有个朋友失恋了,非常难过,TA习惯性地跑去,找TA的心理治疗师。心理治疗师会说“不要用’难过’这么笼统的说法,可不可以更具体地描述你的感觉?”结果朋友就说“我失去这个爱,我觉得世界上没有人会再爱我了。”这时候治疗师会接着问,“没有人再爱你,这对你来说意味着什么呢?”治疗师的工作并不是安慰别人,TA不是拿一块布去盖在一个伤口上,假装都看不到就好了;TA是要帮这个伤口拍个X光片,然后透过这个X光片,能够更清楚地看到“到底发生了什么事”。

我查到了一个德国作者,叫做约翰凯尼格(John Koenig),约翰凯尼格(John Koenig)花了七年的时间,制作了一本悲伤词典。这本词典里,有8000种形容不同种类的悲伤的词汇。他发现生活当中有很多模糊的情绪,没有办法找到明确的词语来表达,他就请朋友们详细地叙述,到底是哪一种悲伤的情绪,然后他总结出来,把它变成一个词。

你翻开这本悲伤词典会看到,比方说这么一个词,(Anecdoche),(Anecdoche)这个词是表示,大家都在热烈地交谈的时候,你也想要参与,可是没有人要听你说。嗯,我想说,你熟悉《康熙来了》这个节目的话,节目当中的陈汉典就常常遭遇到这个处境。或者另外有一个词,叫做(Rollover Reaction),它是指,你本来对某一个人怀抱着美好的印象,可是忽然这个美好被打破了。像这样各式各样的、细腻的悲伤情绪,约翰凯尼格(John Koenig)一共总结出了8000种。也就是,当你流下一滴眼泪的时候,在凯尼格的眼中,可以有8000个不同的理由。

我们一般人对于情绪的观察,不可能像悲伤词典这样子,可是,我们还是可以在一定程度上,提升我们情绪的颗粒度。明天的课程当中,我们要来谈一下:如果我们能够渐渐地,把情绪颗粒度变得越来越细致,那我们在面对问题的时候,我们跟那些很粗糙的人会有什么不一样的做法?

现在我想要邀请你,跟我一起做一个小练习。回想一下,最近一次你感觉到难过,不管那个难过是大是小,都没有关系,我们就除了“我很’难过’”这个形容词之外,你试着更细腻地描述,这个难过是什么样的难过,把它写下来。
然后你可以跟你的好朋友聊聊看,这种难过,是不是能够引起TA的共鸣;或者TA听了以后,会觉得TA从来没有经历过这种难过,可是也引起了TA高度的好奇心。练习看看哦,你一练习,可能会发现,你在这方面非常有潜力,能够成为一个情绪颗粒很细致的人。

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际况进行定制和优
评论 1
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