⁉️چرا چیزهایی را تماشا می‌کنیم که از آن‌ها متنفریم؟
🎯 زیر پست‌هایی که ازشان متنفری کامنت نگذار؛ الگوریتم فکر می‌کند عاشقشان هستی
♦️ مگان توموس، وایرد — پژوهش جدیدی به سرپرستی پژوهشگران دانشگاه استنفورد نشان میدهد محتوایی که برای شما در شبکه‌های اجتماعی نمایش داده می‌شود لزوماً بازتاب‌دهندۀ چیزهایی نیست که دوست دارید، بلکه بیشتر بازتاب‌دهندۀ چیزهایی است که به آن‌ها واکنش نشان می‌دهید.
♦️ پژوهشگران ۷۱۵ کاربر شبکۀ اجتماعی ایکس را بررسی کردند. در این شبکۀ اجتماعی هر فرد در صفحۀ خود دو انتخاب دارد: پست‌های حساب‌هایی که خودش دنبال کرده، و پست‌های صفحۀ «for you» که الگوریتم بر اساس رفتار و واکنش‌های فرد انتخاب می‌کند که چه پست‌هایی را به او نشان دهد. پژوهشگران این دو را با هم مقایسه کردند و دریافتند پست‌هایی که با ارزش‌ها و باورهای اعلام‌شدۀ کاربران در تضاد بودند بیشتر از پست‌هایی که با علایق آن‌ها همخوانی داشتند در صفحۀ for you ظاهر می‌شدند.
♦️ نتایج پژوهش دانشگاه استنفورد نشان داد الگوریتم ایکس واکنش‌های خشم‌آلود کاربران را نشانۀ علاقۀ آن‌ها به محتوا تلقی می‌کند و بر همین اساس محتوای بیشتری از همان نوع به آن‌ها نشان میدهد. زیو اپستین، نویسندۀ اصلی پژوهش، می‌گوید پلتفرم‌ها میزان تعامل را معیار اصلی سنجش علاقۀ کاربران قرار میدهند و فرض می‌کنند هرچه تعامل بیشتر باشد، یعنی کاربر بیشتر به آن محتوا علاقه دارد؛ اما قضیه به این سادگی نیست.
♦️ مایکل برنشتاین، از نویسندگان این مقاله و استاد علوم کامپیوتر در دانشگاه استنفورد، می‌گوید «شبکه‌های اجتماعی نباید محتوای جنجالی و تحریک‌کننده را صرفاً به خاطر واکنش بیشتری که از ما می‌گیرد، به محتوای مفید و مرتبط ترجیح دهند؛ از طرف دیگر، نباید هم فقط برای خوشایند ما، محتواهایی را نشان دهند که با آن‌ها موافقیم. ما می‌توانیم از علم کمک بگیریم تا شکاف‌هایی را که ما را از یکدیگر دور می‌کنند کاهش دهیم».
♦️ به نظر می‌رسد افراد بیشتر جذب چیزهایی می‌شوند که از آن‌ها متنفرند تا چیزهایی که دوستشان دارند. دکتر رابرت چندلر، روان‌شناس بالینی، می‌گوید «مغز طوری طراحی شده که به چیزهای مهم، غیرقابل‌پیش‌بینی یا دارای پیامدهای جدی توجه کند، نه صرفاً چیزهای خوشایند». اینجاست که آمیگدال وارد ماجرا می‌شود. همان مدارهای عصبی که در مغز به شناسایی شکارچیان و تهدیدها کمک می‌کنند، در برابر شرکت‌کنندگان برنامه‌های واقع‌نما یا چهره‌های جنجالی نیز به دنبال نشانه‌های خطر می‌گردند.
♦️ محتوای خشم‌آور در فضای آنلاین نیز به‌خوبی با فرایندی که چندلر توضیح میدهد و در آن مغز خود را برای واکنش به یک محرک آماده می‌کند همخوانی دارد: «خشم می‌تواند از نظر روان‌شناختی مفید به نظر برسد، چون به فرد انرژی میدهد؛ ... واکنش نشان دادن، پیش‌بینی کردن و بحث کردن می‌تواند حس موقتی از کنترل یا مشارکت را در فرد ایجاد کند».
🔗 آنچه خواندید برگرفته از مطلب «Ragebait Successful: Why We Watch Things We Hate» نوشتۀ مگان توموس است که در تاریخ ۲ ژوئیۀ ۲۰۲۶ در وایرد منتشر شده است./ترجمان
🎯 زیر پست‌هایی که ازشان متنفری کامنت نگذار؛ الگوریتم فکر می‌کند عاشقشان هستی
♦️ مگان توموس، وایرد — پژوهش جدیدی به سرپرستی پژوهشگران دانشگاه استنفورد نشان میدهد محتوایی که برای شما در شبکه‌های اجتماعی نمایش داده می‌شود لزوماً بازتاب‌دهندۀ چیزهایی نیست که دوست دارید، بلکه بیشتر بازتاب‌دهندۀ چیزهایی است که به آن‌ها واکنش نشان می‌دهید.
♦️ پژوهشگران ۷۱۵ کاربر شبکۀ اجتماعی ایکس را بررسی کردند. در این شبکۀ اجتماعی هر فرد در صفحۀ خود دو انتخاب دارد: پست‌های حساب‌هایی که خودش دنبال کرده، و پست‌های صفحۀ «for you» که الگوریتم بر اساس رفتار و واکنش‌های فرد انتخاب می‌کند که چه پست‌هایی را به او نشان دهد. پژوهشگران این دو را با هم مقایسه کردند و دریافتند پست‌هایی که با ارزش‌ها و باورهای اعلام‌شدۀ کاربران در تضاد بودند بیشتر از پست‌هایی که با علایق آن‌ها همخوانی داشتند در صفحۀ for you ظاهر می‌شدند.
♦️ نتایج پژوهش دانشگاه استنفورد نشان داد الگوریتم ایکس واکنش‌های خشم‌آلود کاربران را نشانۀ علاقۀ آن‌ها به محتوا تلقی می‌کند و بر همین اساس محتوای بیشتری از همان نوع به آن‌ها نشان میدهد. زیو اپستین، نویسندۀ اصلی پژوهش، می‌گوید پلتفرم‌ها میزان تعامل را معیار اصلی سنجش علاقۀ کاربران قرار میدهند و فرض می‌کنند هرچه تعامل بیشتر باشد، یعنی کاربر بیشتر به آن محتوا علاقه دارد؛ اما قضیه به این سادگی نیست.
♦️ مایکل برنشتاین، از نویسندگان این مقاله و استاد علوم کامپیوتر در دانشگاه استنفورد، می‌گوید «شبکه‌های اجتماعی نباید محتوای جنجالی و تحریک‌کننده را صرفاً به خاطر واکنش بیشتری که از ما می‌گیرد، به محتوای مفید و مرتبط ترجیح دهند؛ از طرف دیگر، نباید هم فقط برای خوشایند ما، محتواهایی را نشان دهند که با آن‌ها موافقیم. ما می‌توانیم از علم کمک بگیریم تا شکاف‌هایی را که ما را از یکدیگر دور می‌کنند کاهش دهیم».
♦️ به نظر می‌رسد افراد بیشتر جذب چیزهایی می‌شوند که از آن‌ها متنفرند تا چیزهایی که دوستشان دارند. دکتر رابرت چندلر، روان‌شناس بالینی، می‌گوید «مغز طوری طراحی شده که به چیزهای مهم، غیرقابل‌پیش‌بینی یا دارای پیامدهای جدی توجه کند، نه صرفاً چیزهای خوشایند». اینجاست که آمیگدال وارد ماجرا می‌شود. همان مدارهای عصبی که در مغز به شناسایی شکارچیان و تهدیدها کمک می‌کنند، در برابر شرکت‌کنندگان برنامه‌های واقع‌نما یا چهره‌های جنجالی نیز به دنبال نشانه‌های خطر می‌گردند.
♦️ محتوای خشم‌آور در فضای آنلاین نیز به‌خوبی با فرایندی که چندلر توضیح میدهد و در آن مغز خود را برای واکنش به یک محرک آماده می‌کند همخوانی دارد: «خشم می‌تواند از نظر روان‌شناختی مفید به نظر برسد، چون به فرد انرژی میدهد؛ ... واکنش نشان دادن، پیش‌بینی کردن و بحث کردن می‌تواند حس موقتی از کنترل یا مشارکت را در فرد ایجاد کند».
🔗 آنچه خواندید برگرفته از مطلب «Ragebait Successful: Why We Watch Things We Hate» نوشتۀ مگان توموس است که در تاریخ ۲ ژوئیۀ ۲۰۲۶ در وایرد منتشر شده است./ترجمان
مدیریت اجرایی
Photo
📌 موانع یادگیری عمیق در سازمان‌ها و حکمرانی
✍️ نویسنده: دکتر علینقی مشایخی
آیا تا به حال فکر کرده‌اید چرا برخی تصمیمات مدیریتی یا سیاسی با وجود تکرار و تغییر مداوم، باز هم به شکست می‌انجامند؟ پاسخ در «نوع یادگیری» نهفته است.
۱. دو لایه یادگیری چیست؟
>> یادگیری سطحی (چرخه اول):
تغییر قواعد تصمیم‌گیری بدون دست‌زدن به پیش‌فرض‌های ذهنی.
💡 مثال: فرض می‌کنیم علت گرانی، «گران‌فروشی» است؛ پس مدام تعزیرات و جریمه‌ها را سخت‌تر می‌کنیم بدون اینکه به اصل سیاست‌های تورم‌زا شک کنیم.
>> یادگیری عمیق (چرخه دوم):
زیر سؤال بردن و اصلاح پیش‌فرض‌ها و باورهای پایه. زمانی که پیش‌فرض غلط باشد، هر تصمیمی بر مبنای آن محکوم به شکست است.
۲. پیش‌فرض ذهنی چطور عمل می‌کند؟
پیش‌فرض‌ها بر اساس تجربیات، آموزش و محیط شکل می‌گیرند. افراد عینکِ پیش‌فرض را بر چشم می‌زنند و تنها اطلاعاتی را از دنیای بیرون جذب می‌کنند که باورهایشان را تأیید کند.
۳. موانع اصلی یادگیری عمیق (اصلاح پیش‌فرض‌ها)
چرا مدیران و سازمان‌ها مقاومند و چرخه دوم یادگیری راه نمی‌افتد؟
● ترس از بی‌اعتباری: پذیرش غلط بودن پیش‌فرض = اعتراف به اشتباهات گذشته.
● سانسور اطلاعات توسط اطرافیان: چاپلوسی و حذف منتقدان باعث می‌شود مدیران فقط اطلاعاتِ تأییدکننده دریافت کنند.
● منافع گروه‌های ذی‌نفع: کسانی که از پیش‌فرض‌های غلط سود می‌برند، مدام به تشویق و تأیید تصمیمات نادرست می‌پردازند.
⚠️ پیامد نهایی: «مرگ یا بحران سازمان»
وقتی پیش‌فرض‌های غلط اصلاح نشوند، عملکرد مجموعه مدام افول می‌کند تا جایی که سازمان دچار بحران، فروپاشی یا تغییر اجباری مدیران شود.
💡 راهکار خروج از بحران (چگونه چرخه دوم را فعال کنیم؟)
برای جلوگیری از فروپاشی، سازمان‌ها و حکومت‌ها باید بسترهای زیر را فراهم کنند:
■ استقبال از نقد، پرسش‌گری و پاسخ‌گویی
■ ایجاد فضای گفت‌وگوی آزاد و رسانه‌های مستقل
■ دسترسی به اطلاعات واقعی و بدون سانسور
💬 یک سوال برای تأمل:
به نظر شما در مجموعه یا کسب‌وکار شما، کدام «پیش‌فرضِ اشتباه» مانع رشد شده است؟
✍️ نویسنده: دکتر علینقی مشایخی
آیا تا به حال فکر کرده‌اید چرا برخی تصمیمات مدیریتی یا سیاسی با وجود تکرار و تغییر مداوم، باز هم به شکست می‌انجامند؟ پاسخ در «نوع یادگیری» نهفته است.
۱. دو لایه یادگیری چیست؟
>> یادگیری سطحی (چرخه اول):
تغییر قواعد تصمیم‌گیری بدون دست‌زدن به پیش‌فرض‌های ذهنی.
💡 مثال: فرض می‌کنیم علت گرانی، «گران‌فروشی» است؛ پس مدام تعزیرات و جریمه‌ها را سخت‌تر می‌کنیم بدون اینکه به اصل سیاست‌های تورم‌زا شک کنیم.
>> یادگیری عمیق (چرخه دوم):
زیر سؤال بردن و اصلاح پیش‌فرض‌ها و باورهای پایه. زمانی که پیش‌فرض غلط باشد، هر تصمیمی بر مبنای آن محکوم به شکست است.
۲. پیش‌فرض ذهنی چطور عمل می‌کند؟
پیش‌فرض‌ها بر اساس تجربیات، آموزش و محیط شکل می‌گیرند. افراد عینکِ پیش‌فرض را بر چشم می‌زنند و تنها اطلاعاتی را از دنیای بیرون جذب می‌کنند که باورهایشان را تأیید کند.
۳. موانع اصلی یادگیری عمیق (اصلاح پیش‌فرض‌ها)
چرا مدیران و سازمان‌ها مقاومند و چرخه دوم یادگیری راه نمی‌افتد؟
● ترس از بی‌اعتباری: پذیرش غلط بودن پیش‌فرض = اعتراف به اشتباهات گذشته.
● سانسور اطلاعات توسط اطرافیان: چاپلوسی و حذف منتقدان باعث می‌شود مدیران فقط اطلاعاتِ تأییدکننده دریافت کنند.
● منافع گروه‌های ذی‌نفع: کسانی که از پیش‌فرض‌های غلط سود می‌برند، مدام به تشویق و تأیید تصمیمات نادرست می‌پردازند.
⚠️ پیامد نهایی: «مرگ یا بحران سازمان»
وقتی پیش‌فرض‌های غلط اصلاح نشوند، عملکرد مجموعه مدام افول می‌کند تا جایی که سازمان دچار بحران، فروپاشی یا تغییر اجباری مدیران شود.
💡 راهکار خروج از بحران (چگونه چرخه دوم را فعال کنیم؟)
برای جلوگیری از فروپاشی، سازمان‌ها و حکومت‌ها باید بسترهای زیر را فراهم کنند:
■ استقبال از نقد، پرسش‌گری و پاسخ‌گویی
■ ایجاد فضای گفت‌وگوی آزاد و رسانه‌های مستقل
■ دسترسی به اطلاعات واقعی و بدون سانسور
💬 یک سوال برای تأمل:
به نظر شما در مجموعه یا کسب‌وکار شما، کدام «پیش‌فرضِ اشتباه» مانع رشد شده است؟
مدیریت اجرایی
نظریه صخره شیشه‌ای (Glass Cliff) چیست؟
📌 نظریه صخره شیشه‌ای (Glass Cliff) چیست؟
چرا برخی مدیران دقیقاً در اوج بحران انتصاب می‌شوند؟
بسیاری از ما با مفهوم «سقف شیشه‌ای» (مانعی نامرئی برای ارتقای شغلی زنان و اقلیت‌ها) آشنا هستیم؛ اما ادبیات نوین مدیریت مفهومی پرچالش‌تر به نام «صخره شیشه‌ای» را معرفی می‌کند!
💡 مفهوم صخره شیشه‌ای به زبان ساده:
صخره شیشه‌ای وضعیتی است که در آن زنان یا گروه‌های اقلیت درست زمانی به سمت‌های عالی مدیریتی یا هیئت‌مدیره منصوب می‌شوند که سازمان در شرایط بحران مالی، رکود شدیدی یا خطر ورشکستگی قرار دارد.
به زبان ساده: فرد انتصاب‌یافته روی لبهٔ یک صخرهٔ لغزنده قرار می‌گیرد که احتمال سقوط و شکست شغلی او بسیار بالا است!
🔍 چرا این اتفاق می‌افتد؟ (یافته‌های پژوهشی)
1️⃣ کلیشه «ناجی همدل» (Think Crisis – Think Female):
در زمان بحران، هیئت‌مدیره‌ها تصور می‌کنند مهارت‌های نرم، هوش هیجانی و سبک رهبری مشارکتی زنان برای حل اختلافات و کاهش تنش‌ها مناسب‌تر است.
2️⃣ کاهش ریسک مدیران مرد:
در شرایط پرمخاطره، مدیران ارشد مرد ممکن است از پذیرش پست‌های متزلزل خودداری کنند؛ در نتیجه گزینه‌های شکننده به سایر گروه‌ها واگذار می‌شود.
3️⃣ سپر بلای سازمانی:
در صورت عدم موفقیت، لبهٔ تیز انتقادات متوجه مدیر انتصاب‌یافته می‌شود، نه شرایط خراب و از‌پیش‌موجودِ سازمان!
📊 جدیدترین یافته‌های مدیریت کسب‌وکار (۲۰۲۰ به بعد):
🔹 نقش دیده‌بان رسانه‌ای (۲۰۲۲):
پژوهش‌ها نشان میدهند شرکت‌هایی که تحت نظارت شدید رسانه‌ای قرار دارند کمتر دست به چنین انتصابات ریسکی می‌زنند؛ در حالی که در شرکت‌های کم‌خبرتر، صخره شیشه‌ای بیشتر رخ میدهد.
🔹 چالش ارزیابی عملکرد و استانداردهای دوگانه:
اگر مدیر زن در بازه‌ای کوتاه نتواند شرکت بحران‌زده را نجات دهد، شکست اغلب به «عدم شایستگی فردی» نسبت داده می‌شود، نه وضعیت بحرانی اولیه!
🔹 رویکرد تقاطع‌گرایی (Intersectionality):
زنان متعلق به اقلیت‌های نژادی و قومی با «صخره‌های به مراتب شیب‌دارتری» مواجه هستند و ریسک شغلی بالاتری را تجربه می‌کنند.
📚 منابع علمی جهت مطالعه بیشتر:
Ihmels et al. (2022) - Zeitschrift für Arbeits- und Organisationspsychologie
Ryan & Haslam (2021) - British Journal of Management
Kulik & Ryan (2020) - Journal of Management
✍️ تهیه و تنظیم: دکتر امیر صادقی
🏷 #مدیریت #رهبری_سازمانی #رفتار_سازمانی #صخره_شیشه_ای #مدیریت_بحران #کسب_و_کار
چرا برخی مدیران دقیقاً در اوج بحران انتصاب می‌شوند؟
بسیاری از ما با مفهوم «سقف شیشه‌ای» (مانعی نامرئی برای ارتقای شغلی زنان و اقلیت‌ها) آشنا هستیم؛ اما ادبیات نوین مدیریت مفهومی پرچالش‌تر به نام «صخره شیشه‌ای» را معرفی می‌کند!
💡 مفهوم صخره شیشه‌ای به زبان ساده:
صخره شیشه‌ای وضعیتی است که در آن زنان یا گروه‌های اقلیت درست زمانی به سمت‌های عالی مدیریتی یا هیئت‌مدیره منصوب می‌شوند که سازمان در شرایط بحران مالی، رکود شدیدی یا خطر ورشکستگی قرار دارد.
به زبان ساده: فرد انتصاب‌یافته روی لبهٔ یک صخرهٔ لغزنده قرار می‌گیرد که احتمال سقوط و شکست شغلی او بسیار بالا است!
🔍 چرا این اتفاق می‌افتد؟ (یافته‌های پژوهشی)
1️⃣ کلیشه «ناجی همدل» (Think Crisis – Think Female):
در زمان بحران، هیئت‌مدیره‌ها تصور می‌کنند مهارت‌های نرم، هوش هیجانی و سبک رهبری مشارکتی زنان برای حل اختلافات و کاهش تنش‌ها مناسب‌تر است.
2️⃣ کاهش ریسک مدیران مرد:
در شرایط پرمخاطره، مدیران ارشد مرد ممکن است از پذیرش پست‌های متزلزل خودداری کنند؛ در نتیجه گزینه‌های شکننده به سایر گروه‌ها واگذار می‌شود.
3️⃣ سپر بلای سازمانی:
در صورت عدم موفقیت، لبهٔ تیز انتقادات متوجه مدیر انتصاب‌یافته می‌شود، نه شرایط خراب و از‌پیش‌موجودِ سازمان!
📊 جدیدترین یافته‌های مدیریت کسب‌وکار (۲۰۲۰ به بعد):
🔹 نقش دیده‌بان رسانه‌ای (۲۰۲۲):
پژوهش‌ها نشان میدهند شرکت‌هایی که تحت نظارت شدید رسانه‌ای قرار دارند کمتر دست به چنین انتصابات ریسکی می‌زنند؛ در حالی که در شرکت‌های کم‌خبرتر، صخره شیشه‌ای بیشتر رخ میدهد.
🔹 چالش ارزیابی عملکرد و استانداردهای دوگانه:
اگر مدیر زن در بازه‌ای کوتاه نتواند شرکت بحران‌زده را نجات دهد، شکست اغلب به «عدم شایستگی فردی» نسبت داده می‌شود، نه وضعیت بحرانی اولیه!
🔹 رویکرد تقاطع‌گرایی (Intersectionality):
زنان متعلق به اقلیت‌های نژادی و قومی با «صخره‌های به مراتب شیب‌دارتری» مواجه هستند و ریسک شغلی بالاتری را تجربه می‌کنند.
📚 منابع علمی جهت مطالعه بیشتر:
Ihmels et al. (2022) - Zeitschrift für Arbeits- und Organisationspsychologie
Ryan & Haslam (2021) - British Journal of Management
Kulik & Ryan (2020) - Journal of Management
✍️ تهیه و تنظیم: دکتر امیر صادقی
🏷 #مدیریت #رهبری_سازمانی #رفتار_سازمانی #صخره_شیشه_ای #مدیریت_بحران #کسب_و_کار
👌1
🎯 توانایی مطالعه مثل ماهیچه است؛ با تمرین دوباره قوی می‌شود
♦️آدام کلارک استس، وُکس — اتفاق ترسناکی دارد رخ می‌هد: هوش مصنوعی دسترسی به اطلاعات را آن‌قدر آسان کرده و آن‌قدر راحت با ویدئوهای کوتاه سرگرم می‌شویم که دیگر هیچ‌کس مطالعه نمی‌کند. مطالعه فعالیتی سالم است و در دنیایی که افراد به‌شدت درگیر بهترکردن خویش‌اند، از‌دست‌دادن عادت مطالعه بسیار بد است. پژوهش‌ها نشان میدهند مطالعه تمرینی شگفت‌انگیز برای ذهن است و درعین‌حال فعالیتی بسیار در دسترس است.
♦️خوشبختانه توانایی مطالعه شبیه ماهیچه است. حتی اگر احساس می‌کنید توانایی غرق‌شدن در کتاب در شما تحلیل رفته، آن ماهیچه هنوز وجود دارد و آمادۀ تمرین است. هرچه بیشتر مطالعه کنید، دایرۀ واژگانتان وسیع‌ترمی‌شود، بیشتر یاد می‌گیرید و بهتر می‌توانید اطلاعات جدید را در ارتباط با دانسته‌های قبلی خود قرار دهید. به عبارت دیگر، هرچه بیشتر بخوانید، در مطالعه‌کردن بهتر می‌شوید. و احتمالاً در نتیجۀ همین امر، محتوایی که الگوریتم‌ها برایتان انتخاب می‌کنند نیز کمتر جذاب به نظر می‌رسد.
♦️بله، این بحرانی فرهنگی است؛ اما برای بسیاری از ما، بحرانی شخصی هم هست. همۀ ما کمبود وقت داریم و دوست داریم بیشتر مطالعه کنیم، اما رشد و قدرت‌گرفتن شرکت‌های فناوری که برای ربودن توجه ما با یکدیگر رقابت می‌کنند باعث شده احساس کنیم حتی وقت کمتری داریم. پس در عصری که ظاهراً هر روز بیشتر به‌سمت دوران پساسواد پیش می‌رود، چطور می‌توانیم خوانندۀ بهتری شویم؟
♦️کتاب‌خواندن زحمت و دشواری دارد و پیداکردن راه‌هایی برای کاهش این دشواری‌ها یکی از روش‌ها برای بهتر کتاب‌خواندن است. فناوری در این زمینه خوب عمل کرده است. همین افزایش محبوبیت کتاب‌های الکترونیکی را ببینید. وقتی به نبود صفحه و کاغذ عادت کنید، کتاب‌خوان‌های الکترونیکی واقعاً راحت و کاربردی هستند. کتاب‌خوان آن‌قدر جمع‌وجور است که به‌راحتی می‌توانید با خودتان حملش کنید، و می‌شود یک کتابخانهٔ کامل را در وسیله‌ای به اندازهٔ یک بشقاب کوچک جا داد.
♦️بی‌دلیل نیست که معلم‌ها و استادها در دوران مدرسه و دانشگاه کتاب‌های دشوار برای خواندن تکلیف می‌کنند. خواندن متن‌های دشوار، حاشیه‌نویسی، دوباره‌خوانی بخش‌های سخت و مکث‌کردن برای فکر کردن به آنچه خوانده‌اید -این فرایندِ پرزحمت به درک عمیق‌تر مطلب منجر می‌شود.
🔗 آنچه خواندید برگرفته از مطلب «It shouldn’t feel impossible to finish a book» نوشتۀ آدام کلارک استس است که در تاریخ ۴ سپتامبر ۲۰۲۶ در وُکس منتشر شده است.ترجمان
♦️آدام کلارک استس، وُکس — اتفاق ترسناکی دارد رخ می‌هد: هوش مصنوعی دسترسی به اطلاعات را آن‌قدر آسان کرده و آن‌قدر راحت با ویدئوهای کوتاه سرگرم می‌شویم که دیگر هیچ‌کس مطالعه نمی‌کند. مطالعه فعالیتی سالم است و در دنیایی که افراد به‌شدت درگیر بهترکردن خویش‌اند، از‌دست‌دادن عادت مطالعه بسیار بد است. پژوهش‌ها نشان میدهند مطالعه تمرینی شگفت‌انگیز برای ذهن است و درعین‌حال فعالیتی بسیار در دسترس است.
♦️خوشبختانه توانایی مطالعه شبیه ماهیچه است. حتی اگر احساس می‌کنید توانایی غرق‌شدن در کتاب در شما تحلیل رفته، آن ماهیچه هنوز وجود دارد و آمادۀ تمرین است. هرچه بیشتر مطالعه کنید، دایرۀ واژگانتان وسیع‌ترمی‌شود، بیشتر یاد می‌گیرید و بهتر می‌توانید اطلاعات جدید را در ارتباط با دانسته‌های قبلی خود قرار دهید. به عبارت دیگر، هرچه بیشتر بخوانید، در مطالعه‌کردن بهتر می‌شوید. و احتمالاً در نتیجۀ همین امر، محتوایی که الگوریتم‌ها برایتان انتخاب می‌کنند نیز کمتر جذاب به نظر می‌رسد.
♦️بله، این بحرانی فرهنگی است؛ اما برای بسیاری از ما، بحرانی شخصی هم هست. همۀ ما کمبود وقت داریم و دوست داریم بیشتر مطالعه کنیم، اما رشد و قدرت‌گرفتن شرکت‌های فناوری که برای ربودن توجه ما با یکدیگر رقابت می‌کنند باعث شده احساس کنیم حتی وقت کمتری داریم. پس در عصری که ظاهراً هر روز بیشتر به‌سمت دوران پساسواد پیش می‌رود، چطور می‌توانیم خوانندۀ بهتری شویم؟
♦️کتاب‌خواندن زحمت و دشواری دارد و پیداکردن راه‌هایی برای کاهش این دشواری‌ها یکی از روش‌ها برای بهتر کتاب‌خواندن است. فناوری در این زمینه خوب عمل کرده است. همین افزایش محبوبیت کتاب‌های الکترونیکی را ببینید. وقتی به نبود صفحه و کاغذ عادت کنید، کتاب‌خوان‌های الکترونیکی واقعاً راحت و کاربردی هستند. کتاب‌خوان آن‌قدر جمع‌وجور است که به‌راحتی می‌توانید با خودتان حملش کنید، و می‌شود یک کتابخانهٔ کامل را در وسیله‌ای به اندازهٔ یک بشقاب کوچک جا داد.
♦️بی‌دلیل نیست که معلم‌ها و استادها در دوران مدرسه و دانشگاه کتاب‌های دشوار برای خواندن تکلیف می‌کنند. خواندن متن‌های دشوار، حاشیه‌نویسی، دوباره‌خوانی بخش‌های سخت و مکث‌کردن برای فکر کردن به آنچه خوانده‌اید -این فرایندِ پرزحمت به درک عمیق‌تر مطلب منجر می‌شود.
🔗 آنچه خواندید برگرفته از مطلب «It shouldn’t feel impossible to finish a book» نوشتۀ آدام کلارک استس است که در تاریخ ۴ سپتامبر ۲۰۲۶ در وُکس منتشر شده است.ترجمان
—دربارۀ پروژه پاناما و اسکن مخرب کتاب‌های دنیا
🎯 هوش مصنوعی کتاب‌ها را نمی‌خواند، آن‌ها را تجزیه می‌کند
♦️فرانچسکا مانچینو، نیویورکر — در اوایل سال ۲۰۲۶، مجموعه‌ای از سفارش‌های غیرعادی، نظم کسب‌وکار کتاب‌فروشان مستقل در آمریکا را برهم زد. صاحبان این کتاب‌فروشی‌ها با خریدارانی مرموز مواجه شدند که با نام‌هایی مبهم، مانند «پروژۀ طوطی سبز»، کتاب‌های دانشگاهی، متون غیرداستانی کم‌تیراژ و راهنماهای قدیمی را به صورت عمده می‌خریدند. سرانجام با استفاده از ردیاب‌های جی‌پی‌اس معلوم شد شرکت آنتروپیک در حال اجرای طرحی محرمانه موسوم به «پروژۀ پاناما» است؛ پروژه‌ای که بر اساس اسناد دادگاه، صراحتاً هدفش «اسکن مخرب» تمام کتاب‌های دنیاست.
♦️فرایند اسکن مخرب درست مثل نامش مخرب است. در این شیوه، کتاب‌های چاپی با دستگاه‌های هیدرولیک «گیوتین کتاب» به صفحات جداگانه تبدیل می‌شوند تا با سرعت بالا اسکن شوند و سپس نسخۀ فیزیکی آن‌ها دور ریخته شود. اگرچه این اقدام در نگاه اول علیه آثار مکتوب است، اما بررسی دقیق‌تر نشان داد آنتروپیک، برخلاف شایعات رسانه‌ای، به دنبال بلعیدن نسخه‌های کمیاب نیست. بلکه می‌خواهد متون غیرداستانی، پژوهش‌های دانشگاهی داوری‌شده و کتاب‌های شابک‌داری را که بین سالهای ۱۹۷۰ تا ۲۰۱۰ منتشر شده‌اند و اغلب در قفسه‌های کتابخانه‌ها خاک می‌خورند به هوش مصنوعی بدهد.
♦️این «ولع داده‌ای» کار آنتروپیک را به مراجع قضایی کشاند. بااین‌حال، سال ۲۰۲۵، قاضی ویلیام آلسپ در حکمی بحث‌برانگیز، درحالی‌که آنتروپیک را به‌خاطر برخی رفتارهای غیرشفاف در نگهداری غیرقانونی فایل‌ها توبیخ کرد، در کل، رویکرد این شرکت را مورد قبول خواند. استدلال شرکت این بود که این کار ذیل قانون «استفادۀ منصفانه» مجاز است، چون متن را از اساس دگرگون می‌کند. اما به نظر می‌رسد نگرانی اصلی دقیقاً ناشی از همین «دگرگونی» باشد.
♦️فعالان حوزۀ نشر هشدار میدهند که آنچه آنتروپیک می‌سازد، نه یک «کتابخانه»، که «معدن داده‌ای» است که تنها برای تقویت هوش مصنوعی کلود کاربرد دارد. لیا پرایس، مورخ رسانه، اشاره می‌کند که هر نسلی همواره در جست‌وجوی «قاتلی برای کتاب‌ها» بوده است؛ از هراس‌های قرن نوزدهم دربارۀ کتابخانه‌های عمومی تا نگرانی‌های عصر دیجیتال. اما تهدید امروز از اساس متفاوت است: گذار از «خوانندۀ انسانی» که با تأمل و غوطه‌وری به مطالعه می‌پردازد، به «خوانندۀ ماشینی» که کتاب را به عنوان سطل‌هایی از کلمات قابل استخراج می‌بیند.
♦️متیو کرشنبام، استاد ادبیات و هوش مصنوعی، هشدار میدهد که این فرآیند، منجر به نوعی «همگون‌سازیِ» ادبیات می‌شود. وقتی کتابی از جلد، تاریخچۀ تالیف و ماهیت فیزیکی‌اش جدا شده و در حجم عظیمی از داده‌های دیگر حل می‌شود، روابط درونی و هویت مستقل اثر نابود می‌شود. محصولی که در نهایت توسط هوش مصنوعی ارائه می‌شود، چیزی جز یک موجودیت ترکیبی و گسسته از منبع اصلی نیست؛ شکلی نامحسوس‌تر از پاک‌سازی که بسیار خطرناک‌تر از پاره کردن صفحات با گیوتین است، زیرا پیوند میان نویسندۀ انسانی و خواننده را به‌طور کامل قطع می‌کند.
♦️اگرچه هوش مصنوعی می‌تواند با بازنویسی و تلفیقْ دانش را در دسترس‌تر کند، اما خطر اصلی این است که غنای موجود در «اثر اصلی» فدای سرعت دسترسی شود؛ مدل‌های زبانی بزرگ ادبیات را به چیزی پیوندی و نیمه‌جان بدل می‌کنند که از منبع اصلی‌اش بسیار دور، و چه‌بسا کاملاً گسسته است. این فرآیند محصولی کاملاً متفاوت تولید می‌کند که متن، به‌عنوان یک اثر منحصربه‌فرد، عملاً نابود می‌شود. این شکل نامحسوس محو کردن، به‌مراتب خطرناک‌تر و نگران‌کننده‌تر از اسکن مخرب است.
🔗 آنچه خواندید برگرفته از مطلب «Destroying Books to Build a Mind» نوشتۀ فرانچسکا مانچینو است که در تاریخ ۸ سپتامبر ۲۰۲۶ در نیویورکر منتشر شده است.ترجمان
🎯 هوش مصنوعی کتاب‌ها را نمی‌خواند، آن‌ها را تجزیه می‌کند
♦️فرانچسکا مانچینو، نیویورکر — در اوایل سال ۲۰۲۶، مجموعه‌ای از سفارش‌های غیرعادی، نظم کسب‌وکار کتاب‌فروشان مستقل در آمریکا را برهم زد. صاحبان این کتاب‌فروشی‌ها با خریدارانی مرموز مواجه شدند که با نام‌هایی مبهم، مانند «پروژۀ طوطی سبز»، کتاب‌های دانشگاهی، متون غیرداستانی کم‌تیراژ و راهنماهای قدیمی را به صورت عمده می‌خریدند. سرانجام با استفاده از ردیاب‌های جی‌پی‌اس معلوم شد شرکت آنتروپیک در حال اجرای طرحی محرمانه موسوم به «پروژۀ پاناما» است؛ پروژه‌ای که بر اساس اسناد دادگاه، صراحتاً هدفش «اسکن مخرب» تمام کتاب‌های دنیاست.
♦️فرایند اسکن مخرب درست مثل نامش مخرب است. در این شیوه، کتاب‌های چاپی با دستگاه‌های هیدرولیک «گیوتین کتاب» به صفحات جداگانه تبدیل می‌شوند تا با سرعت بالا اسکن شوند و سپس نسخۀ فیزیکی آن‌ها دور ریخته شود. اگرچه این اقدام در نگاه اول علیه آثار مکتوب است، اما بررسی دقیق‌تر نشان داد آنتروپیک، برخلاف شایعات رسانه‌ای، به دنبال بلعیدن نسخه‌های کمیاب نیست. بلکه می‌خواهد متون غیرداستانی، پژوهش‌های دانشگاهی داوری‌شده و کتاب‌های شابک‌داری را که بین سالهای ۱۹۷۰ تا ۲۰۱۰ منتشر شده‌اند و اغلب در قفسه‌های کتابخانه‌ها خاک می‌خورند به هوش مصنوعی بدهد.
♦️این «ولع داده‌ای» کار آنتروپیک را به مراجع قضایی کشاند. بااین‌حال، سال ۲۰۲۵، قاضی ویلیام آلسپ در حکمی بحث‌برانگیز، درحالی‌که آنتروپیک را به‌خاطر برخی رفتارهای غیرشفاف در نگهداری غیرقانونی فایل‌ها توبیخ کرد، در کل، رویکرد این شرکت را مورد قبول خواند. استدلال شرکت این بود که این کار ذیل قانون «استفادۀ منصفانه» مجاز است، چون متن را از اساس دگرگون می‌کند. اما به نظر می‌رسد نگرانی اصلی دقیقاً ناشی از همین «دگرگونی» باشد.
♦️فعالان حوزۀ نشر هشدار میدهند که آنچه آنتروپیک می‌سازد، نه یک «کتابخانه»، که «معدن داده‌ای» است که تنها برای تقویت هوش مصنوعی کلود کاربرد دارد. لیا پرایس، مورخ رسانه، اشاره می‌کند که هر نسلی همواره در جست‌وجوی «قاتلی برای کتاب‌ها» بوده است؛ از هراس‌های قرن نوزدهم دربارۀ کتابخانه‌های عمومی تا نگرانی‌های عصر دیجیتال. اما تهدید امروز از اساس متفاوت است: گذار از «خوانندۀ انسانی» که با تأمل و غوطه‌وری به مطالعه می‌پردازد، به «خوانندۀ ماشینی» که کتاب را به عنوان سطل‌هایی از کلمات قابل استخراج می‌بیند.
♦️متیو کرشنبام، استاد ادبیات و هوش مصنوعی، هشدار میدهد که این فرآیند، منجر به نوعی «همگون‌سازیِ» ادبیات می‌شود. وقتی کتابی از جلد، تاریخچۀ تالیف و ماهیت فیزیکی‌اش جدا شده و در حجم عظیمی از داده‌های دیگر حل می‌شود، روابط درونی و هویت مستقل اثر نابود می‌شود. محصولی که در نهایت توسط هوش مصنوعی ارائه می‌شود، چیزی جز یک موجودیت ترکیبی و گسسته از منبع اصلی نیست؛ شکلی نامحسوس‌تر از پاک‌سازی که بسیار خطرناک‌تر از پاره کردن صفحات با گیوتین است، زیرا پیوند میان نویسندۀ انسانی و خواننده را به‌طور کامل قطع می‌کند.
♦️اگرچه هوش مصنوعی می‌تواند با بازنویسی و تلفیقْ دانش را در دسترس‌تر کند، اما خطر اصلی این است که غنای موجود در «اثر اصلی» فدای سرعت دسترسی شود؛ مدل‌های زبانی بزرگ ادبیات را به چیزی پیوندی و نیمه‌جان بدل می‌کنند که از منبع اصلی‌اش بسیار دور، و چه‌بسا کاملاً گسسته است. این فرآیند محصولی کاملاً متفاوت تولید می‌کند که متن، به‌عنوان یک اثر منحصربه‌فرد، عملاً نابود می‌شود. این شکل نامحسوس محو کردن، به‌مراتب خطرناک‌تر و نگران‌کننده‌تر از اسکن مخرب است.
🔗 آنچه خواندید برگرفته از مطلب «Destroying Books to Build a Mind» نوشتۀ فرانچسکا مانچینو است که در تاریخ ۸ سپتامبر ۲۰۲۶ در نیویورکر منتشر شده است.ترجمان
🎯 آیا هوش مصنوعی ما را احمق‌تر می‌کند؟
— هنوز نمی‌توان گفت، اما پژوهشگران نگران شده‌اند
♦️بیزنس اینسایدر، آماندا هوور — پیش از آنکه پدربزرگ و مادربزرگ‌هایمان تسلیم عصر جدید شوند و خانه‌هایشان را برای هزارۀ جدید مجهز به اینترنت کنند، مجموعۀ کامل دایرة‌المعارف‌های آن‌ها تنها راه برای حل‌وفصل اختلافات بود. پس از آن، گوگل از راه رسید. این حجم از دسترسیِ آسان به اطلاعات، نه‌تنها فاصلۀ بین دانستنی‌های لحظه‌ای و مفاهیمی که باید ماه‌ها برای درکشان فکر می‌کردیم را از میان برد، بلکه نحوهٔ به‌خاطرسپردن این اطلاعات را نیز تغییر داد.
♦️پژوهشگران این پدیده را «اثر گوگل» نامیدند. یافته‌های آن‌ها نشان می‌داد که وقتی افراد مطمئن باشند می‌توانند دوباره به‌سادگی به اطلاعات دسترسی پیدا کنند، به‌جای خود محتوای اطلاعات، بیشتر «محل جست‌وجوی» آن را در حافظه ثبت می‌کنند. در همان دوران، برخی ابراز نگرانی می‌کردند که این «برون‌سپاریِ شناختی» به گوگل ما را کودن می‌کند، هشداری که حتی در یک گزارش ویژه روی جلدِ مجلۀ آتلانتیک نیز بازتاب یافت.
♦️این موضوع این‌قدر برای همه آشناست که دیگر نیازی به گوگل‌کردن آن نیست. تحقیقات اولیه دربارهٔ تأثیر هوش مصنوعیِ مولد بر مغز ما نشان میدهد که اتکای بیش‌ازحد به هوش مصنوعی ظرفیت ذهنی را تضعیف می‌کند، خلاقیت را از بین می‌برد، مهارت‌های تفکر انتقادی را کاهش میدهد و کیفیت روابط را پایین می‌آورد. هنوز برای نتیجه‌گیریِ قطعی دربارهٔ پیامدهای عصبی بلندمدت زود است، اما دانشمندان هشدار میدهند که مهارت‌هایی مانند تفکر انتقادی محصول تمرین مستقل‌اند.
♦️آدام گرین، از پژوهشگران این حوزه، تأکید می‌کند که باید حواسمان به «صفحهٔ سفید»، یعنی فضای خالیِ ذهن برای ایده‌پردازی، باشد، چراکه این بخش از تفکر خلاق صرفاً از طریق تمرین رشد می‌کند. و هوش مصنوعی نخستین فناوری در تاریخ است که این قابلیت ذهنی را تهدید می‌کند.
♦️البته باید به یاد داشته باشیم که مسئله بر سر ممنوعیت استفاده از هوش مصنوعی نیست؛ بلکه چالش اصلی، تدوین یک استراتژی هوشمندانه برای حفظ ظرفیت‌های فکری اصیل انسان در برابر این واگذاری شناختی است. اگر از این ظرفیت‌ها محافظت نکنیم، شاید در آینده‌ای نزدیک، بیش از هر زمان دیگری به اطلاعات دسترسی داشته باشیم، اما توانایی‌مان برای تفکر عمیق بیش از همیشه تحلیل برود.
🔗 آنچه خواندید برگرفته از مطلب «Is AI making us dumber» نوشتۀ آماندا هوور است که در تاریخ ۷ ژوئیۀ ۲۰۲۶ در بیزنس اینسایدر منتشر شده است.
ترجمان
— هنوز نمی‌توان گفت، اما پژوهشگران نگران شده‌اند
♦️بیزنس اینسایدر، آماندا هوور — پیش از آنکه پدربزرگ و مادربزرگ‌هایمان تسلیم عصر جدید شوند و خانه‌هایشان را برای هزارۀ جدید مجهز به اینترنت کنند، مجموعۀ کامل دایرة‌المعارف‌های آن‌ها تنها راه برای حل‌وفصل اختلافات بود. پس از آن، گوگل از راه رسید. این حجم از دسترسیِ آسان به اطلاعات، نه‌تنها فاصلۀ بین دانستنی‌های لحظه‌ای و مفاهیمی که باید ماه‌ها برای درکشان فکر می‌کردیم را از میان برد، بلکه نحوهٔ به‌خاطرسپردن این اطلاعات را نیز تغییر داد.
♦️پژوهشگران این پدیده را «اثر گوگل» نامیدند. یافته‌های آن‌ها نشان می‌داد که وقتی افراد مطمئن باشند می‌توانند دوباره به‌سادگی به اطلاعات دسترسی پیدا کنند، به‌جای خود محتوای اطلاعات، بیشتر «محل جست‌وجوی» آن را در حافظه ثبت می‌کنند. در همان دوران، برخی ابراز نگرانی می‌کردند که این «برون‌سپاریِ شناختی» به گوگل ما را کودن می‌کند، هشداری که حتی در یک گزارش ویژه روی جلدِ مجلۀ آتلانتیک نیز بازتاب یافت.
♦️این موضوع این‌قدر برای همه آشناست که دیگر نیازی به گوگل‌کردن آن نیست. تحقیقات اولیه دربارهٔ تأثیر هوش مصنوعیِ مولد بر مغز ما نشان میدهد که اتکای بیش‌ازحد به هوش مصنوعی ظرفیت ذهنی را تضعیف می‌کند، خلاقیت را از بین می‌برد، مهارت‌های تفکر انتقادی را کاهش میدهد و کیفیت روابط را پایین می‌آورد. هنوز برای نتیجه‌گیریِ قطعی دربارهٔ پیامدهای عصبی بلندمدت زود است، اما دانشمندان هشدار میدهند که مهارت‌هایی مانند تفکر انتقادی محصول تمرین مستقل‌اند.
♦️آدام گرین، از پژوهشگران این حوزه، تأکید می‌کند که باید حواسمان به «صفحهٔ سفید»، یعنی فضای خالیِ ذهن برای ایده‌پردازی، باشد، چراکه این بخش از تفکر خلاق صرفاً از طریق تمرین رشد می‌کند. و هوش مصنوعی نخستین فناوری در تاریخ است که این قابلیت ذهنی را تهدید می‌کند.
♦️البته باید به یاد داشته باشیم که مسئله بر سر ممنوعیت استفاده از هوش مصنوعی نیست؛ بلکه چالش اصلی، تدوین یک استراتژی هوشمندانه برای حفظ ظرفیت‌های فکری اصیل انسان در برابر این واگذاری شناختی است. اگر از این ظرفیت‌ها محافظت نکنیم، شاید در آینده‌ای نزدیک، بیش از هر زمان دیگری به اطلاعات دسترسی داشته باشیم، اما توانایی‌مان برای تفکر عمیق بیش از همیشه تحلیل برود.
🔗 آنچه خواندید برگرفته از مطلب «Is AI making us dumber» نوشتۀ آماندا هوور است که در تاریخ ۷ ژوئیۀ ۲۰۲۶ در بیزنس اینسایدر منتشر شده است.
ترجمان
❤1
🎯 دیگر تمرکز کافی ندارید؟ علاج در کتابخوانی است
— کتاب‌خواندن برای لذت را دست‌کم نگیرید
♦️جیک کوری، ناتیل — در سالهای اخیر، همزمان با گسترش حواس‌پرتی‌های دیجیتال و کاهش توان تمرکز، مطالعۀ تفننی نیز به‌طرز چشمگیری کمتر شده است. بنا بر گزارش «بنیاد ملی سوادآموزی»، میزان کتاب‌خواندن برای لذت اکنون به پایین‌ترین سطح ثبت‌شدۀ خود رسیده و این افت بیش از همه در میان کودکان و نوجوانان دیده می‌شود. بااین‌حال، بررسی تازه‌ای که در نشریۀ «سایکالاجیکال مدیسین» منتشر شده، نشان میدهد کتاب‌خواندن برای لذت می‌تواند به بهبود سلامت روان کمک کند.
♦️براساس مطالعه‌ای که روی بیش از ۱۰ هزار نوجوان انجام شده است، «کتاب‌خواندن برای لذت» با بهبود تمرکز، حافظه و توانایی‌هایی مانند برنامه‌ریزی و کنترل رفتار، و همچنین سلامت روان بهتر، خواب بیشتر و صرف زمان کمتر مقابل صفحه‌نمایش‌ها مرتبط است. بسیاری از این فواید نیز فارغ از پیشینۀ اجتماعی و اقتصادی افراد دیده می‌شد.
♦️ایجاد عادت مطالعه در این دورۀ حساس می‌تواند با تغییراتی در مغز نیز همراه باشد. در بچه‌های ۸ تا ۱۳سالهای که مهارت خواندن قوی‌تری داشتند، یکپارچگی بیشتری در مادۀ سفید مغز دیده می‌شد؛ بافتی متشکل از رشته‌های عصبی که به ارتباط میان بخش‌های مختلف مغز کمک می‌کند. در مطالعه‌ای دیگر روی کودکان مبتلا به نارساخوانی، یک برنامۀ هشت‌هفته‌ای برای تقویت مهارت خواندن، علاوه بر بهبود توانایی خواندن، با افزایش حجم مادۀ خاکستری در بخش‌هایی از مغز که با زبان و حافظۀ کاری مرتبط‌اند همراه بود.
♦️باربارا سهاکیان، یکی از نویسندگان این مقاله، می‌گوید: «مطالعه راهی عالی برای حفظ سلامت مغز، تقویت مهارت‌های شناختی مهم و بهبود سلامت و کیفیت زندگی ماست». البته این فواید فقط به کودکان محدود نمی‌شود. نظرسنجی از بیش از ۴۰۰۰ بزرگسال نشان داد افرادی که برای لذت مطالعه می‌کنند، همدلی بیشتری دارند، استرس کمتری تجربه می‌کنند و تمایل بیشتری به رشد فردی نشان میدهند.
♦️برای بهره‌مند شدن از فواید مطالعه هیچ‌وقت دیر نیست و این فواید به سالهای کودکی و جوانی محدود نمی‌شود. مطالعه‌ای روی بیش از ۵۴۰۰ فرد بالای ۵۵ سال که به فعالیت‌هایی مانند مطالعه و شطرنج می‌پرداختند، نشان داد خطر بروز اختلالات شناختی در آن‌ها طی یک دورۀ پنج‌ساله به‌طور قابل‌توجهی کاهش یافته است.
♦️پژوهش دیگری با بررسی نزدیک به ۲۰۰۰ فرد بالای ۶۴ سال نشان داد کسانی که به‌طور مرتب مطالعه می‌کردند، صرف‌نظر از سطح تحصیلاتشان، در طول ۱۴ سال کمتر در معرض خطر زوال شناختی قرار داشتند. حلقه‌های مطالعاتی و باشگاه‌های کتابخوانی نیز می‌توانند به سالمندان کمک کنند کمتر احساس انزوا کنند و ارتباطات اجتماعی بیشتری داشته باشند. در کنار این فواید، «کتاب‌خواندن برای لذت» می‌تواند خطر ابتلا به زوال عقل را نیز کاهش دهد.
🔗 آنچه خواندید برگرفته از مطلب «All the Ways Reading for Pleasure is Good for Your Mental Health» نوشتۀ جیک کوری است که در تاریخ ۱۴ سپتامبر ۲۰۲۶ در ناتیلوس منتشر شده است.ترجمان
— کتاب‌خواندن برای لذت را دست‌کم نگیرید
♦️جیک کوری، ناتیل — در سالهای اخیر، همزمان با گسترش حواس‌پرتی‌های دیجیتال و کاهش توان تمرکز، مطالعۀ تفننی نیز به‌طرز چشمگیری کمتر شده است. بنا بر گزارش «بنیاد ملی سوادآموزی»، میزان کتاب‌خواندن برای لذت اکنون به پایین‌ترین سطح ثبت‌شدۀ خود رسیده و این افت بیش از همه در میان کودکان و نوجوانان دیده می‌شود. بااین‌حال، بررسی تازه‌ای که در نشریۀ «سایکالاجیکال مدیسین» منتشر شده، نشان میدهد کتاب‌خواندن برای لذت می‌تواند به بهبود سلامت روان کمک کند.
♦️براساس مطالعه‌ای که روی بیش از ۱۰ هزار نوجوان انجام شده است، «کتاب‌خواندن برای لذت» با بهبود تمرکز، حافظه و توانایی‌هایی مانند برنامه‌ریزی و کنترل رفتار، و همچنین سلامت روان بهتر، خواب بیشتر و صرف زمان کمتر مقابل صفحه‌نمایش‌ها مرتبط است. بسیاری از این فواید نیز فارغ از پیشینۀ اجتماعی و اقتصادی افراد دیده می‌شد.
♦️ایجاد عادت مطالعه در این دورۀ حساس می‌تواند با تغییراتی در مغز نیز همراه باشد. در بچه‌های ۸ تا ۱۳سالهای که مهارت خواندن قوی‌تری داشتند، یکپارچگی بیشتری در مادۀ سفید مغز دیده می‌شد؛ بافتی متشکل از رشته‌های عصبی که به ارتباط میان بخش‌های مختلف مغز کمک می‌کند. در مطالعه‌ای دیگر روی کودکان مبتلا به نارساخوانی، یک برنامۀ هشت‌هفته‌ای برای تقویت مهارت خواندن، علاوه بر بهبود توانایی خواندن، با افزایش حجم مادۀ خاکستری در بخش‌هایی از مغز که با زبان و حافظۀ کاری مرتبط‌اند همراه بود.
♦️باربارا سهاکیان، یکی از نویسندگان این مقاله، می‌گوید: «مطالعه راهی عالی برای حفظ سلامت مغز، تقویت مهارت‌های شناختی مهم و بهبود سلامت و کیفیت زندگی ماست». البته این فواید فقط به کودکان محدود نمی‌شود. نظرسنجی از بیش از ۴۰۰۰ بزرگسال نشان داد افرادی که برای لذت مطالعه می‌کنند، همدلی بیشتری دارند، استرس کمتری تجربه می‌کنند و تمایل بیشتری به رشد فردی نشان میدهند.
♦️برای بهره‌مند شدن از فواید مطالعه هیچ‌وقت دیر نیست و این فواید به سالهای کودکی و جوانی محدود نمی‌شود. مطالعه‌ای روی بیش از ۵۴۰۰ فرد بالای ۵۵ سال که به فعالیت‌هایی مانند مطالعه و شطرنج می‌پرداختند، نشان داد خطر بروز اختلالات شناختی در آن‌ها طی یک دورۀ پنج‌ساله به‌طور قابل‌توجهی کاهش یافته است.
♦️پژوهش دیگری با بررسی نزدیک به ۲۰۰۰ فرد بالای ۶۴ سال نشان داد کسانی که به‌طور مرتب مطالعه می‌کردند، صرف‌نظر از سطح تحصیلاتشان، در طول ۱۴ سال کمتر در معرض خطر زوال شناختی قرار داشتند. حلقه‌های مطالعاتی و باشگاه‌های کتابخوانی نیز می‌توانند به سالمندان کمک کنند کمتر احساس انزوا کنند و ارتباطات اجتماعی بیشتری داشته باشند. در کنار این فواید، «کتاب‌خواندن برای لذت» می‌تواند خطر ابتلا به زوال عقل را نیز کاهش دهد.
🔗 آنچه خواندید برگرفته از مطلب «All the Ways Reading for Pleasure is Good for Your Mental Health» نوشتۀ جیک کوری است که در تاریخ ۱۴ سپتامبر ۲۰۲۶ در ناتیلوس منتشر شده است.ترجمان
نگاه همزمان به مشارکت (Engagement) و بهزیستی (Wellbeing) کارکنان، تصویر کامل تری از تجربه کارکنان را پیش روی ما می گذارد. تحقیقات گالوپ نشان میدهد که مشارکت و بهزیستی، یکدیگر را تقویت می کنند. کارکنانی که هم متعهد و هم شکوفا هستند، سازگاری و تاب‌آوری بیشتری از خود نشان میدهند؛ در حالی که سایر ترکیب های این دو (مثلاً مشارکت بالا ولی بهزیستی پایین)، می توانند ریسک‌هایی را برملا کنند که ممکن است هر یک از این معیارها به تنهایی قادر به شناسایی شان نباشند.کارکنانی که قویاً معتقدند سازمان شان به بهزیستی کلی آن‌ها اهمیت میدهد، ۶۵ درصد بیشتر احتمال دارد که در زندگی خود شکوفا باشند.هدف برای سازمان ها، ایجاد محیطی است که در آن کارکنان بتوانند هم متعهد و هم شکوفا باشند.
بررسی کنید که چگونه تقویت هر دوی این ها می‌تواند به سازمان ها در ارتقای عملکرد کمک کند و در عین حال، ریسک های متوجه کارکنان و کسب‌وکار را کاهش دهد: مقاله کامل با فیلترشکن
https://www.gallup.com/workplace/404105/importance-of-employee-wellbeing.aspx?utm_source=linkedin&utm_medium=o_social&utm_term=gallup&utm_campaign=li-wk-wellbeing_092226
بررسی کنید که چگونه تقویت هر دوی این ها می‌تواند به سازمان ها در ارتقای عملکرد کمک کند و در عین حال، ریسک های متوجه کارکنان و کسب‌وکار را کاهش دهد: مقاله کامل با فیلترشکن
https://www.gallup.com/workplace/404105/importance-of-employee-wellbeing.aspx?utm_source=linkedin&utm_medium=o_social&utm_term=gallup&utm_campaign=li-wk-wellbeing_092226
نگاه همزمان به مشارکت (Engagement) و بهزیستی (Wellbeing) کارکنان، تصویر کامل تری از تجربه کارکنان را پیش روی ما می گذارد. تحقیقات گالوپ نشان میدهد که مشارکت و بهزیستی، یکدیگر را تقویت می کنند. کارکنانی که هم متعهد و هم شکوفا هستند، سازگاری و تاب‌آوری بیشتری از خود نشان میدهند؛ در حالی که سایر ترکیب های این دو (مثلاً مشارکت بالا ولی بهزیستی پایین)، می توانند ریسک‌هایی را برملا کنند که ممکن است هر یک از این معیارها به تنهایی قادر به شناسایی شان نباشند.کارکنانی که قویاً معتقدند سازمان شان به بهزیستی کلی آن‌ها اهمیت میدهد، ۶۵ درصد بیشتر احتمال دارد که در زندگی خود شکوفا باشند.هدف برای سازمان ها، ایجاد محیطی است که در آن کارکنان بتوانند هم متعهد و هم شکوفا باشند.
بررسی کنید که چگونه تقویت هر دوی این ها می‌تواند به سازمان ها در ارتقای عملکرد کمک کند و در عین حال، ریسک های متوجه کارکنان و کسب‌وکار را کاهش دهد: مقاله کامل با فیلترشکن
https://www.gallup.com/workplace/404105/importance-of-employee-wellbeing.aspx?utm_source=linkedin&utm_medium=o_social&utm_term=gallup&utm_campaign=li-wk-wellbeing_092226
بررسی کنید که چگونه تقویت هر دوی این ها می‌تواند به سازمان ها در ارتقای عملکرد کمک کند و در عین حال، ریسک های متوجه کارکنان و کسب‌وکار را کاهش دهد: مقاله کامل با فیلترشکن
https://www.gallup.com/workplace/404105/importance-of-employee-wellbeing.aspx?utm_source=linkedin&utm_medium=o_social&utm_term=gallup&utm_campaign=li-wk-wellbeing_092226
مدیریت اجرایی
Photo
مشکل 9-Box شاید خود 9-Box نباشد!
مدل 9-Box سالهاست در مدیریت استعداد و جانشین پروری استفاده می شود؛ اما یک سؤال مهم وجود دارد: بعد از اینکه کارکنان را در ۹ خانه قرار دادیم، دقیقاً چه اتفاقی می افتد؟ مقاله جدید Wowledge دقیقاً از همین نقطه به 9-Box نگاه می کند. انتقاد اصلی این نیست که 9-Box مدل بدی است؛ مسئله این است که در بسیاری از سازمان ها به یک عکس لحظه ای از کارکنان تبدیل شده است:
افراد ارزیابی می شوند، در خانه های ماتریس قرار می گیرند، گزارش تهیه می شود و... تمام. در حالی که هدف واقعی باید این باشد: هر جایگاه در ماتریس باید به یک اقدام مشخص منجر شود.
Wowledge برای همین، در کنار 9-Box چهار ناحیه عملیاتی پیشنهاد می کند:
🔹 Shake | بازتنظیم: برای افرادی که نیازمند شفاف سازی، اصلاح عملکرد یا بازنگری در نقش هستند.
🔹 Nurture | پرورش: برای عملکردهای باثباتی که باید حفظ، درگیر و برای رشد آینده آماده شوند.
🔹 Challenge | چالش: برای افرادی که پتانسیل بالایی دارند اما عملکردشان هنوز باثبات نیست و به کوچینگ، منتورینگ و بازخورد دقیق‌تر نیاز دارند.
🔹 Empower | توانمندسازی: برای کارکنانی که هم عملکرد بالا دارند و هم پتانسیل رشد و پذیرش مسئولیت های بزرگ‌تر را نشان میدهند.
اما برای من، بخش مهم‌تر مقاله جای دیگری است: 9-Box نباید نقطه پایان ارزیابی استعداد باشد؛ باید نقطه شروع اقدام باشد. این موضوع برای سازمان های ایرانی اهمیت بیشتری دارد؛ چون در بسیاری از تجربه‌های اجرای 9-Box، چالش اصلی نه طراحی ماتریس، بلکه کالیبراسیون ضعیف، برداشت‌های متفاوت مدیران از پتانسیل، و مهم‌تر از همه، مشخص نبودن اقدام بعد از ارزیابی بوده است.
اگر قرار است 9-Box فقط بگوید این فرد کجاست، شاید ارزش آن محدود باشد. اما اگر بتواند پاسخ دهد:
حالا برای این فرد چه باید بکنیم؟ آن وقت از یک ابزار طبقه بندی، به یک ابزار واقعی مدیریت استعداد تبدیل می شود.
📌 من فکر می کنم شاید مسئله امروز ما در اجرای 9-Box، کنار گذاشتن آن نباشد؛ بلکه یاد گرفتنِ درست استفاده کردن از آن باشد.
منبع: Wowledge – Talent Management Actions Using an Agile 9-Box Model: Deep Dive
مدل 9-Box سالهاست در مدیریت استعداد و جانشین پروری استفاده می شود؛ اما یک سؤال مهم وجود دارد: بعد از اینکه کارکنان را در ۹ خانه قرار دادیم، دقیقاً چه اتفاقی می افتد؟ مقاله جدید Wowledge دقیقاً از همین نقطه به 9-Box نگاه می کند. انتقاد اصلی این نیست که 9-Box مدل بدی است؛ مسئله این است که در بسیاری از سازمان ها به یک عکس لحظه ای از کارکنان تبدیل شده است:
افراد ارزیابی می شوند، در خانه های ماتریس قرار می گیرند، گزارش تهیه می شود و... تمام. در حالی که هدف واقعی باید این باشد: هر جایگاه در ماتریس باید به یک اقدام مشخص منجر شود.
Wowledge برای همین، در کنار 9-Box چهار ناحیه عملیاتی پیشنهاد می کند:
🔹 Shake | بازتنظیم: برای افرادی که نیازمند شفاف سازی، اصلاح عملکرد یا بازنگری در نقش هستند.
🔹 Nurture | پرورش: برای عملکردهای باثباتی که باید حفظ، درگیر و برای رشد آینده آماده شوند.
🔹 Challenge | چالش: برای افرادی که پتانسیل بالایی دارند اما عملکردشان هنوز باثبات نیست و به کوچینگ، منتورینگ و بازخورد دقیق‌تر نیاز دارند.
🔹 Empower | توانمندسازی: برای کارکنانی که هم عملکرد بالا دارند و هم پتانسیل رشد و پذیرش مسئولیت های بزرگ‌تر را نشان میدهند.
اما برای من، بخش مهم‌تر مقاله جای دیگری است: 9-Box نباید نقطه پایان ارزیابی استعداد باشد؛ باید نقطه شروع اقدام باشد. این موضوع برای سازمان های ایرانی اهمیت بیشتری دارد؛ چون در بسیاری از تجربه‌های اجرای 9-Box، چالش اصلی نه طراحی ماتریس، بلکه کالیبراسیون ضعیف، برداشت‌های متفاوت مدیران از پتانسیل، و مهم‌تر از همه، مشخص نبودن اقدام بعد از ارزیابی بوده است.
اگر قرار است 9-Box فقط بگوید این فرد کجاست، شاید ارزش آن محدود باشد. اما اگر بتواند پاسخ دهد:
حالا برای این فرد چه باید بکنیم؟ آن وقت از یک ابزار طبقه بندی، به یک ابزار واقعی مدیریت استعداد تبدیل می شود.
📌 من فکر می کنم شاید مسئله امروز ما در اجرای 9-Box، کنار گذاشتن آن نباشد؛ بلکه یاد گرفتنِ درست استفاده کردن از آن باشد.
منبع: Wowledge – Talent Management Actions Using an Agile 9-Box Model: Deep Dive
✳️ گزارش مجمع جهانی اقتصاد: «مدیریت ریسک، بازتصور‌شده: چشم‌انداز تا ۲۰۳۵»
(سپتامبر ۲۰۲۶)
✅ پیام اصلی
چارچوب‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، ارزیابی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر پاسخگوی محیط ریسک امروز و آینده نیستند. ریسک‌ها به‌شدت به‌هم‌پیوسته، غیرخطی و پرسرعت شده‌اند (تکه‌تکه شدن ژئواکونومیک، اختلالات فناورانه، ناامنی سایبری، نوسانات اقلیمی و قطبی‌شدن اجتماعی). عدم‌قطعیت از حالت «مقطعی» به «ساختاری» تبدیل شده است.
(سپتامبر ۲۰۲۶)
✅ پیام اصلی
چارچوب‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، ارزیابی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر پاسخگوی محیط ریسک امروز و آینده نیستند. ریسک‌ها به‌شدت به‌هم‌پیوسته، غیرخطی و پرسرعت شده‌اند (تکه‌تکه شدن ژئواکونومیک، اختلالات فناورانه، ناامنی سایبری، نوسانات اقلیمی و قطبی‌شدن اجتماعی). عدم‌قطعیت از حالت «مقطعی» به «ساختاری» تبدیل شده است.
📌 گزارش مجمع جهانی اقتصاد (سپتامبر ۲۰۲۶): Risk Management, Reimagined: Outlook to 2035
گزارش نشان میدهد مدل‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، امتیازدهی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر برای محیط پیچیده، به‌هم‌پیوسته و پرسرعت آینده کافی نیستند. عدم‌قطعیت از حالت مقطعی به ساختاری تبدیل شده و ریسک‌ها با سرعت و تعاملات غیرخطی ظاهر می‌شوند.
بر اساس نظرسنجی جامعه مدیران ارشد ریسک (CRO) مجمع:
۸۰٪ معتقدند مدیریت ریسک در سال ۲۰۳۵ «تا حدی تا بسیار چالش‌برانگیزتر» خواهد بود.
تنها ۱۰٪ سازمان خود را «بسیار آماده» برای ریسک‌هایی می‌دانند که با داده تاریخی قابل مدل‌سازی نیستند.
■ خلاصه تحلیلی گزارش در شش محور کلیدی به‌همراه تکمیل‌های دقیق‌تر به شرح زیر است:
۱.تغییر پارادایم: از «پیش‌بینی» به «آمادگی» (Preparedness)
به‌دلیل عدم‌قطعیت ساختاری و نبود داده تاریخی برای بسیاری از تهدیدات نوظهور، هدف مدیریت ریسک نباید تلاش برای پیش‌بینی دقیق «اتفاق بعدی» باشد. تمرکز باید بر ساخت حاکمیت، قابلیت‌ها و فرآیندهای تصمیم‌گیری باشد تا سازمان بتواند در برابر طیف وسیعی از آینده‌های ممکن پاسخ دهد و سازگار شود.
(این یکی از چهار تحول بنیادین گزارش است و با استعاره ایمنی هوایی توضیح داده شده: خلبانان همه حوادث را پیش‌بینی نمی‌کنند، اما برای پاسخ به آن‌ها آموزش می‌بینند.)
۲.یکپارچه‌سازی ریسک‌ها و تحلیل تعاملات
ریسک‌ها دیگر ماهیت ایزوله ندارند. یک حمله سایبری می‌تواند زیرساخت حیاتی، زنجیره تأمین، تورم و واکنش‌های سیاسی را همزمان مختل کند. مدیریت ریسک باید از بررسی جداگانه در «دفترچه‌های ریسک» و دسته‌بندی‌های سنتی (عملیاتی، مالی، ژئوپلیتیک و…) به سمت درک وابستگی‌ها، اثرات آبشاری و سیستم‌های پویا حرکت کند. بیش از ۷۰٪ مدیران ریسک، «ناتوانی در مدیریت ریسک‌های به‌هم‌پیوسته» و «اتکای بیش از حد به داده و مدل‌های تاریخی» را از بزرگ‌ترین محدودیت‌های فعلی می‌دانند.
۳.از گزارش‌های دوره‌ای به پایش مستمر و هوش ریسک
نظام‌های مدیریت ریسک باید از چرخه‌های کند سالانه/فصلی خارج شده و به سمت سیستم‌های حسگری مستمر، تشخیص ناهنجاری و «هشدار زودهنگام» مبتنی بر هوش مصنوعی حرکت کنند. این انتقال از مدل «کششی» (Pull) به «فشاری» (Push) است: سیستم‌ها خودشان سیگنال‌های نوظهور را بالا می‌آورند. ۷۰٪ مدیران ریسک، «هوش ریسک بلادرنگ» را یکی از سه قابلیت حیاتی آینده می‌دانند.
۴.تغییر نقش مدیر ارشد ریسک (CRO)
مدیر ریسک آینده «پلیس» یا نگهبان پس از تصمیم نیست؛ بلکه باید به یک «شریک استراتژیک» و «تفسیرگر عدم‌قطعیت» تبدیل شود که در مراحل اولیه تصمیم‌گیری‌های کلان، سرمایه‌گذاری، نوآوری و تغییرات ساختاری مشارکت فعال دارد.
۴۰٪ مدیران ریسک، «نقش بزرگ‌تر در تصمیم‌گیری استراتژیک» را مهم‌ترین تحول نقش خود می‌دانند. مهارت‌های محوری CRO ۲۰۳۵ شامل: سنتز هوش، تفکر سناریویی، تفسیر ریسک، ارتباط با ذی‌نفعان، رهبری تاب‌آوری و حاکمیت هوش مصنوعی است.
۵.آزمون مفروضات به‌جای امتیازدهی صرف
به‌جای پرسش سنتی «احتمال و اثر این ریسک چقدر است؟»، باید پرسید: «برای موفقیت این استراتژی، چه چیزهایی باید درست باقی بماند؟» و سپس آن مفروضات را به‌طور سیستماتیک استرس‌تست کرد (رویکردهایی مانند assumption auditing در نووارتیس). این رویکرد، تاب‌آوری را بیشتر از امتیازدهی دقیق ریسک‌ها تقویت می‌کند.
۶.تقسیم کار هوشمند بین هوش مصنوعی و انسان
هوش مصنوعی جایگزین مدیر ریسک نیست؛ بلکه مکمل آن است.
● وظیفه ماشین: پردازش حجم عظیم داده، پایش مستمر، تشخیص الگو و ناهنجاری، شبیه‌سازی هزاران سناریو و ساخت دوقلوهای دیجیتال ریسک.
● وظیفه انسان: تفسیر سیگنال‌ها، درک زمینه کسب‌وکار و منطقه‌ای، قضاوت اخلاقی، ارزیابی بده‌بستان‌ها و پذیرش نهایی مسئولیت تصمیم.
مزیت رقابتی از «داشتن هوش مصنوعی بیشتر» نیست، بلکه از «ترکیب مؤثر هوش ماشینی با تخصص انسانی» ناشی می‌شود.
■ نکته تکمیلی مهم گزارش
تفاوت‌های منطقه‌ای (فرهنگ ریسک، تجربه تاریخی، مقررات و وابستگی‌های زیرساختی مانند انرژی موردنیاز هوش مصنوعی) باید به‌طور جدی در مدل‌ها لحاظ شوند. همچنین معیار موفقیت مدیریت ریسک از «نبود زیان و انطباق» به «توانایی تسهیل تصمیم‌های استراتژیک بهتر، تسریع نوآوری مسئولانه و تقویت تاب‌آوری بلندمدت» تغییر می‌کند.
■ جوهر اصلی گزارش:
مدیریت ریسک مدرن نه درباره «پیش‌بینیِ وقوع»، بلکه درباره توسعه ظرفیت سازمان برای انطباق، تصمیم‌گیری درست و حرکت در شرایطی است که آینده غیرقابل‌پیش‌بینی باقی می‌ماند. سازمان‌های موفق در ۲۰۳۵ بهترین پیش‌بینی‌کنندگان نیستند؛ بهترین آماده‌شوندگان هستند.
صفحه اصلی گزارش:
https://www.weforum.org/publications/risk-management-reimagined-outlook-to-2035/
گزارش نشان میدهد مدل‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، امتیازدهی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر برای محیط پیچیده، به‌هم‌پیوسته و پرسرعت آینده کافی نیستند. عدم‌قطعیت از حالت مقطعی به ساختاری تبدیل شده و ریسک‌ها با سرعت و تعاملات غیرخطی ظاهر می‌شوند.
بر اساس نظرسنجی جامعه مدیران ارشد ریسک (CRO) مجمع:
۸۰٪ معتقدند مدیریت ریسک در سال ۲۰۳۵ «تا حدی تا بسیار چالش‌برانگیزتر» خواهد بود.
تنها ۱۰٪ سازمان خود را «بسیار آماده» برای ریسک‌هایی می‌دانند که با داده تاریخی قابل مدل‌سازی نیستند.
■ خلاصه تحلیلی گزارش در شش محور کلیدی به‌همراه تکمیل‌های دقیق‌تر به شرح زیر است:
۱.تغییر پارادایم: از «پیش‌بینی» به «آمادگی» (Preparedness)
به‌دلیل عدم‌قطعیت ساختاری و نبود داده تاریخی برای بسیاری از تهدیدات نوظهور، هدف مدیریت ریسک نباید تلاش برای پیش‌بینی دقیق «اتفاق بعدی» باشد. تمرکز باید بر ساخت حاکمیت، قابلیت‌ها و فرآیندهای تصمیم‌گیری باشد تا سازمان بتواند در برابر طیف وسیعی از آینده‌های ممکن پاسخ دهد و سازگار شود.
(این یکی از چهار تحول بنیادین گزارش است و با استعاره ایمنی هوایی توضیح داده شده: خلبانان همه حوادث را پیش‌بینی نمی‌کنند، اما برای پاسخ به آن‌ها آموزش می‌بینند.)
۲.یکپارچه‌سازی ریسک‌ها و تحلیل تعاملات
ریسک‌ها دیگر ماهیت ایزوله ندارند. یک حمله سایبری می‌تواند زیرساخت حیاتی، زنجیره تأمین، تورم و واکنش‌های سیاسی را همزمان مختل کند. مدیریت ریسک باید از بررسی جداگانه در «دفترچه‌های ریسک» و دسته‌بندی‌های سنتی (عملیاتی، مالی، ژئوپلیتیک و…) به سمت درک وابستگی‌ها، اثرات آبشاری و سیستم‌های پویا حرکت کند. بیش از ۷۰٪ مدیران ریسک، «ناتوانی در مدیریت ریسک‌های به‌هم‌پیوسته» و «اتکای بیش از حد به داده و مدل‌های تاریخی» را از بزرگ‌ترین محدودیت‌های فعلی می‌دانند.
۳.از گزارش‌های دوره‌ای به پایش مستمر و هوش ریسک
نظام‌های مدیریت ریسک باید از چرخه‌های کند سالانه/فصلی خارج شده و به سمت سیستم‌های حسگری مستمر، تشخیص ناهنجاری و «هشدار زودهنگام» مبتنی بر هوش مصنوعی حرکت کنند. این انتقال از مدل «کششی» (Pull) به «فشاری» (Push) است: سیستم‌ها خودشان سیگنال‌های نوظهور را بالا می‌آورند. ۷۰٪ مدیران ریسک، «هوش ریسک بلادرنگ» را یکی از سه قابلیت حیاتی آینده می‌دانند.
۴.تغییر نقش مدیر ارشد ریسک (CRO)
مدیر ریسک آینده «پلیس» یا نگهبان پس از تصمیم نیست؛ بلکه باید به یک «شریک استراتژیک» و «تفسیرگر عدم‌قطعیت» تبدیل شود که در مراحل اولیه تصمیم‌گیری‌های کلان، سرمایه‌گذاری، نوآوری و تغییرات ساختاری مشارکت فعال دارد.
۴۰٪ مدیران ریسک، «نقش بزرگ‌تر در تصمیم‌گیری استراتژیک» را مهم‌ترین تحول نقش خود می‌دانند. مهارت‌های محوری CRO ۲۰۳۵ شامل: سنتز هوش، تفکر سناریویی، تفسیر ریسک، ارتباط با ذی‌نفعان، رهبری تاب‌آوری و حاکمیت هوش مصنوعی است.
۵.آزمون مفروضات به‌جای امتیازدهی صرف
به‌جای پرسش سنتی «احتمال و اثر این ریسک چقدر است؟»، باید پرسید: «برای موفقیت این استراتژی، چه چیزهایی باید درست باقی بماند؟» و سپس آن مفروضات را به‌طور سیستماتیک استرس‌تست کرد (رویکردهایی مانند assumption auditing در نووارتیس). این رویکرد، تاب‌آوری را بیشتر از امتیازدهی دقیق ریسک‌ها تقویت می‌کند.
۶.تقسیم کار هوشمند بین هوش مصنوعی و انسان
هوش مصنوعی جایگزین مدیر ریسک نیست؛ بلکه مکمل آن است.
● وظیفه ماشین: پردازش حجم عظیم داده، پایش مستمر، تشخیص الگو و ناهنجاری، شبیه‌سازی هزاران سناریو و ساخت دوقلوهای دیجیتال ریسک.
● وظیفه انسان: تفسیر سیگنال‌ها، درک زمینه کسب‌وکار و منطقه‌ای، قضاوت اخلاقی، ارزیابی بده‌بستان‌ها و پذیرش نهایی مسئولیت تصمیم.
مزیت رقابتی از «داشتن هوش مصنوعی بیشتر» نیست، بلکه از «ترکیب مؤثر هوش ماشینی با تخصص انسانی» ناشی می‌شود.
■ نکته تکمیلی مهم گزارش
تفاوت‌های منطقه‌ای (فرهنگ ریسک، تجربه تاریخی، مقررات و وابستگی‌های زیرساختی مانند انرژی موردنیاز هوش مصنوعی) باید به‌طور جدی در مدل‌ها لحاظ شوند. همچنین معیار موفقیت مدیریت ریسک از «نبود زیان و انطباق» به «توانایی تسهیل تصمیم‌های استراتژیک بهتر، تسریع نوآوری مسئولانه و تقویت تاب‌آوری بلندمدت» تغییر می‌کند.
■ جوهر اصلی گزارش:
مدیریت ریسک مدرن نه درباره «پیش‌بینیِ وقوع»، بلکه درباره توسعه ظرفیت سازمان برای انطباق، تصمیم‌گیری درست و حرکت در شرایطی است که آینده غیرقابل‌پیش‌بینی باقی می‌ماند. سازمان‌های موفق در ۲۰۳۵ بهترین پیش‌بینی‌کنندگان نیستند؛ بهترین آماده‌شوندگان هستند.
صفحه اصلی گزارش:
https://www.weforum.org/publications/risk-management-reimagined-outlook-to-2035/
World Economic Forum
Risk Management, Reimagined: Outlook to 2035
Risk Management, Reimagined: Outlook to 2035 identifies four shifts likely to define the next generation of risk management.
📌 چگونه گزارش «مدیریت ریسک بازتصور‌شده: چشم‌انداز تا ۲۰۳۵» را به کار بگیریم؟
📍این گزارش یک چارچوب مفهومی است، نه یک چک‌لیست آماده. ارزش آن زمانی آشکار می‌شود که آن را به اقدامات عملی، تغییرات حاکمیتی و سرمایه‌گذاری‌های مشخص تبدیل کنید. در ادامه یک نقشه راه اجرایی و واقع‌بینانه ارائه می‌دهم:
۱.ارزیابی وضعیت فعلی (۰ تا ۳ ماه)
ممیزی آمادگی: نظرسنجی داخلی مشابه نظرسنجی مجمع جهانی اقتصاد انجام دهید. از مدیران ارشد بپرسید:
چقدر برای ریسک‌هایی که با داده تاریخی مدل نمی‌شوند آماده هستیم؟
بزرگ‌ترین محدودیت‌های فعلی مدیریت ریسک ما چیست؟ (اتکای بیش از حد به داده تاریخی، عدم یکپارچگی با استراتژی، کندی پاسخ و غیره)
نقشه وابستگی ریسک‌ها: به‌جای فهرست ریسک‌های جداگانه، ماتریس تعاملات را ترسیم کنید (مثلاً سایبری >>زنجیره تأمین >>تورم>>تنش ژئوپلیتیک).
● ممیزی فرضیات استراتژیک: مهم‌ترین فرضیاتی که استراتژی فعلی سازمان بر آن‌ها استوار است را استخراج و استرس‌تست کنید (رویکرد Novartis).
۲.بازتعریف نقش و ●جایگاه مدیر ارشد ریسک (۳ تا ۹ ماه)CRO
را از«بازرس پس از تصمیم» به شریک استراتژیک تبدیل کنید.
●حضور اجباری CRO در کمیته‌های استراتژی، سرمایه‌گذاری و نوآوری را نهادینه کنید.
●شاخص‌های عملکرد CRO را تغییر دهید: علاوه بر کنترل زیان، معیارهایی مثل «زمان تصمیم‌گیری»، «کیفیت فرضیات استراتژیک» و «سرعت پاسخ به شوک» اضافه شود.
●مهارت‌های تیم ریسک را گسترش دهید: سنتز هوش، تفکر سناریویی، تفسیر ریسک، ارتباط با ذی‌نفعان و حاکمیت هوش مصنوعی.
۳.ساخت قابلیت‌های عملیاتی کلیدی
قابلیت
اقدام عملی
افق زمانی
حسگری و هشدار زودهنگام مستمر
انتقال از گزارش فصلی به داشبورد بلادرنگ (اخبار ژئوپلیتیک، سیگنال‌های بازار، ریسک شخص ثالث، اقلیم، سایبری)
۶–۱۲ ماه
●برنامه‌ریزی سناریو و دوقلوی دیجیتال
شروع با سناریوهای چندتهدید (سایبری + ژئوپلیتیک + زنجیره تأمین)
● در مرحله بعد، دوقلوی دیجیتال ساده برای بخش‌های حیاتی (زنجیره تأمین یا عملیات)
۱۲–۲۴ ماه
توازن هوش مصنوعی و انسان
هوش مصنوعی برای پایش، تجمیع و تشخیص ناهنجاری؛ انسان برای تفسیر، قضاوت اخلاقی و تصمیم نهایی. فرآیندهای «چالش خروجی هوش مصنوعی» را تعریف کنید.
●همزمان
توجه به تفاوت‌های منطقه‌ای
تیم‌های ریسک منطقه‌ای را تقویت کنید و ریسک‌های خاص هر جغرافیا (انرژی، مقررات، فرهنگ ریسک) را در مدل‌ها بگنجانید.
مداوم
۴.ادغام در فرآیندهای کسب‌وکار
ریسک را از «لایه سوم دفاع» خارج کرده و به ابتدای چرخه تصمیم‌گیری منتقل کنید (سرمایه‌گذاری، ورود به بازار جدید، تحولات دیجیتال).
«ممیزی فرضیات» را به‌عنوان مرحله اجباری قبل از تصویب پروژه‌های بزرگ تعریف کنید.
از مدل «کششی» (Pull) به «فشاری» (Push) حرکت کنید: سیستم‌ها خودشان سیگنال‌های نوظهور را بالا بیاورند، نه اینکه منتظر درخواست باشند.
۵.تغییر معیارهای موفقیت
به‌جای تمرکز صرف بر «نبود حادثه» یا «انطباق»، این شاخص‌ها را اضافه کنید:
درصد تصمیم‌های استراتژیک که ریسک در مراحل اولیه در آن‌ها دخیل بوده
زمان متوسط از تشخیص سیگنال تا اقدام
تعداد سناریوهای چندتهدید تست‌شده در سال
میزان وابستگی تصمیم‌ها به خروجی‌های هوش مصنوعی در مقابل قضاوت انسانی
۶.شروع کوچک و مقیاس‌پذیر
پایلوت: یک حوزه حیاتی (مثلاً زنجیره تأمین یا ریسک سایبری-ژئوپلیتیک) را انتخاب کنید و حسگری مستمر + سناریوهای چندتهدید را در آن پیاده کنید.
حاکمیت داده: بدون داده باکیفیت و یکپارچه، هوش مصنوعی فقط سرعت خطا را بالا می‌برد.
فرهنگ: آموزش مدیران میانی برای پذیرش عدم‌قطعیت به‌عنوان وضعیت عادی، نه استثنا.
نکته کلیدی اجرایی
گزارش تأکید می‌کند که سازمان‌های موفق در ۲۰۳۵ «بهترین پیش‌بینی‌کنندگان» نخواهند بود، بلکه «بهترین آماده‌شوندگان» هستند. بنابراین اولویت را روی ساخت قابلیت پاسخ و سازگاری بگذارید، نه روی مدل‌های پیش‌بینی پیچیده‌تر.
اگر بخواهید، می‌توانم این نقشه راه را بر اساس صنعت یا اندازه سازمان شما (مثلاً بانک، تولید، فناوری یا شرکت متوسط) دقیق‌تر و عملیاتی‌تر کنم.
📍این گزارش یک چارچوب مفهومی است، نه یک چک‌لیست آماده. ارزش آن زمانی آشکار می‌شود که آن را به اقدامات عملی، تغییرات حاکمیتی و سرمایه‌گذاری‌های مشخص تبدیل کنید. در ادامه یک نقشه راه اجرایی و واقع‌بینانه ارائه می‌دهم:
۱.ارزیابی وضعیت فعلی (۰ تا ۳ ماه)
ممیزی آمادگی: نظرسنجی داخلی مشابه نظرسنجی مجمع جهانی اقتصاد انجام دهید. از مدیران ارشد بپرسید:
چقدر برای ریسک‌هایی که با داده تاریخی مدل نمی‌شوند آماده هستیم؟
بزرگ‌ترین محدودیت‌های فعلی مدیریت ریسک ما چیست؟ (اتکای بیش از حد به داده تاریخی، عدم یکپارچگی با استراتژی، کندی پاسخ و غیره)
نقشه وابستگی ریسک‌ها: به‌جای فهرست ریسک‌های جداگانه، ماتریس تعاملات را ترسیم کنید (مثلاً سایبری >>زنجیره تأمین >>تورم>>تنش ژئوپلیتیک).
● ممیزی فرضیات استراتژیک: مهم‌ترین فرضیاتی که استراتژی فعلی سازمان بر آن‌ها استوار است را استخراج و استرس‌تست کنید (رویکرد Novartis).
۲.بازتعریف نقش و ●جایگاه مدیر ارشد ریسک (۳ تا ۹ ماه)CRO
را از«بازرس پس از تصمیم» به شریک استراتژیک تبدیل کنید.
●حضور اجباری CRO در کمیته‌های استراتژی، سرمایه‌گذاری و نوآوری را نهادینه کنید.
●شاخص‌های عملکرد CRO را تغییر دهید: علاوه بر کنترل زیان، معیارهایی مثل «زمان تصمیم‌گیری»، «کیفیت فرضیات استراتژیک» و «سرعت پاسخ به شوک» اضافه شود.
●مهارت‌های تیم ریسک را گسترش دهید: سنتز هوش، تفکر سناریویی، تفسیر ریسک، ارتباط با ذی‌نفعان و حاکمیت هوش مصنوعی.
۳.ساخت قابلیت‌های عملیاتی کلیدی
قابلیت
اقدام عملی
افق زمانی
حسگری و هشدار زودهنگام مستمر
انتقال از گزارش فصلی به داشبورد بلادرنگ (اخبار ژئوپلیتیک، سیگنال‌های بازار، ریسک شخص ثالث، اقلیم، سایبری)
۶–۱۲ ماه
●برنامه‌ریزی سناریو و دوقلوی دیجیتال
شروع با سناریوهای چندتهدید (سایبری + ژئوپلیتیک + زنجیره تأمین)
● در مرحله بعد، دوقلوی دیجیتال ساده برای بخش‌های حیاتی (زنجیره تأمین یا عملیات)
۱۲–۲۴ ماه
توازن هوش مصنوعی و انسان
هوش مصنوعی برای پایش، تجمیع و تشخیص ناهنجاری؛ انسان برای تفسیر، قضاوت اخلاقی و تصمیم نهایی. فرآیندهای «چالش خروجی هوش مصنوعی» را تعریف کنید.
●همزمان
توجه به تفاوت‌های منطقه‌ای
تیم‌های ریسک منطقه‌ای را تقویت کنید و ریسک‌های خاص هر جغرافیا (انرژی، مقررات، فرهنگ ریسک) را در مدل‌ها بگنجانید.
مداوم
۴.ادغام در فرآیندهای کسب‌وکار
ریسک را از «لایه سوم دفاع» خارج کرده و به ابتدای چرخه تصمیم‌گیری منتقل کنید (سرمایه‌گذاری، ورود به بازار جدید، تحولات دیجیتال).
«ممیزی فرضیات» را به‌عنوان مرحله اجباری قبل از تصویب پروژه‌های بزرگ تعریف کنید.
از مدل «کششی» (Pull) به «فشاری» (Push) حرکت کنید: سیستم‌ها خودشان سیگنال‌های نوظهور را بالا بیاورند، نه اینکه منتظر درخواست باشند.
۵.تغییر معیارهای موفقیت
به‌جای تمرکز صرف بر «نبود حادثه» یا «انطباق»، این شاخص‌ها را اضافه کنید:
درصد تصمیم‌های استراتژیک که ریسک در مراحل اولیه در آن‌ها دخیل بوده
زمان متوسط از تشخیص سیگنال تا اقدام
تعداد سناریوهای چندتهدید تست‌شده در سال
میزان وابستگی تصمیم‌ها به خروجی‌های هوش مصنوعی در مقابل قضاوت انسانی
۶.شروع کوچک و مقیاس‌پذیر
پایلوت: یک حوزه حیاتی (مثلاً زنجیره تأمین یا ریسک سایبری-ژئوپلیتیک) را انتخاب کنید و حسگری مستمر + سناریوهای چندتهدید را در آن پیاده کنید.
حاکمیت داده: بدون داده باکیفیت و یکپارچه، هوش مصنوعی فقط سرعت خطا را بالا می‌برد.
فرهنگ: آموزش مدیران میانی برای پذیرش عدم‌قطعیت به‌عنوان وضعیت عادی، نه استثنا.
نکته کلیدی اجرایی
گزارش تأکید می‌کند که سازمان‌های موفق در ۲۰۳۵ «بهترین پیش‌بینی‌کنندگان» نخواهند بود، بلکه «بهترین آماده‌شوندگان» هستند. بنابراین اولویت را روی ساخت قابلیت پاسخ و سازگاری بگذارید، نه روی مدل‌های پیش‌بینی پیچیده‌تر.
اگر بخواهید، می‌توانم این نقشه راه را بر اساس صنعت یا اندازه سازمان شما (مثلاً بانک، تولید، فناوری یا شرکت متوسط) دقیق‌تر و عملیاتی‌تر کنم.
WEF_Risk_Management_Reimagined_Outlook_to_2035_2026.pdf
2.1 MB
✳️ گزارش مجمع جهانی اقتصاد: «مدیریت ریسک، بازتصور‌شده: چشم‌انداز تا ۲۰۳۵»
(سپتامبر ۲۰۲۶)
✅ پیام اصلی
چارچوب‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، ارزیابی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر پاسخگوی محیط ریسک امروز و آینده نیستند. ریسک‌ها به‌شدت به‌هم‌پیوسته، غیرخطی و پرسرعت شده‌اند (تکه‌تکه شدن ژئواکونومیک، اختلالات فناورانه، ناامنی سایبری، نوسانات اقلیمی و قطبی‌شدن اجتماعی). عدم‌قطعیت از حالت «مقطعی» به «ساختاری» تبدیل شده است.
(سپتامبر ۲۰۲۶)
✅ پیام اصلی
چارچوب‌های سنتی مدیریت ریسک سازمانی (ERM) که بر داده‌های تاریخی، ارزیابی احتمال-اثر و گزارش‌های دوره‌ای متکی بودند، دیگر پاسخگوی محیط ریسک امروز و آینده نیستند. ریسک‌ها به‌شدت به‌هم‌پیوسته، غیرخطی و پرسرعت شده‌اند (تکه‌تکه شدن ژئواکونومیک، اختلالات فناورانه، ناامنی سایبری، نوسانات اقلیمی و قطبی‌شدن اجتماعی). عدم‌قطعیت از حالت «مقطعی» به «ساختاری» تبدیل شده است.
🎯 وقتی کسی حالش بد است، نه نصیحتش کنید و نه راهکار بدهید
♦️مگی پنمن، واشنگتن‌پست — تکنیک «گوش‌دادن بازتابی» که معمولاً تصور می‌کنیم فقط در جلسات روان‌درمانی کاربرد دارد، در واقع مهارتی است که به باور روان‌شناسان همۀ ما باید در روابط و معاشرت‌های روزمره‌مان بلد باشیم. روش کار ساده است: وقتی کسی آشفته یا ناراحت است، با دقت به حرف‌هایش گوش دهید و سپس آنچه را گفته، با کلمات خودتان برایش بازگو کنید. این کار شاید در ابتدا عجیب یا تصنعی به نظر برسد، اما به گفتۀ پژوهشگران نتایج بسیار مثبتی دارد.
♦️مارتا استراوس، روان‌شناس بالینی، معتقد است بیشتر ما شنونده‌های خوبی نیستیم، به‌خصوص این روزها که گوشی‌های هوشمند همیشه کنار دستمان هستند. او می‌گوید: «ما بیش‌ازحد فردگرا شده‌ایم؛ مدام به خودمان فکر می‌کنیم و منتظریم ببینیم کِی نوبت حرف‌زدنمان می‌رسد». اما اگر گوش‌دادن آگاهانه را تمرین کنیم، خیلی زود متوجه تغییر رفتار اطرافیان با خودمان خواهیم شد.
♦️ویلیام میلر، روان‌شناس برجسته و استاد بازنشستۀ دانشگاه نیومکزیکو، می‌گوید سؤال‌های باز برای شروع گفت‌وگو مناسب‌اند، اما به‌محض اینکه متوجه شدید طرف مقابل چه احساسی دارد، بهتر است برداشتتان از حال‌وروز او را به‌جای پرسیدن یک سؤال دیگر، در قالب جمله‌ای خبری بیان کنید. مثلاً اگر دوستتان به‌خاطر فشار کاری زیاد مضطرب است، می‌توانید بگویید: «انگار این‌همه کار خیلی بهت فشار آورده».
♦️یا مثلاً اگر فرزند نوجوانتان از اینکه هم‌سن‌وسال‌هایش به او بی‌محلی کرده‌اند دل‌خور است، فوراً شروع نکنید به برشمردن ویژگی‌های خوبش تا دلداری‌اش بدهید. اول اجازه دهید حرفش را تا آخر بزند و بعد با جمله‌ای ساده نشان دهید که احساسش را درک می‌کنید. مثلاً بگویید: «حتماً خیلی احساس تنهایی می‌کنی».
♦️هانا کالینز، استادیار دانشکدۀ مدیریت دانشگاه یوسی‌ال‌ای، معتقد است راز اثربخشی «گوش‌دادن بازتابی» این است که نمی‌توان ادای آن را درآورد. ممکن است کسی درحالی‌که به چشمانتان نگاه می‌کند، سرش را به نشانۀ تأیید تکان بدهد، اما در واقع حواسش جای دیگری باشد. بااین‌حال، برای اینکه بتوانید حرف‌های طرف مقابل را درست بازتاب دهید، چاره‌ای ندارید جز اینکه واقعاً به او گوش بدهید و بفهمید چه می‌گوید.
🔗 آنچه خواندید برگرفته از مطلب «There’s a simple way to become a better listener. Most of us don’t do it» نوشتۀ مگی پنمن است که در تاریخ ۲ اکتبر ۲۰۲۶ در واشنگتن‌پست منتشر شده است.ترجمان
♦️مگی پنمن، واشنگتن‌پست — تکنیک «گوش‌دادن بازتابی» که معمولاً تصور می‌کنیم فقط در جلسات روان‌درمانی کاربرد دارد، در واقع مهارتی است که به باور روان‌شناسان همۀ ما باید در روابط و معاشرت‌های روزمره‌مان بلد باشیم. روش کار ساده است: وقتی کسی آشفته یا ناراحت است، با دقت به حرف‌هایش گوش دهید و سپس آنچه را گفته، با کلمات خودتان برایش بازگو کنید. این کار شاید در ابتدا عجیب یا تصنعی به نظر برسد، اما به گفتۀ پژوهشگران نتایج بسیار مثبتی دارد.
♦️مارتا استراوس، روان‌شناس بالینی، معتقد است بیشتر ما شنونده‌های خوبی نیستیم، به‌خصوص این روزها که گوشی‌های هوشمند همیشه کنار دستمان هستند. او می‌گوید: «ما بیش‌ازحد فردگرا شده‌ایم؛ مدام به خودمان فکر می‌کنیم و منتظریم ببینیم کِی نوبت حرف‌زدنمان می‌رسد». اما اگر گوش‌دادن آگاهانه را تمرین کنیم، خیلی زود متوجه تغییر رفتار اطرافیان با خودمان خواهیم شد.
♦️ویلیام میلر، روان‌شناس برجسته و استاد بازنشستۀ دانشگاه نیومکزیکو، می‌گوید سؤال‌های باز برای شروع گفت‌وگو مناسب‌اند، اما به‌محض اینکه متوجه شدید طرف مقابل چه احساسی دارد، بهتر است برداشتتان از حال‌وروز او را به‌جای پرسیدن یک سؤال دیگر، در قالب جمله‌ای خبری بیان کنید. مثلاً اگر دوستتان به‌خاطر فشار کاری زیاد مضطرب است، می‌توانید بگویید: «انگار این‌همه کار خیلی بهت فشار آورده».
♦️یا مثلاً اگر فرزند نوجوانتان از اینکه هم‌سن‌وسال‌هایش به او بی‌محلی کرده‌اند دل‌خور است، فوراً شروع نکنید به برشمردن ویژگی‌های خوبش تا دلداری‌اش بدهید. اول اجازه دهید حرفش را تا آخر بزند و بعد با جمله‌ای ساده نشان دهید که احساسش را درک می‌کنید. مثلاً بگویید: «حتماً خیلی احساس تنهایی می‌کنی».
♦️هانا کالینز، استادیار دانشکدۀ مدیریت دانشگاه یوسی‌ال‌ای، معتقد است راز اثربخشی «گوش‌دادن بازتابی» این است که نمی‌توان ادای آن را درآورد. ممکن است کسی درحالی‌که به چشمانتان نگاه می‌کند، سرش را به نشانۀ تأیید تکان بدهد، اما در واقع حواسش جای دیگری باشد. بااین‌حال، برای اینکه بتوانید حرف‌های طرف مقابل را درست بازتاب دهید، چاره‌ای ندارید جز اینکه واقعاً به او گوش بدهید و بفهمید چه می‌گوید.
🔗 آنچه خواندید برگرفته از مطلب «There’s a simple way to become a better listener. Most of us don’t do it» نوشتۀ مگی پنمن است که در تاریخ ۲ اکتبر ۲۰۲۶ در واشنگتن‌پست منتشر شده است.ترجمان