作者简介

传媒

习惯

书评

人物专访

人物专访

Home » 1 正面经历, 商业/组织, 所有文章, 正面情绪(正面影响)

想活得丰盛吗?留在区内!

By on December 8, 2008 – 9:18 am  No Comment
Marcial Losada PPND Dr. Marcial Losada is the founder and executive director of Meta Learning, a consulting organization that specializes in developing high performance teams.
He currently consults with executives and their teams at several corporations in the U.S. and around the world.
http://losada.socialpsychology.org/ Here's a link to Part II of this series: Work Teams and the Losada Line: New Results.

洪朗婷 译

哪一条才是使人生变丰盛的康庄大道?事实上,那是一条非线性的路。非线性也许是负面用词,并没有确切的定义,只是指出了它不是线性的。这个世界里有些东西是线性的,像汽车的加速器,当你愈用力踏,汽车的速度便愈快。汽车的加速器是线性的,这是一件好事,否则这将会是灾难性的。像加速器,有许多功能性的装置都是线性的。

Non-linear PPND

婚姻是非线性的!

线性的意思是付出和收获成正比,而非线性的意思则是付出和收获不成正比,例如:身处复杂系统之中,耍些小聪明便可能得到不成比例的多,倘若技巧笨拙,再多的努力也不能得到合比例的成果。一段美满的婚姻,重要的不是双方付出多少,而是何时及怎样付出。换句话说,非线性就是要了解状况,以找出聪明手法的窍门。

复杂系统总有很多可变因素在互相影响,线性关系可谓派不上用场。婚姻和团队都是互动而复杂的系统:当中没有简单直接的成功诀窍,因而变得令人迷惑和具挑战性。最好的线性模型也只能解释结果中约30%的变数(团体表现),约70%的变数依然是个谜。

Non-linear2 PPND

甚么是 `Meta Learning Model'?

另一方面,Meta Learning Model是一个非线性模型,能说明结果中92%的变数,只有8%变数仍未能解释。多数线性模型要利用很多可变因素及参数来解释很少的变数。从科学的角度,我们都想尽量精简,以最少来说明最多。

The meta learning Model有三个两极性的变数:

• 质询 -主张(人们提问 vs. 讲话的次数)

• 正面 - 反面(人们正面 vs. 反面的表现)

• 他者 - 个人(人们把以他人 vs. 自己为焦点)

连接性是这模型的控制参数,另外还有两个参数(图一的a和b):

• 粘性(环境抗拒改变的程度),和

• 负面性偏见(人们对负面事情作出反应以避免受伤害的速率)

PPND的读者应该在阅读过以往的文章(包括“Flourishing with the Positive" by Doug TurnerThe “Right Fit at Work" by Jen Hausmann)后,对positivity-negativity ratio (P/N)(正面与负面的比例)有所认识,即是在Losadazone(Losada区)里,当数值大于或等于2.9013,而低于11.6346。非线性关系支配着这个区段。当数值高于Losada区,系统便是限循环,而当数值低于在Losada区,系统便是稳定点吸子。稳定点就像被困在独立囚室中,几乎没有活动空间。在限循环,仍像被困,虽活动空间较大,却只能作出无意义的重复动作。

Lorenz PPND

Losada区提醒我们,问题的关键并不是个人的正面性。正如一般人常有的误解,如关键是线性的,当然愈正面愈好。可是,问题的关键是非线性的:为了达到最佳效果,正面和负面的比例都设有上下边界。即使曾参加meta learning训练(大约一年),我们未发现有任何团队能越过上边界。正如预计之中,就我们所接触的来自不同国家及文化背景的团队,大部份开始合作时都低于Losada区。训练后,全都能越过Losadaline(Losada线,即Losada区的下边界),但仍远远低于上边界,而多数团队所得的正面与负面比例大约是6。

为甚么meta learning对婚姻和团队是好的?

Lao Tsu

中国古圣贤老子曾提及:「非线性带来完整性;而错误判断则产生线性。」其焦点应放在「完整性」和「错误判断」二字。错误判断是指不准确的估计。当人们尝试观察一些复杂现象时倾向线性,因为人们倾向以简单的方法去理解事情,不然也许会超出他们的认知范畴。由于我们成功地运用线性来控制机械性装置,因而倾向找寻类似答案来了解并控制复杂情况,以弥补机械相似性的不足,但其危险性在于对这些复杂情况的错误估计,并相信自己判断准确。

老子提出的第二重点──完整性──所指的就是非线性的力量。在统计理论上,完整性作为统计学的一个特性,可以让我们获得一些未知参数的有用资料,以分析数据的分布及特徵。这个定义直接关连到Meta Learning Model的发展。

首先,安那宝 和剑桥的两个实验室收集了成千上万的数据,代表着商业团队之间的互动关系。其后,我在1999年发展了一套能掌握这些数据的主要特性的模型。Meta Learning Model所产生的时间序列跟实验室所观察出的时间序列交叉比较,断定这个模型跟实质数据吻合,只有非常低的错误或然率(p<.0.1)。因此,我们能够符合老子所提出的完整性的要求。

Flourishing - The Losada Zone
图一:meta learning model

Meta learning model的力量来自它那非线性的结构(图一的非线性差别方程序)。当它的控制参数──连接性──低于某个临界点,便会出现由稳定点显示出来的新的线性变化。但当它的控制参数高于某个临界点,使会出现由complexor显示出的新的非线性变化。Complexor是两个字的合并:复杂(complex)次序(order),这是我和Ross School of Business at the University of Michigan的Emily Heaphy于2004做的有关研究。线性规律只能产生固定而重复的次序,并不足以处理在复杂环境中的事情。反之,非线性规律能产生复杂而灵活的次序──negentropic──不会退化成稳定点或限循环,并能产生创新的解决办法,正如我1999年的论文所指出的,这种非线性规律所产生的创新解决办法,是高水平团队表现的特徵。

从图一我们可以看到complexor的变化带来勃勃生机,而稳定点和限循环则导致凋萎无力。Meta learning是使一个系统(个人、关系、团队及组织)长期地由无力变丰盛的非线性方法论。我会在将出版的书Meta Learning: The Nonlinear Path from Languishing to Flourishing in Relationships and Teams中,作更详细的解说。(详情请往 my site

明天的文章有关工作团队和Losada线的新研究结果──通过利用非线性力量,在迈向丰盛人生路上克服障碍的临界点。

图片: nonlinear optics, black-and-white, butterfly image, Lao Tsu

参考书目

Fredrickson, B. L. & Losada, M. (2005). Positive affect and the complex dynamics of human flourishing. American Psychologist, 60(7), 678-686.

Losada, M. (1999). The complex dynamics of high performance teams. Mathematical and Computer Modelling, 30(9-10), 179-192. Abstract and order information here.

Losada, M. & Heaphy, E. (2004). The role of positivity and connectivity in the performance of business teams: A nonlinear dynamics model. American Behavioral Scientist, 47(6), 740-765. Abstract and order information here.

Tong, H. (1990). Non-linear time series: A dynamical system approach. Oxford, UK: Clarendon Press.

Tucker, W. (2002). A Rigorous ODE Solver and Smale's 14th Problem. Foundations of Computational Mathematics, 2, 53-117.

Leave a comment!

Add your comment below, or trackback from your own site. You can also subscribe to these comments via RSS.

Be nice. Keep it clean. Stay on topic. No spam.

You can use these tags:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

This is a Gravatar-enabled weblog. To get your own globally-recognized-avatar, please register at Gravatar.