学会聆听,职场最重要的事情,没有之一!!!

简介: 更好的帮助下属成长和提升,从学会聆听开始。

带领团队作战-聆听的层次

大伙有没有遇到过这样熟悉的场景,员工好不容易鼓起勇气,找leader反馈一个问题,希望得到leader的帮助,系统得到leader的指导。leader会很快进入“过来人模式”,并开始“语重心长”的教导和指导。然后员工进入似懂非懂的“感谢leader”状态,并离开。

画外音:帮助下属成长和提升,是leader的核心职责。


leader的初心是好的,但这是否是最佳的方法?

 

要更好的帮助下属成长和提升,更好的处理与家人的关系,更好的听懂小朋友的心声,更好的与周围同事朋友交流相处,先从聆听开始。

 

聆听,分为四个层次。

 

第一层聆听:下载式聆听(downloading)

说明:这类聆听,通常会根据自己的经验和习惯做出应激性反应,它只会听到自己认可的部分,默认忽略自己经验之外的部分,还对这些部分做主观评判,这类聆听以自我为中心

关键词

  • 巩固已有认知(reconfirm old opinions)

  • 评判(judgement)

 

举个例子。

守夜人:我看到白鬼了,他把我的同伴都杀了,长夜寒冬真的来了。

北境之王:根本就没有什么白鬼,你只是在为自己的逃跑行为找借口,你个懦夫,拉出去斩了。

画外音:根据自己的经验,对别人做评判,并巩固自己的经验。

 

第二层聆听:看到事实(factual listening)

说明:这类聆听,不仅能听到自己认可的部分,还能听到自己已有认知以外的部分,这类聆听以事实为中心

关键词:看到新的认知(disconfirming new data)

画外音:这类聆听,是扩大自己认知,启发自己创新的好方法。

 

如果北境之王,能够get到守夜人来到临冬城,反馈遇到白鬼,同伴被杀的事实,未必会做出“杀逃兵”的判断。

 

第三层聆听:同理心(empathic listening)

说明:这类聆听,不仅能听到事实,还能以对方的视角,建立情感连接,尝试去理解述说者背后的情感与逻辑,以便更好的体会为什么会说这样的话。这类聆听以倾诉者为中心

关键词

  • 对方视角(seeing through another persion's eyes)

  • 情感连接(emotional connection)

画外音:这类聆听,更够更好的理解别人的语言与行为。

 

如果北境之王,能够站在忠诚,荣耀的守夜人视角,虽然害怕,明明知道违背北境法律,依然冒死跑到临冬城,通知领主这个大部分人根本不会相信的消息,有可能会有更多的觉察。

画外音:Ned听了守夜人的话,领兵穿过北境长城,北上杀死夜王,全剧终。

 

第四层聆听:生成性聆听(generative listening)

说明:前三层聆听,看到自己的认知,看到自己认知外的事实,尝试理解对方。第四次聆听,是以发展的为中心,尝试了解对方的本心(source),并看到帮ta走向自己本心的方法,扩大彼此认知的方法。

image.png

我用非常高端的工具,画了一幅非常精细的图:

  • 左边的大圈,是倾听者的认知

  • 右边的大圈,是倾诉者的认知

  • 右边的大虚线圈,是听倾诉者未来潜在的更大的认知

  • 中间的“草履虫”,是倾诉者在自己的认知范围内讲述了一个事情,这个事情,有一部分符合倾听者的认知(左边A的部分),有一部分不符合倾听者的认知(右边B的部分)

 

第一层聆听:倾听者以自我为中心,只能听到事情里,自己已有认知的部分(A);

第二层聆听:倾听者以事实为中心,能听到自己认知里未知的部分(B),看到“草履虫”的全貌(A+B);

第三层聆听:倾听者以倾诉者为中心,尝试着建立情感连接,尝试着共情;

第四层聆听:倾听者以发展为中心,能听到倾诉者(和自己)未来如何能走向内心的自己,拥有更大的认知;

 

想要:

  • 更好的帮助下属成长和提升

  • 更好的处理与家人的关系

  • 更好的听懂小朋友的心声

  • 更好的与周围同事朋友交流相处

学会聆听开始。

本文转自“架构师之路”公众号,58沈剑提供。

目录
相关文章
|
NoSQL Linux 测试技术
Linux下Redis的安装、配置及开机自启动
Linux下Redis的安装、配置及开机自启动 系统版本: CentOS 7 Redis版本: Redis-6.2.5
48972 7
Linux下Redis的安装、配置及开机自启动
|
2月前
|
前端开发 Java Nacos
Nacos 注解全解析:7 个核心注解 + 5 个生产踩坑清单(2026 实测)
Nacos 注解用错,是 90% 微服务 Bug 的根源。本文把注册发现、配置热更新的 7 个核心注解、动态刷新原理和 5 个生产踩坑一次讲透,附可运行代码。
341 2
Nacos 注解全解析:7 个核心注解 + 5 个生产踩坑清单(2026 实测)
|
8月前
|
机器学习/深度学习 人工智能 算法
奥维:AI技术赋能水利工程 “人工智能+”展现巨大潜力
奥维数字科技凭借对AI技术的深耕与水利场景的深刻理解,打造出奥维水利算法云这一核心解决方案,将AI能力渗透到大坝安全、洪水预报、淹没分析等关键环节,以“精准、实时、可进化”的服务特性,为水利行业智能化升级提供了可落地的技术范式。奥维通过“AI+水利”的实践证明,人工智能并非简单的“技术叠加”,而是能从“数据处理、模型优化、决策支撑”三个核心环节重构水利工程的运行模式:它让大坝监测更精准、洪水预报更及时、应急响应更科学,也让水利决策从“经验驱动”转向“数据驱动”。
968 5
|
算法 测试技术 vr&ar
Unity Vufoia+AR模型抖动的问题
**图像识别与跟踪精度问题**:Vuforia 依赖特征点检测,环境光线不稳定、目标纹理不丰富或遮挡会导致特征点匹配误差,引起AR模型抖动。跟踪丢失和重定位延迟也会导致模型不稳定。 **设备硬件与性能问题**:移动设备摄像头易受手持抖动影响,低性能设备无法及时处理图像数据,导致跟踪结果更新延迟。 **模型与坐标系问题**:AR模型重心设置不合理或坐标系转换误差,会使模型在虚拟空间中不稳定。 **算法与参数设置问题**:跟踪算法局限性和参数设置不合理(如灵敏度过高或平滑度过低)都会影响跟踪稳定性。 。
|
传感器 人工智能 运维
当电力运维遇上元宇宙:AR智能巡检新纪元
随着新型电力系统发展,传统人工巡检已难适应复杂设备需求。AR眼镜凭借虚实融合、实时交互特性,助力电力运维提效保安全,广泛应用于变电站巡检、高危作业防护与故障处置,显著缩短响应时间,推动运维模式向智能预防转型。
|
人工智能 文字识别 自然语言处理
1.6K star!这个开源文本提取神器,5分钟搞定PDF/图片/Office文档!
Kreuzberg 是一个基于 Python 的文本提取库,支持从 PDF、图像、Office 文档等 20+ 格式中提取文本内容。采用 MIT 开源协议,具备本地处理、异步架构、智能 OCR 等特性,特别适合需要隐私保护的文档处理场景。
1911 1
|
移动开发 JavaScript 前端开发
【Vue面试题二十二】、什么是虚拟DOM?如何实现一个虚拟DOM?说说你的思路
这篇文章深入探讨了虚拟DOM的概念、必要性以及在Vue中的实现方式,解释了虚拟DOM如何作为真实DOM的轻量级抽象,通过优化DOM操作提高性能,并实现跨平台渲染的能力。
【Vue面试题二十二】、什么是虚拟DOM?如何实现一个虚拟DOM?说说你的思路
|
存储 弹性计算 安全
云计算服务选型与成本分析
【7月更文挑战第2天】云计算服务选型与成本分析聚焦企业如何在IaaS、PaaS、SaaS间抉择,考虑云提供商的技术实力、服务范围、成本效益和支持。成本分析涉及硬件、软件和服务成本,通过简单回收期、投资回报率和净现值法评估效益。优化资源配置、弹性伸缩和合理计费是成本控制关键,助力企业高效利用云计算。
1030 2
|
存储 数据处理 C++
超级好用的C++实用库之点阵字体
超级好用的C++实用库之点阵字体
488 0
|
Kubernetes 网络性能优化 调度
Kubernetes Resource QoS Classes介绍
基本概念 Kubernetes根据Pod中Containers Resource的request和limit的值来定义Pod的QoS Class。其中,指定容器request,代表系统确保能够提供的资源下限值。
3223 0