پرش به محتوا
Home » مقالات Business NLP » چگونه به حل تعارض با متامدل NLP بپردازیم؟

چگونه به حل تعارض با متامدل NLP بپردازیم؟

پرسش‌های ابهام‌زدایی و حل تعارض با متامدل NLP

متامدل NLP به تحلیل و اصلاح مشکلات انتقال اطلاعات از طریق شناسایی کارکردهای اصلی زبان کلامی یعنی تحریف‌ها، حذف‌ها و تعمیم‌ها می‌پردازد. انواع پرسش‌های طبقه‌بندی شده در حل تعارض با متامدل NLP با شفاف‌سازی، ابهام‌زدایی و ساختاربندی اطلاعات به کاهش تعارضات و بهبود وضوح ارتباطات در انتقال اطلاعات کمک می‌کنند.

زبان کلامی، ابزار به تصویرکشیدن تجربه در ذهن مخاطب است. زبان کلامی از طریق تحریف (جابجایی) اطلاعات به برجسته‌سازی فرصت‌ها و تهدیدها می‌پردازد. زبان از طریق حذف بخش عمده‌ای از تجربه، انتقال اطلاعات را میسر می‌کند؛ وگرنه ارائه جزئیات 10 میلیون بیت اطلاعات دریافت شونده در هر لحظه نه تنها فرایند ارتباطی را ناممکن بلکه ذهن گوینده را از کار می‌اندازد. زبان کلای با تعمیم واژه‌ها در انواع استعاره‌ها، کنایه‌ها و کدهای متنوع سمبل‌سازی به طرف مقابل کمک می‌کند فرایند درک اطلاعات را تسریع کند.

متامدل NLP و کارکرد طبیعی ذهن

برای درک بهتر این کارکردهای زبان کلامی که در فیلترهای دریافت اطلاعات ذهن ریشه دارند کافیست تلاش کنید نقشه تهران را بر روی کاغذ ترسیم کنید. چنانچه این تمرین را انجام دهید به‌سادگی متوجه می‌شوید بدون حذف عمده اطلاعات اساسا امکان‌پذیر نیست. برخورداری از مقیاس در انواع نقشه‌ها به همین دلیل است.

ابعاد و اندازه‌های انواع کروکی‌ها و فواصل در نقشه‌ای که بر روی کاغذ می‌کشیم با نسبت‌های واقعی تفاوت دارند و در اصطلاح می‌گوییم گرچه برای جانمایی مکان‌ها این عمل کاربرد دارد اما در واقع اطلاعات تحریف شده‌اند.

در نهایت شکل کلی شهر تهران و یا هر شهری که بر روی کاغذ نقشه آن را ترسیم می‌کنید به همراه انواع خطوطی که قرار است خیابان‌ها و بزرگراه‌ها را نشانگر باشند تنها نشان‌دهنده تعمیم سمبل‌ها به مکان‌های واقعیند.

ذهن در بازنمایی اطلاعات تحریف شده، حذف گردیده و تعمیم یافته از طریق کلمات نیز به همین شیوه‌ای که دیتا را بازیابی می‌کند عمل می‌نماید. در اصطلاح زبانشناسی آنچه قرار بوده انتقال یابد «تجربه عمق» و آنچه انتقال می‌یابد «تجربه سطح» می‌نامند. تفاوت میان تجربه عمق و تجربه سطح به دلیل کارکرد طبیعی زبان در تحریف، حذف و تعمیم اطلاعات است.

حل تعارض با متامدل NLP

انواع الگوها در حل تعارض با متامدل NLP

الگوی نخست – تحریف (Distortion)

تحریف به تغییر یا تفسیر نادرست اطلاعات اشاره دارد. در این حالت، فرد ممکن است بخشی از اطلاعات را به‌طور نادرست تغییر دهد یا تفسیر کند. انواع تحریف‌ها در محیط کسب‌وکار عبارتند از:

Mindreading ذهن‌خوانی: ادعای شناخت حالت درونی کسی. مثلا: «مرخصی‌ام تایید نشد. با من لج کرده است.»

Cause and Effect علت و معلول: برقرار کردن رابطه علت و معلول میان پدیده‌های نامربوط. مخصوصا میان رویداد خارجی با حالت ذهنی درونی. مثلا: «مشتری با این کارش اعصاب من و خرد می‌کنه» به جای آنکه بگوییم «مانور متقابل و یا تکنیک مربوط به این وضعیت را بلد نیستم».

Complex Equivalence معادل‌سازی پیچیده: به دنبال هم، قطار کردن گزاره‌های عموما صحیح که الزاما ارتباطی به همدیگر ندارند. مانند: «اگر فروشنده بودید تخفیف می‌دادید».

Nominalization فعل‌زدایی: به‌کاربردن اسم به جای فعل. مثلا «ارتباط» به جای ایجاد ارتباط و یا برقراری ارتباط و یا ساختن ارتباط در جمله: اینجا کسی با کسی ارتباط خوبی ندارد.

Lost Performative کنشگر مفقود: کلامی که مشخص نیست کدام منبعی آن را تایید کرده است. مانند: «کوتاه آمدن در این موقعیت بد است».

نقش تحریف‌زدایی در حل تعارض با متامدل NLP

با شناسایی و اصلاح تحریف‌ها، می‌توان اطلاعات را به شکل صحیح و دقیق‌تری منتقل کرد. استفاده از پرسش‌های متامدل NLP از جمله “چگونه به این نتیجه رسیدید؟” یا “چه شواهدی وجود دارد که این‌طور است؟”، “از کجا می‌دانی؟”، “لزوما همیشه به همین معنی است؟”، “کی گفته؟” به افراد کمک می‌کند تا مبنای صحیح و معتبر اطلاعات را روشن کنند و از سوءتفاهمات و تعارضات ناشی از تفسیر نادرست جلوگیری کنند.

الگوی دوم – حذف (Deletion)

حذف به معنای نادیده گرفتن کل یا بخش‌هایی از اطلاعات است که ممکن است بر وضوح و کامل بودن ارتباط تأثیر بگذارد. انواع حذف‌ها عبارتند از:

Simple Deletion حذف ساده – مانند نمی‌شود!

Comparative Deletion حذف مقایسه‌ای – مانند: این پلن، خوب نیست ( در مقایسه با چی؟)

Unspecific Verbs افعال نامشخص – مانند: این برات مشکل می‌شه (دقیقا چطور؟)

Lack of Referential Index حذف نمایه مرجع – فاعل جمله مشخص نیست. مثلا: میگن این طرح جواب نمیده (کی میگه؟)

نقش یافتن اطلاعات حذف شده در کاهش تعارضات

حل تعارض با متامدل NLP و شناسایی و جبران اطلاعات حذف‌شده با استفاده از پرسش‌هایی مانند “چه جزئیاتی را از دست داده‌ایم؟” یا “چه اطلاعاتی برای درک کامل‌تر لازم است؟” به افراد کمک می‌کند تا تصویر کاملی از وضعیت داشته باشند و از بروز تعارضاتی که مستقیما ناشی از کمبود اطلاعاتند و یا بعدا ممکن است به علت فقدان اطلاعات رخ دهند جلوگیری کنند.

الگوی سوم – تعمیم (Generalization)

تعمیم به معنای بسط دادن تجربیات خاص به موقعیت‌های عمومی و کلی است. این کار ممکن است باعث شود که وضعیت‌های خاص به اشتباه به طور کلی تفسیر شوند. انواع تعمیم‌ها عبارتند از:

Universal Quantifiers سور عمومی: مانند همه یا هیچ مثلا: همه مشتری‌ها بد حسابند یا همه کارمندها تنبلند.

Presuppositions پیش‌فرض‌ها: بخش‌هایی از جمله هستند که می‌بایست صحیح بودن آنها را قبول کنیم تا جمله قابل درک شود؛ مثلا: اگر مدیرم می‌دانست چقدر اذیت می‌شوم این حرف را نمی‌زد. برای کدگشایی از این جمله در ذهن شنونده می‌بایست قبول کنیم: شما اذیت می‌شوی (فعل نامشخص – دقیقا چطور؟)، مدیرت چیزی گفته که شما اذیت شدی (علت و معلول: چگونه حرفی که او زده به حالت ذهنی ناخوشایندی در شما منجر شده است؟)، اگر او می‌دانست شما اذیت می‌شوی نمی‌گفت (مرجع نامشخص: کی می‌گه نمی‌گفت؟)

Modal Operators of possibility and necessity عملگرهای مودال امکان و ضرورت: مانند نباید در جلسه چیزی بگویی که برخلاف حرف مدیریت باشد و یا نمی‌توانم به مشتری بگویم تسویه 3 ماهه است. معمولا نمی‌دانیم چه چیزی جلوی گوینده را گرفته است و می‌پرسیم چطور مگه؟

نقش تعمیم‌ها در حل تعارض با متامدل NLP  

شناسایی و اصلاح تعمیم‌ها با استفاده از پرسش‌هایی مانند “آیا این همیشه درست است؟” یا “آیا موقعیت‌های خاصی وجود دارد که این تعمیم در آنها صادق نباشد؟” به افراد کمک می‌کند تا از تعمیم‌های نادرست جلوگیری کنند و به درک دقیق‌تری از وضعیت دست یابند. این کار به کاهش تعارضات ناشی از فرضیات نادرست کمک می‌کند.

با استفاده از پرسش‌های ابهام‌زدایی متامدل NLP در سرفصل‌های تحریف، حذف و تعمیم، می‌توان به شفافیت و وضوح بیشتر در ارتباطات رسید و تعارضات را از طریق شناسایی و اصلاح مشکلات ارتباطی کاهش داد.

منابع علمی حل تعارض با متامدل NLP

مدل متا (Meta Model) در برنامه‌ریزی عصبی-کلامی (NLP) به عنوان یکی از ابزارهای مهم برای بهبود فرآیندهای ارتباطی و کاهش تعارضات در محیط‌های سازمانی شناخته شده است. در ادامه چند پژوهش که این موضوع را بررسی کرده‌اند، معرفی شده‌اند. این منابع از مقالاتی هستند که به بررسی تأثیرات مدل متا در NLP پرداخته‌اند و نشان داده‌اند که این مدل می‌تواند به بهبود ارتباطات و کاهش تعارضات در محیط‌های سازمانی کمک کند.

1. Tosey, P., & Mathison, J. (2003)[1]

این مطالعه به بررسی نقش Meta Model در بهبود کیفیت ارتباطات سازمانی پرداخته است. نتایج نشان داد که استفاده از Meta Model در سازمان‌ها می‌تواند به کاهش تعارضات و سوءتفاهم‌ها کمک کند. پژوهشگران به این نتیجه رسیدند که این مدل به افراد کمک می‌کند تا دقیق‌تر و شفاف‌تر با یکدیگر ارتباط برقرار کنند.

2. Linder-Pelz, S., & Hall, L. M. (2007)[2]

در این پژوهش، تأثیر استفاده از Meta Model در مدیریت تعارضات سازمانی بررسی شده است. نتایج نشان داد که کارکنانی که با استفاده از Meta Model آموزش دیده بودند، توانستند تعارضات را بهتر مدیریت کنند و بهبود قابل توجهی در ارتباطات خود مشاهده کنند.

3. Göksoy, S. (2014)[3]

این مطالعه تأثیر NLP و به ویژه Meta Model را بر بهبود فرآیندهای ارتباطی در محیط‌های کاری بررسی کرده است. نتایج نشان داد که استفاده از Meta Model به کارکنان کمک می‌کند تا ارتباطات مؤثرتری داشته باشند و تعارضات را به حداقل برسانند.

اکنون می‌توانید با مطالعه این مطلب به دلایل تغییرات سریع و عمیق NLP کوچینگ در مقایسه با سبک‌های دیگر پی ببرید.


[1] . Tosey, P., & Mathison, J. (2003). Neuro-linguistic programming and learning theory: A critical evaluation. British Educational Research Journal, 29(3), 293-305.

[2] Linder-Pelz, S., & Hall, L. M. (2007). The meta-coaching methodology: Systemic NLP and meta-states. International Journal of Evidence Based Coaching and Mentoring, 5(2), 31-52.

[3] Göksoy, S. (2014). The impact of neuro-linguistic programming on organizational communication. International Journal of Academic Research in Business and Social Sciences, 4(2), 89-102.

برچسب‌ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


Index