超搶手找對方法,與你的青春期兒女對話-夏季特賣

最近跟老公搬回鄉下老家~真的有點不習慣因為要

折扣買些東西就需要開半個小時的車才能買的到

真的很不方便,而且也沒什麼優惠或折扣,加上來回

的油錢..算一算還真划不來,可是剛搬回老家有些東西又不能不買

像是找對方法,與你的青春期兒女對話 就非買不可,因為超實用的,還好我常逛的這間網站

優惠或折扣也不少,整個買好也幫我省下很多私房錢~跟購物時花費的時間

↓↓↓限量特惠的優惠按鈕↓↓↓

我要購買

商品訊息功能

商品訊息描述

  • 《找對方法,與你的青春期兒女對話》Pubertat:Wenn Erziehen nicht mehr geht

    用溝通學放手,展開親子關係的第二黃金期。

    面對孩子的青春期,大多數父母是緊張擔憂與失去對策;

    事實上,青春期反而是親子關係絕地大反攻的最佳良機,

    能將不可能調整為可能。

    讓德國「家庭研究室」的7封諮商書信、10個青春期家庭的對談案例,

    協助父母找到教養子女的新方法!

    多年來從事家庭諮詢工作的丹麥籍家庭諮詢治療師賈斯伯.裘(Jesper Juul),工作的重點之一,就是幫助父母找尋與子女相處的新方法。例如,以對話代替衝突交談。青春期子女所做的一切,單純只是為了自己,並不是要與父母對立。最新的大腦研究顯示,在青少年時期,大腦對於考慮後果的這個區塊並未發展完全。神經生物學的相關研究也顯示,約有85%的青少年不具備考慮後果的能力。這說明了,青春期的孩子其實不是故意跟父母作對,他們也是「身不由己」。此時,若是父母展開急速高壓的管教方式,是不管用的。在這個時候,顧全親子之間的關係才是大局。

    本書探討的重點在於,青春期現象以及父母與子女如何共同經營良好互動的新關係,青少年渴望得到父母的信任,不喜歡父母總是憂心忡忡的樣子。書中針對許多經常與青春期相伴而生的擔憂,如課業問題、承擔個人與集體的社會責任、處罰及其後果,還有溝通與信任等等,進行一番發人深省的討論,並藉此找出可資借鏡的解答。

    作者並提出「練拳對手」概念,意指由父母擔任孩子訓練拳擊的夥伴,而這位夥伴會在盡量避免造成傷害的前提下提供最大的反抗。當父母以練拳對手的角色給予孩子支持和信任,而不是企圖扮演治療師、警察或法官給予命令或下指導棋,這樣的溝通模式對於雙方的成長都有很大的幫助。

    本書特色:

    家庭諮詢暢銷書作者賈斯伯.裘之最新力作,本書以少講理論、多提案例的方式,探討青春期現象以及父母與子女如何好好走過這段動蕩階段。

    七封賈斯伯.裘記錄下與父母/青少年的書信往來,探討與青春期相伴而生的各種擔憂,作者透過理性而溫情的文字,正面鼓舞父母或是正值青春期迷惑的孩子,面對人生課題。

    十個家庭案例,真實摘錄自「家庭研究室」(familylab)舉辦的研習營內容,幫助父母加強與青少年的溝通,並提出有效的具體方案。

      書評

      網友一致推薦

      「賈斯伯.裘是當代教育界的一盞明燈。不同於許多其他的同業,他不去強調親子關係的困難,而是著眼於尋求親子關係的對策。他以一種恬適的樂觀主義來反駁自我折磨式的究責。」~《明鏡周刊》

    • 作者介紹

      賈斯伯.裘(Jesper Juul)

      一九四八年生於丹麥,是歐洲最重要且最具前瞻性的家庭諮詢治療師之一。這位家庭諮詢工作室「家庭研究室」的創辦人,投身家庭諮詢治療工作已歷經三十五載。無疑地,憑藉其暢銷著作《因為愛,而對孩子說不》一書,賈斯伯.裘已躋身於首屈一指的教養暨親子關係作家之列。

    找對方法,與你的青春期兒女對話-目錄導覽說明

    • 前言

      第一部分 從教養到關係:當子女處於青春期父母如何逐步改變

      多功能 >便宜

      青春期是事實而非疾病

      溝通問題:請運用你的理智並意切情真地對話

      界限是必要的嗎?論如何看待規則及違反規則的情形

      青春期-文化與自然之間的衝突

      子女、學校、父母:生活中不可或缺的三角

      第二部分 「我現在該怎麼辦?」:信件形式的解答構想

      信件一:與青少年子女坦誠地溝通

      信件二:逾越界限後的處罰?

      信件三:「冰箱空了」:尋找他自己的路

      最新信件四:與酒共舞

      信件五:父親得上台!

      信件六:是共同的家還是旅館?

      信件七:翹課

      家電第三部分 走向改變的對話:與賈斯伯.裘合作的十個家庭

      家庭一:拼組家庭、責任與規則

      家庭二:「風暴」與爭吵、自主的子女、家庭與底限

      家庭三:課業問題與信任

      家庭四:大砲與爭吵文化

      家庭五:電腦與媒體

      家庭六:課業是我們的困擾

      家庭七:我們家的信任與不信任

      家庭八:我們家的緊張關係

      家庭九:課業與自我負責

      家庭十:我們該如何相處?

      附錄 家庭研究室簡介

      關於作者

    禮物

    編/譯者:王榮輝
    語言:中文繁體
    規格:平裝
    分級:普級
    開數:25開15*21cm
    頁數:296

    出版地:台灣

商品訊息特點

    免出門

  • 作者:賈斯伯.裘
  • 譯者:王榮輝
  • 出版社:親子天下
  • 出版日:2015/2/11
  • ISBN:9789863980186
  • 語言:中文繁體
  • 適讀年齡:全齡適讀

↓↓↓限量特惠的優惠按鈕↓↓↓

我要購買

找對方法,與你的青春期兒女對話 討論,推薦,開箱,CP值,熱賣,團購,便宜,優惠,介紹,排行,精選,特價,周年慶,體驗,限時

以下為您可能感興趣的商品

注意:下方具有隨時更新的隱藏版好康分享,請暫時關閉adblock之類的廣告過濾器才看的到哦!!

蔡英文總統今天(17日)接見「2016國際數理學科奧林匹亞競賽獲獎學生」,她表示,科技發展是提升國力的重要動力,面對知識經濟的時代,科學應用及培育學術研究人才是政府施政的重要方向,政府已逐步推動創新產業研發旗艦計畫,並透過鬆綁法規,強化產學研的連結,以此帶動台灣產業的升級創新。

蔡英文總統表示,今年台灣學生參加國際數理學科奧林匹亞競賽,每個人都獲得獎牌,拿下24金、8銀、9銅以及4面榮譽獎的優異成績,非常不容易,每位學生都是台灣之光。她也感謝指導教師的付出,才能讓這麼多優秀的學生在國際舞台上發光發亮。

總統指出,科技發展是提升台灣國力重要的動力,面對知識經濟的時代,科學和技術的角色更加關鍵,她已在各種場合再三強調,未來科學應用及學術研究人才的培育將是政府施政的重要方向,要做到這些,就要從科學教育著手,加強與國際接軌,政府未來除了協助學生持續參與國際科學競賽,也會積極爭取國際競賽的主辦權。

總統說,政府的責任是要讓優秀的學生未來在職場上有更多發揮的機會,因此,政府已逐步開始推動創新產業研發旗艦計畫,讓更多人才投入科技研發,以帶動台灣產業升級創新,並透過鬆綁法規,加強產學研的連結與交流。她說:『(原音)我們的目標是要讓更多的基礎研究跟應用人才一起投入科技研發,來帶動台灣產業的升級創新。最近我們也在研究修正科學技術基本法,我們希望透過鬆綁法規來加強產學研的連結跟交流,讓產業界也可以加速獲得學研界的技術,那學研界的人才也可以到產業界服務和創新,做出更多的貢獻。』

總統表示,人才和技術是國家進步最重要的關鍵,政府所做的一切都是為了永續發展,希望讓年輕世代有更多機會。她也期許這些學生要時時記得此刻的熱情,繼續堅持志趣與理想,成為推動台灣進步的力量。

鉅亨網編譯趙正瑋

21 位參與亞洲太平洋經濟合作會議 (APEC) 的成員國領導人們在會議後,齊聲承諾反對任何形式的保護主義,以及確保市場開放。其中一些參與「跨太平洋戰略經濟夥伴關係協議」(TPP) 的國家也呼籲,雖然 TPP 未來可能無法以現有形式存在,但仍期望各國繼續支持 TPP。

APEC 的會議中瀰漫著一絲憂慮的氣氛,因為與會國皆特別擔心自由貿易的未來發展,以及在川普 (Donald Trump) 當選美國總統後,TPP 是否能順利啟動。川普在選戰期間極力抨擊 TPP,而且他強烈的貿易保護主義色彩也使其他國家的領導人憂心。

一些 APEC 與會國表示,可以考慮在無美國參與的情況下繼續推動 TPP,但是,也有其他國家表示,若不重新全面談判,將很難繼續推動 TPP。

墨西哥經濟部長瓜哈爾多 (Ildefonso Guajardo Villarreal) 在 10 日,就美國不批准、TPP 就無法生效一事提出質疑,也希望其它參與國能共同討論如何修改此條件。秘魯總統 (Pedro Pablo Kuczynski) 也提出,TPP 可以「排除美國」,讓中國和俄羅斯加入。但是,修改條約需要 12 個參與國共同討論,美國和日本提出反對意見的機率相當大。

紐西蘭總理 John Key 在 19 日的圓桌會議上建議,也許將 TPP 做一些表面的修改,以使川普能接受 TPP,而不致於在政治上失了顏面。美國總統歐巴馬 (Barack Obama) 表示,倘若美國不繼續推動 TPP,這必將削弱美國在亞太的地位。

另一方面,中國也藉由推銷「區域全面經濟夥伴協定」(RCEP),提供亞太貿易的另一種願景。

秘魯總統 Pedro Pablo Kuczynski 表示,全球經濟在川普當選美國總統和英國脫歐事件後更形嚴峻。反映出由於全球化被一些領導人不當的操作,促進經濟的不平等而孳生出政治的動盪。

APEC 的領袖們在最終的宣言中呼籲,鼓勵 TPP、RCEP 等地區性協議,都能秉持開放、透明與包容性,並且相互合作。而這兩份協議皆可能成為構築「亞太自由貿易區」(FTAAP) 的要素。

APEC 在最後的宣言中也表示,近來經濟成長已經變得越來越失?,而且不平等的情況越來越明顯,這些可能就是西方經濟體逐漸向孤立主義靠攏的關鍵因素。

下面附上一則新聞讓大家了解時事

人工智慧(Artificial Intelligence)的研究,過去60多年來從未停歇,而今總算有了不凡的突破,從AlphaGo到智慧語音助理、自動駕駛技術等,無疑捕捉了無數人們的注意力,宣告著劃時代的科技盛世已經到來。

1950年,圖靈在他名為〈運算機器與智慧(Computing Machinery and Intelligence)〉的論文裡提問:「機器能思考嗎?(Can Machine Think?)」,挑戰了人類對計算機智慧的想像。圖靈認為人們會首先流於爭執機器與思考的定義,卻沒有辦法很精確地討論問題核心:「機器會有智慧嗎?」

由於機器智能難以確切定義,圖靈在該論文首次對如何判定機器具有智慧,提出了著名的「圖靈測試」:如果機器與人類進行非面對面(例如在中間以布幕隔離)對話(例如使用文字訊息),人類卻無法辨認出對方是機器,那麼這台機器就具有智慧。圖靈測試無論在當時或現代,對於人工智慧研究而言都是重要且相對嚴謹的研究提案,後續許多業界與學界的研究都企圖挑戰圖靈測試:如1966年麻省理工學院人工智慧研究室的約瑟夫.維森鮑姆(Joseph Weizenbaum),以字串比對自動回覆的方式所開發出的聊天機器人ELIZA;或到2014年,英國雷丁大學(University of Reading)重磅宣布其所開發出的Eugene,已經通過測試,但後來被質疑標準有誤。

其實,人工智慧一詞直到1956年,才在美國新罕布夏州一場為期兩個月的研究工作坊「達特茅斯暑期人工智慧研究計畫(The Dartmouth Summer Research Project on Artificial Intelligence)」上,由負責組織會議的電腦高階語言LISP之父約翰?麥卡錫(John McCarthy)正式定名。這場工作坊所討論的問題:「計算機、自然語言處理、神經網絡、計算理論、抽象化與隨機創造」後來都成為人工智慧研究發展的重要領域,而達特茅斯會議也因此成為人工智慧領域的經典起源。

歷經了60年的發展,人工智慧的研究領域因種種困難而起起落落,經歷了無數個轉角。起初仿造動物神經元,希望打造強人工智慧的人工神經網絡(Artificial Neuron Network),先是經歷了機器無法應付計算複雜度的困境,無法取得研究經費而停滯;同一時期另一脈絡的弱人工智慧,則發展出博聞強記、分辨率隨資料質與量逐步提升而快速進展的機器學習。如今,人與機器的對話,已因商業應用的普及而不再困難。這一甲子,到底電腦科學家解決了些什麼問題呢?從人工智慧三大關鍵技術突破或可窺探未來。

關鍵技術一 文藝復興後的人工神經網絡

對於人工智慧,電腦科學家當然希望可以直接模仿生物的神經元運作,因此設計數學模型來模擬動物神經網絡的結構與功能。所謂人工神經網絡是一種仿造神經元運作的函數演算,能接受外界資訊輸入的刺激,且根據不同刺激影響的權重轉換成輸出的反應,或用以改變內部函數的權重結構,以適應不同環境的數學模型。

1951年,科學家馬文.閔斯基(Marvin Minsky)第一次嘗試建造了世上第一個神經元模擬器:Snarc(Stochastic Neural Analog Reinforcement Calculator),它能夠在其40個「代理人」和一個獎勵系統的幫助下穿越迷宮。六年後,康乃爾航空工程實驗室的法蘭克.羅森布拉特(Frank Rosenblatt)設計、發表神經網絡的感知器(Perceptron)實作後,人工神經網絡(或稱類神經網絡)學者曾經一度振奮,認為這個突破終將帶領人工智慧邁向新的發展階段。

但,人工智慧領域的研究在1970年代因為缺乏大規模數據資料、計算複雜度無法提升,無法把小範圍的問題成功拓展為大範圍問題,導致計算機領域無法取得更多科學研究預算的投入而沉寂。到了1980年代,科學家首先透過思考上的突破,設計出新的演算方法來模擬人類神經元,迎來神經網絡發展的文藝復興時期。物理學家約翰.霍普費爾德(John Hopfield)在1982率先發表Hopfield神經網絡,開啟了神經網絡可以遞迴設計的思考。四年後,加州大學聖地牙哥分校教授大衛.魯梅爾哈特(David Rumelhart)提出了反向傳播法(Back Propagation),透過每次資料輸入(刺激)的變化,計算出需要修正的權重回饋給原有函數,進一步刷新了機器「學習」的意義。科學家更進一步把神經元延伸成為神經網,透過多層次的神經元締結而成的人工神經網絡,在函數表現上可以保有更多「被刺激」的「記憶」。

目前多層次的人工神經網絡模型,主要包含輸入層(input layer)、隱層(hidden layer)與輸出層(output layer),另外根據資料輸入的流動方向,又分為單向流動或可以往回更新前一層權值的反向傳播法。由於神經網絡模型非常仰賴計算規模能力,為了增加高度抽象資料層次的彈性,電腦科學家將之複合為更複雜、多層結構的模型,並佐以多重的非線性轉換,將其稱之為深度學習(Deep Learning)。

關鍵技術二 靠巨量數據運作的機器學習

科學家發現,要讓機器有智慧,並不一定要真正賦予它思辯能力,可以大量閱讀、儲存資料並具有分辨的能力,就足以幫助人類工作。1970年代,人工智慧學者從前一時期的研究發展,開始思辯在機器上顯現出人工智慧時,是否一定要讓機器真正具有思考能力?因此,人工智慧有了另一種劃分法:弱人工智慧(Weak AI)與強人工智慧(Strong AI)。弱人工智慧意指如果一台機器具有博聞、強記(可以快速掃描、儲存大量資料)與分辨的能力,它就具有表現出人工智慧的能力。強人工智慧則是希望建構出的系統架構可媲美人類,可以思考並做出適當反應,真正具有人工智慧。

機器學習(Machine Learning)可以視為弱人工智慧的代表,只要定義出問題,蒐集了適當的資料(資料中通常需要包含原始數據與標準答案,例如人像圖片與該圖片內人像的性別、年齡),再將資料分做兩堆:訓練用與驗證用,以訓練用資料進行學習,透過特定的分類演算法抽取特徵值,建構出資料的數學模型,以該數學模型輸入驗證用資料,比對演算的分類結果是否與真實答案一樣,如果該數學模型能夠達到一定比例的答對率,則我們認為這個機器學習模型是有效的。這種具有標準答案,並以計算出的預期結果進行驗證的機器學習,通常被稱為監督式學習。 相對於監督式學習,非監督式學習則強調不知道資料該如何分類的機器學習,換句話說,我們提供電腦大量資料,但不告訴它(或許我們也真的不知道)這些資料該用什麼方式進行分類,然後電腦透過演算法將資料分類,人類只針對最終資料分類進行判別,在數據尋找規律就是機器學習的基礎。

機器學習的發展方向,是在設計、分析一些讓電腦可以自動「學習」的演算法,讓機器得以從自動分析資料的過程中建立規則,並利用這些規則對還沒有進行分析的未知資料進行預測。過程中,時常運用統計學技巧,並轉化成電腦程式,進而計算出資料??的分界條件來做預測。 弱人工智慧作為人工智慧領域的發展途徑,無論是監督式學習或非監督式學習,隨著資料被大規模蒐集、經由網際網路被傳遞、輔以雲端架構支援的運算,用機器學習來解決人類基礎的問題變成一種可能。目前機器學習也是人工智慧商業應用最廣泛的一種技術。舉凡搜尋引擎、圖像辨識、生物特徵識別、語音與手寫識別與自然語言處理、甚至是檢測金融詐欺等等,都是常見的應用。

關鍵技術三 人工智慧的重要應用:自然語言處理

對人類來說,如何讓這些現代自己製造出來的機器們,可以聽懂人話,並與人類「合作」,絕對是可以推動我們面對未知宇宙的重要助手。

自然語言處理(Natural Language Processing, NLP)的研究,是要讓機器「理解」人類的語言,是人工智慧領域裡的其中一項重要分支。英國雷丁大學的演化生物學家馬克.佩葛(Mark Pagel)認為,最早的一種「社會科技」是人類的「語言」,語言的發明讓早期人類部落透過新工具:「合作」在演化上占有優勢。自然語言處理可先簡單理解分為進、出計算機等兩種:其一是從人類到電腦──讓電腦把人類的語言轉換成程式可以處理的型式,其二是從電腦回饋到人──把電腦所演算的成果轉換成人類可以理解的語言表達出來。

無論是從人類到電腦,或從電腦到人類,語言處理通常都使用到我們一般學習外語所要具備的聽、說、讀、寫等技能。其中:聽與說主要使用到聽覺與發音,對電腦而言就是能夠透過麥克風「聽」到人類說話,把聽到的聲音轉成文字(這是語音辨識),或把電腦想要表達的意思轉成人類可以理解的詞句(這是自然語言生成),再用耳機或喇叭「唸」給人類聽(這是語音合成,功能通常稱作文本朗讀:text to speech)。科學家與工程師們也致力於影像文字辨識,影像來源可以是掃描完成的文件影像檔案、也可以是手機鏡頭的即時影像,目標的文字體則可以是一般鉛字印刷品或列印的文件,也可以是手寫文字(手寫文字辨識)。

當計算機透過「聽」或「讀」,將人類的話語或文章轉成文字、語句進到處理層,還需要能夠自動分詞(word segmentation),也就是電腦必須拆解人類的語句來理解語意,才可以進而給出相應的答案。例如一般人對手機說:「今天香港會不會下雨」,手機必須錄下聲音、並且濾掉雜音、將這句話的聲音轉化為文字、將這句文字拆解成不同詞句,並標注上不同詞性(speech tagging)。

「瞭解」使用者想要知道氣象資訊的命令後,手機必須對能提供「天氣」資訊的伺服器發出相應的(告訴伺服器要的地理資料是香港、並把今天轉換為實際的日期時間)資訊請求,包含未來數小時區間氣溫、氣象(是多雲、雨或晴天等)、風速、降雨機率、濕度、氣壓、空氣品質或紫外線指數等。

當伺服器回應了前述的相應數據後,手機可以選擇用螢幕畫面來回應,但更貼心的作法是把這些資訊翻譯成「人話」,然後用聲音唸出來。這時的處理可以把「香港接下來八小時會是晴天,氣溫攝氏25度,降雨機率是10%,空氣品質良好」這個句子,透過合成不同語詞聲音後說出來。但是,使用者問的其實是「會不會」下雨,所以必須進一步把降雨機率10%、晴天等等資訊轉換成「會不會」的尺度,例如10%可以轉化為「不太會」或是「只有很小的機率」一詞。

人類互動最重要的工具就是語言,無論是文字或語音,語音智慧助理讓人能和機器說話,無非是近年行動裝置普及後,最令人興奮的進展之一。

找對方法,與你的青春期兒女對話 推薦, 找對方法,與你的青春期兒女對話 討論, 找對方法,與你的青春期兒女對話 部落客, 找對方法,與你的青春期兒女對話 比較評比, 找對方法,與你的青春期兒女對話 使用評比, 找對方法,與你的青春期兒女對話 開箱文, 找對方法,與你的青春期兒女對話?推薦, 找對方法,與你的青春期兒女對話 評測文, 找對方法,與你的青春期兒女對話 CP值, 找對方法,與你的青春期兒女對話 評鑑大隊, 找對方法,與你的青春期兒女對話 部落客推薦, 找對方法,與你的青春期兒女對話 好用嗎?, 找對方法,與你的青春期兒女對話 去哪買?

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *