頂尖獵才公司的識人技術：無論工作、生活，只留對的人在身邊
看看獵才公司的顧問背景
https://www.egonzehnder.com/consultants
每個都大有來頭(當過高階主管或自己有開過公司)+具有某方面的興趣愛好(好像每個都精力過剩)
2025年6月14日 星期六
2025年6月7日 星期六
獵才公司的識人技術1
頂尖獵才公司的識人技術：無論工作、生活，只留對的人在身邊
超讚的心得整理
序章──在競爭激烈的獵才世界磨練的技術
你有「看人的眼光」嗎？
看得見學經歷證照經歷，看不見的動機、潛力與未來反應發展=>識人
識人的用途
- 找出有潛力的應徵人選與客戶
- 判斷善惡=>篩選掉反社會/罪犯人格的候選人
- 打考績不是憑感覺=>判別優劣
- 不要浪費時間指導沒有潛力的部屬
- 捲入各種非必要的糾紛、遠離渣男渣女
2025年5月31日 星期六
如何看待不確定性、風險與機率
工作的關係，常接觸風險與統計數字(閱讀不少關於風險評估的報告)，意識到清楚風險、機率與不確定性其實是三回事(只是絕大多數同行雞同鴨講以訛傳訛與自愚愚人)，但遠不到可以清楚跟別人講述解釋這三者的差別
(從費曼學習法的觀點而言，就是自己還沒有搞清楚；想起當年部門的陳博士進行Wet Bench機台的風險評估，看似也是評估發生機率與嚴重度，但他用的表述是：risk priority number (RPN)而不是風險高中低，精準的用詞不愧是博士的水準與格調)
資料來源
The Art Of Uncertainty – David Spiegelhalter’s Guide To Risk And Luck
https://www.youtube.com/watch?v=WYZ46U_vd_A
Why Understanding Statistics Is a Fundamental Part of Life feat. David Spiegelhalter
https://www.youtube.com/watch?v=QNjlnNQQQYo
Chance, luck, and ignorance: how to put our uncertainty into numbers - David Spiegelhalter
https://www.youtube.com/watch?v=Cybnip2Kyw0
Disclaimer: 資料代勞整理NotebookLM
2025年5月24日 星期六
用事故因果理論來進行預測
近期讀到的文章與使用AI助力學習的心得感想
第一篇文章是事故因果理論與模型的回顧
該文章pdf版(約12M)可下載後上傳至notebookLM對話研討
在"密涅瓦的思考習慣訓練"一書當中提到，兩種運用邏輯與數學來認識世界的科學方式與觀點：
- 形式分析Formal Analysis: 用符號、邏輯與模型來proxy問題與世界的規律
- 實證分析Empirical Analysis：用觀察與實驗的方式來發現運作的規律
各種安全與事故理論≒形式分析Formal Analysis：
- 理論=一種說明而非證明、一種詮釋而非解釋，用於proxy真實問題與現實世界的規律
- 人所能理解的不是問題與世界的真實全貌，而是自己腦中的那套因果邏輯與理論(≠真實)
事故因果模型的用途，包含以下幾點：
- 事故分析： 事故因果模型提供了一個系統化的框架，可以幫助分析人員更全面地了解事故發生的原因、過程和 contributing factors。 模型可以引導分析人員關注系統中不同的層面，例如技術、組織、人員和環境等，避免僅關注單一原因或歸咎於人為疏失。
- 識別潛在風險與導致事故發生的因素： 通過事故調查，分析發生的原因和 contributing factors，事故因果模型可以幫助識別系統中潛在的風險因素。 這有助於組織採取主動 proactive 的安全管理措施，降低事故發生的可能性。
- 系統改進(不要頭痛醫頭/打補釘)： 事故因果模型可以幫助識別系統中的設計缺陷、管理漏洞和操作問題。 基於分析結果，組織可以針對性地改進系統，例如更新設計、完善流程、加強培訓等，以提升系統的安全性。
- 累積經驗、知識管理： 通過分析事故案例，組織可以從中吸取教訓，避免重蹈覆辙。 事故因果模型可以幫助組織將事故分析的結果與相關數據轉化為可學習的經驗與資訊資料庫，並將這些經驗、知識與資訊應用於日後的安全管理中。
- 溝通和決策： 事故因果模型可以提供一個共同的語言和框架，方便不同領域的專家和管理人員進行溝通和交流。 模型可以幫助組織更有效地傳達安全資訊，並制定更科學的決策。
不同的事故因果模型適用於不同的情境，需要根據具體的分析目標和系統特點來選擇。 例如，瑞士乳酪模型適用於分析簡單的事故，而 STAMP 模型則更適合分析複雜系統中的事故。
而各種安全與事故理論有如不同的光譜濾鏡或不同的視角，可以讓人看見被疏忽的地方，也會過濾讓人只看見某部份事物，換言之存在誤導的可能，相關潛在問題如下：
- 過度簡化事故成因：各種方法與因果邏輯依賴結構化的分析，而忽略了複雜的人為因素、組織文化、以及管理決策等在事故中扮演的角色。事故描述可能因為資訊不足，無法全面了解事故發生的根本原因，或是過度聚焦於直接的行為，而忽略了潛在的系統性問題。
- 引導依賴「屏障(硬體防護機制)」：屏障的概念能激發人們思考各種安全措施+硬體防護機制比人可靠，但過度依賴屏障與硬體機制所導致的虛假安全感是另一種風險。如果屏障設計不良、未能有效執行或被錯誤使用，乃至於各種硬體防護機制其實可靠度不如預期，遭遇意外與出錯反而會導致嚴重的事故。
- 安全與管理都是系統與組織運作的一部份：各種研究分析把安全或管理機制當成獨立的可控變因，實際上安全或管理機制的良莠往往受組織運作所制約(The richer the safer)，各種安全文化理論訴求管理階層的決策和資源分配對安全至關重要，但正因管理高層與組織資源分配忽視安全，所以才導致組織安全績效不彰，安全文化理論的訴求落入緣木求魚與雞生蛋蛋生雞的邏輯誤謬。
- 人是最大的變異(不可控)因素：事故因果描述中，往往提及「未辨識危害」、「不了解原因」等，這暗示了人的認知、判斷、以及決策在事故中的重要性+提升的可能性。然而「人」的行為、認知限制、以及決策過程，就是不受控、無法預料；訴求制定標準作業程序、硬體防呆機制與訓練宣導，某個層次而言，也是主事者的一廂情願/自我感覺良好+訴諸應為能為而不為的獵巫。
- 找出問題原因=「改善」，是一種誤解：問題的發生往往有如冰凍三尺非一日寒，「持續改善」一詞意味著：「改善」並非一次到位+藥到病除，而是持續的過程。如果對「系統」運作與系統動力的理解不夠深入，所謂的改善也可能是逆行倒施+助紂為孽，導致更大的風險潛勢蓄積+直到爆發更重大(無法掩蓋)的問題重複。
Accident Causation Models: The Good the Bad and the Ugly
該不該相信理論推理與模式預測的結果?
就科學的角度(波普提出的可否證性)而言，一個理論的好壞，要看它的預測效力(如同愛因斯坦的相對論取代了牛頓的力學理論)
以預測效力而言，以上事故理論偏向社會科學(模擬兩可)而非自然科學(非黑即白)：可以套用各種理論來進行事故分析(見人見智)或用來進行事故預防(看看還有哪些沒注意到與忽視的地方)，但很難拿這些理論來預測事故是否發生(變因太多&各變因之間存在複雜的交互作用)
試想：
將相關主被動指標、安委會報告、風險評估、各種巡檢稽核記錄灌入資料庫，由人工智慧(Machine Learning)套入各種模式進行與預測與分析，然後它告訴你：有95%的信心水準，你所服務的公司工廠1年内發生工傷(可能是踩空跌到、化學品噴濺或切割傷)的機率是10%，3年是20%，5年是40%；發生火災相關事故的或然率1年内的機率是0.1%，5年是1%，10年是5%
請問以上用統計或然率與信心水準表述的工廠安全氣象預報，對您有幫助嗎？(能比禱告或拜拜更能讓人睡得更安穩？ 老闆會比較相信風水還是統計與數理模型?)
Predicting occupational injury causal factors using text-based analytics: A systematic review
再來如果各種事故預測模型，其信度與效度存在問題與瓶頸(備註：信度是指方法的一致性和可靠性，而效度是指方法是否能準確衡量其預期的目標。例如假設有ABCDE等5 種事故預測模型，如果這5種模型，預測同一家工廠在5年内發生事故的機率約為80-90%，且信心水準高達95-99%，那麼這5種預測模型間有高度的一致性=具備相當的信度，但五年過去，這間工廠卻沒發生事故，顯然預測失準與預言失效=預測不準/沒有效度。通常有信度才有效度可言，沒有信度責無效度可言)，不同模型推估與預測的差異很大，那麼該如何做出判斷與與取捨? (類似中央氣象局的颱風路徑預報與模擬，各國模式跑出來的預測路徑天差地別，不知道該不該做防颱準備與要不要放颱風假...)
Back to the future: What do accident causation models tell us about accident prediction?
在這個AI應用與爆發的時代，嘗試詢問(號稱地表最聰明的AI)Grok 3 (deep search)：
如何預測與預防事故的發生？台灣未來的職災率？納入少子化、高齡化與產業結構轉型等考量，預測台灣未來職災率變化，與提示主管機關管理重點
以下是其答覆
https://grok.com/share/bGVnYWN5_d7a9ab81-d7ab-4ad7-b17a-e647c6b39c51
讓人感到欽佩(與恐怖)的不是其答覆，而是其推理思考過程(與列出相關參考文獻)
30+年前，一個研究生讀一篇國外期刊文獻，可能要花上一個月，現在用NotebookLM只需要大概幾個鐘頭
而以上職災率的預測，可以是花上一年的碩士論文研究或是幾年的博士論文研究，Grok花70秒，掃瞄了144份資料來源，提供了答案如下
面對以上AI大爆發與AI比多數人的思考能力更強(不論是廣度還是深度)的(悲催)情境，人該如何不被取代?
Hint：讓AI當你/妳的研究生，而自己有要能力當指導教授
1.專業的問題不能問ChatGPT，它的長項在於Chat聊天，而非提供科學證據或研究論述
The risks of using ChatGPT to obtain common safety-related information and advice
2.專業的問題，通常有更聰明與更認真的先進能人大德思考過+找出解答了，而他/她們的研究成果通常發表在專業期刊上，需要去撈出下載人家的研究成果，上傳NotebookLM等輔助工具進行閱讀與問答，回饋的結論與建議會相對言之有物(或至少有所依據)
3.要能夠看出AI推理過程的漏洞，e.g., 假設前提是否合理，推理模型是否完整 ？是否低估高估或疏漏某些因素？ 相較於自己的猜想，AI的預測至少提供一個對比的基準，可以協助驗證與檢驗推理模型與真實情境發展進行校準。你要有自己的因果模型，而非依賴AI
用AI而非被AI所用(變得BI 悲哀)
- 隨便什麼問題，AI都可以給你個答案(只是需要花時間+有那個腦力去判斷那個答案的可信度與效度)；AI給個答案的好處在於：讓人想清楚"知道了答案又如何？" 很多問題與研究其實是庸人自擾、無病呻吟，問對問題比找出解答更重要與攸關。
- 承擔風險與願意面對不確定性，才能做出決策+伸張：生為人的能動性與自由。如果凡事問AI聽從AI指示選擇所謂的最佳方案，那麼你沒有自由可言，而是AI與演算法的奴隸。(如同某些信徒凡事占卜請求老天指示)
- 人有七情六慾與愛恨情仇，習慣憑感覺衝動意氣用事(因為系統二思考非常耗費腦力)，現在AI可以輔助理性思考，讓人的行為與決策更週延。(以往的年代，人被當成小螺絲與工具人，現在AI的輔助，每個人都是主人與企業家=>沒有學會的會被淘汰)
這在AI天翻地覆的年代，如何教育與學習
- 養成密涅瓦的思考習慣
- AI識讀，能夠判斷與不被AI給的答案所呼巄誤導
- 批判性思考與問問題的能力，比考試或找答案更攸關
2025年5月17日 星期六
EHS/ ESG Salary Range
去年有幸與對ESG超有熱情的夥伴見面交流，她除攻讀博班外也做職涯諮詢與輔導，問到兩個(求助者常問的)問題：
- ESG人員的薪水
- 如何爭取調薪
Hint
- 4-5萬大概就是工讀生與秘書的角色，7萬就要能獨立作業搞定相關工作
- 一種是爭取公司内的升遷或多能工(服從聽話)，另一種是用腳投票，拿自己的人頭去人肉市場估價(跳火坑、怕熱不要進廚房)
- 期待公司每年固定調薪，就是上班族的白日夢幻想
大學科系決定與影響不少人的就業方向與職涯
2025年5月10日 星期六
為什麼EHS很難教也很難學
一般外行判別OHS人員專業程度的指標
- 學力：是否本科，學士/碩士/博士/教授
- 證照：業務主管/乙員/甲師/技師
- 職位：實習生/工程師/課長/…..
- 經歷：傳產/科技廠/外商
用幾個層次來看(有如俄羅斯娃娃般的鑲嵌結構) ，由內而外描述如下
2025年5月3日 星期六
學習方式的改變與AI的危害風險
AI比人類強的長處
- 運算、閱讀與計算速度
- 接受資訊與學習的能力
- 沒有成見與偏見(=沒有定見)
AI的問題與限制
- 像大型語言模型LLM這樣的 AI，其「理解」是基於對人類語言和文化概念的重建（reconstruction），而非真正意義上的理解。透過分析大量文本數據來學習模式並生成回應，這與人類基於經驗、情感和社會互動形成的理解有本質區別(對LLM而言，它只是在玩文字接龍，對於輸出的文句其實沒有意義感；反而是使用者對於它輸出的文句(或圖片/音樂)產生情感)
- AI必須被訓練與調教，其模型=訓練與調教過程輸入的偏見 (訓練資料庫當中沒有的知識或資訊=欠缺的知識與資訊)
- AI理解表述的是相關性(可謂是天馬行空文學作品)，而非真實世界當中的因果或物理法則(=不受限制)=>人類透過經驗學習(什麼可能、什麼不可能)；AI透過調教與訓練，學習投其所好(猜測輸出使用者想看的內容=投放廣告)
- AI的意見與建議，看似完備有模有樣，其實要非常小心與謹慎=>它不知道它在講什麼? 提供的意見與建議是否正確? (它沒有辦法判斷與宣告提供意見建議的可信度與正確性；責任落在使用者身上)
AI怎麼用
- LLM(ChatGPT)可以用來創意發想、寫腳本與腦力激盪沒問題
- 需要可信度的規劃提案，可以用Grok DeepSearch來輔助，但要一一查證資料來源、確認推理流程與邏輯
- 如有可信度的研究報告或期刊文章，可上傳NotebookLM對話，會更言之有(依)據
- AI提供意見與建議的可信度與嚴謹性=其資料來源的可信度與嚴謹性
當人類不再自己思考與探索，完全透過AI代勞時，也會是人類與AI共同停滯(=死亡)的時候
閱讀期刊文章的心路歷程
30年前念碩班(一個月讀一篇，點狀式閱讀，理解深度約50-70%)
- 心力被英文卡住，不知期刊文章重點所云(時間花在英文閱讀翻譯)
- 沒有人可以問，只能跟老師說自己沒讀懂，期待老師會解釋(有些老師也很聰明，知道不要叫研究生讀期刊文章以免自找麻煩自討苦吃)
- 閱讀數量少，通常就是老師指定或學期中的那幾篇"經典"文章(以管窺天+期末報告文章就還給老師了)
10年前讀博班(一週讀一篇，線狀與脈絡式閱讀，理解深度約80-95%)
- 英文閱讀能力變強，文章理解深度提升不少(一知半解會被老師鞭
打策，自己臉皮薄繃得比較緊) - 老師交待：師父引進門，修行在個人(自己要勤快一點，主動去讀相關與參考文獻)
- 閱讀數量增加+老師指引方向+提供學門脈絡地圖：比較有方向感與全貌感，知道讀到的文章，在學海中的大致定位與經緯度
現在的學習與閱讀(透過perplexity與notebookLM 輔助，主題與搜索式閱讀，一個鐘頭可以讀一篇，理解深度約70-80%，但廣度與關聯性大增)
- 直接去那些有哀的期刊(SCI/SSCI)搜尋下載相關文章或搜尋有興趣的主題，pdf灌入notebookLM
- 透過發問來學習(問比學重要，善問者如撞鐘，叩之以小者則小鳴，叩之以大者則大鳴；但AI與LLM會唬爛穿鑿附會，使用者需謹慎判斷+從回答中進行第二階的詢問與搜尋)，透過雙項問答，對於文章内容的理解深度與效率大增
- 以子之矛攻子之盾，同樣的問題可以問不同來源的期刊文章(notebookLM中的筆記本)=>看出不同回答間的交集與聯集，乃至於意識到：AI與LLM的答覆係依據你提供的文獻資料=>如果有些更高明的文獻沒有納入，那麼AI與LLM 無法產出那些洞見給你(你不知道的比知道的更重要，而一般人通常不知道自己不知道，對於自己的無知無感+被AI/LLM自愚愚人)
- 創意發想與想法掃雷補遺，Grok DeepSearch比Google好用
以下是測試問題與筆記
2025年4月26日 星期六
安全研究的光譜與地圖4
Gap Between Safety (or Accident Causality) Theory and Practice
理論與實務間落差
理論的功用
A. 事故調查分析(詮釋事故發生的來龍去脈與全局) > B.事故預防(有一個盡善盡美的Golden Sample) > C.事故預測或預警預報(主動性指標)
https://eshmanager.blogspot.com/2025/02/2why.html
實務的需求
C.事故預測或預警預報(相關指標具備良好的信效度) > B.事故預防(沒有資源支撐那個盡善盡美的Golden Sample，要的是輕重緩急與承擔型一型二錯誤風險) > A 事故調查(事後的穿鑿附會與獵巫抓戰犯欲加之罪何患無辭)
事故因果模型的分類
線性(前因導致後果)與非線性(各項因素之間存在交互作用)
- 線性≒可以跑線性迴歸，能夠知道相關因素的解釋力大小
- 非線性≒存在許多中介與調節變數，各項因素的解釋力大小，隨著情境而異(適用情境不同)
人腦其實就是最強大的AI與pattern matching machine:
就C.事故預測或預警預報而言，最簡單有效的幾個判斷依據
- 以前有沒有發生過事故? 事故的類型與型態?
- 事故預防機制與風險管理措施? (e.g., 危害辨識、風險評估、管理系統)
- 現場的5S狀況、人員的訓練與認知、SOP/法遵守規情形(=稽核與查核)
就B預防事故發生而言，其實HRO與Resilience Engineer的觀念足堪借鏡與引用：
以上這些事故理論，也才能發揮參考價值與作用
以下是AI協力的產出(對於相關理論的解釋不夠完美，但可供腦力激盪)+個人的補充註記筆記：
Disclaimer: 非嚴謹的學術文，運用請自行審慎評估
2025年4月22日 星期二
地球日感想
與其關心地球，不如關心人類；與其關心人類，不如關心自己
以下悲催的情境，其可能性又高了一些
https://eshmanager.blogspot.com/2025/02/prepare-for-worst-if-or.html
中國與美國在經濟貿易上已經開打開戰
對於中國而言，代價是過剩產能、農民工的處境與本來的不景氣雪上加霜，反制就是一邊一國+拉攏被美國霸凌的各國
對於美國而言，代價是通貨膨脹與美元貶值、基層勞工的處境與本來的不景氣雪上加霜，川普政策看似佔盡便宜，實則短多長空
被犧牲與付出代價的往往是中下階層。 莫忘世間苦人多，然後?
2025年4月19日 星期六
教堂經濟學3
教堂經濟學：宗教史上的競爭策略
第四篇 創新與危機
15 封聖制度創新
基督教有聖人，佛教得道高僧
羅馬教會獨有制度性的封聖制度：
基層教會有下而上提出候選人，羅馬教會由上而下裁決封聖
封聖是教宗的權力，功用如下
- 封聖不只對聖人聖女的追認，如同政治冊封也是統治手法=>冊封=各教區的冠軍杯
- 讓各教區推選聖徒名單候選人，梵蒂岡裁決，就是一種競爭治理機制(如同中國古代由各地方推舉人才，經皇帝考核後，成為重要官員)
- 以上過程與儀式看似授權地方，其實促進了中央教皇的權力
聖徒能否被封聖，不單是個人表現，也是教會政治考量(或從經濟學需求與供給的角度看)：
- 17世紀後，聖人數目急速減少=>社會世俗化，聖人的產出與需求變少
- 封聖條件隨時間而異：增加女性與考量中國市場
2025年4月12日 星期六
職涯韌性(反脆弱)的評量與思考
職涯反脆弱評量問題
https://form.typeform.com/to/EwYfRl?typeform-source=radreads.typeform.com
評量問項
- 從 100 位擁有相似技能和專業水平的人中抽樣，你排在第幾百分位？
- 每週（平均）花多少小時來培養一項 5 年後會用到的技能？
- 有多少收入來源(包含被動收入)貢獻了10%或10%以上的收入？
- 你對年度的支出的了解程度？(誤差不超過千元？ 萬元？10萬元?)
- 如果你需要找工作，多少人會積極的幫助你?
- 你說服他人的能力(包含書面或面對面)？
- 你能說服多少人買3000元以上(你所創造或代理)的商品
- 當處於壓力情境下，戰鬥或逃跑反射被啟動時，你對自己的決策有多大信心？
- 完成大量深度工作的能力(專注力持續25 分鐘為基準)有多大信心？
- 你養成習慣(健身、營養、睡眠與心理健康習慣)的強度？
2025年4月5日 星期六
教堂經濟學2
教堂經濟學：宗教史上的競爭策略
第三篇 教會經營
9 地獄觀的行銷策略
地獄觀的功能
- 嚇阻反道德行為與想法的煞車器
- 襯托上天堂的好與不努力的下場
- 人性本賤：喜歡偷雞摸狗、為小惡無所謂
- 要讓信徒奉獻(出價)，有兩種方法：出高價取得進天堂的門票，或出高價避免落入地獄
- 展望理論與損失趨避：上天堂的快樂，不如下地獄的痛苦(地獄觀的邊際效益>天堂關的邊際效益)
2025年3月29日 星期六
教堂經濟學1
教堂經濟學：宗教史上的競爭策略
本書的原名：(神佛)爭一炷香
人爭一口氣，神跟人一樣都會面臨競爭，人比人氣死人，神比神也會氣死神吧XD
馬丁路德 論贖罪券的九十五條論綱
https://zh.wikipedia.org/zh-tw/%E4%B9%9D%E5%8D%81%E4%BA%94%E6%9D%A1%E8%AE%BA%E7%BA%B2
一、悔改是什麼
- 是一生的事。(#1)
- 是內心的悔改。（#4）
- 是外在的苦行。（#3）
二、悔改不是什麼
- 悔改不等於懺悔告解的儀式。（#2）
- 悔改不等於購買赦罪券。（#35-#36）
三、購買赦罪券益處不大
- 教宗只在教會法允許的範圍內有權懲罰和赦免。（#5）
- 因此赦罪券只能免除那些教宗有權施加的懲罰。（#20-#21,#34）
- 死去的人已經免除了教會所能給予的那部分懲罰。（#8-#13）
- 因此死去的人不需要赦罪券來免除教會的懲罰。（#22）
- 赦罪券中是否有耶穌和聖徒來的可轉移的功德不清楚，悔改是更可靠的得赦免的方法。（#56-#68）
四、購買赦罪券有害
- 增加賣赦罪券的經辦人的貪婪之心。（#27-#28，#50-#51,）
- 容易使人忘記真誠的悔改。（#39-#40）
- 容易使人認為教宗是在斂財。（#81-#91）
五、總結
- 唯有經歷各種苦難，而不是虛假的平安擔保，才能有把握進入天國。（#95）
2025年3月22日 星期六
萬事揭曉4
萬事揭曉：打破文明演進的神話，開啟自由曙光的全新人類史
The Dawn of Everything: A New History of Humanity
這本很精彩與複雜的書，終於來到結局
結論不是萬事揭曉有定論，而是人類的社會樣貌有無限的可能，不要對當下的制度盲目與盲從
第十一章 回到原點，重新出發
論原住民批判的歷史基礎
進步史觀是一種誤謬與自我感覺良好
相較於原始部落與部族的價值觀，現代人
- 對於金錢與財富的追求有著發瘋似的貪欲
- 自私沒有互助的人性
- 遵守奇怪的法規+有一群更奇怪的官僚來指導現代人的生活作息(各種不自然違反互助合作的規定)
- 傲慢自大，沒有信仰與謙卑
- 把大自然與土地是為可以任意處分的財產，而非負有照顧的責任與義務
農業與國家的出現，都不是那麼理所當然與必然
農業的初始一開始只是玩票娛樂與業餘性質，後來為了各種慶祝儀式或祭祀(同樂會)的需要，需要備糧，逐漸加大耕種種植力道；穀物又易於保存、運送與分割，成為理想課稅基礎與貨幣，課稅所需的官僚機制，成就更大的王國與國家暴力
2025年3月15日 星期六
萬事揭曉3
萬事揭曉：打破文明演進的神話，開啟自由曙光的全新人類史
The Dawn of Everything: A New History of Humanity
第十章讓人腦洞大開
第七章 自由的生態
農業最初如何在世界各地跳躍前進、跌跌撞撞、幻生又幻滅
如何避免共有地的悲劇
近代傳統的想法：
1.土地私有化
2.土地管理權交給管理階層
2025年3月8日 星期六
萬事揭曉2
萬事揭曉：打破文明演進的神話，開啟自由曙光的全新人類史
The Dawn of Everything: A New History of Humanity
想像過去上萬年人類曾經的生活樣貌、價值取捨(風俗文化)與社會組織方式，讓人腦洞大開
第四章 自由人、文化的起源、私有財產的出現
（出現先後不一定是按照上面的次序）
採集遊獵維生的遠古人類，對於社會組織的形式，比現代人更自由更有創造力與想像力
各種看似荒誕的神話與民族誌展現了我們想像不到的形式與可能
這一章要回答的問題
- 在農業出現之前，世界各地有哪些不同的文化體制?
- 我們如何從靈活多變的體制，變成現今僵固的模樣?
e.g.,
容許一小部分人，對於他人握有永久權力；男人地位高於女人；耆老地位高於年輕人；社會區分成不同階層
2025年3月1日 星期六
萬事揭曉1
萬事揭曉：打破文明演進的神話，開啟自由曙光的全新人類史
The Dawn of Everything: A New History of Humanity
兩位作者
人類學家/無政府主義者David Graeber, 認為專業、管理與政府行政都是自欺欺人的狗屎工作
https://en.wikipedia.org/wiki/David_Graeber
考古學家David Wengrow
https://en.wikipedia.org/wiki/David_Wengrow
https://aeon.co/ideas/a-history-of-true-civilisation-is-not-one-of-monuments
真正能夠創造文明的東西：互助、社會合作、公民活動、熱情好客或只是關心他人
https://www.eurozine.com/change-course-human-history/
摘錄：
那些反思人類歷史「大問題」的作家——賈里德•戴蒙德、弗朗西斯•福山、伊恩•莫里斯等人——仍然以盧梭的問題（「社會不平等的根源是什麼？」）為出發點。
簡單地以這種方式提出問題意味著做出一系列假設，即
- 有一種叫做「不平等」的東西，
- 這是一個問題，
- 曾經有一段時間它不存在。自2008年金融危機以及隨之而來的劇變以來，「社會不平等問題」一直是政治辯論的中心。
是時候重新思考了
現代作家傾向於使用史前史作為解決哲學問題的畫布：人類本質上是善還是惡、合作還是競爭、平等還是等級制度？因此，他們也傾向於認為，在我們 95% 的物種歷史中，人類社會都是大致相同的。但即使是四萬年，也是一段非常非常長的時間。證據證實，那些在地球大部分地區殖民的先驅人類似乎也嘗試過各種各樣的社會安排，這似乎本質上是可能的。正如克洛德•列維-斯特勞斯經常指出的那樣，早期智人不僅在身體上與現代人類相同，而且在智力上也是我們的同類。事實上，大多數人可能比今天的人們更了解社會的潛力，每年都會在不同的組織形式之間來回切換。我們的史前祖先似乎並沒有在某種原始的純真中閒逛，直到不平等的精靈以某種方式被打開，而是成功地定期打開和關閉瓶子，將不平等限制在儀式服裝戲劇中，像建造紀念碑一樣建造神和王國。
如果是這樣，那麼真正的問題不是“社會不平等的根源是什麼？”，而是，在我們的歷史中，我們在不同的政治制度之間來回穿梭，“我們是如何陷入如此困境的？”這一切與史前社會盲目地走向束縛它們的製度鏈的概念相去甚遠。這也與福山、戴蒙德、莫里斯和沙伊德爾的悲觀預言相去甚遠，在這些預言中，任何「複雜」形式的社會組織都意味著少數精英掌控著關鍵資源，並開始將其他所有人踐踏在腳下。大多數社會科學將這些嚴峻的預測視為不言而喻的事實。但顯然，它們是毫無根據的。因此，我們可以合理地問，還有哪些值得珍惜的真理現在必須被丟進歷史的垃圾堆？
不同領域作者的想法與寫作文筆有相當程度的差異，雖然閱讀翻譯著作，但還是可以感受到culture shock
2025年2月28日 星期五
Prepare for the worst- If 戰爭or 一次更嚴重的衰退
戰爭很恐怖，沒有心理與實體準備會更恐怖
慶祝228和平紀念日，找來地表最強AI之Grok3 來幫忙探索思考這個嚴肅的問題
(工安要透過假定人會犯錯/設備機台會故障=>發生事故是必然，進而預防避免出事；假定與妄想不會出事、事故不會發生，那麼出事不是意外，而是時間早晚的意料之中。同理可證，盲目認定不會發生戰爭與害怕戰爭，只會讓戰爭更快到來，還不如事前想清楚，與大家做好準備，不要把頭埋在沙中)
問：如果台灣與中國發生軍事衝突，想像描繪可能情境
Grok3的分析：
https://grok.com/share/bGVnYWN5_6ca153ab-4799-4226-b03f-284d4707d19a
1. 軍事動員與防衛措施
- 緊急動員：政府將立即進入緊急狀態，啟動全民防衛機制。後備軍人將被緊急徵召，民眾也可能被要求參與防衛行動，例如民防訓練或支援後勤。
- 防空與避難：隨著空襲警報的頻繁響起，民眾將被要求進入防空洞或避難所。城市中的防空演習將變成真實的生存挑戰。
- 交通與通訊管制：政府將對交通和通訊進行嚴格管制，限制人員流動以維護秩序，並防止敵方滲透。互聯網和通訊網絡可能受到監控或限制，以防止資訊外洩。
2025年2月22日 星期六
安全研究的光譜與地圖3(How)
How is Safety (or Accident Causality Theory)
安全或事故因果的理論的分類與架構+如何應用
感謝聰智老師提供優質期刊好文+邀約合作著文
在工作家庭與個人身心乏力& NotebookLM輔助下，大致讀過一遍
然而不意外的時候意外就發生了，使用Perplexity 搜尋事故因果模型理論，發現以下文章
果然有其他比我更聰明與更認真的人，早就把我想寫的內容寫出來，而且寫的水準之高，我望塵莫及
論述層次從微觀到宏觀、因果推論從線性到非線性、模型從簡單骨牌到複雜系統、觀點從心理認知、資訊傳達、系統動力再到社會學
各種想過、沒有想過與想像不到的都有，各種理論與模型仿佛各種多樣生物填滿者個生態系
2025年2月15日 星期六
思考習慣Checklist與不被AI取代
密涅瓦大學思考習慣(HC)應用在
批判思考、創意思考、有效溝通、有效互動
前情題要(英文版其實更清楚)
https://eshmanager.blogspot.com/2024/12/blog-post.html
2025年2月8日 星期六
2025年2月1日 星期六
安全研究的光譜與地圖2(Why)
Why Safety (or Accident Causality Theory)
為什麼需要安全或事故因果的理論?
安全或事故因果理論的用途與用法?
人就是會問Why? 科學理論就是回答解釋與安撫人的疑問與好奇心(探索真理與自然法則，進而掌控塑造自己的命運與發展)
兩種運用邏輯與數學來認識世界的科學方式與觀點：
- 形式分析Formal Analysis: 用符號、邏輯與模型來proxy問題與世界的規律
- 實證分析Empirical Analysis：用觀察與實驗的方式來發現運作的規律
各種安全與事故理論≒形式分析Formal Analysis：
- 理論=一種說明而非證明、一種詮釋而非解釋，用於proxy真實問題與現實世界的規律
- 人所能理解的不是問題與世界的真實全貌，而是自己腦中的那套因果邏輯與理論(≠真實)
Kristian González Barman 2023
Accident Causation Models: The Good the Bad and the Ugly
Engineering Studies
2025年1月25日 星期六
密涅瓦的思考習慣訓練2
密涅瓦的思考習慣訓練
第三章 問題解決，我學到的是──
分清障礙或限制，你才能找對問題 李佳達
用結構化的思考習慣，複製你的成功
學習與解決問題的三個階段
- Name it: 具體描述問題、抽象的事物=＃拆解問題 問問題(QBQ)：不想/不會還是能？是障礙孩是限制？
- Claim it：理解問題與抽象事物=＃限制條件(constraint) 理解問題+想解方
- Aim it：(不斷練習嘗試)解決或提升它
看到問題就跳到解答=治標不治本+削足適履
2025年1月18日 星期六
安全研究的光譜與地圖1(What)
What is Safety?
從本體論、方法論與認識論的角度切入
先來溫故(資料來源：蕭瑞麟老師 不用數字的研究)
https://eshmanager.blogspot.com/2021/03/2.html#more
本體論：
就是去了解：什麼是真的（what is real）？去理解什麼是真實（reality）。理解省思什麼才是「真的」是一件困難的事(e.g., 時間與空間看似很基本，卻很難解釋與理解)。
檢視本體論的目的，即在提醒研究者去反省自身可能的盲目。當採用某種研究方法時，例如統計方法，背後的假設是什麼？在此假設之下，研究者認為什麼才是真的？了解在研究者的內心深處認定什麼是真的，是反思本體論的重心。研究者必須說明自己是來自哪一個「門派」，同時也宣告自己可能會有的偏見。
認識論：
當研究者知道自己偏見的來處後，下一步就是了解自己是如何「認定知識」的。也就是說，研究者是由哪裡取得知識、形成知識的。有些研究者認為知識必須透過有系統的觀察，眼見為憑，才能產生歷久不衰的定律。這是一種認定知識的方式。有些研究者則認為知識是無法被客觀檢驗，要將知識形成「定律」更是緣木求魚。這一派研究者認為知識本身就是主觀的，唯有透過親自參與現象，去詮釋其中的人「主觀的」在想什麼、做什麼，如此所建立的知識才是有價值的。
方法論：
當研究者採用某一種「認」定知「識」之「論」(本體論與認識論)時，這個認知會影響他所使用的研究方法，也就是「方法論」。當研究者相信的是「定律」型的知識，他可能就會採取統計方法去驗證因果關係。若研究者認定「詮釋」型的知識，他可能就會以實地勘查的作法進行研究工作。研究就是一項透過各種主義以追求真理的活動。本體論、認識論與方法論，就是讓我們分析某一種思維主義的三個重要層面。
以上本體論認識論與方法論，衍生出不同的研究門派與思路(意識形態)
主流與光譜的兩端分別是實證主義(自然科學)及詮釋主義(社會科學)
2025年1月11日 星期六
如何在職場上幸福快樂(當個稱職的薪水小偷)
是說在這少子化高齡化的年代，企業越來越難"單純"追求生存賺錢：
看似委屈死不瞑目，但反過來則可謂死不足惜與死有餘辜...
外有中美對抗新冷戰(演變成太平洋左岸大戰)、全球暖化氣候變遷與ESG風潮(綠色焦慮暨詐欺)
攘外必先安內，毛利不夠的公司無法吸引人才自然不用奢言永續
根據104的文章
寒意暨涵義：
- 人才平均招募天數要花上40+天
- 新人大概只有不到七成可以撐過6個月
- 離職原因：1.薪水低 2.主管機車 3.跟同事處不好
社會新鮮人
會考試讀書與有證照，但不會做事更不懂做人
以為上班就是遵循勞動法規，其實彷彿有如加入幫派，有人的地方就有江湖
會被霸凌與過勞，往往不是因為工作不認真或態度不佳，反而是太認真與死腦筋
看到以下超讚剛ㄜ不正的臉書文，適合推薦給年輕的捧油們參考
盜亦有道
2025年1月4日 星期六
密涅瓦的思考習慣訓練1
密涅瓦的思考習慣訓練
千年的知識長河
大學的起源與存在目的
- 一群吃飽沒事幹的大學士、國師、圖書管理員與僧侶探索知識與辯論=>探索真理，教邏輯、數學幾何、語言表達
- 馬克思：維護統治階級與資本主義的人才訓練所=>解決實務與當下的問題，可以是師徒制、補習班、學分班、學程學歷制
思考習慣Habit of Mind: 包含傳統的ASK： attitude態度、skill技能、知識knowledge
用來批判性思考、創意思考、系統(局與勢)思考、數據分析=>建立相信自己(判斷)的勇氣
兩種認識世界的方式與觀點(都和邏輯、數學有關)
- 形式分析Formal Analysis: 用符號、邏輯與模型來proxy問題與世界的規律
- 實證分析Empirical Analysis：用觀察與實驗的方式來發現運作的規律
學習就是滿足探索世界的慾望
訂閱：
文章 (Atom)
