咨询入门教程之四--咨询顾问方法-“头脑风暴”

本文介绍了头脑风暴法的基本原则和组织技巧,强调了鼓励创新思维、避免即时评判的重要性,并提供了成功的头脑风暴会议的操作建议。

    很多人都经常说头脑风暴,可实际在工作中很少有人使用这样的方法,即便在培训中,很多人使用这个方法也经常会自觉不自觉地变成了讨论。其实头脑风暴不是小组讨论,而是:

    头脑风暴法(Brainstorming)是半结构化创造性的小组活动,经常用于专门的企业会议,围绕创新或改善提出新办法。 为了产生尽可能多的点子,小组成员被鼓励就某个具体的问题及其解决办法,提出自己的主意,即便这些主意最终不会被完全采纳。 头脑风暴法的深层思想是,较之个体之和,群体参与能够达到更高的创造性协同水平。

头脑风暴法规则

成功头脑风暴研讨会的三个主要规则:

1、参加者应该被鼓励提出尽可能多的主意,不管它们是如何的奇思古怪(就头脑风暴法而言,没有所谓的坏主意)。
2、在研讨会过程中, 不对任何主意(点子)做积极的或消极的评断。
3、参加者应该被鼓励交换相互想法,以产生意想不到的点子组合,将讨论引往意想不到的方向。

组织一个成功头脑风暴研讨会的要点:

安排一位经验丰富的主持人,最好是由外部顾问来担任。
指定专人记录下研讨会上产生的所有主意。
运用活动挂图来记录这些主意, 这将有助于最后阶段对所有主意进行研究和评估。
明确讨论主题(研讨会上要围绕这一主题展开讨论)。
一个研讨会争取不超过8-10人, 如果人数过多,则分开讨论,会后再将讨论报告汇总。
指定专人记下全部会议内容。

分2步对研讨会产生的主意进行评估:
A : 定义评估标准;
B : 按标准对每个主意进行逐一打分。
    在研讨会结束前,就如何贯彻优选出来的主意,讨论必要的实施步骤。 如果这一贯彻执行过程比较复杂,再组织另一个头脑风暴研讨会来讨论它。
    清楚阐明研讨会亟待解决的问题,并且要明确讨论中必须遵守的各项原则。
    确保研讨会期间没有人对他人的主意进行批评或评估。 任何批评都有可能导致风险,使小组成员不再畅所欲言。 这一做法将抑制小组成员的创造性,有违头脑风暴研讨会自由思想、畅所欲言的本质。
    在小组成员之间,要鼓励一种热情的、无批判的氛围。
    要设法使每一名小组成员都踊跃发言,即便是那些最沉默的小组成员,也要鼓励他们积极贡献主意。
    在头脑风暴研讨会的整个过程中,要让所有参与者都能够感受到乐趣。
    要鼓励小组成员提出尽可能多的主意, 既要包括那些稳健的实用点子,也要欢迎狂放不羁的奇思异想。
     创造性的主意最受欢迎。
    不要就某个具体的思路或主意展开冗长的讨论。
    鼓励小组成员对他人提出的主意做进一步阐发,或基于他人主意给出自己独到的新点子。


    在美国著名的设计公司IDEO公司总经理汤姆·凯利在其著作《创意的艺术》一书(中信出版社出版)中,总结出企业在进行“头脑风暴”时应该避免的六种情况。

老板率先发言。如果老板率先发言,他可能会设定讨论的范围和议程,会让讨论受到局限。

大家轮流发言。大家坐在一起,按照顺时针或者逆时针的方向轮流发言,气氛看似民主,事实却很难挨。这将会导致大家把发言当成一种任务,不利于进行有效的集体讨论。

只让专家发言。参与讨论的不应该都是专家。应该注意各个行业和层次的人员搭配,理论和实践人员的相结合。有时一些外行人的介入恰恰可以提供一些有价值的见解。

远离现场举行。在滑雪胜地或者海滩举行集体讨论可能达不到预期目的。地点的接近性则会引发一些相关的灵感。

不允许愚蠢素材。一些看似愚蠢的素材可能为我们的工作提供良好的创意,虽然之前看似笑话。

无所不记。如果把会议讨论的任何东西都记下来,会使你分散注意力而影响创意的产生。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值