หมวดหมู่: การเขียนโปรแกรมทางประสาทภาษา

ข้อจำกัดของแบบจำลองของผู้พูด (การสรุปทั่วไป)

ข้อจำกัดของแบบจำลองของผู้พูดเป็นส่วนที่สามของส่วนผกผันของแบบจำลองเมตา โปรดจำไว้ว่าแบบจำลองเมตาใช้ในการค้นหาและเปิดเผยข้อมูลทั่วไป ในที่นี้เราจะค้นพบสองส่วนที่ประกอบขึ้นจากแบบจำลองเมตา ตอนนี้ในแบบจำลองเมตา เราได้เรียนรู้ที่จะถามคำถามเพื่อค้นหาสิ่งที่ได้รับการสรุปโดยทั่วไปโดยลูกค้า ในแบบจำลองมิลตัน เราในฐานะผู้ปฏิบัติ NLP ใช้เพื่อสรุปข้อมูลโดยทั่วไปและให้คำแนะนำ ส่วนนี้ ข้อจำกัดของแบบจำลองของผู้พูด เป็นส่วนที่สำคัญที่สุดจากข้อมูลสามส่วน ดังนั้น ควรศึกษาอย่างใกล้ชิด ในที่สุดแล้ว จะทำให้การใช้แบบจำลองมิลตันง่ายขึ้น

NLP ตรงข้ามกับโมเดล Meta

ส่วนแรกของโมเดลมิลตันเรียกว่าส่วนกลับของโมเดลเมตา โมเดลเมตาคือชุดของรูปแบบภาษาที่สามารถใช้เพื่ออธิบายประสบการณ์ได้ครบถ้วนยิ่งขึ้น โมเดลมิลตันเป็นตรงกันข้ามกับโมเดลนี้ มันช่วยให้คุณ "คลุมเครืออย่างมีศิลปะ" ได้ ในขอบเขตของการคลุมเครืออย่างมีศิลปะ มันช่วยให้คุณฟังดูเฉพาะเจาะจงมาก และในเวลาเดียวกัน ข้อเสนอแนะที่ให้มาก็ทั่วไปเพียงพอที่จะเหมาะสมกับประสบการณ์ของผู้ฟัง ในขณะที่โมเดลเมตาช่วยให้คุณกู้คืนข้อมูลเฉพาะที่ถูกลบไปในประโยคใดๆ ก็ตาม โมเดลมิลตันกลับตรงกันข้าม โมเดลมิลตันช่วยให้คุณให้ข้อมูลที่ลบข้อมูลเฉพาะทั้งหมดได้ ซึ่งผู้ฟังต้องกรอกข้อมูลที่ถูกลบไปซึ่งโมเดลมิลตันให้มา ชีวิตคุณจะง่ายได้แค่ไหน?

การรับรู้คำทำนาย

คุณตระหนักหรือไม่ว่าจิตใต้สำนึกของคุณเริ่มเรียนรู้เกี่ยวกับ Awareness Predicates แล้ว ฟังดูโง่ใช่ไหม แต่จิตใต้สำนึกของคุณก็เรียนรู้เช่นกัน ตอนนี้เป็นเพียงเคล็ดลับในการสานต่อการเรียนรู้เหล่านี้และรวมเข้ากับความรู้ของคุณเกี่ยวกับข้อสันนิษฐานและแบบจำลองมิลตัน คุณตระหนักอย่างมีสติแล้วหรือยังว่าตอนนี้คุณกำลังอ่านสิ่งนี้อยู่ Awareness Predicates ใช้เพื่อ "ให้คำแนะนำ" แก่ผู้ฟัง คุณสังเกตเห็นรูปแบบการเขียนที่น่าดึงดูดใจในบทความนี้หรือไม่ เพื่อให้คุณอ่านและเรียนรู้ไปพร้อมๆ กัน

ความคลุมเครือของ NLP

ใน NLP ความกำกวมมีหลากหลายรูปแบบ ความกำกวมทางสัทศาสตร์ ความกำกวมทางวากยสัมพันธ์ ความกำกวมขอบเขต และเครื่องหมายวรรคตอน ความกำกวมหรือการใช้ภาษาที่คลุมเครือ หมายถึงการขาดความเฉพาะเจาะจง คุณสามารถใช้รูปแบบเหล่านี้ได้โดยใช้ประโยชน์จากทุกสิ่งในประสบการณ์ของผู้ฟัง คุณสามารถใช้ทั้งสภาพแวดล้อมภายในและภายนอกเพื่อสนับสนุนเจตนาของผู้พูด ในขณะที่ทำงานกับลูกค้า ประตูห้องทำงานของคุณจะเปิดออกโดยไม่ได้ตั้งใจ แทนที่จะหงุดหงิดและรำคาญ คุณเริ่มใช้ประโยชน์จากสภาพแวดล้อมของคุณ

ข้อสันนิษฐาน

เราได้เรียนรู้ใน Meta Model ว่าข้อสันนิษฐานเบื้องต้นคือ “บุคคลนั้นสันนิษฐานว่าอะไรเป็นจริง ภายใต้สิ่งที่พวกเขากำลังบอกฉันอยู่” ข้อสันนิษฐานไม่จำเป็นต้องเป็นจริง แต่ถึงแม้จะไม่เป็นจริง เราก็สามารถช่วยทำให้สิ่งนั้นเกิดขึ้นได้โดยการถือว่าสิ่งที่ยังไม่เป็นจริงเป็นความจริง ข้อสันนิษฐานในความสัมพันธ์กับ Milton Model ข้อสันนิษฐานเป็นรูปแบบภาษาที่ทรงพลังที่สุดเมื่อใช้โดยผู้สื่อสารที่สันนิษฐานสิ่งที่เธอไม่ต้องการให้มีการซักถาม หลักการทั่วไปคือให้ตัวเลือกมากมายแก่บุคคลนั้น แต่ให้ตัวเลือกทั้งหมดสันนิษฐานว่าเป็นคำตอบที่คุณต้องการ

คำสั่งเชิงลบของ NLP

อย่าคิดว่าคุณจะได้เรียนรู้เพิ่มเติมในบล็อกโพสต์ที่ยอดเยี่ยมนี้เกี่ยวกับคำสั่งเชิงลบของ NLP คำสั่งเชิงลบคือคำสั่งที่ให้ในรูปแบบเชิงลบ คำสั่งเชิงบวกมักจะเป็นสิ่งที่ได้รับการตอบรับ ตัวอย่างเล็กๆ น้อยๆ สำหรับผู้เริ่มต้นเพื่ออุ่นเครื่อง “อย่าคิดถึงช้างสีชมพู” ในตัวอย่างนี้ คุณต้องนึกถึงสีชมพูหรือช้าง หรือทั้งสองอย่างเพื่อทำความเข้าใจสิ่งที่กำลังบอกอยู่ คำอธิบายของสิ่งที่เกิดขึ้นที่นี่ค่อนข้างง่าย การปฏิเสธไม่มีอยู่ในประสบการณ์หลักของภาพ เสียง และความรู้สึก

ความเข้าใจผิดทางความหมาย (การบิดเบือน)

ความผิดพลาดทางความหมายเป็นส่วนที่สองของส่วนกลับของเมตาโมเดล โปรดจำไว้ว่าเราใช้เมตาโมเดลเพื่อเปิดเผยข้อมูลที่บิดเบือน ที่นี่เราจะค้นพบสามส่วนที่ประกอบขึ้นจากโมเดลนี้ ตอนนี้ในเมตาโมเดล เราได้เรียนรู้ที่จะถามคำถามเพื่อค้นหาสิ่งที่ลูกค้าบิดเบือน ในมิลตันโมเดล เราในฐานะผู้ปฏิบัติ NLP ใช้ประโยชน์จากส่วนนี้เพื่อบิดเบือนข้อมูลโดยเจตนาและให้คำแนะนำ ส่วนนี้ ความผิดพลาดทางความหมาย มีพลังมาก ดังนั้นควรศึกษาอย่างใกล้ชิด ในที่สุดแล้ว จะทำให้การใช้มิลตันโมเดลง่ายขึ้น