部下の行動に対して、「どうしてそんなことをするんだ?」とか、「何度言ったらできるようになるんだ?」とイラつき、怒りが湧いているとしたら要注意です。 この場合の怒りというのは、「自分の思い通りにしたい」という感情ではないでしょうか。怒りが先に立つと、部下は、自分の成長を願って注意してくれているとは思いません。 実際、怒りをぶつけられた部下は、行動を直そうとする前に、自分を守ろうとします。 「言い訳」をするのは序の口で、だんだんと無口になり、最後には聞き流してやり過ごそうとし始めます。 何度叱っても無反応だったり、手応えが感じられないとしたら、部下にスルーされている可能性が高いです。怒りに頼らない叱り方をする必要があります。 このように「よくない叱り方」は、どれもついやってしまうものばかりではないでしょうか。 注意・喚起できないのも問題ですが、叱る方法がよくないのも問題です。 では実際に、どのようにしたらいいのかを見ていきましょう。 →<次ページ:叱らなくて済む方法~3つのIアプローチ~>
TOP パワハラ厳禁時代の「正しい叱り方」 シリーズ 完結 「パワーハラスメントは厳禁。もちろん分かっていますよ。自分たちが若い頃は上司が部下を怒鳴るなんて当たり前でしたがねえ…」「部下に注意するのも、いちいち気を使わなきゃいけない。大変な時代になったものだ…」。昔を懐かしみ、今を嘆く上司の皆さん、当コラムが、スイッチの切り替えをサポート致します。パワハラを気にするあまり、触らぬ神に祟りなしとばかりに、部下を"放置"していませんか。「叱れない上司」になっていませんか。あるいは、注意の仕方を間違えて、チームがギクシャクしてしまっていませんか。叱るべき時に、しっかり叱れる上司になる。そのために「正しい叱り方」の勘所を一緒に学んでいきましょう。 東宮 美樹 4回 おすすめのシリーズ あなたにオススメ ビジネストレンド [PR]
最近、「部下に人気のある上司」が理想とされているせいか、「部下を叱ることができない上司が増えている」という話を頻繁に聞くようになった。なぜ、部下を叱ることができないのか、なぜ、叱る必要があるのか。(株式会社識学代表取締役社長、組織コンサルタント 安藤広大) 「部下からの評価」を 恐れている 「部下を叱ることができない上司が増えてきている」と、よく耳にします。私たちがコンサルティングをさせていただいている会社でもよく相談を受けます。 では、なぜ、部下を叱ることができないのでしょうか? まず、ここで「叱る」という行為についての定義を合わせておきたいと思います。 「叱る」とは「目下の者の言動のよくない点などを指摘して、強くとがめる」と辞書(デジタル大辞泉)に書いてあります。 やはり、組織を運営していくにあたっては、「よくない」ことを部下がしている時には「叱る」必要はありそうです。また、部下を成長させていくためにも、管理者としては、「叱る」必要はありそうです。成長をさせるためには、「よくない点の指摘」は必要だからです。 それでは、業務上、管理者として必要な「部下を叱る」ということが、なぜ、できない人が増えてきているのでしょうか。 一つは、「部下からの"評価(評判)"が下がるのが怖い」からです。 本来は、上司は部下からの評判を気にする必要がありません。というのも、上司は、「チームの成績」や「部下の成長」に責任ある立場であるために、意思決定をするという権限を持つからです。つまり、チームの成績や部下の成長に「責任のない立場の人間」には、本来「その意思決定を評価する」という資格はありません。
3つの心がけをすれば、部下は育成できる 部下は未熟な面が多いもの。叱らなくてはならない瞬間が必然的に訪れますが、あなたは部下を叱れますか? (写真:Sunrising/PIXTA) 研修の企画・講師を年200回、トータル2000社、累計2万人を超えるビジネスリーダーの組織づくりに関わってきた組織開発コンサルタント・高野俊一氏による連載「その仕事、誰かに任せなさい!」。エンターテインメントコンテンツのポータルサイト「 アルファポリス 」とのコラボにより一部をお届けする。 あなたは部下を叱れますか? 部下を叱れない上司. 叱れない上司の悩み… 部下を叱れない上司が増えています。あなたは、部下を叱ることができていますか? アルファポリスビジネス(運営:アルファポリス)の提供記事です ここで言う「叱る」とは、部下のよくない行動を指摘して改善を促す行為です。部下は未熟な面が多いものなので、叱らなくてはならない瞬間は必然的に訪れます。 そんなとき、上司が叱らずにその状態を放置していては、部下の成長が遅くなるばかりか、顧客からのクレームが出たり、会社にとって重大な損失を与えてしまったり、場合によっては部下に一生残る傷を負わせたりする可能性すらあります。 ですから、大事な場面で部下を叱れないのは、「部下の育成を放棄した怠慢だ」「部下への愛情不足だ」と指摘されてもおかしくありません。相手に課題を伝えるのは、上司にとって重要な役割なのです。 しかし、そんな状況でも「叱れない上司」が増えています。これは、上司自身が「叱る」という行為に心理的な抵抗を感じたり、叱ることで部下との関係性の悪化を恐れたりして、見て見ぬふりや、言えずにイライラして態度で伝えようとするなどしてしまうことが原因の一端といえます。そして、この「叱れないことのストレス」は、実は相当なものです。
0"万人、期待度数は"45. 6"万人になりますので、(60-45. 6)^2/45. 6=4. 【数学班】クラメールの連関係数について : ブツリブログ. 54…(表では4. 6になっていますがあまり気にしないでください)などと求められます。 こうして、ひたすら(実測度数-期待度数)^2/(期待度数)を計算した表が以下になります。 ピアソンのカイ二乗統計量と表の上の部分に書いてありますね。この言葉は難しそうに見えますが、この言葉は、表におけるすべてのデータ(実測度数-期待度数)^2/(期待度数)を足しあわせた和のことを、この場合で言うところの、4568. 2のことを指しているのです。では、いよいよ大詰めです。 クラメールの連関係数の値は、ピアソンのカイ二乗統計量÷{(全データの個数)*3}の平方根になります。なぜ、3かといいますと、ここの表における、行と列で小さい方をとってそこから1を引いたものをかけることになっているからです。この表は、人種と州に関するデータだけを見れば4列51行なので値の小さい4、そこから1を引いた3をかけます。少し難しい表現だと、{min{クロス集計表の行数, クロス集計表の列数}-1}ということです。 では、クラメールの連関係数を求めましょう。 ※ピアソンのカイ二乗統計量は、上のようにxに0と2がくっついた文字で表すことがよくあります。 よって、クラメールの連関係数の値は、0. 222くらいになることがわかりました。これは、非常に弱く関連していると言えます。あくまでも目安ですが、0. 25を超えると関連しているとおおまかに言うことができます。ちなみにこの値の取りうる範囲は、0以上1以下です。 思っていたよりも、値が低く出たので少し残念です。次回は、また話題が変わって数列に関する問題を書きたいと思っています。
今まで、数量データやカテゴリーデータ等の2つのものの関連を知るために単相関係数と相関係数について記事を書いてきましたが、データ同士を比べる方法にはもうひとつの方法があります。それは、カテゴリーデータ同士の関連を調べる方法です。これによって得た値を、クラメールの連関係数と呼びます。今回は、アメリカの人種構成と州の関連について調べたいと思います。 数量データ、カテゴリデータはどういったものなのかについてはこちらを参照してください。 以下が、アメリカの州一覧と人種の構成です。 『データブック オブ・ザ・ワールド 世界各国要覧と最新統計』, 二宮書店, 2012年, p39より ※割合の部分は、統計に書いてあった人口に基づいて独自に作成したものです。 さて、ここから何をすればいいかといいますと、とりあえず各州ごとの人種の人数を求めることにします。これは、簡単で各州の人数に割合をかければいい話です。その結果、以下の表のようになります。 表の上部に実測度数と書いてありますが、これはこの表の中にある各マスの値のことを指します。具体的には、ヴァーモント州の白人の人口の"60. 0"(万人)などがそれにあたります。 では、次に実測度数ではなく、期待度数というものを測ってみましょう。これは、もしもカテゴリーデータそれぞれにおいて全くの独自性(関連性)がなかった時に出るであろう値のことで、この場合は、それぞれの州においての人口にアメリカ合衆国全体の人種の割合をそれぞれかけることによって算出します。どういうことかといいますと、例えば、ヴァーモント州の白人の人口の期待度数は、ヴァーモント州の人口63万人で、アメリカ合衆国全体の白人の割合の平均は72. 4%であるので、63×0. 724=45. 6…で、45. 6万人になります。 この期待度数と実測度数が全体の傾向として大きく異なっていた場合は、ある人種が多く割合を占めているような"個性的な"州がたくさんあることになり、アメリカの人種構成と州の関連は深いといえるでしょう。 逆に、この期待度数と実測度数が全体の傾向として似通っている場合は、どの州も同じような傾向ですので、州が違うからといって人種の割合には大きく違うというわけではないのでアメリカの人種構成と州の関連は低いと言えます。 期待度数を表にしたものです。 さて、ここからどうやってクラメールの連関係数を求めるかといいますと、それぞれのデータにおいて、(実測度数-期待度数)^2/(期待度数)を計算していくのです。例を示すと、ヴァーモント州の白人の人口に関して言えば、実測度数は、"60.