工作投入（job engagement）
晚上到學校對一小群（大二到碩一的）同學
分享「多變量分析與機器學習」[1]的概念
之所以稱為「一小群」
是因為只有6位同學
（含事後觀看錄影的同學共15位）
而為了這次的分享
我花了兩個週末的時間
製作了相關的投影片
分享的過程中
我與另一位講師
（他分享KDD（Knowledge Discovery in Databases）的具體導入案例）
義務到學校分享
同學們也是利用自己課餘的時間
來進行學習
回到家裡
我與老婆分享今晚的授課過程
並提到自己的（工作）滿意度很高
（比許多有鐘點費的課程（工作）滿意度還高）
面對這些認真的同學
心裡充滿了感謝
因為對於當老師的我們來說
看到同學們願意花自己額外的時間來學習
心理非常地感動、珍惜、與欣慰
也因為同學們的主動
許多老師也會更願意花時間投入與付出
彼此教學相長
共度美好的時光
話鋒一轉
我與老婆聊到工作「投入（engagement）」的議題
（老婆發表的論文是人資領域的）
工作投入是一種能融入工作的正向心理狀態
這種狀態
會讓我們更樂在工作
願意為工作付出更多
當工作投入程度越高
工作滿意度也越高
就好像上述中授課的例子一樣
不過
以上的故事是屬於個人工作的範疇
在公司裡
工作投入還受到主管、同事、部屬的影響
受到公司政策、薪資待遇、福利、升遷機會的影響
但這些因素通常個人無法掌握
個人能夠掌握的
是自己對工作價值的認知
當我們越能看到工作背後的價值
就越有機會產生工作投入
進而增加工作滿意度
工作投入這件事
公司、主管有責任
個人也有責任
但無論責任在誰身上
個人都要承擔最終的結果
祝福大家都能樂在工作
加油!
Peter
[1]從單變量分析(敘述性統計)、雙變量分析(相關、簡單迴歸分析、t-test)、到多變量分析(複迴歸分析(multiple regression analysis)、主成分分析(principal components analysis, PCA)、因素分析(factor analysis)、判別分析(discriminant analysis)、集群分析(cluster Analysis)、多變量變異數分析(multivariate analysis of variance, MANOVA)、結構方程模型(structural equation modeling, SEM)…等)，再到機器學習裡的分類(classification)、迴歸(regression)、相似性比對(similarity matching)、聚類(clustering)、共生分群(co-occurrence grouping)(關聯規則探索(association rule discovery)或購物籃分析(market-basket analysis))、行為描述(behavior description)、連結預測(link prediction)、資料精簡(data reduction)、因果建模(causal modeling)…等，再進一步比較這些工具之間彼此的關係，以及探討這些工具背後與演算法之間的關聯。
留言列表
心情故事 (1)