Nguyên tắc 1%: Tại sao tiền lại cứ đổ vào nhà giàu? Bạn hoàn toàn có thể làm được điều tương tự nếu hiểu rõ điều này

Bạn chỉ cần có một chút gì đó hơn đối thủ, giỏi hơn một chút so với đồng nghiệp và cứ thế tích lũy thêm từng ngày, bạn sẽ có được tất cả.

• 22-03-2018 Người đồng sáng lập Facebook Chris Hughes rút ra bài học xương máu sau khi mất...
• 22-03-2018 Khi nói đến làm giàu, Buffett là một chuyên gia và đây là 9 lời khuyên ông đưa...
• 20-03-2018 Giàu hay nghèo không phải do định mệnh, tất cả đều phụ thuộc vào những thói...

TIN MỚI

• 
  Bán hết nhà và doanh nghiệp, bóng hồng 42 tuổi trở thành người Anh đầu tiên đến thăm 7 châu lục bằng xe mô tô
• 
  Không chỉ Giờ Trái đất, đây là những sự kiện môi trường tầm cỡ thế giới năm 2018 mà có thể bạn chưa biết tới
• 
  Đã tìm ra người chiến thắng Giải đua xe địa hình đối kháng KOK đầu tiên

Câu chuyện bắt đầu vào những năm 1800 – không ai nhớ chính xác là ngày tháng năm nào, người đàn ông tên Vilfredo Pareto đang làm vườn và chợt nhận ra một điều thú vị: có một số lượng nhỏ cây đậu trong vườn tạo ra sản lượng chủ yếu. Hay nói cách khác, thành quả chung của cả vườn đậu Hà Lan hóa ra đến từ một số lượng cây rất nhỏ.

Vốn là một nhà toán học lại đam mê làm vườn, ông nhanh chóng có sự liên tưởng giữa những cây đậu trong vườn với nền kinh tếchung. Từ đó, một nguyên tắc kinh tế được ra đời, thậm chí ảnh hưởng và đúng đắn đến tận sau này.

Vilfredo Pareto.

Nguyên tắc Pareto

Ở thời điểm phát hiện ra điều thú vị trong vườn đậu, Pareto cũng đang nghiên cứu về sự giàu có của nhiều quốc gia mà gần nhất là Ý – quê hương của chính ông. Bất ngờ thay, ông nhận ra khoảng 80% diện tích đất ở Ý thuộc về chỉ 20% dân số. Giống hệt như vườn đậu của ông, hóa ra lượng lớn của cải lại chỉ được sở hữu bởi một nhóm người nhỏ.

Pareto tiếp tục phân tích số liệu ở các quốc gia lân cận và mô hình này dần rõ ràng hơn. Chẳng hạn, sau khi xem qua hồ sơ thuế thu nhập của Anh, ông nhận thấy rằng khoảng 30% dân số tạo nên tới 70% thu nhập chính của cả nước. Dù các con số, tỷ lệ ở các quốc gia là khác nhau nhưng rõ ràng, xu hướng này là nhất quán (số người nhỏ sở hữu tài sản lớn). Từ đây, ông đã mạnh dạn công bố Nguyên tắc Pareto (hay Nguyên tắc 80/20) để chỉ tính tương đối trong sở hữu tài sản.

Trong khoảng thời gian tiếp theo, nghiên cứu của ông lập tức trở thành hiện tượng trong giới kinh tế. Họ nhanh chóng nhận ra nguyên tắc này hóa ra lại chính xác và đúng đắn ở khắp mọi nơi.

Cho đến tận ngày nay, nguyên tắc 80/20 đã trở nên phổ biến trong rất nhiều lĩnh vực, từ thể thao đến bất động sản, công nghệ thông tin… Nhưng vì sao điều này lại xảy ra? Vì sao chỉ một lượng nhỏ người, nhóm hay tổ chức lại có thể gặt hái được quá nhiều thành quả? Để trả lời câu hỏi này, hãy quay lại với các yếu tố tự nhiên.

- Sức mạnh của sự tích lũy. Hãy lấy ví dụ với rừng Amazon, một trong những hệ sinh thái đa dạng nhất trên Trái Đất. Các nhà khoa học đã thống kê, có tới 16.000 loại cây khác nhau trong khu rừng này, nhưng 50% diện tích rừng là sự hiện diện của 227 loài cây (chỉ 1,4% số lượng cây).

- Tại sao lại thế? Hãy tưởng tượng có 2 cái cây được trồng cạnh nhau, độc lập. Mỗi ngày chúng phải đấu tranh lẫn nhau để có thêm ánh sáng và dinh dưỡng từ đất. Nếu như, chỉ một cây có lợi thế, lớn nhanh hơn, ăn khỏe hơn cây còn lại, nó sẽ vươn cao hơn, đón ánh nắng nhiều hơn, rễ to hơn và hút dinh dưỡng tốt hơn.

Từ lợi thế này, cái cây kia lớn nhanh vượt trội và bắt đầu sinh sản, cho phép “con cháu” của nó lan rộng. Quá trình này lặp đi lặp lại nhiều lần cho đến khi các loại cây lớn khỏe hơn đã rải rác khắp khu rừng.

Các nhà nghiên cứu gọi đây là lợi thế tích luỹ, một ưu thế nhỏ ban đầu sẽ dần tích lũy thành những thứ to lớn về sau.

Hiệu ứng "Người thắng có tất cả"

Những điều tương tự như khu rừng Amazon cũng xảy ra trong chính cuộc sống của chúng ta.

Cũng giống như cái cây, con người phải cạnh tranh lẫn nhau ở một số tài nguyên nhất định. Các chính trị gia cạnh tranh vì số phiếu bầu, những tác giả sách cạnh tranh cho đầu sách bán chạy còn những vận động viên thì cạnh cho để giành tấm huy chương vàng, các chương trình truyền hình thì cạnh tranh để được chiếu vào khung giờ vàng…

Kết quả của sự cạnh tranh này đôi khi đến từ những chênh lệch rất rất nhỏ. Giống như tấm huy chương vàng bơi lội chỉ cách nhau 1/100 giây chạm đích mà thôi. Người chiến thắng sẽ có cả giải thưởng, vinh quang, tiền bạc và cảm giác chiếm lĩnh thị trường. Trong khi người thua cuộc, dù kết quả rất sát sao thì lại có cảm giác mất trắng, ví dụ như vậy.

Phần thưởng khổng lồ mang tên "Người thắng có tất cả" này thực chất bắt nguồn từ sự khác biệt nhỏ về hiệu suất. Ở một xã hội mà sự cạnh tranh và so sánh xảy ra liên tục thì chỉ cần ‘nhỉnh’ hơn một chút so với đối thủ là bạn đã trở thành người chiến thắng. Từ một lợi thế nhỏ ban đầu, người thắng có thể vươn lên dẫn đầu rất nhanh, rất mạnh mẽ.

Từ "Người thắng có tất cả" đến "Người thắng chiếm phần lớn"

Bạn có thể thấy, từ người chiến thắng trong một cuộc thi/cuộc đua, người ta bắt đầu giành được nhiều chiến thắng hơn trong cuộc sống. Họ nhận được sự quan tâm, tiền bạc và những mối đầu tư làm ăn, họ tích lũy những lợi thế đó để phát triển mạnh mẽ hơn và dễ dàng giành chiến thắng trong khoảng thời gian tiếp theo. Đó là lúc nguyên tắc 80/20 phát huy.

Nếu một doanh nghiệp có công nghệ sáng tạo hơn một doanh nghiệp khác thì nhiều người sẽ mua sản phẩm của họ. Khi doanh nghiệp kiếm được nhiều tiền hơn, họ có thể đầu tư thêm công nghệ, trả lương cao hơn, và thuê người tốt hơn. Đến lúc đối thủ của họ bắt kịp thì họ đã có những khách hàng trung thành của mình. Đó là lý do có những công ty thống trị ngành công nghiệp.

Nếu một tác giả xuất hiện trong danh sách bán chạy nhất, thì các nhà xuất bản sẽ quan tâm nhiều hơn đến cuốn sách tiếp theo của họ. Khi cuốn sách thứ hai xuất hiện, nhà xuất bản sẽ đặt nhiều tài nguyên hơn và tiếp thị mạnh mẽ hơn, giúp họ dễ dàng có tên trong danh sách bán chạy nhất lần thứ hai. Chẳng bao lâu bạn bắt đầu hiểu tại sao một vài cuốn sách bán hàng triệu bản trong những cuốn khác với cùng nội dung lại chỉ chật vật ở vài trăm nghìn bản.

Sự quay vòng đó khiến cho nguồn tài nguyên đổ dồn về phía số ít những người may mắn và có lợi thế nhỉnh hơn một chút, và họ dần chiếm lĩnh thị trường nhiều hơn. Trong khi đó, những người ít lợi thế hơn càng ngày càng mất đi thị trường. Bạn đã rõ nguyên tắc 80/20 vận hành như thế nào rồi đấy!

Nguyên tắc 1%: Vì sao có một số người, nhóm hay tổ chức chiếm được phần lớn những thứ tuyệt vời trong cuộc sống?

Lợi thế nhỏ thời điểm ban đầu có thể tích lũy để trở thành khác biệt lớn theo thời gian. Đây là một trong những lý do vì sao thói quen tốt lại quan trọng. Những con người, tổ chức làm được nhiều thứ đúng đắn, đều đặn sẽ có cơ hội thành công cao hơn và chiếm hữu được nhiều thứ hơn theo thời gian.

Bạn chỉ cần có một chút gì đó hơn đối thủ, giỏi hơn một chút so với đồng nghiệp, nhưng nếu giữ được phong độ, ngày qua ngày bạn có thể xoay vòng sự thành công của mình và cứ một lần bỏ xa đối thủ hơn một chút. Và theo như hiệu ứng "Người thắng có tất cả", bạn sẽ sớm nhận được những phần thưởng xứng đáng.

Chúng ta có thể gọi đây là nguyên tắc 1%. Những người chỉ có 1% vượt trội, dù rất nhỏ thôi nhưng cộng với niềm tin và sự kiên trì thì sẽ là người có tất cả. 

Tất nhiên, để có được sự vượt trội, chiếm lĩnh khi trường thì bạn bồi dưỡng khác biệt, lợi thế của mình, giữ vững phong độ và có đủ thời gian để phát triển chính mình thì thành công mới tìm đến.

Giàu hay nghèo không phải do định mệnh, tất cả đều phụ thuộc vào những thói quen hàng ngày của bạn

Minh An

Theo Trí thức trẻ/Medium

Data Consultant

RESPONSIBILITIES

Project Execution & Delivery

• Provide data related consulting to clients on a billable basis
• Develop use cases, functional and technical requirements
• Develop technical solutions using a variety of data technologies as listed below, including BI platforms and databases
• Apply data cleansing and data quality tools to achieve data reliability and integrity to expected levels
• Create unit tests, conduct system testing and fix bugs
• Reverse engineer physical data models from databases and SQL scripts, as needed
• Analyze data models and physical databases for any variances and discrepancies
• Maintain & ensure compliance to TenPoint7’s high delivery of standards of excellence

TECHNICAL REQUIREMENTS

You possess a decent balance of technical skills. You don’t need to be familiar with all of the technologies below but at the very least familiar with some and have solid working experience in those.

• BI Platforms (solid working knowledge in at least one or two): Tableau, QlikView, Microsoft BI, Alteryx, Oracle BI/Hyperion, Cognos, SAS/R
• Database languages: DDL, DML, SQL, PL/SQL, T-SQL, XML, Xquery
• Data Warehouse  and Data Quality (solid working knowledge in at least one): Informatica, Data Stage, SSIS, SyncSort, Data Services, Jaspersoft, Pentaho, SAS, Trillium, Information Builders, Talend
• Databases (good working knowledge in some): Oracle, MS SQL Server, Teradata, Netezza, Hana, Sybase
• Scripting languages (solid working knowledge in at least one): Perl, Python, PHP, Vbscript, Ruby
• ERP and CRM business applications (bonus if you know any one): SAP, Oracle Applications (JDE, EBS, PS, Siebel), MS Dynamics/Navision, Salesforce.com, Netsuite, Workday, Sage
• Big Data (bonus if you know any one): HP Vertica, Cloudera, Hadoop, NoSQL, HBase, Pig, Hive
• Operating Systems (good working knowledge across most): Windows, Linux, Unix, Virtualization (VMware, Hyper-V, Oracle VM)
• Productivity software (good solid proficiency): MS Office

Link: http://tenpoint7.com/jobs/data-consultant/

Data miners and Business owners - A Typical Journey

Many organisations are looking to set up a data mining capability, often
called the analytics team. Within the organisation, data mining projects
can be initiated by the business or by this analytics team. Often, for
best business engagement, a business-initiated project works best, though
business is not always equipped to understand where data mining can be
applied. It is often a mutual journey.

Data miners, by themselves, rarely have the deeper knowledge of
business that a professional from the business itself has. Yet the business
owner will often have very little knowledge of what data mining is about,
and indeed, given the hype, may well have the wrong idea. It is not
until they start getting to see some actual data mining models for their
business that they start to understand the project, the possibilities, and
a glimpse of the potential outcomes.

We will relate an actual experience over six months with six significant
meetings of the business team and the analytics team. The picture we
paint here is a little simplified and idealised but is not too far from reality.
- Meeting One The data miners sit in the corner to listen and learn.
The business team understands little about what the data miners might
be able to deliver. They discuss their current business issues and steps
being taken to improve processes. The data miners have little to offer
just yet but are on the lookout for the availability of data from which
they can learn.
- Meeting Two The data miners will now often present some obser-
vations of the data from their initial analyses. Whilst the analyses might
be well presented graphically, and are perhaps interesting, they are yet
to deliver any new insights into the business. At least the data miners
are starting to get the idea of the business, as far as the business team
is concerned.
- Meeting Three The data miners start to demonstrate some initial
modelling outcomes. The results begin to look interesting to the business
team. They are becoming engaged, asking questions, and understanding
that the data mining team has uncovered some interesting insights.
Meeting Four The data miners are the main agenda item. Their
analyses are starting to ring true. They have made some quite interest-
ing discoveries from the data that the business team (the domain and
data experts) supplied. The discoveries are nonobvious, and sometimes
intriguing. Sometimes they are also rather obvious.
- Meeting Five The models are presented for evaluation. The data
mining team has presented its evaluation of how well the models perform
and explained the context for the deployment of the models. The business
team is now keen to evaluate the model on real cases and monitor its
performance over a period of time.
- Meeting Six The models have been deployed into business and are
being run daily to match customers and products for marketing, to iden-
tify insurance claims or credit card transactions that may be fraudulent,
or taxpayers whose tax returns may require refinement. Procedures are
in place to monitor the performance of the model over time and to sound
alarm bells once the model begins to deviate from expectations.

The key to much of the data mining work described here, in addition
to the significance of communication, is the reliance and focus on data.
This leads us to identify some key principles for data mining.
(collection)

Lethic's view on Data Mining and Machine Learning

June 17, 2013, 3:47 pm

Note to learn from blog of Lethic

Link: http://zlethic.com/?p=733

The Relationship Between Data Mining and Machine Learning
It’s been a long time since I get to know about such concepts as: Data Mining, Machine Learning, Artificial Intelligence, Pattern Recognition and etc.. However, they are in a kind of mess and it’s hard to figure out the relationship between them, while it is important for one who wants do some research on an area to have an overview on it. So I searched for some articles and essays on these topics on the Internet and tried to arrange them in order.

Before the discussion let’s check out the Wikipedia for these four phrases: Data Mining, Machine Learning, Artificial Intelligence, Pattern Recognition.

1)Data Mining:
Concept:
The analysis step of the “Knowledge Discovery in Databases” process, or KDD.

Methods:
involving methods at the intersection of artificial intelligence, machine learning, statistics, and database systems. And using methods and algorithms such as Bayes’ theorem (1700s), regression analysis (1800s), neural networks, cluster analysis, genetic algorithms (1950s), decision trees (1960s), and support vector machines (1990s).

Purpose:
Discover the hidden pattern from the data sets, automatic or semi-automatic analysis of large quantities of data to extract previously unknown interesting patterns such as groups of data records (cluster analysis), unusual records (anomaly detection) and dependencies (association rule mining).

2)Machine Learning:
Concept:
a branch of artificial intelligence, is about the construction and study of systems that can learn from data.

Methods:
Supervised learning, Unsupervised learning, Semi-supervised learning, Reinforcement learning, Learning to learn, Developmental learning. Decision tree learning, Association rule learning, Artificial neural networks, Genetic programming, Inductive logic programming, Support vector machines, Clustering, Bayesian networks, Representation learning, Similarity and metric learning, Sparse Dictionary Learning.

Purpose:
Gives computers the ability to learn without being explicitly programmed

3)Artificial Intelligence:
Concept:
a branch of computer science that studies and develops intelligent machines and software

Methods:
statistical methods, computational intelligence and traditional symbolic AI
Cybernetics and brain simulation
Symbolic
Sub-symbolic
Statistical
Search and optimization
Logic
Probabilistic methods for uncertain reasoning
Classifiers and statistical learning methods
Neural networks
Control theory

Purpose:
Deduction, reasoning, problem solving
Knowledge representation: qualification problem
Planning: Intelligent agents
Learning: Machine learning(Supervised Unsupervised), reinforcement learning
Natural language processing
Motion and manipulation: robotics, navigation, mapping
Perception: Computer vision speech recognition, facial recognition and object recognition.
Creativity
General intelligence

4)Pattern Recognition:
Concept:
the assignment of a label to a given input value
generally categorized according to the type of learning procedure used to generate the output value

Methods:
Categorical sequence labeling algorithms (predicting sequences of categorical labels)
Classification algorithms (supervised algorithms predicting categorical labels)
Clustering algorithms (unsupervised algorithms predicting categorical labels)
Ensemble learning algorithms (supervised meta-algorithms for combining multiple learning algorithms together)
General algorithms for predicting arbitrarily-structured (sets of) labels
Multilinear subspace learning algorithms (predicting labels of multidimensional data using tensor representations)
Parsing algorithms (predicting tree structured labels)
Real-valued sequence labeling algorithms (predicting sequences of real-valued labels)
Regression algorithms (predicting real-valued labels)

Purpose:
automatic speech recognition, classification of text into several categories (e.g., spam/non-spam email messages), the automatic recognition of handwritten postal codes on postal envelopes, automatic recognition of images of human faces, or handwriting image extraction from medical forms

From all above we can get a rough conclusion that Artificial Intelligence is a relatively “big” area while Machine Learning and Pattern Recognition are branches of it. Artificial Intelligence also contains other branches such as Robotics, Natural Language Processing.

As for Machine Learning and Data Mining, these two terms are commonly confused. They often employ the same methods and overlap significantly. They can be roughly defined as follows:
Machine learning focuses on prediction, based on known properties learned from the training data. It is concerned with concerned with algorithms whose performance at some task improves as it gains experience at that task
　　　Data mining (which is the analysis step of Knowledge Discovery in Databases) focuses on the discovery of (previously) unknown properties on the data. It analysis data for the purpose of discovering unforeseen patterns or properties.
　　　
They both look to data and try to extract some value from it. The difference is ML’s goal is to reproduce the known knowledge or DM’s goal is to discover some unknown knowledge. Obviously they are interwind since some algorithms in ML can also be applied to DM.

I used to made a robot concerning the issues on automatic following and navigation. it can be categorized to robotics which is a branch of Artificial Intelligence, while it also applied some Pattern Recognition methods. And Another program I joined was to build an agent based simulation, in which the ‘intelligent agent’ is also concerned to the AI issues. The field I’m now focusing on is the Recommender System and it is kind of Data Mining application using the machine learning tools.

References:

http://en.wikipedia.org/wiki/Machine_learning

http://en.wikipedia.org/wiki/Data_mining

http://en.wikipedia.org/wiki/Artificial_intelligence

http://en.wikipedia.org/wiki/Pattern_Recognition

https://www.quora.com/Whats-the-relationship-between-data-mining-and-machine-learning

10 đặc điểm cần cải thiện

1. Cần cù lao động song dễ thỏa mãn nên tâm lý hưởng thụ còn nặng.

2. Thông minh, sáng tạo, song chỉ có tính chất đối phó, thiếu tầm tư duy dài hạn, chủ động.
3. Khéo léo, song không duy trì đến cùng (ít quan tâm đến sự hoàn thiện cuối cùng của sản phẩm).
4. Vừa thực tế, vừa mơ mộng, song lại không có ý thức nâng lên thành lý luận.
5. Ham học hỏi, có khả năng tiếp thu nhanh, song ít khi học "đến đầu đến đuôi" nên kiến thức không hệ thống, mất cơ bản. Ngoài ra, học tập không phải là mục tiêu tự thân của mỗi người Việt Nam (nhỏ học vì gia đình, lớn lên học vì sĩ diện, vì kiếm công ăn việc làm, ít vì chí khí, đam mê).
6. Xởi lởi, chiều khách, song không bền.
7. Tiết kiệm, song nhiều khi hoang phí vì những mục tiêu vô bổ (sĩ diện, khoe khoang, thích hơn đời).
8. Có tinh thần đoàn kết, tương thân, tương ái, song hầu như chỉ trong những hoàn cảnh, trường hợp khó khăn, bần hàn. Còn trong điều kiện sống tốt hơn, giàu có hơn thì tinh thần này rất ít xuất hiện.
9. Yêu hòa bình, nhẫn nhịn, song nhiều khi lại hiếu chiến, hiếu thắng vì những lý do tự ái, lặt vặt, đánh mất đại cục.
10. Thích tụ tập, nhưng lại thiếu tính liên kết để tạo ra sức mạnh (cùng một việc, một người làm thì tốt, ba người làm thì kém, bảy người làm thì hỏng).

(sưu tầm)

Những đức tính cần có

- Mạnh mẽ: Nếu bạn không thấy mình quan trọng và xứng đáng, đừng hy vọng đồng nghiệp của bạn sẽ thấy thế. Hãy tập đương đầu với các suy nghĩ tiêu cực, ngừng trông đợi vào sự chấp nhận của người khác cũng như buông bỏ mọi nỗi tức giận trong lòng.

- Suy nghĩ tích cực: Khi tích cực, bạn nghĩ về các giải pháp chứ không phải trục trặc, bạn sẵn sàng chấp nhận rủi ro, có xu hướng linh hoạt và suy nghĩ sáng suốt hơn.

- Làm việc đam mê: Điều này giúp bạn nâng cao hiệu quả làm việc, tập trung chú ý vào những việc đang làm để giúp bạn nổi bật.

- Vị tha: Các nhà lãnh đạo quan tâm nhiều hơn tới thành tựu của tập thể, ngay cả khi nó đối lập với những mục tiêu riêng của họ.

Trẻ em Nhật và những bài học đạo đức thú vị

Rất ít người biết rằng trẻ em Nhật được hưởng một nền giáo dục vô cùng đặc biệt, chính điều đó đã khiến các em bé được học bao điều bổ ích, và trở nên vững vàng với những kiến thức và kỹ năng sống được trang bị ngay từ nhỏ.

Mẫu giáo

Các lớp học về đạo đức tại Nhật chính thức bắt đầu từ tiểu học, thế nhưng ngay từ mẫu giáo, trẻ em đã được học các quy tắc ứng xử căn bản. Người Nhật đặc biệt chú trọng các câu chào hỏi, xin lỗi, và cám ơn. Mỗi buổi sáng, trẻ xếp hàng trong lớp, trịnh trọng chào giáo viên trước khi bắt đầu ngày mới. Trong quá trình học và chơi, trẻ được hướng dẫn và nhắc nhở sử dụng các câu cám ơn và xin lỗi trong các tình huống phù hợp.
 

Trẻ em Nhật được học sử dụng các câu "cám ơn" và "xin lỗi" trong các tình huống phù hợp (Ảnh: Internet).

Đến giờ ăn, trẻ được phân công phục vụ đồ ăn cho các bạn: giáo viên sẽ múc thức ăn vào bát, đổ sữa vào ly; và trẻ sẽ bưng đến bàn của các bạn. Trẻ mặc đồng phục như một người chăm nuôi thật sự. Sau đó, những trẻ phục vụ của ngày sẽ tập trung đứng trước lớp và đồng thanh chúc các bạn ăn ngon miệng, và các bạn sẽ đồng thanh cám ơn. Trước khi ăn, người Nhật nói “Itadakimasu” (Tôi biết ơn vì được nhận đồ ăn), sau khi ăn sẽ nói ”Gochisosamadeshita” (Cám ơn vì bữa ăn), và hai điều này cũng được hướng dẫn ngay từ mẫu giáo.

Ngay từ mẫu giáo, trẻ em Nhật đã có kỹ năng xếp hàng (Ảnh: internet).

Trẻ em từ 3 tuổi trở lên được hướng dẫn tự ăn mà không cần người lớn bón, tự đem khay sau khi ăn đến nơi dọn dẹp, tự mặc quần áo, tự trải ga trải giường, tự gấp gối và nệm sau giấc ngủ trưa. Có thể nói, ngay từ cấp mẫu giáo, trẻ đã được học những bài học quan trọng đầu tiên về cách ứng xử lịch thiệp (lời cám ơn và xin lỗi), tinh thần trách nhiệm với công việc (mặc đồng phục), chia sẽ trách nhiệm trong tập thể (lần lượt đảm nhiệm việc phục vụ đồ ăn), và sự tự lập (tự phục vụ bản thân).

Tiểu học và Trung học

Ở tiểu học, trẻ em Nhật bản được học về hành vi trong đời sống hàng ngày, sự cảm nhận và phán đoán về đạo đức, pháttriển nhân cách và thái độ sáng tạo, sự nhận thức về tầm quan trọng của cách ứng xử văn minh.

Lên cấp hai, các chủ đề được mở rộng cho phù hợp với sự phát triển tâm lý của học sinh, bao gồm các chủ đề như cách phản ứng đối với lời phê bình, sự hiểu biết và tôn trọng giới tính, thái độ tôn trọng sự thật, v.v.

Đạo đức ở Nhật Bản là một môn học bắt buộc và được chú trọng nhưng lại không có giáo trình thống nhất. Điều này giúp thầy cô linh hoạt thiết kế bài giảng cho phù hợp với học sinh. Nhưng các chủ đề đạo đức trẻ em Nhật Bản được học phải bao gồm: phân biệt đối xử người thiểu số, tình bạn, bắt nạt học đường, vai trò giới tính, v.v.

(Ảnh: Internet)

Hoạt động lớp học bao gồm các bài giảng, thảo luận các câu hỏi như “Liệu việc một người đàn ông khóc có được xem là hành vi được chấp nhận?”, “Nếu bạn ngồi một mình trong lớp, em sẽ làm gì?”, đến việc giải thích các thành ngữ, thăm quan bảo tàng, viết những lá thư ẩn danh miêu tả những điểm tốt về các bạn cùng lớp...

Ngoài ra, trẻ em Nhật Bản tùy độ tuổi còn được học cẩm nang hành động bao gồm những hành động nào nên làm và không nên làm. Ví dụ: Thấy bất kỳ nơi nào vòi nước chảy không người dùng, đóng vòi ngay; gặp quạt, gặp ánh sáng điện không người dùng, phải tắt điện ngay. Không được làm tổn hại đến những sản phẩm/ vật chất công cộng, vì thế ở Nhật Bản nhiều cây ăn trái chín trĩu quả, nhiều cây hoa cảnh khoe màu sắc hấp dẫn ở công viên, ở hai bên đường đi không hề mất một quả, không bị bẻ một bông đẹp...

Hoạt động ngoại khóa

Quan trọng không kém là việc giáo dục đạo đức thông qua các hoạt động ngoại khóa. Một trong những hoạt động phổ biến tại Nhật là việc tổ chức các Lễ hội thể thao trường mỗi năm, bắt đầu từ  tiểu học. Tất cả học sinh được yêu cầu tham gia với tư cách vận động viên hay cổ động viên. Gia đình cũng được khuyến khích tham gia.

Trẻ em tiểu học Nhật đang được học nấu ăn (Ảnh: Internet).

Bắt đầu từ trung học, các trường tổ chức nhiều câu lạc bộ thể thao, âm nhạc, và các câu lạc bổ theo sở thích khác. Học sinh Nhật đặc biệt xem trọng các hoạt động ngoài giờ không kém các lớp học chính thức. Chính những hoạt động tập thể này sẽ giúp học sinh hiểu rõ về sự tập trung, nỗ lực vì bản thân, phát triển khả năng hợp tác và làm việc nhóm, cũng như cách giải quyết các mâu thuẫn tập thể.

Các hoạt động ngoại khóa... (Ảnh: internet).


... và thể thao là một trong những hoạt động quan trọng trong nhà trường (Ảnh: internet). 
 

Ngoài ra, tất cả các hoạt động hàng ngày đều được các thầy cô lồng ghép môn học đạo đức vào đó để dạy học sinh. Trẻ em Nhật Bản không phân biệt trường công lập hay tư thục, trường nghèo hay trường giàu, thành thị hay thôn quê đều phải tham gia lau dọn trường lớp, lần lượt thay phiên trực nhật, quét dọn lớp học, và các khu vực công cộng  như sân bóng rổ, cầu thang, hành lang lớp học... Các hoạt động này sẽ giúp học sinh hiểu về trách nhiệm với bản thân, chăm sóc người thân, và việc chia sẽ trách nhiệm với cộng đồng.

Trẻ em Nhật Bản không phân biệt trường nghèo hay trường giàu đều phải tham gia lao động với những việc vừa sức (ảnh: Internet).

Việc thứ hai trong hoạt động hằng ngày liên quan đến chăm sóc các sinh vật. Học sinh cho vật nuôi ăn hoặc tưới nước cho cây suốt năm học, nhiều khi cả trong kỳ nghỉ. Học sinh được làm quen và phát triển tình cảm đối với môi trường tự nhiên, động thực vật và nhờ vậy học cách trân trọng đời sống.

theo afamily.vn