دیدگاه عمیق تر » جوخه کد


وقتی دانش‌آموزان Code Platoon را شروع می‌کنند، از آنها می‌خواهیم مهم‌ترین نگرانی‌های خود را در مورد برنامه آینده به اشتراک بگذارند. به ناچار موضوع سندرم ایمپوستر مطرح می شود و اکثر دانش آموزان در مورد توانایی خود در یادگیری و اجرای این مهارت ابراز تردید می کنند.

پس از انجام تحقیقات کافی در مورد این موضوع، متوجه شدم که کمبود زیادی در مورد موضوع سندرم خیانتکار به طور کلی وجود دارد، اما به طور خاص در رابطه با دنیای فناوری – در مورد ما، مهندسی نرم افزار. . هدف در اینجا ارائه دیدگاه عمیق تری است که من صمیمانه امیدوارم که جرقه گفتگوی معنادار باشد.

من متوجه شدم که دو چیز، به ویژه، در ادبیات سندرم خیانتکار وجود ندارد، که هر دو برای درک ما بسیار مهم هستند. مورد اول آکادمیک‌تر است، اما قبل از اینکه به دومی بپردازم، آن را به اصول اولیه خلاصه می‌کنم، که بیشتر یک رویکرد مبتنی بر عقل سلیم برای نحوه شروع مشاهده آن است.

ابتدا، می‌خواهم ذهن خود را به هر نقطه‌ای قبل از قرن بیستم برگردانید و از خود بپرسید: اگر در آن دوره وجود داشتم، برای امرار معاش چه کار می‌کردم؟ هر پاسخی که پیدا کنید، تقریباً 99٪ تضمین وجود دارد که با دستان خود کار می کنید و برخی از آنها را ملموس می کنید. چیز.

فرض کنید در قرن هفدهم در فلزات کار می کردید. شاید شما نعل اسب یا شمشیر (یا هر دو) ساخته اید. شما از تکنیک ها و موادی استفاده می کردید که بسیار کاربردی بودند و در پایان هر کاری می توانستید نگه دارید نتیجه کار، بلکه – و شاید مهمتر از آن – بلافاصله استفاده از آن را ببینید (یا مشاهده کنید که شکست می خورد).

به عبارت دیگر، نتایج کار شما فوراً به معنای ملموس قابل تشخیص بود. یا موفقیت آمیز بود، یا پولی دریافت نکردی.

شما می توانید کارهای فلزی را با مشاغل دیگری مانند کشاورزی، دامداری، مراقبت، نساجی و غیره مبادله کنید، و این یکسان است: نتایج قابل توجه و فیزیکی حاصل از کار شما.

به عبارت دیگر، رمز و راز زیادی در کاری که برای امرار معاش انجام دادید وجود نداشت.

به سرعت به امروز و بیشتر ما روی رایانه‌ای کار می‌کنیم که نوعی رابط را نمایش می‌دهد که به صورت گرافیکی واقعیت 1 و 0 را به قالبی تفسیر می‌کند که ذهن ما بتواند با آن کار کند، اما به شیوه‌ای کاملاً نامشهود. من نمی توانم کارم را فراتر از صفحه نمایش رایانه ای که از طریق آن به آن دسترسی دارم لمس کنم، که من را از کاربر نهایی جدا می کند.

این جدایی منجر به اضطرابی می‌شود که ممکن است به مقدار کمی در اجداد من وجود داشته باشد، اما اکنون با قطع ارتباط با ملموس بودن به 11 رسیده است. آیا من کارم را انجام می دهم؟ آیا آن است در حقیقت فراتر از نمایش های عددی روی صفحه نمایش موفق است؟

از کجا بفهمم که هستم واقعاً در حرفه انتخابی من خوب هستم؟

به بیان ساده، ما به عنوان یک گونه عمدتاً هزاران هزار سال است که با دستان خود کار می‌کنیم، و اکنون، به طور ناگهانی – حداقل در گستره تاریخ – چنین نیستیم.

باز هم، تردید به خود در مورد اینکه آیا ما برای انجام یک نقش خاص به اندازه کافی خوب هستیم یا نه، مطمئناً همیشه وجود داشته است، زیرا صرفاً محصول انسان بودن است (نداشتن این شک، خودشیفتگی نامیده می شود، اما ما به آن باز خواهیم گشت. که در یک دقیقه). فقط این تغییر در نوع کاری که ما به عنوان یک گونه انجام می دهیم، ما را کمی دور انداخته است و باید خود را وفق دهیم.

مبادا کسی فکر کند که من از بازگشت به حالت سابق دفاع می کنم، اجازه دهید خیال شما را راحت کنم و به شما اطمینان دهم که چنین کاری را انجام نمی دهم. ما اکنون اینجا هستیم و باید یاد بگیریم که چگونه با چه چیزی کنار بیاییم است.

با توجه به این نکته، به نقطه شماره دو می پردازیم، که صریح خواهد بود، اما در عین حال به معنای تسکین آن است، پس با خواندن این مطلب همراه من باشید.

شما هستند یک متقلب درست است. من آن را گفتم. تو یه شیاد هستی

اگر در حال انجام یک کار جدید هستید، یا نقش جدیدی را بر عهده گرفته اید – حتی ارتقای شغلی در شرکتی که مدتی در آن کار کرده اید – شما طبق تعریف، در آن موقعیت، یک فریبکار هستید.

تا زمانی که نباشی

در نقطه ای جادویی که هیچ یک از ما نمی توانیم آن را به درستی تشخیص دهیم، ما تبدیل شود هر کاری که شروع کردیم ما تا جایی که در آن نقش هستیم به عنوان یک عمل کننده یک نقش عمل می کنیم.

من با پزشکانی صحبت کرده‌ام که دقیقاً همین موضوع را تکرار کردند – آنها دوره رزیدنتی خود را به پایان رساندند و احساس می‌کردند کلاهبردار هستند، مثل اینکه کاری برای انجام کاری که انجام می‌دهند نداشتند.

و سپس، به طور مرموزی، آنها همان چیزی شدند که قرار بود باشند.

زمانی که من در ارتش بودم، یک ضرب المثل داشتیم که می گوید: «تقلید کن تا درستش کنی!» حقیقتی بیش از آن چیزی است که بسیاری از مردم می خواهند بدانند، به ویژه در جامعه مدرن ما.

ما معمولاً انگیزه زیادی برای انجام کارهای خاص نداشتیم، اما اگر ما تظاهر کرد ما انجام دادیم، که واقعی شد، و voila، ما از فریبکاران به معامله واقعی رسیدیم. مطمئناً، قدرت عمل کردن به عنوان چیزی قبل از شما آن چیز واقعی است، زیرا به شما قول می دهم که هرگز انگیزه ای برای انجام یک راهپیمایی راک نداشتم، اما مثل یک بار بیشتر دنبال آن رفتم.

واقعیت ساده این است که اگر همانطور که در بالا به آن اشاره شد، احساس فریبکاری ندارید، این شما را تبدیل به یک خودشیفته می‌کند. اگر واقعاً باور دارید که چیزی هستید که نیستید، این نشانه خودشیفتگی است، بنابراین در واقع، سندروم فریبکار قطعاً سالم است.

سوال واقعی این است: با آن چه کار می کنی?

اگر این احساس را دارید که یک فریبکار هستید و می خواهید در گوشه ای پنهان شوید، این فقط این شک ها را تقویت می کند و چیزی سالم را به ناسالم تبدیل می کند.

برعکس، اگر از این احساسات به عنوان انگیزه ای برای یادگیری بیشتر استفاده می کنید، در مسیر درستی هستید.

بنابراین، با در نظر گرفتن همه این موارد، چگونه می‌توانیم یک شک و تردید سالم نسبت به خود را به یک چیز مثبت‌تر تبدیل کنیم؟

  1. رابطه خود را با زمان و مکان تشخیص دهید. می دانم که این کمی باطنی به نظر می رسد، اما کاملاً اساسی است. آنچه را که در بالا در مورد کار با یک محصول فیزیکی گفتم به خاطر دارید؟ بسیاری از سندروم خیانتکار به این بستگی دارد که کار شما و جهان چقدر بزرگ به نظر می رسد، بنابراین برای مقابله با آن، باید جایی که هستیم را در آغوش بگیریم. همین الان. از آنچه “آن بیرون” و در گوشه و کنار است غرق نشوید. روی گام های کوچک پیش روی خود تمرکز کنید.
  2. در مورد آن، از روش «تکه کردن» استفاده کنید که افرادی مانند دکتر باربارا اوکلی از آن حمایت می‌کنند، که در آن شما برای دوره‌های کوتاه‌تر اما شدیدتر (حدود 20 دقیقه) کار می‌کنید. به مدت 20 دقیقه روی یک کار تمرکز کنید با این قول که ده دقیقه استراحت خواهید کرد و از اینکه چقدر می توانید به دست آورید شگفت زده خواهید شد، اما همچنین در رفع این شک و تردیدها پس از انجام این روش برای مدت زمان طولانی، شگفت زده خواهید شد. هفته
  3. هدفمند به دنبال «کمربند سیاه» در رشته خود با فروتنی برای یادگیری باشید. وقتی جیو جیتسو برزیلی انجام می‌دادم، همیشه به دنبال مردی می‌گشتم که رتبه اول را در اتاق بازی کنم، نه به این دلیل که فکر می‌کردم می‌توانم او را شکست دهم، بلکه به این دلیل که من می دانست من می باختم – فقط در حالی که بیشتر یاد می گرفتم بازنده می شدم.

اگر کارشناسان را بیابید و سؤالات اساسی بپرسید، حتی اگر از راه دور حرفه ای باشند، با کمال میل به شما کمک خواهند کرد. جهل فروتنانه یک رویکرد عالی برای یادگیری است.

اگرچه در مورد این موضوع چیزهای بیشتری برای گفتن وجود دارد، اما هدف در اینجا ارائه یک موضوع آکادمیک در مورد همه چیزهایی که در مورد سندرم ایمپوستر وجود دارد، نیست. در عوض، هدف این است که با برخی از نکات مکالمه ای که من به ندرت می بینم در مورد این موضوع مورد بحث قرار گرفته باشد، توپ را به حرکت درآوریم، اما به اعتقاد من برای درک ما از آن، اساسی است.

در این یادداشت، من یک فکر نهایی را در پایان ارائه خواهم کرد. دنیای مدرن ما چیزی بی سابقه در تاریخ بشر به ما می دهد: مفهوم انتخاب. انتخاب‌های فراوانی برای همه چیز در اطراف ما وجود دارد، چه در سرگرمی‌هایمان (نتفلیکس، آمازون، هولو، و غیره)، غذا، یا شغل‌هایمان.

در کنار آن اضطراب ناشی از احتمال انتخاب نادرست نیز وجود دارد. ما حتی زمانی که عنوان نتفلیکس را برای تماشا انتخاب می‌کنیم، این را احساس می‌کنیم، اما هیچ‌جا به اندازه تعیین شغل ما وحشت‌انگیز نیست.

بنابراین، در قلب نسخه مدرن سندرم ایمپوستر یک سوال درونی مبتنی بر ترس نهفته است: آیا شغل اشتباهی انتخاب کردم؟؟

پاسخ کوتاه مدت به این سوال ساده است: مهم نیست. شما در همان جایی هستید که در حال حاضر هستید، پس آن را تا زمانی که به سراغ چیز بعدی بروید، در آغوش بگیرید (به شماره 1 در بالا مراجعه کنید).

پاسخ طولانی مدت و مرتبط تر به این سوال برای این پست نیست، زیرا شامل متغیرهای بسیار زیادی است که در اینجا مورد بحث قرار نمی گیرد. در حال حاضر، فقط روی کوتاه مدت تمرکز کنید و گفتگو را با برخی از این نکات بالا با همکاران و دوستان خود شروع کنید و ببینید به کجا می رسد.





منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]