孩子任性的原因,如何正确对待孩子的任性行为

儒家认为:君子处事,惟义所在,不拘泥于文字。所以,当孩子任性的时候,我们先判断孩子的任性是否合乎“义”?合乎“义”,家长就应该妥协,反之,必须坚持,这是一个基于“义”而动态变化的判断。

儒家认为君子做事要有仁义,不拘泥于言词。所以,当孩子任性的时候,我们先来判断孩子的任性是否“正义”。父母要按照“义”妥协。相反,他们必须坚持下去。这是一个基于“义”而动态变化的判断。

“义”分为两种:

一是家长的“义”:

比如爸爸每天晚上在家玩《王者荣耀》,但是爸爸要求儿子不要每天玩手机游戏。今天儿子说:我不会玩游戏,我爸也不会,但是我爸说我会玩游戏,所以双方僵持不下。

当孩子任性的时候,作为父母应该"妥协"还是应该"坚持原则”?

这时,谁是“义”谁不是呢?也许每个人都有不同的看法。关键在于你是否认同儒家“修身齐家治国平天下”的价值观。

如果你认同教育世界需要先改变国家,教育国家需要先改变家庭,教育家庭需要先改变自己的价值观,一切都要靠自己和别人,那么在这个时候,爸爸就不符合“仁义”了,家长就应该妥协。

二是孩子的“义”:

比如孩子在学校提出这个要求,老师和同学会接受吗?如果不被接受,就是“委屈”,那么家长就要坚守原则。

比如到了吃饭的时间,他说不想吃,想吃零食。这个要求在学校肯定不会被接受,所以在家里,家长一定要纠正孩子的“不公正”行为。

当孩子任性的时候,作为父母应该"妥协"还是应该"坚持原则”?

因为孩子需要现实世界的真实反馈:哪些行为是“正义的”,哪些是“不正义的”。因为老师和家长不可能给孩子一切:是否所有情况下的所有行为都是“正义的”。孩子一定要不断尝试,然后得到真实的反馈。慢慢地,他们就会知道“义”和“非义”的关系。

了解了这种关系之后,他就可以对自己能做什么和不能做什么做出推论。很多孩子都叫熊海子,但本质上他并不知道某些行为在某些场合是“不公正”的。

比如在高铁上,有的熊海子会大声说话,再爬上爬下,旁边的乘客会受到严先生的影响。但是,当你观察他们的父母时,你最多只能说一两句“不要这样”,然后你就会专注于自己的事业。

当孩子任性的时候,作为父母应该"妥协"还是应该"坚持原则”?

这就是典型的情况:父母对孩子的行为不给予现实世界的反馈,孩子完全没有概念,这一幕中的这种行为是不“正义”的。

如果父母平时在家教育熊海子的“不义”行为,熊海子也不会变成熊海子。

所以,当孩子任性的时候,作为父母应该"妥协"还是应该"坚持原则”?

这个问题没有标准答案,但情况可以分为两种:优秀的父母教育孩子“仁义在哪里”,平庸的父母“统治”孩子。

内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/113862.html

(0)

相关推荐

  • 数字人民币试点呈现“全面开花”

    不论是覆盖地区、应用场景,还是钱包开立数量,数字人民币试点目前呈现“全面开花”态势。最新数据显示,数字人民币个人钱包累计开立数量已经过亿;数字人民币北京冬奥试点场景建设已进入冲刺阶段:北京赛区受理环境建设工作正加快推进;张家口赛区冬奥安保红线内支付场景基本全覆盖。应用场景也向纵深推进,除了日常生活消费场景之外,数字人民币将首次扩展到证券行业等领域。(经济参考报)

    科技 2021年11月26日
  • 王健林的万达商业冲刺港股:上半年净利润下降20%,王思聪亏损20亿。

    雷递网 雷建平 10月22日报道 珠海万达商业管理集团有限公司(以下简称“万达商业”)昨日向港交所递交招股书,准备赴港上市。 万达商业管理准备在a股上市,但回归a股之路非常艰难。2...

    生活 2021年10月22日
  • 被称“中国版YouTube”,避开腾讯、优酷的锋芒,抢占2.67亿用户

    在视频网站领域,腾讯视频、优酷视频以及爱奇艺视频,无疑是行业的三大龙头,他们之间的竞争也非常火爆,为了抢夺版权,三大视频巨头打响“烧钱大战”,长期以来,他们都处于你追我赶的状态。 ...

    科技 2021年11月24日
  • 吃中药对肝脏有损害吗,肝脏不好吃中药能调理好吗

    好多患者想吃中药调养身体,但是又听人说中药会伤肝,于是在吃与不吃之间纠结不已,摇摆不定。中药可以伤肝,也可以保肝、护肝,就像“水能载舟,亦能覆舟”一样,关键是看如何去正确使用中药。

    生活 2021年11月14日
  • 干货!面向开放世界的推荐系统:基于图结构学习的归纳式协同过滤

    基于协同过滤的推荐模型通过将观察到的用户评分矩阵分解为两组嵌入因子(用户embedding和物品embedding)的内积,可以有效地估计潜在的用户兴趣并预测用户的未来行为。然而,特定于用户的嵌入因子只能以传导式(transductive)的方式学习,这使得推荐模型很难处理测试数据中的新用户。在现实场景中,推荐模型往往只能在有限时间窗口内收集的数据上训练,在未来的测试阶段则需要处理训练阶段未见的新用户。本文提出了一种可以实现归纳式学习的新型协同过滤方法。该方法包含两个表示学习模型:第一个模型遵循传统的矩阵分解方法,即对一组种子用户(key users)的评分矩阵进行分解,以获得他们对应的嵌入因子;第二个模型采用基于注意力机制的图结构学习方法,估计新的查询用户(query user)与种子用户之间的隐含关系,并通过图上的神经消息传递来归纳式的估计查询用户的嵌入表示。理论分析表明本文提出的模型可以保证与矩阵分解等价的表示能力。在5个公开数据集上的实验表明,我们的方法能够显著提升在具有少量行为数据的用户上的推荐性能,并且当模型仅在一部分用户上完成训练后可以有效迁移到新用户(不需要新的训练)。

    科技 2021年12月2日
  • 你准备好了吗?12345,赶紧去天府。

    一二三四五,赶快去天府!

    生活 2021年10月22日