Social Welfare Thorn News, 福智衍, 복지비틀기

타법 개정에 따른 사회복지법인 재무회계규칙 개정이 있어 추가로 올립니다.

실질적인 변경내용은 없습니다.

다만 보건복지가족부가 보건복지부로 재편되면서, 명칭 변경이 주요 개정의 골자입니다.
또한 제일 마지막에 부칙이 하나 더 추가되었습니다.

변경된 내용은 빨간색으로 표시하여 두었습니다.

참고하세요~

사회복지법인 재무·회계 규칙(2010-03-19 개정).hwp

별표 1-6.hwp

서식1-28.zip

Cold Reading : 상대에 대한 아무런 사전 정보가 없는 상태에서 상대의 속마음을 간파해내는 기술

① Canalization(캐널리제이션)
긍정의 유도. 대화를 시작할 때 분위기를 긍정적으로 만들어 상대방의 마음을 열어 자신이 원하는 방향으로 설득하는 기술. 긍정의 대답을 반복적으로 유도함으로써 애매한 상황에 대해 긍정적 대답을 하도록 유도한다.

② Stock Spiels(스톡 스필)
폭넓고 애매하게 설득하기. 상대방의 입장에서 심리상태나 사실을 이야기해줌으로써 신뢰를 얻는 기술로 실제로 그 사람의 마음을 읽을 필요는 없다. 사람이면 누구나 가지는 양면성을 이용하여, 상대방에 대해 실제로 보이는 것과 반대되는 상황을 두루뭉술하게 얘기함으로써 "맞아요, 어떻게 나를 그렇게 잘 아세요?" 라는 질문을 들을 수 있으면 성공! 이 기술은 상대방이 듣고 싶어하는 말을 해줌으로써 상대방의 입을 열게하는 기술이다.

③ Subtle Prediction(서틀 프리딕션)
 절대 빗나갈 리 없는 예언. 미래는 누구도 예언할 수 없다. 다만 ①,②를 바탕으로 간단한 방향성과 미래에 대해 설명하면 상대방은 당신을 완전히 신뢰하게 된다. 이 예언은 맞고 틀리고가 중요하지 않다. 맞다면 상대방은 당신을 더 믿을 것이고, 틀리다면 그 또한 문제될 것은 없다. 예를 들어 "곧 좋은 일이 생기실 거에요." 등과 같은 예언이 그러하다.

덧붙여 Subtle Negative가 있다. 이는 "~는 아니시죠?"라는 질문을 하는 것으로, "~ 이시죠?"라는 질문보다 상대방이 "네/아니오"의 어떤 답변을 하더라도 이야기를 이어가기 쉽게 한다.

- 설득의 기술, COLD READING 콜드리딩 (이시이 히로유키 지음)

콜드리딩 카테고리 자기계발 > 화술/협상 > 설득/협상 지은이 이시이 히로유키 (웅진윙스, 2006년) 상세보기

Cold Reading.mm

(▲ 클릭해서 확대해 보세요~)

[그림 : 카이스트 뉴스]

2011-04-18, 카이스트가 ADHD의 원인을 최초로 규명하였다는 기사가 실렸습니다.

ADHD는 뇌의 신경 시냅스 단백질(GIT1)이 부족해 발생한다는 것이 그것입니다.

카이스트 생명과학과 김은준, 강창원 교수의 공동연구팀은 ADHD 증상 아동들과 정상 아동들의 유전자 비교를 통해 GIT1 유전자의 염기 1개가 달라 이 단백질이 적게 만들어지는 아동들에게서 ADHD 발병 빈도가 2배 이상 높다는 사실을 발견했다. 또한 쥐를 대상으로 한 실험에서도 GIT1의 유전자를 제거해 시냅스 단백질을 합성하지 못하게 하면 과잉행동을 보이고 학습능력이 떨어지며 비정상적인 뇌파(세타파)를 내는 것이 확인했으며, ADHD 증상은 성인이 되면 사라지 듯 GIT1 결핍 생쥐도 생후 7개월, 사람의 나이로 20대가 되면 ADHD 증상이 없어진다는 사실도 밝혀냈다.

이를 통해 ADHD에 대한 치료약의 개발도 기대할 수 있을 것으로 보인다.

※ ADHD : Attention Deficit Hyperactivity Disorder, 주의력결핍 과잉행동장애
               전 세계 취학아동의 5%, 한국의 아동 10%(26만명)가 가지고 있으며, 미국은 15% 정도가 겪고 있다.

☆ 네이처 메디신(Nature Medicine, Impact Factor 27.136)의 4월 18일자 온라인 판에 게재

[출처] http://www.kaist.ac.kr/sub07/sub07_01_01.html?view_bid=research&view_id=1957

보다시피 중앙경향을 나타내는 평균과 중앙값, 최빈값은 위 그림과 같은 관계를 갖게 됩니다.
최빈값은 말그대로 빈도가 가장 많은 변수에 관한 내용이므로 가장 높은 곳에 위치하며, 중앙값은 최저값부터 최고값까지 순위를 정했을 때 정가운데(누적 50%)에 해당하는 값이 될 것입니다. 또한 평균은 위 정규분포곡선의 면적의 1/2이 되는 지점이 됩니다.

각 중앙경향의 관계는 양의 왜도분포곡선(왼쪽이 짧고 오른쪽이 긴 형태)는 오른쪽 끝부분에 다른 자료값보다 매우 큰 값이 존재하기 때문에 평균은 중앙값에 비하여 커지게 됩니다.
따라서 [ 최빈값 < 중앙값 < 평균 ]의 관계가 됩니다.

한편 음의 왜도분포곡선(왼쪽이 길고 오른쪽이 짧은 형태, 위 그림)의 경우는 왼쪽 끝부분에 다른 대부분의 자료값보다 매우 작은 값이 존재하기 때문에 평균은 중앙값에 비하여 작아지게 됩니다.
때문에 [ 평균 < 중앙값 < 최빈값 ]의 관계가 성립합니다.

한때 평균과 중앙값의 위치에 대해서 서로 바뀌어야 되는 것이 아닐까 생각해본 적이 있습니다.
그래서 무식한 방법으로 임의의 데이터 값을 만들어 몇번 시뮬레이션 해보았는데, 결국에는 위와 같은 결과가 나오는 것을 확인할 수 있었습니다. 혹시나 하는 마음에 임의로 데이터를 조작하면서까지 해보았는데... 안되더군요.
위 설명한 이유로 인해 그리 되는 것 같습니다.

update 2012. 06. 20. ----------------------------------
밑에 댓글에서 조언해주셔서 예외가 있음을 확인할 수 있었습니다.
아래는 바로 그 예외를 갖고 만들어 본 것입니다.
물론 필요한 몇가지 조건을 준용하지 않은 탓이긴 할겁니다만, 그 자체로도 흥미롭네요.

자세한 내용은 "양적 자료의 평균, 중앙값 그리고 최빈값에 대한 위치 비교 연구(조태경, 2006)"라는 자료를 한번 보세요.
국회도서관에서 전문을 PDF로 보실 수 있습니다.

예외.xls

-----------------------------------------------------


아래는 위 그림에서와 같은 정규분포곡선을 그리기 위한 엑셀 서식과 그래프입니다.
혹시 필요하실 듯하여 첨부합니다.

정규분포곡선.xls