Read Article

一人一人の経験が新しい知恵を作る・・・温故知新を繰り返す私たち

(初出 Blog NLP Rightフィールド2011.6.27)

どんなに最新の書籍や雑誌メディアに載っている
“新しいトレンド”、“新しい考え方”に
私たちがそれと出会って、知ることになるときは

すでに“誰か”が考え吟味して
形にしてくれたものであることは
言うまでもありません。

そういった
ノウハウ、ハウ・トゥー、あるいは哲学は、
人類が数百万年の歴史で
口伝や書物、あるいは体験で
磨き上げてきたものと
言えるかもしれません。

そして、何百万年と何億、何十億の人の
目に触れ、耳を通って
役に立つもの、役に立った無いものの
自然淘汰を経ながら

現在見ることの出来る
メディアにたどり着いた。

そんな、悠久の時間と人の繋がりを
感じることが・・・・

それほど大げさなことではなかったとしても
こんな事もあったかもしれません。

そう、若い頃、たとえば中学の頃や
高校の頃、親や先生から
「やりたいことをやれる時間のある“今”やっておきなよ」
なぁ〜んてことを言われたり。
その「やりたいこと」を「勉強」そのまま置き換えた
フレーズを言われたり。

そしてそのことは、
実際、社会人になって、20代、30代と
経験を重ねるうちに

まず、「やっておけば良かった」という気づきと同時に
ちょっとした(ちょっとしない?)後悔の気持ちが
起こったり。

その気持ちが起こることは
十数年前に人生の先輩から聞いたことの
いくつかが、自分にとっても「真実」だった
事に気付いたからでしょう。

そして、私たちが、その「真実」に
気付いたとき、3つの行動を取る事が
できます。・・・過去にはこのいずれかを選んだのかもしれません。

1.後悔し続けて、今も気にし続ける。
2.終わったこととして、気にしない。
3.今その教訓を活かす行動を考える

これらの中間はあったにせよ
どれかの選択をしたのかもしれません。

1.は、その「真実」を足かせにしてしまうパターン
2.は、「薬」にも「毒」にもしないパターン
3,は、その「真実」を活用するパターン

です。

「温故知新」という態度は、
もうお気づきでしょうが、どの選択が最も近いでしょうか?

どんな出来事や、知り得たことも
間違いなく、誰か(あるいは自分)が、
いずれかの状況で試していて、
うまくいったこと、
もしくは、うまくいかなかったので反面教師としたい
そんな体験です。

それらのことが、確実に役に立っていた状況があった
事は間違い有りません。

もし、これを料理の材料に喩えれば
あとは、自分が、自分の好みに合う(役に立つ)ように
どんなふうに料理をするのか・・・・次第だということになります。

そう考えながら、

何百万年と何億、何十億の人の
目に触れ、耳を通って
役に立つもの、役に立った無いものの
自然淘汰を経ながら
熟成されてきた沢山の知恵が

現在、私たちの周りでは沢山のメディアを通して
手に入れることが出来ます。

自分たちの先輩やまた仲間の知恵もまた
手に入れることが出来ます。

そこから、“今”、私たちは、どんな“役立つ”知恵を
選んで使い放題とも言えます。

そして、自分自身も
何百万年と何億、何十億の人が
磨いてきた知恵を
磨く流れの一部として、自分の実体験として
実践することが出来ます。

それも、自分が自分のために役に立つものとして。
これまでの知恵の資産を受け取り
次の人に渡していくということです。

実は、「温故知新」ということは
ただ、古き良きものを・・・と言うだけではなく
私たちが、私たちのリアルな経験、バーチャル(書物を読んで知った)経験
その両方を、自分で実践しながら
活用していくこと、行動して行くこと
を教えてくれている。

そんな「知恵」の一つだったのかもしれない。
そう、僕自身の知恵として、活かしていこうと思っています。

その意味では、僕は学んでいるNLPも
人の可能性を広げていこうという思いで
これまで開発、実践で関わってきた
沢山の人たちの、「知恵」の集まりですし
それを「活かしてきた」歴史の集まりです。

皆さんにとって、もし、今
自分の成長や、可能性への必要を感じるとき
または、相手や仲間との成長が
必要になってきたとき、

NLPという「知恵」は必ずあなたのものとして
生きてきます。

私たち日本人が、学んできた
「温故知新」という「知恵」の流れの中で
役に立つものとして活かすことが出来ると思います。

この視点、とらえ方でもう一度NLPを
考えてみる、きっと良いヒントが見つかるはずです。

URL :
TRACKBACK URL :

LEAVE A REPLY

*
*
* (公開されません)

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください

Return Top