Counseling with Craton

ကျွန်တော့်ရဲ့ ထိုင်း၊ ဗီယက်နမ် ခရီးစဉ် အမှတ်တရလေးတွေ။ လောလောဆယ်တော့ ထိုင်းနိုင်ငံ၊ Krabi မှာ။ မနက်ဖြန် ဘန်ကောက်သွားပြီး နောက်ထပ် ၆ရက်လောက် နေဦးမယ်ဗျာ။ ပိတောက်ပန်းတွေ တွေ့ခဲ့ရပြီး နမ်းခဲ့ရတာတော့ တော်တော်အမှတ်တရပါပဲ။ snorkeling လည်း လုပ်ခဲ့ပါတယ်။

ဘန်ကောက်က လှပကြွရွစွာ သက်ဝင်လှုပ်ရှားနေ

Relationship တစ်ခု အဆင်ပြေနေတယ်၊ လက်ထပ်ထိမ်းမြား မင်္ဂလာဆောင်ပြီးပြီဆိုတိုင်းလည်း ဒါဟာ ရေရှည်မှာ healthy ဖြစ်ပြီး အောင်မြင်ပျော်ရွှင်နေမှာလို့ ပြောလို့မရဘူး။ အဲ့လိုပဲ စေ့စပ်လက်စွပ်၊ လက်ထပ်လက်စွပ်က စိန်ရွှေပတ္တမြားတွေ ဘယ်လောက်ကြီးတာ၊ ဘယ်လောက်တန်တာနဲ့ အိမ်ထောင်တစ်ခုရဲ့ health and wellbeing ကို ကြိုတိုင်းတာခန့်မှန်းလို့ မရဘူး။ ဒါတွေက ခဏတာသာ တပ်မက်ကြည့်ရှုလို့ကောင်းတဲ့ အပေါ်ယံအရာ material တွေပဲ။ တကယ်တမ်း အချိန်တစ်ခုကြာတဲ့အခါမှာ ကိုယ့်ပါတနာက ကိုယ့်ကို ဘယ်လိုဆက်ဆံသလဲ၊ ဘယ်လောက် သည်းခံနားလည်မှု ပေးနိုင်သလဲ၊ ခွင့်လွှတ်စာနာမှု ရှိလား/မရှိဘူးလား၊ ကိုယ်ချင်းစာစိတ် ရှိလား/မရှိဘူးလား၊ ဘယ်သူမှ ကိုယ့်ဘက်က မရပ်တည်ချိန်မှာ သူကိုယ့်ဘက်က ရပ်တည်သလား/မရပ်တည်ဘူးလား၊ ကိုယ့်ကို သူများ​တွေ မကြင်မနာ ရိုင်းရိုင်းပျပျ ဆက်ဆံ​နေတဲ့အခါ ကိုယ့်ကို ကာကွယ်​ပေးသလား/မကာကွယ်​ပေးဘူးလား၊ တစ်ခုခုဆို အတူတူ ညှိနှိုင်းဆွေးနွေးနိုင်စွမ်း, မျှမျှတတ တွေးခေါ်ပေးနိုင်စွမ်း ရှိလား/မရှိဘူးလား ဆိုတာတွေကပဲ အဖြေပေးသွားမှာ။ ဒါတွေကပဲ relationship တစ်ခုရဲ့ health and success ကို အဆုံးအဖြတ်ပေးသွားတာ။ အမေရိကမှာတော့ စစ်တမ်းတွေအရ လက်ထပ်ပြီးသူ ၄၀% ကနေ ၄၅% ဟာ ကွဲကြတာပဲတဲ့။ ဆိုတော့ လက်ထပ်ပြီးညားသွားတာ၊ မင်္ဂလာအကြီးအကျယ်ဆောင်နိုင်တာ၊ ဘာတွေနဲ့တင်တောင်းတာတွေထက် ဒီ relationship မှာ နှစ်ဦးစလုံးရဲ့ စိတ်ချမ်းသာမှုနဲ့ ပျော်ရွှင်ကျေနပ်မှုဟာ ဘယ်လောက်၊ ဘယ်အချိန်ထိရှိနေမလဲဆိုတာက ပိုအရေးကြီးတယ်။

Counseling with Craton

မနေ့ကပဲ အမေရိကရဲ့ ဗာဂျီးနီးယားပြည်နယ်မှာ Redistricting Referendum 2026 အတွက် ပြည်သူတွေမဲပေးကြတာ နိုင်သွားလို့ သမ္မတဟောင်း အိုဘားမားက သူ့ ဆိုရှယ်မီဒီယာမှာ ဂုဏ်ပြုစကားဆိုထားတယ်။ ဒီမိုကရက်​တွေအတွက် မျှော်လင့်ချက်တစ်ခု ဆိုရမှာပဲ။ US ရဲ့ Redistricting map တွေအကြောင်း၊ gerrymandering အကြောင်းကို အရင်က သေချာနားလည်အောင် လိုက်ဖတ်ဖူးပေမဲ့ သေချာ စီကာပတ်ကုံး မရှင်းပြတတ်တာနဲ့ ChatGPT ကို မေးခွန်းသေချာပြန်စီပြီး တစ်ချက်ချင်းမေးကြည့်တော့ သူရှင်းပြထားတာလေး တော်တော်ပြည့်စုံပြီး ဘက်လိုက်မှုသိပ်မရှိတာနဲ့ (ကျွန်တော် နည်းနည်းပါးပါးဖြည့်စွက်ပြီး) ပြန်ကော်ပီတင်ပေးလိုက်တယ်။ ပို့စ်က နည်းနည်းတော့ ရှည်သွားတယ်။ နိုင်ငံရေးစိတ်မဝင်စားရင် ဖတ်ရတာ ပျင်းဖို့တော့ကောင်းမယ်။ ကျွန်တော်ကတော့ အရမ်းစိတ်ဝင်စားတယ်။

အခုအမေရိကမှာ ဖြစ်နေတဲ့ gerrymandering (မဲနယ်မြေကို နိုင်ငံရေးအကျိုးအတွက် ဆွဲပြောင်းခြင်း) ကိစ္စကို ပြောရမယ်ဆိုရင်—�တစ်ခုချင်းစီဖြစ်ပွားနေတဲ့ case မဟုတ်တော့ဘဲ နိုင်ငံလုံးဆိုင်ရာ “ပါတီအချင်းချင်းပြိုင်ဆိုင်တဲ့ map war (arms race)”လို ဖြစ်နေပြီဆိုတာကို အရင်နားလည်ရမယ်။

🔴 ၁။ လက်ရှိ gerrymandering situation (2025–2026)
အခုအချိန်မှာ—
* Republican နဲ့ Democratic နှစ်ပါတီလုံးက
* မိမိပါတီ Congress seat များလာဖို့ district map ကို ပြန်ဆွဲနေကြတယ်
ဒီလိုကို သုတေသနတွေမှာ “arms race” လို့ခေါ်ကြတယ်
👉 အရေးကြီး point:
* US House မှာ majority က နည်းနည်းပဲ ကွာနေတယ်
* district နည်းနည်းပြောင်းတာနဲ့ seat ၂–၅ ခုလောက် ပြောင်းနိုင်တယ်

🧭 ၂။ Trump influence နဲ့ Republican side
* Donald Trump က�Texas မှာ map ပြန်ဆွဲဖို့ အားပေးခဲ့တယ်
* Texas map က Republican seats တိုးလာအောင် ရည်ရွယ်ထားတယ်
👉 ဒါကြောင့်�Republican states တချို့မှာ mid-decade redistricting (သက်တမ်းအလယ်မှာ map ပြန်ဆွဲခြင်း) စတင်ဖြစ်လာတယ်
ဥပမာ — Texas
* legislature က map အသစ် အတည်ပြု
* တရားရုံးက “racial gerrymandering ဖြစ်နိုင်တယ်” လို့ ပြောပြီး တားခဲ့
* နောက်ဆုံးမှာ Supreme Court of the United States က�map ကို သုံးခွင့်ပေးခဲ့တယ်
👉 ဒီ case က nationwide trend ကို trigger လုပ်ခဲ့တယ်

🔵 ၃။ Democratic side response
Republican states တွေ map ပြန်ဆွဲတာကို�Democratic states တွေကလည်း counter-attack လုပ်လာတယ်

ဥပမာ — Virginia (2026)
* လူထုမဲပေးပြီး map ပြန်ဆွဲဖို့ အတည်ပြု
* Democratic advantage ရနိုင်တဲ့ map ဖြစ်လာနိုင်တယ်
* အရင် bipartisan commission ကို ခဏဖယ်ပြီး�legislature ကို power ပြန်ပေးလိုက်တယ်
👉 ဒါကို analysts တွေက�“Republican gerrymandering ကို တန်ပြန်လုပ်တာ” လို့မြင်ကြတယ်

⚖️ ၄။ ဘာကြောင့် Republican states = legislature / Democratic states = public voting လို မြင်ရတာလဲ

အကြောင်းရင်း ၃ ခုရှိတယ်—
(၁) State law မတူတာ
* Republican states တချို့ → ballot initiative မရှိ�👉 လူထုမဲပေးပြီး system ပြောင်းမရ
* Democratic states တချို့ →�👉 လူထု vote နဲ့ commission / rule ပြောင်းနိုင်

(၂) Existing system
* Legislature control ရှိတဲ့ state → map ကို legislature ဆွဲ
* Commission system ရှိတဲ့ state → public voting နဲ့ ပြောင်းလဲတတ်

(၃) Political incentive
👉 နှစ်ပါတီလုံးမှာ common pattern:
* ကိုယ်နိုင်မယ့်နေရာ → legislature control ကိုထောက်ခံ
* မနိုင်တဲ့နေရာ → commission / court ကိုထောက်ခံ

🗺️ ၅။ ဘယ်ပြည်နယ်တွေ map ပြန်ဆွဲပြီးပြီလဲ (2026 cycle)
✔️ Already adopted maps
* Texas
* California
* Missouri
* North Carolina
👉 ဒီပြည်နယ်တွေမှာ map အသစ် သုံးဖို့ လုပ်ပြီးသား

🔄 Ongoing / still fighting
* Virginia (vote ပြီးသော်လည်း lawsuit ရှိနေတယ်)
* Florida
* Maryland
* Washington
👉 တရားရုံး / နိုင်ငံရေး အငြင်းပွားမှုတွေ ဆက်ရှိနေတယ်

⚡ ၆။ အဓိက takeaway
👉 အခုအခြေအနေကို တစ်ကြောင်းနဲ့ ပြောရရင်—
“ပါတီနှစ်ဖက်လုံး map ကို မိမိအကျိုးအတွက် ပြန်ဆွဲနေတဲ့ nationwide competition ဖြစ်နေပြီ”
* Republican → Texas ကဲ့သို့ legislature-driven redistricting
* Democratic → California / Virginia ကဲ့သို့ voter-driven or counter maps
👉 Result:
* Court cases တိုးလာတယ်
* Public voting (referendum) တွေလည်း တိုးလာတယ်
* System တစ်ခုတည်း မရှိဘဲ state-by-state war ဖြစ်နေတယ်

အခု gerrymandering ကို ဘယ်လိုနည်းလမ်းတွေနဲ့ လုပ်ကြတာလဲ ကို လူတွေ အများဆုံးမသိသေးတဲ့ core techniques ၂ ခုနဲ့ ရှင်းပြမယ်—

🧠 ၁။ “Packing” (တစ်နေရာထဲ စုထည့်ခြင်း)
👉 အဓိပ္ပါယ်�ပါတီတစ်ဖက်ရဲ့ မဲပေးသူတွေကို district တစ်ခုထဲ အများကြီး စုထည့်လိုက်တာ
📊 ဥပမာ
မြို့တစ်မြို့မှာ—
* 🔵 Democratic voters = 60%
* 🔴 Republican voters = 40%
အကယ်၍ fair map ဆိုရင်�👉 Democrats 3 seats / Republicans 2 seats လောက်ရနိုင်တယ်
ဒါပေမယ့် packing လုပ်လိုက်ရင်—
* District 1 → Democrats 90%
* District 2–5 → Republicans အနိုင်ရအောင် ချိန်ထား
👉 Result
* Democrats → 1 seat ပဲ
* Republicans → 4 seats
👉 မဲအများကြီးကို “အလွတ်ပျက်” ဖြစ်အောင် တစ်နေရာထဲပိတ်ထားတာ

✂️ ၂။ “Cracking” (ခွဲပစ်ခြင်း)
👉 အဓိပ္ပါယ်�ပါတီတစ်ဖက်ရဲ့ မဲပေးသူတွေကို district အများကြီးထဲ ခွဲပစ်လိုက်တာ
📊 ဥပမာ
Democratic voters 60% ကို—
* District 1 → 45%
* District 2 → 48%
* District 3 → 49%
* District 4 → 47%
* District 5 → 46%
👉 district တစ်ခုမှ majority မရတော့ဘူး
👉 Result
* Republicans → 5 seats 😮
* Democrats → 0 seats
👉 အများစုကို “နည်းနည်းစီဖြန့်ပြီး” အနိုင်မရအောင်လုပ်တာ

🧩 ၃။ ဒီနည်း ၂ ခုကို ပေါင်းသုံးကြတယ်
တကယ့် map တွေမှာ—
* တချို့နေရာတွေမှာ packing
* တချို့နေရာတွေမှာ cracking
ကို ပေါင်းသုံးတတ်ကြတယ်
👉 ဒါကြောင့် map တစ်ခုလုံးကို ကြည့်ရင်�“လူဦးရေနဲ့မဟုတ်ဘဲ နိုင်ငံရေး logic နဲ့ ဆွဲထားတာ” ကို တွေ့ရတယ်

🗺️ ၄။ ဘာကြောင့် map တွေ မမှန်ကန်တဲ့ပုံစံတွေ ဖြစ်သလဲ
အဲဒီနည်းတွေကြောင့် district တွေက—
* လမ်းကြောင်းလို လှည့်ပတ်နေတယ်
* မြို့တစ်ခုကို အပိုင်းအစများ ခွဲထားတယ်
* တစ်ခါတစ်လေ “snake shape” လိုပုံထွက်တယ်
👉 ဒီပုံစံတွေက�Gerrymandering ရဲ့ visual sign တွေပါ

⚖️ ၅။ ဘာကြောင့် ပြဿနာဖြစ်တာလဲ
ဒီနည်းတွေကြောင့်—
* လူတွေရဲ့မဲတွေ များတယ်ဆိုပေမယ့် seat မရနိုင်ဘူး
* voters ရဲ့ “voice” distort ဖြစ်တယ်
* democracy ရဲ့ fairness (တရားမျှတမှု) လျော့သွားတယ်

🔑 တစ်ကြောင်းချုပ်
👉 Packing = မဲတွေကို တစ်နေရာထဲပိတ်�👉 Cracking = မဲတွေကို ခွဲပစ်
➡️ နှစ်ခုလုံးရဲ့ goal တစ်ခုတည်း—�မိမိပါတီ seat များလာအောင် voters ကို ပြန်ညှိခြင်း

တိုက်ရိုက်ပြောရရင်—�👉 ပါတီတစ်ခုတည်းကပဲ ဒီ packing and cracking တွေကို ပိုလုပ်တယ်လို့ သတ်မှတ်လို့မရပါဘူး�👉 Republican လည်း သုံးတယ်၊ Democratic လည်း သုံးတယ်
ဒါပေမယ့် “ဘယ်ပါတီက ပိုအကျိုးခံစားနေရလဲ” ဆိုတာကို နည်းနည်းခွဲကြည့်ရင် ပိုရှင်းလာမယ်။

🧠 ၁။ သီအိုရီအရ (principle)
Gerrymandering ဆိုတာ—
👉 အာဏာရှိတဲ့ပါတီက သုံးတာ�ပါတီအမည်နဲ့မပတ်သက်ဘူး
* ဘယ်ပါတီက state legislature ကို ထိန်းချုပ်နေလဲ
* အဲ့ပါတီက map ဆွဲနိုင်တယ်
👉 ဒါကြောင့်�“power ရှိတဲ့သူက လုပ်နိုင်တဲ့ system” လို့ယူလို့ရတယ်

📊 ၂။ လက်တွေ့မှာ (reality)
လက်ရှိ (2020s–2026) အခြေအနေမှာ—
👉 Republican side က ပိုပြီး advantage (အသာစီး)ရထားတာတွေ့ရတယ်
ဘာကြောင့်လဲဆိုတော့—
✔️ (1) States control ပိုများ
* Republican က rural states (ကျေးလက်ပြည်နယ်)များမှာ အာဏာပိုရှိတယ်
* အဲ့ဒီ states တွေမှာ legislature က map ဆွဲတယ်
👉 ဆိုလိုတာက — map ကို တိုက်ရိုက် design လုပ်နိုင်တယ်

✔️ (2) Geographic advantage
Democratic voters တွေက—
* မြို့ကြီးတွေထဲမှာ စုနေတာများတယ်
👉 ဒီလိုဖြစ်ရင်—
* Packing ကို လွယ်လွယ်နဲ့ ဖြစ်သွားတယ် (naturally)
Republican voters တွေက—
* နေရာကျယ်ကျယ်မှာ ဖြန့်နေတာများတယ်
👉 ဒီပုံစံက—�cracking strategy နဲ့ အလွန်အဆင်ပြေတယ်

✔️ (3) 2010 redistricting impact
* 2010 census ပြီးနောက်
* Republican က state legislature အများကြီးကို ထိန်းချုပ်နိုင်ခဲ့တယ်
👉 အဲ့ဒီအချိန် map တွေက�10 နှစ်လုံး (2012–2020) Republican ကို အကျိုးရှိစေခဲ့တယ်

🔵 ၃။ Democratic side လည်း လုပ်လား?
👉 လုပ်တယ် — အတိအကျလုပ်တယ်
ဥပမာ—
* Maryland
* Illinois
👉 ဒီပြည်နယ်တွေမှာ�Democrats က map ကို advantage ရအောင် ဆွဲထားတာတွေရှိတယ်

⚖️ ၄။ ဒါကြောင့် ဘယ်သူ “ပိုဆိုး” လဲ?
တစ်ကြောင်းတည်းနဲ့ ပြောရရင်—
👉 နှစ်ဖက်လုံး လုပ်တယ်�ဒါပေမယ့် လက်ရှိ structure ကြောင့် Republican က overall ပိုအကျိုးရနေတယ်

🧩 ၅။ အရေးကြီးဆုံး insight
👉 ဒီပြဿနာကို “ပါတီကောင်း/မကောင်း” နဲ့မကြည့်သင့်ဘူး
👉 အမှန်တကယ်က—
system problem ဖြစ်တယ်
* Legislature က map ဆွဲခွင့်ရှိနေသရွေ့
* ဘယ်ပါတီပဲ အာဏာရလာလာ�👉 gerrymandering ဖြစ်နေမယ်

🔑 Final takeaway
👉 “Whoever controls the map controls the outcome.”
* Republican control → Republican advantage
* Democratic control → Democratic advantage
*

⚖️ ၁။ ဘာကြောင့် Supreme Court of the United States (အမေရိကန် ဗဟိုတရားရေးစနစ်)က မတားနိုင်တာလဲ

အဓိကအကြောင်းရင်းက ဥပဒေထဲမှာ “ပါတီအလိုက် gerrymandering” ကို တိတိကျကျ တားမြစ်ထားတာ မရှိသေးလို့ဖြစ်တယ်။

🔑 အရေးကြီးဆုံး case
👉 Rucho v. Common Cause
ဒီ case မှာ Supreme Court က—
👉 “Partisan gerrymandering (ပါတီအလိုက် map လှည့်ကွက်) ကို federal courts မဖြေရှင်းနိုင်ဘူး” လို့ဆုံးဖြတ်ခဲ့တယ်

ဆိုလိုတာက—
* တရားမမျှတပုံထင်ရပေမယ့်
* “ဘယ်လောက်အထိ မမျှတလဲ” ဆိုတာကို�👉 တရားရုံးက တိတိကျကျ မတိုင်းတာနိုင်ဘူး
👉 ဒါကို “political question” (နိုင်ငံရေးကိစ္စ) လို့သတ်မှတ်လိုက်တယ်

❗ ဒါပေမယ့်…
တရားရုံးတွေ လုံးဝ မပါဘူးလားဆိုတော့ မဟုတ်ဘူး
👉 အောက်ပါကိစ္စတွေမှာ ဝင်ဆောင်ရွက်နိုင်တယ်—
* လူမျိုးအလိုက် ခွဲခြားမှု (racial gerrymandering)�👉 Voting Rights Act of 1965 နဲ့ဆိုင်တယ်
* State constitution ချိုးဖောက်မှု
👉 ဒါကြောင့် court cases တွေ ဆက်ရှိနေသေးတာပါ

🏛️ ၂။ ဘာကြောင့် system အနေနဲ့ ပြဿနာဖြစ်နေလဲ
အဓိကက—
👉 “ကိုယ်ပဲ ပြိုင်မယ့် map ကို ကိုယ်ပဲ ဆွဲနေတာ”
* Politicians → map ဆွဲ
* အဲ့ဒီ map ထဲမှာ → သူတို့ ပြန်ပြိုင်မယ်
👉 ဒါက conflict of interest ဖြစ်တယ်

🛠️ ၃။ ဘယ်လိုပြုပြင်နိုင်လဲ (Reforms)
🧑‍⚖️ (1) Independent commissions
👉 နိုင်ငံရေးပါတီမပါဘဲ�လူပုဂ္ဂိုလ်တွေက map ဆွဲ
ဥပမာ—
* California
* Arizona
👉 အကျိုး—
* Gerrymandering လျော့သွားတယ်
* Competition ပိုတိုးလာတယ်

🗳️ (2) Public voting (ballot initiatives)
👉 လူတွေကိုယ်တိုင် မဲပေးပြီး—
* “legislature မဆွဲရ”
* “commission သုံးရ”
ဆိုပြီး စနစ်ပြောင်းနိုင်တယ်
👉 ဒါပေမယ့် ပြည်နယ်တိုင်းမှာ မရှိဘူး။

📏 (3) Clear rules / formulas
👉 map ဆွဲတဲ့အခါ—
* compactness (အတူတူစုနေရမယ်)
* communities မခွဲရ
* fairness metrics သုံးရ
👉 Algorithm / math နဲ့ evaluate လုပ်နိုင်တယ်

🧮 (4) Algorithm-based maps
👉 လူမဟုတ်ဘဲ computer နဲ့ map generate လုပ်တာ
* bias နည်းနိုင်တယ်
* transparent ဖြစ်နိုင်တယ်
👉 ဒါပေမယ့်—
* “ဘယ် rule ကို algorithm ထဲထည့်မလဲ” ဆိုတာကလည်း နိုင်ငံရေးပါပဲ

🏛️ (5) Federal law (Congress)
👉 US Congress က ဥပဒေတစ်ခုချမှတ်ပြီး—
* fairness standard သတ်မှတ်နိုင်တယ်
👉 ဒါပေမယ့်—
* နိုင်ငံရေးအငြင်းပွားမှုကြောင့် မလွယ်ကူဘူး

⚡ ၄။ Reality check (အမှန်တရား)
👉 Reform တွေရှိပေမယ့်—
* ပါတီနှစ်ဖက်လုံးက အကျိုးမလျော့ချင်ဘူး
* Power ရှိတဲ့နေရာမှာ reform မလုပ်ချင်တတ်ဘူး
👉 ဒါကြောင့်�gerrymandering ကို လုံးဝဖယ်ရှားဖို့ ခက်တယ်

🔑 Final takeaway
👉 Supreme Court က “မဖြေရှင်းဘူး” လို့ ပြောထားတဲ့အတွက်�👉 Responsibility က—
* States
* Congress
* Voters
ဆီကို ပြန်သွားတယ်

Counseling with Craton

တောင်ဇလပ်ပန်းလေးတွေ မျက်နှာမညှိုးရအောင် ဒီနေ့ တခုတ်တရနဲ့ သွားလည်ဖြစ်တာ။ စိတ်ကိုအေးချမ်းသွားတာပဲ။

Dunning-Kruger effect ဆိုတဲ့ concept ကို ၁၉၉၉ ခုနှစ်မှာ David Dunning နဲ့ Justin Kruger ဆိုတဲ့ စိတ်ပညာသုတေသီနှစ်ဦးက သုတေသနလုပ်ပြီး ထုတ်ပြန်ခဲ့ပါတယ်။ သူတို့ တွေ့ရှိခဲ့တာကတော့ တကယ် တတ်ကျွမ်းနားမလည်သေးသူ၊ အရည်အချင်းနဲ့ အတွေ့အကြုံ နည်းပါးသေးသူ (incompetent ဖြစ်သူတွေ) ဟာ ကိုယ့်စွမ်းရည်ကို အရှိအတိုင်းထက် ပိုမိုခန့်မှန်းတတ် (overestimate လုပ်တတ်) ပြီး၊ တကယ် တတ်ကျွမ်းနားလည်သူတွေ (competent ဖြစ်သူတွေ) ကတော့ ကိုယ့်ကိုယ်ကို တောက်ပမြင့်မားနေတယ်၊ သာလွန်တော်တတ်နေတယ်လို့ မသတ်မှတ်ကြပါဘူးတဲ့။

သုတေသန ဘယ်လိုလုပ်ခဲ့လဲဆိုတော့…. လူတွေကို Logic, Grammar, Humor (ဟာသဉာဏ်ရှိမှု၊ ဟာသကို နားလည်နိုင်မှု) စတဲ့အပိုင်းတွေမှာ စစ်ဆေးမှုတွေလုပ်ပြီး Test လေးတွေ ဖြေစေပါတယ်။ ပြီးရင် “မင်းအဆင့် ဘယ်လောက်ရှိမယ်ထင်လဲ” လို့ ကိုယ့်ကိုယ်ကို သတ်မှတ်ခိုင်း (rate လုပ်ခိုင်း) တယ်။

ရလဒ်ကတော့… ရမှတ်နည်းတဲ့ အောက်ဆုံး ၂၅% လောက်က ကိုယ့်ကိုယ်ကို အမြင့်ကြီး ပို rate လုပ်တယ်။ ရမှတ်များတဲ့ အပေါ်ဆုံး (top performers) ကလူတွေကတော့ ကိုယ့်ကိုယ်ကို လျှော့ပြီး rate လုပ်တယ်။ ဆိုလိုတာက.. မသိတဲ့သူတွေက “ငါတော်တယ်” လို့ ထင်တယ်။ တကယ်တတ်တဲ့သူတွေက “အခြားလူတွေလည်း ဒီလောက်တတ်ကြတာပဲ” လို့ ထင်တယ်။ ကိုယ်မတတ်တာကို သိဖို့ တတ်မှုတစ်ခု လိုသလို ကိုယ်မသိတာကိုသိဖို့လည်း သိမှုတစ်ခုလိုပါတယ်။

ကိုယ်မတတ်တဲ့ ဘာသာရပ်တစ်ခုရှိတယ်ဆိုရင် အဲဒီ ဘာသာရပ်ကို အနည်းဆုံး နားလည်ထားမှပဲ “ငါမသိသေးဘူး၊ မတတ်သေးဘူး” ဆိုတာကို သိနိုင်ပါမယ်။ ဒါကို ဆန်းစစ်/ဆင်ခြင်/ထိုးဖောက်နိုင်စွမ်း (သို့မဟုတ်) မိမိရဲ့တွေးခေါ်မှုအပေါ် ပြန်လည်တွေးခေါ်နိုင်ခြင်း (Metacognition) လို့ ခေါ်ပါတယ်။ ကိုယ့်အသိတရား၊ ဉာဏ်ပညာနဲ့ စဉ်းစားဆင်ခြင်နိုင်စွမ်းကို ပြန်လည်ဆက်စပ်တွေးခေါ်တာ၊ ဘက်လိုက်မှုမရှိဘဲ သုံးသပ်နိုင်တာမျိုးပါ။

ဒါကြောင့် ခုမှ စအလုပ်လုပ်သူတွေ၊ အတွေအကြုံ ဉာဏ်ပညာ ဗဟုသုတ နည်းသေးသူ (beginners) တွေဟာ ကိုယ့်အမှားကိုယ် တော်ရုံမမြင်နိုင်တာမျိုး၊ ကိုယ့်ကိုယ်ကို ယုံကြည်မှုလွန်ကဲပြီး overconfident ဖြစ်တာမျိုး ဖြစ်လေ့ရှိပါတယ်။

ဥပမာ - ကားမောင်းသင်ပြီး ၂လ ၃လလောက်နဲ့ “ငါတော့ ကျွမ်းကျင်သူအဆင့် ရောက်နေပြီ” လို့ အထင်ရောက်တတ်တာမျိုးပေါ့။ ဒါပေမယ့် မိုးရွာတဲ့အချိန် ယာဉ်ကို ထိန်းချုပ်နိုင်မှု၊ အရေးပေါ် အခြေအနေမှာ safe ဖြစ်အောင် ဘရိတ်အုပ်နိုင်မှု၊ အဝေးပြေးလမ်းပေါ်မှာ ကျွမ်းကျင်လုံခြုံစွာ မောင်းနှင်ရပုံတွေကို မတွေ့ကြုံဖူးသေးရင် expert အဆင့်ဆိုတာကို သူ နားမလည်သေးပါဘူး။ သူ့ရဲ့ အရည်အချင်းကို အလွန်အကျွံခန့်မှန်း၊ overestimate လုပ်နေတာပါ။

YouTube video လေး ၁၀ခု၊ အခု ၂၀လောက်ကြည့်ပြီး “ရင်းနှီးမြှုပ်နှံမှုလုပ်နည်း၊ crypto trading တွေ အကုန်သိပြီ” လို့ ထင်တဲ့သူတွေလည်း ရှိပါတယ်။ ဒါပေမယ့် စွန့်စားမှု စီမံခန့်ခွဲခြင်း (risk management)၊ စျေးကွက် စိတ်ပညာ (market psychology)၊ ရေရှည်ဗျူဟာချနည်း (long-term strategy) တွေကို မနားလည်သေးဘူး။ ဒါလည်း Dunning-Kruger effect ပဲဖြစ်ပါတယ်။

တကယ် ကျွမ်းကျင်မှု (skill) မြင့်တဲ့သူတစ်ယောက်က “ငါသိတာက တစ်စိတ်တစ်ပိုင်းပဲရှိသေးတယ်” လို့ ပြောတတ်ပါတယ်။ ဘာကြောင့်လဲဆိုတော့ သူက ဘာသာရပ်ရဲ့ ကျယ်ပြန့်နက်ရှိုင်းမှု (depth) ကို သိပြီးသားမို့ သူမသိသေးတာတွေ အများကြီးရှိနေတာကို သဘောပေါက်နေလို့ပါ။

နောက်ပိုင်း လေ့လာမှုတွေကလည်း ဒီအယူအဆကို ထောက်ခံထားပါတယ်။ သူတို့အဆိုအရ ကျွမ်းကျင်မှုနည်းတဲ့သူတွေမှာ ကိုယ့်ကိုယ်ကို သိရှိနားလည်မှု (self-awareness) အားနည်းတယ်၊ တုံ့ပြန်ချက် (feedback) မရရင် ယုံကြည်မှုလွန်ကဲခြင်း ဆက်ဖြစ်နေတတ်တယ်၊ လေ့ကျင့်မှု (training) နဲ့ feedback ရရင် self-awareness တိုးလာနိုင်တယ်လို့ ဆိုထားပါတယ်။

ဒါကြောင့် … “ငါတော့ အရမ်း confident ဖြစ်နေပြီ၊ အကုန်သိအကုန်တတ်နေပြီ၊ သူများထက် အတော်သာနေပြီ” လို့ အထင်ရောက်ပြီဆိုရင် “တကယ် တတ်သိနားလည်လို့ ဒီလိုထင်တာလား။ ဒါမှမဟုတ် တကယ် သေချာမသိသေးလို့လား” ဆိုတာ ကိုယ့်ကိုယ်ကို ပြန်ဆန်းစစ်မေးမြန်းကြည့်ပါ။ အမြဲတမ်း feedback ရှာဖွေပါ။ ကိုယ့်ထက်တတ်တဲ့သူတွေ ဘာတွေပြော၊ ဘာတွေလုပ်နေလဲ လေ့လာပါ။ “ငါမသိသေးတာတွေ ရှိနိုင်တယ်” ဆိုတဲ့ စိတ်နေသဘောထား (mindset) ကို ထားပါ။

ဆိုတော့… Dunning-Kruger effect ဆိုတာ

- မသိတာကို မသိတာ၊
- သိလာတော့မှ မသိတာတွေကို သိလာတာ၊
- နောက်ဆုံးမှာ မျှတမှု (balanced) ဖြစ်လာတာ။

ဒါဟာ သင်ယူမှု ခရီးစဉ် (learning journey) တစ်ခုဖြစ်တာမို့ ဒီသဘောတရားကို နားလည်ထားရင် ဆုံးဖြတ်ချက်ချရာမှာလည်း ပိုမိုတိကျလာနိုင်သလို ကိုယ့်ရဲ့မသိသေးခြင်းတွေကိုလည်း ပိုနားလည်လာပါလိမ့်မယ်။ မာနများခြင်း၊ ဂုဏ်ယူပလွှားခြင်း၊ ကြွားဝါမောက်မာခြင်းတို့လည်း နည်းပါးသွားနိုင်ပါတယ်။ ကိုယ့်ကိုယ်ကို ယုံကြည်မှုရှိဖို့က အရေးကြီးပေမဲ့ အလွန်အကျွံမဖြစ်ဖို့နဲ့ လူတကာကို အထင်သေးပြီး ကိုယ်သာသိ၊ ကိုယ်သာတော်၊ ကိုယ်သာတတ်ဆိုတာမျိုး မဖြစ်ဖို့လည်း အရေးကြီးပါတယ်။

Counseling with Craton

အပျင်းတစ်ချင်​နေ​ပေမဲ့လည်း routine ပြတ်မှာစိုးလို့ ၄၅မိနစ်​လောက်​တော့ အပြင်ထွက်ပြီး ပြေးလိုက်​သေးတယ်။ နေသာ​ပေမဲ့ အ​အေးဓာတ်က နည်းနည်းရှိ​နေတယ်။ ပန်း​တွေက​တော့ ရှယ်ပွင့်၊ ရှယ်​ကြွေ။ ပိတောက်ပန်းတွေ သတိရလိုက်တာ။ အားလုံး မြန်မာနှစ်သစ်မှာ ရွှင်လန်းပါစေ။

နေသာတဲ့ရက်တွေက ရှားတာမို့