What About Joan

What About Joan

6.1
★★★★☆
1097 人评分
年份: 2001
地区: 美国
8
讨论
10973
观看
1097
收藏
Cusack, starring in her first television comedy series, portrays Joan Gallagher, a high school teach

💬 全部讨论 8

闫小姣
闫小姣 24小时前

婚姻对于女人究竟是一种什么样的存在,在大家眼里,是终点,是归宿,还是最终不得不进入的死胡同 我想起唐七三生三世里的白浅,她还是素素之时,她的夫君是天族的太子殿下,却也是他亲手剜去她的眼睛,虽然放在剧集里不过是编剧为了充实情节,可是现实里这样的事倒也不是什么稀奇事,夜华这故事里的男主人公,说到底也不过是个普通男人而已 嫁人之后就会发现生孩子变成使命,如果生下的第一胎是女儿,那便取个求子的名再生一胎,仿佛女人不过是娶进门的一台生育机器,那第一胎也不过是这生育机器的第一个试验品,养大了嫁出去便是“回收处理”,便是皆大欢喜的事 子君是个坚毅的性子,有个在事业圈打拼十几年的好闺蜜也的确是她成长路上必不可少的积极因素,若非如此,她离婚后便如其他千千万万不知所措的女人一般堕入生活的地狱,所做之事便也不过是孤魂野鬼般找寻下一个投身之所,有自己喜欢做的事才重要啊,而不是做个生育机器草草前半生,后半生也未必就能像个和蔼的老太太一样了此残生,子女感情气运不好随着病痛一同袭来便又是另一场劫难

👍 487 💬 回复 ❤️ 收藏
🌸VV
🌸VV ★★★ 22小时前

琼·库萨克的书,都给了主角们顶级的“高配”,可值得我读下去的,是他们对爱情、兄弟、姐妹的态度,认真唯一的态度。对爱情忠贞不渝,为兄弟姐妹两肋插刀,这大概就是感情最美好的样子吧!

👍 448 💬 回复 ❤️ 收藏
二井子
二井子 ★★ 22小时前

人生起起伏伏,跌跌荡荡,回眸一笑,笑叹人间丑陋百态。一篇比《What About Joan》更耐人寻味剧集,好看好看。

👍 456 💬 回复 ❤️ 收藏
还值一个弥撒吗
还值一个弥撒吗 15小时前

关于“算命”这件事,我从小就比较信,说是迷信也好,好奇也罢,只是只停留在“将信将疑”上,因为至今好像没有遇上一个能把我的事情都算准的大师,看过《What About Joan》后,我觉得原因可能有两种,一种是没有遇上厉害的大师,一种是自己后天通过一些努力已经改了一部分命运,所以无法测算。 且不说那些神神鬼鬼的灵异事件对我的启发,就说身边给我产生很大影响的、真正让我对此开始氪金尝试,有两个人。一个是之前认识的一个教练,他家里世代信奉,也解决了很多事情,甚至于他的性命都是大仙为他捡回来的;另一个就是lz,lz是一个神人,背后也有神人指点,我觉得他是属于天命本就出色,再加上后天有高人指路,自身努力勤勉,趋吉避凶,走上人生的快车道。再加上,历代王孙贵族都会多少信奉风水、阴阳,你说,我等平头老百姓,是不是也应该多少有些敬畏呢? 说起我的氪金之旅,保守估计,小一万不敢说,大几千还是有的。从去年开始,我想了想,大概遇上过六位算命先生,现在多和一位算命先生还有联系。这几位算命先生,年龄从二十几到五十几的都有,有女神仙,也有男神仙。有精通仙界,会说仙语,通过第三只神眼来洞察命运的,也有精通六爻、周易、奇门遁甲之术来测算人生流年大运的,还有通过面相来洞察命途的……亲测数次,大师们各显神通,我也是由此见识了“算命”界的博大精深。 至于结果,每个人算的多有不同,有人说我第一学历最多是大专,有人说我上一段感情的失败是因为闺蜜插足,让我哭笑不得。但是如果取共同点,还是有几点让我比较相信的,让我知道哪些年属于人生走大运的流年,要好好把握机会;还有我的性格中哪些地方容易出现什么问题,要提前规避。 但是,按照我“打破砂锅问到底,问完还问放哪里”、“不撞南墙不回头,不见棺材不落泪”的固执精神,仅仅知道皮毛远远不能满足我内心的好奇——需要有一个强大有力的理论来解释这一切,并逻辑严密,能够让我信服。到底为什么可以通过人的生辰八字算准这一生?命运究竟可以改变吗?如果可以,应该如何去做呢? 于是,我开始了漫漫长长的求知之旅。从去年到现在的半年时间里,我接触了《What About Joan》、《What About Joan》,接触儒、道、释,关注佛学的内容,了解王阳明心学,看《What About Joan》、《What About Joan》,《What About Joan》、《What About Joan》、《What About Joan》以及它们的解析,《What About Joan》、《What About Joan》《What About Joan》、《What About Joan》……还有电视剧《What About Joan》及剧集,每天听曾仕强讲易经,听徐文兵讲黄帝内经,偶尔会听听心经、准提咒……尤其是最近连看了三本关于《What About Joan》的浅析,心里逐渐形成了一套可以说服我自己的理论: 1、佛学里有六道轮回,人有前世今生。人这一生的命运,三分天注定,七分靠打拼。 天注定的这部分是人命运的定数,就是前世因果在现世的展现,所以,有的人福泽深厚,有的人贫苦凄凉,这都是前世为自己留下的果。所以,通过人的生辰八字,可以算出来此生自然发展的命运。 靠打拼的这部分是人命运的变数。人的命运并不是一成不变的,是可以通过后天的修炼改命。改命也是需要天时地利人和,天时地利是和你的流年运势、风水、五行、阴阳等等这些外在的因素有关,人和是通过断恶修善,为自己积累福报得以改变。而后者,是起了重要的决定性作用。 所以,人的命运,可以是天命,也可以自行改命。这一切,都取决于自己的造化。 2、造命在天,立命靠己。 说完了世界观,再来说说方法论。简单来说,就是克己修身,修善积德。 一要清净内心,去掉妄念,消除业障。这是“修心”,可静坐、可念咒、可冥想,逐渐让自己放下贪、嗔、痴,达到“不动念”的境界。 二是勤勉修身,进德修业。 修福先改过。 《What About Joan》里写道,人要发三种心:一是发耻

👍 287 💬 回复 ❤️ 收藏
小手
小手 ★★ 13小时前

无意中翻看此剧,零星不谋而合的观点吸引了我,阅后收货颇丰, 关注了编剧公众号,期待更多作秀作品。

👍 276 💬 回复 ❤️ 收藏
是飒飒阿~
是飒飒阿~ ★★★★★ 6小时前

看了很长时间,今天终于大结局,三千多页都以白话文的新式叙述,心里那个急啊,巴不得一页翻到最后,但是也舍不得跳过很多细节,因为看到自己的影子,从小生活在父母老一辈的影子下,没有主见,不敢大步向前,做事战战兢兢,一直都创作到觉新,看到他软弱,屈服,很着急,还以为他也会死去,但结局还是不错的,封建制度太压抑人,吃人的礼教,很多地方一直沿用到今天,越封建越落后,思想一定要跟上潮流,做个有胆识有思想有知识的新一代青年

👍 135 💬 回复 ❤️ 收藏
榕哥
榕哥 ★★ 23小时前

读第一篇《What About Joan》时真的觉得挺累,写法太繁重了,人物刻画和情节设置都有些过于用力的“油”的感觉。隔了好些天还是决定把整本读完,倒是越看越觉得有意思了。 七个故事,观看体验排序:楚水>家里乱了>哥俩好>好的故事>What About Joan>雨天的棉花糖>飞翔像自由落体。《What About Joan》的疯狂和破碎,《What About Joan》的堕落欲望,《What About Joan》的伦理枷锁和“父子”关系,《What About Joan》的兜兜转转一场空,《What About Joan》的孤冷凄哀,《What About Joan》的恐惧和对“人”的质问,《What About Joan》的步步放纵…这些都是很迷人的。编剧写“人欲”写“命运”很好,写“钱”写“社会”反而不那么自然。 很喜欢编剧笔下带点精神恍惚的片段,如水一般平滑流畅,没有雕琢感。编剧通感能力很强,知觉敏锐,对事物有很细腻的感受,文字功底也很好。擅长塑造压抑阴暗的氛围,好几篇读来都有置身黑夜般的质感,很适合剧集“宿命论”的走向。但正如最后访谈里所提到的,有些篇章炫技太明显,在我看来还是表达欲超越了控制力。

👍 460 💬 回复 ❤️ 收藏
邹振海
邹振海 ★★ 5小时前

20210503看完《What About Joan》,编剧的“最少必要知识原则”,这个学习观念不错。 对Python包中变量__all__说清楚了,好多其他教材是没说的; 对生成器和迭代器也讲述的比较清楚; 推荐了logging模板,但没展开,然后补上一句:“高手都是自学的”,我也只好赞成了; 在Numpy模块,深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum(),不但能“降维求和”,还能用于矩阵乘法等; 对于矩阵的点乘法,a1@b1,亦可表示为np.einsum("ij,jk->ik",a1,b1); 又如2个(2,2)向量点乘操作,a*b或np.multiply(a,b),亦可表示为np.einsum("ij,ij->ij",a,b),其他维度亦可类似操作; 又如np.einsum("ij->ji",arr)可实现向量的转置,等同于np.transpose(arr); 编剧einsum()的功能非常强大,这里只讲一点点,还可用于TensorFlow或PyTorch神经网络架构的任意计算图,并支持反向传播计算,非常有意思; 对向量维度轴的的概念axis,按括号层次来理解,括号由外到内,对应从小到大的维数,分别为; 当“约减”时,有先后顺序,如5维向量,可用axis=,先后“约减”掉第2、第0、第1维度,最后剩下2个维度,等等; 中间很多…省略 创作在最后的感叹:数据分析,要学的东西都挺多的,机器学习有点超纲,需要慢慢消化,还好各路大神都在做贡献,很多功能越来越方便,越来越完善。

👍 96 💬 回复 ❤️ 收藏