0

0
1

文字

分享

0
0
1

為什麼我們用line開群聊討論公事,總是有一句沒一句呢?

貓心
・2015/08/10 ・2323字 ・閱讀時間約 4 分鐘 ・SR值 497 ・六年級

source:YashilG
source:YashilG
  • 編按:針對Line已讀不回是不是因為旁觀者效應,文末補上了其他作者的回應,編輯目前也正在跟作者討論。

柯P上任後,靠著line的行政團隊協調,遇到大大小小的事情,總是能在最短的時間協調各部門內處理完畢。但是,用Line、Facebook等通訊軟體談論公事,真的是一個有效率的做法嗎?我想許多讀者跟我有一樣的困惑吧!每次用Facebook群組對話框討論事情,大家總是有一搭沒一搭的回著,搞到最後提問的人很惱很焦慮,卻還是一事無成!

但是,在某一些事情上,通訊軟體的效用卻又非常大,無論是八仙塵爆,或是去年高雄的氣爆事件,每次發生這種震驚國內外的大事情時,靠著網路社群所募集而來的款項卻是十分的驚人。網路社群討論串背後是否有什麼秘密,讓許多人關注到某些議題,卻又讓討論公事變得很沒效率呢?

假LINE

這個現象,其實是心理學家所稱的旁觀者效應(bystander effect)。這個現象最早被提出來,是因為美國紐約皇后鎮發生了一起殺人事件,1964年3月13日,Kitty Genovese女士在紐約皇后鎮被當街謀殺,根據《紐約時報》報導,這名女士被謀殺時,有38名住戶目擊,卻未見任何人出手救援或報警,導致她當街被殺死。

這件事情震驚了全美國,當然也包含了心理學界。John Darley 和Bibb Latané這兩位心理學家,對於這件事情很感興趣,於是就作了一些實驗來研究這件事情,並且將它命名為旁觀者效應(bystander effect)。他們首先作了一個實驗來測試受試者是否會注意到這些突發狀況:他將受試者分成三組:單獨一人組、和漠視外界的兩陌生人(實驗者的同謀)共處一室組、三個彼此不認識的受試者共處一室組,並要他們填寫問卷,等待實驗開始。

-----廣告,請繼續往下閱讀-----

在他們填問卷時,受試者會操弄一陣煙霧飄入房內,結果發現,單獨一人的那組,有75%會離開實驗室,告訴實驗者有煙霧飄入房內;和漠視外界的兩個陌生人共處一室的那組,10個受試者只有1個離開房間回報狀況,其他九受試者則是繼續填問卷,直到煙霧充滿房內;在三個彼此不認識的受試者共處一室那組,八組受試者(24人)當中,只有一組有一個人在煙霧尚未使房內出現讓人不愉悅的臭味的前四分鐘內回報,在整個實驗程序裡,也只有三個人回報這件事而已。

John Darley 和Bibb Latané認為,這是因為當有其他人在場的時候,我們面對緊急狀況時,會傾向於認為其他人可能會為這件事情作出回應,因此分散掉了每個人自認為所應該負起的責任,這樣的心理歷程就是所謂的分散責任(Diffusion of responsibility)[1]。

John Darley 和Bibb Latané也告訴了我們,為什麼我們在用Facebook、Line等群組詢問大家意見時,許多人都不會有所回應,因為每個人心中總是想著:「有其他人會想到辦法啦!」、「我很隨和,別人決定就好。」,因而造成了這種三個和尚沒水喝的窘境。

不過值得注意的是,在1964那件案子案發後43年,真相才真的大白,原來那起案子的內容是報社杜撰的,其實在那期間,有人打電話給警察局報案,但是警察認為這沒什麼大不了而吃案了;另外,那位女性並未被當街殺死,而是在送醫之後才宣告不治[2]。

-----廣告,請繼續往下閱讀-----

故事說到這裡還沒有結束。這樣的研究結果並沒有辦法回答說,為什麼在那些氣爆案發生的緊急狀況時,總有許多人和小叮噹一樣伸出援手。一群心理學家在2006年做了一個實驗來探討這件事情,他們認為過去的研究雖然自稱是緊急狀況,但是那些實驗情況並不那麼危險、暴力。他們認為,如果是在一個很容易覺察到事態危險的情境裡,或是在冷漠旁觀時會造成很巨大的代價時,人們會傾向於伸出援手的。研究的結果支持了他們的假設:在低危險的情況下,單獨一個人在場會比一群人在場更容易出手幫忙,但是在高危險的情況下,這兩組都會傾向於不再冷眼旁觀,出手救援受害者了[3]。

也許,柯P的Line團隊之所以如此有效率,就是因為他們是在柯P如此鐵面無私的市長底下工作,如果不出聲回話,將會付出極大的代價吧!

source:摘自臉書
source:摘自臉書

所以,如果你希望下次問大家意見時,不要再得到大家的冷眼旁觀,不如一個一個人問吧!一個一個詢問意見,就如同創造了一個沒有旁觀者的情境,沒有其他人可以分散責任,自然就比較會說出自己的意見啦!或是讓這件事情變得很危及,如果沒有處裡好就會招來極大的代價,這樣的情況下,群組討論才會變得更有效率!

參考資料:

-----廣告,請繼續往下閱讀-----
  1. Darley, J. M. & Latané, B. (1968). “Bystander intervention in emergencies: Diffusion of responsibility”. Journal of Personality and Social Psychology 8: 377–383.doi:10.1037/h0025589.
  2. 摘錄自科學人2008年第77期7月號
  3. Fischer, P.; Greitemeyer, T.; Pollozek, F.; Frey, D. (2006). “The unresponsive bystander: Are bystanders more responsive in dangerous emergencies?”. European Journal of Social Psychology 36 (2): 267–278.

 

編按–高雄醫學大學心理學系助理教授,同時也是泛科學作者的蔡宇哲老師回應:

「這篇舉了旁觀者效應來說明line群組討論沒人理,並不是太合適。旁觀者效應談的是那些人並不是事件的直接關係人,他們只是恰巧獲知了事件的發生,而該事件需要援手。像是一開始新聞中那死者會被殺、實驗中另一個受試者出狀況,這事件的發生都與看到的人無關,並不是看到的人所造成的。
但line群聊的例子是要討論事情,群組每個人都會是該事件的直接關係人,而不是旁觀者效應談的非關係人。

還有,雖然引了1968年那篇文獻,但本文中所寫的並不是該文獻的實驗方式(有煙霧飄進房內)。
最後,解釋line群聊沒人理比較合適的是用社會性懈怠(Social loafing)來解釋,談的是團體內的責任分散,貢獻者同樣有提出旁觀者效應的Bibb Latané,詳情可參閱:Social loafing」本文目前在針對回應和作者協調修改文章中。

-----廣告,請繼續往下閱讀-----
文章難易度
貓心
76 篇文章 ・ 127 位粉絲
心理作家。台大心理系學士、國北教心理與諮商所碩士。 寫作主題為「安全感」,藉由依附理論的實際應用,讓缺乏安全感的人,了解安全感構成的要素,進而找到具有安全感的對象,並學習建立具有安全感的對話。 對於安全感,許多人有一個想法:「安全感是自己給自己的。」但在實際上,安全感其實是透過成長過程中,從照顧者對自己敏感而支持的回應,逐漸內化而來的。 因此我認為,獲得安全感的兩個關鍵在於:找到相對而言具有安全感的伴侶,並透過能夠創造安全感的說話方式與對方互動,建立起一段具有安全感的關係。 個人專欄粉專: https://www.facebook.com/psydetective/ 個人攝影粉專: https://www.facebook.com/psyphotographer/

0

17
4

文字

分享

0
17
4
為機器人換上「物理大腦」:一場終結AI數位囚禁的革命
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/03 ・5732字 ・閱讀時間約 11 分鐘

本文與 研華科技 合作,泛科學企劃執行

我們都看過那種影片,對吧?網路上從不缺乏讓人驚嘆的機器人表演:數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ,或是波士頓動力的機器狗,用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次,社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕,看看四周,一個巨大的落差感就來了:說好的機器人呢?為什麼大街上沒有他們的身影,為什麼我家連一件衣服都還沒人幫我摺?

這份存在於數位螢幕與物理現實之間的巨大鴻溝,源於一個根本性的矛盾:當代AI在數位世界裡聰明絕頂,卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫,但它沒辦法為你端一杯水。

-----廣告,請繼續往下閱讀-----

這個矛盾,在我們常見的兩種機器人展示中體現得淋漓盡致。第一種,是動作精準、甚至會跳舞的類型,這本質上是一場由工程師預先寫好劇本的「戲」,機器人對它所處的世界一無所知 。第二種,則是嘗試執行日常任務(如開冰箱、拿蘋果)的類型,但其動作緩慢不穩,彷彿正在復健的病人 。

這兩種極端的對比,恰恰點出了機器人技術的真正瓶頸:它們的「大腦」還不夠強大,無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題:新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦,真的能終結機器人的「復健時代」,開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎?

新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦 / 圖片來源:研華科技

為何我們看到的機器人,總像在演戲或復健?

那我們怎麼理解這個看似矛盾的現象?為什麼有些機器人靈活得像舞者,有些卻笨拙得像病人?答案,就藏在它們的「大腦」運作方式裡。

-----廣告,請繼續往下閱讀-----

那些動作極其精準、甚至會後空翻的機器人,秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質,是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道,都是事先算好的,機器人本身並不知道自己為何要這麼做,它只是在「執行」指令,而不是在「理解」環境。

而另一種,那個開冰箱慢吞吞的機器人,雖然看起來笨,卻是在做一件革命性的事:它正在試圖由 AI 驅動,真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢,正是因為過去驅動它的「大腦」,也就是 AI 晶片的算力還不夠強,無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路,你可以抱著他,幫他擺動雙腿,看起來走得又快又穩,但那不是他自己在走。真正的學習,是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人,大多是前者;而我們真正期待的,是後者。

所以,問題的核心浮現了:我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好?

-----廣告,請繼續往下閱讀-----
我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好? / 圖片來源:shutterstock

機器人的大腦,為什麼不能放在雲端?

聽起來好像很合理,對吧?把所有複雜的運算都交給雲端最強大的伺服器,機器人本身只要負責接收指令就好了。但……真的嗎?

想像一下,如果你的大腦在雲端,你看到一個球朝你飛過來,視覺訊號要先上傳到雲端,雲端分析完,再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲,你大概就已經鼻青臉腫了。

現實世界的互動,需要的是「即時反應」。任何網路延遲,在物理世界中都可能造成無法彌補的失誤 。因此,運算必須在機器人本體上完成,這就是「邊緣 AI」(Edge AI)的核心概念 。而 NVIDIA  Jetson 平台,正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求,而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦,專為在各種裝置上運行 AI 任務設計 。回顧它的演進,早期的 Jetson 系統主要用於視覺辨識搭配AI推論,像是車牌辨識、工廠瑕疵檢測,或者在相機裡分辨貓狗,扮演著「眼睛」的角色,看得懂眼前的事物 。但隨著算力提升,NVIDIA Jetson 的角色也逐漸從單純的「眼睛」,演化為能夠控制手腳的「大腦」,開始驅動更複雜的自主機器,無論是地上跑的、天上飛的,都將NVIDIA Jetson 視為核心運算中樞 。

-----廣告,請繼續往下閱讀-----

但再強大的晶片,如果沒有能適應現場環境的「容器」,也無法真正落地。這正是研華(Advantech)的角色,我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備,確保它能在高熱、灰塵、潮濕或震動的現場穩定運行,滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說,NVIDIA 提供「大腦」,而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠,但它其實早就以一種你意想不到的方式,進入了我們的生活。

從Switch到雞蛋分揀員,NVIDIA Jetson如何悄悄改變世界?

如果我告訴你,第一代的任天堂Switch遊戲機與Jetson有相同血緣,你會不會很驚訝?它的核心處理器X1晶片,與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求,正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域,研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

-----廣告,請繼續往下閱讀-----
  • 在北美,有客戶利用 AI 進行雞蛋品質檢測,研華的工業電腦搭載NVIDIA Jetson 模組與相機介面,能精準辨識並挑出髒污、雙黃蛋到血蛋 
  • 在日本,為避免鏟雪車在移動時發生意外,導入了環繞視覺系統,當 AI 偵測到周圍有人時便會立刻停止 ;
  • 在水資源珍貴的以色列,研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內,24 小時在果園巡航,一旦發現成熟的果實就直接凌空採摘,實現了「無落果」的終極目標 。

這些應用,代表著 NVIDIA Jetson Orin™ 世代的成功,它讓「自動化」設備變得更聰明 。然而,隨著大型語言模型(LLM)的浪潮來襲,人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令,更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率,若要機器人更快速完成動作,需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題:AI到底該如何學會「動手」,而不只是「動口」?

革命性的一步:AI如何學會「動手」而不只是「動口」?

面對 Orin 世代的瓶頸,NVIDIA 給出的答案,不是溫和升級,而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組,峰值性能是前代的 7.5 倍,記憶體也翻倍 。如此巨大的效能提升,目標只有一個:將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型,成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生,將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起:

-----廣告,請繼續往下閱讀-----
  1. 第一階段是 LLM(Large Language Model,大型語言模型):
    我們最熟悉的 ChatGPT 就屬此類,它接收文字、輸出文字,實現了流暢的人機對話 。
  2. 第二階段是 VLM(Vision-Language Model,視覺語言模型):
    AI 學會了看,可以上傳圖片,它能用文字描述所見之物,但輸出結果仍然是給人類看的自然語言 。
  3. 第三階段則是 VLA(Vision-Language-Action Model,視覺語言行動模型):
    這是革命性的一步。VLA 模型的輸出不再是文字,而是「行動指令(Action Token)」 。它能將視覺與語言的理解,直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵! 過去以NVIDIA Jetson Orin™作為大腦的機器人,僅能以有限的速度運行VLA模型。而由 VLA 模型驅動,讓 AI 能夠感知、理解並直接與物理世界互動的全新形態,正是「物理 AI」(Physical AI)的開端 。NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 。

NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 / 圖片來源:研華科技

其中,物理 AI 強調的 vision to action,就需要研華設計對應的硬體來實現;譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達,你的系統就要有對應的介面來整合視覺;你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品;你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通,這些都需要具體化到一個系統上,這個系統的集大成就是機器人。

好,我們有了史上最強的大腦。但一個再聰明的大腦,也需要一副強韌的身體。而這副身體,為什麼非得是「人形」?這不是一種很沒效率的執念嗎?

為什麼機器人非得是「人形」?這不是一種低效的執念嗎?

這是我一直在思考的問題。為什麼業界的主流目標,是充滿挑戰的「人形」機器人?為何不設計成效率更高的輪式,或是功能更多元的章魚型態?

-----廣告,請繼續往下閱讀-----

答案,簡單到令人無法反駁:因為我們所處的世界,是徹底為人形生物所打造的。

從樓梯的階高、門把的設計,到桌椅的高度,無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言,採用人形的軀體,意味著它能用與我們最相似的視角與方式去感知和學習這個世界,進而最快地理解並融入人類環境 。這背後的邏輯是,與其讓 AI 去適應千奇百怪的非人形設計,不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具,產線上的機械手臂能高效重複鎖螺絲,但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標,是成為一個「多面手」,它能在廣泛學習後,理解物理世界的運作規律 。理論上,今天它在產線上組裝伺服器,明天就能在廚房裡學會煮菜 。

人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態 / 圖片來源:shutterstock

但要讓一個「多面手」真正活起來,光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經,才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」,就無法匯聚成有意義的行動。

這正是研華的角色:我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中,讓它成為能真正思考與反應的「完整大腦」,同時也提供神經系統的骨幹,將感測器、I/O 介面與通訊模組可靠地連結起來,把訊號傳導進大腦。你或許看不見研華的存在,但它實際上遍布在機器人全身,像隱藏在皮膚之下的神經網絡,讓整個身體真正活過來。

但有了大腦、有了身體,接下來的挑戰是「教育」。你要怎麼教一個物理 AI?總不能讓它在現實世界裡一直摔跤,把一台幾百萬的機器人摔壞吧?

打造一個「精神時光屋」,AI的學習速度能有多快?

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料,但物理世界中用於訓練的互動資料卻極其稀缺,而且在現實中反覆試錯的成本與風險實在太高 。

答案,就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台,為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生(Digital Twin)世界,讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內,經歷相當於現實世界千百日的學習與演練,從而在絕對安全的環境中,窮盡各種可能性,深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環,Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本,但後來發現,它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺,是在現實世界中難以透過有限次的試錯來建立的。

所以你看,這趟從 Switch 到人形機器人的旅程,一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備:一個劃時代的「AI 大腦」(NVIDIA Jetson Thor)、讓核心延展為「完整大腦與神經系統」的工業級骨幹(由研華 Advantech 提供),以及一個不可或缺的「教育環境」(NVIDIA Isaac Sim 模擬平台) 。

結語

我們拆解了那些酷炫機器人影片背後的真相,看見了從「自動化」走向「自主化」的巨大技術鴻溝,也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測,未來 3 到 5 年內,人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景,如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器,能夠觀察我們的世界,理解我們的語言,並開始以物理實體的方式與我們互動,這將從根本上改變我們與科技的關係。

所以,最後我想留給你的思想實驗是:當一個「物理 AI」真的走進你的生活,它不只是個工具,而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」,你最先感受到的,會是興奮、是便利,還是……一絲不安?

這個問題,不再是「我們能否做到」,而是「當它發生時,我們準備好了嗎?」

研華已經整裝待發,現在,我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
231 篇文章 ・ 316 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
5

文字

分享

0
2
5
慷慨英雄VS.保守小卒──社會心理學剖析助人行為的深層秘密
研之有物│中央研究院_96
・2022/05/25 ・2927字 ・閱讀時間約 6 分鐘

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/劉韋佐、田偲妤
  • 美術設計/蔡宛潔

熱心助人背後隱藏什麼樣的內心劇場?

臺灣民眾熱心公益,世界有目共睹,不論是日本 311 大地震、防疫物資捐贈,還是烏俄戰爭,都可見到臺灣人的無私捐獻。然而,當援助者數量遠多於待援者時,你依然願意慷慨相助嗎?中央研究院「研之有物」專訪院內社會學研究所江彥生研究員,以社會心理學剖析助人行為的群眾效應。經由「獨裁者遊戲」揭露「英雄/小卒效應」,到底多數人是樂於當慷慨的英雄?還是甘為保守的小卒?一起揭開助人行為的內心劇場吧!

圖/iStock

搭公車時,目睹身邊的乘客受到他人無端騷擾,你會怎麼做?

  1. 見義勇為,立即出手援助!
  2. 深怕第一個出手反而招來麻煩,還是先觀察一下好了。
  3. 當作沒看到,少一事是一事。

這樣的場景常在公共場合發生,多數人會忖量他人行為來評估是否出手助人,這正是社會心理學所關注的「旁觀者效應」(Bystander Effect)。面對單一的待援者時,作為一個旁觀者的「我」,往往會等待他人搶先一步伸出援手。或許是出於自利心態,也可能是「責任分擔」心理作祟,這樣的旁觀者效應在不同狀態下對助人行為的影響與衝突,引發社會心理學家想進一步探究人類社會行為的動機。

-----廣告,請繼續往下閱讀-----
為何有人在公共場合受傷、被騷擾,多數人選擇旁觀?並非我們沒有同理心或助人之力,主要是在場的人正在觀察,看有沒有人先我一步伸出援手。
圖/研之有物

社會心理學(Social Psychology)是一門研究人類社會行為的學科,以科學方法研究在不同情境下,人們會採取的行動,以及這些行動所造成的後果。上述提到的旁觀者效應是社會心理學的經典案例,通常是數名援助者面對單一待援者會產生的現象,那麼若是單一援助者面對數名待援者,又會發生什麼樣的狀況呢?

來玩獨裁者遊戲,英雄、小卒現身!

江彥生提到,許多研究證據指出,當單一援助者面對數名待援者,這名援助者更願意展現「英雄氣概」,援助通常會給得很霸氣!但是,當有好幾名援助者面對單一待援者,此時似乎沒有展現英雄氣概的機會,若只能當「小卒」,那還是先等看看其他人會不會出手吧!

為了驗證上述心理狀態,江彥生借用行為經濟學(Behavioral Economics)中的「獨裁者遊戲」(Dictator Game)來設計實驗。實驗以匿名方式進行,先支付每位受試者新臺幣 200 元酬勞,再請受試者擔任援助者的角色。在絕對自由的情境下,觀察受試者會選擇獨享這 200 元,抑或將部分所得捐給其他待援者。

實驗結果顯示,手上握有酬勞的人或多或少都願意捐款。此外,江彥生也發現,比起面對單一待援者,若面對數名待援者時,受試者通常願意捐得更多。然而,當知道有其他握有酬勞的援助者時,受試者就不會這麼大方了,原因可能出自「責任分擔」心理,甚至可能在援助者之間產生社經地位的比較心態,不想因捐款而讓自己的經濟狀況趨於劣勢。研究結果與「英雄/小卒效應」可說是不謀而合。

-----廣告,請繼續往下閱讀-----

慷慨英雄VS.保守小卒,選擇是「對稱」的嗎?

「英雄/小卒效應」獲得驗證後,江彥生更想進一步探究的是:在面對眾多援助者時,一個人所減少的慷慨度,比起面對眾多待援者所增加的慷慨度,是否相同?換句話說,助人行為的群眾效應是否對稱?

為什麼會談到「對稱」呢?原來在認知心理學(Cognitive Psychology)中,有一個著名的「不對稱理論」,源於 2002 年諾貝爾經濟學獎得主丹尼爾.康納曼(Daniel Kahneman)所提出的「展望理論」(Prospect Theory,或譯「前景理論」)。展望理論指出,「損失」所帶來的負面情緒,比起「獲得」的正面感受,人們更在意損失所帶來的影響。這說明了人類對於「得」與「失」的感受是不對稱的。

那麼英雄和小卒之間的助人行為會是對稱的嗎?在下列圖示中,援助者贈與待援者的金額為「縱軸」,而援助者與待援者的人數比例為「橫軸」。來看看受試者得知援助者和待援者的人數變化時,捐款行為會產生什麼樣的改變。

-----廣告,請繼續往下閱讀-----
受試者得知援助者和待援者的人數變化時,捐款行為會產生的改變。圖/研之有物(資料來源|江彥生)

實驗結果顯示,當援助者的人數超過待援者時,贈與金額下滑的幅度(小卒效應),比起援助者少於待援者時,贈與金額上升的幅度(英雄效應),竟足足多出了一倍之多!

「小卒效應」是「英雄效應」的兩倍強!

換句話說,當我們發現自己當不了英雄,選擇「縮手」的程度反而更快!即便有當英雄的機會,「出手」也不盡然闊綽。

「英雄/小卒效應」不僅揭露人在面對弱勢者的心理變化,更能運用在線上捐款或募資活動的設計上。江彥生以「Kiva」平台為例,這是一個和全球微型貸款合作的網站,讓每個人都有機會捐款幫助他人,減緩貧窮問題。平台上的待援者會寫出自己的背景和財務需求,供援助者瀏覽後決定要給予多少經濟支援。若能利用上述的「英雄效應」,透過調整演算法,調配出最適當的瀏覽分配比例,應能激發援助者最大的英雄氣概,盡量不遺漏每一個需要幫助的人!

想當社會心理學家?你必須先是個好導演

圖/研之有物

社會心理學家常常遊走在不同的社群之間,藉由精心設計的實驗,發掘人性的各種衝突與複雜層面。江彥生談到,一名社會心理學家要對組織或社群互動感興趣,關注人格、社會影響力,以及群體的行為狀態。除此之外,你還需具備設計實驗的想像力。

-----廣告,請繼續往下閱讀-----

江彥生笑著說,做實驗的時候覺得自己好像導演!設計實驗有點像在編寫劇本,要先在腦海中沙盤推演角色可能的行為舉止,思考如何讓角色之間產生互動。接著還要讓角色投入實驗情境,然後觀察這些人在情境中的反應。

正統的社會學像是紀錄片,而社會心理學就像電影,透過劇本的編寫,設計一個實驗情境,觀察個人或群體的互動關係、心理反應,以科學研究分析其中的因果關係。

江彥生的研究室有佔滿整片牆的黑板,上頭用粉筆畫了許多圖式及演算公式,是在反覆推敲不對稱助人行為等研究計畫所留下的思考軌跡。面對我們習以為常的日常情景,江彥生卻以銳利的眼光探究每個行為背後更深層的心理狀態。雖然自嘲是「談話殺手」,但在訪談之間,卻處處顯露江彥生對研究的熱情,藉由剖析當前複雜的社會系統,讓我們更了解芸芸眾生難以言說的內心劇場。

延伸閱讀

-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3767 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

1
2

文字

分享

0
1
2
為什麼當意外發生時,旁觀者越多、願意伸出援手的人卻越少?──《哇賽心理學》
哇賽心理學_96
・2018/03/21 ・2710字 ・閱讀時間約 5 分鐘 ・SR值 522 ・七年級

-----廣告,請繼續往下閱讀-----

作者/潘怡格 主編/蔡宇哲(哇賽心理學 創辦人兼總編輯)

你相信嗎,在人多的地方發生需要旁人救助緊急事件時,很有可能比在人少或只有一位旁觀者的情況下更難獲得幫助,這是為什麼?

圖/KeithJJ @Pixabay

1964 年,美國紐約街頭發生了一件駭人聽聞的事件,一名叫凱蒂.吉諾維斯(Kitty Genovese)的女子在街道上被男子刺殺三次,期間總共有 38 位目擊者聽到她的呼救聲而亮起房內的燈,查看外頭發生什麼事,卻沒有人真正站出來制止歹徒,甚至沒有人報警,凱蒂最後因此死亡。

-----廣告,請繼續往下閱讀-----

這起命案震驚了美國社會,報章媒體更是以「38 人目擊謀殺發生卻沒有報警,皇后區女性被殺事件反映的冷漠無情震驚警界!」的標題來描述這起泯滅人性的凱蒂案。

事隔多年,這起事件被揭發部分情節是人為捏造,並沒有 38 位目擊者那麼多,凱蒂也只有被刺殺兩次而不是三次,期間有人報警只是不被警方受理,凱蒂更沒有當場死亡,而是因為重傷送醫後才不治身亡。雖然事件並不完全真實,但是它的轟動引起了很多人的注意,學者們開始探討為什麼會有這樣的現象,也有社會心理學家著手研究這個問題。

實驗:「旁觀者效應」旁觀的人越多,我們越不常出手協助?

當時紐約大學的約翰.達利(John Darley)與哥倫比亞大學的比博.拉坦納(Bibb Latane)兩位社會心理學家,對這起事件感到興趣,他們認為並不是因為紐約人冷漠而發生了這樣的悲劇,這當中一定涉及了一些心理歷程,因此他們設計了一系列的研究實驗,看一般人在什麼情境下會幫助他人,而在什麼情境下不會伸出援手。

其中一項研究是他們請參與者到長廊上的一間房間裡,因為實驗談論的內容涉及隱私及尷尬問題,所以每個人都會單獨待在一個房間內,避免面對面交談。每位參與者都有耳機跟麥克風,但麥克風只有在輪到自己的時候才會被打開,且一旦有一個麥克風被打開,其他的都會被關閉,因此他們之間無法進行溝通。而這其實是為了方便播放事先錄好的錄音內容,讓他們誤以為確實在和另一間房的人進行對談。

-----廣告,請繼續往下閱讀-----

圖/哇賽心理學

實驗的安排有一對一的組合,也有六人大團體和三人小團體的組合。輪到其中一位參與者發言時(實際上是播放錄音帶),他說自己很難適應在紐約的生活,尤其是學業,也提到自己有嚴重的癲癇,在壓力很大或者考試時較常發作。等到下一次輪到這位參與者發言,他會癲癇發作,講話開始結結巴巴,對其他人求助,聽起來像是遇到了困難。

這個狀況就是實驗安排的情境,如果是你遇到了這樣的情況,你會怎麼做呢?一般人也許覺得自己一定會馬上衝出房間求助,但實驗結果發現並非完全如此。

達利與拉坦納發現,影響人們是否會給予幫助的因素中,最重要的就是「團體人數」的多寡,在場涉及的人數越多,就越不會立即行動援助。在實驗中,以為只有自己知道對方癲癇狀況發生了,也就是一對一組合裡有 85% 的人會立即求助;三人小團體中的比例稍微低了一些,但也有 62%;而六人大團體中竟然只有 31% 的人站出來!

-----廣告,請繼續往下閱讀-----

source:Wikimedia

這個結果正是符合了旁觀者效應(Bystander Effect):越多的旁觀者在場,會降低受害者被幫助的機率。

為什麼會發生這種結果呢?當發生緊急事情時,如果只有你跟受害者,你不伸出援手就會使他陷入危險,甚至有可能喪失生命,那你就會有很強的責任感。但如果除了自己還有許多人在現場,責任感會被分散,每一個人的責任感變得比較弱,面對事件發生就會變得退縮,認為其他人會承擔更多的責任,這種效應稱為責任分散(Diffusion of responsibility)。

助人的五階段模式

達利跟拉坦納為此還提出助人的五階段模式,說明人們產生助人行為的過程中會經歷怎樣的歷程:

-----廣告,請繼續往下閱讀-----

圖/哇賽心理學

階段一:覺察

注意到有事情發生,這是極為重要的,有些人無法注意到有事情發生是因為他們只在意自己所關心的事情。

例如在等待過馬路的時候,很多人只顧著低頭滑手機而不是注意四周;或在上學途中,一直想著待會考試的內容,而沒有留心路上發生的事情。

階段二:理解

這個階段你會將事件定義是否為緊急事件。研究者們發現,情境的模糊性會促使旁觀者效應發生。

-----廣告,請繼續往下閱讀-----

舉例來說,你看到一對男女在爭執,男生還對女生大打出手。如果你認為他們是一對情侶,那你站出來幫助那位女生的機會就會降低許多;但如果你判定他們之間是互不認識的陌生人,那你很可能會挺身而出並制止男生。

階段三:責任

你自覺有義務要幫忙,但是要注意這個階段最容易出現上述的責任分散。

階段四:判斷

你覺得自己有能力且知道要如何助人,但在能力不足的情況下,也可間接地請求其他有能力的人協助。例如你以報警或尋求其他在場的人一起提供幫助。

階段五:行動

你採取行動去助人。但有可能會受到在場其他人的眼光而受影響,因為人們會擔心自己的舉動會怎麼被其他人解讀,這稱為觀眾抑制效應(Audience inhibition)。

-----廣告,請繼續往下閱讀-----

source:Frederik Meijer Gardens @Flickr

助人的五階段模式說明了助人行為產生的過程,同時也讓我們了解每一個階段都有可能會產生抑制助人行為的影響因素。每一個環節都是重要的,因為只要缺了其中一個環節,就不會產生最後的助人行為。

心理學給你的建議:如何降低旁觀者效應?

雖然發生這樣的現象並不是我們所能控制的,但還是可以透過一些方法來降低旁觀者效應出現的機率。

心理學給你的建議,在緊急事件中如果希望得到旁觀者的幫助,我們可以直接呼喚某一位旁觀者,並清楚說明自己需要幫助。你可以藉著用手指指出的方式,或者說明對方的特徵來指定其中一個人,例如:「那位穿著紫色上衣的先生,可以請你幫幫我嗎?」這樣可以減少責任分散的產生,同時降低情境的模糊性,如此那位穿著紫色上衣的先生就會自覺有責任必須幫助你,也能確定你確實需要被幫助而採取行動。

-----廣告,請繼續往下閱讀-----

反過來說,如果有一天,我們是那一位目睹事件發生的旁觀者,就應該要想到旁觀者效應對行為的影響,即使對方沒有指定誰提供幫助,也應積極主動採取行動,這樣才不會造成無可挽回的悲劇。但要注意的是,如果情況很危急,我們必須考量自己的安全,尋求警方協助也是一種助人的行為哦!

  • Bystander intervention in emergencies: diffusion of responsibility. Journal of personality and social psychology. 1968;8(4):377-383

想了解更多哇賽!心理學嗎?
3月 25 日(日)於金石堂城中店
免費心理學講座等你來參加,活動細節搶搖滾區由此去

 

 

本文轉載自泛科學 2018 年 3 月選書《哇賽心理學》,格子外面出版

-----廣告,請繼續往下閱讀-----
哇賽心理學_96
45 篇文章 ・ 11 位粉絲
希望能讓大眾看見心理學的有趣與美,期待有更多的交流與分享,讓心理學不只存在於精神疾患診療間或學校諮商室,更能擴及到生活使之融入每一刻。