道歉真正的效果其實並不如你想像

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

從前幾天的炎亞綸地震論引起的跨時空論戰，到Cindy疑因「靠北部落客」的網路霸凌而離世<1><3>，甚至前陣子的阿帕契風雲、八萬奶頭妹、陳為廷襲胸、甚至更早的冒牌生抄襲事件等等，都有幾個很重要，卻又費解的社會現象：是什麼讓大家這麼氣？為什麼我們明知道有些話會逼死人，卻仍不停地留言抒發？言論自由與網路霸凌的界線又在哪裡？

門墊效應：為什麼這麼氣？

炎亞綸一開始的不認錯、刪除貼文並黑名單網友劉玄德（於4/21 17:38 已道歉）、靠北部落客被起底之後的「唉呦，板主是不是該覺得好怕怕 哭哭」、阿帕契姊李蒨蓉一開始的高姿態、冒牌生的「刪文並不可恥，是被刪文的人才可恥」等等， 很多人真正生氣的不是初始的錯誤本身，而是那個「不認錯」的態度。

一般來說，原諒（forgiveness）可以有助於血壓的降低 [1]、增加滿意度與幸福感 [2]，那為什麼大家不乾脆笑笑相信那是炎兄「他的觀察啦」？還要號召各時空領域的豪傑來圍勦？事實上，如果你和對方有連結（例如他是你的親密伴侶、崇拜的對象）<2>，沒有道歉會讓你相當難受。

為什麼不道歉會讓你這麼氣？因為，不論是被刪文的劉玄德，或是被黑名單的網友，都是事件裡面的「被冒犯者」（victim）。Luchies等人的針對伴侶的追蹤研究指出，當冒犯者（perpetrator）誠心誠意地做出行為修正（amend）、或至少道歉的時候，被冒犯者會覺得自己是值得被尊重、感到安全的，這時候的原諒比較健康，可以提昇被冒犯者的自我概念；但相反地，如果他不道歉你就原諒，可能會讓你覺得自己不被尊重（erode self-respect）、甚至自我概念受損（erode self-concept）[3]。你會覺得自己像是門墊一樣，被踩來踩去也沒人在乎不會怎樣，這就是所謂的門墊效應（the doormat effect）。

雖然並非每個人都是粉絲，但對部分粉絲來說，當你一直相信、崇拜的人（冒牌生、炎亞綸或陳為廷），做出讓你傷心的事情又不認錯，那種不被尊重、不被在乎、不被看見的感受，怎能讓人不氣？

為什麼道歉這麼重要？

道歉，是一種讓人感受到「被尊重」的開端。研究顯示，道歉，有幾個重要的效果 [4]：

1. 回復被冒犯者的自尊心、尊嚴與權力，讓他們感覺被關心
2. 冒犯者看到被犯者真實的情緒、生氣與難受、承認雙方是同樣有價值的、並做出補償與承諾

如同陳民虹等人的論文中所提及 [5]：「由公平理論來看，當人們做了對不起他人的事，就製造了一個不公平的狀態或裂痕，這個裂痕須藉由行為或心理上的手段來填補，侵犯者可以透過補償策略來回復實際的公平或透過辯解策略來回復心理的公平，因此當人們真誠的道歉或懇求饒恕，他採取的是一個懇求者的角色，滿足被侵犯者公平的需求，回復權力感，而較不苛刻及較能原諒。」[6]

那為什麼有些人死不道歉？

好，既然認錯可以增加原諒、甚至讓被冒犯者感覺被尊重，這些名人（或知名社群）為何在事發的一開始都不認錯？或許是因為，有時候道歉並不只是露出胸部這麼簡單的！

Psychology Today的心理師Guy Winch博士曾指出，不願意道歉的人背後五種可能的恐懼 [7]：

1.他們無法區分自己跟錯誤本身：承認過錯對某些人來說是困難的，是因為他們無法去區分「錯誤的行為」和他們的「人格特質」是兩回事。說了一個沒有根據的地震理論、把別人黑名單，對他們來說承認這些錯誤行為，就好像承認自己是很糟糕的人一樣（我承認我的理論錯了，不就表示我很笨嗎？我道歉了，是不是等於我是很糟糕的人？）。他們害怕承認，因為承認道歉後，會威脅到自尊（self-esteem threat）。

2.他們覺得道歉是羞恥感的門口：承認自己的錯誤，某種程度上一定會帶來罪咎、羞恥感（shame and guilty）、甚至會覺得自己很笨很糟糕，為了逃避這些毒性情緒（ toxic emotion），乾脆不去承認錯誤，因為這樣就不用承認自己很糟。

3.他們擔心道歉之後要負全責：或許刪除文章、黑名單別人，是一種讓人家感到不舒服的行為，但網友有的時候也會用激烈的言語，反諷的方式來刺激一開始做錯事情的人。一來一往的情況下，雙方可能都有一部分做錯了。可是，這些拒絕道歉的人可能認為，先道歉的人就輸了（整件事情又不是只有我有錯！是那些酸民也太過分了！），因為這意味著他們必須對整件事情負起全部的責任——儘管這可能只是他們自己的腦補和擔憂。

4.他們覺得道歉只是通往衝突的階梯（floodgates）：不道歉的人通常會擔心，當他承認自己的錯誤並道歉，對方可能會翻出更多的舊帳，引起更大的衝突；不過事實剛好相反，當事人越是拖延、越是態度傲慢、越是不承認，反而會被起底挖出更多過往的瘡疤——因為被冒犯者的情緒沒有被安撫到、沒有被尊重，會出現更多的攻擊行為。

5.他們覺得生氣或否認是安全的：對某些人來說，如果用逃避、疏離、生氣或防衛的方式來面對自己的錯誤，就不會感到悲傷難過與罪惡。不過他們只想對了一半，認錯就像是一道門，當你關起這道門，隔絕了自己的感受，你的確不會經歷悲傷和痛苦等罪惡的感覺，但同樣的，你也損失了其他人給予與你支持和陪伴的機會。越是防衛，心裡的恐懼就越難消解。

承認自己的錯誤，其實就是承認自己的脆弱，但是光是看見自己是脆弱的容易受傷的並且接受這個事實，就已經是很困難的開始，這也是為什麼很多時候，我們明明知道是鴨子嘴硬會有更糟糕的結果，但我們會因為害怕而不願意承認自己的錯。

酸世代：從不認錯，到網路霸凌

文首舉的許多例子，都有一個共同的流程是：

因為不認錯或態度傲慢觸怒鄉民→

→因為防衛做出更多觸怒鄉民的行為（比如覺得沒什麼、或是刪除留言貼文等等）→

→鄉民號召或人肉搜索（例如召喚不同時空的人）→

→當事人止血道歉（貼出道歉文或奶頭照）→

→被質疑道歉不真誠、或是繼續被酸。

到了後來，一開始的問題焦點都被模糊了，只變成大家苦悶生活當中的笑話或是娛樂的方式。可是有的時候，這樣的方式也可能釀成悲劇，例如昨天的Cindy自殺事件。

「酸世代」的網路霸凌，搭載了匿名性與社群傳播的威力，可能有2個主要的特徵：「多數即正義」與「責難當娛樂」。部分的人覺得，站在人多的一方，認為自己的行為是正義的，或是在旁邊幫腔補刀，看戲惡搞，當作苦悶生活的一種解套 [8]。

香港城市大學應用社會科學系副教授黃成榮指出，這樣的行為等於是把自己的快樂建築在別人的痛苦上，甚至有些人把它當作「網路遊戲」的一種。但是，不論對方一開始有沒有做錯，我們永遠不知道這樣排山倒海的批評，會帶來什麼樣的後果。

「網路也好，真實世界也好⋯⋯人多的一方，往往霸佔著所謂的正義。」

「我要他們永遠記得，他們曾經用BBS殺死一個女孩子⋯⋯」——《BBS鄉民的正義》

三年前上映的電影給我們許多震撼，但三年以來我們並沒有從中學到教訓，在醜聞或重大事情爆發的時候，仍然持續用諷刺、酸文、起底的方式來滿足自己心中小小的快感。

當然，這並不代表他們犯的錯、黑名單、刪文等行為是該無條件原諒的，炎亞綸事件與Cindy自殺的起因及嚴重度也不同，只是當每次我們按下送出的同時，也可以想想：自己是真正希望對方道歉改變，還是被自己的情緒、好玩心態給控制了？

沒有人是懦弱的，但每個人的生命，都有脆弱的部份，有時候我們會被這些脆弱給控制、被情緒給淹沒。看見，並理解這些脆弱與情緒，並在每一次的批評之前，多想一點。因為連結我們彼此的本不該是仇恨，而是愛。

附錄：當霸凌來臨，該怎麼辦？

對於被霸凌者來說，壓死他們的最後一個稻草，是那些蜚語讓當事人產生了自我懷疑(self-doubting)。當自我價值與概念(self-concept)被動搖，當事人很容易被引領到一個思考是：如果我這麼糟，那麼我的人生還有什麼意義？

當死亡的選擇就橫在面前，其實很多時候不是一句「勇敢」、「別想太多」就可以撐過去的。那是一種，只有體驗過絕望與死亡威脅的人，才懂的無奈與沈痛。

既然我們知道，一切的關鍵在於自我概念與價值感的維繫，下面幾種方式，或許就可以當作面臨網路霸凌時的救急步驟：

1.關（Close）：關閉臉書和社群的帳號，減少自己在負面訊息裡面暴露的時間。因為越是閱讀、越是思考，越容易陷入反芻（rumination），進而變得憂鬱（depress）。

2.非（Not equal to）：或許你曾經做錯一些事情，也或許你的表現不是很好，更或許你的確受到一部分的人討厭，但這都只是部分的你、部分的行為，並非你的全部。試著告訴自己這些謾罵，並不等於你的自我價值。

3.伴（Accompany）：找身邊的好朋友陪伴，但請記得要找可以花時間，好好跟你一起哀傷的人，他們不會要你趕快好起來，只是陪在你身邊。因為這個時候你需要的不是解決方法，而是知道自己是值得被愛、值得被關懷的。一個好的陪伴關係，光是同在，就已經很足夠了。

4.說（Talk）:嘗試把內心的壓力和感覺說出來，如果實在沒有辦法用言語表達，也可以在紙上寫下來，以避免反覆思考，越想越糟。當你的壓力和感受能夠抒發、有人可以理解的時候，被在乎的感覺就會暖入心中。

5.心（Psychiatrist）:必要的時候可以尋求專業的協助，例如訴諸法律、或是找心理師聊聊，並減少獨處的時間。你的生命永遠比什麼都重要，或許暫時還沒有什麼方法，但姑且先接受這樣低落的自己，並讓人來幫助你。

註解

<1>我們常常會以為，一定是婉君或酸民的言語、靠北部落客的貼文「害死了」某個人，但自殺從來沒有單一原因 [9, 10]，會選擇走上這條路，一定有很多我們沒有辦法想像的傷痕，無法撐過去的痛苦，也不是一句「別想太多」就可以帶過的。如果你不曾有過類似經驗，身邊卻有想自殺的人，千萬不要忙著拉他出來，因為這時候最重要的不是幫他謾罵、要他想開、也不是解決問題替他想辦法，而是單純的「陪伴」，讓他知道再不好，也有人陪他一起不好，而不是急著要他趕快好。

<2>有人可能會問，親密伴侶跟偶像是否可以等同討論？事實上有些部分是相似的，例如我們看到電影或是偶像劇時，會投射到自己的身上，進而在空虛寂寞覺得冷的時候產生溫暖的感覺 [11, 12]，也有些研究指出偶像/名人崇拜與戀愛伴侶類似的地方是，都與個人的自我概念、情感與歸屬有關 [13, 14]。不論對方是偶像或伴侶，只要你在意的人冒犯了你的信任，更多混亂與難過生氣也會接連產生。

<3>相較於亞綸地震論，Cindy的霸凌與自尊更相關（謾罵到長相、模特兒事業等等核心價值），所以造成的結果也更嚴重，一般來說，女性更容易受到性騷擾和語言霸凌[15]。網路霸凌有很多特色（匿名性、難以完全刪除等等）[16]，其中最特別的是，網路霸凌加害者亦有可能成為網路霸凌受害者。而目前的網路風向，靠北部落客就有可能從加害者轉成受害者（2015/4/23已關版）。

參考資料

(本篇中文文獻取自華藝線上圖書館)

1. Hannon, P.A., et al., The soothing effects of forgiveness on victims’ and perpetrators’ blood pressure. Personal Relationships, 2012. 19(2): p. 279-289.
2. Bono, G., M.E. McCullough, and L.M. Root, Forgiveness, feeling connected to others, and well-being: two longitudinal studies. Pers Soc Psychol Bull, 2008. 34(2): p. 182-95.
3. Luchies, L.B., et al., The doormat effect: when forgiving erodes self-respect and self-concept clarity. J Pers Soc Psychol, 2010. 98(5): p. 734-49.
4. Lazare, A., Apology in medical practice: an emerging clinical skill. JAMA, 2006. 296(11): p. 1401-4.
5. 陳民虹, 劉金明, and 楊斯棓, 道歉：一位醫師的訪談研究. 澄清醫護管理雜誌, 2012. 8(4): p. 16-25.
6. Exline, J.J., L. Deshea, and V.T. Holeman, Is apology worth the risk? Predictors, outcomes, and ways to avoid regret. Journal of Social and Clinical Psychology, 2007. 26(4): p. 479-504.
7. Winch, G., 5 Reasons Why Some People Will Never Apologize, in Psychology Today2013.
8. 陳良瑋, 網路社群酸民文化分析之研究：以 BBS 為例, in 教育學系科技發展與傳播所2015, 國立臺南大學. p. 104.
9. 楊智平, 大學生自殺的認知原因分析. 昭通師範高等專科學校學報, 2005. 27(4): p. 71-74.
10. 陳彥伶, 自殺新聞停看聽－自殺是多重原因造成的. 自殺防治網通訊, 2010. 5(1): p. 5-5.
11. 葉瑋妮, 電影對失戀大學生之情緒療癒效用分析研究, in 臺灣大學圖書資訊學研究所學位論文2011, 臺灣大學. p. 1-198.
12. Hong, J. and Y. Sun, Warm It Up with Love: The Effect of Physical Coldness on Liking of Romance Movies. Journal of Consumer Research, 2012. 39(2): p. 293-306.
13. 王平, 刘电芝,苏州大学, 江苏,苏州,215123, 青少年偶像崇拜的心理探源. 苏州大学学报（哲学社会科学版）, 2010(2010年 05): p. 179-181.
14. 程灵等, 青少年偶像崇拜现象的心理学分析. 福建教育学院学报, 2001(2001年 01): p. 19-21.
15. Harris, S.; Petrie, G.;Willoughby, W. Bullying among 9th grades:An exploratory study. NASSP Bulletin (維吉尼亞州: National Association of Secondary School Principals). 2002, 86: 3–14
16. 吳明隆與簡妙如, 青少年網路霸凌行為探究. 中等教育, 2009. 60(3): p. 90-109.

編譯 / 廖婉琪

我們常常會看到新聞上一些人士為了自己錯誤的言語或行為向大眾道歉，他可能認為這樣能平息眾怒，讓彼此都好過一些。但真的是這樣嗎？在《Psychological Science》期刊中有研究指出，原來我們常常會高估道歉所帶來的價值。

「近幾年的金融風暴，大家都把矛頭指向許多銀行，在大眾眼中，那些銀行正是導致金融危機的罪魁禍首，不過那些銀行似乎不這麼認為。雖然如此，某些銀行和他們的CEO們仍對大眾道歉，但人們似乎也沒有因為他們的道歉而感覺好過些，於是我們開始好奇，到底道歉的真正價值是什麼呢？」主持這項新研究的荷蘭學者克里默（David De Cremer）如此說。

於是克里默與另外兩名學者Chris Reinders Folmer 和 Madan M. Pillutla，設計一項實驗來觀察我們是如何看待道歉的。首先，受試者在電腦前坐下，並且得到10歐元，受試者可以決定要自己保留，或是給那位透過電腦和他溝通的夥伴（實際上此夥伴並不存在）。受試者被告知，若決定把錢給對方，則對方拿到的錢會翻漲成30歐元，而那位夥伴可以決定要回饋給受試者多少錢。不過有趣的是，實驗設計讓受試者一律只得到5歐元，接著，有些受試者會實際獲得對方的道歉，而另一部分的受試者則被告知他們要「想像」他們得到了道歉。

實驗結果是那些「想像」自己得到道歉（實際上並沒有）的人，會比實際得到道歉的人感到舒服得多。這說明了當談論到解決衝突需要何種方法時，我們往往會有錯誤的預測，雖然大家都想得到道歉，而且認為道歉有很高的價值，但其實得到道歉的感受會比我們預估的還不滿意。

因此克里默和另兩名學者推測，因為人們想像道歉會讓他們舒服的程度比實際效果來的好，比起讓應該被道歉的人感覺舒服，道歉的實際效果，比較多應該是在讓外人覺得做錯的人有感覺到不好的感受。

由此可知，「雖然道歉是和對方和好的第一步，但看來我們還需要別的行動。」克里默如是說：所以不只是口頭道歉，下次我們也可以試著進一步用行動讓對方感受到我們的誠意。

文章出處：

• Apologies Aren’t as Good as People Imagine They’ll Be. ScienceDaily [Jan. 23, 2011]
• Apologies Aren’t as Good as People Imagine They’ll Be. Association for Psychological Science [January 18, 2011]

研究文獻：David De Cremer, Madan M. Pillutla2 and Chris Reinders Folmer. How Important Is an Apology to You? Forecasting Errors in Evaluating the Value of Apologies. Psychological Science January 2011 vol. 22 no. 1 45-48

轉載自 心理與睡眠教學網