简介:已有关于信任修复的研究多从违背方角度分析信任修复努力与修复效果的关系,对信任方特质的关注相对较少,更少有研究采取双向视角考察信任修复的影响因素。本研究立足于企业员工违约跳槽的信任违背情景,以383名大学生为被试,采取2(信任方内隐人格理论:实体论vs.渐变论)×2(违背方道歉方式:内归因vs.外归因)的被试间设计,通过角色扮演法,考察了信任方的内隐人格理论和信任违背方的道歉方式如何共同影响信任修复效果。结果显示:相对于外归因的道歉方式,内归因的道歉方式的修复效果更好,且这在当信任方是实体论者时更突出。本研究结果支持了信任修复效果的跨文化差异,对丰富信任修复的理论研究和实践都有一定启发意义。
简介:为考察智力和人格内隐观对大学生应对方式和抑郁的影响,采用智力和人格内隐观问卷、简易应对方式问卷和抑郁量表对624名大学生进行测查。结果如下:(1)变量中心的分析结果表明,整体上大学生智力和人格内隐观仅对积极应对的预测作用显著。(2)为考察智力和人格内隐观在大学生群体中的组合类型,采用个体中心的分析思路对智力和人格内隐观得分进行潜在剖面分析,可将大学生的内隐观划分为四种类型:智力/人格固存观型、智力/人格内隐观适中型、智力增长观/人格可塑观型、智力固存观/人格可塑观型。四类大学生在智力内隐观上的得分两两差异显著;除智力增长观/人格可塑观型与智力固存观/人格可塑观型外,四类大学生在人格内隐观上的得分也两两差异显著。(3)智力增长观/人格可塑观型大学生的积极应对得分显著高于其他三类大学生,而消极应对和抑郁显著低于其他三类大学生;智力固存观/人格可塑观型大学生的消极应对和抑郁显著高于其他三类大学生。
简介:大数据和机器学习在医学研究领域获得越来越多的应用和关注.人体作为复杂的生理和演化系统,具有开放性、不确定性、非线性、多层次性、动态性、突现等特征.从复杂性哲学的视角出发,分析了人工智能医学在方法论和认识论上的优势和问题.人工智能医学可以利用海量数据,搜集复杂的特征信息,发掘并识别多种变量之间的相关性,通过机器学习捕获数据中的复杂与非线性关系,克服还原主义的局限,消除不确定性,提高预测的准确性.疾病过程所体现出的动态复杂性和过程敏感性,复杂系统的不确定性和突现特征,使得人工智能医学对疾病和治疗状态的预测和长时段的预测难以实现.人工智能利用相关性所做的预测,虽然准确,但因为因果解释的缺失和路径依赖,不能直接用于临床上的医学照料,需要医生具身的临床经验和知识辅助判断.治疗的临床情境的重要性与数据化上的困难,也给当前人工智能医学实现从精准预测到有效治疗带来了挑战.
简介:竞争受害者心理是指在群际冲突中群体双方都认为自身才是最大的、真正的受害者。在医患冲突情境中,医患双方努力建构自身成为真正受害者的心态得以彰显,双方聚焦各自受到的不同伤害内容、体验和事件,致力于建构最大受害者的身份。医生和患者各自建构起来的最大受害者身份具有一定的心理动因和社会功能。对患者而言,弱者心态可以博得他人同情、争取补偿等;对医生而言,受害者身份可以规避或减轻其责任、维护职业自尊等。医患双方的竞争受害者心理阻碍了医患冲突的和解。降低双方的受害者竞争水平需要加强医生和患者在生命意识层面上的群体认同,增加彼此之间更频繁、更深入、更积极的群际接触。