feature picture
needpix

選情白熱化,看得心慌慌?從心理學剖析「選舉症候群」

2020-01-10 採訪‧撰文 葉冠玟
分享
收藏
已完成
已取消

過去幾個月,不只各家媒體高頻率報導政治類新聞,社群上的意見領袖也愈來愈不避諱談論自己支持的總統候選人,公開表態自己的政治立場。

問題是,當你看著各陣營口水戰不斷的局面,浮現「亡國感好重」的想法時,你知道如何判斷眼前的爆量資訊、專家觀點是否可信嗎?還是一直以來,你其實早已被帶風向而不自知?

人們自以為的理性,往往是為了合理化個人立場

針對社群上充斥著爭鋒相對的偏激言論,暢銷心理學作家劉軒直言,這背後的心理機制,正是「人性」在作祟。

劉軒指出,人們常自認可以理性判斷每個政治人物的政見,會客觀傾聽對立者的想法,但實際上,「我們是『感性先、理性後』的動物,很多時候,人們展現的理性,只是為了自圓其說。」換句話說,我們會選擇性篩選接收到的資訊,忽略對自己立場不利的部分,變相利用「看似客觀」的數據資料或說詞,為自己不理性的主觀判斷背書。

2008 年美國總統大選期間,學者分析電商龍頭 Amazon 上的購買趨勢時,就發現會去買支持歐巴馬政治理念的書籍,大多原先就是歐巴馬支持者,反之亦然。「大部分人買書,往往不是為了理解不同觀點,而是為了確認,進而強化自己既有立場,這在心理學上,就叫『確認偏見(confirmation bias)』。」

該如何避免自己落入這樣的認知偏誤?劉軒提供兩個建議:

1.親自做研究,不要盡信他人之言

學習不靠他人評論,自主做出初步判斷,是培養自己具備媒體識讀能力的第一步。

劉軒強調,比起研讀各方政論、各家媒體專欄,不如先問問自己,「如果是我,我會怎麼做、如何解決這問題?」

舉例來說,你認為基本工資太低,應該調漲到 4 萬才合理,那在瘋狂贊同選舉候選人、意見領袖的相似觀點前,你應該先去研究「把工資提高」的影響層面,並找出對應的評估依據佐證自己的論點,例如歷年薪資調整幅度、各縣市物價水準、公司經營與人事成本的關係等。

很多時候,你會發現,你眼中的小事,很可能是涉及商業、經濟發展等國家大事,難以說改就改。「政治,就是很多不同的『but』疊加到最後,得到的一種妥協。」

2.確保自己能放下主觀意識,再走出同溫層

另外,在無法確保自己能不預設立場,真正地「傾聽」不同聲音前,千萬別急著跨入異溫層,天真地認為自己準備好跟立場相悖者「深談」,可以展現和社會理性對話的積極參與度。

否則,當你還抱持著對立心態,可能會把對方「非人性化」,甚至出現「他們不配做人」的偏激想法。

從相對舒適的同溫層進到異溫層,瞬間成了少數民族,容易浮現高漲的激動情緒,反而更強化確認偏見。

劉軒提醒,當你選擇和看法不一的人互動時,要時時自我提醒,對話目的是交流,不是辯論、強迫對方接受你的看法,更何況,「大家都在同艘船上,無論你擁戴什麼顏色,思考的其實是同一件事——如何讓船行駛地更好,而不是加速社會的分化。」

對選舉結果失望到想不開?你可能患了「選舉症候群」

不過,再怎麼大聲疾呼,選舉終會迎來面對結果的一天,如果很不幸,你期待當選的候選人意外落馬,該怎麼平復前後落差太大的失落心理?

劉軒坦言,在社群媒體興盛後,因為對選舉結果失望,一時無法消化甚至情緒失控的現象,已經變得愈來愈常見。

最經典的例子,無非就是 2016年,川普(Donald Trump)當選美國總統時,跌破眾人眼鏡的大事件,選後的美國社會,散發出一種「錯愕、不敢置信」的焦躁氛圍。

當時,美國心理學家們開始追蹤選民的後續狀態,發現很多人都出現失眠、焦慮、想不開、易怒、具攻擊性等 PTSD(post-traumatic stress disorder,創傷後壓力症候群)的標準症狀,也因此出現了心理學上的新名詞 PESD(post-election stress disorder,選舉壓力症候群)。

研究發現:愈常使用社群媒體,愈容易變得偏激易怒!

「過去,我們認為社群理應是民主、可自由溝通的地方,卻發現當『人性』注入其中,加上受到大數據演算法、同溫層效應的影響,反而引發更多對立,在網路上互相殘害。」

美國心理學家就發現,PESD 嚴重程度,正好跟你社群媒體的使用頻率成正比,也就是說,你沈浸在社群網絡的時間愈久、愈成癮,愈容易成為偏激的人,PESD 症狀也可能更嚴重。

實際上,在臺灣今年陷入膠著的總統大選中,很可能也會發生一樣的狀況。對此,劉軒建議,如果你發現自己出現選舉壓力症候群的徵兆,你可以試著做兩件事緩解:

練習一:放下手機,踏出家門走走

shutterstock_1079687216_woman_alone.jpg
shutterstock

「遠離社群媒體,是擺脫失落情緒的第一步。」劉軒直言,社群媒體容易讓你再陷入更深化的同溫層裡,而比起活在看不見、摸不著的虛擬社群裡,走出家門,觀察你的鄰里,仔細去感受一下自己踏的這塊土地、居住的社區、行走的街道,可以幫助你稍微跳脫情緒,找回內心的平靜。

練習二:和「人」實際接觸,進行簡單互動

shutterstock_511540777_smile
Shutterstock

另外,很多人會覺得,心情不好,就該找家人、摯友等「熟人」一吐不快,但劉軒強調,只要能和「真人」實際接觸,就算只是陌生人,照樣能達到撫平創傷的效果,加快自我癒合的速度。

因此,除了走出家門,不妨試著對著路上迎面走來的路人、結帳時的店員、刷悠遊卡時對到眼的公車司機笑一笑、點個頭,這些小小接觸的累積,都能幫助你跟社會重新鏈接,慢慢釋出善意理解、接納社會的多元族群,還原社會該有的原始樣貌。

(本文出自Pressplay)

相關文章
feature picture
經理人

AI 不只要懂數據,更要懂企業!Teradata 如何加速實現自主型企業?

2026-11-09 經理人 X 擎昊科技 X Teradata
分享
收藏
已完成
已取消

隨著生成式 AI 快速發展,AI 的角色正從回答問題、生成內容,進一步走向執行工作、參與決策,這也讓「自主型企業(Autonomous Enterprise)」成為企業數位轉型的新願景。在這樣的企業中,AI 不再只是被動等待人下指令的工具,而是可以在授權範圍內自主做出決策、執行任務,且會持續學習與優化的數位員工,而人則肩負起監督與審核的責任,確保 AI Agent 的決策與行動符合企業目標及治理要求。

然而,要實現自主型企業的願景,除了依靠強大的 AI 模型外,企業還需要掌握兩個關鍵:一是釐清自身希望透過 AI 解決哪些業務問題、達成什麼目標;二是讓 AI 真正理解企業的業務脈絡。這兩個關鍵,不僅決定 AI 能否從概念驗證(PoC)走向實際營運,更是企業朝自主型企業邁進的重要基礎。

邁向自主型企業,企業必須掌握的兩大關鍵

Teradata 首席營收長 Richard Petley 指出,企業在定義 AI 導入目標時,不能只著眼於技術是否可行,更應該從實際業務需求出發,設定明確且可衡量的成果與投資報酬。

舉例來說,金融業可能希望提高詐欺偵測率、降低風險;零售業則想要藉由個人化推薦提升轉換率與顧客體驗;製造業也許會將縮短生產週期、提升供應鏈效率列為目標。雖然不同產業對 AI 的期待各有不同,但共同點都是希望解決具體的業務問題,而不只是驗證 AI 能做到什麼。

第二個關鍵則是讓 AI 理解企業的業務脈絡。即使企業已經將所有資料集中在同一個平台,也不代表 AI 就能理解這些資料。例如,AI 可能知道某位客戶的交易金額下降,卻不知道背後究竟是受到合約條件改變、採購週期等哪一項因素影響。

換句話說,若 AI 不清楚數據背後的意義,以及企業實際的業務流程與決策依據,即便數據量再多、模型能力再強,仍難以做出適當判斷。因為真正影響企業決策的資訊,往往不只存在於數據本身,也可能藏在不同部門的作業流程、內部文件,甚至資深員工長年累積的經驗之中。

因此,企業不只要整合散落在不同系統、資料庫與文件中的數據,還必須建立資料之間的關聯,讓 AI 不只看得懂數據,更能理解數據背後的業務意義與決策邏輯。如此一來,AI 才不會像一名對公司業務一無所知的新進員工,而是能夠根據企業的實際情境做出適當判斷、執行任務。

Teradata 兩大解決方案,打造由知識與脈絡驅動的 AI

Teradata 首席產品長 Sumeet Arora 認為,邁向自主型企業是一段漸進式的轉型歷程,若能讓 AI 充分理解業務脈絡,就有機會加快轉型腳步。為此,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用,讓 AI 不只理解企業的業務邏輯,更能將這些理解運用在實際任務中。

舉例來說,歐洲某醫療研究機構運用 Teradata 解決方案及自家資料庫,開發出一套僅有 200 萬個參數的輕量化 AI 模型,可預測不同病患族群未來 10 年內的疾病發生情況,提供相關單位及早做好醫療需求與資源規劃。美國某大型醫院透過 Teradata 平台整合病患數據,進而開發出可直接在資料庫內執行的病患風險分層模型,可從病患特徵去辨識其風險程度與照護需求,讓醫師據此規劃更精準的照護計畫。

擎昊
Teradata 首席產品長 Sumeet Arora 表示,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用。
經理人

首先,Tera Context Engine 扮演的是企業知識整合與轉譯者。它能整合企業分散在四處的數據與內容,並納入內部專家長年累積的經驗,在符合數據治理規範的前提下,轉化為 AI 能夠理解與運用的企業智慧。換句話說,Context Engine 的價值不只是提供更多資料,而是讓 AI 理解資料背後的商業意涵,以及如何運用在實際情境中。

有了業務脈絡,下一步就是讓 AI 真正採取行動,這正是Tera Harness 所扮演的角色。它會結合 Context Engine 提供的知識與脈絡、企業設定的目標,如:提升客戶滿意度,讓 AI 去執行對應任務,並依據結果持續調整行動策略。而在涉及重要決策或較高風險的應用情境中,Harness 也能導入人機協作機制,由人介入決策、提供回饋,降低 AI 自主決策可能帶來的風險。

然而,當 AI 開始自主執行更多任務,企業也面臨另一項挑戰:如何在擴大 AI 應用的同時,兼顧主權 AI 與資安需求?對此,Sumeet Arora 指出,Tera Harness 支援地端、雲端及混合部署等不同 IT 架構,能夠配合資料所在位置去執行任務,企業可依據自身的治理與法遵要求彈性部署,將重要知識與商業機密留在內部可控的環境中。

此外,當 AI 開始承擔更複雜、執行時間更長的任務,如何避免因意外而導致任務中斷,也是企業相當關注的課題。為此,Teradata 在 Harness 中導入檢查點與記錄機制,倘若 AI 因意外而中斷正在執行的任務,Tera Harness 會從最近一次的檢查點接續執行,不必從頭再來,減少不必要的時間與成本浪費。同時,Harness 也具備高併發處理能力,可同時處理多個 AI 任務,提升 AI 參與日常營運的穩定性與可靠性。

從資料倉儲走向 AI 知識平台,Teradata 3.0 攜手擎昊加速企業轉型

Tera Context Engine 與 Tera Harness 的推出,不只協助企業加速 AI 應用落地,也反映 Teradata 對自身定位的轉變,正從傳統資料倉儲供應商,轉型為企業 AI 知識與 AI 執行能力的供應商,協助企業將分散的資料轉化為 AI 可理解的脈絡資訊,進而驅動智慧決策與自動化執行。

Richard Petley 進一步說明,Teradata 的發展可分為三個階段,在最初的 Teradata 1.0 時期,以軟硬體整合的資料倉儲設備為主,到 2.0 則轉向支援地端與雲端部署的現代化軟體,如今進入 3.0 階段,客戶不一定要採購整套資料倉儲解決方案,也能依需求導入 Context Engine 或 Harness。這樣的轉變,顯示 Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。

擎昊
Teradata 攜手台灣代理商擎昊科技,結合原廠 AI 技術與在地系統整合經驗,協助企業加速 AI 應用落地,邁向自主型企業。圖中由左至右,依序為 Teradata 首席產品長 Sumeet Arora、擎昊科技總經理劉宗坤及Teradata 首席營收長 Richard Petley。
經理人

然而,再先進的技術架構,仍需要在地專業夥伴協助落地。而擎昊科技作為 Teradata 台灣代理商,不僅與原廠保持密切互動,更擁有深厚的技術實力,及豐富的企業級系統規劃、建置與整合經驗,協助企業打造穩定可靠的 IT 環境,讓 AI 應用能夠順利導入並持續運作。此次 Teradata 兩位高階管理者 Richard Petley 與 Sumeet Arora 來台,除了與企業客戶交流 AI 發展與應用需求,也攜手擎昊科技深化在地合作,共同拓展台灣市場。

面對缺工、高齡化與市場競爭加劇等挑戰,如何運用 AI 提升營運效率並強化決策能力,已是企業的當務之急,這也讓自主型企業成為未來必然的發展方向。在這條智慧轉型的路上,Teradata 將持續攜手擎昊科技,融合 AI 技術、企業知識與系統整合能力,協助企業加速 AI 應用落地,朝自主決策與智慧營運的新階段邁進。

擎昊
Teradata 首席營收長 Richard Petley 指出,Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。
經理人
擎昊科技
Teradata

解鎖更多提問機會!

請先登入會員

會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
訂閱方案