跳到主要內容

2010年以後TSSCI同理心相關文獻

為了瞭解近年來國內同理心相關的研究狀況,我分別從華藝線上圖書館以及scopus兩個資料庫各以同理心以及empathy為關鍵字搜尋2010以後的文獻。華藝線上圖書館限制為TSSCI的期刊,而scopus則限制來源為台灣的期刊論文。

華藝線上圖書館出來的文獻有42篇,去掉回顧和專刊介紹文以及領域實在差太大我難以閱讀的文章仍有30多篇。而scopus出來的論文更是有四百多篇,這個數量實在太過龐大,我需要再進一步篩選。這邊先分享TSSCI期刊論文的讀後心得。

國內同理心相關的研究僅有少數為質性研究,包含了在劇場教學中檢驗學生是否能夠從課堂當中體會同理心如何展現、以及「用愛包圍,與你同在(Wraparound)」的社會服務計畫中親代以及子代的經驗現象學分析,還有一個我覺得很有趣的華人對成就的入際歸因方式與動機之分析研究,這個看似和同理心沒有任何關係,但文獻中認為華人社會的自謙行為(自己的成功是運氣好啦)是一種保護他人面子的同理心展現。

有一篇探討諮商中的同理心技術,是一個回顧性文章,回顧的是在諮商實務中同理心的意涵、功能以及角色,雖然與我當初想要找的內容性質不太相近,但可以看到臨床實務上對於同理心的看法,與文獻中主要以抽象定義「能夠觀點取替」的說法大相徑庭。諮商中關心的是同理心的角色,所以文章中回顧的同理心是在諮商當中諮商師和病人建立關係過程中所產生的同理感,這有助於關係的建立以及幫助當事人內在的覺察以及療癒。

有一篇文章在探討醫院的制度與醫師的同理心展現的關係,利用多層次迴歸分析多家不同制度的醫院的醫生同理心的表現。同理心在這個研究當中是使用Jefferson Scale of Physician Empathy,這個是在醫療領域研究醫病關係很常用的量表,測量的是醫生與病人互動的關係以及醫生是否能同理病患的感受。作者發現當醫院管理重點愈強調收入創造, 而較不強調成本抑制,則醫師愈能展現熱心照護、真正瞭解病人情緒。這一篇也引發了後續的討論

有一部份的研究的同理心是包含在復原力當中(同理心以及人際互動),由於該量表當中同理心的定義多元,從題目來看這個因素的同理心主要從人際關係來看自己是否能讓他人感到有同理心(自評自己是否能多尊重別人、關心鼓勵別人、善解人意、讓他人感到溫暖、能接納別人的不同觀點、能用適當的態度與人溝通)。

其他的研究探討同理心與情緒覺察、霸凌行為、臉孔辨識…等能力或是行為之間的關係。同理心的測量主要以the interpersonal reactivity inventory (IRI)為測量工具。
綜合來看,目前國內同理心的研究大多以IRI為測量工具,這個量表定義同理心包含了四個歷程

  1. 觀點取替(認知)
    • 是否能自發性獲取他人心中所思考的觀點傾向。
    • 如:我有時候會嘗試藉著朋友的觀點看事情來多瞭解我的朋友,在批評他人之前,我會試著想像如果我處在相同處境的感受。
  2. 角色置入(認知)
    • 個體運用想像力將自己轉換到另一個虛構情境的傾向。
    • 如:當我讀到一本有趣小說或故事時,我會想像故事中事件若發生在自己身上`的感覺。
  3. 個人受苦感(情緒)
    • 在面對極端不幸的他人時,所經驗到的受苦感或不舒服的感覺傾向,
    • 如:在緊張的情緒情境中會嚇 到我
  4. 同理感受(情緒)
    • 個體對於不幸的人,是否能經驗到同情與憐憫的感覺傾向
    • 如:我通常會對比自己不幸的人有同情關心的感受

不過,這些都是評分自己是否能夠體會或是感覺到某些感覺為主。但有人認為,同理心可能還要包含在同理對方的情緒之後,要能夠做出適當的「反應」 。也許,這個「反應」是否適當是一個可以進行的研究的方向?我想在scopus的文獻看完之後再來想想。

留言

這個網誌中的熱門文章

同理心

同理心 我們很常聽到別人在說:「你有沒有同理心啊,怎麼可以…」,這個同理心到底是什麼? 幾年前youtube上有一個 影片 在說明同理和同情的不同。同情是feeling for someone而同理則是feeling with someone。也就是說,在同理的過程中,同理者和被同理者的心是連結在一起的。 「心是連結在一起的」這種說法實在是太玄了,雖然看起來可以理解,但是實際上要研究時卻很困難。所以在文獻上,通常是將同理心解構成多個能力或是多個歷程組成的複雜能力或是歷程,藉由這些能力或是歷程來達到與他人的心連結在一起的成果。 能在他人的角度思考以及感受他人的情緒是最常被提到的兩個主要能力,常被稱為認知同理和情緒同理。過去一開始在讀文獻時一開始就看到了這些子能力,總覺得光用這些子能力就要稱為同理實在很難理解。但我想過去的研究者也花了一番心力在想著,到底怎麼樣才有辦法和他人的心連結在一起,最後只好先化約成比較可能理解以及觀察研究的子能力吧。 但「他人角度思考」以「感受情緒」還是在自己的角度出發,探討個體能否「同理」他人的感受或是心理狀態。然而同理是人與人之間心的連結,光只有個體自身的角度可能還有點不足。因此有的人認為同理應該還有「行為」的成份。 通常在醫學或是臨床的領域在討論同理心時,特別會強調行動,要讓對方能夠感受得到有被同理,如果只有治療師、醫師自己心理面產生了同理(也就是從病人的角度思考以及感受到病人的情緒),而沒有表達給病人知道的話,同理並不算完成。 從這個角度來看,如果人和人之間的心沒有產生連結,只有單方面的認為自己已經做到了同理,並不是真同理。而前面所謂的認知同理以及情緒同理其實也不是同理。或者應該說,能夠以他人角度思考以及感受他人情緒,應該是同理心的必要條件而非充份條件。在同理心展現的狀況下,同理者必然是站在被同理者的角度以及感受著他的情緒的;但就算某人具備著觀點取替(能在他人角度思考)的能力以及能覺察他人情緒的能力也不必然能夠同理他人,還得要能夠和被同理者能夠透過溝通行為取得連結才行。 他人角度思考 感受情緒 行動表達

尋找研究核心

尋找研究核心 找到自己的研究核心是關係到我未來有沒有飯吃的重要課題。過去我很少會細想它,反正船到橋頭自然直。不過該來的總是會來,時候到了,也該要面對了。 在我苦惱之前先來看看我的母系的老師們過去十多年的人生都幹了些什麼 原來老師你在這上面花了不少青春 系上的老師很多,我只選擇幾個比較感興趣的老師來瞭解一下。這些老師都做了十年以上的研究,幾乎都可以從他們身上看到在過去十年都將他們的青春投資在某些特定的主題上。 梁庚辰 老師一開始的研究題目主要與用動物模型來研究記憶歷有關,發表了數篇相關的文獻。可能從中發現了許多與海馬迴可能也和制約有關,後來梁老師的研究多了與fear conditioning相關的探討。但總結來看,梁老師的研究核心是圍繞著記憶,以及相關的神經機制(海馬迴)去延伸的。 徐永豐 老師的研究乍看之下好像五花八門,有精神病相關的生理機制,有投票行為,有反應時間,也有決策。不過仔細一看可以發現這些都是用數學模型去預測以及建構人的行為表現。所以雖然表面上看來徐老師的研究很多樣,都核心都是以數理模型建構人的行為。 葉素玲 老師的研究一開始與視知覺歷程有關,後來延伸到了無意識的處理歷程以及視覺和其他感官的跨感官處理,而近年來則是藍光對於知覺以及認知功能的影響。葉老師的研究議題感覺較為多元,但也都算是視覺知覺的延伸,有脈絡可尋。 連韻文 老師最早做思考,接下來是創意、工作記憶與執行控制能力,而近年來則與身心鍛練、意識狀態有關。與其他的老師相比,研究的主題較沒有限縮。但從較廣的角度來看,這些都是人類的高等認知功能。 謝伯讓 老師最早進行的是motion perception(應該叫運動知覺吧?),也算是知覺歷程的一環。不過後來開始進行神經科學,而且竟然有fMRI分析的方法學相關發表。進來謝老師也開始進行無意識歷程的研究,感覺和葉老師的發展有點類似。也許是知覺研究容易導引的方向。 那我的研究核心要是什麼呢? 過去十年,我的研究與思緒、意識內容的控制與覺察有關,不過是否要繼續投入似乎該要有其他的考量(例如:是否可以吃到飯) 從我自己的觀點來看,覺察應該是有未來發展性的,因為這個能力跟認知功能的使用以及心理健康都有關係,如果沒有覺察的話,很多行為改變都不太可能會發生。 不過我在 expertscape 找尋與awareness在台灣有沒有相關的研究者,出現...

glmmTMB vs. GLMMadaptive

--- title: glmmTMB vs. GLMMadaptive author: Ju tags: - blog - R/packages --- 記錄一下分析資料時使用 glmmTMB 以及 GLMMadaptive 的心得 glmmTMB GLMMadaptive 估計方法 Laplace approximation adaptive Gauss-Hermite quadrature 預測值 可以進行單純count part預測、zero part預測,以及兩部份模型加起來的期望值預測 沒辦法只進行count part預測,只能做zero part預測,以及兩部份模型加起來的期望值預測 估計方法的差異在本次zero-inflated model使用過程中有很大的使用經驗差異。 glmmTMB 比較常出現convergent problem,而 GLMMadaptive 幾乎沒有。根據 glmmTMB 的troubleshooting說明,會出現問題主要是和random effect有關,如果拿掉zero part random intercept就不會再跳出錯誤訊息了。而根據 GLMMadaptive 做的模型比較,有沒有zero part random intercept其實沒有顯著的差異。因此如果不強求一定要納入zero part random intercept,兩個packages的結果是一致的。不過如果一定要納入zero part random intercept,那就只能使用 GLMMadaptive 才不會有錯誤警告出現。 兩個套件的另一個差異是在進行預測(predict)時, glmmTMB 可以只根據count part的結果進行預測,而 GLMMadaptive 不行。會有這個需求是因為很常只有count part的預測變項有顯著的結果,但是zero part沒有顯著的預測變項,因此若只想要看count part的預測線時, GLMMadaptive 沒辦法給我這個結果 1 。 文獻上討論Laplace approximation和adaptive Gauss-Hermite quadrature哪一種估計方法比較準的有好幾篇,我大概看了一下他們的結論,其實不同研究的結果並不一...