跳到主要內容

motivated model of empathy

--- title: motivated model of empathy author: YJ tags: - empathy - ideas ---

motivated model of empathy

+
+
+
-
-
-
approach
selection
attention
appraisal
anticipation
exposure to target cue
reception of cue
empathic response
avoid

同理心的定義眾多，若將同理心視為一種能力，同理心的展現被視為一種自動化（automaticity）的歷程。通常會假設（即使沒有明白地說出來）若具有這個能力就可以展現同理。

然而，不論是在文獻上或是生活中，我們都可以看到同理心的展現是會按照情境不同而有所不同的。在某些情境下，人們比較容易展現出同理的行為，而在某些情境下，人們較少展現同理行為。

同理行為是否展現不僅僅只是能不能的問題，還涉及了願不願意的問題。Zaki（2014）提出了motivated model of empathy，從動機的角度來討論同理行為，這個模型對於如何增進同理行為也有許多的啟發。以下簡單介紹並討論這個模型。

basic motivated model of empathy

在動機模型之中同理行為的展現會受到與被同理者的關係以及其情緒狀態、同理行為付出的代價以及同理行為所要展現的情境而調節個人願意展現同理行為的機率。

透過同理行為若可以獲得好處，人們較願意展現同理行為。例如若同理可以帶來正向的情緒時較願意同理。而若同理過程會感受到痛苦，但可以獲得歸屬感或是與他人的社會連結、甚至是可以符合社會或是自我的期待的話也會較願意展現同理。

相反的，若同理行為會帶來壞處，人們可能就比較不願意展現同理的行為。例如同理若是會帶來痛苦的感受、或是需要花費（金錢、物質）都可能降低同理行為的展現。而若是處於競爭的狀態，就算是自己人也會暫時放下同理心的。

empathy regulation strategies

前述會影響人們趨向或是避免展現同理的因素會透過對環境的選擇、注意力投注的目標以及訊息的評價調節同理行為展現的情況。人們通常會期望在某些情境下較有機會需要進行同理，也會預期在這個情境下需要進行什麼樣子的同理行為。若不願意的話，可以選擇避免出現或是接觸這樣子的情境。例如某處總是有慈善團體在募款，若不想要，就避開該處。但若基於種種原因願意展現對於弱勢的同理行為的人，則可以選擇常出沒在這些地方。同時，若人們有機動展現同理行為，也會對於外在情緒線索多加留意；相反的若沒有意願展現同理時，則是會忽略或是將注意力導離情緒相關線索。而即使接受到了需要同理的相關線索，人們會評估是否應該產生同理的行為。例如看到有人衣衫襤褸倒臥街頭，若覺得此人的處境乃自作自受，便不會對他產生同理行為。

motivated intervention on empathy

動機模型提供了同理心或是同理行為相關的介入行為可能的方向。

在這個模型之中，同理心不是固定的能力，而是會受到情境因素所調節影響其展現機率的。因此，盡量增加傾向展現同理行為的條件並減少避免展同理的因素就有望達到增進同理心或是同理行為的可能性。

我根據作者的觀點以及我個人的觀點歸納出來大概有幾個可能方向

  1. 給予信念：
    • 讓同理者知道同理行為的困難以及同理並非固定不變的能力，增加其願意改變的可能
    • 灌輸同理的正面價值，增加願意投入同理行為的好處
  2. 提升心理韌性
    • 同理有時候是痛苦的，同理者要有足夠的能力或是能量處理感受到的痛苦
  3. 提升與被同理者的關係
  4. 降低展現同理所要付出的代價
    • 物質上可能難以減少，但若展現同理行為需要消耗的認知資源可以減少應該可以增進意願。

Zaki, J. (2014). Empathy: A motivated account. Psychological Bulletin, 140(6), 1608–1647. https://doi.org/10.1037/a0037679

標籤：

留言

張貼留言

這個網誌中的熱門文章

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...
2 則留言
Read more »

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
張貼留言
Read more »

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...
張貼留言
Read more »