上次聊社会工程学中关于“施加影响
”的话题,其中提到了心理学上的“光环效应”。今天想把这个话题深入地八卦一下。<!-- program-think-->
★什么是“光环效应”
考虑到某些同学比较健忘,还考虑到某些同学没有看过上次的帖子
,俺再啰嗦一下“光环效应”的解释。
“光环效应”也叫“光晕效应”或“晕轮效应”,是指对某人的某个显著的
局部特征的看法被盲目扩大化,变成对此人整体的看法。维基百科的解释在“这里
”。
上述这个定义是针对“人”而言的,不妨称之为狭义的
光环效应。假如把上述定义中的“某人”替换成“某事物”,这种效应依然存在,俺暂且称之为广义的
光环效应。
另外,很多同学误以为光环效应中所说的“显著特征”就是指优点
。其实捏,某些显著的缺点
也会引起光环效应。后面的介绍中,俺会把优点引发的光环效应称为“正面
光环效应”,反之则称为“负面
光环效应”。
★负面影响举例
为了先给大伙儿一个较深刻印象,俺先来举几个例子。
◇偶像崇拜
所谓的“偶像崇拜”,古今中外,屡见不鲜。随便举几个例子:比如当今的追星族(貌似各国都有)、比如文革时期的红卫兵崇拜XXX、比如德国的民众崇拜希特勒、......上述这些(崇拜偶像的)人都是受到了“光环效应”的影响,而导致了这种狂热的行为。
◇技术口水战
在IT领域有很多光环效应的例子(尤其是广义的光环效应),先来说说口水战这事儿。
俺最深恶痛绝口水战首推“编程语言口水战”(所以俺凡是写编程语言的帖子,都很小心,生怕被口水淹死)。这类口水战常见诸于各大BBS,且往往旷日持
久。参与其中的狂热斗士,大都属于某个编程语言的fans。当他/她开始学习这门编程语言的时候,由于被该语言相关的某个显著特点(比如语法、库、应用)
所吸引,继而为之倾倒;然后光环效应开始在头脑中发酵,导致该fans对这门语言的缺点视而不见;然后这些fans但凡听到有人批评此语言的缺点就火冒三
丈、暴跳如雷;然后口水战就轰轰烈烈地开打了......
其实IT行业的口水战,绝不仅仅限于编程语言。比如操作系统领域有“Windows
vs Linux vs Mac”、编辑器领域有“Emacs vs VI”、POSIX桌面环境有“KDE vs
Gnome”、RIA开发有“Flex vs
Silverlight”、......上述这个清单,俺还可以继续列出一大堆(貌似口水战在每一个IT领域都会出现)。虽说这些口水战所属的领域差别巨
大,但导致其产生的心理学根源是类似的(后面会说)。
◇技术银弹
关于啥是“银弹”,俺当初在点评《人月神话》的时候,有专门提到,请看“这里
”。
IT行业(尤其是软件业)经常充斥着各式各样的“银弹”,号称包治百病。比如软件行业曾经鼓吹过的银弹有如下:“面向对象、组件技术、设计模式、
CMM、UML、敏捷开发、RAD、SOA、......”。当然,很多忽悠银弹的家伙,是出于商业目的,这与本贴的主题无关。但是忽悠出来的银弹还是有
很多人相信,这就很有意思了。那些被忽悠
的人,之所以对银弹的效果深信不疑,一定程度上也可以归因为光环效应。
◇某些民族偏见
前面几个例子都和正面光环效应有关,俺再来举一个负面的例子。在说这个例子之前先声明:俺不是哈日族,而且也不认同日本的文化。
比如国内的很多人,对于日本人的看法都过于片面,陷入了负面光环效应的误区。这些人但凡提到和日本有关的东西,立马一脸的不屑,开口就是一顿贬谪之词。不把日本人骂得狗血喷头,誓不罢休。为啥会这样捏?俺斗胆揣测一番。
大部分国人对日本(包括民族、文化等方面)的了解,都始于抗日战争相关的材料(比如小时候看的抗战题材电影、某些小学教材上的内容、等等)。由于这些资
料都是刻意强化日本人丑陋的一面,接触久了,难免会引发负面的光环效应,把日本在二战中的缺点盲目扩大到其它的方方面面,进而全面贬低/否定和日本相关的
一切东西。
★它是如何起作用的?
前面举了这许多例子,足见光环效应的影响范围之广。俺结合自个儿的理解,分析一下这玩意儿的作用为啥这么强烈。事先声明:俺不是心理学专业的。所以下面的分析总结大伙儿姑且听之,可别跟俺较真哦 :-)
◇一致性原则
在《影响力》这本书中(在之前的帖子
,俺大肆鼓吹过此书,建议没看过的同学一定要看看),介绍了一致性原则。通俗地说,就是:人的潜意识里有保持各种东东(包括观点、看法、立场......)一致性的倾向。具体表现在:当你正面评价某对象(包括人或事物)时,你在潜意识里会排斥该对象的负面评价;反之亦然。
比如当你很喜欢自己的情人(或配偶)时,你在潜意识里面就会排斥掉对方的缺点和不足。这种排斥的行为是下意识(可能是“本我”)进行的,甚至你自己(也就是“自我”)都没有察觉到。
◇和“首因效应”相结合
所谓的“首因效应”,通俗地说就是第一印象或先入为主。在你对某人(某事物)进行认知的过程中,第一印象会很深刻。如果这个第一印象所接收到的正好又是对方某个鲜明的特征,那“首因效应”和“光环效应”就会叠加起来,效果会更加明显。
比如通常所说的“一见钟情”,往往是结合了首因效应和正面光环效应。
◇选择性“失察”和选择性“失忆”
当某个对象的光环效应开始显现之后,有些人就会出现"选择性失察"或"选择性失忆"。这里所说的“失察”,就是对某些东西视而不见,听而不闻。比如前面
提到的追星族,只观察到偶像的优点,而看不到偶像的缺点(也就是选择性失察);即使偶像发生重大的丑闻/绯闻,很多追星族也会出现选择性失忆,对这些丑闻
/绯闻,淡忘得特别快。
选择性“失察”和选择性“失忆”的起因,可能是由“一致性原理”引起;而选择性“失察”和选择性“失忆”的结果,又强化了认知的一致性。两者形成正反馈,互相强化,使得认知的“光晕”越变越大。
★如何避免它的负面影响
看到这里,有些同学肯定在琢磨:要咋样防止光环效应的负面影响捏?下面来说说俺的几个方法(是否管用,因人而异)。
◇避免过早下结论
当你初次接触某个对象时,切勿轻易下结论。草率下结论容易触发潜意识里面的“一致性原理”,进而影响你做出客观的判断。
另外,初次接触某个对象时,前面提到的“首因效应”很有可能会干扰你的判断。这也是避免匆忙下结论的原因之一。
◇优缺点都有所了解,再下结论
刚才说到不要过早下结论,那要等到啥时候才能定论捏?俺的习惯是:至少要收集某个东东的优点和缺点、正面和反面的信息之后,才会考虑去下结论。当你光了解某个对象的优点或者光知道其缺点,那做出的结论往往有失偏颇,不够客观。
◇适当考虑反面的特质
当你非常喜欢/热衷某个东东(可能是某个或某事物)时,不妨反问一下自己,这个东东难道没有什么缺点吗?反之,如果你非常反感/厌恶某东东时,也可以刻意反问自己,这个东东难道没啥优点吗?
通过这样的反思,或许有助于你发觉原先认知的误区。
版权声明
本博客所有的原创文章,作者皆保留版权。转载必须包含本声明,保持本文完整,并以超链接形式注明作者编程随想
和本文原始地址:
http://program-think.blogspot.com/2009/05/halo-effect.html
分享到:
相关推荐
总之,《光环效应》是一本发人深省的商业管理书籍,它不仅剖析了管理理念中的误区,也为读者提供了一种更为严谨和批判性的思维框架,帮助人们在商业决策中避免光环效应的干扰,从而做出更加明智和理性的选择。
过于追求学历的表面光环,可能会导致人力资源成本增加,且无法真正提升企业的运营效率。 再者,家族企业在人才结构上存在偏重技术型人才而轻视管理型人才的问题。尽管技术进步对企业发展至关重要,但只有先进的技术...
避免因光环效应、首因效应、近因效应和投射效应导致的选人误区。 10. **识别人才类型**:区分“老鹰”型和“鸭子”型员工。老鹰型员工主动发现问题并寻找解决方案,对团队贡献更大。而鸭子型员工可能只会抱怨而不...
另一个不可忽视的问题是身份认同与认知误区。故事中名人回到自己的家,却因变化过大的外貌和被误认为是“外人”,而被当成窃贼。这一情节暴露了公众对于名人的刻板印象和认知上的偏差。在现实生活中,人们常常根据...
# 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】 中包含: 中文文档:【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【spring-ai-bedrock-converse-1
房地产 -可视化管理课件.ppt
# 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu
内容概要:本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先,通过读取Excel数据并进行预处理,如归一化处理,确保数据的一致性和有效性。接着,配置网络结构,选择合适的训练算法(如SCG),设置训练参数(如最大迭代次数、目标误差等)。然后,进行模型训练,并通过可视化窗口实时监控训练过程。训练完成后,利用测试集评估模型性能,计算均方误差(MSE)和相关系数(R²),并通过图表展示预测效果。最后,将训练好的模型保存以便后续调用,并提供了一个简单的预测函数,确保新数据能够正确地进行归一化和预测。 适合人群:具有一定MATLAB基础,从事数据分析、机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要对多维数据进行预测的任务,如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统,提高预测准确性。 其他说明:文中提供了完整的代码框架和详细的注释,便于理解和修改。同时,强调了数据预处理的重要性以及一些常见的注意事项,如数据量的要求、归一化的必要性等。
# 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu
内容概要:本文探讨了电动汽车(EV)对IEEE 33节点电网的影响,特别是汽车负荷预测与节点潮流网损、压损计算。通过蒙特卡洛算法模拟电动汽车负荷的时空特性,研究了四种不同场景下电动汽车接入电网的影响。具体包括:负荷接入前后的网损与电压计算、不同节点接入时的变化、不同时段充电的影响以及不同负荷大小对电网的影响。通过这些分析,揭示了电动汽车充电行为对电网的具体影响机制,为未来的电网规划和优化提供了重要参考。 适合人群:从事电力系统研究的专业人士、电网规划工程师、电动汽车行业从业者、能源政策制定者。 使用场景及目标:①评估电动汽车大规模接入对现有电网基础设施的压力;②优化电动汽车充电设施的布局和运营策略;③为相关政策和技术标准的制定提供科学依据。 其他说明:文中提供的Python代码片段用于辅助理解和验证理论分析,实际应用中需要更复杂的模型和详细的电网参数。
房地产 -【万科经典-第五园】第五园产品推介会.ppt
稳压器件.SchLib
1
模拟符号.SCHLIB
内容概要:本文详细介绍了如何在Simulink中构建并仿真三相电压型逆变器的SPWM调制和电压单闭环控制系统。首先,搭建了由六个IGBT组成的三相全桥逆变电路,并设置了LC滤波器和1000V直流电源。接着,利用PWM Generator模块生成SPWM波形,设置载波频率为2kHz,调制波为50Hz工频正弦波。为了实现精确的电压控制,采用了abc/dq变换将三相电压信号转换到旋转坐标系,并通过锁相环(PLL)进行同步角度跟踪。电压闭环控制使用了带有抗饱和处理的PI调节器,确保输出电压稳定。此外,文中还讨论了标幺值处理方法及其优势,以及如何通过FFT分析验证输出波形的质量。 适用人群:电力电子工程师、自动化控制专业学生、从事逆变器研究的技术人员。 使用场景及目标:适用于希望深入了解三相电压型逆变器控制原理和技术实现的研究人员和工程师。主要目标是掌握SPWM调制技术和电压单闭环控制的设计与调试方法,提高系统的稳定性和效率。 其他说明:文中提供了详细的建模步骤和参数设置指南,帮助读者快速上手并在实践中不断优化模型性能。同时,强调了一些常见的调试技巧和注意事项,如载波频率的选择、积分器防饱和处理等。
【蓝桥杯EDA】客观题解析
房地产 -物业 苏州设备房管理标准.ppt
3
房地产 -2024H1房地产市场总结与展望(新房篇).docx
内容概要:本文详细介绍了利用LabVIEW与PLC进行自动化数据交互的技术方案,涵盖参数管理、TCP通信、串口扫描、数据转移等方面。首先,通过配置文件(INI)实现参数的自动加载与保存,确保参数修改不影响程序运行。其次,在TCP通信方面采用异步模式和心跳包设计,增强通信稳定性,并加入CRC16校验避免数据丢失。对于串口扫描,则通过VISA配置实现状态触发,确保进出站检测的准确性。最后,针对不同类型的数据转移提出具体方法,如TDMS文件存储策略,确保高效可靠的数据处理。 适合人群:从事工业自动化领域的工程师和技术人员,尤其是熟悉LabVIEW和PLC编程的从业者。 使用场景及目标:适用于需要将LabVIEW作为上位机与PLC进行数据交互的工业生产线环境,旨在提高系统的自动化程度、稳定性和易维护性。 其他说明:文中提供了多个实用代码片段和注意事项,帮助读者更好地理解和应用相关技术。