社会知觉：我们如何理解他人
人从观察到别人的行为，到最后判断出来别人的行为目的是一个基于概率方式并涉及多个环节的过程，其中任何一个环节出现点偏差，我们最后的结论都是会走样的。我们想当然或者自以为是这种情况是大概率出现的。
- 非语言行为
- 内隐人格理论：填补空白
- 因果归因：回答“为什么”的问题
- 自利归因
1.非语言行为
非语言交流是指人们在不使用语言的情况下如何进行有意或无意的沟通。面部表情、语调、手势、肢体位置和动作、身体接触、目光注视，这些都是最常用、最有启发性的非语言交流。面部情绪的表达是非语言交流的最佳渠道。一些单纯的基本情绪是基于生物学基础的，可以被跨文化的人解读为相同的含义，但是混合情绪，就是多种情绪混合在一起表达的时候，经常会出现解读错误或者解读遗漏。
存在着一些非语言交流的形式是基于文化背景的，基于不同的文化背景，解读出来的含义不同。同样的手势或者标记在不同的文化下解读出来的含义是不同的。网上搜索一下，你会找到一大堆这样的例子。
2.内隐人格理论：填补空白
内隐人格理论是通过我们对一个人仅有的一点观察了解作为起始点，然后运用我们的图式进行更完整充分的理解，不过这些图式是由一些特征点组成的，例如慷慨通常和仁慈联系在一起、冷血必然与残酷同路。如果我们非常依赖于这种图式，那么不久我们就会陷入某些固定模式或者刻板印象中。
内隐人格理论随时间积累而发展。尽管每一个人的内隐人格理论都不同，但是在一些情况下存在着一些相似的理论。根据理论，我们认为乐于助人一定是真诚的，美丽的一定是好的，各种影视中主角人物都是美丽帅气的。不同的文化下，内隐人格理论是有差异的，例如发明家在西方文化中一定是偏执并且热情理智的，而在东方文化中，发明家一定是像诸葛亮一样，掐指一算的形象。
3.因果归因：回答“为什么”的问题
归因理论是我们如何从他人的行为中推论原因的研究。归因分为内部归因和外部归因，内部归因是别人的行为是因为其内在的某些原因造成的；外部归因是别人的行为是因为其外部的某些原因造成的。当然还有一种观点认为，行为的归因是同时有内部归因和外部归因，主要依据信息：共识性、特殊性、一致性。共识性信息是指其他人对于相同刺激曾作出什么行为。特殊性信息是指行为者对其他刺激的反应如何。一致性信息是指在不同时间和不同环境刺激下，被观察的行为出现在同一个行为者和同一个刺激之间的频率。当共识性及特殊性低而一致性高的时候，我们倾向于做出内部归因；当共识性、特殊性、一致性都很高的时候，我们倾向于外部归因。当一致性低的时候，我们需要额外的信息进行归因。当然这种理论也不是绝对准确，不过存在一定的准确性。
在出现归因错误的情况下，人们比较忽视的社会情境因素的力量。有的时候，人们做出的选择既不是内部归因，也不是外部归因，可能是情境的力量在偷偷的搞事。
人们在处理事件的归因时，有两个阶段过程，在第一个阶段过程中，通常我们先做内部归因，假定就是人的问题；第二个阶段，我们在通过考虑情境的力量调整归因。不过在第二个阶段，我们通常没有做什么调整，于是什么第一印象和先入为主就发生了。想真正的触发第二个归因阶段，我们需要有意识放慢，并且对目标的行为有所怀疑，这都是非常有效的。
文化也会影响归因，西方文化下崇尚个人主义，更容易做出内部归因；东方文化下崇尚集体主义，更容易做出外部归因。
4.自利归因
自利归因是将成功归功于自己将失败归因于他人或情境的倾向。为什么我们会做自利归因呢？第一个理由是大多数人会尽可能维护他们的自尊，及时必须改变想法或信念，扭曲事实。特别是当我们遭遇失败并感到无力改进现状时，我们非常有可能采用自利归因。第二个理由和我们如何在别人面前表现自己有关，希望获得他人的尊敬。第三个理由和人们所拥有的信息种类有关。
因为文化背景的差异，个人主义有更多的可能性使用自利归因，集体主义更多的可能性使用情景的力量。当我们看到中国运动员站在冠军领奖台上的时候，更多的是其感谢他人，感谢机会的表达，这是对情境力量的表达。
Note:非语言部分是描述的外在的行为，内隐人格理论是我们基于有限的观察信息如何进行判断，因果归因则是描述我们怎么理解这些外在的行为。如果用科学的观点，外在的行为我们会在观察过程中过滤到大部分的信息，基于内隐人格理论的认知过程我们会补充各种不怎么完备的图式，归因过程中我们也存在决策上的偏差，这一系列的过程表明，正确理解一个人的诸多行为是一件非常艰难的事情，大部分情况下我们自己认为正确理解了。
社会知觉：我们如何理解他人相关推荐
- 通用解题法——回溯算法（理解+练习）
积累算法经验,积累解题方法--回溯算法,你必须要掌握的解题方法! 什么是回溯算法呢? 回溯算法实际上一个类似枚举的搜索尝试过程,主要是在搜索尝试过程中寻找问题的解,当发现已不满足求解条件时,就&quo ...
- stream流对象的理解及使用
我的理解:用stream流式处理数据,将数据用一个一个方法去 . (点,即调用) 得到新的数据结果,可以一步达成. 有多种方式生成 Stream Source: 从 Collection 和数组 Co ...
- Linux shell 学习笔记（11）— 理解输入和输出（标准输入、输出、错误以及临时重定向和永久重定向）
1. 理解输入和输出 1.1 标准文件描述符 Linux 系统将每个对象当作文件处理.这包括输入和输出进程.Linux 用文件描述符(file descriptor)来标识每个文件对象.文件描述符是一 ...
- java局部变量全局变量,实例变量的理解
java局部变量全局变量,实例变量的理解 局部变量 可以理解为写在方法中的变量. public class Variable {//类变量static String name = "小明&q ...
- 智能文档理解:通用文档预训练模型
预训练模型到底是什么,它是如何被应用在产品里,未来又有哪些机会和挑战? 预训练模型把迁移学习很好地用起来了,让我们感到眼前一亮.这和小孩子读书一样,一开始语文.数学.化学都学,读书.网上游戏等,在脑子 ...
- 熵,交叉熵,散度理解较为清晰
20210511 https://blog.csdn.net/qq_35455503/article/details/105714287 交叉熵和散度 自己给自己编码肯定是最小的 其他的编码都会比这个 ...
- mapreduce理解_大数据
map:对不同的数据进行同种操作 reduce:按keys 把数据规约到一起 看这篇文章请出去跑两圈,然后泡一壶茶,边喝茶,边看,看完你就对hadoop 与MapReduce的整体有所了解了. [前言 ...
- 文件句柄和文件描述符的区别和理解指针
句柄是Windows用来标识被应用程序所建立或使用的对象的唯一整数,Windows使用各种各样的句柄标识诸如应用程序实例,窗口,控制,位图,GDI对象等等.Windows句柄有点象C语言中的文件句柄. ...
- 通俗理解条件熵-数学
就是决策树里面选划分属性用到的计算 条件熵越小表示划分之后各个集合越纯净 前面我们总结了信息熵的概念通俗理解信息熵 - 知乎专栏,这次我们来理解一下条件熵. 我们首先知道信息熵是考虑该随机变量的所有可 ...
最新文章
- wget的url获取方式
- opencv实现分水岭算法
- 亿佰特物联网通信-智慧城市的未来城市愿景
- 嘿嘿～～大家一起来测测自己反映速度
- Android 应用开发----ViewPager---2.四大函数
- BZOJ4034 树上操作
- （五）：ionic 命令详解
- 微信小程序入门6-微信公众号授权登录(适用于H5小程序)
- Stata统计学软件
- 拼多多API接口（附上我的可用API）
- No valid Maven installation found
- Shopee本地店和跨境店物流及收款方式介绍
- 树莓派配置https://www.raspberrypi.org/documentation/configuration/中的一个单词翻译:
- 如何在安卓手机上编辑Excel表格？
- Python pyecharts地理数据可视化 绘制地理图表
- Redis为什么这么快？
- SpringBoot中报错expected at least 1 bean which qualifies as autowire candidate. Dependency annotations:
- 前端CDN资源库，再也不用担心vue首次加载慢的问题了，vue项目必备cdn加速
- 数字图像处理：图像金字塔
- three.js绘制波浪面_使用Three.js构建建筑物波浪动画