【亞斯人情緒論述】下：創傷情緒的理解與處方
。
本能情緒主要是生存之用，但人類複雜之處在「社交」，情緒演化為進階功能，專門處理人與人之間的連結，潤滑與溝通不同的社會關係。
「情緒創傷」主要來自人際互動裡如「傷害」、「背叛」、「利用」等類別，你會覺得受傷，且各有不同程度與意義，但在亞斯人凡事二分的特性下，人際情感很容易被分類、解釋成「惡意VS善意」，跟生存的功能一樣，但這兩者各自為政、無法共融。
無法消化的受傷情緒容易被解釋為惡意，因為無法共融，就很像「油、水混合溶液」。基本狀態是水，但被惡意弄受傷的情緒是油，兩者各自分離卻又在一個容器裡。平靜穩定時油水分成兩層，亞斯的內在還能避開油，讓它在旁邊就好，但若觸景傷情，或常處人際壓力源，被某種線索勾起，就像被搖晃一樣，油水又混在一起，整個人就感到非常混亂，連日常理性都被影響，變成功率下降的「腦霧現象」。腦被「霧」籠罩，而霧是指無法消化的情緒幽魂。
。
情緒創傷的處方：
＃安定處方：持續處在穩定安全的關係圈，不要被刺激。
＃消化處方：專業諮商
＃潛移默化處方：早療概念—熟悉另種運作方式
。
人類有情緒必有它的功能，負面情緒的不舒服感通常具有保護自己、閃避壓力及提醒要照顧內在的意義，不舒服感不是生病，只是一種訊息。本篇文章的目的是希望亞斯人多了解這些情緒概念，歸納到認知裡，如果遇到就多找人聊聊吧，一起解開情緒密碼。
。
全文連結：https://sn094545.pixnet.net/blog/post/405573363

【亞斯人情緒論述】上：發生歷程與一般處理
。
本文試圖解釋亞斯人在面對情緒時的心理路徑：如何認知情緒，並對情緒作反應
由於情盲特性，這個路徑是簡單的，從外部身體反應去回推自己的情緒狀態，同時能處理的方法也很有限
不過只要生活穩定，有自己的處世規則，原則上與他人並無二異。
本文是上集，並預備帶出下集「遇創傷情緒時怎麼辦？」
。
舉例：
被主管強迫做事還被罵，即使不願意也因為是工作而忍耐，但有一股情緒悶在心裡，後來只要主管一大聲就感到恐懼、就哭了，更後來會害怕去上班。
這例子裡亞斯人並非害怕工作做不好，而是更害怕自己的情緒反應，會卡在「被罵時自己不該有情緒，不然抗壓性太低」的錯誤認知裡。若有人能擴大事件的角度帶他討論，例如不同觀點解釋：「是主管有病，現在的焦點是『想繼續工作，要如何面對有病的主管』，萬一不行就離職…」，就較能問題解決。
步驟：
1.先找到信任的人願意聽。被接納最重要。
2.先抱怨主管（情緒宣洩），說著說著氣哭了也沒關係（情緒宣洩，哭是很自然的宣洩）
3.在訴說與傾聽中，知道了原來自己不是不可以做，但認為一定要公平（堅持自己的原則，並推翻之前被主管說抗壓性不足的沈悶感）
4.從討論中得出結論：即使無理，我自己的部分可以怎麼做，下次能怎麼說以表達自己的想法，或主管已經沒救了，要怎麼增強自己的內心防禦。
5.輔助方式：情緒轉移。去吃、喝、運動讓身心舒適，趕走壞心情。
。
全文：https://sn094545.pixnet.net/blog/post/405569843

關於AI面試的假神準
.
我們實驗室透過產學合作與鳯凰互動以及震旦雲合力開發的AI面試系統，最近在工商/經濟/數位時代/天下雜誌Cheers/經理人/能力雜誌等媒體陸續報導，當然就開始引起許多質疑的聲音，這幾乎是所有產品創新與實驗都會面臨的挑戰。其中有一點，就是我們的AI面試模型，是否有"過度擬合"的問題，而造成"假神準"。我的答案是，”不排除這個可能性”。
.
所謂過度擬合 (Overfitting)，簡單說就是在機器學習或統計相關的過程中，把原本不相關的兩件事在大量數據中，建立出假性相關的結果，當我們把這個訓練好的預測模型用到下一批不同數據中，就會失準。例如，我們想預測什麼樣的學生適合當HR，找了一批當HR的履歷來分析並訓練AI模型，結果這批HR大多都來自北部，就會得到住在北部的學生比較適合當HR的假相關。
.
要降低過度擬合的可能，在技術上有一些方式，例如進行更多不同樣本的交叉驗證、去掉不相關的特徵值(例如: 來自北中南東)、在模型訓練過程中進行批歸一化 (Batch Normalization)與正則化(Dropout)。但以上都是只是表面的技術層次，更重要的是模型背後有沒有理論基礎，也就是變項與變項之間的關係詮釋。
.
表情除了反應情緒，可否反應一個人在特定情境下的行為傾向或社交印象，背後有透鏡模型(Lens Model)、 信號理論(Signaling Theory)的支持，結合電腦視覺與深度學習，形成另一支性格運算(Personality Computing)的跨域理論。筆者之前也發文分享，現代社會心理學家，已發現表情其實不盡然反應情緒，而是行為傾向或社交技巧，這背後的理論叫行為生態論 (Behavioral ecology view of facial displays, BECV)。缺乏理論的數據分析或機器學習的結果，有可能會誤導真實性。但缺乏實證數據的理論，終究只是個假設。理論與實證數據缺一不可，我們才能有較高的信心來”參考”這些數據結果與理論。
.
過去研究人類表情的大宗師是心理學教授Paul Ekman，他結合電腦視覺技術，捕捉人類肉眼難以察覺的微表情 - 學術界定義是五分之一秒以下，突然呈現的面部肌肉變化。早期是用臉部68個移動點(不含額頭)，現在有些學者會抓到86點到120個點以上不定(含額頭)，而這些微表情大都是由人類下意識情緒所觸動，最常被用來測謊，因為微表情反應當事人”可能”在說謊的情緒，且不易被當事人控制或破解。但這終究是間接的關係，就跟心跳測謊儀一樣，它測出來的是緊張，而緊張不一定等於說謊。即便如此，運用電腦視覺的AI，推估一個人是否在說謊的正確”機率”，雖然不是絕對答案，但仍比人類肉眼判斷還高。這解釋縱然Paul Ekman的基本情緒論一直備受挑戰，在學界也仍無共識，但這類技術仍被廣泛應用的原因。
.
屆至今日，我們都相信眼見為憑，也相信面試除了透過結構式面談問出應徵者過去的行為外，也能在過程中，讓面試官根據回答之外的非口語信息”判斷”一個人的性格或溝通技巧，起碼可以篩選掉一些”看起來”或”感覺”怪怪的人。但你問面試官，他們也說不出個所以然。重點是，許多相關研究發現，這類面談答案以外的弦外之音，常常被人類面試官誤判。倘若有一個工具，它的性格/溝通技巧是經過當事人自己、主管、同事、下屬、甚至客戶，以科學檢驗過的量表或工具在適當的實驗環境下進行測評，運用AI發現與當事人在真實面試中的微表情出現某種相關性，且這個模型再去測試另一批不同的應徵者也能得到不錯的預測結果，或者同一個人經過一段時間再進行一次測試，也能得到相似的結果。我們也只能說，這只是一種一致性與且正確機率較高的測評參考工具，在深度學習黑盒子下，也沒有辦法解釋什麼樣的微表情會有什麼的性格或行為傾向，這個技術仍在發展中，不代表真實答案。
.
那什麼是真實答案? 或許連當事人自己都不一定知道。 但運用在人力甄選中，雇主可能更在意的是當事人在職場環境中展現出的行為以及利害關係人對當事人的評價，至於當事人內心世界在想什麼? 或真實的他/她是什麼樣的人？使用者大多不是太在意!
.
https://www.ithome.com.tw/news/143000

.
AI面試是一個仍在發展中的技術，除了微表情，接下來我們會結合聲律、音質、上半身肢體動作，研究與測試這個測評工具對於性格、印象管理(包括自我包裝/欺騙/隱瞞)的信效度，以及應徵者在不同AI面試介面下的不同行為反應。關於我們的相關研究，除了專利技術外，都公開發表在SCI的期刊中，歡迎大家指教，讓這個工具可以更客觀更準確地被大眾使用:
.
https://doi.org/10.1007/s11554-021-01071-5
https://doi.org/10.1186/s13673-020-0208-3
https://doi.org/10.1109/ACCESS.2019.2902863

166 恐懼（terror）—有對象的與沒有對象的恐懼

認知情緒論指出恐懼的情緒當中必然涉及判斷，恐懼的典型判斷包括‥「X是危險的」或「X正在威脅我或我所重視之物」。恐懼又分兩層：害怕（fear）與佈慄（dread）。害怕是有對象的，例如怕蟑螂、老鼠，而佈慄是無對象，它可能我們思維經演化到高度的抽象狀況，人能思考虛無，這可能是死亡的倒影。

講者：黃沐恩（恆生商學院社會科學系助理教授）、陶國璋（中文大學哲學系客座助理教授）

謎米新聞：news.memehk.com
謎米香港： www.memehk.com
Facebook：www.facebook.com/memehkdotcom