转 集思广益

经验说:开会有助于沟通和理解。

实验说:开会的作用不在于促进沟通和理解,而是让大家更坚定原有信念。

“我们开会讨论一下这个重要的问题吧。”

这句话你一定不陌生。当我们需要做出一些重要决策时,都会深信集思广益、沟通交流的道理,继而通过各种大大小小的会议来讨论问题,以避免个人的主观、武断。

但是,三个臭皮匠真的能赛过诸葛亮吗?相信曾经有人经历过,开会讨论出来的结论甚至不如自己想出来的周到。心理学家通过研究发现,开会并不一定能商量出一个更好的结果,有时,团体的决策会比个人的更加极端、冒险、不理智甚至荒谬。
团结是动力还是阻力?

一个优秀的团队通常意味着里面有令人信服的领导者和团结一致的成员,这些都使得团队能高效地运作。然而,加州大学伯克利分校心理学家飞利浦•泰特劳克(Philip E. Tetlock)等人在1992年却通过研究发现,这种团队的两个特点恰恰是造成群体决策错误的关键因素。第一个是凝聚力,他们团结一致,具有相似的背景利益价值观,因而倾向于互相欣赏而较少批判。第二个是团体规范,这种无形的社会压力使得成员们都不敢直接向威严的领导者提出异议,也不敢公然反对他人以避免不和谐及内讧,以同意来表达对团队的忠诚。

这两个因素把有益的反对意见扼杀在摇篮里,团结一致的代价是批判性思维的缺失,导致了不理智的团体决策。
群体极化让你身不由己

为了避免主观避免极端,重要的决定一般都交给群体而非个人,人们常常认为群体比个人更保守、中立,但事实真如常识这般吗?最初是麻省理工大学的硕士詹姆士•斯托纳(J. A. F. Stoner)在1961年做了一个研究,他先让每个人对一个难题提出解决方案,然后再让这一群人对该观点进行讨论,得出共同认可的结果,他发现,讨论出来的解决方案居然比个人的更加冒险。后来有更多的研究人员进行实验,结果发现,如果被试平均对该观点的评价略为负面,经过讨论之后他们评价都会变得更加负面,如果讨论前的平均评价略为正面的话,讨论过后就会更加正面。也就是说,讨论会强化团队内占优势的观点并使其更加极端。

另外,极端但清晰的观点对比起保守但含糊的观点更加能取得全体成员的一致同意。当讨论前每个成员都带有同样的倾向,便在讨论中不断推动原有观点以显示自己在团队中的价值,最终原有观点越推越远越极端。

虽然团体做出的决策可能更加冒险,但每个成员却不会因此焦虑不安,毕竟团队承受风险意外的能力比每个人都要强,或者说由于责任分散,成员受到的压力更小。
微弱的声音被群体淹没

1986年1月28日,1000多名现场观众及数百万电视观众亲眼目睹着,美国航天飞机“挑战者”号离开地面73秒后化成一团大火。就在发射前的一晚,2位熟悉航天飞机设备的工程师通过电话会议力劝美国宇航局推迟发射,并指出气温太低导致其存在严重的安全隐患,但发射日子早已定下,举世瞩目万众期待以致骑虎难下。

宇航局最终在决策过程中忽略了反对意见,并抛出连续55次成功发射的辉煌历史以显示他们无懈可击的实力,成员越发投入到准备工作中以增加万事俱备的错觉和志在必得的信心。在大量的支持信息面前,少量的反对信息变得微不足道。人总会期望得到团体的认可,甚至会有强烈的实现目标的愿望,此时团队成员会不断为自己的观点找依据找理由,变得不像一个求真相的科学家,更像一个不断为己方找证据的律师。

每个人都会有这种信息处理偏差,同样怀有这种偏差的人组成团队,这种偏差会累积起来越变越大,尤其当整个团队面临挑战时,他们总会为自己想要的决策寻找更多的支持证据。

说来说去,怎么好像人多反而帮倒忙呢,难道我们之前的各种会议各种团体讨论都是白费心机的吗?!其实不是呢,只有在某些情况下,群体成员过于相似,个人偏差在群体中得到积累,集思才反而不广益。

耶鲁大学的心理学家欧文•贾尼斯(Irving Janis)给我们提了一些建议来提高群体决策:

领导者应鼓励成员提出反对意见,且愿意接受对自己建议的批评。
讨论时领导应保持中立,待所有成员表达观点后再发表自己的特定想法和期望。
把团队分成几组,独立讨论后再一起比较观点的异同。
邀请外来的专家参与讨论并提供专业意见。
每次会议都指定至少一名成员充当反派,专门挑刺和反对。

所以,群体能否产生高明的决策,是否能有有人提出反对意见,是否能有人说出不同的想法,是否能够敢于承认自己的错误,是否能够愿意倾听他人……

编辑的话:党同伐异可以说是人类的天性,单纯意识到群体的问题只是一个开始,但并不能对促进群体决策产生多大效果,越大的群体越是如此。唯有让保护少数人的意见成为一种制度,降低犯错误的效率才能。我们在团结一部分人的时候难免会排斥另一部分人,因为“ 爱恨本是同根生 ”。
该数据集通过合成方式模拟了多种发动机在运行过程中的传感器监测数据,旨在构建一个用于机械系统故障检测的基准资源,特别适用于汽车领域的诊断分析。数据按固定时间间隔采集,涵盖了发动机性能指标、异常状态以及工作模式等多维度信息。 时间戳:数据类型为日期时间,记录了每个数据点的采集时刻。序列起始于2024年12月24日10:00,并以5分钟为间隔持续生成,体现了对发动机运行状态的连续监测。 温度(摄氏度):以浮点数形式记录发动机的温度读数。其数值范围通常处于60至120摄氏度之间,反映了发动机在常规工况下的典型温度区间。 速(/分钟):以浮点数表示发动机曲轴的旋速度。该参数在1000至4000/分钟的范围内随机生成,符合多数发动机在正常运时的速特征。 燃油效率(公里/升):浮点型变量,用于衡量发动机的燃料利用效能,即每升燃料所能支持的行驶里程。其取值范围设定在15至30公里/升之间。 振动_X、振动_Y、振动_Z:这三个浮点数列分别记录了发动机在三维空间坐标系中各轴向的振动强度。测量值标准化至0到1的标度,较高的数值通常暗示存在异常振动,可能与潜在的机械故障相关。 扭矩(牛·米):以浮点数表征发动机输出的旋力矩,数值区间为50至200牛·米,体现了发动机的负载能力。 功率输出(千瓦):浮点型变量,描述发动机单位时间内做功的速率,取值范围为20至100千瓦。 故障状态:整型分类变量,用于标识发动机的异常程度,共分为四个等级:0代表正常状态,1表示轻微故障,2对应中等故障,3指示严重故障。该列作为分类任务的目标变量,支持基于传感器数据预测故障等级。 运行模式:字符串类型变量,描述发动机当前的工作状态,主要包括:怠速(发动机运但无负载)、巡航(发动机在常规负载下平稳运行)、重载(发动机承受高负荷或高压工况)。 数据集整体包含1000条记录,每条记录对应特定时刻的发动机性能快照。其中故障状态涵盖从正常到严重故障的四级分类,有助于训练模型实现故障预测与诊断。所有数据均为合成生成,旨在模拟真实的发动机性能变化与典型故障场景,所包含的温度、速、燃油效率、振动、扭矩及功率输出等关键传感指标,均为影响发动机故障判定的重要因素。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值