快还不够:模仿人类交流才是数字化沟通的关键

简介:

信息技术极大地提高了市场化社会的繁荣程度,但这是有代价的,线上交谈损害了其他更具丰富内涵与意义的沟通方式。不管接受与否,我们如今的沟通方式与我们本原的、与生俱来最擅长的那种沟通方式已经不同步了。如果我们想改善数字化沟通,我们得首先了解人类是如何交流的。


CHEAP WORDS

你有没有过在微信、微博、Twitter上开个玩笑结果被喷的经历?他人不能理解你暗藏的幽默嘲讽或是睿智,就算你用上了表情符号也于事无补。网络的闸门已经打开,人类的沟通方式已经被彻底改变,面对面的接触、实时的通话被电子邮件、短信、图片所取代,文字似乎被推上了一种过高的位置。


但是,心理学教授 Albert Mehrabian研究发现,在面对面的交谈中,对于态度、感觉等方面的信息接收只有7%来自言辞,其余的93%来自语音语调和身体语言。这并不意味着所有的信息都是非言辞表达的。但是,如果你想达到情感上的交流,请注意语气和手势。说话人下意识的动作可以成为听话人判断的“信任信号”,如果言不由衷是会穿帮的。


只有文字的短信交流则失去了这些线索,于是乎,线上信任标准应运而生。信息与计算机科学教授Judy Olson发现短信回复速度可以作为信任指标的关键,最快速的回复就是笑脸。


但是,与其追求沟通得更快,不如研究一下如何才能沟通得更好。怎样才能改善数字化交流做到仿真或还原实际生活中的沟通呢?


STRONG FEELINGS

表情符号的异军突起反应了我们渴望为平淡文字增添色彩的强烈需求,为了补回那缺失的语调与表情,我们在微笑时加入一张笑脸。但是表情符号显然已经不再甘当文字的配角,他已自成一派。美国国会图书馆甚至已经接受了第一本“绘文字”书籍——Emoji Dick,该书用表情符号翻译了赫尔曼·梅尔维尔的经典之作《白鲸》(Moby Dick)。


根据全球语言监测机构的调查,2014年最流行词汇甚至不是一个词,而是一颗心!


Snapchat已经成为增长最快的社交媒体应用程序,“阅后即焚”的出现貌似解决了令人担忧的矛盾,你懂的,玩的就是分享的感觉而不是分享的内容。Snapchat宣称要打破线上线下之间的鸿沟,借用其CEO Evan Spiegel 的话来说就是,“我们不再需要捕捉现实世界然后在线重塑现实,我们的生活与沟通是同步的。”


MIND MELD

但核心问题仍然存在。面对面与打电话被称为同步交流,也就是实时发生。大多数短信应用程序是异步通信,接受与发送之间存在时间差。


人脑是一个预测机器,会思索下一刻即将发生啥。没有什么比短信未得到回复更让人闹心的了,没有回复意味着“没消息”还是“坏消息”呢?精神也需要打烊,休息一下,不管是佳音还是噩耗,如此我们才能学会如何生存。


我们常常希望与他人可以产生共鸣。现在有神经系统的研究证据表明,有效的沟通的确可以使听话人的大脑产生物理回荡,与说话人的想法与情绪产生共鸣。


普林斯顿大学的Greg Stephens教授通过使用功能性磁共振成像大脑扫描技术研究发现,当说话人与听话人完全投入在真实故事的讲述与倾听时,他们脑子的类似区域会产生反应,即发生信息同步过程,也就是说当我们进行成功地沟通时,脑细胞会产生同步反应,精神会产生融合,这就是为什么有时甚至可以异口同声,或是说出对方还未说出口的话,实乃心有灵犀啊。


纽约市立学院的一项研究也表明,当电视节目引人入胜时也会在观众的大脑中产生共鸣。在观赏超级碗这样的节目中,推特数量与投票就可见一斑。


SHARING FEELINGS

人与人之间的连接不是通过Facebook或是其他的社交网站,而是通过在真实生活中那无彩排的感受分享走到了一起。这就是为什么奥斯卡颁奖典礼上艾伦与明星大咖的一张即兴自拍以及所用的三星手机会在推特上受到热捧,疯狂转推。

如果你想改善数字化通信,请以人为本,以感受为重。要知道,我们从未想过在网上生活。最成功的交流出现在真实生活中某个珍贵时刻的分享,这份神圣的礼物叫作:现在。


原文发布时间为:2015-03-13

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
消息中间件 容器
【MQ系列】查看RabbitMQ的版本号
如果上述报错,则试试下面的方法。
2254 0
【MQ系列】查看RabbitMQ的版本号
|
9月前
|
存储 人工智能 缓存
一种基于分层记忆与注意力约束的对话AI架构
本文提出一种新型对话AI记忆架构:从空白记忆库起步,分三层(核心/中层/临时)动态存储信息;通过两层过滤(模型识别+用户反馈)精准入库;采用注意力降压、高频抑制等机制杜绝复读;核心记忆上锁保护,满库自动清理。让AI真正“记得住、不啰嗦、不乱记、越聊越懂你”。(239字)
|
资源调度 算法 计算机视觉
基于总变差(TV)的图像去模糊,使用总变差正则化进行图像去模糊研究(Matlab代码实现)
基于总变差(TV)的图像去模糊,使用总变差正则化进行图像去模糊研究(Matlab代码实现)
438 2
|
人工智能 Java 程序员
一文彻底搞清楚电路中的焊接技术
最早的电路连接依赖导线、螺丝和螺母,如1920年代收音机内部构造所示。这种技术虽简单,但存在可靠性低、设备体积大、难以自动化等缺点。随着锡焊技术的出现,电子元件连接变得更加稳固,点对点构造随之普及。然而,这种方式仍面临维护难、标准化不足的问题。最终,电路板的引入使电路布局更加整洁,大大提高了可维护性和生产效率。 > 动手实践,买个电烙铁试试吧!
563 0
|
存储 开发框架 安全
SpringCloud微服务实战——搭建企业级开发框架(四十):使用Spring Security OAuth2实现单点登录(SSO)系统
目前每家企业或者平台都存在不止一套系统,由于历史原因每套系统采购于不同厂商,所以系统间都是相互独立的,都有自己的用户鉴权认证体系,当用户进行登录系统时,不得不记住每套系统的用户名密码,同时,管理员也需要为同一个用户设置多套系统登录账号,这对系统的使用者来说显然是不方便的。我们期望的是如果存在多个系统,只需要登录一次就可以访问多个系统,只需要在其中一个系统执行注销登录操作,则所有的系统都注销登录,无需重复操作,这就是单点登录(Single Sign On 简称SSO)系统实现的功能。
1466 54
SpringCloud微服务实战——搭建企业级开发框架(四十):使用Spring Security OAuth2实现单点登录(SSO)系统
|
存储 人工智能 机器人
让大语言模型在不知道答案时拒绝回答:KnowOrNot框架防止AI幻觉
在政府AI服务中,如何让系统在知识不足时恰当拒绝回答而非生成错误信息是一大挑战。KnowOrNot框架通过构建“知识库外”测试场景,评估AI是否能识别知识边界并合理拒答,从而提升AI服务的可靠性与安全性。
1185 0
让大语言模型在不知道答案时拒绝回答:KnowOrNot框架防止AI幻觉
|
存储 人工智能 编解码
吞噬混沌:CodeBuddy与流程利刃,斩破游戏开发的蛮荒时代(一)
本文探讨了《飞机大战游戏开发流程规范》的工程化实践,涵盖版本控制、任务分配与系统设计。通过CodeBuddy智能工具,实现分支管理自动化、环境配置标准化及代码质量提升。在UI开发中,CodeBuddy确保继承规范与Docstring完整性;AI行为树开发中,它检测逻辑死循环与状态处理问题;输入系统设计中,辅助键位绑定一致性与事件处理完整性。CodeBuddy作为腾讯云推出的智能助手,将静态规范转化为动态辅助,助力游戏开发迈向“规范为骨、智能为翼”的新时代。
584 4
|
机器学习/深度学习 测试技术 知识图谱
DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读
DeepSeek团队推出了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero通过大规模强化学习训练,展示了卓越的推理能力,但存在可读性和语言混合问题。为此,团队引入多阶段训练和冷启动数据,推出性能与OpenAI-o1-1217相当的DeepSeek-R1,并开源了多个密集模型。实验表明,DeepSeek-R1在多项任务上表现出色,尤其在编码任务上超越多数模型。未来研究将聚焦提升通用能力和优化提示工程等方向。
1232 16
|
监控 Java 调度
《SpringBoot中@Scheduled和Quartz的区别是什么?分布式定时任务框架选型实战》​
Scheduled是轻量级单机定时任务的便捷选择,而Quartz等框架则为企业级调度需求提供了完整的解决方案。在实际项目中,需根据任务复杂度、集群部署需求、运维成本等因素综合决策。对于Spring Boot应用,若后续可能演进为分布式架构,初期可优先考虑使用XXL-JOB或Elastic Job等云原生友好的调度中间件。
478 0
|
人工智能 缓存 程序员
大模型文生图服务API设计原来如此简单(1)
文生图大模型的API设计其实很简单!无论是Midjourney这样的商业产品,还是ComfyUI这样的开源工具,它们的核心API设计都遵循着相似的简单原则。
766 1