四维目标的内容是什么啊？

一新课标中将数学课程的总体目标与分学段目标按四个维度表述，也就是所说的四维目标，即知识技能、数学思考、问题解决和情感态度；

二新课标四维目标的内容：

1、知识与技能：掌握数与代数的基础知识，经历图形的抽象、分类和性质探讨，掌握图形与几何的基础知识，在实际问题中收集和处理数据，并掌握统计与概率的基础知识，参与综合实践活动，积累活动经验；

2、数学思考：体会代数表示运算和几何直观等方面的作用，初步建立数感、符号意识和空间观念，发展形象思维和抽象思维，了解数据和随机现象，体会统计方法的意义，在数学活动中发展合情和演绎推理能力，清晰表达想法，学会独立思考；

3、问题解决：学会提出问题，获得分析和解决问题的基本方法，学会合作交流，初步形成评价与反思的意识；

4、情感态度：积极参与数学活动，锻炼克服困难的意志，建立自信心，了解数学的价值，勇于质疑，实事求是。

这本书是德国著名心理学家，人际沟通专家：冯图恩的著作。书如题名，这是一本介绍以及教大家如何极简沟通的书，是一本每个人都应该学习以及拥有的沟通逻辑书。

书里提到了四种极简的沟通模型，它们分别是： 自我表达维度；关系维度；事实维度；诉求维度。 通过这本书，我们可以学习到如何有效的沟通，学会如何理解以及如何与人交流，如何与人相处。作者结合心理学的知识，给我们提供了一个全新的认识如何沟通的角度。我们可以通过学习沟通维度的相关的知识，以及手段和正确的训练去提高我们沟通的技巧。

这四种思维模型如下：

正如书中所讲，掌握以上四种沟通模型，我们便能立刻抓住三大要点：

其一是明确每一次沟通都建立在四种模型之上；其二是一个信息要包含很多信息，这些信息的围绕以上四种模型组合排布；最后是，明确每个维度都是相同重要的。

作者通过书中的两大个部分来阐述这四种沟通思维模型：

第一部分：人际沟通的基础

既然是沟通，那么信息接收者对发送人的信息理解跟剖析就变得非常重要了。在日常生活跟工作中，我们无可避免的是一个信息里面往往包含很多个消息。这个章节就是介绍如何在复杂的信息中去理解跟展示多个消息的，那就是分析沟通的四个维度模型，它来自于布勒，瓦兹拉威克等学者提出的概念。布勒提出了“语言的三分法”，即信息（事实维度），表情（自我表达维度）和诉求（诉求维度）。瓦兹拉威克则提出信息有内容（即书中提到的事实维度）和关系两个方面。这些模型能更好地展现沟通中可能出现的各种干扰和问题，为提高读者的沟通能力打开新的思路，提供训练方法跟目标。

方法就是要同时用“四个耳朵”接收信息，这四个耳朵就是：信息接收者努力接收信息（事实耳朵），信息发送者在思考发送者怎么想，如何对待我们的关系（关系耳朵），发送者这是什么意思呢（自我表达耳朵），接收者会思考信息发送者想要我做什么呢（诉求耳朵）。

信息的接收者优先用哪个耳朵去接收信息，都会导致不同的沟通效果，从而影响对话的走向。而在沟通中，接受者往往会忽略掉自己优先用哪个耳朵去接收，书中的第一大部分就是详细地介绍了单独用四个耳朵接收信息的过程。

另外，接收者对信息的加工跟想象，也会导致不同的沟通效果。比如，一对夫妻吃饭的时候，丈夫问道：汤里绿色的是什么东西？妻子立马回答：你要是不喜欢吃，就到别的地方吃！

作者假设，如果这只是丈夫单纯的事实性提问，或许他不知道汤里的是什么，我们可以通过对比发送跟接收信息来分析所描述的事件：

妻子对信息作出了反应，她的回答只是针对信息维度，只用了一只耳朵接收信息，所以误解立即产生。从另一个角度，妻子也可以保持客观的心态，回答，这个绿色的是什么菜，然后就解决了丈夫的问题。生活中类似的误解往往来自单方面的沟通，这类误解往往来自于接收者对自己的想象以及接收者对自己的想象。明确的多了解误解的来源后，后续沟通时，接收者跟发送者都可以更准确的理解对方的信息以及诉求，从而提高沟通的效果。

第二部分从信息的以上提到的四个维度出发，讨论了每个人都会遇到或者存在的问题。

有效的沟通必然是信息发送者先清楚自己要表达什么，并且成功地进行表达，并引出自己的诉求。这就要求发送者要足够的了解自己，发现自己，从而利用技巧或者方法提高表达的方式。比如克服表达恐惧，了解自我展示，自我隐藏的技巧，寻找主场优势，将沟通引向自己熟悉的方向等。

沟通过程中，对信息理解是否客观以及理解的偏差对沟通影响也很大。首先就是客观性。它不受主观感受的影响，很大程度上来说，当事实层面的理解占上风，其他三个维度伴随信息处于劣势时，客观性就体现出来了，而这个也是心理学最不熟悉的技巧之一：避免关系的整风的相对，只争论事实，持相反意见的人会变成令人讨厌的敌人，同时也会被同样对待，者必然也会牵扯到关系维度了。书中提到的其中一个讨论事实的方法是保持三个元素的平衡：事实，个人，集体平衡。

在信息层面的话，作者提到两个重要维度：情感和控制维度。我们可以利用它们来构建一个大体的框架去描述人际关系。良好的沟通可以改变即将发生的信息发送者以及接收者的状态，而表达和表达的效果，以及失败的诉求就是信息沟通层面人际交往的矛盾。我们可以学习以效果为导向反问自己，我要实现或者防止什么，然后以这个方式设计信息，这便达到了预期效果主要用于行动指导，对于接收者来说，发送者是否以发达效果进行沟通，会变得很重要。同时，我们可以通过沟通训练来提高表达效果：提高效果能力跟提高表达能力。提高表达能力方法会更注重加强自我认知，弄清自己的情况，注意自身身体的信号，这是关于自我表达，真是表达的能力。

不管是群体还是个人，这本书都给我们一个新的沟通方向。有效的沟通是信息的准确传达，以及信息基于事实维度，信息发送者发送的信息包含了对接收者的看法和态度，还有同样重要的，发送者想达到什么效果。掌握了这4个沟通维度，再配合书中的培训方法，那么高效的沟通就不是问题了。

人工智能产品的定义较为广泛，智能硬件、机器人、芯片、语音助手等都可以叫做人工智能产品。本文讨论的人工智能产品主要是指在互联网产品中运用人工智能技术。

互联网产品主要着手与解决用户的痛点，对于C端产品来说，痛点就是指的个人想解决而无法解决的问题，如个人想要美化自己的照片，但是他不会复杂的PS软件，于是美图秀秀就可以解决这个痛点。从KANO模型中，就是满足用户的基本需求与期望需求。

人工智能产品（在互联网产品中运用人工智能技术）则是要满足用户的兴奋需求。如将情感分析运用到电商的产品评论中，用户则可以通过可视化的数据展示来大致对产品有个全面、直观的了解，而不再需要自己一页一页的翻看评论内容。

互联网产品主要关注点在于用户需求、流程设计、交互设计、商业模式等。着眼于用户需求，设计满足用户需求的产品，通过合理的流程设计、交互设计达到产品目标，进而实现商业目标。典型的思路是发现用户需求——>设计满足用户需求的产品——>迭代完善、产品运营——>商业变现。

人工智能产品关注点在于模型的构建，它不再是对于布局、交互的推敲，而是通过选择合适的数据，构建合适的模型，最终呈现出来的是好的效果。什么是好的效果呢？这就需要引入评测指标。互联网的评测指标有我们熟知的留存率、转化率、日活跃等，那么人工智能的产品主要是通过一些统计指标来描述，以情感分析为例，把情感分析看成一个分类问题，则可以使用P、R、A、F值来描述。

1）查准率（Precision）：P值，衡量某类分类中识别正确的比例，如情感分析中，有10条被分类为“正向”，其中8条是分类正确的（由人工审核），那么P=8/10=80%

2）查全率（Recall）：R值，又叫查全率，又叫召回度，指的是某类被被正确分类的比例，同样以情感分析为例，100条数据中有10条是正向的，机器分类后，这10条中有7条被分类为正向，则R=7/10=70%

3)F值，因为P值和R值通常是两个相互矛盾的指标，即一个越高另一个越低，F则是两者综合考虑的指标，不考虑调节P、R权重的情况下，F=2PR/(P+R)

4）精确度（Accuracy）：这个最好理解，就是被准确分类的比例，也就是正确率。如100条数据，90条是被正确分类的，则A=90/100=90%。

以上指标越高，说明模型效果越好。

我们从上面内容可以知道，人工智能产品设计关注：数据——>模型——>效果评估。

现在我们以情感分析为例子说明产品设计的过程。

1）数据：

数据的选择对最终模型的结果有直接影响，情感分析，根据不同的目的，选择的数据也不同。如将情感分析运用于**票房预测，则一些更新及时、内容丰富的数据源，如微博，是比较好的选择。如果是应用于商品的评价，如电子产品，很多评测内容是无法在短短几句话内描述清楚的，这时候微博不是个好的选择，选择论坛上更新较慢、但是详细的内容就比较适合。

如果能在产品的早期就有引入人工智能的打算，则可以在产品中事先做好数据采集。

2）模型：

在选择模型中，产品需要了解不同的模型的优缺点，进而选择更加合适的模型。在情感分析中，NB、SVM、N-gram都是常用的模型，其中SVM效果最好（这是已有的结论），如果是其他的智能产品，可能需要算法团队进行实验，给出测试数据，进而选择合适的模型。

3）效果评估：

效果评估在上文中已经描述得比较清楚，具体指标不再赘述。

4）产品呈现：

最后这一步，是将结果展示给用户。在情感分析中，我们可以选择雷达图、词云、情感趋势图来展示结果。取决于产品属性，如电商产品评论挖掘，可以使用词云；

如舆论分析，可以使用情感趋势图。

人工智能产品的设计要关注：数据、模型、评判、呈现。

作为信息的接收者，我们怎么收听信息？

举个例子：上课之前，小明跑去跟老师说“我们班的小梅把地图册给扔了”。不同的老师可能会有不同的反应。有的老师会问“他是故意这样做的吗”，有的老师会说“小明，你是不是很生气”，有的老师会说“我很高兴你相信我”，大多数老师可能会说，“那我去看看到底发生了什么”。

你看，不同的老师针对同一个信息会给出不同的反馈。这说明什么？说明我们每个人是带着不同的耳朵去听同一个信息的，这就是“四只耳朵”的概念，每个人选择的耳朵不同，那理解的对方的表达重点就不同。

第一只耳朵是事实耳朵：对方到底说的是什么事实。

第二只耳朵是关系耳朵：对方对我的态度是怎样的、我在对方心目中的形象是怎样的。

第三只耳朵是自我表达耳朵：他想表达的是什么内容和什么情绪。

第四只耳朵是诉求耳朵：他到底想让我做什么。

人们期盼着能拥有并使用更为人性化和智能化的计算机。在人机交互中，从人操作计算机，变为计算机辅助人；从人围着计算机转，变为计算机围着人转；计算机从认知型，变为直觉型。显然，为实现这些转变，人机交互中的计算机应具有情感能力。情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统。

情感被用来表示各种不同的内心体验（如情绪、心境和偏好），情绪被用来表示非常短暂但强烈的内心体验，而心境或状态则被用来描述强度低但持久的内心体验。情感是人与环境之间某种关系的维持或改变，当客观事物或情境与人的需要和愿望符合时会引起人积极肯定的情感，而不符合时则会引起人消极否定的情感。

情感具有三种成分：⑴主观体验，即个体对不同情感状态的自我感受；⑵外部表现，即表情，在情感状态发生时身体各部分的动作量化形式。表情包括面部表情（面部肌肉变化所组成的模式）、姿态表情（身体其他部分的表情动作）和语调表情（言语的声调、节奏、速度等方面的变化）；⑶生理唤醒，即情感产生的生理反应，是一种生理的激活水平，具有不同的反应模式。

概括而言，情感的重要作用主要表现在四个方面：情感是人适应生存的心理工具，能激发心理活动和行为的动机，是心理活动的组织者，也是人际通信交流的重要手段。从生物进化的角度我们可以把人的情绪分为基本情绪和复杂情绪。基本情绪是先天的，具有独立的神经生理机制、内部体验和外部表现，以及不同的适应功能。人有五种基本情绪，它们分别是当前目标取得进展时的快乐，自我保护的目标受到威胁时的焦虑，当前目标不能实现时的悲伤，当前目标受挫或遭遇阻碍时的愤怒，以及与味觉（味道）目标相违背的厌恶。而复杂情绪则是由基本情绪的不同组合派生出来的。

情感测量包括对情感维度、表情和生理指标三种成分的测量。例如，我们要确定一个人的焦虑水平，可以使用问卷测量其主观感受，通过记录和分析面部肌肉活动测量其面部表情，并用血压计测量血压，对血液样本进行化验，检测血液中肾上腺素水平等。

确定情感维度对情感测量有重要意义，因为只有确定了情感维度，才能对情感体验做出较为准确的评估。情感维度具有两极性，例如，情感的激动性可分为激动和平静两极，激动指的是一种强烈的、外显的情感状态，而平静指的是一种平稳安静的情感状态。心理学的情感维度理论认为，几个维度组成的空间包括了人类所有的情感。但是，情感究竟是二维，三维，还是四维，研究者们并未达成共识。情感的二维理论认为，情感有两个重要维度：⑴愉悦度（也有人提出用趋近-逃避来代替愉悦度）；⑵激活度，即与情感状态相联系的机体能量的程度。研究发现，惊反射可用做测量愉悦度的生理指标，而皮肤电反应可用做测量唤醒度的生理指标。

在人机交互研究中已使用过很多种生理指标，例如，皮质醇水平、心率、血压、呼吸、皮肤电活动、掌汗、瞳孔直径、事件相关电位、脑电EEG等。生理指标的记录需要特定的设备和技术，在进行测量时，研究者有时很难分离各种混淆因素对所记录的生理指标的影响。情感计算研究的内容包括三维空间中动态情感信息的实时获取与建模，基于多模态和动态时序特征的情感识别与理解，及其信息融合的理论与方法，情感的自动生成理论及面向多模态的情感表达，以及基于生理和行为特征的大规模动态情感数据资源库的建立等。

欧洲和美国的各大信息技术实验室正加紧进行情感计算系统的研究。剑桥大学、麻省理工学院、飞利浦公司等通过实施“环境智能”、“环境识别”、“智能家庭”等科研项目来开辟这一领域。例如，麻省理工学院媒体实验室的情感计算小组研制的情感计算系统，通过记录人面部表情的摄像机和连接在人身体上的生物传感器来收集数据，然后由一个“情感助理”来调节程序以识别人的情感。如果你对电视讲座的一段内容表现出困惑，情感助理会重放该片段或者给予解释。麻省理工学院“氧工程”的研究人员和比利时IMEC的一个工作小组认为，开发出一种整合各种应用技术的“瑞士军刀”可能是提供移动情感计算服务的关键。而目前国内的情感计算研究重点在于，通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建个人情感计算系统。研究内容主要包括脸部表情处理、情感计算建模方法、情感语音处理、姿态处理、情感分析、自然人机界面、情感机器人等。

情境化是人机交互研究中的新热点。自然和谐的智能化的人机界面的沟通能力特征包括：⑴自然沟通：能看，能听，能说，能触摸；⑵主动沟通：有预期，会提问，并及时调整；⑶有效沟通：对情境的变化敏感，理解用户的情绪和意图，对不同用户、不同环境、不同任务给予不同反馈和支持。而实现这些特征在很大程度上依赖于心理科学和认知科学对人的智能和情感研究所取得的新进展。我们需要知道人是如何感知环境的，人会产生什么样的情感和意图，人如何做出恰当的反应，从而帮助计算机正确感知环境，理解用户的情感和意图，并做出合适反应。因此，人机界面的“智能”不仅应有高的认知智力，也应有高的情绪智力，从而有效地解决人机交互中的情境感知问题、情感与意图的产生与理解问题，以及反应应对问题。

显然，情感交流是一个复杂的过程，不仅受时间、地点、环境、人物对象和经历的影响，而且有表情、语言、动作或身体的接触。在人机交互中，计算机需要捕捉关键信息，觉察人的情感变化，形成预期，进行调整，并做出反应。例如，通过对不同类型的用户建模（例如，操作方式、表情特点、态度喜好、认知风格、知识背景等），以识别用户的情感状态，利用有效的线索选择合适的用户模型（例如，根据可能的用户模型主动提供相应有效信息的预期），并以适合当前类型用户的方式呈现信息（例如，呈现方式、操作方式、与知识背景有关的决策支持等）;在对当前的操作做出即时反馈的同时，还要对情感变化背后的意图形成新的预期，并激活相应的数据库，及时主动地提供用户需要的新信息。

情感计算是一个高度综合化的技术领域。通过计算科学与心理科学、认知科学的结合，研究人与人交互、人与计算机交互过程中的情感特点，设计具有情感反馈的人机交互环境，将有可能实现人与计算机的情感交互。迄今为止，有关研究已在人脸表情、姿态分析、语音的情感识别和表达方面取得了一定的进展。

目前情感计算研究面临的挑战仍是多方面的：⑴情感信息的获取与建模，例如，细致和准确的情感信息获取、描述及参数化建模，海量的情感数据资源库，多特征融合的情感计算理论模型；⑵情感识别与理解，例如，多模态的情感识别和理解；⑶情感表达，例如，多模态的情感表达（图像、语音、生理特征等），自然场景对生理和行为特征的影响；⑷自然和谐的人性化和智能化的人机交互的实现，例如，情感计算系统需要将大量广泛分布的数据整合，然后再以个性化的方式呈现给每个用户。

情感计算有广泛的应用前景。计算机通过对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们理解自己和他人的情感世界。计算机的情感化设计能帮助我们增加使用设备的安全性，使经验人性化，使计算机作为媒介进行学习的功能达到最佳化。在信息检索中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。

展望现代科技的潜力，我们预期在未来的世界中将可能会充满运作良好、操作容易、甚至具有情感特点的计算机。