理智感是人在智力活动中产生的情绪体验.理智感的表现有多种形式

理智感是人在智力活动中产生的情绪体验理智感的表现有多种形式？

如何区分道德感、理智感、美感

《心理学大辞典》中认为：“情感是人对客观事物是否满足自己的需要而产生的态度体验”。同时一般的普通心理学课程中还认为：“情绪和情感都是人对客观事物所持的态度体验，只是情绪更倾向于个体基本需求欲望上的态度体验，而情感则更倾向于社会需求欲望上的态度体验”所以我们习惯把情绪情感分为两类：情绪由于自身的一些基本需要而产生的，而情感则是由于社会性需要而产生的。所以情绪一般出生就有，但是情感则是由于自己在后天的社会实践中才会出现。总之情感出现比较晚，情绪比较早!在我们出现情感之后，情绪和情感慢慢的就会成为一个事物的两个侧面。比如看到有人随地吐痰，就会不开心(情绪)，这则是由于情感在起作用。接下来就详细分析情感的分类，在考试中如何出题，如应对。

情感从反映的社会内容不同分为三大类，分别为道德感、理智感、美感。

情感分类这三类，一般出考题时是比较好选的，但是不排除一些比较迷惑的题目。所以针对一些比较又迷糊的内容进行详细分析。道德感一般是自己评价他人时产生的情感，所以情感在题目中一般会有第三人称或者多个人称，但是在做题中一般来说和社会上的正能量相关的都属于道德感：如正直感、集体主义荣誉感、爱国情感。理智感是在智力活动中，对认识活动的评价，所以理智感一般就只有一个人称。美感根据审美标准进行评价，一般表现出来的是美的还是丑的，一般来说人称不多。理智感比较好区分，道德感和美感有些迷惑，区分这两个时，如果有包含美感、又有道德成分的，那就看题目中的美是自己产生的还是别人把它赋予的。若是自身产生的就是美感，若是别人赋予的就是道德感(最美乡村教师)。

例：

1小明看见小红给老奶奶让座，小明觉得小红真是一个好孩子，小明当时产生的情感属于( )

A理智感 B道德感 C美感 D心境

解析：B。道德感：因为是按照一定道德标准去评价别人时产生的情感这属于道德感。

2小明写了好久写出一道数学题，当时产生的情感属于( )

A理智感 B道德感 C美感 D心境

解析：A。理智感：人在智力活动中，对认识活动成就进行评价时产生的情感体验。数学题属于智力活动。

3看到《蒙娜丽莎的微笑》，艺术家觉得这个特别美，这属于( )

A理智感 B道德感 C美感 D心境

解析：C。美感：根据一定的审美标准进行的评价，一般表现为美丑。

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。