人为什么不愿意被别人改变：DIKWP和语义数学的深入探讨 

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

引言

人们的心理和行为受到各种因素的影响，而当他们面临改变时，往往表现出一定的抵抗。这种抵抗可能根植于心理、社会和认知等多重因素。在本报告中，我们将使用DIKWP模型和语义数学，从心理、社会和认知的角度深入探讨人们为什么不愿意被别人改变，以揭示这一现象的内在原因。

DIKWP分析框架

DIKWP模型包括数据层、信息层、知识层、智慧层和目的层，每一层都涉及不同层次的认知和决策。我们将从每一层次探讨人们对改变的抵抗。

1. 数据层（Data）

数据层代表了个体的基础信息和历史经验，包括过去的成功或失败经历、社会文化背景等。这些数据形成了人们的个体特征和认知基础。

人不愿意被改变的原因可能与他们的过去经历有关。如果一个人曾经历过失败或负面的改变，他们可能会对未来的改变持怀疑态度，因为他们的数据层中包含了负面的经验。这种负面经验可能导致他们对改变的抵触情绪。

1. 信息层（Information）

信息层涉及个体根据自身经验和周围环境解读信息，形成对改变的第一印象和理解。这一层面直接影响个体对改变的态度和情感反应。

人们对改变的看法往往受到他们对信息的解释和理解方式的影响。如果个体对新信息持怀疑态度或对其产生误解，可能会导致对改变的抵抗。例如，某人可能因为误解了新工作政策的影响而对其产生负面情感，从而抵制这项改变。

1. 知识层（Knowledge）

知识层基于过去的经验和现有信息，个体构建了关于改变的知识体系，包括对风险和机会的认知。这一层面有助于个体更深入地理解和评估改变。

人们对改变的态度和抵抗可能受到他们知识层中的认知偏差的影响。如果个体过度关注改变可能带来的风险而忽视了机会，或者反之，他们可能会对改变持有偏见态度。这种认知偏差可能阻碍了他们理性地对待改变。

1. 智慧层（Wisdom）

在智慧层面，个体利用他们的知识和经验来做出决策，评估改变可能带来的后果。这一层面直接涉及到个体是否愿意接受或拒绝改变。

人们的智慧层在面对改变时扮演关键角色。如果个体能够理性地评估改变的利弊，并做出符合自身利益的决策，他们可能更愿意接受改变。然而，如果情感因素或偏见影响了决策，可能导致对改变的抵抗。

1. 目的层（Purpose）

目的层代表个体的最终目的和动机，通常是维护自身的安全感和稳定状态。这一层面涉及到个体对自身利益、价值观和信念系统的维护，以及对未知的恐惧。

语义数学的角度

语义数学是一种分析语义和逻辑关系的工具，可以帮助我们更深入地理解人们为什么不愿意被改变的心理过程。以下是从语义数学的角度分析人们的抵抗改变的原因：

1. 情感和认知连接

语义数学可以用来分析个体的情感与认知之间的联系。当人们面临改变时，情感因素可能会显著影响他们的决策。例如，对于一个人来说，离开熟悉的环境可能会引发焦虑和恐惧，这种情感反应可能会影响他们对改变的接受程度。语义数学可以帮助量化情感因素对决策的影响，揭示情感和认知之间的关系。

1. 概念和信仰的建模

语义数学还可以用来建模个体对概念和信仰的态度。人们的信仰系统和核心价值观通常在改变时受到挑战，因为改变可能涉及违反个体的信仰或价值观。通过语义数学，我们可以分析个体对概念和信仰的情感和认知反应，了解为什么他们会为了维护这些信仰而抵抗改变。

1. 对比和权衡

语义数学还可以用来模拟个体在面对改变时的对比和权衡过程。个体通常会比较当前状态和改变后可能的状态，并评估哪一个更符合他们的最终目的。这种对比和权衡过程可以通过语义数学的模型来量化，帮助我们理解为什么个体可能更倾向于维持当前状态而不是接受改变。

模拟案例：为什么人们不愿意被别人改变

背景： 在一个虚构的跨国公司，公司决定进行一项重大的组织变革，以适应市场的变化和提高竞争力。然而，这项变革需要员工接受新的工作流程、文化和价值观，这引发了员工的抵抗。公司决定通过DIKWP模型和语义数学来深入分析为什么员工不愿意被改变，并制定更有效的变革策略。

模拟案例分析：

数据层（Data）

在公司进行组织变革之前，员工已经积累了丰富的经验和历史数据。他们习惯了公司的现行文化和工作流程，这些数据构成了他们的基础信息。例如，公司一直以来都强调自主创新和团队合作，这些是员工的基本数据。

信息层（Information）

随着组织变革的消息传开，员工开始解读这一信息。他们可能会怀疑变革对他们的工作产生的影响，担心会失去自主性和团队合作的文化。这种信息解读会影响员工对变革的初步看法。

知识层（Knowledge）

员工开始建立关于变革的知识体系，包括对潜在风险和机会的认知。他们可能会认为，变革可能会破坏公司原有的文化，导致团队合作减弱，同时也可能会带来新的机会，如更高的效率和竞争力。

智慧层（Wisdom）

员工在智慧层面上做出决策，评估是否接受变革。其中一些员工可能会偏向维护公司现行文化，因为他们认为这符合公司的长期利益。另一些员工可能会更愿意尝试新的工作方式，以期待变革能够带来更多机会。

目的层（Purpose）

最终，员工的目的是维护自身的安全感和稳定状态，以及对公司文化和价值观的认同。一些员工可能会抵制变革，因为他们担心公司的核心价值观将受到威胁，而另一些员工则可能会支持变革，因为他们认为它有助于公司的长期成功。

语义数学的角度

使用语义数学，公司可以对员工的心理反应进行更深入的分析：

1. 情感和认知联系： 公司可以利用语义数学来分析员工情感与认知之间的关系。一些员工可能在情感上感到焦虑和不安，因为他们担心变革可能会破坏公司文化。这种情感因素可能影响他们对变革的认知和决策。

2. 概念和信仰的建模： 公司可以使用语义数学来建模员工对公司文化和核心价值观的信仰程度。一些员工可能将公司文化视为核心概念，他们的信仰系统建立在这一概念之上。公司可以分析这些概念和信仰的态度，了解员工为什么不愿意被改变。

3. 对比和权衡： 公司可以利用语义数学来模拟员工在改变前后的对比和权衡过程。员工可能会比较当前的文化和变革后的文化，评估哪一种更符合他们的最终目的。语义数学可以帮助公司量化这种对比和权衡过程，了解员工的决策逻辑。

通过DIKWP模型和语义数学的分析，公司可以更深入地理解为什么员工不愿意被改变。这种深入的理解有助于公司制定更有效的变革策略，包括更好地管理员工的情感和认知反应、尊重他们的概念和信仰系统，以及明智地进行对比和权衡。这个模拟案例强调了DIKWP模型和语义数学在理解和应对组织变革中的心理抵抗方面的重要性，为公司提供了更好的工具和方法。

结论

人们为什么不愿意被别人改变是一个复杂的心理现象，涉及多个层面的认知和情感因素。使用DIKWP模型和语义数学，我们可以更深入地理解这一现象。数据层包含个体的过去经验和社会背景，信息层影响个体对改变的初步看法，知识层构建了对改变的认知体系，智慧层影响个体的决策，而目的层反映了个体的最终动机。同时，语义数学可以帮助分析情感与认知的联系，建模概念和信仰的态度，以及对比和权衡的过程。

在理解为什么人们不愿意被改变时，我们应该考虑到这些层面和因素之间的复杂相互关系。不同的个体可能在不同的层面和情境下表现出不同的抵抗程度。因此，为了更好地应对和管理改变，我们需要深入研究和理解这些层面和因素，以制定更有效的策略和方法。通过综合运用DIKWP模型和语义数学的工具，我们可以更全面地把握人们抵抗改变的心理机制，为推动个体和组织的发展提供有力支持。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼北京信用学会高级顾问、重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、海南省人工智能学会高级顾问、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

  

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。