当前位置:谷粒网 > 在线学习 > 正文

林格曼效应 (林格曼效应)

作者:谢颖逸 在线学习 2023-04-20 18:05:57 阅读:23

Ringelmann 著名的“拉线”实验,通常被称为“Ringelmann 效应”,分析了一个人在拉线过程中在群体中的行为。

林格曼效应 (林格曼效应)

法国农业工程师Maximilian Ringelmann 在1861 年至1931 年著名的拔河实验中注意到,当拔河人数从一个人逐渐增加到一群人时,集体力量并不等于总和的个人优势。增加到三人的时候,实力只相当于两个半人的总和。

你从研究林格曼效应中得到的教训是,团队中的每个人都有责任感。当一个人处于拔河中时,他必须尽力假设这是对拔河有益的行为,或者是他期望完成的任务。因为此时没有其他人可以依靠,贡献与否一目了然,责任也很明确。

在心理学上,这种现象被称为“林格曼效应”。林格曼是法国的一名农业工程师。根据Ringelmann 的测试,虽然整体拉力在增加,但每个成员施加的平均拉力却在下降。

但坦白说,我觉得还是要看具体的任务。比如,篮球只有5个人,棒球有9个人,***需要11个人。你说这是一个实验。以下是故事的副本。 “拉绳子”实验通常被称为“林格曼效应”。

16 林格曼效应林格曼著名的“拉绳”实验分析了一个群体中单个人在拉绳过程中的表现。当他让越来越多的人参与拉绳时,林格曼发现,尽管整体拉力增加了,但每个成员施加的平均拉力却下降了,这与团队工作时成员更努力工作的传统理论相矛盾。

这就是“社会逃避现象”林格曼效应一般来说,当大多数人同时用力时,产生的力小于每个人力的算术和。人越多,这个效果越明显,因为人多。都认为“我一个人无所谓”,增强个人责任感,防止逃避。

Maximilian Ringelmann 是一位法国工程师。 1913年,他调查了马车的效率。他发现,两匹马一起拉车的效率,还不到一匹马的两倍。出乎意料的是,他将调查范围扩大到了人类。他让很多人一起拉一根绳子,每个人量一下。

1913年,法国工程师林格尔曼研究了马车的效率。她发现,两匹马合力拉一辆马车的效率,还不到一匹马的两倍。这个结果让他很吃惊,于是他将调查延伸到人类身上,他让很多人一起拉一根绳子,测量每个人释放的力量。他发现两个人一起拉了一根绳子。

Maximilian Ringelmann,她在早期研究中发现,拉绳子的人越多,每个人付出的努力就越少,她说“如今,团队在组织中司空见惯。从管理的角度来看,人们越来越意识到团队是更有效地控制绩效的管理者个人团队成员。

Maximilian Ringelmann 是一位法国工程师。 1913年,他调查了马车的效率。他发现,两匹马一起拉车的效率,还不到一匹马的两倍。出乎意料的是,他将调查范围扩大到了人类。他让很多人一起拉一根绳子,测量每个人释放的力量。

Ringelmann 著名的“拉绳子”实验,通常被称为“Ringelmann 效应”,分析了一个人在拉绳子时在群体中的行为方式。随着越来越多的人参与拉绳,林格曼随后测量了拉力的大小,林格曼发现虽然整体拉力增加了,但每个成员的用力都更大了。

然后林格曼测量了拉力的大小。随着越来越多的人拉绳子,林格曼发现,虽然整体拉力增加了,但每个成员施加的平均拉力却下降了,这与成员团队合作时的情况一致。与传统理论相反,Ringelmann 将其归因于当时所谓的“社会惯性”,即一个群体或一群人将成为一个群体的一部分的想法。

Ringelmann 著名的“拉绳”实验,通常被称为“Ringelmann 效应”,分析了一个人在拉绳过程中如何在一个群体中表现,因为他让越来越多的人参与拉绳。当时,他发现虽然整体拉力增加了,但每个成员施加的平均拉力却下降了,这与团队工作时成员更努力的传统理论是一致的。

Ringelmann 著名的“拉绳”实验,通常被称为“Ringelmann 效应”,分析了一个人在拉绳过程中如何在一个群体中表现,因为他让越来越多的人参与拉绳。他发现虽然整体拉力增加了,但每个成员施加的平均拉力却降低了,这与团队工作时成员付出更多努力的传统理论相矛盾。

Ringelmann 著名的“拉绳子”实验,通常被称为“Ringelmann 效应”,分析了一个人在拉绳子时在群体中的行为方式。随着越来越多的人拉绳子,Ringelmann 随后测量了拉力的大小,Ringelmann 发现虽然整体拉力增加了,但每个成员施加的平均拉力却减少了。

版权声明:本文内容由用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。转载请注明出处:https://www.gulizw.com/guli/60762.html

网友评论

  • 随机文章

  • 热门文章

  • 最新文章