愤怒与受伤害---罗杰斯案例评述

昨天终于拿出罗杰斯童鞋的个案评述开始阅读,卡尔罗杰斯是第一位将心理咨询的过程进行录音录像,并向外界公开的。同时罗杰斯也注重对心理咨询过程的记录与回顾。

 
 

在罗杰斯个案评述中,有这么一个案例,其当事人是一位中年黑人,身患白血病,罗杰斯对其进行了约两个小时左右的面询并进行了影像的记录,该影像在youtube有三分钟左右的预览。

 
 

罗杰斯的非指导性咨询的指导思想中,咨询师要放弃试图主控咨询进程的要求,通过对当事人的共情,对体验当事人的情绪,营造领会,真诚,无条件接纳的环境,使得当事人的情感不再是个人的被压抑的体验,从而获得成长,这已经在博客中介绍过多次。

 
 

听起来这样的要求也并很稀奇,好像也不是那么难以做到,甚至笔者在会话的时刻,也自以为达到了这样的状态。

然而正如罗杰斯所言,一项原则,无论抽象出来是如何简单,在应用时,总是有无限的复杂和更深刻的道理。

 
 

即使罗杰斯,有时时刻也不免为个人情绪所困,做出违反自己的指导理念的行为。

在这个案例中的罗杰斯就是如此。

 
 

来看这段对话。


 
 

在这段对话中,当事人在说出自己想表达愤怒而不能的时候,陷入较深入的强烈的情绪,但是罗杰斯此时使用了一句脏话比较夸张放肆地表达出患者内心的体验。但是注意,罗杰斯此时代替当事人表达了其情绪,罗氏在希望通过诱导,通过树立一个例子来鼓励当事人效仿,然而其使用的字眼,对当事人来说,仍然是过激的,对当事人造成了压力,当事人在曾经表达过自己出于教养和礼节,所以不愿意也不能表达愤怒,罗氏此刻的反应,在其他的心理咨询流派中很常见,但是在罗氏的生涯中却出现较少。


这样的反应,从一个方面来说,鼓励了当事人,从社会学习的角度来讲,并不一定是一件事坏事,但是另一方面,罗氏的这种指导性的态度打断了当事人原来强烈的情绪。使得当事人感到一定的压力,并处于对这种压力的回应中。

据统计,在这个个案中,罗氏使用带有诱导性的语言占整个回应的百分之二十二,大大超出了罗氏一贯咨询的比例。

 
 

这次咨询的最后,罗氏仍然打动了当事人,罗氏在之后发表意见,称当事人站在一个深坑的旁边,不断徘徊,但是并未做好准备准备一探究竟。

 
 

有人将这次咨询视为罗氏失控的一次咨询,并有传言说是因为当事人并未遵守治疗合约并自己的重要情况告诉罗氏,还有人认为这期节目并非罗氏所愿意录制,因此在录制中掺入了情绪因素。

 
 

然而也有人将罗氏这一种表现视为针对不同个案的随机应变,并援引最后当事人的触动证明罗氏依然对当事人起到了切实的帮助作用。

这其中的是非,只凭三分钟的视频难以论证。

 
 

我曾与人会话,然则在看过这个个案后才觉当时做的相当不够,我对罗氏的反应也有种意见,也许是因为他当时过于希望帮助当事人,所以在看到症结之后就希望将当事人引导到解决的地方,却忽视了当事人的能量,或许还不足以做出有力的改变。

 
 

当然,我这推测更像是说我自己的问题,毕竟,罗氏从业多年,对此问题,想来早已经烂熟于胸,不太可能犯如此过激错误。

然而反过来说,罗氏是人,非圣哲,心理咨询师即使对心理规律洞若观火,也并妨碍其仍然要受到心理规律的作用和约束,即使如何修炼,怕也不能完全洞明澄澈,无欲无求。

 
 

 
 

之前看过篇文章,论心理咨询师的欲望,心理咨询师在咨询室,是以当事人的情绪和体验为中心,然而,由于过于想助人,这助人的欲望或许会在一定程度上影响到工作的进行。

成长是缓慢的,非指导性咨询不设置面询的目的,就是因为对人性本身能够自发地成长 ,能够自动地疗癒有足够的信念。

 
 

这人间事,大多欲速则不达。

为咨询师者,当以此为戒。

 
 

 
 

参考文献:罗杰斯心理治疗----经典个案与专家点评。

Spark初印象

看了两周多的spark,也是时候把自己看的杂七杂八的内容输出一下了。

MapReduceHadoop几乎已经成为分布式计算的代名词,并且在大规模数据的处理中起着重要的作用。

但是MapReduce框架却存在着一些问题,使得它在某些问题上,表现较差,主要的原因它缺乏对内存更好的利用,向上提供关于内存的抽象,而且在数据运算过程中出现的中间结果,也都保存在硬盘上,对于某些类型的计算而言,比如对一个大规模的数据集进行一次count,这样是没有问题的。因为计算的流向只需要从每个结点流向最后的结果结点。而且这个流向只进行一次。

但是对于某些类型的计算,这个问题却很严重。

 
 

最主要的有机器学习和交互数据挖掘,在机器学习中,大量的学习问题最后被归为一个参数优化问题,这个参数优化问题需要不断地迭代运算。而每次运算的中间结果都作为下一次运算的输入再次进行。如果使用MapReduce来处理这样的问题,MapReduce只能将中间的运算结果写入分布式文件系统如Hadoop中的HDFS,进行使用,在这个过程中,花费在磁盘IO,数据复制以及序列化上的操作大大拖慢了系统了速度。这些操作都是十分耗时的。

另一个问题是交互式数据挖掘,在这种计算中,用户可能对数据集中的某一个子集进行多次的特定查询。对于MapReduce而言,这种数据的重用仍然只能通过写入外部分布式存储来进行。

 
 

spark正是设计来解决这样的问题的。

spark的设计者Matei Zaharia等人在亚马逊云计算平台EC2上做了实验,在4核心15G内存、使用HDFS分布式文件系统的运行环境中,Zaharia运行了逻辑回归这样的迭代任务,spark的表现比Hadoop要快25倍左右。而根据作者说在生产环境中,spark更是要快上40倍。
spark交互地扫描过1TB的数据时只需要5-7s的延迟。
需要注意的这些数据是2012年两个作者设计spark时的数据。
 

 
 

spark最主要的设计就是对内存的抽象,其核心概念是所谓的可伸缩分布式数据集(RDD)。下面就来介绍这个RDD

 
 

我的理解,RDD就是spark的计算单元,spark对一个一个可迭代,或者可分解的任何的任何,分解成多个RDD,每个RDD包含数据和指定的操作,然后这个RDD被分配给不同的结点,进行计算,计算的结果再汇总到主结点进行结合。并返回计算结果。

举例来说,对一个3GB的文件,进行计算,算其到底包含了"十三很帅"的总行数,那么在这种情况下,spark应该是读取这个文件,然后将截成一个个的文件块(如果本来就是分布式存储,那么可以更方便,根本就不需要截了),将count操作和这个文件块作为一个RDD,发送到某个计算结点,由这个计算结点对RDD进行操作。最后再返回计算结果,并进行合并汇总。

 
 

再来看一个定义:

RDD是Spark最核心的东西,它表示已被分区,不可变的并能够被并行操作的数据集合,不同的数据集格式对应不同的RDD实现。RDD必须是可序列化的。RDD可以cache到内存中,每次对RDD数据集的操作之后的结果,都可以存放到内存中,下一个操作可以直接从内存中输入,省去了MapReduce大量的磁盘IO操作。

 
 

RDD有三个主要的特点,它具有较高的容错性,是对内存进行的抽象,同时支持集群计算。

 
 

从静态表示上来说,RDD一般由五个部分的通用接口来表示。

我们以spark的某个python示例为例。

 
 

tc = sc.textFile("十三好帅.txt')

# 读取文件

wordRDD = tc.flatMap(lambda x: jieba.cut(x))

# 对文件中的每行进行分词,从一个lineRDD,转换到一个wordRDD

wordFreRDD = wordRDD.map(lambda x: (x, 1))

# 又是一次RDD的转换,将每个word,转换成(word count)的形式

counts = wordFreRDD.reduceByKey(add)

# 使用加法操作,将这个频次计数对,进行汇总合并。

 
 

 
 

一、数据分区,一个RDD中的数据可以分成多个数据分区,数据分区是RDD的最小计算单位。

二、依赖关系,指一个RDD是通过哪些父RDD生成的。比如wordRDD就是wordFreRDD的父RDD,但是注意一点,父RDD是指某一个RDD,代码中的wordRDDwordFreRDD都是一类。

三、计算RDD的函数。例如上例中,使用lambda定义的算子,都属于此列。

四、每个数据分片的预定义地址列表(如HDFS上的数据块的地址)【可选】

五、对于hash/range型的RDD的元数据。

 
 

下一章,我们来讨论RDD的独特设计,以及与之前的分布式系统的不同之处,并仔细了解下它是如何实现快速容错的能力的。

你不是真正的快乐

今天穿出那件最pushy衣服,然后遇到一个pushy的人所会遇到的事情。事情的经过不想多提,起因是自己的不懂事吧。然后和人吵架吵了好久,后来发现是自己不对。但是发现一些很好玩的事情,于是又和吵架的人和好,聊天聊了半天。

本来是个国民性的问题。后来全身无力的回来。躺在家里,不知该做什么。

 
 

然后就全身无力地玻璃心了。突然从往事的逗逼态,牛叉态,读书态,教父态,专家态回来。

回到受伤态,无助态,孤独态,低落态。

久违了。孩儿。

 
 

今天童鞋问我为什么会选定目前学习的两个方向,对于AI,是智力的挑战,对世界规则的洞察,是希望为这个世界做一些事情,是一项事业,把自己的欲望,需求,历史路径的一个结合点。

 
 

对于心理,是因为:我不想让别人遭受我曾经遭受过的。

希望这个世界彼此温柔相待,希望自己喜欢的东西,被这个世界温柔相待。所以会努力地让自己成为这个温柔世界的一部分。

慢慢地改造自己的人格,从内向到外向,到悲观到乐观,坚持冥想,因为改变积极的因子。不断地去努力(虽然有时拖延症,懈怠),希望自己更有能力去实现自己的所求。

 
 

想说点什么呢?(大脑断了。。。)

其实也没有什么,只是此刻有些自伤,好像需要关怀,但是又不知道怎么去索要关怀,更觉得自己都没有怎么关怀他人,又有什么资格去索要他人的关怀,更不信任别人能够给予自己需要的关怀。

给予别人所需要的关怀,需要有心,可是也需要有能力,不是么。

 
 

(大脑又断了。。。)

这种low的时候,居然会想去翻周星驰的八卦,然后突然就泪流满面。

我不知周星驰的人品有多差,情商有多低,只是对他有种特别认同的感觉。就像一个人面对世界,无论如何都像一条狗,都是个傻逼,都没有能力去处理那些自己珍视的东西。即使他成为星爷,也只能对着镜头说一句"我老了"。

有时面对这个不爱我的世界,面对那些或者感觉我还不错,或者感觉我只是还凑合的人们,真想撒手不管了,退回自己的小窝,或者更任性地断掉一切联系。任性地感觉自己完全不重要,消失与不消失也都不对任何人构成任何影响。

然后又知道那只是一时的错觉。那是信息不对称,那是无知,那是没有能力,那是他们自己还够强大。

 
 

所以才会这种情况,写下这种文章,自己给自己一点能量。

告诉自己,自己的存在,还是挺重要的。即使有时自己感觉不到。

 
 

也许自己消化自己的情绪,自己去背负一些东西,已经是注定了,就像贫民窟的百万富翁,it's written. (滚你妹的自我实现预言)

继续努力吧。保持这样的纠结。

 
 

虽然这样纠结让人看着很痛苦,但是也许是能够具有能力去让这世界变得更好,同时又不让自己失去初心的惟一的办法。

 
 

你们不必懂。

 
 

尾记:

写在单曲循环同名歌曲的一个午夜

这只是我的一个态,别随便把它当做我的本质。

也别随便把平时我的快乐当做不是真正的快乐。