1701617990
1701617991
悲观型（普遍的）
1701617992
1701617993
所有的老师都不公平。
1701617994
1701617995
我是个令人讨厌的人。
1701617996
1701617997
书本一点儿用也没有。
1701617998
1701617999
乐观型（特定的）
1701618000
1701618001
塞利格曼教授很不公平。
1701618002
1701618003
他很讨厌我。
1701618004
1701618005
这本书一点儿用也没有。
1701618006
1701618007
诺拉和凯文在永久性维度上得分相同，他们俩在这方面都是悲观的，当他们被解聘时，两人都沮丧了很久。但是他们在普遍性维度上却正好相反。当不幸事件降临时，凯文认为一切都完了，认为自己一无是处。诺拉却认为不幸的事是有特殊原因的，认为是自己的会计工作做得不够好。
1701618008
1701618009
永久性维度决定一个人会放弃多久——对坏事永久性的解释会造成长期的无助，而暂时性的解释则可以迅速恢复。普遍性维度决定一个人会把无助带到生活的各个层面，还是只维持在原来的地方。凯文是普遍性维度的受害者，一旦被解雇，便认为这个原因是普遍的，他将之泛化到生活的每一个层面上。
1701618010
1701618011
你也会这样把小事化大吗？标有PvB（Pervasiveness Bad，普遍性的坏事）的8道题是：5、10、11、12、15、21、30和32，请将它们的分数加起来填在PvB的格中。如果你的分数是0或1，你非常乐观；2或3是中等乐观；4代表平均数；5或6是中等悲观；7或8是非常悲观。
1701618012
1701618013
乐观型的解释风格对好事和坏事的看法正好相反。乐观的人认为好事会惠泽到他所做的每一件事，而悲观的人则认为好事只是特定条件引起的。当公司把诺拉找回去做临时雇员时，她会想：“他们终于认识到没有我不行了。”公司也找凯文回去帮忙，但他却想：“公司大概是真的缺人手了。”下面是类似的一些例子。
1701618014
1701618015
悲观型（特定的）
1701618016
1701618017
我的数学很好。
1701618018
1701618019
我的股票经纪人很懂石油股。
1701618020
1701618021
她觉得我很迷人。
1701618022
1701618023
乐观型（普遍的）
1701618024
1701618025
我很聪明。
1701618026
1701618027
我的经纪人很了解股市运作。
1701618028
1701618029
我很迷人。
1701618030
1701618031
请把PvG（Pervasiveness Good，普遍性的好事）的分数加起来，这8道题是：3、4、18、20、23、24、25和29。将分数加起来写在PvG的格中，如果你的分数是7或8，你很乐观；6是中等乐观；4或5是平均数；3是中等悲观；1或2是非常悲观。
1701618032
1701618033
希望
1701618034
1701618035
希望现在已经变成说教者、政客和广告商的专用语了。习得性乐观的研究就是将希望带进实验室，让科学家可以分析它，找出它为什么有效。我们是否觉得有希望，取决于两个维度的共同作用。找到好事的永久性和普遍性原因，和对不幸事情作出暂时性和特定性的解释，是希望的两个支柱。对不幸事情作出永久性和普遍性的解释，以及认为好事情是暂时的和特定的，则是绝望的原因。
1701618036
1701618037
不幸的事可以用无望的或充满希望的方式来解释。
1701618038
1701618039
无望的
[
上一页 ]
[ :1.70161799e+09 ]
[
下一页 ]