Wahlvorhersage-Test
Kann das Aussehen eine Wahl vorhersagen?
Kannst du allein anhand der Kandidaten erkennen, wer eine Wahl gewonnen hat? Jedes Paar zeigt zwei Gegner aus einem Rennen um den US-Senat. Wähle die Person, die kompetenter wirkt, und am Ende siehst du, wie oft das Gesicht, das du gewählt hast, zum Wahlsieger gehörte.
Es gibt 28 Paare und kein Zeitlimit. Wenn du einen der beiden Kandidaten erkennst, wähle „Ich erkenne jemanden“: Dieses Paar wird aus deinem Ergebnis herausgenommen.
Der Dark-Core-Faces-Test untersucht, was du in einem Gesicht liest, der Test zur amerikanischen Politik, wo du bei US-Themen stehst, und der Test zum sozialen vs. logischen Gehirn, wie der Kontext verändert, wie du eine Regel prüfst.
Paar 1 von 28
So antwortest du
Sieh dir beide Fotos an und wähle Person A oder Person B, dann drücke auf Weiter. Es gibt kein Zeitlimit: Die Fotos bleiben sichtbar, während du dich entscheidest. Wähle „Ich erkenne jemanden“, wenn dir eines der Gesichter bekannt vorkommt.
Wenn die Person links zum Beispiel kompetenter wirkt, wähle Person A. Mit Zurück kannst du ein früheres Paar noch einmal ansehen und deine Antwort ändern, wenn du möchtest.
Test starten
Wer wirkt kompetenter?
Zurück Weiter
Erste Eindrücke und Wahlergebnisse
Stell dir vor, du siehst zwei Kandidaten, über die du nichts weißt: keine Namen, keine Parteien, keine Programme. Einer von ihnen kann dir trotzdem sofort als der fähigere erscheinen. Alexander Todorov und seine Kollegen in Princeton gingen der Frage nach, ob solche Eindrücke mit echten Wahlen übereinstimmen. Sie zeigten etwa 40 Personen die Gesichter der Sieger und Zweitplatzierten von Wahlen zum US-Senat und zum Repräsentantenhaus und fragten, wer kompetenter wirke. Als man ihre Entscheidungen zusammenfasste, gewann der Kandidat, den die meisten von ihnen als kompetenter beurteilt hatten, 71,6 % der Senatswahlen von 2000, 2002 und 2004 und 66,8 % der Wahlen zum Repräsentantenhaus.
Diese 71,6 % sind das Ergebnis einer Gruppe, nicht das einer einzelnen Person. Fasst man die Entscheidungen vieler Menschen zusammen, gleichen sich die Fehlgriffe des Einzelnen aus; für sich allein treffen Menschen den Wahlsieger in etwa 56 % der Fälle, während der Zufall bei 50 % liegt (Olivola & Todorov, 2010). In einem weiteren Experiment sahen die Teilnehmer jedes Paar nur eine Sekunde lang und wählten die Sieger trotzdem häufiger als der Zufall. Schnelle Kompetenzeindrücke können also eine Rolle dabei spielen, wie Menschen wählen, auch wenn ein Gesicht wenig darüber aussagt, wie gut jemand den Job machen würde.
Wer hat es sonst noch versucht?
Forscher haben dieselbe Frage auch anderen Beurteilern gestellt. Koreanische Studenten in Seoul wählten anhand der Gesichter der Kandidaten in 62 % der Fälle die Sieger von Gouverneurs- und Senatswahlen in den USA, etwas häufiger als amerikanische Studenten (60 %) (Na et al., 2015), wobei eine spätere Studie in Kalifornien für koreanische Beurteiler nur etwa 54 % und für amerikanische 55 % ergab (Lin et al., 2017). Schweizer Kinder im Alter von 5 bis 13 Jahren wählten nach einem Computerspiel über die Seefahrt von Troja nach Ithaka aus zwei Gesichtern dasjenige, das sie als Kapitän ihres Bootes haben wollten; ihre Entscheidungen stimmten in 64 % der Fälle mit den Siegern der französischen Stichwahlen überein (Antonakis & Dalgas, 2009). Drei Rhesusaffen, mit einem Eye-Tracker beobachtet, sahen die Verlierer länger an als die Sieger; zählte man das Gesicht, das ein Affe weniger lange ansah, als seine Entscheidung, trafen sie in 54,6 % der Fälle den Sieger (Jiang et al., 2024, ein Preprint, der noch nicht in einer Fachzeitschrift erschienen ist). Ein Computer, der auf den Eindrücken von Menschen zu Gesichtern trainiert worden war, wählte in 65,5 % der US-Senatswahlen den Sieger (Joo, Steen & Zhu, 2015). Und Studenten, die jedes Gesicht nur 1/30 Sekunde lang sahen, hielten den Sieger in 55 % der Fälle für den kompetenteren der beiden (Mattes et al., 2010).
Zwei Befunde legen nahe, dass das Gesicht selbst weniger bewirkt, als es scheint. Studenten, denen die Fotos mit ausgeschnittenem Gesicht gezeigt wurden, sodass nur Haare, Kleidung und Hintergrund zu sehen waren, wählten in 65 % der Fälle den Sieger, gegenüber 52 % bei Studenten, die nur das Gesicht sahen (Spezio et al., 2012). Und in 30 Rennen verlor der Kandidat, den die Studenten attraktiver fanden, in 77 % der Fälle (Mattes et al., 2010).
So funktioniert deine Punktzahl
Dieser Test verwendet 28 der 95 Senatswahlen aus der Originalstudie. Dein Ergebnis ist der Anteil deiner Entscheidungen, die gewonnen haben, wobei nur die Paare gezählt werden, bei denen du keinen der beiden Kandidaten erkannt hast. Würdest du zufällig wählen, läge dein Wert bei etwa 50 %. Die anderen Balken im Diagramm sind Ergebnisse anderer Beurteiler, jedes aus einer eigenen Studie und einem eigenen Satz echter Wahlen; sie sind also ein grober Maßstab und kein direkter Vergleich.
Die Fotos sind nicht die, die in der Studie verwendet wurden. Es sind öffentliche Fotos derselben Kandidaten, einige Jahre nach der Wahl aufgenommen, und ein anderes Foto derselben Person kann den Eindruck verändern, den sie vermittelt. Die Ergebnisse dieser Version wurden noch nicht mit denen der Originalstudie verglichen, und ein Wahlsieg sagt nichts über die tatsächliche Kompetenz eines Kandidaten aus: Partei, Amtsinhaberschaft und das politische Klima wiegen mehr.
Bildnachweise und Quellen
Fotos von Wikimedia Commons, beschnitten und in Graustufen gezeigt. Die Urheber befürworten diesen Test nicht.
- Dianne Feinstein: United States Congress, US Senate Photo.
- Tom Campbell: United States Congress.
- Debbie Stabenow: Unknown author.
- Spencer Abraham: Department of Energy..
- Mark Dayton: United States Congress.
- Rod Grams: United States Congress.
- Conrad Burns: Unknown.
- Brian Schweitzer: Office of Governor Brian Schweitzer.
- Rick Santorum: Biographical Directory of the United States Congress.
- Ron Klink: Unknown author.
- Mark Pryor: Unknown author.
- Tim Hutchinson: United States Senate.
- Saxby Chambliss: Unknown author.
- Max Cleland: Unknown.
- Tom Harkin: US Congress.
- Greg Ganske: Office of Congressman Greg Ganske.
- Susan Collins: Unknown author.
- Chellie Pingree: U.S. House of Representatives.
- Jim Talent: Unknown author.
- Jean Carnahan: Unknown.
- Lamar Alexander: Unknown author.
- Bob Clement: U.S. House of Representatives.
- Jay Rockefeller: Unknown author.
- Jay Wolfe: D. D. Meighen.
- Lisa Murkowski: United States Senate.
- Tony Knowles: Gillfoto.
- Blanche Lincoln: Unknown author.
- Jim Holt: Goodolclint.
- Barbara Boxer: Office of Senator Barbara Boxer.
- Bill Jones: Secretary of State of California.
- Chris Dodd: Unknown.
- Jack Orchulli: Jack_Orchulli_MilfordCT_October2010.jpg : Sgt. R.K. Blue derivative work: Jerzeykydd ( talk ).
- Mel Martinez: United States Department of Housing and Urban Development.
- Betty Castor: Unknown.
- Johnny Isakson: Unknown.
- Denise Majette: U.S. House of Representatives.
- Jim Bunning: Unknown author.
- Dan Mongiardo: Gage Skidmore.
- Barbara Mikulski: Unknown.
- E. J. Pipkin: Marylandstater.
- Kit Bond: United States Senate.
- Nancy Farmer: Missouri State Archives from Jefferson City, Missouri, United States.
- Richard Burr: Unknown author.
- Erskine Bowles: Official White House photo by Pete Souza.
- Tom Coburn: U.S. Senate Historical Office.
- Brad Carson: unknown, credited to US Congress.
- Arlen Specter: Unknown.
- Joe Hoeffel: Congressional Employee.
- Jim DeMint: United States Congress.
- Inez Tenenbaum: Consumer Product Safety Commission.
- John Thune: United States Senate.
- Tom Daschle: United States Senate.
- Patty Murray: United States Senate.
- George Nethercutt: United States House of Representatives.
- Russ Feingold: United States Senate.
- Tim Michels: Michael J. Rockett (Original) - Aaaccc (Derivative work).
Referenzen
- Todorov, A., Mandisodza, A. N., Goren, A., & Hall, C. C. (2005). Inferences of competence from faces predict election outcomes. Science, 308(5728), 1623–1626. doi:10.1126/science.1110589
- Antonakis, J., & Dalgas, O. (2009). Predicting elections: Child’s play! Science, 323(5918), 1183. doi:10.1126/science.1167748
- Jiang, Y., Huttunen, A., Belkaya, N., & Platt, M. L. (2024). Monkeys predict US elections. bioRxiv preprint. doi:10.1101/2024.09.17.613526
- Joo, J., Steen, F. F., & Zhu, S.-C. (2015). Automated facial trait judgment and election outcome prediction: Social dimensions of face. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 3712–3720. doi:10.1109/ICCV.2015.423
- Mattes, K., Spezio, M., Kim, H., Todorov, A., Adolphs, R., & Alvarez, R. M. (2010). Predicting election outcomes from positive and negative trait assessments of candidate images. Political Psychology, 31(1), 41–58. doi:10.1111/j.1467-9221.2009.00745.x
- Lin, C., Adolphs, R., & Alvarez, R. M. (2017). Cultural effects on the association between election outcomes and face-based trait inferences. PLoS ONE, 12(7), e0180837. doi:10.1371/journal.pone.0180837
- Na, J., Kim, S., Oh, H., Choi, I., & O’Toole, A. (2015). Competence judgments based on facial appearance are better predictors of American elections than of Korean elections. Psychological Science, 26(7), 1107–1113. doi:10.1177/0956797615576489
- Olivola, C. Y., & Todorov, A. (2010). Elected in 100 milliseconds: Appearance-based trait inferences and voting. Journal of Nonverbal Behavior, 34(2), 83–110. doi:10.1007/s10919-009-0082-1
- Spezio, M. L., Loesch, L., Gosselin, F., Mattes, K., & Alvarez, R. M. (2012). Thin-slice decisions do not need faces to be predictive of election outcomes. Political Psychology, 33(3), 331–341. doi:10.1111/j.1467-9221.2012.00897.x
- Todorov, A., & Porter, J. M. (2014). Misleading first impressions: Different for different facial images of the same person. Psychological Science, 25(7), 1404–1417. doi:10.1177/0956797614532474
Häufig gestellte Fragen
Was wähle ich aus?
Wähle in jedem Paar den Kandidaten, der dir kompetenter erscheint, und urteile dabei nur nach den Fotos.
Wer sind die Personen auf den Fotos?
Jedes Paar zeigt die beiden Hauptkandidaten einer US-Senatswahl von 2000, 2002 oder 2004. Ihre Namen stehen in den Bildnachweisen am Ende dieser Seite, die du vielleicht erst nach dem Test lesen möchtest.
Was ist, wenn ich jemanden erkenne?
Wähle „Ich erkenne jemanden“. Dieses Paar wird aus deinem Ergebnis herausgenommen.
Gibt es ein Zeitlimit?
Nein. Nimm dir für jedes Paar so viel Zeit, wie du möchtest. Mit Zurück gelangst du zu einem früheren Paar, wenn du deine Antwort ändern willst.
Was bedeuten die Balken im Diagramm?
Dein Balken ist der Anteil deiner Entscheidungen, die gewonnen haben. Die anderen zeigen, wie oft die Entscheidungen anderer Beurteiler in veröffentlichten Studien mit dem Sieger übereinstimmten, jeweils ein Beurteiler für sich: ein auf Gesichter trainierter Computer, Kinder im Alter von 5 bis 13 Jahren, die einen Schiffskapitän wählen, koreanische Studenten, die amerikanische Politiker beurteilen, ein typischer Erwachsener, Rhesusaffen (eine Studie, die noch nicht in einer Fachzeitschrift erschienen ist), Personen, die jedes Gesicht 1/30 Sekunde lang sahen, und ein Münzwurf. Die Bilder sind Illustrationen, nicht die Teilnehmer der Studien. Jede Studie verwendete einen eigenen Satz echter Wahlen, betrachte sie also als groben Maßstab.
Warum steht die 71,6 % der Originalstudie nicht im Diagramm?
Weil sie kein Ergebnis einer einzelnen Person ist. Sie gibt an, wie oft der Kandidat gewann, den die meisten von etwa 40 Personen als kompetenter beurteilt hatten. Fasst man die Entscheidungen vieler Menschen zusammen, gleichen sich die Fehlgriffe des Einzelnen aus, sodass eine Gruppe jedes ihrer Mitglieder übertrifft: für sich allein treffen Menschen den Sieger in etwa 56 % der Fälle.
Kann ich den Test noch einmal machen?
Ja, aber ein zweiter Durchgang ist kein frischer Test: Du hast die Gesichter dann schon gesehen.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 