Basato sullo studio sui volti e gli esiti elettorali di Alexander Todorov e colleghi.
Test di Previsione Elettorale
L’aspetto può prevedere un’elezione?
Riesci a capire chi ha vinto un’elezione solo guardando i candidati? Ogni coppia mostra due avversari di una corsa al Senato degli Stati Uniti. Scegli quello che sembra più competente e alla fine vedrai quanto spesso il volto che hai scelto apparteneva al vincitore.
Ci sono 28 coppie e nessun limite di tempo. Se riconosci uno dei due candidati, scegli Riconosco qualcuno: quella coppia viene esclusa dal tuo punteggio.
Il Test dei Volti Dark Core esamina ciò che leggi in un volto, il Test di Politica Americana la tua posizione sulle questioni statunitensi e il Test del Cervello Sociale vs. Logico come il contesto cambia il modo in cui verifichi una regola.
Coppia 1 di 28
Come rispondere
Guarda entrambe le fotografie e seleziona Persona A o Persona B, poi premi Avanti. Non c’è un limite di tempo: le fotografie restano visibili mentre decidi. Seleziona Riconosco qualcuno se uno dei due volti ti è familiare.
Per esempio, se la persona a sinistra sembra più competente, seleziona Persona A. Usa Indietro per rivedere una coppia precedente e cambiare la tua risposta se vuoi.
Inizia il test
Chi sembra più competente?
INDIETRO CONTINUARE
Prime impressioni ed esiti elettorali
Immagina di vedere due candidati di cui non sai nulla: nessun nome, nessun partito, nessun programma. Uno dei due può comunque colpirti subito come il più capace. Alexander Todorov e i suoi colleghi di Princeton si sono chiesti se impressioni come queste corrispondono alle elezioni reali. Hanno mostrato a circa 40 persone i volti dei vincitori e dei secondi classificati delle elezioni per il Senato e la Camera degli Stati Uniti e hanno chiesto chi sembrasse più competente. Quando le loro scelte sono state aggregate, il candidato che la maggior parte di loro giudicava più competente ha vinto il 71,6% delle elezioni al Senato del 2000, 2002 e 2004 e il 66,8% di quelle per la Camera.
Quel 71,6% è il punteggio di una folla, non di una singola persona. Aggregare le scelte di molte persone annulla gli errori di ciascuno; da soli, le persone scelgono il vincitore circa il 56% delle volte, quando il caso dà il 50% (Olivola & Todorov, 2010). In un ulteriore esperimento, le persone hanno visto ogni coppia per appena un secondo e hanno comunque scelto i vincitori più spesso del caso. Le impressioni rapide di competenza, a quanto pare, possono avere un ruolo nel modo in cui le persone votano, anche se un volto dice poco su quanto bene qualcuno farebbe quel lavoro.
Chi altro ci ha provato?
I ricercatori hanno posto la stessa domanda ad altri giudici. Studenti coreani a Seul hanno scelto i vincitori delle elezioni per governatore e Senato degli Stati Uniti il 62% delle volte dai volti dei candidati, un po’ più spesso degli studenti americani (60%) (Na et al., 2015), anche se uno studio successivo in California ha trovato solo circa il 54% per i giudici coreani e il 55% per quelli americani (Lin et al., 2017). Bambini svizzeri dai 5 ai 13 anni, dopo un videogioco sul viaggio in barca da Troia a Itaca, hanno scelto quale di due volti avrebbero voluto come capitano della loro barca; le loro scelte coincidevano con i vincitori dei ballottaggi parlamentari francesi il 64% delle volte (Antonakis & Dalgas, 2009). Tre macachi rhesus, osservati con un eye tracker, hanno guardato più a lungo i perdenti che i vincitori; contando come loro scelta il volto che una scimmia guardava di meno, coincidevano con il vincitore il 54,6% delle volte (Jiang et al., 2024, un preprint non ancora pubblicato su una rivista). Un computer addestrato sulle impressioni che le persone ricavano dai volti ha scelto il vincitore nel 65,5% delle elezioni al Senato degli Stati Uniti (Joo, Steen & Zhu, 2015). E gli studenti che hanno visto ogni volto per solo 1/30 di secondo hanno comunque giudicato il vincitore il più competente dei due il 55% delle volte (Mattes et al., 2010).
Due risultati suggeriscono che il volto in sé faccia meno di quanto sembri. Gli studenti a cui sono state mostrate le fotografie con il volto ritagliato, lasciando solo capelli, vestiti e sfondo, hanno scelto il vincitore il 65% delle volte, contro il 52% degli studenti a cui è stato mostrato solo il volto (Spezio et al., 2012). E in 30 elezioni, il candidato che gli studenti trovavano più attraente ha perso il 77% delle volte (Mattes et al., 2010).
Come funziona il tuo punteggio
Questo test usa 28 delle 95 elezioni al Senato dello studio originale. Il tuo punteggio è la percentuale delle tue scelte che hanno vinto, contando solo le coppie in cui non hai riconosciuto nessuno dei due candidati. Scegliere a caso ti darebbe circa il 50%. Le altre barre del grafico sono i punteggi di altri giudici, ciascuno tratto da uno studio e da un insieme di elezioni reali diversi, quindi sono un metro approssimativo più che un confronto omogeneo.
Le fotografie non sono quelle usate nello studio. Sono fotografie pubbliche degli stessi candidati, alcune scattate anni dopo l’elezione, e una fotografia diversa della stessa persona può cambiare l’impressione che dà. I punteggi di questa versione non sono ancora stati confrontati con quelli dello studio originale, e vincere un’elezione non dice nulla sulla competenza reale di un candidato: il partito, l’essere già in carica e il clima politico contano di più.
Crediti e fonti delle fotografie
Fotografie da Wikimedia Commons, mostrate ritagliate e in scala di grigi. I loro autori non approvano questo test.
- 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).
Riferimenti
- 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
Domande frequenti
Che cosa sto scegliendo?
In ogni coppia, scegli il candidato che ti sembra più competente, giudicando solo dalle fotografie.
Chi sono le persone nelle fotografie?
Ogni coppia mostra i due candidati principali di un’elezione al Senato degli Stati Uniti del 2000, 2002 o 2004. I loro nomi sono nei crediti delle fotografie in fondo a questa pagina, quindi potresti volerli leggere dopo aver finito.
E se riconosco qualcuno?
Scegli Riconosco qualcuno. Quella coppia viene esclusa dal tuo punteggio.
C’è un limite di tempo?
No. Prenditi tutto il tempo che vuoi per ogni coppia. Indietro ti riporta a una coppia precedente se vuoi cambiare la tua risposta.
Che cosa significano le barre del grafico?
La tua barra è la percentuale delle tue scelte che hanno vinto. Le altre indicano quanto spesso le scelte di altri giudici coincidevano con il vincitore in studi pubblicati, un giudice alla volta: un computer addestrato sui volti, bambini dai 5 ai 13 anni che scelgono un capitano di nave, studenti coreani che giudicano politici americani, un adulto tipico, macachi rhesus (uno studio non ancora pubblicato su una rivista), persone che hanno visto ogni volto per 1/30 di secondo e il lancio di una moneta. Le immagini sono illustrazioni, non i partecipanti degli studi. Ogni studio ha usato il proprio insieme di elezioni reali, quindi considerale un metro approssimativo.
Perché il 71,6% dello studio originale non è nel grafico?
Perché non è il punteggio di una singola persona. È quanto spesso ha vinto il candidato che la maggior parte di circa 40 persone giudicava più competente. Aggregare le scelte di molte persone annulla gli errori di ciascuno, quindi una folla batte ognuno dei suoi membri: da soli, le persone scelgono il vincitore circa il 56% delle volte.
Posso rifarlo?
Sì, ma una seconda sessione non è un test nuovo: avrai già visto i volti.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 