Na podstawie badania twarzy i wyników wyborów Alexandra Todorova i jego współpracowników.
Test Przewidywania Wyborów
Czy wygląd pozwala przewidzieć wynik wyborów?
Czy potrafisz rozpoznać zwycięzcę wyborów tylko po wyglądzie kandydatów? Każda para pokazuje dwóch rywali z wyścigu do Senatu USA. Wybierz tego, kto wygląda na bardziej kompetentnego, a na końcu zobaczysz, jak często wybrana przez Ciebie twarz należała do zwycięzcy.
Jest 28 par i nie ma limitu czasu. Jeśli rozpoznajesz któregoś z kandydatów, wybierz Rozpoznaję kogoś: ta para nie jest wliczana do Twojego wyniku.
Test Twarzy Mrocznego Rdzenia bada, co odczytujesz z twarzy, Test Polityki Amerykańskiej – jakie zajmujesz stanowisko w kwestiach amerykańskich, a Test Mózgu Społecznego vs. Logicznego – jak kontekst zmienia sposób, w jaki sprawdzasz regułę.
Para 1 z 28
Jak odpowiadać
Przyjrzyj się obu zdjęciom i wybierz Osobę A lub Osobę B, a następnie naciśnij Dalej. Nie ma limitu czasu: zdjęcia pozostają widoczne, gdy podejmujesz decyzję. Wybierz Rozpoznaję kogoś, jeśli którakolwiek twarz jest Ci znajoma.
Na przykład, jeśli osoba po lewej wygląda na bardziej kompetentną, wybierz Osobę A. Użyj przycisku Wstecz, aby wcześniejsza para pojawiła się ponownie, i w razie potrzeby zmień odpowiedź.
Rozpocznij test
Kto wygląda na bardziej kompetentnego?
POWRÓT NASTĘPNE
Pierwsze wrażenia a wyniki wyborów
Wyobraź sobie, że widzisz dwóch kandydatów, o których nic nie wiesz: żadnych nazwisk, partii ani programów. Jeden z nich może mimo to od razu wydać Ci się bardziej kompetentny. Alexander Todorov i jego współpracownicy z Princeton sprawdzili, czy takie wrażenia pokrywają się z rzeczywistymi wyborami. Pokazali około 40 osobom twarze zwycięzców i zdobywców drugiego miejsca w wyścigach do Senatu i Izby Reprezentantów USA i zapytali, kto wygląda na bardziej kompetentnego. Gdy połączono ich wybory, kandydat uznany przez większość z nich za bardziej kompetentnego wygrał 71,6% wyścigów do Senatu w latach 2000, 2002 i 2004 oraz 66,8% wyścigów do Izby Reprezentantów.
Te 71,6% to wynik tłumu, a nie jednej osoby. Łączenie wyborów wielu osób niweluje pomyłki każdej z nich; w pojedynkę ludzie trafiają ze zwycięzcą w około 56% przypadków, podczas gdy przypadek daje 50% (Olivola i Todorov, 2010). W kolejnym eksperymencie każda para była widziana tylko przez jedną sekundę, a ludzie nadal wybierali zwycięzców częściej niż losowo. Wygląda na to, że szybkie wrażenia dotyczące kompetencji mogą odgrywać pewną rolę w tym, jak ludzie głosują, choć twarz niewiele mówi o tym, jak dobrze ktoś wykonywałby tę pracę.
Kto jeszcze to sprawdzał?
Badacze zadali to samo pytanie innym sędziom. Koreańscy studenci w Seulu wybierali zwycięzców wyścigów o urząd gubernatora i do Senatu USA na podstawie twarzy kandydatów w 62% przypadków, nieco częściej niż amerykańscy studenci (60%) (Na i in., 2015), choć późniejsze badanie w Kalifornii wykazało jedynie około 54% u koreańskich sędziów i 55% u amerykańskich (Lin i in., 2017). Szwajcarskie dzieci w wieku od 5 do 13 lat, po grze komputerowej o rejsie z Troi na Itakę, wybierały, którą z dwóch twarzy chciałyby mieć za kapitana swojej łodzi; ich wybory zgadzały się ze zwycięzcami francuskich wyborów parlamentarnych w drugiej turze w 64% przypadków (Antonakis i Dalgas, 2009). Trzy makaki królewskie, obserwowane za pomocą okulografu, patrzyły dłużej na przegranych niż na zwycięzców; licząc twarz, na którą małpa patrzyła krócej, jako jej wybór, trafiały w zwycięzcę w 54,6% przypadków (Jiang i in., 2024, preprint jeszcze nieopublikowany w czasopiśmie). Komputer wytrenowany na wrażeniach ludzi dotyczących twarzy wybrał zwycięzcę w 65,5% wyścigów do Senatu USA (Joo, Steen i Zhu, 2015). A studenci, którzy widzieli każdą twarz tylko przez 1/30 sekundy, i tak uznali zwycięzcę za bardziej kompetentnego z dwojga w 55% przypadków (Mattes i in., 2010).
Dwa odkrycia sugerują, że sama twarz znaczy mniej, niż się wydaje. Studenci, którym pokazano zdjęcia z wyciętą twarzą, tak że zostały tylko włosy, ubranie i tło, wybierali zwycięzcę w 65% przypadków, wobec 52% u studentów, którym pokazano samą twarz (Spezio i in., 2012). A w 30 wyścigach kandydat uznany przez studentów za atrakcyjniejszego przegrywał w 77% przypadków (Mattes i in., 2010).
Jak działa Twój wynik
Ten test wykorzystuje 28 z 95 wyścigów do Senatu z pierwotnego badania. Twój wynik to odsetek Twoich wyborów, które okazały się trafne, licząc tylko pary, w których nie rozpoznałeś żadnego z kandydatów. Wybieranie na chybił trafił dałoby około 50%. Pozostałe słupki na wykresie to wyniki innych sędziów, każdy z własnego badania i własnego zestawu rzeczywistych wyborów, więc są zgrubnym punktem odniesienia, a nie porównaniem jeden do jednego.
Zdjęcia nie są tymi, które wykorzystano w badaniu. To publiczne fotografie tych samych kandydatów, niektóre wykonane lata po wyborach, a inne zdjęcie tej samej osoby może zmienić wrażenie, jakie sprawia. Wyników tej wersji nie porównano jeszcze z wynikami pierwotnego badania, a wygranie wyborów nic nie mówi o rzeczywistych kompetencjach kandydata: partia, sprawowanie urzędu i klimat polityczny znaczą więcej.
Źródła i autorzy zdjęć
Zdjęcia pochodzą z Wikimedia Commons i są pokazane w wersji kadrowanej i w skali szarości. Ich autorzy nie popierają tego testu.
- 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).
Odniesienia
- 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
Najczęściej zadawane pytania
Co wybieram?
Każda para wymaga wyboru kandydata, który według Ciebie wygląda na bardziej kompetentnego, oceniając wyłącznie na podstawie zdjęć.
Kim są osoby na zdjęciach?
Każda para pokazuje dwóch głównych kandydatów w wyborach do Senatu USA w 2000, 2002 lub 2004 roku. Ich nazwiska znajdują się w podpisach zdjęć na dole tej strony, więc możesz je przeczytać po zakończeniu testu.
Co, jeśli kogoś rozpoznam?
Wybierz Rozpoznaję kogoś. Ta para nie jest wliczana do Twojego wyniku.
Czy jest limit czasu?
Nie. Każda para może zająć Ci tyle czasu, ile chcesz. Wcześniejsza para wraca po naciśnięciu przycisku Wstecz, jeśli chcesz zmienić odpowiedź.
Co oznaczają słupki na wykresie?
Twój słupek to odsetek Twoich wyborów, które okazały się trafne. Pozostałe pokazują, jak często wybory innych sędziów zgadzały się ze zwycięzcą w opublikowanych badaniach, po jednym sędzim: komputer wytrenowany na twarzach, dzieci w wieku od 5 do 13 lat wybierające kapitana statku, koreańscy studenci oceniający amerykańskich polityków, typowy dorosły, makaki królewskie (badanie jeszcze nieopublikowane w czasopiśmie), osoby, które widziały każdą twarz przez 1/30 sekundy, oraz rzut monetą. Obrazki są ilustracjami, a nie uczestnikami badań. Każde badanie wykorzystywało własny zestaw rzeczywistych wyborów, więc traktuj je jako zgrubny punkt odniesienia.
Dlaczego na wykresie nie ma 71,6% z pierwotnego badania?
Ponieważ to nie jest wynik jednej osoby. To odsetek przypadków, w których wygrał kandydat uznany przez większość z około 40 osób za bardziej kompetentnego. Łączenie wyborów wielu osób niweluje pomyłki każdej z nich, więc tłum bije każdego ze swoich członków: w pojedynkę ludzie trafiają ze zwycięzcą w około 56% przypadków.
Czy mogę powtórzyć test?
Tak, ale drugie podejście nie jest już świeżym testem: widziałeś już te twarze.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 