Teste de Previsão Eleitoral
As aparências podem prever uma eleição?
Consegue dizer quem ganhou uma eleição só de olhar para os candidatos? Cada par mostra dois adversários de uma eleição para o Senado dos EUA. Escolha o que parece mais competente e, no final, verá com que frequência o rosto que escolheu pertencia ao vencedor.
Há 28 pares e não há limite de tempo. Se reconhecer algum dos candidatos, escolha Reconheço alguém: esse par fica de fora da sua pontuação.
O Teste de Rostos do Núcleo Sombrio analisa o que você lê num rosto, o Teste de Política Americana analisa onde você se posiciona nas questões dos EUA, e o Teste de Cérebro Social vs. Lógico analisa como o contexto muda a forma como você verifica uma regra.
Par 1 de 28
Como responder
Observe as duas fotografias e selecione Pessoa A ou Pessoa B, e depois prima Seguinte. Não há limite de tempo: as fotografias permanecem visíveis enquanto decide. Selecione Reconheço alguém se algum dos rostos lhe for familiar.
Por exemplo, se a pessoa à esquerda lhe parecer mais competente, selecione Pessoa A. Use Voltar para ver novamente um par anterior e mudar a sua resposta, se quiser.
Iniciar teste
Quem parece mais competente?
ANTERIOR PRÓXIMO
Primeiras impressões e resultados eleitorais
Imagine ver dois candidatos sobre os quais não sabe nada: sem nomes, sem partidos, sem programas. Ainda assim, um deles pode parecer-lhe imediatamente o mais capaz. Alexander Todorov e os seus colegas de Princeton perguntaram se impressões como estas correspondem às eleições reais. Mostraram a cerca de 40 pessoas os rostos dos vencedores e dos segundos classificados de eleições para o Senado e para a Câmara dos Representantes dos EUA e perguntaram quem parecia mais competente. Quando as suas escolhas foram reunidas, o candidato que a maioria delas considerou mais competente venceu 71,6% das eleições para o Senado de 2000, 2002 e 2004, e 66,8% das eleições para a Câmara.
Esses 71,6% são a pontuação de uma multidão, não de uma só pessoa. Reunir as escolhas de muitas pessoas anula os erros de cada uma; sozinhas, as pessoas escolhem o vencedor cerca de 56% das vezes, sendo o acaso 50% (Olivola & Todorov, 2010). Noutra experiência, as pessoas viram cada par durante apenas um segundo e continuaram a escolher os vencedores mais vezes do que o acaso. Ao que parece, as impressões rápidas de competência podem influenciar a forma como as pessoas votam, ainda que um rosto diga pouco sobre o desempenho de alguém no cargo.
Quem mais já experimentou?
Os investigadores colocaram a mesma questão a outros juízes. Estudantes coreanos em Seul escolheram os vencedores de eleições para governador e para o Senado dos EUA 62% das vezes a partir dos rostos dos candidatos, um pouco mais vezes do que os estudantes americanos (60%) (Na et al., 2015), embora um estudo posterior na Califórnia tenha encontrado apenas cerca de 54% para os juízes coreanos e 55% para os americanos (Lin et al., 2017). Crianças suíças dos 5 aos 13 anos, depois de um jogo de computador sobre navegar de Troia para Ítaca, escolheram qual de dois rostos queriam como capitão do seu barco; as suas escolhas coincidiram com os vencedores das segundas voltas das eleições legislativas francesas 64% das vezes (Antonakis & Dalgas, 2009). Três macacos-rhesus, observados com um rastreador ocular, olharam durante mais tempo para os perdedores do que para os vencedores; contando como escolha o rosto para o qual o macaco olhou menos, coincidiram com o vencedor 54,6% das vezes (Jiang et al., 2024, um preprint ainda não publicado numa revista). Um computador treinado com as impressões das pessoas sobre rostos escolheu o vencedor em 65,5% das eleições para o Senado dos EUA (Joo, Steen & Zhu, 2015). E os estudantes que viram cada rosto durante apenas 1/30 de segundo continuaram a considerar o vencedor o mais competente dos dois 55% das vezes (Mattes et al., 2010).
Dois resultados sugerem que o rosto em si faz menos do que parece. Os estudantes a quem foram mostradas as fotografias com o rosto recortado, deixando apenas o cabelo, a roupa e o fundo, escolheram o vencedor 65% das vezes, contra 52% dos estudantes a quem foi mostrado apenas o rosto (Spezio et al., 2012). E em 30 eleições, o candidato que os estudantes consideraram mais atraente perdeu 77% das vezes (Mattes et al., 2010).
Como funciona a sua pontuação
Este teste utiliza 28 das 95 eleições para o Senado do estudo original. A sua pontuação é a percentagem das suas escolhas que venceram, contando apenas os pares em que não reconheceu nenhum dos candidatos. Escolher ao acaso dar-lhe-ia cerca de 50%. As outras barras do gráfico são as pontuações de outros juízes, cada uma proveniente do seu próprio estudo e do seu próprio conjunto de eleições reais, pelo que são uma referência aproximada e não uma comparação direta.
As fotografias não são as utilizadas no estudo. São fotografias públicas dos mesmos candidatos, algumas tiradas anos depois da eleição, e uma fotografia diferente da mesma pessoa pode mudar a impressão que transmite. As pontuações desta versão ainda não foram comparadas com as do estudo original, e vencer uma eleição não diz nada sobre a competência real de um candidato: o partido, o facto de já ocupar o cargo e o clima político pesam mais.
Créditos e fontes das fotografias
Fotografias da Wikimedia Commons, apresentadas recortadas e em tons de cinzento. Os seus autores não apoiam este teste.
- 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).
Referências
- 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
Perguntas frequentes
O que estou a escolher?
Em cada par, escolha o candidato que lhe parece mais competente, julgando apenas pelas fotografias.
Quem são as pessoas nas fotografias?
Cada par mostra os dois principais candidatos de uma eleição para o Senado dos EUA de 2000, 2002 ou 2004. Os seus nomes estão nos créditos das fotografias no fundo desta página, por isso talvez queira lê-los depois de terminar.
E se eu reconhecer alguém?
Escolha Reconheço alguém. Esse par fica de fora da sua pontuação.
Há um limite de tempo?
Não. Demore o tempo que quiser em cada par. Voltar leva-o a um par anterior, se quiser mudar a sua resposta.
O que significam as barras do gráfico?
A sua barra é a percentagem das suas escolhas que venceram. As outras indicam a frequência com que as escolhas de outros juízes coincidiram com o vencedor em estudos publicados, um juiz de cada vez: um computador treinado com rostos, crianças dos 5 aos 13 anos a escolher um capitão de navio, estudantes coreanos a avaliar políticos americanos, um adulto típico, macacos-rhesus (um estudo ainda não publicado numa revista), pessoas que viram cada rosto durante 1/30 de segundo e um lançamento de moeda. As imagens são ilustrações, não os participantes dos estudos. Cada estudo utilizou o seu próprio conjunto de eleições reais, por isso encare-as como uma referência aproximada.
Porque é que os 71,6% do estudo original não aparecem no gráfico?
Porque não é a pontuação de uma só pessoa. É a frequência com que venceu o candidato que a maioria de cerca de 40 pessoas considerou mais competente. Reunir as escolhas de muitas pessoas anula os erros de cada uma, por isso uma multidão supera qualquer um dos seus membros: sozinhas, as pessoas escolhem o vencedor cerca de 56% das vezes.
Posso fazer o teste outra vez?
Sim, mas uma segunda sessão não é um teste novo: já terá visto os rostos antes.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 