На основе исследования лиц и исходов выборов Александра Тодорова и его коллег.
Тест «Предсказание выборов»
Может ли внешность предсказать исход выборов?
Можете ли вы определить победителя выборов, просто взглянув на кандидатов? Каждая пара — это два соперника из одной гонки за место в Сенате США. Выберите того, кто выглядит более компетентным, и в конце вы увидите, как часто выбранное вами лицо принадлежало победителю.
Здесь 28 пар и нет ограничения по времени. Если вы кого-то узнаёте, выберите «Я кого-то узнаю»: эта пара не будет учитываться в вашем результате.
Тест «Тёмное ядро лиц» показывает, что вы читаете в лице, Тест «Американская политика» — какую позицию вы занимаете по американским вопросам, а Тест «Социальный и логический мозг» — как контекст меняет то, как вы проверяете правило.
Пара 1 из 28
Как отвечать
Посмотрите на обе фотографии и выберите «Человек 1» или «Человек 2», затем нажмите «Далее». Ограничения по времени нет: фотографии остаются на экране, пока вы решаете. Выберите «Я кого-то узнаю», если какое-либо из лиц вам знакомо.
Например, если человек слева кажется вам более компетентным, выберите «Человек 1». Если хотите изменить ответ, нажмите «Назад» — предыдущая пара появится снова.
Начать тест
Кто выглядит более компетентным?
НАЗАД ПРОДОЛЖИТЬ
Первые впечатления и исходы выборов
Представьте, что вы видите двух кандидатов, о которых ничего не знаете: ни имён, ни партий, ни программ. Один из них всё равно может сразу показаться вам более способным. Александр Тодоров и его коллеги из Принстона задались вопросом, совпадают ли такие впечатления с реальными выборами. Они показали примерно 40 людям лица победителей и занявших вторые места на выборах в Сенат и Палату представителей США и спросили, кто выглядит более компетентным. Когда их выборы объединили в общий счёт, кандидат, которого большинство из них сочло более компетентным, победил в 71,6% сенатских гонок 2000, 2002 и 2004 годов и в 66,8% гонок в Палату представителей.
Эти 71,6% — результат толпы, а не одного человека. Объединение выборов многих людей сглаживает промахи каждого; поодиночке люди угадывают победителя примерно в 56% случаев, тогда как случайный выбор даёт 50% (Olivola & Todorov, 2010). В дополнительном эксперименте каждая пара показывалась людям всего одну секунду, и всё равно люди выбирали победителей чаще, чем позволяла бы случайность. Похоже, быстрые впечатления о компетентности могут влиять на то, как люди голосуют, хотя лицо мало говорит о том, насколько хорошо человек справится с работой.
Кто ещё это проверял?
Исследователи задали тот же вопрос другим «судьям». Корейские студенты в Сеуле по лицам кандидатов выбирали победителей гонок за пост губернатора и в Сенат США в 62% случаев — чуть чаще, чем американские студенты (60%) (Na et al., 2015), хотя более позднее исследование в Калифорнии дало лишь около 54% для корейских участников и 55% для американских (Lin et al., 2017). Швейцарские дети от 5 до 13 лет после компьютерной игры о плавании из Трои на Итаку выбирали, какое из двух лиц они хотели бы видеть капитаном своей лодки; их выбор совпал с победителями второго тура парламентских выборов во Франции в 64% случаев (Antonakis & Dalgas, 2009). Три макаки-резуса, за которыми наблюдали с помощью айтрекера, смотрели на проигравших дольше, чем на победителей; если считать выбором то лицо, на которое обезьяна смотрела меньше, они совпадали с победителем в 54,6% случаев (Jiang et al., 2024, препринт, ещё не опубликованный в журнале). Компьютер, обученный на впечатлениях людей о лицах, выбрал победителя в 65,5% сенатских гонок США (Joo, Steen & Zhu, 2015). А студенты, которые видели каждое лицо всего 1/30 секунды, всё равно в 55% случаев считали победителя более компетентным из двоих (Mattes et al., 2010).
Два результата говорят о том, что само лицо значит меньше, чем кажется. Студенты, которым показывали фотографии с вырезанным лицом — оставались только волосы, одежда и фон, — выбирали победителя в 65% случаев, тогда как студенты, видевшие только лицо, — в 52% (Spezio et al., 2012). А в 30 гонках кандидат, которого студенты считали более привлекательным, проигрывал в 77% случаев (Mattes et al., 2010).
Как считается ваш результат
В этом тесте используются 28 из 95 сенатских гонок из оригинального исследования. Ваш результат — доля ваших выборов, которые оказались победителями, причём учитываются только пары, в которых вы не узнали ни одного кандидата. Случайный выбор дал бы вам около 50%. Остальные столбцы на диаграмме — результаты других «судей», каждый из собственного исследования и собственного набора реальных выборов, поэтому это лишь приблизительный ориентир, а не сравнение на равных.
Фотографии — не те, что использовались в исследовании. Это публичные фотографии тех же кандидатов, некоторые сделаны спустя годы после выборов, а другая фотография того же человека может изменить производимое им впечатление. Результаты этой версии ещё не сравнивались с результатами оригинального исследования, а победа на выборах ничего не говорит о реальной компетентности кандидата: партия, статус действующего политика и политическая обстановка значат больше.
Источники и авторы фотографий
Фотографии с Wikimedia Commons, показаны обрезанными и в оттенках серого. Их авторы не поддерживают этот тест.
- 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).
Ссылки
- 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
Часто задаваемые вопросы
Что я выбираю?
Каждая пара — это два кандидата; выберите того, кто кажется вам более компетентным, судя только по фотографиям.
Кто изображён на фотографиях?
Каждая пара — это два основных кандидата на выборах в Сенат США 2000, 2002 или 2004 года. Их имена указаны в подписях к фотографиям внизу этой страницы, так что, возможно, вы захотите прочитать их после завершения теста.
Что делать, если я кого-то узнаю?
Выберите «Я кого-то узнаю». Эта пара не будет учитываться в вашем результате.
Есть ли ограничение по времени?
Нет. Каждая пара не ограничена по времени — думайте столько, сколько хотите. Кнопка «Назад» вернёт вас к предыдущей паре, если вы захотите изменить ответ.
Что означают столбцы на диаграмме?
Ваш столбец — доля ваших выборов, которые оказались победителями. Остальные показывают, как часто выборы других «судей» совпадали с победителем в опубликованных исследованиях, для каждого «судьи» отдельно: компьютер, обученный на лицах, дети от 5 до 13 лет, выбирающие капитана корабля, корейские студенты, оценивающие американских политиков, типичный взрослый, макаки-резусы (исследование, ещё не опубликованное в журнале), люди, видевшие каждое лицо 1/30 секунды, и подбрасывание монеты. Рисунки — иллюстрации, а не участники исследований. В каждом исследовании использовался собственный набор реальных выборов, поэтому считайте эти данные приблизительным ориентиром.
Почему на диаграмме нет 71,6% из оригинального исследования?
Потому что это не результат одного человека. Это то, как часто побеждал кандидат, которого большинство из примерно 40 человек сочло более компетентным. Объединение выборов многих людей сглаживает промахи каждого, поэтому толпа превосходит любого из своих участников: поодиночке люди угадывают победителя примерно в 56% случаев.
Можно ли пройти тест ещё раз?
Да, но повторное прохождение — не новый тест: вы уже видели эти лица.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 