อ้างอิงจากการศึกษเกี่ยวกับใบหน้ากับผลการเลือกตั้งของ Alexander Todorov และเพื่อนร่วมงาน
แบบทดสอบทำนายผลการเลือกตั้ง
รูปลักษณ์ทำนายผลการเลือกตั้งได้หรือไม่
คุณบอกได้ไหมว่าใครชนะการเลือกตั้งเพียงแค่มองผู้สมัคร แต่ละคู่แสดงคู่แข่งสองคนจากการเลือกตั้งวุฒิสภาสหรัฐฯ เลือกคนที่ดูมีความสามารถมากกว่า และเมื่อจบคุณจะเห็นว่าบ่อยแค่ไหนที่ใบหน้าที่คุณเลือกเป็นของผู้ชนะ
มี 28 คู่และไม่มีจำกัดเวลา ถ้าคุณรู้จักผู้สมัครคนใดคนหนึ่ง ให้เลือกฉันรู้จักบางคน: คู่นั้นจะถูกตัดออกจากคะแนนของคุณ
แบบทดสอบใบหน้าแกนมืดดูว่าคุณอ่านอะไรได้จากใบหน้า แบบทดสอบการเมืองอเมริกันดูว่าคุณยืนอยู่ตรงไหนในประเด็นของสหรัฐฯ และแบบทดสอบสมองสังคมกับสมองตรรกะดูว่าบริบทเปลี่ยนวิธีที่คุณตรวจสอบกฎอย่างไร
คู่ที่ 1 จาก 28
วิธีตอบ
ดูภาพถ่ายทั้งสองแล้วเลือกบุคคลที่หนึ่งหรือบุคคลที่สอง จากนั้นกดถัดไป ไม่มีจำกัดเวลา: ภาพถ่ายยังคงมองเห็นได้ขณะคุณตัดสินใจ หากใบหน้าใดใบหน้าหนึ่งคุ้นเคย ให้เลือกฉันรู้จักบางคน
ตัวอย่างเช่น ถ้าคนทางซ้ายดูมีความสามารถมากกว่า ให้เลือกบุคคลที่หนึ่ง ใช้ปุ่มย้อนกลับเพื่อดูคู่ก่อนหน้าอีกครั้งและเปลี่ยนคำตอบหากต้องการ
เริ่มแบบทดสอบ
ใครดูมีความสามารถมากกว่ากัน
ย้อนหลัง ต่อไป
ความประทับใจแรกพบกับผลการเลือกตั้ง
ลองจินตนาการว่าคุณเห็นผู้สมัครสองคนที่คุณไม่รู้อะไรเลย: ไม่มีชื่อ ไม่มีพรรค ไม่มีนโยบาย คนหนึ่งในนั้นอาจทำให้คุณรู้สึกได้ทันทีว่ามีความสามารถมากกว่า Alexander Todorov และเพื่อนร่วมงานที่พรินซ์ตันตั้งคำถามว่าความประทับใจแบบนี้สอดคล้องกับการเลือกตั้งจริงหรือไม่ พวกเขาให้คนราว 40 คนดูใบหน้าของผู้ชนะและรองชนะเลิศในการเลือกตั้งวุฒิสภาและสภาผู้แทนราษฎรสหรัฐฯ แล้วถามว่าใครดูมีความสามารถมากกว่า เมื่อรวมการเลือกของทุกคนเข้าด้วยกัน ผู้สมัครที่คนส่วนใหญ่ตัดสินว่ามีความสามารถมากกว่าชนะการเลือกตั้งวุฒิสภาร้อยละ 71.6 ของการเลือกตั้งปี 2000 2002 และ 2004 และร้อยละ 66.8 ของการเลือกตั้งสภาผู้แทนราษฎร
ตัวเลขร้อยละ 71.6 นั้นเป็นคะแนนของฝูงชน ไม่ใช่ของคนคนเดียว การรวมการเลือกของคนจำนวนมากช่วยหักล้างความพลาดของแต่ละคน เมื่ออยู่คนเดียว ผู้คนเลือกผู้ชนะได้ราวร้อยละ 56 โดยที่โอกาสจากการสุ่มคือร้อยละ 50 (Olivola & Todorov 2010) ในการทดลองเพิ่มเติม ผู้คนเห็นแต่ละคู่เพียงหนึ่งวินาทีและยังเลือกผู้ชนะได้บ่อยกว่าการสุ่ม ดูเหมือนว่าความประทับใจอย่างรวดเร็วเกี่ยวกับความสามารถอาจมีส่วนในการที่ผู้คนลงคะแนน แม้ว่าใบหน้าจะบอกอะไรได้น้อยมากเกี่ยวกับว่าคนคนหนึ่งจะทำงานได้ดีเพียงใด
มีใครอื่นลองบ้าง
นักวิจัยได้ตั้งคำถามเดียวกันกับผู้ตัดสินอื่น ๆ นักศึกษาเกาหลีในโซลเลือกผู้ชนะการเลือกตั้งผู้ว่าการรัฐและวุฒิสภาสหรัฐฯ ได้ร้อยละ 62 จากการดูใบหน้าผู้สมัคร ซึ่งบ่อยกว่านักศึกษาอเมริกันเล็กน้อย (ร้อยละ 60) (Na et al. 2015) แม้ว่าการศึกษาภายหลังในแคลิฟอร์เนียจะพบเพียงราวร้อยละ 54 สำหรับผู้ตัดสินชาวเกาหลีและร้อยละ 55 สำหรับชาวอเมริกัน (Lin et al. 2017) เด็กสวิสอายุ 5 ถึง 13 ปี หลังจากเล่นเกมคอมพิวเตอร์เกี่ยวกับการแล่นเรือจากทรอยไปยังอิธากา เลือกว่าจะอยากได้ใบหน้าใดจากสองใบหน้าเป็นกัปตันเรือของตน การเลือกของพวกเขาตรงกับผู้ชนะการเลือกตั้งรอบสองของรัฐสภาฝรั่งเศสร้อยละ 64 (Antonakis & Dalgas 2009) ลิงวอกรีซัสสามตัวที่ถูกสังเกตด้วยเครื่องติดตามการมองมองผู้แพ้นานกว่าผู้ชนะ เมื่อนับใบหน้าที่ลิงมองน้อยกว่าเป็นการเลือกของมัน พวกมันตรงกับผู้ชนะร้อยละ 54.6 (Jiang et al. 2024 ฉบับร่างงานวิจัยที่ยังไม่ได้ตีพิมพ์ในวารสาร) คอมพิวเตอร์ที่ฝึกจากความประทับใจต่อใบหน้าของผู้คนเลือกผู้ชนะในการเลือกตั้งวุฒิสภาสหรัฐฯ ร้อยละ 65.5 (Joo Steen & Zhu 2015) และนักศึกษาที่เห็นแต่ละหน้าเพียง 1/30 วินาทีก็ยังตัดสินว่าผู้ชนะมีความสามารถมากกว่าในสองคนนั้นร้อยละ 55 (Mattes et al. 2010)
ข้อค้นพบสองข้อชี้ว่าใบหน้าเองมีบทบาทน้อยกว่าที่เห็น นักศึกษาที่เห็นภาพถ่ายโดยตัดใบหน้าออก เหลือเพียงผม เสื้อผ้า และฉากหลัง เลือกผู้ชนะได้ร้อยละ 65 เทียบกับร้อยละ 52 สำหรับนักศึกษาที่เห็นเฉพาะใบหน้า (Spezio et al. 2012) และในการเลือกตั้ง 30 สนาม ผู้สมัครที่นักศึกษาคิดว่าดึงดูดใจมากกว่ากลับแพ้ร้อยละ 77 (Mattes et al. 2010)
วิธีคิดคะแนนของคุณ
แบบทดสอบนี้ใช้ 28 จากการเลือกตั้งวุฒิสภา 95 สนามในการศึกษาต้นฉบับ คะแนนของคุณคือสัดส่วนของการเลือกของคุณที่ชนะ โดยนับเฉพาะคู่ที่คุณไม่รู้จักผู้สมัครทั้งสองคน การเลือกแบบสุ่มจะให้คะแนนคุณราวร้อยละ 50 แท่งอื่น ๆ ในกราฟคือคะแนนของผู้ตัดสินอื่น ๆ ซึ่งแต่ละอันมาจากงานศึกษาและชุดการเลือกตั้งจริงของตัวเอง ดังนั้นจึงเป็นไม้บรรทัดหยาบ ๆ มากกว่าการเปรียบเทียบแบบเดียวกัน
ภาพถ่ายไม่ใช่ภาพที่ใช้ในการศึกษา เป็นภาพสาธารณะของผู้สมัครคนเดียวกัน บางภาพถ่ายหลายปีหลังการเลือกตั้ง และภาพถ่ายที่ต่างกันของคนคนเดียวกันสามารถเปลี่ยนความประทับใจที่ได้ คะแนนของเวอร์ชันนี้ยังไม่ได้ถูกเปรียบเทียบกับคะแนนของการศึกษาต้นฉบับ และการชนะการเลือกตั้งไม่ได้บอกอะไรเกี่ยวกับความสามารถจริงของผู้สมัคร: พรรค การดำรงตำแหน่งเดิม และบรรยากาศทางการเมืองสำคัญกว่า
เครดิตและแหล่งที่มาของภาพถ่าย
ภาพถ่ายจาก Wikimedia Commons แสดงแบบตัดขอบและขาวดำ ผู้สร้างภาพไม่ได้สนับสนุนแบบทดสอบนี้
- 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).
เอกสารอ้างอิง
- 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
คำถามที่พบบ่อย
ฉันกำลังเลือกอะไร
ในแต่ละคู่ ให้เลือกผู้สมัครที่ดูมีความสามารถมากกว่าสำหรับคุณ โดยตัดสินจากภาพถ่ายเท่านั้น
คนในภาพถ่ายคือใคร
แต่ละคู่แสดงผู้สมัครหลักสองคนในการเลือกตั้งวุฒิสภาสหรัฐฯ ปี 2000 2002 หรือ 2004 ชื่อของพวกเขาอยู่ในเครดิตภาพถ่ายที่ด้านล่างของหน้านี้ ดังนั้นคุณอาจต้องการอ่านหลังจากทำเสร็จ
ถ้าฉันรู้จักบางคนล่ะ
ให้เลือกฉันรู้จักบางคน คู่นั้นจะถูกตัดออกจากคะแนนของคุณ
มีจำกัดเวลาหรือไม่
ไม่มี ใช้เวลาเท่าที่ต้องการในแต่ละคู่ ปุ่มย้อนกลับจะพาคุณไปยังคู่ก่อนหน้า หากคุณต้องการเปลี่ยนคำตอบ
แท่งในกราฟหมายถึงอะไร
แท่งของคุณคือสัดส่วนของการเลือกของคุณที่ชนะ แท่งอื่น ๆ คือบ่อยแค่ไหนที่การเลือกของผู้ตัดสินอื่นตรงกับผู้ชนะในงานศึกษาที่ตีพิมพ์ ทีละผู้ตัดสิน: คอมพิวเตอร์ที่ฝึกจากใบหน้า เด็กอายุ 5 ถึง 13 ปีที่เลือกกัปตันเรือ นักศึกษาเกาหลีที่ตัดสินนักการเมืองอเมริกัน ผู้ใหญ่ทั่วไป ลิงวอกรีซัส (งานศึกษาที่ยังไม่ได้ตีพิมพ์ในวารสาร) ผู้คนที่เห็นแต่ละหน้าเพียง 1/30 วินาที และการโยนเหรียญ ภาพต่าง ๆ เป็นภาพประกอบ ไม่ใช่ผู้เข้าร่วมของการศึกษา แต่ละการศึกษาใช้ชุดการเลือกตั้งจริงของตัวเอง ดังนั้นจงถือว่าเป็นไม้บรรทัดหยาบ ๆ
ทำไมร้อยละ 71.6 ของการศึกษาต้นฉบับจึงไม่อยู่ในกราฟ
เพราะมันไม่ใช่คะแนนของคนคนเดียว มันคือบ่อยแค่ไหนที่ผู้สมัครที่คนราว 40 คนส่วนใหญ่ตัดสินว่ามีความสามารถมากกว่าชนะ การรวมการเลือกของคนจำนวนมากช่วยหักล้างความพลาดของแต่ละคน ฝูงชนจึงชนะสมาชิกคนใดคนหนึ่งของตน: เมื่ออยู่คนเดียว ผู้คนเลือกผู้ชนะได้ราวร้อยละ 56
ทำแบบทดสอบอีกครั้งได้ไหม
ได้ แต่การทำครั้งที่สองไม่ใช่การทดสอบใหม่: คุณจะเคยเห็นใบหน้าเหล่านี้มาก่อน
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 