Dựa trên nghiên cứu về khuôn mặt và kết quả bầu cử của Alexander Todorov và các đồng nghiệp.
Bài Kiểm Tra Dự Đoán Bầu Cử
Ngoại hình có thể dự đoán một cuộc bầu cử không?
Bạn có thể biết ai đã thắng cử chỉ bằng cách nhìn vào các ứng cử viên không? Mỗi cặp cho thấy hai đối thủ trong một cuộc đua vào Thượng viện Hoa Kỳ. Hãy chọn người trông có năng lực hơn, và cuối cùng bạn sẽ thấy khuôn mặt bạn chọn thuộc về người thắng cử bao nhiêu lần.
Có 28 cặp và không giới hạn thời gian. Nếu bạn nhận ra một trong hai ứng cử viên, hãy chọn Tôi nhận ra ai đó: cặp đó sẽ bị loại khỏi điểm của bạn.
Bài Kiểm Tra Khuôn Mặt Lõi Tối xem xét điều bạn đọc được trên một khuôn mặt, Bài Kiểm Tra Chính Trị Hoa Kỳ xem xét lập trường của bạn về các vấn đề của Hoa Kỳ, và Bài Kiểm Tra Não Xã Hội và Não Logic xem xét cách bối cảnh thay đổi cách bạn kiểm tra một quy tắc.
Cặp 1 trong 28
Cách trả lời
Hãy nhìn cả hai bức ảnh và chọn Người A hoặc Người B, rồi nhấn Tiếp theo. Không có giới hạn thời gian: các bức ảnh vẫn hiển thị trong khi bạn quyết định. Chọn Tôi nhận ra ai đó nếu một trong hai khuôn mặt quen thuộc.
Ví dụ, nếu người bên trái trông có năng lực hơn, hãy chọn Người A. Dùng Quay lại để xem lại một cặp trước đó và thay đổi câu trả lời nếu bạn muốn.
Bắt đầu bài kiểm tra
Ai trông có năng lực hơn?
QUAY LẠI TIẾP THEO
Ấn tượng đầu tiên và kết quả bầu cử
Hãy tưởng tượng bạn nhìn thấy hai ứng cử viên mà bạn không biết gì về họ: không tên, không đảng phái, không chính sách. Một trong hai người vẫn có thể ngay lập tức khiến bạn thấy có năng lực hơn. Alexander Todorov và các đồng nghiệp tại Princeton đã hỏi liệu những ấn tượng như vậy có khớp với các cuộc bầu cử thật không. Họ cho khoảng 40 người xem khuôn mặt của những người thắng và về nhì trong các cuộc đua vào Thượng viện và Hạ viện Hoa Kỳ và hỏi ai trông có năng lực hơn. Khi gộp các lựa chọn của họ lại, ứng cử viên được phần lớn trong số họ đánh giá là có năng lực hơn đã thắng 71,6% các cuộc đua vào Thượng viện năm 2000, 2002 và 2004, và 66,8% các cuộc đua vào Hạ viện.
Con số 71,6% đó là điểm của cả một đám đông, không phải của một người. Gộp lựa chọn của nhiều người lại sẽ triệt tiêu những lần chọn sai của từng người; khi tự mình chọn, người ta chọn đúng người thắng cử khoảng 56% số lần, trong khi mức ngẫu nhiên là 50% (Olivola & Todorov, 2010). Trong một thí nghiệm tiếp theo, người ta chỉ nhìn mỗi cặp trong một giây mà vẫn chọn đúng người thắng cử thường xuyên hơn mức ngẫu nhiên. Có vẻ như những ấn tượng nhanh về năng lực có thể góp phần vào cách người ta bỏ phiếu, dù một khuôn mặt nói rất ít về việc ai đó sẽ làm tốt công việc đến đâu.
Còn ai khác đã thử?
Các nhà nghiên cứu đã đặt cùng câu hỏi đó cho những người đánh giá khác. Sinh viên Hàn Quốc ở Seoul đã chọn đúng người thắng cử trong các cuộc đua vào chức thống đốc và Thượng viện Hoa Kỳ 62% số lần chỉ dựa vào khuôn mặt các ứng cử viên, cao hơn một chút so với sinh viên Mỹ (60%) (Na et al., 2015), dù một nghiên cứu sau đó ở California chỉ tìm thấy khoảng 54% đối với người đánh giá Hàn Quốc và 55% đối với người Mỹ (Lin et al., 2017). Trẻ em Thụy Sĩ từ 5 đến 13 tuổi, sau một trò chơi máy tính về việc đi thuyền từ Troy đến Ithaca, đã chọn khuôn mặt nào trong hai khuôn mặt mà chúng muốn làm thuyền trưởng con thuyền của mình; lựa chọn của chúng khớp với người thắng cử trong các vòng bầu cử quyết định của Quốc hội Pháp 64% số lần (Antonakis & Dalgas, 2009). Ba con khỉ rhesus, được theo dõi bằng thiết bị theo dõi ánh mắt, nhìn lâu hơn vào người thua so với người thắng; tính khuôn mặt mà một con khỉ nhìn ít hơn là lựa chọn của nó, chúng khớp với người thắng cử 54,6% số lần (Jiang et al., 2024, một bản thảo chưa được công bố trên tạp chí). Một máy tính được huấn luyện trên ấn tượng của người về khuôn mặt đã chọn đúng người thắng cử trong 65,5% các cuộc đua vào Thượng viện Hoa Kỳ (Joo, Steen & Zhu, 2015). Và những sinh viên chỉ nhìn mỗi khuôn mặt trong 1/30 giây vẫn đánh giá người thắng cử là người có năng lực hơn trong hai người 55% số lần (Mattes et al., 2010).
Hai phát hiện cho thấy bản thân khuôn mặt đóng vai trò ít hơn vẻ ngoài của nó. Những sinh viên được xem các bức ảnh đã cắt bỏ khuôn mặt, chỉ còn lại tóc, quần áo và bối cảnh, đã chọn đúng người thắng cử 65% số lần, so với 52% ở những sinh viên chỉ được xem khuôn mặt (Spezio et al., 2012). Và trong 30 cuộc đua, ứng cử viên mà sinh viên thấy hấp dẫn hơn lại thua 77% số lần (Mattes et al., 2010).
Cách tính điểm của bạn
Bài kiểm tra này sử dụng 28 trong số 95 cuộc đua vào Thượng viện trong nghiên cứu gốc. Điểm của bạn là tỷ lệ các lựa chọn của bạn đã thắng cử, chỉ tính những cặp mà bạn không nhận ra ứng cử viên nào. Chọn ngẫu nhiên sẽ cho bạn khoảng 50%. Các cột khác trên biểu đồ là điểm của những người đánh giá khác, mỗi cột đến từ một nghiên cứu riêng và một bộ cuộc bầu cử thật riêng, nên chúng chỉ là một thước đo tương đối chứ không phải một so sánh cùng điều kiện.
Các bức ảnh không phải là những bức được dùng trong nghiên cứu. Chúng là ảnh công khai của cùng những ứng cử viên đó, một số được chụp nhiều năm sau cuộc bầu cử, và một bức ảnh khác của cùng một người có thể làm thay đổi ấn tượng mà nó tạo ra. Điểm của phiên bản này chưa được so sánh với điểm của nghiên cứu gốc, và việc thắng cử không nói gì về năng lực thực sự của một ứng cử viên: đảng phái, việc đương nhiệm và bầu không khí chính trị quan trọng hơn.
Nguồn và ghi công ảnh
Ảnh từ Wikimedia Commons, được hiển thị dưới dạng cắt xén và thang độ xám. Những người tạo ra chúng không ủng hộ bài kiểm tra này.
- 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).
Tài liệu tham khảo
- 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
Câu hỏi thường gặp
Tôi đang chọn gì?
Trong mỗi cặp, hãy chọn ứng cử viên mà bạn thấy có năng lực hơn, chỉ dựa vào các bức ảnh.
Những người trong ảnh là ai?
Mỗi cặp cho thấy hai ứng cử viên chính trong một cuộc bầu cử Thượng viện Hoa Kỳ năm 2000, 2002 hoặc 2004. Tên của họ nằm trong phần ghi nguồn ảnh ở cuối trang này, nên bạn có thể muốn đọc chúng sau khi hoàn thành.
Nếu tôi nhận ra ai đó thì sao?
Hãy chọn Tôi nhận ra ai đó. Cặp đó sẽ bị loại khỏi điểm của bạn.
Có giới hạn thời gian không?
Không. Bạn có thể dành bao nhiêu thời gian tùy thích cho mỗi cặp. Nút Quay lại đưa bạn về một cặp trước đó nếu bạn muốn thay đổi câu trả lời.
Các cột trên biểu đồ có ý nghĩa gì?
Cột của bạn là tỷ lệ các lựa chọn của bạn đã thắng cử. Các cột khác là tần suất lựa chọn của những người đánh giá khác khớp với người thắng cử trong các nghiên cứu đã công bố, mỗi lần một người đánh giá: một máy tính được huấn luyện trên khuôn mặt, trẻ em từ 5 đến 13 tuổi chọn thuyền trưởng, sinh viên Hàn Quốc đánh giá các chính trị gia Mỹ, một người trưởng thành điển hình, khỉ rhesus (một nghiên cứu chưa được công bố trên tạp chí), những người nhìn mỗi khuôn mặt trong 1/30 giây, và một lần tung đồng xu. Các hình ảnh chỉ là minh họa, không phải những người tham gia nghiên cứu. Mỗi nghiên cứu sử dụng một bộ cuộc bầu cử thật riêng, nên hãy coi chúng như một thước đo tương đối.
Tại sao con số 71,6% của nghiên cứu gốc không có trên biểu đồ?
Vì đó không phải là điểm của một người. Đó là tần suất ứng cử viên được phần lớn trong khoảng 40 người đánh giá là có năng lực hơn đã thắng cử. Gộp lựa chọn của nhiều người lại sẽ triệt tiêu những lần chọn sai của từng người, nên cả đám đông giỏi hơn bất kỳ thành viên nào: khi tự mình chọn, người ta chọn đúng người thắng cử khoảng 56% số lần.
Tôi có thể làm lại không?
Có, nhưng lần làm thứ hai không phải là một bài kiểm tra mới: bạn đã nhìn thấy các khuôn mặt trước đó rồi.
English
Español
Português
Deutsch
Français
Italiano
Polski
Українська
Русский
Türkçe
العربية
日本語
한국어
ไทย
汉语
Tiếng Việt
Bahasa 