美国总统大选

二、IAT预测：美国总统大选

IAT是格林沃德等人于1998年研制出来的一种基于计算机程序的、测量个体内隐社会认知的技术。在十多年的发展时间里，IAT就以其多方面的优点，成为内隐社会认知研究领域应用最为广泛的研究工具。

2008年，格林沃德领导的研究小组用这一技术正确预测了美国大选结果。虽然初选结果显示，奥巴马的选民支持率要低4％，但格林沃德等人认为，民意调查事实上反映的是人们的外显态度，填写自陈式问卷的人们错误地高估了种族偏见的影响力，从印象管理的角度篡改了自己的真实态度，而在格林沃德的实验室里，他的研究小组通过IAT测量对美国大选的结果进行预测，发现人们对奥巴马的真实支持率要高3个到4个百分比，而最终的大选结果确实和格林沃德的测量结果保持了一致。格林沃德解释为什么自己能够成功预测大选的结果，是因为在IAT测量中，人们内心的真实态度暴露得一清二楚。

而这次成功的预测，也将IAT测量的影响力从研究界扩展到普通民众，成为当代认知心理学最引人瞩目的技术范式之一。作为一种用计算机程序对人们反应时进行测量的方法，IAT的研究逻辑是，当人们看到与自己内心真实态度相一致的联系，比如老人与智慧，花朵与美好，做其他简单判断时，反应速度会更快，反应时更短；相反，对与人们真实态度不一致的联系，比如军人与柔弱，花朵与丑陋，人们做判断的反应速度会明显慢一拍，反应时也会更长。

大量研究结果证实了格林沃德的研究逻辑，即内隐的真实态度能大大缩短人们反应时。在最初的一项IAT实验中，格林沃德等人在显示器上呈现目标概念——花（郁金香等）或昆虫（蜘蛛等）的名字或图片，以及属性概念——积极的词（爱等）和消极的词（丑等）。要求被试通过按不同的键来对属性概念的词性进行分类。研究前期的准备发现，花与积极的词，昆虫与消极的词，在被试的头脑中有较强的联系。因此，当研究者把花与积极的词安排在一个键上，昆虫与消极的词安排在另一个键上的时候，被试的反应会比较快，因为这样的安排与被试记忆中的联结相一致。当研究者的安排与记忆中的联结不相容的时候，如昆虫与积极的词安排在一起，花与消极的词安排在一起时，被试的反应就会较慢。

图7-4　IAT种族内隐刻板印象实验示意图

同时为了防止顺序效应的干扰，IAT测试会通过电脑程序设计的不同阶段任务，变化这些目标—属性概念组合的出现次序。早期的IAT测验共包含5个任务。2002年，格林沃德对IAT程序进行了标准化改进。

如图7-5所示，改进后的测验共分7个阶段，我们以种族内隐态度为例进行简单的说明：

阶段一：呈现目标图片，比如白人图片和黑人图片，让被试归类并做出一定的反应（看到白人图片击左边绿键F，看到黑人图片击右边红键J）。

图7-5　IAT实验的通常程序

阶段二：呈现属性词，比如愉快和不愉快，并让被试做出反应（看到愉快击左键F，看到不愉快击右键J）。

阶段三：联合呈现靶词和属性词，让被试做出反应（看到白人和愉快时击左键F，看到黑人和不愉快时击右键J）。

阶段四：重复阶段三。

阶段五：让被试对靶子词做相反的判断（也就是说看到白人图片击右键J，看到黑人图片击左键F）。

阶段六：再次联合呈现靶子词和属性词，让被试做出反应（看到黑人和愉快时击左键F，看到白人和不愉快时击右键J）。

阶段七：重复阶段六。计算机会记录下从呈现刺激材料到被试按键反应之间的时间间隔，同时记录被试反应的正误情况。在上述七个阶段中，第四阶段和第七阶段为兼容和不兼容正式测验部分，需进行40次按键反应。其余各阶段分别做20次，是对第四阶段和第七阶段的练习。

在数据处理上，最初的IAT测验主要采取以下的步骤。首先，去掉反应时大于3 000毫秒或小于300毫秒的被试以及错误率超过20％的被试。因为反应时太长意味着被试明显受到干扰，反应时太短意味着被试明显抢答；错误率超过20％意味着被试任意回答。然后，为了使数据有满意的方差稳定性（Stabi1ity of variance），对所有的反应时进行对数转换，以便于作进一步的分析。接着，把不兼容部分的对数转换值与兼容部分的相减，得到的值就是IAT分数。这种数据处理方法在一定程度上受到了研究者们的质疑。格林沃德也承认传统的记分方法缺少有力的理论支撑，为此格林沃德等人于2003年对IAT的记分方法进行了改进，在综合比较了对数转换、中位数、平均数、倒数和D转换几种方法之后，发现纠错式D值（D_biep）的效果最好。为了便于进一步的推广，格林沃德很快将上述数据转换做成了标准化的程序，和IAT程序设计专业软件Inquisit一起，放在IAT专门网站上，供研究者和学生免费下载、改写后使用。

此外，研究者也不断对IAT程序本身进行完善。针对标准IAT程序不擅长测量单一概念的不足，学者提出了若干种IAT测验的变化程序，如WIAT（Wigbo1dus IAT）、GNAT（Go/NO-Go Association Test）和EAST（Extrinsic Affect Simon Task）。其中，WIAT是Wigbo1dus对IAT的一种改进，他在IAT任务中提供一个目标概念和两个属性概念。比如，第一个任务，要求被试看到积极的词和与伊斯兰信仰有关的词（如古兰经）时按左键，看到消极的词时按右键。第二个任务，要求被试看到积极的词时按左键，看到消极的词和与伊斯兰信仰有关的词时按右键。如果被试在第一个任务上做得好，说明对伊斯兰信仰有积极的态度，反之亦然。他发现，WIAT结果与被试的自我汇报正相关。后来其他学者用这种方法研究被试对不同食物的态度，发现WIAT研究结果与被试的行为一致。这说明WIAT在态度和行为预测上都具有相当的信效度。

虽然今天的IAT测量已经发展到相当精细化的技术，但仍旧会存在缺陷与不足。如吴明证2006年在研究中指出，IAT测量特别需要注重样例的选取。当比较的方向相容时，会加强IAT，否则会抵消IAT效应，因此特别需要注意IAT的顺序控制。周广亚2005年还提到IAT实验存在无法对复杂概念进行分析、图片效应不足等缺陷。此外，正如样例表征模型提到的，在实验中也需要区分清楚样例代表的是哪一个层次的概念。二级概念（如黑人教授）与一级概念（黑人）代表的概念不同，激活的表征样例不同时，有可能产生实验误差。因此，在正式实验开始之间，需要对IAT涉及的概念、词语样例、目标图片和实验程序进行明确界定。

但这些缺陷其实和IAT技术没有很好地与传统刻板印象测量相结合有关。如果能够把外显测量与内隐测量有效结合，有可能克服IAT测验过概括化的问题，而且也有助于对刻板印象的结构进行更深入的讨论和分析。

本章下一节将采用IAT方法对独生子女刻板印象的自动化过程进行初步的探索，分析中词语样例的选择基于前期形容词问卷调查的结果，一方面注意区分独生子女家庭—独生子女本人以及独生子—独生女等二级概念的不同，另一方面也注重不同研究技术得到的结论之间的相互支持和印证。