剖析跨类别识别现象：对感知专长理论的方法学检验

《Journal of Experimental Social Psychology》：Dissecting cross-category recognition: A methodological test of the theory of perceptual expertise

跨类别识别不足（CRD）的感知专家假说研究。通过形态学技术创建不同族群的“双胞胎”面孔，在两次实验中测试参与者对原形与变形面孔的识别差异。结果表明社会认知因素而非感知专家模型主导CRD，为理解群体身份认知机制提供新证据。

　　

布兰登·科恩（Brandon Cohen）|乔舒亚·科雷尔（Joshua Correll）|巴尔比尔·辛格（Balbir Singh）|安贾娜·拉克希米（Anjana Lakshmi）

美国科罗拉多大学博尔德分校，地址：1905 Colorado Ave, Boulder, CO 80309

摘要

跨群体识别缺陷（Cross-Category Recognition Deficit, CRD）指的是人们更容易识别自己所属群体（内群体）的面孔，而非其他群体（外群体）的面孔。对此有两种解释：一种是基于感知专长的理论，认为对内群体面孔的长期接触使感知系统能够更好地捕捉这些面孔的差异；另一种是社会认知理论，认为我们的注意力和动机会影响我们如何对人进行分类，尤其是将他们划分为内群体成员或外群体成员。以往研究在检验感知专长理论时，难以在不揭示群体归属的情况下测量个体对群体内部差异的敏感度。为了解决这一问题，我们使用变形软件创建了“替身面孔”——这些面孔保留了原面孔的独特特征，但看起来属于不同的种族群体。例如，将东亚面孔的典型特征（如浓密的眉毛和高颧骨）转移到一个白人面孔上，从而产生一个具有东亚特征但外观为白人的面孔。在两项研究中，我们通过编码/识别任务测试了参与者对原始面孔和替身面孔的敏感度。结果发现，无论哪种情况，感知专长理论都未能得到支持。这些发现可能会影响未来关于CRD的研究和理论发展。

部分内容摘录

感知专长理论

基于感知学习机制的感知专长理论是解释CRD最常被提及的理论之一。该理论认为：(a) 内群体面孔在诊断维度上的差异与外群体面孔有显著不同；(b) 感知者缺乏编码外群体特定特征的适当“工具”。根据这一观点，对内群体面孔的长期接触使感知系统更适应识别这些面孔的差异。

面孔选择

我们使用了来自芝加哥面孔数据库（Chicago Face Database, CFD；Ma, Correll, & Wittenbrink, 2015）的72张白人（18张白人男性，18张白人女性）和东亚人（18张东亚男性，18张东亚女性）的面孔照片，这些照片的表情均为中性。为了选择涵盖各群体内部广泛外观特征的面孔，我们使用了名为FairFace（Karkkainen & Joo, 2021）的预训练面孔识别模型来进行处理。

研究1

我们进行了两项研究来检验感知专长理论对CRD的解释。在这两项研究中，我们将分析重点从目标种族（东亚人 vs. 白人）转向了目标群体（内群体 vs. 外群体），更符合我们关注社会群体归属的理论重点。我们的假设（H₁）认为，无论来源如何，人们对来自自己所属群体的面孔的识别敏感度都会更高。

研究2

在研究1中，我们改变了参与者所看到的目标群体的外观。由于每次试验中目标群体的外观不同，这种设计可能增强了群体间外观差异的显著性。为了更严格地检验感知专长理论，研究2将目标群体的外观作为参与者间的变量进行控制，其他方面采用了相同的研究范式。参与者要么看到看起来像自己所属群体的面孔，要么看到看起来像其他群体的面孔。

总体讨论

本研究的主要目的是独立验证感知专长理论对CRD的解释。通过分别操控面孔的来源群体（是否来自参与者的内群体或外群体）和外观群体（面孔看起来是否属于内群体或外群体），我们能够探讨识别过程是否独立于面孔的分类方式。

开放实践

这些研究未进行预先注册。

数据与材料：

https://osf.io/fn4ec/?view_only=af9d67f1df064894beeda634ceb4e880

CRediT作者贡献声明

布兰登·科恩（Brandon Cohen）：撰写 – 审稿与编辑、初稿撰写、数据可视化、软件开发、项目管理、方法论设计、数据分析、概念构建。 乔舒亚·科雷尔（Joshua Correll）：撰写 – 审稿与编辑、项目监督、方法论设计、数据收集、数据分析、概念构建。 巴尔比尔·辛格（Balbir Singh）：撰写 – 审稿与编辑。 安贾娜·拉克希米（Anjana Lakshmi）：撰写 – 审稿与编辑。

披露声明

我们说明了样本大小的确定方法、所有数据排除标准（如有）、所有实验操作以及研究中使用的测量方法。

资金支持

本研究部分得到了美国国家科学基金会（National Science Foundation）的支持，资助编号为：BCS-1946788。研究内容仅代表作者个人观点，不一定反映美国国家科学基金会的官方立场。

利益冲突声明

作者声明没有已知的可能影响本研究结果的财务利益或个人关系。

致谢

作者特别感谢克里斯蒂娜·瓜里诺（Christina Guarino），她曾是一名优秀学生，她的本科毕业论文研究在项目初期阶段为该方法论设计提供了重要启发和指导。