探究中国大学生英语作为外语（EFL）学习者对人工智能技术的接受程度，这一接受程度受计算机自我效能感的驱动

《Acta Psychologica》：Exploring Chinese college EFL learners' AI technology acceptance driven by computer self-efficacy

　　切尔西·X·潘 | 彼得·索科尔-赫斯纳
美国南加州大学大脑与创造力研究所（BCI），3620A麦克林托克大道，洛杉矶，加利福尼亚州，90089

**摘要**
人们会迅速形成对他人的稳定印象，但这些印象仅仅是社交互动的开始。关于这些印象如何与与他人建立联系的愿望相关，或者在面对复杂且不断变化的信息时这些印象如何更新，我们知之甚少。在一项在线任务中，参与者通过一系列十个两句话的短文了解了12个目标人物的行为及其行为背景，并在每个短文之后对这些目标人物的喜爱程度和建立联系的愿望进行了评分。这些行为可能是积极的或消极的，而背景则为这些行为提供了性格或情境上的解释。对于某些目标人物来说，前五个短文中的信息类型（例如积极的性格特征）与后五个短文中的信息类型（例如消极的情境特征）不同。参与者很快更新了他们的印象和建立联系的愿望，而且对于某些情况来说，信息的学习顺序很重要。最重要的是，喜爱程度和建立联系的愿望在这些信息轨迹中遵循相似但不同的路径，这表明印象和建立联系的愿望是相关的，但又是不同的概念。

**1. 引言**
当人们与他人建立初步联系时，他们会解析大量的社会信息。无论是开始新工作、参加第一次约会，还是结识新朋友，人们都会不断地与不熟悉的人互动，学习多种信息，并更新我们对他们的印象和互动意图。一些研究探讨了随着信息变化，印象是如何演变的。例如，人们仅根据极其有限的细节就能形成对他人的性格印象（Siegel等人，2018年），甚至可以从单句话的短文中得出可靠的评估（Gawronski等人，2010年；Schneid等人，2015年）。虽然这些印象形成得很快，但它们也会根据新信息迅速而全面地更新（Mann & Ferguson，2015年；Mende-Siedlecki等人，2013年；Siegel等人，2018年）。然而，这些印象在多大程度上会影响到与他人建立联系的愿望，目前尚未明确。

在评估他人行为时，我们会使用各种类型的信息和策略（Fiske & Neuberg，1990年）。对人们行为的评估不仅取决于他们的行为本身，还取决于这些行为的情境背景（Brosch等人，2013年）。最初的判断也会受到某些行为发生频率的影响。例如，那些被认为不太常见且可能更具诊断性的行为（如高能力但道德水平低的行为）会被赋予更大的权重，从而导致对能力和可信度的评价发生更大变化（Mende-Siedlecki等人，2013年）。同样，可能反映一个人内在性格的极端行为（如高度消极的行为）也可能比其他类型的信息受到更重的重视，从而导致快速重新评估（Cone & Ferguson，2015年；Skowronski & Carlston，1987年）。研究人员发现，即使在学习了100条积极信息之后，一条高度消极的信息就足以改变人们对某人的喜爱程度，并可能反过来修改对之前所学积极信息的解读，使得之前的积极行为显得更加可疑（Cone & Ferguson，2015年）。

尽管许多研究都考察了最初的情感印象，但尚不清楚这些印象在多大程度上会转化为与他人建立联系的愿望。现有文献隐含地将喜欢某人和想要与他们建立联系视为同义词。虽然我们可以合理地预期这两者之间存在相关性，但并不总是如此——我们可能并不总是希望与喜欢的人建立联系，也不一定不想与不喜欢的人建立联系。例如，一个人可能对另一个人有很强的正面印象，但这并不一定转化为同样强烈的建立联系的愿望。喜欢是一种单方面的评价或关联。而想要建立联系则意味着愿意投入努力和时间来尝试建立相互的关系，以实现一个或多个目标。因此，建立联系和喜欢不仅是根本不同的社会概念，而且在许多情况下，这两者也可能存在差异。例如，建立联系可能被认为困难或成本高昂，对拒绝的恐惧可能很高，或者可能没有建立联系的必要（因为已经有了良好的关系），或者可能认为建立联系不太可能成功。我们对比试图成为朋友的人有更多的正面印象（或者相反，我们不会试图与每一个给我们留下好印象的人建立联系），这表明在大型、高度互联的社会中，喜欢和建立联系的愿望可能会有所不同，尤其是后者可能会滞后于前者。另一方面，一个人可能希望与他们并不一定喜欢的人建立联系。例如，他们可能希望与能够帮助他们的人建立联系，认为以后可能会喜欢这个人，或者这个人可能会让他们感到愉快，无论他们现在是否喜欢这个人。在这种情况下，喜欢可能会落后于建立联系的愿望。因此，研究建立联系和喜欢之间的关系及其差异是非常有价值的，但目前关于这两者差异的实证证据很少。

此外，虽然关于印象形成的研究主要集中在最初形成的印象和/或基于内部一致信息形成的印象上，但对于如何将相互矛盾的性格信息整合到现有的情感评估中的了解却较少。虽然印象会随着新信息的出现而迅速更新，但这些变化背后的认知过程及其界限尚不清楚。尽管研究表明，由于意图不明确（Siegel等人，2018年）或对旧信息的重新解读（Mann & Ferguson，2015年），印象会发生变化，但据我们所知，还没有研究探讨我们如何将一个人利他行为和自私行为的日常矛盾整合到更广泛的建立联系或避免联系的决策中。先前的研究考察了最终印象如何受到不一致信息的影响（Rydell & McConnell，2006年）或连续呈现的单个形容词特征的影响（Anderson，1968年）。此外，最近的研究表明，基于身体和行为特征（Lin & Thornton，2024年）以及通过第三方短文传达的信息（Zarolia等人，2017年；Olcaysoy Okten等人，2019年），特质印象会随时发生变化。还有一些研究探讨了通过行为短文学到的特质推断与后续社交接近意图之间的关系（Schneid等人，2015年）。然而，行为与其更广泛的背景密不可分，目前还没有研究探讨情感印象如何根据复杂、矛盾且依赖于情境的社会信息逐时刻更新，更不用说这些印象与建立联系的愿望之间的比较了。我们对某人未能出席婚礼的评价会因为他是逃婚了还是在前往婚礼地点的路上发生了严重的车祸而有所不同。即使负面行为的背景会更新我们对这个人的评价，但想要与这个人建立联系的愿望可能并不会随之更新。因此，目前尚不清楚对复杂、多方面的社会信息的持续评估如何影响一个人的建立联系的愿望。

矛盾信息的存在进一步引发了这样一个问题：关于某人的信息学习顺序是否以及如何影响我们对这个人的整体印象。也就是说，在得知托德偷电视之前，如果先得知他经常在无家可归者收容所做志愿者，这会对我们的印象产生与相反顺序下不同的影响吗？先前的研究发现，一条极端消极的信息在多条积极信息之后被了解到，会显著改变我们的印象（Cone & Ferguson，2015年），在这种情况下，当强烈消极的信息在积极信息之后被了解到时，我们会预期出现不对称的更新（反之则不然），尽管其他研究得出了相反的结果，表明对“坏”人的看法可能更不稳定，因此在积极信息之后了解到消极信息时印象变化更大（Siegel等人，2018年）。此外，虽然消极信息在其他条件相同的情况下可能具有很大的影响力，但在关于某人的正面和消极信息混合的情况下，不同的社交学习路径可能导致不同的最终评价。因此，我们试图通过使用更多样化的信息短文、信息变化类型和延长的学习时间来扩展关于印象变化的先前研究（Cone & Ferguson，2015年；Siegel等人，2018年）。我们预期印象会随着新信息而更新，但由于关于印象变化的文献存在争议，目前尚不清楚可能会产生什么样的顺序效应。

本研究旨在探讨人们关于目标人物的信息及其学习顺序如何影响他们对目标人物的印象变化以及建立联系的愿望。我们假设印象（喜爱程度评分）和建立联系的愿望会随时间独特地变化，虽然评分会在接收到关于目标人物的新类型信息后更新，但这种更新是不完全的（即人们会将新信息与旧信息结合起来），因此信息的学习顺序很重要。

**2. 方法**
该研究获得了丹佛大学机构审查委员会的批准（#960405）。由于本研究采用了新颖的方法来研究在呈现多个具有社会背景的信息后，社会评价和建立联系的判断如何随时间变化，因此没有预先注册。与数据收集和分析相关的去标识化数据和脚本可在以下链接查看：https://osf.io/esxzt/?view_only=416dbf0ef03343ae8e537fe981605d86。我们报告了如何确定样本大小、所有数据排除情况（如果有的话）、所有操作以及研究中的所有测量方法。

**2.1. 参与者**
参与者（n = 62）通过丹佛大学本科生数据库招募，并在线完成研究以换取课程学分。在62名参与者中，有12人因数据缺失而被排除，另有1人因事先熟悉任务而被排除。在剩余的49名参与者中，有23人的基本人口统计信息可供使用。其中20人为女性，3人为男性。所有参与者在数据收集时都是丹佛大学的在校本科生。所有参与者都提供了知情同意。这49名参与者的响应率非常高；他们对所有目标人物的评分达到了99%。更多详细信息见补充材料。

招募工作受到可行性的限制。数据收集发生在2020年春季COVID-19大流行的早期阶段，目标是在新的在线环境中尽可能多地招募参与者。因此，样本大小并未提前确定。对于配对样本t检验的敏感性分析表明，49名参与者的样本量具有80%的检测效力，能够检测到Cohen's d = 0.408的效果大小，α值为0.05（Champely，2020年）。需要注意的是，对于每个参与者来说，设计包括对12个目标人物的每种评分类型（喜欢；建立联系的愿望）进行10次评估，每人总共240个数据点。因此，我们的最终数据集是一个高度结构化的重复测量数据集，包含近12,000个数据点，这是统计效力的重要但常被忽视的因素（Chen等人，2022年）。虽然我们的效力测试是为了捕捉我们分析方法的受试内性质，但这些类型的效力计算并未涵盖收集到的完整数据集的规模、复杂性和结构，因此对于大多数分析来说，可能会低估真实的统计效力。

**2.2. 研究概述**
在提供知情同意后，参与者收到了详细的任务说明并完成了简短的练习。然后，参与者完成了一个社交学习任务（详见下文）。在研究结束时，参与者完成了一份研究后的问卷，评估他们的体验。这项社会学习任务旨在考察随着参与者了解关于他人的多方面信息，他们对他人评价以及与他们建立联系的愿望是如何随时间变化的。关键在于，现实世界中的社会学习往往非常复杂（人们可能会做出好或坏的行为），因此在当前研究中，有时提供的信息会发生变化，甚至是戏剧性的变化。为此，参与者学习了总共十二个角色的许多信息（见图1A）。参与者依次了解到每个角色的“信息轨迹”，每个轨迹包含十个描述该角色在各种情境下行为的片段（见图1B）。每个片段之后，参与者会评价他们有多喜欢这个角色以及希望与这个角色建立联系的程度。更多细节请参见下文。

下载：下载高分辨率图片（284KB）
下载：下载全尺寸图片

图1. 试验结构和轨迹。A) 试验结构。在每次试验中，会依次显示一个两句话的片段。前两个屏幕会分别显示行为和情境（顺序平衡），并各显示角色的照片4秒（实际研究中使用的照片来自芝加哥面部数据库；详见方法部分）。然后，参与者需要在一个从“完全不喜欢”到“非常喜欢”的模拟量表上对两个问题进行评分：“这个人有多讨人喜欢？”以及“你有多想与这个人建立联系？”。B) 一个示例轨迹结构。参与者将依次遇到描述12个角色行为的10个片段。这10个片段中的信息构成了关于该角色的“信息轨迹”。片段描述的行为在价值（正面或负面）和归因（由性格因素或情境因素决定）上有所不同。这产生了四种类型的行为：正面性格因素、正面情境因素、负面情境因素和负面性格因素。在任何给定的轨迹中，信息类型（例如，之前被归类为正面且由性格因素决定的行为）在前五个片段中保持不变。然后信息类型可能会发生变化（例如，变为之前被归类为负面且由情境因素决定的行为）在第六到第十个片段中。

2.3. 材料
2.3.1. 片段
片段中的信息大致描述了在行为具有高度性格决定性（反映角色的选择）或高度情境决定性（反映角色所处情境的影响）的情境中发生的正面或负面行为。
这些片段改编自之前研究（Brosch等人，2013年）中使用的刺激材料，并为当前研究重新制作。每个片段由两句话组成——一句描述行为，另一句提供该行为的背景（见图1A）。共编写了130个片段，并根据两个独立维度进行了调整：1）价值，即所描述行为的正面或负面程度；2）归因，即行为的原因可以归因于情境因素还是角色的内在性格。在这130个片段中，33个被归类为正面性格因素，32个为负面性格因素，32个为正面情境因素，33个为负面情境因素。有关片段标准化和分布的更多信息，请参见补充材料。

2.3.2. 脸部和名字
为了增加真实感并帮助回忆，每个角色都被随机分配了与照片匹配的名字（Ma等人，2015年）。然而，由于本研究并不旨在考察名字或面孔对社会学习的影响，因此选择的名字和照片都尽可能普通且不具信息性，以避免对参与者对信息的印象产生任何潜在偏见。更多信息请参见补充材料。

2.3.3. 程序
参与者通过一系列10个两句话的片段来了解十二个角色。每个片段的“行为”和“情境”句子会依次随机顺序呈现，然后是下一个片段的句子，依此类推。
每个片段之后，参与者首先评价他们有多喜欢这个角色，然后评价在下一个片段之前他们有多想与这个角色建立联系。评分使用一个从“完全不喜欢”到“非常喜欢”的连续滑动量表进行（分析时编码为1-100，但向参与者显示时未编号），并且总是按照这个顺序进行（喜好、建立联系的愿望；详见讨论部分）。
对于给定的角色，前五个片段中的信息类型（正面或负面，性格因素或情境因素）是恒定的，然后可能会发生变化，之后在最后五个片段中再次保持恒定（见图1B、C）。例如，参与者可能会观察到一个角色的行为在前五个片段中看起来是正面且由性格因素决定的（例如，帮助一位老太太从地铁站提包；他非常匆忙，而老太太就在通往地铁站外的狭窄楼梯附近），而在最后五个片段中则变为负面且由情境因素决定的（例如，使用洗手间后没有洗手；他使用的所有水龙头都坏了）。显示的轨迹顺序在参与者之间是随机的。有关向参与者展示的所有轨迹的完整图示，请参见图1C。

在了解了关于一个角色的所有10个片段后，参与者被问到一组问题，以评估他们对这个角色的最终印象。在了解了所有12个角色之后，他们还评估了对每个角色的记忆，并被问到几个问题，以测量他们与这些角色建立联系的愿望。这些会后评分在这里没有进行分析。更多细节请参见补充材料。

2.4. 分析方法
在12个包含10次试验的区块中，从每个参与者那里收集了120个关于喜好和建立联系愿望的数值评分。
主要分析使用R语言和lme4包（Bates等人，2015年）进行。分析重点是通过回归来捕捉价值（Valence）和归因（Attribution）对试验级评分的影响，价值（Valence）和归因（Attribution）的变化对印象和建立联系评分的影响，以及这些信息维度在学习前半段对学习后半段参与者评价变化的影响。
这些特征的各个方面被作为单独的预测变量纳入我们的分析中，其中价值（Valence）编码为正面（+1）或负面（?1），归因（Attribution）编码为情境因素（?1）或性格因素（+1）。还包括了其他预测变量，以捕捉时间效应，以及早期信息对给定角色后期评分的影响。更多信息请参见结果部分。

3. 结果
初步分析旨在复制先前研究中的预期模式，而后续分析则通过比较喜好和建立联系愿望的评分，并考察随着印象（和信息）的变化，评分模式的变化来关注我们的主要问题。
正如预期的那样，评分受到信息价值和归因的影响，复制了之前的发现（Brosch等人，2013年）。正面（相对于负面）行为获得了更高的评分，这种效应与归因相互作用，即由性格因素决定的行为（即更多由个人的属性而非情境决定）比由情境因素决定的行为更为极端。有关价值、归因及其交互作用对评分影响的深入分析，请参见补充材料。
为了初步捕捉数据中的总体趋势，我们分别计算了每个轨迹中所有参与者在每次试验中的喜好和建立联系愿望的平均评分（见图2）。每个轨迹根据识别最终五个片段的信息类型（例如，正面性格因素）进行了着色。例如，所有绿色轨迹都以传达相同类型信息的5个片段结束，即关于正面性格因素的行为。该图展示了三个主要发现，我们找到了进一步的定量证据。这些图表的替代版本，根据起始轨迹进行着色，并排除了信息类型在所有片段中保持不变（即在第5个和第6个片段之间没有变化）的轨迹，可以在补充材料中找到。

下载：下载高分辨率图片（217KB）
下载：下载全尺寸图片

图2. 随时间变化的评分。图表表示A) 喜好和B) 建立联系愿望的平均主观评分（y轴），按片段编号（x轴）和轨迹类型（线条）组织。线条根据给定轨迹最后5次试验中呈现的信息进行着色。小黑圈和文本表示给定轨迹前5次试验中呈现的信息类型。虚线黑色垂直线表示信息可能发生变化的点。有关评分轨迹的替代可视化方式，请参见补充图S1（仅显示信息类型在第5次和第6次试验之间发生变化的轨迹）和S2（按初始片段信息着色）。

这三个主要发现是：首先，喜好和建立联系愿望是相关的但不同的情感感知；其次，对他人的印象更新迅速；第三，印象更新不完全。更多关于这些发现的量化分析请参见下文。

3.1. 喜好和建立联系愿望是相关的但不同的情感感知
我们的第一个问题是，喜好评分和建立联系愿望的评分是否冗余或足够相似，可以一起考虑。我们观察到，建立联系的评分始终略低于喜好评分（见图2），特别是在较高的评分中，这表明相对于喜好评分，人们对与陌生人建立联系的愿望可能存在相对的负面偏见和上限效应。这种差异在比较图2中喜好和建立联系图的上半部分时最为明显。
基于图2中观察到的趋势，我们根据参与者的喜好评分将他们的试验数据分为五分位数，然后分别计算每个五分位数内每个参与者的平均喜好和建立联系评分，并使用Wilcoxon符号秩检验进行比较，因为变量在视觉检查时呈非正态分布（见图3和S4）。在第1分位数中，建立联系的评分最初高于喜好评分（平均差异=1.13，v(48) = 667.5，p = 0.045），而在第2分位数及以上，喜好评分高于建立联系的评分。当使用Bonferroni校正五个比较后，只有在第3、4和5分位数中，喜好和建立联系之间的差异显著。值得注意的是，第1分位数和第2分位数之间的差距显著增加（平均差异=?2.54，t(48) = ?4.47，p = 0.001），第3分位数和第4分位数之间（平均差异=?2.61，t(48) = ?3.33，p = 0.002）以及第4分位数和第5分位数之间（平均差异=?4.61，t(48) = ?4.31，p = 0.001）；第2分位数和第3分位数之间没有显著差异（平均差异=?1.69，t(48) = ?1.82，p = 0.075），表明随着喜好评分的增加，喜好和建立联系愿望之间的差距也增加了。

下载：下载高分辨率图片（54KB）
下载：下载全尺寸图片

图3. 随着喜好评分的增加，喜好和建立联系愿望之间的差距增大。个体的试验按喜好评分排序，并分为代表最低20%喜好评分的五分位数等。在每个五分位数内，计算了每个参与者在每次试验中喜好和建立联系愿望之间的平均差异，然后跨参与者进行了平均。在第3、4和5分位数中，喜好和建立联系评分之间的差距显著（p < 0.01 [p < 0.05，Bonferroni校正]）。此外，每个五分位数内的差距都大于其前一个五分位数（例如，第5分位数和第4分位数之间的喜好与建立联系的差距大于第4分位数和第5分位数之间的差距；配对t检验，p < 0.01）。

将喜好和建立联系愿望分开处理在多个情境中提高了模型的拟合度，与使用一个模型拟合所有评分（喜好和建立联系）相比。运行我们的主要线性回归模型（见：补充材料），预测每次试验的评分，我们发现分别对喜欢程度和连接欲望进行评分的模型表现优于没有区分评分类型的组合模型（单独模型的总AIC为99547.36；单一模型的AIC为99863.62；AIC越低越好）。我们还使用似然比检验比较了使用喜欢程度评分来预测连接欲望的嵌套模型。其中一个模型将关系的斜率限制为1，而另一个模型允许斜率变化（使得第一个模型嵌套在第二个模型中）。允许喜欢程度评分效应变化的模型（AIC = 43,189.84）显著优于假设斜率为1的模型（AIC = 43,920.53；X2(1) = 730.51，p < 0.001），并且拟合出的斜率值小于1（beta = 0.8656，p < 0.001），这进一步证明了喜欢程度和连接欲望是相关的，但它们之间存在显著差异。有关分析中使用的线性回归模型的更多信息，请参见补充材料。

综上所述，这些发现支持这样的结论：喜欢程度和连接欲望是相关的但不同的现象，特别是在较高评分值时，连接欲望的评分相对于喜欢程度的评分被压缩了。因此，以下所有结果都是分别分析喜欢程度和连接欲望的评分。

3.2. 印象更新迅速
我们的下一个问题是关于印象更新的速度。在有多条信息的情况下，印象是快速形成和更新的，还是逐步变化的？图2定性显示，喜欢程度和连接欲望的平均评分在最初的5次试验中形成得很快，并且基本保持稳定。大多数轨迹在前半部分显示出接近平坦的斜率。当参与者在第6次试验中学习到的信息类型发生变化时，第5次和第6次试验之间的平均评分出现了明显的变化，但从第6次试验开始又迅速稳定下来。为了定量评估这一观察结果，我们计算了每个参与者所有轨迹中每对连续试验之间评分变化的绝对值。然后我们分别对信息在第5次和第6次试验之间发生变化的轨迹和没有发生变化的轨迹的平均绝对值进行了平均，得出了每个参与者从第1次试验到第2次试验、从第2次试验到第3次试验等的平均评分变化幅度（见图4）。评分变化最大的是在信息类型发生变化的点，即第5次和第6次试验之间（喜欢程度的变化 = 16.56；连接欲望的变化 = 14.05）。一系列配对t检验比较了第5次和第6次试验之间的平均评分变化与其他每对试验之间的平均评分变化，结果表明这一转折点的变化与其他所有点显著不同（所有p值 < 0.01）。与上述连接欲望相对于喜欢程度被压缩的情况一致，第5次和第6次试验之间喜欢程度的评分变化也大于连接欲望的变化（M = 2.51，t(48) = 3.7，p < 0.001）。

下载：下载高分辨率图片（187KB）
下载：下载全尺寸图片

图4. 当信息发生变化时，评分变化迅速。连续试验对之间评分变化的平均幅度（绝对值）。当信息类型在片段之间没有变化时（浅色），A）喜欢程度（紫色）和B）连接欲望（蓝色）的评分变化幅度逐渐减小。然而，当信息类型在片段5和片段6之间发生变化时（深色），评分立即发生了较大的变化，其幅度超过了任何其他类型轨迹中任何一对片段之间的变化幅度（配对t检验，所有p值 < 0.01），表明当呈现新信息时，印象会立即更新。关于此图例中颜色的解释，请参阅本文的网络版本。

这种模式表明，当信息发生变化时，印象会更新，但这种变化会迅速稳定下来，这从之后评分变化的较小幅度中可以看出。值得注意的是，喜欢程度和连接欲望的评分变化总体上呈现出大致相同的模式。有关所有进行的配对t检验的完整概述，请参见补充材料。

3.3. 印象更新不完全
我们的最后一个问题是关于新信息是否完全覆盖了之前的学习，或者之前的信息是否继续影响后来的印象。印象可能对新信息做出反应的方式有几种。一种可能是优先效应（Anderson & Barrios, 1961），即早期学习的信息权重很高，一旦形成了对某人的印象，新信息只会略微改变现有的印象。另一种可能是最近效应（Baddeley, 1968），即后来学习的信息完全覆盖了之前的学习，因此最终的印象只反映了后来的信息。最后，在印象形成过程中可能会同时考虑早期和后来的信息。观察图2，以相同类型信息结束的轨迹线（因此颜色相同）在第10次试验时的平均评分并不都相同。这表明，尽管在这些轨迹的后半部分学习了相同的信息，但在前5次试验中学习的信息继续影响了后来的印象。

回归分析证实了这些观察结果。使用线性回归，我们发现前5次试验中的情感价值、归因以及情感价值与归因的交互作用都显著影响了后5次试验中的喜欢程度和连接欲望评分（前五次试验的特征对最终五次试验评分的影响：喜欢程度：情感价值 β = 11.42，标准误 = 0.78，p < 0.001；归因 β = ?3.75，标准误 = 0.78，p < 0.001；情感价值 x 归因 β = 9.66，标准误 = 0.78，p < 0.001；连接欲望：情感价值 β = 11.56，标准误 = 0.77，p < 0.001；归因 β = ?4.38，标准误 = ，p < 0.001；情感价值 x 归因 β = 9.09，标准误 = 0.77，p < 0.001）。

在学习过程中还存在顺序效应，即以不同顺序呈现的相同信息会影响对角色的最终印象。有趣的是，这种效应仅在了解负面性格信息时观察到。在我们的研究中出现了两对这样的匹配轨迹：负面性格到正面情境，以及相反的情况；以及负面性格到负面情境，以及相反的情况。为了测试信息的顺序是否重要，我们将匹配轨迹的最终值相互绘制（见图5）。

下载：下载高分辨率图片（287KB）
下载：下载全尺寸图片

图5. 内容匹配轨迹的最终评分。研究中的8条轨迹具有相反的信息对，即关于同一个角色的信息以相反的顺序呈现（例如，负面性格之后是正面情境，反之亦然）。通过检查第十个片段之后的最终评分，可以量化在其他条件相同的情况下，顺序对喜欢程度和连接欲望的影响程度。两组信息的最终评分（喜欢程度和连接欲望）都受到顺序的影响（黄色点），这两组信息都包含负面性格信息。在这些轨迹类型中，当负面性格信息在片段6-10中呈现时，最终评分更低（更负面），这与负面性格信息的强烈且短暂的影响一致。可能的解释包括仅针对负面性格信息的“最近效应”，即其影响在当下很强，但随着时间的推移而减弱，或者是一种“对比效应”，即在感知到其他信息之后学习负面性格信息的影响更大。相比之下，不包含负面性格信息的轨迹无论顺序如何，最终评分都相似（灰色点），表明信息在十个片段中得到了更完整和均匀的整合。关于此图例中颜色的解释，请参阅本文的网络版本。

配对t检验比较了负面性格到正面情境轨迹与正面情境到负面性格轨迹在第10次试验的平均评分，结果显示尽管参与者总体上学习了相同的信息，但最终评分仍有显著差异（喜欢程度：平均差异 = ?19.02，t(48) = 4.49，p < 0.001；连接欲望：平均差异 = 14.98，t(47) = ?3.27，p = 0.002）。首先学习负面性格信息的参与者最终喜欢程度和连接欲望的评分显著更高。在比较负面性格信息和负面情境信息时也发现了类似的效果（喜欢程度：平均差异 = ?13.11，t(45) = ?3.36，p = 0.002；连接欲望：平均差异 = ?14.27，t(43) = ?3.76，p < 0.001）。在经过Bonferroni校正8次比较后，所有结果在0.05的水平上仍然一致（p < 0.00625）。

对于其他不包含负面性格信息的匹配轨迹在第10次试验的平均评分比较，统计上没有显著差异（正面性格 负面情境 喜欢程度：t(46) = 2.00，p = 0.052；连接欲望：t(47) = 0.93，p = 0.355；正面性格 正面情境 喜欢程度：t(48) = 0.96，p = 0.343；连接欲望：t(47) = 1.16，p = 0.25），这表明负面性格信息具有独特的影响（参见Cone & Ferguson, 2015），使其对上下文的敏感性不同于其他类型的信息。当存在强烈负面信息时，顺序很重要，这表明这种信息可能对评分有更强的即时影响，但随着时间的推移，这种影响相对减弱，这与研究表明负面印象可能相对不稳定（Siegel et al., 2018）一致。另一方面，当没有强烈负面信息时，没有显示出顺序效应，这表明人们更全面地整合了随时间学习到的信息。

4. 讨论
我们在这里展示了当人们了解关于某人的多条复杂信息时，喜欢程度和亲和欲望遵循相关但具有不同意义的轨迹，这表明它们是不同的概念。此外，我们的发现建立在之前的研究基础上，即社会接近意图可以受到信息片段的影响（Schneid et al., 2015），并且我们的发现也证实了关于印象形成和社会学习的研究，即当信息发生变化时，印象会迅速形成和变化（Siegel et al., 2018；Cone & Ferguson, 2015）。我们还发现，只有在学习极端负面信息时，顺序才重要。最后，我们发现人们不仅考虑了某人的行为，还考虑了行为的背景，这从归因信息的重要性中可以看出。

我们研究的意义有几个方面。连接欲望滞后于喜欢程度表明，进一步研究连接欲望的驱动因素和抑制因素是重要的，而且我们通常喜欢的人比我们想要与之建立联系的人更多（尽管当喜欢程度较低时情况可能相反，见图3、S4和S5）。负面性格信息的重要性也表明，在预测社会评估的轨迹时必须特别小心这类信息。虽然许多研究都考察了隐性和显性的评估（综述见Nosek, 2005；Ferguson et al., 2019），但据我们所知，这项研究是首批研究这些情感印象如何转化为行为意图的研究之一，即与另一个人建立联系或亲和的愿望（尽管也参见Schneid et al., 2015）。我们的发现独特地表明，喜欢程度和连接欲望是发展方式不同的微妙不同的情感过程。虽然喜欢程度和连接欲望遵循相似的总体轨迹，但在最积极的评分值时，连接欲望通常低于喜欢程度，这表明即使对某人有非常积极的印象，也不一定意味着有相应的建立联系的愿望。一个可能的原因是，主动建立联系显然需要更多的投入（时间、认知努力、金钱或其他有限资源），而被动地喜欢某人则“更便宜”。这种分离的一个关键后果是，仅仅理解喜欢程度不足以理解联系。因此，未来的研究应该不仅考虑印象，还要考虑与这些印象相关但不同的行为意图。请参阅补充材料以获取更多讨论内容。我们还发现，在学习过程中信息的顺序和类型会影响印象的形成。信息随时间的整合可能有多种形式。例如，可以假设信息完全整合，这种情况下信息的顺序并不重要；或者也可以预测一种基于最新性的简单模式，即只有最新的信息才重要。先前关于社会信息聚合的模型表明，在印象形成过程中会平均各种特质的价值（Anderson, 1965），并根据情境吸引力和信息价值等因素对不同特质赋予不同的权重（Kashima & Kerekes, 1994）。然而，某些类型信息的不对称评估也被发现会导致负面信息在工作记忆中停留过长的时间，从而对整体印象的形成产生更大的影响（Bellucci, 2023）。虽然许多印象形成模型都考虑了信息的类型和顺序，但很少有模型考虑到个体在社会学习过程中的情感倾向。我们的研究结果表明，负面倾向信息会导致独特的评价和社会意图模式，这与现有文献中发现负面行为会导致印象独特变化的结果一致（Siegel et al., 2018; Skowronski & Carlston, 1992; Cone & Ferguson, 2015）。我们的发现也为这一领域的争论做出了贡献，现有研究表明强烈的负面印象既异常易变（Siegel et al., 2018），又难以改变（Skowronski & Carlston, 1992; Cone & Ferguson, 2015）。我们的研究确实表明，负面信息具有很强的影响力，可以立即改变人们对某人的喜好和亲近感评分，但如果有足够的新信息，这些印象最终会发生变化，至少在研究提供的行为和信息范围内是这样。实际上，我们的数据表明，如果目标是留下更好的最终印象，应该先呈现最负面的信息。

我们的发现也与先前文献一致，这些文献表明人们在对他人的道德判断时会考虑其意图（Koster-Hale et al., 2013; Young et al., 2007）。特别是，道德评价依赖于对行为者心理状态的感知（Cushman, 2008）。与先前的研究一致，我们的结果表明，人们对目标的评价会随着其意图的变化而更新。我们的工作进一步扩展了这些发现，表明意图在对他人的亲近感评价中也起着重要作用。尽管现有文献大多探讨了意图对印象形成的影响，但我们的研究从与目标建立明确行为联系的角度来探讨这些理论。本研究中社会信息的形式是我们工作的一个重大局限。虽然参与者学习的信息包括行为及其背景，但现实世界中的信息往往更加多变，有时更为复杂和详细，有时则明显不完整。可能存在一些与社会相关但不同的行为维度（如道德、能力、社交性等）与我们的主要价值维度和归因维度共同作用。人们通常喜欢并希望与道德上良好（以及有能力；社交等）的人建立联系，反之亦然（Brambilla et al., 2021; Goodwin, 2015）。然而，本研究并未沿着这些维度进行标准化处理（见补充材料），而是仅根据价值维度和归因维度（例如，正面或负面；情境性或倾向性）进行二值划分来构建轨迹。先前的研究发现，信息的维度和呈现顺序可能会影响印象的更新（Brambilla et al., 2019），尤其是道德信息在印象中可能具有更大的影响力（Brambilla et al., 2021）。尽管每个目标内的故事片段随机呈现顺序可能减少了这种影响，但未来的研究应在类似的可扩展和多变的社会学习框架内测量更多维度，以区分这些不同维度对印象和亲近欲望轨迹的影响及其相互作用方式。

由于本研究关注社会学习并报告了印象和亲近欲望，实际上并未发生任何互动，所有测量都是自我报告的。真实的亲近行为可能与自我报告的意图有所不同。我们也没有直接评估信息的诊断性，而这一点已知会影响评价（Hess et al., 1999）。最后，任务结构相对固定。当信息发生变化时，这些变化总是在了解目标的过程中发生，在学习的中途阶段一致出现，这使得学习过程显得有些人为可预测。此外，所有参与者在每次试验后对喜好和连接欲望的评估都是以相同的顺序进行的，这可能减弱了喜好评分和连接欲望之间的差异。我们希望未来的研究能够通过采用更丰富和多变的社会学习范式来解决这些局限性。在本研究中，目标被呈现为穿着中性表情的静态照片。然而，最近的研究发现，印象受到面部可信度的影响（Shen et al., 2020; Shen et al., 2023），以及目标声音等动态特征的影响（Masi et al., 2022）。后续研究可以通过采用更自然的方法进一步探讨物理属性与感知亲和力之间的相互作用。此外，我们的样本量和分析方法也存在一些局限性。作为一项样本量相对较小的研究，这些发现的普遍性尚不明确。虽然这些过程可能基于一个完整的认知/情感概念学习模型，但在这里我们没有编写或拟合这样的模型。不过，我们注意到我们的结果与Siegel et al. (2018) 和 Cone & Ferguson (2015) 的研究结果一致，表明这些数据与其他研究结果大体一致。未来的研究可以复制当前研究的发现，并利用学习模型来推断不仅影响判断和行为的变量，还包括这些变量背后的过程。当前研究也没有预先注册——未来研究在解决这些问题时应预先注册其方法和分析方法。此外，喜好只是人们连接欲望的一个方面。在其他情境中，感知者的动机（Mende-Siedlecki, 2018）或社会连接的效用可能也很重要。虽然效用通常与喜好相关（如我们的标准化过程中所发现的；见补充材料），但在具有特定目标的不同情境下，这一点可能会有所不同。最后，我们的参与者群体（本科生）和面部刺激集（白人男性面孔）都存在局限性。未来的研究需要探讨随着参与者和目标的年龄、种族、性别认同等因素的变化，这些过程如何发生变化。

总之，我们的研究表明，选择与他人建立联系需要考虑一系列情感和情境因素。仅仅喜欢某人显然是不够的；积极与他人建立联系需要更多的努力。

**作者贡献声明：**
Chelsey X. Pan：撰写——原始草稿、可视化、软件开发、方法论设计、调查实施、数据分析、概念化。
Peter Sokol-Hessner：撰写——审稿与编辑、可视化、监督、方法论设计、数据分析、概念化。

**资金来源：**
本研究未获得公共部门、商业部门或非营利组织的任何特定资助。