我们对他人如何看待我们有多了解？一项关于不同关系情境、研究焦点、属性领域和测量方法下元准确性的系统综述

《Journal of Personality》：How Well Do We Know How Others See Us? A Systematic Review of Meta-Accuracy Across Relational Contexts, Research Foci, Attribute Domains, and Measurement Approaches

　　**摘要**

## 引言
元准确性（meta-accuracy）是指个体准确推断他人如何看待自己的程度，它是社会互动的基础。然而，这一领域涵盖了多个学科的方法，而不同概念和方法之间的差异尚未被系统地整理和记录。本文综述了在各种关系情境、研究焦点、属性领域和测量方法下的元准确性研究。

## 方法
遵循PRISMA 2020指南，我们在五个数据库中（截至2025年1月）检索了评估元准确性的经过同行评审的实证研究（数据覆盖至2024年12月31日）。两位审稿人独立筛选了1,336篇论文，并使用预先注册的协议（OSF: https://doi.org/10.17605/OSF.IO/VMH6W）提取数据。

## 结果
共有93项研究符合纳入标准：二元元准确性（dyadic meta-accuracy，k = 56篇，占60.2%）、广义元准确性（generalized meta-accuracy，k = 17篇，占18.3%）以及结合这两种方法的研究（k = 20篇，占21.5%）。二元元准确性和广义元准确性在互动情境和熟悉程度方面存在差异；研究焦点在不同学科间存在差异；大多数研究关注人格特质；测量方法也各不相同。大多数研究为横断面研究（k = 88篇，占94.6%），且样本主要为高等院校学生（k = 60篇，占64.5%）。

## 结论
本文系统地描绘了元准确性研究在概念、方法论和情境方面的多样性。我们提出三个优先事项：（1）标准化术语以区分二元元准确性和广义元准确性；（2）透明报告测量方法；（3）开发跨越学科边界的统一框架，以支持未来的综合研究。

### 1 引言
元感知（meta-perception）是指人们对他人如何看待自己的认知，而元准确性则是这些认知与他人实际评价的一致程度。证据表明，较高的元准确性与人际效能（Carlson和Kenny 2012；Human和Biesanz 2013）、更满意或和谐的人际关系（Carlson 2016b；Levesque 1997）以及某些心理适应指标（Carlson 2016a；Moritz和Roberts 2018）相关。更清楚地了解他人对自己的看法可能有助于更有效的自我调节（Carlson等人2011；Carlson和Kenny 2012），并促进积极的人际交流（Elsaadawy等人2021）。在应用背景下，领导者和员工之间的元准确性与其领导能力发展（Campagna等人2020）、团队运作和绩效结果（Brion等人2015；Campagna等人2020；Eisenkraft等人2017；Hu等人2014a, 2014b）等领导相关过程有关。在临床层面，元准确性问题常见于经历社交焦虑（De Jong和Peters 2005；Tissera等人2021）、人格障碍（Carlson和Oltmanns 2015；Oltmanns等人2005）以及更广泛的人际挑战（Carlson和Oltmanns 2015；Tissera等人2021；Wilson等人2017）的个体中。尽管元准确性在理论和应用上具有重要意义，但相关研究存在显著多样性（Elsaadawy和Carlson 2019；Hall等人2016；Human和Biesanz 2013；Vorauer等人2025），这种多样性尚未得到系统整理。先前的概念和实证分析指出，这些研究传统大多独立发展，它们在关系情境、概念焦点、属性领域和测量假设上存在差异（Biesanz 2010；Carlson和Barranti 2016；Donnelly等人2022；Vazire和Carlson 2010）。本综述旨在系统梳理关系、学科、属性和方法论维度上的多样化方法。

### 1.1 元准确性研究中的方法多样性
虽然元准确性常被视为一个统一的概念，但该领域的研究采用了多种方法，这些方法可以从五个结构维度进行分类：推理水平、关系情境、研究焦点、属性领域和方法论方法。这些维度为本文的综述提供了框架。首先，在元准确性的定义和分类上存在概念差异。当代研究主要区分两种形式：二元元准确性（dyadic meta-accuracy，DMA），即个体准确感知特定他人如何看待自己的程度（例如，“亚历克斯如何看待我”）；广义元准确性（generalized meta-accuracy，GMA），即个体准确感知他人普遍如何看待自己的程度（例如，“我的队友如何看待我”；Elsaadawy和Carlson 2019；Kenny 2020）。尽管两者都属于元准确性范畴，但它们并非单一概念的不同形式（Carlson和Barranti 2016；Kenny 1994, 2020）。DMA关注特定伙伴的差异，基于关系层面的差异进行比较；而GMA关注声誉一致性，基于多个感知者的综合评价进行比较。因此，GMA反映了个体准确推断自己被集体参考群体看待的程度，而不仅仅是某个特定伙伴的看法。随着研究从确认元准确性的存在转向探讨其机制和个体差异，这种区分变得越来越重要。新兴模型表明，GMA和DMA可能反映不同的心理过程，例如广泛的基于自我的启发式认知与特定感知者的视角采纳（Hater等人2023；Elsaadawy等人2024）。随着理论描述的细化，准确性的定义和测试方法变得愈发关键。

元准确性研究涵盖多种关系情境和互动结构，每种结构都定义了评估准确性的条件。研究分为三种互动类型：人际二元关系（例如恋人之间）；群体中的二元关系（例如团队中的教练与运动员关系）；以及群体情境（例如个体预测自己在集体中的整体地位）。元准确性还因关系类型（例如恋人、家庭关系、学生同龄人互动、工作场所）、熟悉程度（例如初次印象与长期关系）和沟通媒介（例如面对面或数字环境）而异。这些情境差异影响信息获取、反馈可见性、声誉一致性和规范压力。然而，这些结构条件下的多样性程度尚不明确，难以发现潜在的独特模式和差距。此外，元准确性研究在不同学科中的理论焦点也有所不同。研究范围从社会感知的基础工作扩展到特定应用，包括人格特质和身份的研究（例如Kenny 1994；Human和Biesanz 2013；Moritz和Roberts 2020）、将元准确性与临床症状和幸福感联系起来的心理健康研究（Carlson和Oltmanns 2015；Kashdan和Savostyanova 2011；Oltmanns等人2005；Tissera等人2021），以及考察互动模式和关系的互动动态研究（Schaffhuser等人2016）。此外，还有工作场所动态和领导力方面的研究（Foster等人2023；Hu等人2014a），以及关注认知机制和信息处理框架的过程导向元感知研究（Bleckmann等人2024；Elsaadawy和Carlson 2019；Malloy 2018）。这些不同的理论取向影响了研究问题、选定的变量和准确性系数的解释。明确识别这些不同的理论框架有助于跨领域进行更连贯的比较，并阐明研究发现对元准确性理解的贡献。

### 1.2 系统性梳理方法多样性的必要性
全面理解元准确性需要明确推理水平、关系情境、研究目的、属性领域的多样性，以及分析方法之间的交叉关系。当这些维度的差异未被明确说明时，观察到的元准确性差异可能被误认为是理论分歧，而非推理水平、关系结构、属性领域或分析方法的不同所致（Johnson 2003；Pekrun 2024）。这可能会掩盖研究结果的真实差异，或其是否源于不同的结构和方法论条件。尽管学者们越来越认识到情境和测量之间的相互依赖性（Biesanz 2010；Kenny 2020；West和Kenny 2011），但系统性地梳理这些交叉点的跨学科综述仍较为有限（Carlson和Barranti 2016；Donnelly等人2022；Hall等人2016）。现有的综合综述往往集中在特定领域或子领域（Grutterink和Meister 2022；Tsankova和Tair 2021）。因此，系统梳理元准确性在不同情境下的概念化、操作化和分析方式，将为构建全面理论提供更具体的背景信息。

### 1.3 本研究
本综述旨在通过预先注册的实证研究合成方法，系统梳理关系、学科、属性和方法论维度上的多样化方法。我们关注发表在同行评审英文期刊上、包含元准确性明确实证测量的研究（元准确性定义为个体元认知与他人实际评价的一致性）。我们将研究范围限制在涉及二元元准确性和广义元准确性的研究，排除仅关注元认知或群体间推断的设计。遵循PRISMA指南和预先注册的协议，本综述围绕四个核心目标展开：

- 浏览元准确性研究的各种关系情境
- 识别不同学科中元准确性研究的主要焦点
- 审查用于评估元准确性的不同属性及其选择和应用模式
- 识别不同研究领域中用于评估元准确性的不同测量方法

通过这种综合，本文旨在识别规律性、突出概念和方法论上的空白，并勾勒未来研究的方向。同时，我们提出建议以促进跨领域的整合，包括术语的一致性、透明的测量报告和共享的概念框架，从而推动元准确性研究的理论和实证进展。

### 2 方法
### 2.1 概述
本系统综述遵循了2020年系统综述和元分析报告规范（PRISMA）的指导原则（Page等人2021）。研究协议于2025年4月11日预先注册（Harper等人2025；OSF: https://doi.org/10.17605/OSF.IO/VMH6W）。完整的数据集、提取表格、分析脚本、PRISMA检查表和补充文档可通过OSF仓库公开获取。注册后对研究设计或分析所做的任何修改都会在本文中明确记录，并在OSF协议中注释，以确保透明度。

### 2.2 资格标准
符合以下标准的研究符合条件：（1）报道涉及人类参与者的实证研究；（2）发表在同行评审的英文期刊上；（3）包含元准确性的明确实证测量，即个体元认知与实际评价的一致性；（4）评估二元元准确性（个体对个体）或广义元准确性（个体对群体）的测量。不符合条件的研究包括：（1）仅关注群体间测量的；（2）仅测量元认知而不与实际评价进行比较的；（3）理论性论文、综述、会议摘要或学位论文；（4）未经过同行评审的。

### 2.3 搜索策略
2025年1月，我们在五个电子数据库（EBSCOHost、Scopus、Web of Science、PsycINFO和ProQuest）中进行了检索，涵盖了截至2024年12月31日的所有文献。搜索词包括：“Meta-perception”或“Metaperception”或“Meta-accuracy”或“Metaaccuracy”（在标题、摘要和关键词字段中进行了搜索）。

2.4 筛选过程

筛选包括三个阶段：（1）通过Covidence进行自动化去重并人工验证；（2）由两位独立审查员根据预定义的标准对标题/摘要进行筛选；（3）由相同的审查员对全文进行评估。当无法达成共识时，会咨询第三位审查员来解决分歧。所有筛选决定都记录在Covidence中以确保透明度。

2.5 操作定义和分类框架

为了确保数据提取的系统性和可重复性，我们通过迭代过程为每个提取字段制定了全面的操作定义。最初的定义通过20项研究的初步编码进行了完善，对差异进行了讨论，并澄清了决策规则，直到编码团队达成一致。所有后续的分类都采用了这种系统方法，通过独立的双重编码和讨论来解决歧义。最终的操作定义在附录S1中提供。

2.5.1 包含性验证

只有满足以下五个条件时，研究才会被验证为符合元准确性评估的包含标准：元感知来自被评估的对象；标准评分来自元感知中提到的同一感知者；元感知和标准评分使用可比较的尺度评估相同的结构；至少有一个统计量直接将元感知与相应的标准评分进行了比较；标准评分未被自我评分所污染。未能满足任何标准的研究将被排除，并记录排除原因。

2.5.2 研究重点分类

根据每篇论文的理论目的和方法论方法，为其分配一个主要研究重点类别，当确实存在歧义时，允许使用方括号列出一个合理的替代类别。七个类别是：特质领域元感知；心理健康和心理适应；人际沟通和关系动态；工作场所动态和领导力；过程元感知；方法论模型和统计工具；以及未分类。当主要分类不明确时，分配遵循一个优先考虑研究问题、理论框架和样本特征的层次决策过程。

2.5.3 属性分类

只有当属性代表有效的元准确性测量时，才会被包括在内：元感知与其他人的相应标准评分配对，两者都评估相同的结构。提取的属性被分类为七个领域：人格特质；社会和人际特质；情绪和情感；关系和互动属性；道德、身份和动机属性；智力、表现和能力；以及吸引力和外貌。

2.5.4 元准确性类型

研究根据它们是评估二元元准确性（即，关于特定个体的元感知与这些个体的实际感知相比）、泛化元准确性（即，关于其他人的元感知与多个感知者的汇总感知相比），还是两者都进行分类。分类是根据统计实现而不是概念框架来确定的。

2.5.5 上下文因素

交互类型被编码为人际二元关系（即，一对一的孤立关系）、群体中的二元关系（即，有界社会群体内的多重关系），或者群体设置（即，集体群体分析）。关系类型根据评估时的社会角色使用协议中指定的九个先验类别进行分类：浪漫伴侣、家庭成员、亲密他人（朋友/室友）、学生-同龄人（儿童/青少年）、学生-同龄人（高等教育）、教练-运动员、上司-直属下属、同事、其他（例如，邻居或陌生人）。熟悉程度级别区分了不熟悉、熟悉、逐渐熟悉和混合熟悉。研究根据时间设计被分类为横断面或纵向研究，交互媒介根据主要交互模式进行编码。

2.5.6 测量方法

研究根据它们操作化元准确性的方式进行了分类：相关方法（从协方差统计中推断准确性）或均值水平方法（从方向偏差统计中推断准确性），对于同时使用这两种方法的研究进行了综合分类。

2.6 数据提取和研究综合

数据提取是使用基于预注册协议的标准化Excel电子表格进行的。提取的信息包括：（1）研究元数据；（2）研究设计和样本特征；（3）元准确性细节和评估的属性；（4）上下文因素；（5）测量方法和统计技术；（6）研究重点和关键发现。首先由一位审查员进行提取，然后由第二位审查员进行验证以确保准确性和完整性。任何差异都通过讨论解决，必要时会咨询第三位审查员。质量评估使用了适用于元准确性研究的Risk of Bias Utilized for Surveys Tool（ROBUST；Nudelman和Otto 2020）。使用二元编码（0=低风险；1=高风险）评估了八个标准：抽样框架的代表性、招募方法、排除率、样本规模充分性、人口统计报告、数据收集设置和数据管理实践。评估仅限于计算元准确性的研究，当任何合格的研究在某个标准上显示出偏见时，会为文章级别分配风险。为了保持以有效性为中心的评估，明显不会影响元准确性估计的名义阈值违规被编码为低风险，并附有记录的理由。两位独立的编码员使用我们从ROBUST改编的八标准二元框架对所有文章进行了评估；如果没有任何合理的理由，默认风险为高。完整的评估程序和决策树在附录S2中报告。两位审查员独立地使用我们的八标准二元框架对每个纳入的研究进行了偏见风险编码。第三位审查员交叉检查了配对代码，并产生了附录S3中报告的共识偏见风险评分。研究综合采用叙述性方法来检查分类研究的模式，分析元准确性研究在不同背景、人群和方法论方法上的差异，以识别差距并为未来的研究方向提供信息。

3 结果

搜索从五个数据库中获得了1336条记录。去重后，筛选出了500条记录。经过标题/摘要筛选（n=229条保留）和全文审查后，93项研究符合包含标准（图1）。研究根据元准确性类型进行了分类：二元元准确性（DMA；k=56，60.2%）、泛化元准确性（GMA；k=17，18.3%），以及DMA和GMA（k=20，21.5%）。表1-3总结了按元准确性类型分类的研究。图1在图查看器中打开。

PRISMA 2020研究纳入和排除流程图。表1. 二元元准确性研究摘要。作者

上下文 - 交互类型
上下文 - 关系类型
上下文 - 高等教育学生样本
上下文 - 熟悉程度
上下文 - 时间设计
上下文 - 关系媒介
研究重点 - 类别
属性 - 类别
测量方法 - 方法
ROBUST - 共识得分

Allen和Thompson（1984）
人际二元关系
浪漫伴侣
非高等教育学生样本
熟悉的
横断面
面对面

3. 人际沟通与关系动态

4. 关系与互动属性；5. 道德、身份与动机属性
均值水平

高风险

Ames和Wazlawek（2014）
人际二元关系
学生-同龄人（高等教育）
非高等教育学生样本
不熟悉的
横断面
两者

3. 人际沟通与关系动态 [5. 过程元感知]
4. 关系与互动属性
两者

7

高风险

Bailey和Levy（2022）
群体中的二元关系
学生-同龄人（高等教育）
高等教育学生样本
不熟悉的
横断面
两者

3. 人际沟通与关系动态 [5. 过程元感知]
5. 道德、身份与动机属性
相关性

6

高风险

Bellmore和Cillessen（2003）
群体中的二元关系
学生-同龄人（儿童/青少年）
非高等教育学生样本
熟悉的
横断面
面对面

3. 人际沟通与关系动态
4. 关系与互动属性
相关性

5

中等风险

Bleckmann等人（2023）
群体中的二元关系
学生-同龄人（儿童/青少年）
非高等教育学生样本
不熟悉的
横断面
虚拟

3. 人际沟通与关系动态 [5. 过程元感知]
1. 人格特质
相关性

2

低风险

Bochner等人（1982）
人际二元关系
浪漫伴侣
非高等教育学生样本
熟悉的
横断面
面对面

3. 人际沟通与关系动态
4. 关系与互动属性
均值水平

5

中等风险

Brion等人（2015）
群体中的二元关系
学生-同龄人（高等教育）
熟悉的
横断面
面对面

3. 人际沟通与关系动态 [4. 工作场所动态与领导力]
4. 关系与互动属性
均值水平

6

高风险

Campagna等人（2020）
人际二元关系
上司-直属下属
非高等教育学生样本
熟悉的
横断面
面对面

5. 过程元感知 [4. 工作场所动态与领导力]
4. 关系与互动属性
两者

5

中等风险

Carlson（2016a）
人际二元关系
学生-同龄人（高等教育）；亲密他人（朋友/室友）
高等教育学生样本
混合（不熟悉；熟悉）
横断面

2. 心理健康与心理适应

1. 人格特质
相关性

7

高风险

Carlson（2016b）
人际二元关系；群体中的二元关系
浪漫伴侣；亲密他人（朋友/室友）；学生-同龄人（高等教育）
高等教育学生样本
混合（不熟悉；熟悉）；发展中的
混合

面对面

3. 人际沟通与关系动态
1. 人格特质
相关性

8

高风险

Carlson和Oltmanns（2015）
人际二元关系
浪漫伴侣；家庭成员；亲密他人（朋友/室友）；同事；其他（邻居）
非高等教育学生样本
熟悉的
横断面

2. 心理健康与心理适应

1. 人格特质
两者

6

高风险

Carlson等人（2010）
人际二元关系
学生-同龄人（高等教育）
非高等教育学生样本
横断面

5. 过程元感知
1. 人格特质
相关性

5

中等风险

Carlson等人（2011）
人际二元关系
浪漫伴侣；家庭成员；亲密他人（朋友/室友）；学生-同龄人（高等教育）
高等教育学生样本
混合（不熟悉；熟悉）
横断面

5. 过程元感知
1. 人格特质；2. 社会与人际特质；3. 情绪与情感；5. 道德、身份与动机属性；6. 智力、表现与能力；7. 吸引力和外貌
相关性

7

高风险

Carlson等人（2017）
群体中的二元关系
学生-同龄人（高等教育）
发展中的
纵断面

面对面

2. 心理健康与心理适应
1. 人格特质；2. 社会与人际特质；6. 智力、表现与能力

相关性

6

高风险

Cillessen和Bellmore（1999）
群体中的二元关系
学生-同龄人（儿童/青少年）
非高等教育学生样本
纵断面

面对面

3. 人际沟通与关系动态
4. 关系与互动属性
两者

4

中等风险

Cleary等人（2002）
人际二元关系
学生-同龄人（儿童/青少年）
非高等教育学生样本
熟悉的
横断面

面对面

3. 人际沟通与关系动态
4. 关系与互动属性
均值水平

5

中等风险

Cooney等人（2022）
人际二元关系
亲密他人（朋友/室友）；学生-同龄人（高等教育）
非高等教育学生样本
混合（不熟悉；熟悉）
横断面

面对面

5. 过程元感知
未分类

6

高风险

Eisenkraft等人（2017）
群体中的二元关系
同事；学生-同龄人（高等教育）
高等教育学生样本
熟悉的
横断面

面对面

5. 过程元感知 [4. 工作场所动态与领导力]
2. 社会与人际特质；4. 关系与互动属性
相关性

7

高风险

Elsaadawy等人（2021）
群体中的二元关系
学生-同龄人（高等教育）；其他（速配伴侣）
高等教育学生样本
混合（不熟悉；发展中的）
混合

面对面

5. 过程元感知
1. 人格特质
相关性

7

Elsaadawy等人（2023）
人际二元关系
学生-同龄人（高等教育）；亲密他人（朋友/室友）；家庭；浪漫伴侣
高等教育学生样本
混合（不熟悉；熟悉）
横断面

6. 方法论模型与统计工具 [5. 过程元感知]
1. 人格特质；2. 社会与人际特质
相关性

5

中等风险

Engstrom等人（2023）
群体中的二元关系
学生-同龄人（高等教育）
未分类

横断面

面对面

3. 人际沟通与关系动态
2. 社会与人际特质；6. 智力、表现与能力

相关性

5

中等风险

Foster等人（2023）
人际二元关系
家庭成员；亲密他人（朋友/室友）；同事；上司-直属下属；其他（未指定）
高等教育学生样本
熟悉的

横断面

4. 工作场所动态与领导力 [1. 特质领域元感知]
1. 人格特质

8

高风险

Gallrein等人（2016）
人际二元关系；群体中的二元关系
浪漫伴侣；家庭成员；亲密他人（朋友/室友）；学生-同龄人（高等教育）
其他（熟人；前伴侣）
高等教育学生样本
熟悉的

横断面

5. 过程元感知
1. 人格特质；2. 社会与人际特质；3. 情绪与情感；5. 道德、身份与动机属性；7. 吸引力和外貌
相关性

7

高风险

García-Bacete等人（2019）
群体中的二元关系
学生-同龄人（儿童/青少年）
非高等教育学生样本
熟悉的

横断面

5. 过程元感知 [2. 心理健康与心理适应]
4. 关系与互动属性

两者

5

中等风险

Hebert和Vorauer（2003）
人际二元关系
学生-同龄人（高等教育）
非高等教育学生样本
横断面

两者

3. 人际沟通与关系动态
1. 人格特质；2. 社会与人际特质；5. 道德、身份与动机属性；6. 智力、表现与能力

7

高风险

Hirschi等人（2022）
人际二元关系
学生-同龄人（高等教育）
非高等教育学生样本
横断面

5. 过程元感知 [3. 人际沟通与关系动态]
2. 社会与人际特质
均值水平

6

高风险

Hu等人（2014a）
人际二元关系
上司-直属下属
非高等教育学生智力、表现与能力：两者均包含

风险等级：中等风险

来源：Maples-Keller和Miller（2018）

研究对象：人际关系二元组（如亲友、室友；家庭成员、恋爱伴侣）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
1. 特质领域元感知（Trait-Domain Meta-Perception）
a. 人格特质（Personality Traits）

风险等级：高风险

来源：Mastroianni等人（2021）

研究对象：群体中的二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
4. 工作场所动态与领导力（Workplace Dynamics & Leadership）
a. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）

风险等级：中等风险

来源：Matera和Pirani（2024）

研究对象：人际关系二元组（如恋爱伴侣）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 人格特质（Personality Traits）

风险等级：中等风险

来源：Milan等人（2017）

研究对象：人际关系二元组（如家庭成员）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 心理健康与心理适应（Mental Health & Psychological Adjustment）
b. 关系与互动属性（Relational & Interactional Attributes）

风险等级：中等风险

来源：Moritz和Roberts（2018）

研究对象：人际关系二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 人格特质（Personality Traits）

研究方法：相关性分析（Correlational）

风险等级：中等风险

来源：Moritz和Roberts（2020）

研究对象：人际关系二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 过程元感知（Process Meta-Perception）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 关系与互动属性（Relational & Interactional Attributes）

风险等级：中等风险

来源：Ohtsubo等人（2009）

研究对象：人际关系二元组及群体中的二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
5. 过程元感知（Process Meta-Perception）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 情绪与情感（Emotion & Affect）
d. 道德、身份与动机属性（Moral, Identity & Motivational Attributes）
e. 智力、表现与能力（Intelligence, Performance & Competence）

研究方法：相关性分析

风险等级：高风险

来源：Pasquini等人（2024）

研究对象：人际关系二元组（如教练与运动员）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 关系与互动属性（Relational & Interactional Attributes）

风险等级：中等风险

来源：Preuss和Alicke（2009）

研究对象：人际关系二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查（虚拟环境）

数据收集方式：面对面访谈

研究内容：
1. 特质领域元感知（Trait-Domain Meta-Perception）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 关系与互动属性（Relational & Interactional Attributes）
d. 吸引力与外貌（Attractiveness & Physical Appearance）

风险等级：高风险

来源：Rofey等人（2007）

研究对象：人际关系二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 情绪与情感（Emotion & Affect）
d. 关系与互动属性（Relational & Interactional Attributes）
e. 道德、身份与动机属性（Moral, Identity & Motivational Attributes）
f. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：中等风险

来源：Santuzzi（2015）

研究对象：群体中的二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 道德、身份与动机属性（Moral, Identity & Motivational Attributes）

研究方法：相关性分析

风险等级：中等风险

来源：Schaffhuser等人（2014）

研究对象：人际关系二元组（如恋爱伴侣）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 特质领域元感知（Trait-Domain Meta-Perception）

风险等级：中等风险

来源：Schaffhuser等人（2016）

研究对象：人际关系二元组（如恋爱伴侣）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 人格特质（Personality Traits）

风险等级：中等风险

来源：Stribing等人（2022）

研究对象：人际关系二元组（如家庭成员）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：中等风险

来源：Tan和Jamal（2006）

研究对象：群体中的二元组（如上司与下属；同事）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
4. 工作场所动态与领导力（Workplace Dynamics & Leadership）
a. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：中等风险

来源：Tissera和Lydon（2022）

研究对象：人际关系二元组（如恋爱伴侣）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 特质领域元感知（Trait-Domain Meta-Perception）

风险等级：中等风险

来源：Tissera、Heyman和Human（2023）

研究对象：人际关系二元组（如恋爱伴侣）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 情绪与情感（Emotion & Affect）

风险等级：中等风险

来源：Tissera等人（2021）

研究对象：群体中的二元组（如学生与同伴；恋爱伴侣）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 人格特质（Personality Traits）
b. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：中等风险

来源：Tissera、Mignault和Human（2023）

研究对象：群体中的二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 心理健康与心理适应（Mental Health & Psychological Adjustment）
b. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：高风险

来源：Usher等人（2018）

研究对象：人际关系二元组（如不熟悉的中学生同伴）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 社会与人际特质（Social & Interpersonal Traits）

风险等级：中等风险

来源：Vorauer和Miller（1997）

研究对象：人际关系二元组（如学生与同伴）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
5. 过程元感知（Process Meta-Perception）
a. 人格特质（Personality Traits）
b. 关系与互动属性（Relational & Interactional Attributes）
c. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：高风险

来源：Yalch和Hopwood（2017）

研究对象：人际关系二元组（如恋爱伴侣；家庭成员；亲友）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
1. 特质领域元感知（Trait-Domain Meta-Perception）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 情绪与情感（Emotion & Affect）
d. 关系与互动属性（Relational & Interactional Attributes）

风险等级：中等风险

来源：Yuan等人（2022）

研究对象：群体中的二元组（如上司与下属）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
4. 工作场所动态与领导力（Workplace Dynamics & Leadership）
a. 过程元感知（Process Meta-Perception）

风险等级：中等风险

来源：Zabag等人（2018）

研究对象：人际关系二元组（如亲友）

样本：大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
2. 心理健康与心理适应（Mental Health & Psychological Adjustment）
a. 人格特质（Personality Traits）
b. 社会与人际特质（Social & Interpersonal Traits）
c. 情绪与情感（Emotion & Affect）
d. 关系与互动属性（Relational & Interactional Attributes）
e. 智力、表现与能力（Intelligence, Performance & Competence）
f. 吸引力与外貌（Attractiveness & Physical Appearance）

风险等级：高风险

来源：Zheng等人（2025）

研究对象：人际关系二元组（如学生与同伴）

样本：非大学生样本

研究设计：横断面调查

数据收集方式：面对面访谈

研究内容：
3. 人际沟通与关系动态（Interpersonal Communication & Relationship Dynamics）
a. 社会与人际特质（Social & Interpersonal Traits）
b. 智力、表现与能力（Intelligence, Performance & Competence）

风险等级：中等风险

注意：测量方法说明：
- 相关性分析（Correlational）：基于协方差的指标（例如，特征间的相关性、SRM真值斜率）
- 平均值水平（Mean-level）：表示方向性偏差的指标（例如，真值偏差截距、差异分数）
- 详细编码定义请参阅数据提取手册（附录S1）。

注：高分数表示较高风险。

表格2：概括元准确性研究的总结（作者信息包含在表格中）。

研究背景涉及的不同因素包括：互动类型、关系类型、研究对象（大学生样本）、熟悉程度、研究时间设计、关系媒介以及研究焦点和属性类别。测量方法包括基于协方差的统计方法（如相关性分析）。此外，部分研究还采用了Robust一致性评分（ROBUST Consensus Score）等评估方法。两项研究都采用了以下方法：

7. 高风险

参考文献：Malloy (2018)

研究对象包括：群体中的双人组合；家庭成员及亲密他人（朋友/室友）；同事

研究样本为非高等教育机构的学生；参与者之间有一定程度的熟悉度

研究方式为横断面调查；采用面对面交流的方式

5. 过程元感知 [6. 方法论模型与统计工具]

研究内容涵盖：社会与人际特质；智力、表现与能力；吸引力与外貌

研究方法为相关性分析

4. 中等风险

参考文献：Malloy (2019)

研究对象包括：群体中的双人组合；家庭成员及亲密他人（朋友/室友）；同事

研究样本为非高等教育机构的学生；参与者之间有一定程度的熟悉度

研究方式为横断面调查；采用面对面交流的方式

5. 过程元感知 [6. 方法论模型与统计工具]

研究内容涵盖：关系与互动属性

研究方法为相关性分析

4. 中等风险

参考文献：Malloy 和 Albright (1990)

研究对象包括：群体中的双人组合；亲密他人（朋友/室友）

研究样本为高等教育机构的学生；参与者之间有一定程度的熟悉度

研究方式为横断面调查；采用面对面交流的方式

3. 人际沟通与关系动态 [5. 过程元感知]

研究内容涵盖：人格特质

研究方法为相关性分析

7. 高风险

参考文献：Malloy 和 Janowski (1992)

研究对象包括：群体中的双人组合；学生与同伴（高等教育机构）

研究样本为高等教育机构的学生；参与者之间没有熟悉度

研究方式为横断面调查；采用面对面交流的方式

4. 工作场所动态与领导力

研究内容涵盖：智力、表现与能力

研究方法为相关性分析

7. 高风险

参考文献：Mosch 和 Borkenau (2016)

研究对象包括：群体中的双人组合；学生与同伴（高等教育机构）

研究样本为高等教育机构的学生；参与者之间有一定程度的熟悉度

研究方式为横断面调查；采用面对面交流的方式

5. 过程元感知 [2. 心理健康与心理适应]

研究内容涵盖：人格特质

两项研究都采用了相关性分析方法

5. 中等风险

参考文献：Porter 等人 (2019)

研究对象包括：群体中的双人组合；学生与同伴（高等教育机构）

研究样本为高等教育机构的学生；参与者之间有一定程度的熟悉度

研究方式为横断面调查；采用面对面交流的方式

6. 方法论模型与统计工具

研究内容涵盖：人格特质；关系与互动属性

研究方法为相关性分析

6. 高风险

参考文献：Sasson 等人 (2018)

研究对象包括：人际双人组合；其他类型（陌生人）

研究样本为高等教育机构的学生；参与者之间没有熟悉度

研究方式为横断面调查；采用虚拟交流的方式

研究内容涵盖：心理健康与心理适应；人格特质；社会与人际特质；情绪与情感；关系与互动属性；智力、表现与能力

研究方法为相关性分析

6. 高风险

参考文献：Shectman 和 Kenny (1994)

研究对象包括：群体中的双人组合；学生与同伴（高等教育机构）

研究样本为高等教育机构的学生；参与者之间没有熟悉度

研究方式为横断面调查；采用面对面交流的方式

5. 过程元感知

研究内容涵盖：社会与人际特质；关系与互动属性；智力、表现与能力

两项研究都采用了相关性分析方法

4. 中等风险

参考文献：Wu 和 Zheng (2019)

研究对象包括：人际双人组合；学生与同伴（高等教育机构）

研究样本为高等教育机构的学生；参与者之间没有熟悉度

研究方式为横断面调查；采用虚拟交流的方式

研究内容涵盖：人际沟通与关系动态

研究方法为相关性分析

7. 高风险

注：测量方法说明：相关性分析基于协方差指数（如：个人特征相关性、SRM 真实斜率）；均值水平分析基于方向性偏差指数（如：真实值与偏差的截距、差异分数）。详细编码定义请参见数据提取代码手册（附录 S1）。

高分数代表较高风险。以下部分将展示每种元准确性分析的结果，包括研究设计、研究重点、评估的属性以及测量方法。

3.1 偏差风险

在 744 项个体层面判断中（共 93 项研究 × 8 项评估标准），两位独立评估者之间的整体一致性为 90.9%，Cohen's κ 值为 0.796，表明一致性较高。各项评估标准的一致性通常从较高到几乎完美不等（例如：C5 κ 值为 0.853；C6 κ 值为 0.944；C7 κ 值为 0.823；C8 κ 值为 0.945）。尽管原始一致性较高，但由于“高风险”代码的普遍存在（C2 κ 值为 0.000；一致性为 96.8%）以及数据分布偏斜（C4 κ 值为 0.205；一致性为 80.6%），两项标准的一致性有所下降。

3.2 双人组合元准确性（DMA 研究）

DMA 研究（共 56 项，占比 60.2%）是本综述中数量最多的研究类型，旨在探讨个体对他人对其感知的准确理解。在这 56 项研究中，大多数采用人际双人组合情境（37 项，占 66.1%），其次是群体中的双人组合情境（16 项，占 28.6%）和混合方法（3 项，占 5.4%）。在关系情境方面，高等教育机构中的学生与同伴关系是最常见的类型（29 项，占 51.8%），其次是其他类型的关系（14 项，占 25.0%）和浪漫伴侣关系（13 项，占 23.2%）。此外，还涉及亲密他人（11 项，占 19.6%）、家庭关系（10 项，占 17.9%）、上级与下属的专业关系（6 项，占 10.7%）以及儿童/青少年同伴互动（5 项，占 8.9%）。参与者之间的熟悉程度差异较大，熟悉程度较高的参与者占据了半数研究（28 项，占 50.0%），而不熟悉的参与者占 33.9%（19 项）。混合熟悉度和渐进式设计共占剩余研究的 16.1%（9 项）。在时间与方法学特征方面，横断面研究设计占主导（52 项，占 92.9%），纵向研究和混合时间设计占比相对较少（分别为 2 项，占 3.6%和 2 项，占 3.6%）。面对面交流的方法在 DMA 研究中占绝大多数（50 项，占 89.3%），而结合多种方法的研究和虚拟研究环境占比较少（分别为 4 项，占 7.1%和 2 项，占 3.6%）。高等教育机构的学生样本占 DMA 研究样本的 60.7%（34 项），而非高等教育机构的成人样本占 37.5%（21 项）。在研究重点方面，人际沟通与关系动态是最主要的关注点（24 项，占 42.9%），其次是心理健康与心理适应（11 项，占 19.6%）和过程元感知（11 项，占 19.6%）。工作场所动态与领导力研究占 10.7%（6 项），特质领域元感知研究占 5.4%（3 项），方法论模型与统计工具开发占 1.8%（1 项）。

3.3 泛化元准确性（GMA 研究）

GMA 研究（共 17 项，占 18.3%）探讨个体对其总体声誉或他人群体对其认知的准确理解。这些研究主要采用群体中的双人组合情境（11 项，占 64.7%），其次是人际双人组合情境（4 项，占 23.5%）和混合方法（1 项，占 5.9%）。在关系情境方面，高等教育机构中的学生与同伴关系占 GMA 研究的 52.9%（9 项），其他类型的关系占 4 项（23.5%），其次是儿童/青少年同伴关系（3 项，占 17.6%）、同事专业关系（2 项，占 11.8%）、家庭关系（1 项，占 5.9%）和亲密他人（1 项，占 5.9%）。参与者之间的熟悉程度多样，不熟悉的参与者占 GMA 研究的近三分之二（11 项，占 64.7%），而熟悉的参与者占 29.4%（5 项）。渐进式设计占研究的 5.9%（1 项）。在时间与方法学特征方面，横断面设计占 GMA 研究的 94.1%（16 项），纵向研究占 5.9%（1 项）。方法学上的多样性更高，面对面交流的方法占 58.8%（10 项），虚拟方法占 35.3%（6 项），结合多种方法的研究占 5.9%（1 项）。高等教育机构的学生样本占 GMA 研究的 52.9%（9 项），非高等教育机构的成人样本占 41.2%（7 项）。在研究重点方面，过程元感知是主要关注点（7 项，占 41.2%），其次是人际沟通与关系动态（4 项，占 23.5%）和特质领域元感知（3 项，占 17.6%）。心理健康与心理适应研究占 17.6%（3 项）。在评估元准确性的属性方面，人格特质评估在半数 GMA 研究中进行（28 项，占 50.0%），其次是社会与人际特质评估（22 项，占 39.3%）、关系与互动属性（21 项，占 37.5%）、智力、表现与能力特征（19 项，占 33.9%）、道德、身份与动机属性（11 项，占 19.6%）、情绪与情感维度（9 项，占 16.1%）以及吸引力与外貌评估（5 项，占 8.9%）。在测量方法方面，46.4%（26 项）的 GMA 研究采用了相关性分析方法，32.1%（18 项）采用了结合相关性与均值水平的方法，21.4%（12 项）仅采用了均值水平方法。

3.4 综合双人组合与泛化元准确性（Combined DMA/GMA 研究）

Combined DMA/GMA 研究（共 20 项）占文献总数的 21.5%，同时探讨了具体双人组合的准确性和个体总体声誉的准确性。这些研究主要采用群体中的双人组合情境（12 项，占 60.0%），其次是人际双人组合情境（5 项，占 25.0%）和混合方法（3 项，占 15.0%）。在关系情境方面，高等教育机构中的学生与同伴关系占 60.0%（12 项），其他类型的关系占 11 项（55.0%），其次是亲密他人（9 项，占 45.0%）、浪漫关系（4 项，占 20.0%）和同事专业关系（2 项，占 10.0%）。参与者之间的熟悉程度显示，熟悉的参与者占 Combined DMA/GMA 研究的 55.0%（11 项），而不熟悉的参与者占 35.0%（7 项）。渐进式设计占剩余研究的 10.0%（2 项）。在时间与方法学特征方面，横断面设计占 Combined DMA/GMA 研究的 100.0%（20 项）。面对面交流的方法在 Combined DMA/GMA 研究中占主导（90.0%），虚拟研究方法占 10.0%（2 项）。高等教育机构的学生样本占 Combined DMA/GMA 研究的 85.0%（17 项），非高等教育机构的样本占 15.0%（3 项）。在研究重点方面，过程元感知是主要研究方向（7 项，占 41.2%），其次是人际沟通与关系动态（4 项，占 23.5%）和特质领域元感知（3 项，占 17.6%）。心理健康与心理适应研究占 17.6%（3 项）。在评估元准确性的属性方面，人格特质评估在半数 GMA 研究中进行（35.3%），情绪与情感评估和关系与互动属性评估各占 35.3%（6 项）。社会与人际特质（5 项，占 29.4%）和智力、表现与能力特征（5 项，占 29.4%）的评估频率相当。此外，吸引力与外貌评估（3 项，占 17.6%）和道德、身份与动机属性（2 项，占 11.8%）也有所涉及。在测量方法方面，47.1%（8 项）的 GMA 研究采用了相关性分析方法，35.3%采用了双重分析方法，17.6%采用了均值水平方法。

3.5 不同类型研究之间的比较

DMA 研究占已识别研究的 60.2%（56 项），Combined DMA/GMA 研究占 21.5%（20 项），GMA 研究占 18.3%（17 项）。不同类型的元准确性研究中，方法学偏好存在系统差异：DMA 研究更倾向于使用人际双人组合情境（37 项，占 66.1%），而 GMA 研究（11 项，占 64.7%）和 Combined DMA/GMA 研究（12 项，占 60.0%）则主要采用群体中的双人组合情境。图 2 显示了按关系情境分类的研究分布。高等教育机构中的学生与同伴关系在 Combined DMA/GMA 研究中的占比最高（12 项，占 60.0%），其次是 GMA 研究（9 项，占 52.9%）和 DMA 研究（29 项，占 51.8%）。浪漫关系在 DMA 研究（13 项，占 23.2%）和 Combined DMA/GMA 研究（4 项，占 20.0%）中较为常见，但在 GMA 研究中较少见。儿童与青少年同伴关系在 GMA 研究（3 项，占 17.6%）和 DMA 研究（5 项，占 8.9%）中存在。专业与家庭关系在不同类型的元准确性研究中分布不均。图 2 展示了 DMA（56 项）、GMA（17 项）和 Combined DMA/GMA（20 项）元准确性研究中关系情境特征的分布情况。条形图显示了各类别在每种元准确性类型中的比例。熟悉程度较高的参与者在 Combined DMA/GMA 研究（11 项，占 55.0%）和 DMA 研究（28 项，占 50.0%）中的占比最高，而在 GMA 研究（5 项，占 29.4%）中占比较低。相反，不熟悉的参与者在 GMA 研究（11 项，占 64.7%）中的占比最高，而在 Combined DMA/GMA 研究（7 项，占 35.0%）和 DMA 研究（19 项，占 33.9%）中占比较低。在时间与方法学特征方面，横断面设计在所有类型的元准确性研究中占主导（占 100.0%）。面对面交流的方法在 Combined DMA/GMA 研究中占主导（18 项，占 90.0%），虚拟研究方法占 10.0%（2 项）。高等教育机构的学生样本在 Combined DMA/GMA 研究中占主导（85.0%），非高等教育机构的样本占 15.0%（3 项）。在研究重点方面，过程元感知是主要研究方向（7 项，占 41.2%），其次是人际沟通与关系动态（4 项，占 23.5%）和特质领域元感知（3 项，占 17.6%）。心理健康与心理适应研究占 17.6%（3 项）。在评估元准确性的属性方面，人格特质评估在半数 GMA 研究中进行（35.3%），情绪与情感评估和关系与互动属性评估各占 35.3%（6 项）。社会与人际特质（5 项，占 29.4%）和智力、表现与能力特征（5 项，占 29.4%）的评估频率相当。此外，吸引力与外貌评估（3 项，占 17.6%）和道德、身份与动机属性（2 项，占 11.8%）也有所涉及。在测量方法方面，相关性分析方法在 47.1%（8 项）的 GMA 研究中采用，双重分析方法占 35.3%（6 项），均值水平方法占 17.6%（3 项）。

3.5 综合双人组合条形图显示了每种元准确性类型中每个研究重点类别的比例分布。在评估元准确性的属性方面，人格特质评估在所有类别中出现的频率最高，结合DMA/GMA研究（k = 14；70.0%）、DMA研究（k = 28；50.0%）和GMA研究（k = 6；35.3%）中尤为明显，如图4所示。社会和人际特质评估在结合DMA/GMA研究（k = 8；40.0%）、DMA研究（k = 22；39.3%）和GMA研究（k = 5；29.4%）中也表现出显著性。关系和交互属性评估出现在结合DMA/GMA研究（k = 8；40.0%）、DMA研究（k = 21；37.5%）和GMA研究（k = 6；35.3%）中。智力、绩效和能力特征在结合DMA/GMA研究（k = 8；40.0%）、DMA研究（k = 19；33.9%）和GMA研究（k = 5；29.4%）中都有体现。情绪和情感属性在GMA研究（k = 6；35.3%）中最为突出，其次是DMA研究（k = 9；16.1%）和结合DMA/GMA研究（k = 2；10.0%）。道德、身份和动机属性在DMA研究中最为常见（k = 11；19.6%），而在GMA研究（k = 2；11.8%）和结合DMA/GMA研究（k = 2；10.0%）中的代表性较低。吸引力和外貌评估在GMA研究（k = 3；17.6%）中最为普遍，相比之下DMA研究（k = 5；8.9%）和结合DMA/GMA研究（k = 2；10.0%）中的比例较低。

图4显示了在DMA（k = 56）、GMA（k = 17）和结合DMA/GMA（k = 20）元准确性研究中属性领域的分布情况。条形图展示了每种元准确性类型中每个属性领域的比例分布。如图5所示，相关性分析方法在不同元准确性类型中的使用情况存在差异，其中结合DMA/GMA研究中的使用频率最高（k = 15；75.0%），其次是GMA研究（k = 8；47.1%）和DMA研究（k = 26；46.4%）。平均水平方法在DMA研究（k = 12；21.4%）和GMA研究（k = 3；17.6%）中最为常见，而结合DMA/GMA研究中的使用频率较低（k = 1；5.0%）。双重分析方法在GMA研究（k = 6；35.3%）中更为普遍，相比之下DMA研究（k = 18；32.1%）和结合DMA/GMA研究（k = 4；20.0%）中的使用频率较低。

3.6 遵循推荐的报告实践

通过对所有93项研究对象进行系统性的编码提取（详见附录S4；完整提取内容见附录S5），量化了当前报告实践与审查中提出的建议的符合程度。仅有33%的研究（31/93）明确标注了是评估了DMA、GMA还是两者兼有。值得注意的是，所有明确标注了研究主题的研究都始终使用了一致的术语。测量规范的使用较为普遍，有86%（80/93）的研究指明了所使用的准确性统计方法。对于各个参数、互动情境（95%；88/93）、关系类型（96%；89/93）、熟悉程度（86%；80/93）以及评估媒介（90%；84/93），情境报告 generally 进行得较为充分，但四大方面的严格遵循程度较低，仅为77%（72/93）。补充报告是 weakest 的领域：只有28%（26/93）的研究在正文中描述了补充内容，34%（32/93）的研究提供了数据共享或存储库链接。

4. 讨论

这项对93项研究的系统回顾强调了元准确性研究在关系背景、研究重点、属性领域和测量方法方面的多样性。二元元准确性（DMA）、广义元准确性（GMA）和组合方法的不同特征反映了元准确性在不同背景下研究方式的显著差异。

4.1 二元元准确性 vs 广义元准确性

DMA和GMA之间的区别对于理解研究中的模式至关重要。如引言中所概述的，这两种形式代表了不同的推断层次：DMA关注特定伙伴的感知准确性，而GMA关注一个人在多个感知者中的整体声誉准确性（Elsaadawy和Carlson 2019；Kenny 2020；Kenny和DePaulo 1993）。本回顾中观察到的DMA与熟悉的双边情境的系统性关联以及GMA与不熟悉群体情境的关联，支持了这种区分的理论相关性，而不是方法上的任意变化。同时，回顾也表明了这些推断层次在概念化和操作化方面的差异。在一些研究中，GMA是通过与群体参照元感知提示对齐的感知者评分直接评估的。在其他情况下，GMA是通过方差分解方法从二元格式的元感知项目中统计得出的，例如社会关系模型（SRM）目标效应（Kenny 1994；Kenny 2020）。这两种方法都能产生可分析区分的二元和广义成分，并且在方法上都是可行的；然而，它们在概念上强调推断层次的程度上有所不同（Carlson和Barranti 2016；Donnelly等人2022；Porter等人2019）。早期的概念和方法学讨论强调了区分元准确性成分的重要性（Shectman和Kenny 1994；Carlson和Kenny 2012；Elsaadawy和Carlson 2019；Kenny 2020）。本回顾通过系统地映射DMA和GMA在各种情境和分析方法中的操作方式，进一步扩展了这一讨论。随着新兴模型表明DMA和GMA可能反映了部分不同的心理机制（Hater等人2023；Elsaadawy等人2024），推断规范的变化对于解释变得越来越重要。在本回顾中，对研究进行分类的过程进一步强调了这一点，呼应了早期方法学讨论中关于二元和广义成分之间的区别（Shectman和Kenny 1994；Carlson和Kenny 2012）。确定一项研究是评估了DMA、GMA还是两者兼有，需要仔细检查分析实施情况，而不仅仅是依赖术语。元感知提示、抽样结构和统计估计器并不总是在同一推断层次上进行操作，有时推断层次是隐含的而非明确指定的（Carlson和Barranti 2016；Kenny 2020）。尽管这些方法在方法上是可行的，但推断规范的变化可能会使跨研究比较和累积综合变得复杂。在基于轮廓的方法中，将元感知分解为规范成分和独特成分时（Biesanz 2010），这些成分可能类似于声誉效应和二元效应。然而，这些成分反映了分析结构，并不一定代表这里定义的GMA或DMA。因此，澄清估计准确性的推断层次可以减少概念上的模糊性，并增强不同建模传统之间的可比性。这些区别很重要，因为DMA和GMA不一定反映相同的基本过程（Carlson和Kenny 2012；Elsaadawy和Carlson 2019；Kenny 2020）。DMA需要关注关系特有的变化和伙伴差异（Elsaadawy和Carlson 2019），而GMA假设感知者之间存在一定程度的声誉一致性（Kenny 2020）。此外，感知者之间低一致性的解释并不单一。在某些情境中，有限的一致性可能反映了关系中的真实行为变异性，这限制了GMA作为一个构成的意义。在其他情况下，低一致性可能是由于其他评分中的测量误差、量表使用受限或对目标的接触不足造成的（Kenny 2020；West和Kenny 2011）。因此，解释GMA的存在与否需要注意评分者之间的一致性和标准可靠性。常规报告一致性指数与GMA估计值可以增强解释性（Kenny 2020）。结合DMA/GMA研究集中在高等教育学生样本和相关设计中，进一步限制了其普遍性。这些推断层次在其他人群、关系背景和分析方法中是否表现出相似的模式仍是一个开放的实证问题。提高推断规范的可透明度将有助于推动累积进展。研究人员应明确说明他们的研究是考察二元准确性、广义准确性还是两者兼有，并确保概念框架、测量提示、抽样结构和统计实施处于同一推断层次（Elsaadawy和Carlson 2019；Kenny 2020）。当分析分解从一组元感知项目中得出多个成分时，明确这些成分如何对应于理论构成可以增强研究的解释性和可比性。另一个重要的方面是每种元准确性的理论适用性。由于DMA和GMA反映了概念上不同的社会推断层次，它们不应被视为单一构成的可互换估计器。当研究重点关注特定关系的理解，即一个目标是否准确反映了特定个体的看法时，DMA是合适的。当问题涉及多个感知者的声誉层面的洞察时，GMA是合适的。关键在于，GMA假设声誉信息可以在感知者之间有意义地汇总，这使得该层次的推断的一致性成为一个理论考虑因素，而不仅仅是统计上的考虑。因此在设计阶段明确指定和证明预期的推断层次可以澄清解释，防止概念上的偏差，并加强不同建模传统之间的累积整合。

4.2 关系背景

元准确性类型与关系背景之间的系统关联反映了一个关键的概念区别：DMA强调关系特定的理解，并集中在熟悉参与者的双边情境中，而GMA则反映声誉准确性，并集中在不熟悉的参与者组成的群体情境中（Kenny 2020；Levesque 1997；Malloy等人2007；Porter等人2019）。这种分布与关于不同形式元准确性如何运作的理论假设一致，尽管这些假设在主要研究中很少得到明确表述。从不熟悉的情境到熟悉的情境的转变表明这些形式具有不同的功能。DMA可能依赖于积累的关系知识，这解释了它在已建立的关系研究中的集中现象，而GMA可能在初次接触时更容易操作，因为此时可观察的线索和多个感知者提供了一致的信息（Carlson等人2010；Lorenzo等人2010）。当前研究的三个特点显著限制了其普遍性。首先，集中在高等教育学生群体中（总体上占64.5%；在结合研究中占85.0%）引起了对外部有效性的担忧（Henrich等人2010）。大学情境结合了结构化的互动与认知相似的同伴、时间有限的关系以及通过共同活动实现的相对较高的可观察性。这些特点可能促进了元准确性过程，而在涉及权力差异的工作场所层级结构中（Eisenkraft等人2017；Hu等人2014a）、具有累积历史的长期家庭关系中（Levesque 1997；Milan等人2017），或在互动较少的小社区情境中（Malloy等人1997；Sherman等人2001），这些过程可能会更加复杂。此外，结合研究中同时考察两种元准确性类型的样本主要集中在学生群体中，这意味着我们对DMA和GMA之间关系的理解几乎完全来自于这一狭窄的人群。其次，横断面设计（k = 88；94.6%）的主导地位严重限制了我们可以对元准确性的时间属性进行的结论。这种模式不一定表明理论上的不确定性；它可能反映了一个隐含的假设，即元准确性代表了相对稳定的个体差异，对于这种情况，横断面设计已经足够。然而，无论潜在假设如何，当前横断面设计的主导地位使得这个问题在实证上尚未得到解决。横断面证据无法确定元准确性是否通过积累的互动经验而提高，是否在重塑社会网络的生命周期转换中波动，或是否在情境变化下仍然保持等级顺序（Bleckmann等人2024；Elsaadawy等人2021）。这些问题具有重要的意义：如果准确性确实通过经验得到系统性的提高，干预措施可以针对学习过程（Bleckmann等人2024；Carlson等人2011；Elsaadawy等人2021）；如果稳定的个体差异占主导，那么选择需要准确性的角色就变得更加相关（Biesanz 2010；Hater等人2023；Human和Biesanz 2013）。第三，数字情境在DMA研究中几乎没有得到足够的探索，尤其是在只有10.7%（k = 6）的研究中使用了数字方法。随着当代关系通过数字渠道发展和维持，这一差距变得越来越重要。当前许多文献的假设，即二元元准确性需要面对面的互动才能有效运作，可能反映了方法上的保守性而非实证证据。数字通信提供了与面对面互动不同的线索配置：减少了非语言信息，但可能提供了更明确的言语反馈，异步交流促进了反思，以及交流的永久记录（Sherman等人2001；Stopfer等人2014；Tissera, Mignault和Human 2023；Tsankova和Tair 2022）。理解这些特点如何塑造元准确性对于理论完整性和实际应用都是重要的。

4.3 研究重点和属性领域

研究重点在元准确性类型中的分布表明，文献的不同部分在跨领域整合方面发展有限。人际沟通和关系动态研究主要集中在DMA研究中（k = 24；42.9%），心理健康和心理适应研究主要在DMA调查中（k = 11；19.6%），而过程元感知研究则主要在结合DMA（k = 12；60.0%）和GMA研究（k = 7；41.2%）中进行。这些模式表明，从事不同元准确性类型的研究人员在不同的学科传统中追求相关问题，限制了概念和方法论进展在各个领域之间的传播。研究一般声誉过程的社会心理学家很少与研究二元理解的关系研究者互动，尽管两者都涉及个体如何理解他人的感知（Human和Biesanz 2013；Kenny 2020）。这种多样性对该领域有实际影响，因为在某一传统中发展的测量、情境理解或应用干预措施可能无法惠及其他领域的研究人员。在工作场所研究在GMA研究中的代表性很低（即完全缺失），而在DMA调查中则有所体现（k = 6；10.7%），这揭示了研究重点如何影响方法选择。组织环境的概念化要求理解特定权威人物的看法（例如，主管的评估、关键客户的印象），而不是同事之间普遍的声誉（Eisenkraft等人，2017年）。这种概念化可能反映了真正的功能差异：员工可能更重视他们的直接主管的看法，而不是他们的整体地位。或者，它可能反映了实际的限制，因为组织内部的接触使得研究已确定的主管-下属关系对更容易，而不是收集全面的同行评价。该领域缺乏系统的调查来测试工作场所的结果主要取决于与关键人物的二元准确性，还是取决于组织网络中的普遍准确性。在元准确性研究中，对人格特质的关注（组合：70.0%；DMA：50.0%；GMA：35.3%）可能反映了实用和理论上的考虑。人格涵盖了在可观察性和评价价值上有所不同的属性，这使得它非常适合测试在不同特质上元准确性应该是高还是低。同时，其多维结构允许更深入地了解元准确性出现的条件。因此，人格测量的突出地位可能反映了测量的便利性和它们的理论效用。未来的研究应该超越人格，扩展到技能、情感和价值观等领域，同时报告关键属性特征，如可观察性和评价价值，以澄清发现何时具有跨领域的普遍性，何时仍然特定于某个领域。

4.4 测量方法及其影响

测量方法的变化反映了元准确性的根本不同的概念化（Carlson和Furr 2009；Donnelly等人2022；Kenny和DePaulo 1993；Vazire和Carlson 2010）。相关性方法通过检查个体是否正确地感知属性之间的排名来评估相对准确性。平均值方法通过检查个体是否正确估计评价的价值和幅度来评估方向准确性。这些方法不是可互换的，但它们捕捉到可能预测不同结果的不同的方面。从DMA到GMA再到组合研究的相关性方法使用量的逐渐增加表明，研究多种元准确性类型的研究人员严重依赖相关性轮廓指标，可能是因为促进跨类型比较的统计框架强调方差分解（Biesanz 2010；Kenny等人2023）。然而，这种向组合研究中相关性方法的 metodological 收敛，以及相应地几乎不存在独立的平均值方法（k = 1；5.0%），代表了具有理论意义的限制。如果方向性偏差对两种元准确性类型都有功能相关性，但在组合调查中仍未被测量，那么目前对DMA和GMA之间关系的理解可能是不完整的。在DMA研究中大量使用平均值方法（k = 30；总共有53.5%）反映了人们认识到方向准确性对于仅靠（相关性）准确性无法捕捉的关系结果是具有重要功能的（Carlson 2016a；Schaffhuser等人2016）。一个浪漫伴侣可能准确地感知到他们在各种特质上的相对地位，但系统性地低估了伴侣的情感，尽管有很高的相关性准确性，这说明平均值偏差是独立的。该领域缺乏系统的研究来探讨相关性和平均值指标是否通过预测不同的结果来显示不同的有效性，对情境调节因素有不同的敏感性，或者捕捉个体差异的不同来源（Donnelly等人2022）。目前根据学科传统或统计便利性选择测量方法的主流做法，而不是明确的理论依据，阻碍了理解这些指标是否提供了关于元准确性过程的冗余或互补信息。未来的研究应该扩展到技能、情感和价值观等领域，同时报告关键属性特征，如可观察性和评价价值，以澄清发现何时具有跨领域的普遍性，何时仍然特定于某个领域。

4.4 测量方法及其影响

测量方法的变化反映了元准确性的根本不同概念化（Carlson和Furr 2009；Donnelly等人2022；Kenny和DePaulo 1993；Vazire和Carlson 2010）。相关性方法通过检查个体是否正确感知属性之间的排名来评估相对准确性。平均值方法通过检查个体是否正确估计评价的价值和幅度来评估方向准确性。这些方法不是可互换的，但它们捕捉到可能预测不同结果的不同的方面。从DMA到GMA再到组合研究的相关性方法使用量的逐渐增加表明，研究多种元准确性类型的研究人员严重依赖相关性轮廓指标，可能是因为促进跨类型比较的统计框架强调方差分解（Biesanz 2010；Kenny等人2023）。然而，这种方法论向相关性方法的收敛，以及相应地几乎不存在独立的平均值方法（k = 1；5.0%），代表了具有理论意义的限制。如果方向性偏差对两种元准确性类型都有功能相关性，但在组合调查中仍未被测量，那么目前对DMA和GMA之间关系的理解可能是不完整的。在DMA研究中大量使用平均值方法（k = 30；总共53.5%）反映了人们认识到方向准确性对于关系结果是具有重要功能的，这单靠（相关性）准确性无法捕捉到（Carlson 2016a；Schaffhuser等人2016）。一个浪漫伴侣可能准确地感知到他们在各种特质上的相对地位，但系统地低估了伴侣的情感，尽管有很高的相关性准确性，这说明了平均值偏差的重要性。该领域缺乏系统的研究来探讨相关性和平均值指标是否通过预测不同的结果来显示不同的有效性，对情境调节因素有不同的敏感性，或者捕捉个体差异的不同来源（Donnelly等人2022）。目前基于学科传统或统计便利性选择测量方法的做法，而不是明确的理论依据，阻碍了理解这些指标是否提供了关于元准确性过程的冗余或互补信息。未来的研究应该在同一研究中检验这两种指标，以确定它们之间的相互关系和独特贡献。当前的综述发现，在包括的93项研究中存在显著的概念和方法学异质性，目前无法进行有意义的定量汇总。如前所述，DMA和GMA在分析上是不同的，不能互换地估计同一构建。此外，元准确性在不同的测量传统中被操作化，即使在这些传统内部，研究也依赖于基于不同统计假设的非等价估计器。因此，报告的效果大小不能直接比较。在不同关系背景、熟悉程度、属性领域、聚合策略和报告格式上的进一步变化加剧了这种不可比性。在这些条件下，跨研究汇总可能会产生一个缺乏明确理论解释的平均效应。因此，当前的综述为将来在明确定义的元准确性类型和测量框架内进行的元分析提供了必要的概念基础。

4.5 偏差风险和研究质量

使用调整后的ROBUST框架进行的评分者间一致性分析显示，偏差风险编码的整体一致性很高（90.9%；κ = 0.796）。尽管原始一致性很高，但两个标准的κ值降低反映了普遍悖论，即高风险的极端基础率降低了κ值，而不是表明标准应用不一致。通过第三评审者的交叉检查达成的共识过程减少了剩余的差异，提供了对记录的偏差风险模式的信心。中等至高风险评分的普遍性不应被解释为元准确性文献在方法论上的弱点。相反，这些评分反映了从调查研究指南中调整而来的一致性、预先指定的框架的应用，该框架在研究之间被一致应用。重要的是，一些标准在设计上是保守的。例如，不完整地报告招聘程序、排除率或可靠性估计被编码为高风险，这符合既定的偏差风险惯例（Nudelman和Otto 2020），即使这样的遗漏可能是由于期刊的字数限制而不是实质性的方法论缺陷。在必要时，会参考支持信息来验证报告，然后分配评分。因此，得出的轮廓可能反映了人格和人际感知研究中常见的报告限制和设计约束，特别是在较老的研究中，而不是普遍的致命缺陷。同时，高风险指标在样本透明度、可靠性报告和数据管理等领域中的集中，强调了需要更清晰文档化的领域，这将显著加强该领域。因此，目前的建议并不是对个别研究的批评，而是为了提高未来研究的透明度、可解释性和累积综合性的指导。几个反复出现的风险对于解释元准确性发现特别重要。首先，狭窄的样本框架，特别是对高等教育程度较高的大学生群体的明显依赖，限制了其普遍性，超出了教育同质的年轻成人群体（Henrich等人2010）。这种样本集中性与第4.2节讨论的情境模式相交：如果大学环境结合了高度可观察的行为和相对较低的人际关系风险，那么发现可能不适用于工作场所的层级结构、家庭关系或其他元准确性起作用的情境。其次，小样本或便利样本限制了统计能力和人群代表性（Button等人2013）。元准确性研究通常需要复杂的設計来评估多个感知者，这限制了可实现的样本大小。然而，力量不足的研究可能会产生不稳定的效果估计，从而导致调查之间的明显不一致。该领域在研究焦点和测量方法上的结构变化可能部分反映了抽样变异性，而不是真正的理论差异。第三，有限的人口统计报告和测量可靠性文档阻碍了解释。元准确性统计基本上依赖于使用匹配构建和量表的成对报告。如果没有记录元感知和标准评分之间的量表等价性，读者无法评估表面上的准确性是否反映了真正的洞察力或方法论人为因素。当综合使用可能采用不同方法的研究结果时，这种差异会成为问题。第四，数据收集设置可能会在同时收集元感知和标准评分时放大共享方法的方差（Podsakoff等人2003）。这样的设计可能会导致效果估计部分反映了方法上的重叠，而不是真正的元感知能力。这些质量问题与第4.4节记录的测量一致性问题相互作用，特别是当研究未能报告测量提示是针对特定他人还是普遍他人，或者统计是否与概念框架对齐时。增强的报告标准将解决这些问题。未来的研究应该记录元感知和标准评分的量表等价性，报告两种测量的可靠性系数，指定影响配对的流失或排除规则，并描述数据管理实践，以证明自我评分与标准评分是分开的。这些改进将使得在更大的标准化实现后，能够更自信地进行质量评估和有效的综合。

4.5 偏差风险和研究质量

使用调整后的ROBUST框架进行的评分者间一致性分析显示，偏差风险编码的整体一致性很高（90.9%；κ = 0.796）。尽管原始一致性很高，但两个标准的κ值降低反映了普遍悖论，即高风险的极端基础率降低了κ值，而不是表明标准应用不一致。通过第三评审者的交叉检查达成的共识过程减轻了剩余的差异，提供了对记录的偏差风险模式的信心。中等至高风险评分的普遍性不应被解释为元准确性文献在方法论上的弱点。相反，这些评分反映了从调查研究指南中调整而来的一致性、预先指定的框架的应用。重要的是，一些标准在设计上是保守的。例如，不完整地报告招聘程序、排除率或可靠性估计被编码为高风险，这符合既定的偏差风险惯例（Nudelman和Otto 2020），即使这样的遗漏可能是由于期刊的字数限制而不是实质性的方法论缺陷。在必要时，会参考支持信息来验证报告。因此，得出的轮廓可能反映了人格和人际感知研究中常见的报告限制和设计约束，特别是在较老的研究中，而不是普遍的致命缺陷。同时，高风险指标在样本透明度、可靠性报告和数据管理等领域的集中，强调了需要更清晰文档化的领域，这将显著加强该领域。因此，目前的建议并不是对个别研究的批评，而是为了提高未来研究的透明度、可解释性和累积综合性的指导。几个反复出现的风险对于解释元准确性发现特别重要。首先，狭窄的样本框架，特别是对高等教育程度较高的学生群体的明显依赖，限制了其普遍性，超出了教育同质的年轻成人群体（Henrich等人2010）。这种抽样集中性与第4.2节讨论的情境模式相交：如果大学环境结合了高度可观察的行为和相对较低的人际关系风险，那么发现可能不适用于工作场所的层级结构、家庭关系或其他元准确性起作用的情境。其次，小样本或便利样本限制了统计能力和人群代表性（Button等人2013）。元准确性研究通常需要复杂的设計来评估多个感知者，这限制了可实现的样本大小。然而，力量不足的研究可能会产生不稳定的效果估计，从而导致调查之间的明显不一致。该领域在研究焦点和测量方法上的结构变化可能部分反映了抽样变异性，而不是真正的理论差异。第三，有限的人口统计报告和测量可靠性文档阻碍了解释。元准确性统计基本上依赖于使用匹配构建和量表的成对报告。如果没有记录元感知和标准评分之间的量表等价性，以及确保自我评分的数据管理实践不污染标准评分的可靠性系数，读者无法评估表面上的准确性是否反映了真正的洞察力或方法论人为因素。当综合使用可能采用不同方法的研究结果时，这种差距就会成为问题。第四，数据收集设置可能在同时使用类似格式收集元感知和标准评分时夸大了共享方法的方差（Podsakoff等人2003）。这样的设计可能会导致效果估计部分反映了方法上的重叠，而不是真正的元感知能力。这些质量问题与第4.4节记录的测量一致性问题相互作用，特别是当研究未能报告测量提示是针对特定他人还是普遍他人，或者统计是否与概念框架对齐时。加强的报告标准将解决这些问题。未来的研究应该记录元感知和标准评分的量表等价性，报告两种测量的可靠性系数，指定影响配对的流失或排除规则，并描述数据管理实践，以证明自我评分与标准评分是分开的。这些改进将使得在不同研究之间进行更自信的质量评估和有效的综合成为可能。值得注意的是，从系统化遵守性提取（第3.6节；附录S4和S5）中识别出的模式表明，这些实践在文献中尚未一致实施，而不是完全缺失。因此，以下的建议是实际可行的步骤，将直接提高元准确性研究的可解释性、可比性和累积整合。

4.6 建议

为了促进累积证据和跨研究比较，我们提出四项建议。研究应该明确标注它们是评估DMA、GMA还是两者，根据它们的操作化和分析方法，因为这些代表了具有不同理论含义的不同心理过程。这种规范应该出现在摘要、方法部分和讨论中。测量方法需要透明地报告统计方法和决策。例如，研究人员应该指明他们的研究是使用相关性方法（例如，评估相对准确性）、平均值方法（例如，评估方向性偏差），还是两者兼有。报告应该指定使用的具体统计量，如轮廓相关性或配对t检验，以及置信区间和效果大小。情境参数需要一致的文档化，包括互动设置、关系类型、熟悉程度和沟通媒介。这些情境因素系统地影响元准确性过程，必须报告以理解边界条件。带有代码簿一致变量名称、样本特征和方法学细节的标准化补充报告表将大幅简化未来的综合工作。这样的表格应该报告所有获得的能力系数，包括零结果，以防止发表偏见。

4.7 局限性和未来方向

有几项局限性需要考虑。将审查范围限制在经过同行评审的英文出版物上，可能排除了相关的灰色文献、非英文作品和预印本，限制了文化和方法学的多样性。以元准确性为中心的搜索词可能错过了使用类似标签的研究，如反映性评估或外部自我意识。我们根据元准确性类型对研究的分类虽然基于操作规则，但必然简化了概念上的细微差别，并排除了组间设计。普遍性进一步受到对高等教育程度较高的学生样本的严重依赖和主要使用横断面设计的限制，以及尽管数字媒介的相关性日益增加但关注不足。未来的工作应该通过扩大人口范围来解决这里识别的结构变化，包括跨文化、发展性、临床和社会经济多样性的群体；采用纵向设计来澄清稳定性、学习和互惠影响；并在同一研究中通过改变情境、关系类型和熟悉程度系统地测试多种元准确性类型。面对面和数字互动的匹配比较，以及使用生态瞬时评估、混合方法和同时报告相关性和平均值指数的方法学创新，将加强推断和可比性。最后，应用转化的进展将取决于共享的框架和测量标准，这些标准能够在临床、组织和个人关系环境中实现一致的实施，例如结构化的反馈协议、元感知偏差的认知重构、结合元准确性提升的领导力发展，以及针对方向性偏差的关系干预。

4.8 结论

本综述首次全面综合了不同背景、焦点、属性和测量下的元准确性研究。综述表明，表面上的划分反映了真正的功能差异，而不是任意选择，DMA工作集中在已建立的关系中，其中对特定伙伴观点的洞察与关系结果相关，而GMA工作则集中在群体动态上，其中准确性影响声誉和社会定位。同时，综合强调了进一步整合将加强该领域的领域，特别是在术语不一致、相关性和平均值传统之间的对话有限、领域孤岛、对大学样本的过度依赖以及对数字环境的关注不足等方面。为了支持累积进展，我们提出了实际的报告标准、明确的元准确性类型标签、透明的测量文档、标准化的属性类别、更完整的情境描述，以及关于验证、提示分析对齐和纵向设计的方法学指导。这里确定的研究优先事项（即人群多样化、纵向跟踪、数字环境的检查、跨情境的研究设计、方法学创新和应用干预的发展）为更综合的证据提供了清晰的路径。这样的进步将使得理论解释更加有力，并在临床、组织和个人关系环境中实现更可靠的转化，明确了人们如何导航他人的感知及其对功能和幸福感的后果。

作者贡献：

Craig Harper：概念化、方法论、形式分析、调查、数据管理、项目管理、写作——原始草稿、写作——审阅和编辑。Melissa Cameron：概念化、方法论、形式分析、调查、数据管理、可视化、项目管理、写作——原始草稿、写作——审阅和编辑。Lucy Albertella：概念化、方法论、监督、写作——审阅和编辑。Odkhishig Ganbold：概念化、方法论、形式分析、调查、数据管理、写作——审阅和编辑。Campbell Ince：调查、写作——审阅和编辑。Lars Kooijman：调查、写作——审阅和编辑。Maria Suetin：数据管理、写作——审阅和编辑。Benjamin Kozoolin：数据管理、写作——审阅和编辑。穆拉特·于塞尔（Murat Yücel）：概念化、指导、撰写、审稿与编辑工作。克里斯蒂安·罗塔鲁（Kristian Rotaru）：概念化、撰写、审稿与编辑工作、方法论设计、数据分析、数据管理、项目协调、指导以及初稿撰写。所有作者均已阅读并同意本手的最终版本。

致谢：
本研究的开放获取出版工作得到了莫纳什大学（Monash University）的支持，该支持基于由澳大利亚大学图书馆协会（Council of Australasian University Librarians）主导的Wiley与莫纳什大学合作协议。资金情况：
作者们需声明没有相关的利益冲突。数据公开声明：
支持本研究结论的数据可在本文的“支持信息”（Supporting Information）部分找到。