跨情境的刺激泛化在面孔信任形成中的作用：基于直接互動與觀察學(xué)習(xí)的視角*

袁 博 王曉萍 尹 軍 李偉強

跨情境的刺激泛化在面孔信任形成中的作用：基于直接互動與觀察學(xué)習(xí)的視角*

袁 博 王曉萍 尹 軍 李偉強

(寧波大學(xué)心理學(xué)系暨研究所, 浙江 寧波 315211)

基于聯(lián)結(jié)學(xué)習(xí)理論(associative learning theory), 通過3項實驗考察了跨情境(公平?信任)的刺激泛化在面孔信任形成中的作用。實驗1a和實驗1b分別從直接互動和觀察學(xué)習(xí)視角, 發(fā)現(xiàn)了面孔信任形成中跨情境的刺激泛化效應(yīng)(stimulus generalization effect), 即相比于中等不公平條件, 隨著被信任者的面孔與先前互動中公平(不公平)分配者面孔相似度的增加, 個體對其信任程度逐漸增加(降低); 并且這一效應(yīng)具有不對稱性(asymmetry), 對不公平分配者面孔的泛化強度高于對公平分配者面孔的泛化強度。采用漂移擴散模型(Drift-Diffusion Modeling, DDM)分析發(fā)現(xiàn), 不公平條件下的漂移率顯著小于中等不公平或公平條件下的漂移率, 且大多分布在小于0區(qū)間; 表明在對與先前互動中不公平分配者面孔相似的陌生面孔進行信任決策時, 個體更傾向累積不信任的證據(jù)。實驗2結(jié)果發(fā)現(xiàn), 行為意圖在刺激泛化效應(yīng)的產(chǎn)生中起到調(diào)節(jié)作用; 在無意圖條件下, 上述跨情境的刺激泛化效應(yīng)消失。上述結(jié)果表明, 個體采用聯(lián)結(jié)學(xué)習(xí)機制將不同情境中習(xí)得的刺激價值聯(lián)結(jié)泛化到新的互動情境中, 進而指導(dǎo)隨后的信任決策。

信任形成, 聯(lián)結(jié)學(xué)習(xí), 刺激泛化, 行為意圖, 漂移擴散模型

1 引言

人類在社會環(huán)境中的生存和發(fā)展離不開社會交互(高青林, 周媛, 2021; Radell et al., 2016), 而社會交互的發(fā)起和維系需要進行適應(yīng)性的信任決策, 即評估他人是否值得信賴, 進而決定是否信任他人(Ruff & Fehr, 2014)。信任(trust)是建立在對他人的意向或行為的積極預(yù)期基礎(chǔ)上, 敢于托付(愿意承受風(fēng)險)的一種意愿, 也是人類社會交互的基本組成部分(Rousseau et al., 1998)。人們可以根據(jù)與他人的直接交互經(jīng)驗來決定是否信任, 例如, 多輪信任游戲(multi-round trust game)的研究表明, 經(jīng)歷積極的信任體驗會增加個體對他人的信任, 而經(jīng)歷信任違背則會降低個體對他人的信任(Erev & Roth, 1998)。但當(dāng)遇到不熟悉的他人時, 即使缺乏與此人的直接互動經(jīng)驗, 人們依然會迅速做出是否信任對方的決定, 并承擔(dān)由此帶來的經(jīng)濟和情感后果。在這種缺乏直接互動經(jīng)驗的情況下, 是什么決定著我們的信任決策?

面孔作為與他人互動時的首要線索, 在人際交往中發(fā)揮著重要作用。在缺乏直接經(jīng)驗或聲譽(reputation)信息的情況下, 面孔本身的一些特征會對個體的信任決策產(chǎn)生影響。例如, Willis和Todorov (2006)研究發(fā)現(xiàn), 人們能夠在100 ms內(nèi)快速判斷面孔的可信度信息, 即使提供更多加工時間, 這種判斷也基本保持不變。已有研究發(fā)現(xiàn), 眼睛、眉毛、下頜等部位的特征會顯著影響個體對面孔的信任決策行為。比如, 具有圓臉、大眼睛的個體更可能被知覺和判斷為可信的人, 而那些具有顴骨下陷等特點的人更可能被知覺和判斷為不可信的人(Todorov et al., 2008)。也有研究發(fā)現(xiàn), 面孔吸引力(attraction)會對個體的信任決策行為產(chǎn)生影響。與面孔吸引力較低的個體相比, 面孔吸引力較高的個體在信任游戲中獲得“美麗溢價”, 被信任的比例更高(Wilson & Eckel, 2006)。這些研究表明, 人們會依據(jù)面孔本身的一些特征, 對其做出信任決策。

當(dāng)面孔本身包含的信任特征有限時, 個體會依賴哪些其他信息對陌生他人做出信任決策？聯(lián)結(jié)學(xué)習(xí)理論(associative learning theory)認(rèn)為, 先前的經(jīng)驗會用于指導(dǎo)個體在隨后互動中進行基于價值(value based)的決策選擇(Rescorla & Solomon, 1967; Dayan & Berridge, 2014)。其中, 刺激泛化(stimulus generalization)是指價值可以在感知上或概念上彼此相似的刺激之間傳播和轉(zhuǎn)移(Rescorla, 1976; Verosky & Todorov, 2010)。產(chǎn)生刺激泛化的基礎(chǔ)是兩個刺激在某一屬性上的相似性, 比如, 當(dāng)陌生面孔與熟悉面孔共享某些屬性時, 熟悉面孔的的心理表征被自發(fā)激活, 從而導(dǎo)致個體對陌生面孔產(chǎn)生與熟悉面孔相同的評價(Kraus et al., 2010)。已有研究發(fā)現(xiàn), 刺激泛化在對陌生面孔的印象形成中發(fā)揮了重要作用(Kocsor & Bereczkei, 2017)。如, Gawronski和Quinn (2013)研究發(fā)現(xiàn), 當(dāng)熟悉面孔具有積極/消極特質(zhì)時, 個體對與其相似的陌生面孔的積極/消極評價會隨相似度的增加而增加。因此, 當(dāng)陌生面孔本身的特征無法為個體提供信息時, 陌生面孔與熟悉面孔的相似性就成為個體對陌生面孔印象形成的重要線索。那么, 在信任決策中, 是否也存在刺激的泛化效應(yīng), 即未知面孔和已知面孔的相似性是否以及如何影響人們的信任決策？

Feldmanhall等人(2018)采用改編的重復(fù)信任博弈(repeated trust game)范式, 考察了刺激泛化在信任形成中的作用。在刺激聯(lián)結(jié)階段(conditioning phase), 被試作為投資者對3名預(yù)先評定的具有中等吸引力、可信度、領(lǐng)導(dǎo)力的三張面孔進行投資。投資的錢將會翻三倍至被投資者, 隨后被投資者可以選擇保留全部收益, 也可以選擇將收益的一半返還給投資者。在實驗中, 可信的被投資者有93%的可能性選擇返還收益; 中等可信的被投資者有60%的可能性選擇返還收益; 不可信的被投資者僅有7%的可能性選擇返還收益。在刺激泛化階段(generalization phase), 被試可以選擇一張未知面孔或與刺激聯(lián)結(jié)階段的3名被投資者具有不同相似度的變形(morph)面孔進行接下來的信任游戲。結(jié)果發(fā)現(xiàn), 個體會選取與刺激聯(lián)結(jié)階段值得信賴的面孔相似的面孔進行信任游戲, 而避免與刺激聯(lián)結(jié)階段不值得信賴的面孔相似的面孔進行信任游戲。上述結(jié)果表明, 信任決策中也存在刺激泛化效應(yīng), 人們利用刺激泛化機制指導(dǎo)其做出適應(yīng)性的信任決策。

然而, Feldmanhall等人(2018)的研究僅探討了同一情境下(刺激聯(lián)結(jié)和泛化階段均為信任博弈任務(wù)), 通過直接互動產(chǎn)生的刺激泛化在信任形成中的作用。在現(xiàn)實生活中, 社會互動情境復(fù)雜多變, 刺激很少在完全相同的情境中出現(xiàn), 先前形成刺激聯(lián)結(jié)的情境通常與隨后產(chǎn)生刺激泛化的情境差異很大。例如, 人們可能在先前的互動情境中與他人進行資源分配, 在隨后的情境中做出信任決策。人們能否從不同情境中學(xué)習(xí)互動對象的聲譽信息, 并將其泛化到隨后對陌生面孔的信任決策？除了直接互動學(xué)習(xí), 人們能否通過觀察學(xué)習(xí)形成類似的刺激泛化用于指導(dǎo)隨后的信任決策？此外, 以往研究表明, 行為意圖(intention)在道德判斷或社會互動中起到重要作用(Cushman et al., 2009; Ma et al., 2015)。那么, 面孔信任形成中的刺激泛化僅需要刺激與行為結(jié)果之間的簡單聯(lián)結(jié), 還是需要基于對他人行為意圖的感知？對于上述問題進行探討, 將有助于拓展以往聯(lián)結(jié)學(xué)習(xí)的研究, 揭示社會互動中面孔信任形成的心理機制。為此, 本研究擬從直接互動和觀察學(xué)習(xí)視角, 探討跨情境間的刺激泛化在面孔信任形成中的作用, 以及行為意圖在刺激泛化中的作用。

學(xué)習(xí)他人聲譽信息的能力需要個體對先前互動中形成的道德印象高度敏感。公平(fairness)作為人類社會最核心的一則社會規(guī)范, 對個人的生存和社會的穩(wěn)定都至關(guān)重要。人們對社會互動中的公平性非常敏感, 具有強烈的不公平厭惡傾向(inequity aversion); 當(dāng)受到不公平對待時, 會產(chǎn)生不滿和怨恨, 并不惜犧牲自己的經(jīng)濟利益以懲罰對方(Chang & Sanfey, 2013; Xiang et al., 2013)。研究發(fā)現(xiàn), 社會互動的不公平經(jīng)歷會減弱個體對不公平實施者的共情(Singer et al., 2006); 相對游戲中表現(xiàn)不公平的搭檔, 個體更愿意信任那些游戲中表現(xiàn)公平的搭檔(Fareri et al., 2012)。除了直接互動學(xué)習(xí), 個體還通過觀察他人行動的結(jié)果, 間接地習(xí)得關(guān)于刺激的價值, 并調(diào)整自己未來面對相同刺激時的行為反應(yīng), 即觀察學(xué)習(xí)(observing learning) (Shang & Li, 2020; Olsson et al., 2020)。日常生活中, 我們不僅會親身經(jīng)歷不公平的事件, 還會作為第三方觀察到不公平事件。采用第三方懲罰(third-party punishment)范式的研究表明, 當(dāng)個體觀察到不公平行為時, 也會產(chǎn)生不公平的情緒體驗, 并且可能損失自己的利益懲罰不公平的分配者(Buckholtz et al., 2008; Mcauliffe et al., 2015)。作為社會性動物, 人類會通過觀察他人在社會互動中的行為表現(xiàn), 獲取他人在社會層面的效價信息(Earley, 2010; 鄭旭濤等, 2020), 形成對他人的聲譽表征, 并在隨后的互動中根據(jù)他人聲譽做出相應(yīng)行為調(diào)整(Milinski, 2016)。鑒于公平在社會互動中的重要作用, 個體對互動對象表現(xiàn)出的公平性非常敏感。我們推測, 個體會通過直接互動或觀察學(xué)習(xí), 對社會互動中表現(xiàn)出不同公平程度的互動對象的面孔形成相應(yīng)的價值聯(lián)結(jié), 并對他們的面孔產(chǎn)生刺激泛化, 用以指導(dǎo)在隨后的互動中對陌生面孔的信任決策。

以往研究發(fā)現(xiàn), 在令人厭惡的領(lǐng)域(aversive domains)存在更強的泛化, 因為通常錯誤地將危險刺激識別為安全的比將安全刺激視為危險的代價更大(Bateson et al., 2011)。在對社會行為的觀察學(xué)習(xí)中也普遍存在消極偏向(negativity bias), 即相比于積極刺激, 人們更容易注意消極刺激, 進而形成更加復(fù)雜的認(rèn)知表征(Baumeister et al., 2001; Rozin & Royzman, 2001)。Schechtman等人(2010)研究發(fā)現(xiàn), 與中性和積極的聲音信息相比, 消極的聲音信息引發(fā)更強的泛化。研究者認(rèn)為, 相比于消極事件, 積極事件發(fā)生概率更高, 效價評估基線標(biāo)準(zhǔn)受其影響向積極方向偏移, 導(dǎo)致消極事件的吸引力增強, 且消極事件對人類威脅更大, 對其感知更敏感(Baumeister et al., 2001; Rozin & Royzman, 2001)。Feldmanhall等人(2018)的研究也發(fā)現(xiàn), 與值得信任的面孔相比, 被試對不值得信任的面孔存在著更強的泛化, 表現(xiàn)出刺激泛化的不對稱性(asymmetry)。因此, 我們進一步假設(shè), 在直接互動或間接觀察學(xué)習(xí)下, 對不同公平程度的面孔泛化中也存在不對稱性, 個體對不公平面孔的泛化程度要強于對公平面孔的泛化程度。

泛化發(fā)生的前提是刺激與價值或情感上的緊密聯(lián)系(王天鴻等, 2020), 哪些因素可能促進或抑制泛化效應(yīng)的發(fā)生？大量研究發(fā)現(xiàn), 道德印象的形成不僅受到行為結(jié)果的影響, 還會受到行為意圖的調(diào)節(jié)(Offerman, 2002; Dufwenberg & Kirchsteiger, 2004)。Cushman等人(2009)研究發(fā)現(xiàn), 隨著年齡的增長, 人們會更多的基于意圖對道德行為進行判斷; 相比于無意圖, 惡意意圖通常被賦予更多的不道德效價。Sutter (2007)的研究發(fā)現(xiàn), 與不公平的結(jié)果相比, 不公平的意圖對個體行為的影響更大, 人們更有可能拒絕具有不公平意圖的分配方案。也有研究發(fā)現(xiàn), 在最后通牒博弈(ultimatum game)中, 對于人和計算機給出的相同數(shù)額的分配方案, 回應(yīng)者會更頻繁的拒絕人提出的不公平方案(Moretti & Di Pellegrino, 2010; van’t Wout et al., 2006)。Sun等人(2020)采用改編的兩輪獨裁者博弈(dictator game)范式, 探討了分配者的行為意圖對接受者間接互惠行為的影響。結(jié)果發(fā)現(xiàn), 僅在意圖條件下, 先前的公平或不公平經(jīng)歷才會影響被試隨后的間接互惠行為。上述結(jié)果表明, 行為意圖會調(diào)節(jié)個體對分配結(jié)果的公平性判斷及其隨后的行為反應(yīng)。據(jù)此, 我們推測, 行為意圖在刺激泛化效應(yīng)的產(chǎn)生中起到調(diào)節(jié)作用, 僅在有意圖的條件下, 對先前互動中的面孔才會形成相應(yīng)的刺激價值聯(lián)結(jié), 并泛化到隨后的面孔信任決策中。

綜上, 本研究擬通過3項實驗考察跨情境下(公平?信任)的刺激泛化在面孔信任形成中的作用。實驗1a和實驗1b分別從直接互動和觀察學(xué)習(xí)視角, 探討與不同公平程度分配者的面孔形成的價值聯(lián)結(jié), 是否會影響個體對與之相似陌生面孔的信任決策。實驗2進一步探討行為意圖是否調(diào)節(jié)刺激泛化效應(yīng)的產(chǎn)生。為此, 我們在實驗中設(shè)置了刺激聯(lián)結(jié)和刺激泛化兩個階段。在刺激聯(lián)結(jié)階段, 被試與3名不同公平程度(公平、中等不公平、不公平)的分配者進行最后通牒博弈, 讓被試形成對3名分配者面孔的刺激價值聯(lián)結(jié)。在隨后的刺激泛化階段, 被試在兩個面孔(變形vs.匿名)之間選擇其中一個作為信任游戲的搭檔。通過操縱變形面孔與之前最后通牒博弈中分配者面孔的相似度, 檢測先前互動中與不同公平程度分配者面孔形成的刺激價值聯(lián)結(jié), 是否會泛化到對不同任務(wù)情境下知覺相似的變形面孔的信任決策中。

2 實驗1a: 直接互動下, 跨情境的刺激泛化在面孔信任形成中的作用

2.1 被試

基于本研究的實驗設(shè)計, 設(shè)定顯著性水平α = 0.05, 統(tǒng)計檢驗力1 ? β = 0.80, 達到中等左右效應(yīng)量= 0.25, 根據(jù)G*power計算, 每個條件下需28名被試。因此, 在某高校的學(xué)生群體中, 招募31名在校大學(xué)生, 被試平均年齡為21.41歲(= 1.60)。其中男生16人, 女生15人。被試實驗前簽署知情同意書, 實驗后給予一定的實驗報酬。

2.2 變形(morph)面孔刺激的構(gòu)建

首先, 為了選取具有中等吸引力、可信度、領(lǐng)導(dǎo)力的面孔, 隨機選取某高校32名被試對預(yù)先從CAS-PEAL人臉數(shù)據(jù)庫中篩選出的20張面孔進行評定(Gao et al., 2007)。最終選擇出在吸引力、可信度和領(lǐng)導(dǎo)力三個維度相匹配的3張原始面孔圖片, 以及另外6張具有中等可信度和中等吸引力的面孔圖片。

隨后, 使用Abrosoft Fanta Morph軟件(https:// www.fantamorph.com/index.html)對上述面孔圖片進行變形, 將在吸引力、可信度和領(lǐng)導(dǎo)力三個維度相匹配的3張原始面孔, 以11%為增量(12%、23%、34%、45%、56%、67%、78%、89%), 分別與預(yù)先評定為中等可信度和吸引力的6張面孔進行變形。使得原始的3張面孔能夠分別產(chǎn)生48個新的面孔刺激, 共產(chǎn)生144個新面孔圖片。為了避免被試覺察到面孔是通過變形而產(chǎn)生的, 我們刪除了與原始面孔過于相似(89%)和差異過大(12%)的變形刺激, 剩下變形增量為23%、34%、45%、56%、67%、78%的6種變形面孔。這樣, 原始的3張面孔能夠分別產(chǎn)生36個新面孔刺激, 共108張面孔刺激。

此外, 為避免被試發(fā)現(xiàn)面孔之間過于相似, 我們只使用了沿同一連續(xù)體彼此相距兩個增量的變形面孔, 即同一連續(xù)體上兩個相鄰的變形面孔之間的變形差異為22%(如, 選擇23%、45%、67%或34%、56%、78%的變形增量, 見圖1)。最終, 每種原始面孔對應(yīng)有18張新面孔, 共有54張。

2.3 實驗流程

2.3.1 刺激聯(lián)結(jié)階段

刺激聯(lián)結(jié)階段采用最后通牒博弈任務(wù), 讓被試對3名不同公平程度的分配者面孔形成價值聯(lián)結(jié)。分配者的面孔圖片來自于預(yù)先評定的3張原始面孔, 面孔和效價的聯(lián)結(jié)在被試間平衡。3名分配者分別對應(yīng)著3種不同公平程度的分配條件：公平的分配者會提出6次10/10、2次9/11、2次8/12的分配方案; 中等不公平的分配者會提出6次7/13、2次6/14、2次5/15的分配方案; 不公平的分配者會提出6次1/19、2次2/18、2次3/17的分配方案。具體流程如下：首先, 屏幕上會呈現(xiàn)一個“+”, 呈現(xiàn)時間為600 ms, 提示本輪實驗任務(wù)開始。隨后, 屏幕上會呈現(xiàn)分配者的面孔圖片, 被試有2000 ms的時間進行觀察。接著600 ms的空屏之后, 呈現(xiàn)分配者面孔及其提出的分配方案。被試需要決定是否接受該分配方案, 如果接受按“F”鍵, 拒絕按“J”鍵。做出按鍵反應(yīng)后, 會對被試的選擇結(jié)果進行反饋, 反饋呈現(xiàn)2000 ms (如圖2所示)。此外, 在30%的試次中, 被試還需要對看到該分配方案后的愉悅情緒進行1～9點(1 = 非常不高興, 9 = 非常高興)評定。

圖1 面孔刺激構(gòu)建過程示意圖。(A) 原始面孔與6張預(yù)先評定的面孔以11%為增量分別進行morph變形。為避免被試發(fā)現(xiàn)面孔之間過于相似, 只選擇了沿同一連續(xù)體彼此相距兩個增量的變形面孔。(B) 最終用于實驗的一張原始面孔以及與之相對應(yīng)的變形面孔。

為了檢驗刺激聯(lián)結(jié)的效果, 確定被試能否將3名分配者的面孔與不同公平程度之間形成聯(lián)結(jié)。在所有試次結(jié)束后, 分別隨機呈現(xiàn)3名分配者的面孔, 被試需要對每名分配者在先前任務(wù)中表現(xiàn)出的公平程度進行1～9點(1 = 非常不公平, 9 = 非常公平)評定。完成該階段任務(wù)大約需10分鐘。

2.3.2 刺激泛化階段

刺激泛化階段旨在考察與先前互動中不同效價面孔形成的聯(lián)結(jié), 是否會泛化到不同情境下知覺相似的面孔中。在該階段任務(wù)中, 被試(投資者)從一張匿名面孔和一張變形面孔中選擇信任投資的搭檔(被投資者)。其中, 變形面孔來自于變形面孔刺激的構(gòu)建部分所描述的54張面孔, 這些面孔與原始面孔的相似度分別為：23%、34%、45%、56%、67%、78%。匿名面孔是一張人臉的灰色輪廓圖, 表示計算機將隨機匹配給被試一名“被投資者”。具體流程如下：首先, 屏幕上會呈現(xiàn)一個“+”, 呈現(xiàn)時間為800 ms, 提示本輪實驗任務(wù)開始。隨后, 呈現(xiàn)一張變形面孔和一張匿名面孔圖片, 變形面孔和匿名面孔在左右兩側(cè)進行平衡。被試決定選擇哪張面孔圖片進行接下來的信任游戲, 按“F”鍵表示選擇左邊的面孔, 按“J”鍵表示選擇右邊的面孔進行接下來的信任游戲。被試做出按鍵選擇后, 對被試的選擇加以黃框確認(rèn), 呈現(xiàn)2000 ms (見圖2)。被試對任務(wù)理解無誤后, 開始實驗正式, 完成該階段任務(wù)大約需15分鐘。整個實驗程序采用PsychoPy軟件(Peirce, 2009)編寫。

2.4 數(shù)據(jù)分析處理

為檢驗與不同效價面孔形成聯(lián)結(jié)后, 面孔相似性是否會影響被試對陌生面孔的信任決策行為。將面孔聯(lián)結(jié)的類型(公平、中等不公平、不公平)、面孔相似度(23%、34%、45%、56%、67%、78%)作為預(yù)測變量, 以被試選擇變形面孔的比率為響應(yīng)變量進行混合線性回歸(mixed linear regression)分析?；旌暇€性模型包含了隨機效應(yīng), 提高了統(tǒng)計檢驗力, 并且能夠處理違反方差齊性假設(shè)的數(shù)據(jù)(Baayen et al., 2008)。參照Feldmanhall等人(2018)的分析, 對面孔聯(lián)結(jié)類型進行了啞變量處理, 將中等不公平作為參照水平, 以便考察不公平和公平條件下的刺激泛化效應(yīng)。使用基于R語言的lme4包(de Boeck et al., 2011)進行分析, 將被試作為隨機效應(yīng), 面孔聯(lián)結(jié)的類型和面孔相似度作為固定效應(yīng)。此外, 我們采用brms包(Bürkner, 2017)進行了貝葉斯線性混合模型分析, 固定效應(yīng)與隨機效應(yīng)處理與上述混合線性回歸分析相同。使用brms包默認(rèn)的先驗分布, 模型擬合均使用4條獨立的MCMC鏈, 每條鏈包含2000個有效樣本。貝葉斯回歸分析可以直接計算出回歸系數(shù)后驗分布(posterior distribution)的可信度區(qū)間(credible intervals, CIs), 進而進行統(tǒng)計推斷, 比如, 95%CIs是否包括0。

對于反應(yīng)時數(shù)據(jù), 我們首先進行了傳統(tǒng)的反應(yīng)時數(shù)據(jù)分析, 其次采用漂移擴散模型(Drift-Diffusion Modeling, DDM)對反應(yīng)時數(shù)據(jù)進行了分析。DDM把決策描述為一個連續(xù)的抽樣過程, 即帶有噪聲的信息從起點累積到對應(yīng)于某一選項的邊界或閾值, 該選項被選中(Ratcliff & McKoon, 2008)。DDM模型參數(shù)包括漂移率(drift rate,)、起始點偏差(bias,)、邊界高度(boundary, α)和非決策時間(non-decision- time, τ)。其中, 漂移率代表累積某一選擇證據(jù)的速率, 即個體傾向于某一選項的偏好越強烈, 信息向該選項積累的速度就越快; 起始點偏差表示決策之前的先驗偏向; 邊界高度α表示在做出反應(yīng)之前必須積累的信息量; 非決策時間τ反映了影響決策反應(yīng)時中的其他因素, 包括信息編碼與按鍵反應(yīng)的時間(張銀花等, 2020)。DDM可以將潛在的認(rèn)知過程體現(xiàn)在模型不同的成分上, 從而將決策過程分解為具有心理意義的參數(shù)(Johnson et al., 2017)。比如, 在本研究中, DDM使用選擇和反應(yīng)時分布來描述被試如何累積證據(jù)做出信任選擇。漂移率量化了被試通過加工面孔信息獲得的有利于選擇信任或不信任證據(jù)的強度, 即對選擇信任或不信任的價值權(quán)衡程度1在本研究的DDM中, 我們將選擇信任編碼為1, 選擇不信任編碼為0。。起始點偏差量化了被試在獲取任何證據(jù)之前選擇信任/不信任的傾向。邊界高度α量化了被試在做出選擇時需要的證據(jù)量, 進而反映了不同條件下個體做出選擇的謹(jǐn)慎程度(見圖3)。

圖2 實驗1a中刺激聯(lián)結(jié)和刺激泛化階段的流程圖

圖3 個體做出信任選擇時, 漂移擴散模型的示意圖

采用Python軟件包HDDM (hierarchical drift diffusion model)對反應(yīng)時數(shù)據(jù)進行DDM模型分析(Wiecki et al., 2013)。HDDM使用分層貝葉斯參數(shù)估計(hierarchical Bayesian parameter estimation)的方法同時擬合個體(individual)與群體(group)層面的參數(shù)。因此, 可以直接對估計出的后驗(posterior)參數(shù)進行差異性檢驗, 而不用依賴于傳統(tǒng)的頻率統(tǒng)計分析。比如, 可以選取兩個感興趣條件下參數(shù)的后驗分布, 如不公平面孔聯(lián)結(jié)和公平面孔聯(lián)結(jié)條件下的漂移率; 然后計算每個抽樣中兩個條件的參數(shù)值之間的差異, 產(chǎn)生一個可信的平均差異分布(credible mean differences)。如果這個分布的95%的最高密度區(qū)間(highest density interval, HDI)不包含0, 那么兩個條件之間的差異就是可信的(Johnson et al., 2017)。其余實驗的DDM數(shù)據(jù)分析方法基本與實驗1a一致, 下文不再贅述。

2.5 結(jié)果

2.5.1 刺激聯(lián)結(jié)階段

為了檢驗刺激聯(lián)結(jié)的效果, 對被試在不同條件下的接受率、分配方案引發(fā)的愉悅情緒、以及對分配者面孔的公平程度評分進行單因素被試內(nèi)方差分析。結(jié)果發(fā)現(xiàn), 不同條件下對分配者提議的接受率差異顯著,(2, 60) = 135.56,< 0.001, η2= 0.82。對公平分配者提議的接受率(= 0.95,= 0.12)顯著高于中等不公平分配者提議的接受率(= 0.61,= 0.37),(30) = ?5.93,< 0.001。對公平分配者提議的接受率(= 0.95,= 0.12)顯著高于不公平分配者提議的接受率(= 0.04,= 0.18),(30) = ?24.26,< 0.001。對中等不公平分配者提議的接受率(= 0.61,= 0.37)顯著高于不公平分配者提議的接受率(= 0.04,= 0.18),(30) = ?8.37,< 0.001。

不同條件下分配方案所引發(fā)的愉悅情緒差異顯著,(2, 60) = 63.52,< 0.001, η2= 0.68。公平分配方案所引發(fā)的愉悅情緒(= 6.01,= 1.47)顯著高于中等不公平分配方案引發(fā)的愉悅情緒(= 4.44,= 1.51),(30) = ?6.35,< 0.001。公平分配方案所引發(fā)的愉悅情緒(= 6.01,= 1.47)顯著高于不公平分配方案所引發(fā)的愉悅情緒(= 3.08,= 1.40),(30) = ?10.07,< 0.001。中等不公平分配方案所引發(fā)的愉悅情緒(= 4.44,= 1.51)顯著高于不公平分配方案所引發(fā)的愉悅情緒(= 3.08,= 1.40),(30) = ?5.69,< 0.001。

對不同條件下分配者面孔的公平程度評分差異顯著,(2, 60) = 24.24,< 0.001, η2= 0.45, 被試對公平分配者的公平程度評分(= 6.13,= 2.35)顯著高于對中等不公平分配者(= 4.29,= 1.77),(30) = ?3.42,= 0.005。對公平分配者的公平程度評分(= 6.13,= 2.35)顯著高于對不公平分配者的公平程度評分(= 2.42,= 1.84),(30) = ?5.82,< 0.001。對中等不公平分配者的公平程度評分(= 4.29,= 1.77)顯著高于對不公平分配者的公平程度評分(= 2.42,= 1.84),(30) = ?4.73,< 0.001。上述結(jié)果表明, 被試能夠?qū)⒎峙湔叩拿婵着c不同公平程度之間形成聯(lián)結(jié)。

圖4 (A) 不同面孔聯(lián)結(jié)類型下, 面孔相似度與選擇變形面孔比率的回歸分析; (B)公平/不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的后驗概率分布及相應(yīng)的可信度區(qū)間CIs。

2.5.2 刺激泛化階段

混合線性回歸分析發(fā)現(xiàn), 相對于中等不公平面孔, 隨著變形面孔與原始不公平面孔知覺相似性的增加, 被試更少選擇變形面孔進行接下來的信任游戲,(550) = ?5.97,< 0.001。而隨著變形面孔與原始公平面孔知覺相似性的增加, 被試選擇變形面孔比例有所提高, 但與中等不公平條件下的差異并未到達顯著,(550) = 0.64,= 0.524 (圖4A)。貝葉斯線性回歸分析的結(jié)果也驗證了上述結(jié)果, 不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95% CIs為[?0.010, ?0.005]不包含0, 公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95%CIs為[?0.001, 0.003]包含0 (圖4B)。此外, 為了分析刺激泛化效應(yīng)是否存在不對稱性, 將中等不公平條件作為參照水平, 對公平和不公平條件下面孔相似性的回歸直線斜率進行差異檢驗。結(jié)果發(fā)現(xiàn), 不公平條件下的回歸直線斜率顯著負(fù)于公平條件下的回歸直線斜率,= ?6.61,< 0.001。上述結(jié)果表明, 被試對不公平分配者面孔的泛化強度高于對公平分配者面孔的泛化強度。

對信任選擇階段的反應(yīng)時進行3 (面孔聯(lián)結(jié)類型：公平、中等不公平、不公平) × 2 (被試選擇：信任、不信任)的兩因素方差分析2在對反應(yīng)時數(shù)據(jù)進行分析時, 去除了正負(fù)3個標(biāo)準(zhǔn)差之外的試次。有5名被試在某些條件下僅選擇了一個選項, 在反應(yīng)時數(shù)據(jù)中進行了排除。。結(jié)果表明, 面孔聯(lián)結(jié)類型的主效應(yīng)不顯著,(2, 48) = 1.48,= 0.237; 被試選擇的主效應(yīng)不顯著,(1, 24) = 3.27,= 0.083。面孔聯(lián)結(jié)類型與被試選擇的交互作用顯著,(2, 48) = 8.91,0.001, η2= 0.27。簡單效應(yīng)分析表明, 在公平和中等不公平條件下, 被試選擇信任與不信任的反應(yīng)時差異不顯著((1, 24) = 1.02,= 0.322;(1, 24) = 0.08,= 0.777)。在不公平條件下, 被試選擇信任的反應(yīng)時(= 2.64,= 1.26)長于選擇不信任的反應(yīng)時(= 2.04,= 0.94),(1, 24) = 20.75,< 0.001。

3 實驗1b: 觀察學(xué)習(xí)下, 跨情境的刺激泛化在面孔信任形成中的作用

實驗1a的結(jié)果表明, 在直接互動下, 被試能夠?qū)Σ煌r的面孔形成聯(lián)結(jié), 進而泛化到不同任務(wù)情境下知覺相似的面孔中。實驗1b在實驗1a的基礎(chǔ)上, 考察在觀察學(xué)習(xí)下, 是否也能產(chǎn)生跨情境的刺激泛化。

3.1 被試

樣本量確定同實驗1a。在某高校的學(xué)生群體中, 招募30名在校大學(xué)生, 被試平均年齡為20.66歲(= 2.62), 其中男生7人, 女生23人。被試實驗前簽署知情同意書, 實驗后給予一定的實驗報酬。

圖5 DDM的4個參數(shù)在不同面孔聯(lián)結(jié)類型條件下的概率密度分布。圖A代表表漂移率v;圖B代表邊界高度α; 圖C代表邊界起始點偏差z; 圖D代表非決策時間τ。

3.2 實驗材料與程序

實驗1b所用實驗材料和流程與實驗1a基本相同。不同之處僅在于刺激聯(lián)結(jié)階段, 讓被試作為第三方觀察3名不同公平程度(公平、中等不公平、不公平)的分配者與一個陌生人進行獨裁者博弈任務(wù), 并在看到分錢方案后對其表現(xiàn)出的公平程度進行評價。在實驗1b的刺激聯(lián)結(jié)階段, 3名分配者提出的分配方案同實驗1a。刺激聯(lián)結(jié)階段的具體流程如下：首先, 屏幕上會呈現(xiàn)一個“+”, 呈現(xiàn)時間為600 ms, 提示本輪實驗任務(wù)開始。隨后, 屏幕上會呈現(xiàn)分配者的面孔圖片, 被試有2000 ms的時間對它進行觀察。接著600 ms的空屏之后, 呈現(xiàn)分配者面孔及其提供給陌生人的分配方案。被試對該分配方案的公平程度進行1～9點(1 = 非常不公平, 9 = 非常公平)評定。此外, 在30%的試次中, 被試還需要對看到該分配方案后的愉悅情緒進行1～9點(1 = 非常不高興, 9 = 非常高興)評定。在所有試次結(jié)束后, 呈現(xiàn)3名分配者的面孔, 被試需要對每個分配者在先前任務(wù)中表現(xiàn)出的公平程度進行1～9點(1 = 非常不公平, 9 = 非常公平)評定, 以檢驗被試是否將面孔及其價值之間形成聯(lián)結(jié)。實驗1b中刺激泛化階段的實驗流程同實驗1a。

3.3 實驗結(jié)果

3.3.1 刺激聯(lián)結(jié)階段

為了檢驗刺激聯(lián)結(jié)的效果, 對被試在不同條件下對分配方案公平程度的評分、分配方案引發(fā)的愉悅情緒、以及對分配者面孔的公平程度評分進行單因素被試內(nèi)方差分析。結(jié)果發(fā)現(xiàn), 不同條件下對分配方案公平程度的評分存在顯著差異,(2, 58) = 156.51,< 0.001, η2= 0.84。對公平分配方案的評分(= 7.54,= 1.15)顯著高于對中等不公平分配方案的評分(= 4.09,= 1.77,(29) = ?10.17,< 0.001)以及不公平的分配方案的評分(= 1.83,= 1.24,(29) = ?16.15,< 0.001)。對中等不公平分配方案的評分(= 4.09,= 1.77)顯著高于對不公平分配方案的評分(= 1.83,= 1.24),(29) = ?8.15,< 0.001。

不同條件下分配方案所引發(fā)的愉悅情緒差異顯著,(2, 58) = 48.04,< 0.001, η2= 0.62。公平分配方案所引發(fā)的愉悅情緒(= 6.33,= 1.45)顯著高于中等不公平分配方案所引發(fā)的愉悅情緒(= 4.29,= 1.24,(29) = ?7.28,< 0.001)以及不公平分配方案引發(fā)的愉悅情緒(= 3.18,= 1.52,(29) = ?7.71,< 0.001)。中等不公平分配方案所引發(fā)的愉悅情緒(= 4.29,= 1.24)顯著高于不公平分配方案引發(fā)的愉悅情緒(= 3.18,= 1.52),(29) = ?4.09,< 0.001。

圖6 (A) 同面孔聯(lián)結(jié)類型下, 面孔相似度與選擇變形面孔比率的回歸分析; (B)公平/不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的后驗概率分布及相應(yīng)的可信度區(qū)間CIs。

對不同條件下分配者面孔的公平程度評分差異顯著,(2, 58) = 10.47,< 0.001, η2= 0.27, 被試對公平分配者的公平程度評分(= 6.00,= 2.57)高于對中等不公平分配者的公平程度評分(= 4.93,= 2.16), 但差異并未達到顯著,(29) = ?1.55,= 0.398。對公平分配者的公平程度評分(= 6.00,= 2.57)顯著高于對不公平分配者的公平程度評分(= 3.27,= 1.98),(29) = ?4.69,< 0.001。對中等不公平分配者的公平程度評分(= 4.93,= 2.16)顯著高于對不公平分配者的公平程度評分(= 3.27,= 1.98),(29) = ?3.20,= 0.003。上述結(jié)果表明, 被試能夠?qū)⒎峙湔叩拿婵着c不同公平程度之間形成聯(lián)結(jié)。

3.3.2 刺激泛化階段

混合線性回歸分析發(fā)現(xiàn), 相對于中等不公平面孔, 隨著與不公平面孔知覺相似性的增加, 被試更少選擇變形面孔進行接下來的信任游戲,(532) = ?3.81,< 0.001。此外, 相對于中等不公平, 隨著與原始公平面孔知覺相似性的增加, 被試更多選擇變形面孔進行接下來的信任游戲,(532) = 2.12,= 0.004 (圖6A)。貝葉斯線性回歸分析的結(jié)果也驗證了上述結(jié)果, 不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95% CIs為[?0.008, ?0.003]不包含0, 公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95% CIs為[0.0002, 0.006]也不包含0 (圖6B)。與實驗1a相同, 將中等不公平條件作為參照水平, 對公平和不公平條件下面孔相似性的回歸直線斜率進行差異檢驗。結(jié)果發(fā)現(xiàn), 不公平面孔的回歸直線斜率顯著負(fù)于公平面孔的回歸直線斜率,= ?5.93,< 0.001。上述結(jié)果表明, 在觀察學(xué)習(xí)下, 被試對不公平分配者面孔的泛化強度仍高于對公平分配者面孔的泛化強度。

對信任選擇階段的反應(yīng)時進行3 (面孔聯(lián)結(jié)類型：公平、中等不公平、不公平) × 2 (被試選擇：信任、不信任)的兩因素方差分析3在對反應(yīng)時數(shù)據(jù)進行分析時, 去除了正負(fù)3個標(biāo)準(zhǔn)差之外的試次。有4名被試在某些條件下僅選擇了一個選項, 在反應(yīng)時數(shù)據(jù)中進行了排除。。結(jié)果表明, 面孔聯(lián)結(jié)類型的主效應(yīng)不顯著,(2, 50) = 1.40,= 0.257; 被試選擇的主效應(yīng)不顯著,(1, 25) = 1.99,= 0.171。面孔聯(lián)結(jié)類型與被試選擇的交互作用不顯著,(2, 50) = 1.25,= 0.294。漂移擴散模型分析結(jié)果發(fā)現(xiàn), 不公平與公平條件間漂移率的差異存在較為可靠的證據(jù)(= ?0.60, 95% HDI [?0.97, ?0.24]), 不公平條件下的漂移率顯著小于公平條件下的漂移率; 不公平與中等不公平條件間的漂移率的差異也存在較為可靠的證據(jù)(= ?0.37, 95% HDI [?0.75, ?0.03]), 不公平條件下的漂移率顯著小于中等不公平條件下的漂移率(見圖7A)。而三種條件下的邊界高度α、始點偏差與非決策時間τ基本重疊, 不同條件間差異分布的95% HDI均包含0, 出現(xiàn)差異的可能性較小(見圖7B、圖7C和圖7D)。

4 實驗2: 行為意圖在跨情境的刺激泛化中的作用

實驗1a和實驗1b的結(jié)果表明, 無論在直接互動還是在觀察學(xué)習(xí)下, 被試均能對不同效價面孔形成聯(lián)結(jié), 并泛化到不同任務(wù)情境下知覺相似的面孔中, 但上述兩個實驗僅證明了在有行為意圖的條件產(chǎn)生了刺激泛化。實驗2旨在考察在無意圖條件下, 個體是否也會產(chǎn)生上述刺激泛化效應(yīng)。

4.1 被試

樣本量確定同實驗1。在某高校招募30名在校大學(xué)生, 被試平均年齡為19.86歲(= 2.43), 其中男生11人, 女生19人。被試實驗前簽署知情同意書, 實驗后給予一定的實驗報酬。

圖7 DDM的4個參數(shù)在不同面孔聯(lián)結(jié)類型條件下的概率密度分布。圖A代表表漂移率v;圖B代表邊界高度α; 圖C代表邊界起始點偏差z; 圖D代表非決策時間τ。

4.2 實驗材料與任務(wù)

實驗2所用實驗材料和流程與實驗1a基本相同。不同之處僅在于刺激聯(lián)結(jié)階段, 由計算機提出具有不同公平程度的分配方案(公平、中等不公平、不公平)給被試和搭檔, 被試決定是否接受該分配方案。如果接受, 則按計算機提出的分配方案進行分配; 如果不接受, 則被試和陌生人均獲得0元。通過上述操作, 無論分配結(jié)果公平與否, 都與交往對象的行為意圖無關(guān); 但交往對象的面孔依然與不同效價的分配結(jié)果匹配呈現(xiàn), 只是這些結(jié)果并非由交往對象的意圖導(dǎo)致。因此, 上述操縱可以排除互動對象的意圖, 同時不引入其他可能的無關(guān)變量, 考察意圖感知在刺激泛化中的作用。

刺激聯(lián)結(jié)階段的具體流程如下：首先, 屏幕上會呈現(xiàn)一個“+”, 呈現(xiàn)時間為600 ms, 提示本輪實驗任務(wù)開始。隨后, 屏幕上會呈現(xiàn)計算機的輪廓圖片, 被試有2000 ms的時間對它進行觀察。接著600 ms的空屏之后, 呈現(xiàn)陌生人面孔及計算機提供的分配方案。被試需要決定是否接受該分配方案, 如果接受按“F”鍵, 拒絕按“J”鍵。被試做出按鍵反應(yīng)后, 會對被試的選擇結(jié)果進行反饋, 反饋呈現(xiàn)2000 ms。此外, 在30%的試次中, 被試還需要評定看到該分配方案后的愉悅情緒(1 = 非常不高興, 9 = 非常高興)。最后, 呈現(xiàn)給被試陌生人的面孔, 要求被試評定與該人進行分錢游戲時, 計算機生成的分配方案的公平程度(1 = 非常不公平, 9 = 非常公平), 以檢驗被試是否將面孔及其價值之間形成聯(lián)結(jié)。實驗2中刺激泛化階段的實驗流程同實驗1a。

4.3 實驗結(jié)果

4.3.1 刺激聯(lián)結(jié)階段

對被試在不同條件下對計算機提議的接受率、分配方案引發(fā)的愉悅情緒、以及與不同面孔進行分配時計算機提出分配方案的公平程度評分進行單因素被試內(nèi)方差分析。結(jié)果發(fā)現(xiàn), 對不同條件下計算機提議的接受率差異顯著,(2, 58) = 143.69,< 0.001, η2= 0.83。對公平分配方案的接受率(= 0.95,= 0.09)顯著高于對中等不公平分配方案的接受率(= 0.62,= 0.34,(29) = ?5.99,< 0.001)以及不公平分配方案的接受率(= 0.09,= 0.21,(29) = ?22.15,< 0.001)。對中等不公平分配方案的接受率(= 0.62,= 0.34)顯著高于對不公平分配方案的接受率(= 0.09,= 0.21),(29) = ?9.21,< 0.001。

圖8 (A) 不同面孔聯(lián)結(jié)類型下, 面孔相似度與選擇變形面孔比率的回歸分析; (B)公平/不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的后驗概率分布及相應(yīng)的可信度區(qū)間CIs。

不同條件下分配方案所引發(fā)的愉悅情緒差異顯著,(2, 58) = 34.37,< 0.001, η2= 0.54。公平分配方案所引發(fā)的愉悅情緒(= 5.30,= 1.23)顯著高于中等不公平分配方案(= 4.00,= 1.38,(29) = ?5.00,< 0.001)以及不公平分配方案引發(fā)的愉悅情緒(= 3.33,= 1.18,(29) = ?8.57,< 0.001)。中等不公平分配方案所引發(fā)的愉悅情緒(= 4.00,= 1.38)顯著高于不公平分配方案引發(fā)的愉悅情緒(= 3.33,= 1.18),(29) = ?2.86,= 0.023。然而, 與不同分配者面孔進行互動時, 對計算機生成的分配方案公平程度評分差異不顯著,(2, 58) = 1.36,= 0.266, η2= 0.05。上述結(jié)果表明, 在無意圖條件下, 被試雖然更多地拒絕了計算機生成的不公平分配方案, 但并沒有將互動對象的面孔與不同公平程度之間形成價值聯(lián)結(jié)。

4.3.2 刺激泛化階段

混合線性回歸分析發(fā)現(xiàn), 相對于中等不公平面孔, 隨著與原始不公平面孔知覺相似性的增加, 被試選擇變形面孔進行信任游戲的比率沒有顯著變化,(532) = ?0.12,= 0.902。此外, 相對于中等不公平面孔, 隨著與原始公平面孔知覺相似性的增加, 被試選擇變形面孔進行信任游戲的比率也沒有顯著變化,(532) = 1.78,= 0.075 (圖8A) (我們也綜合分析了實驗1a與實驗2的數(shù)據(jù), 結(jié)果見補充材料)。貝葉斯線性回歸分析的結(jié)果也驗證了上述結(jié)果, 不公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95%CIs為[?0.003, 0.002]包含0, 公平面孔聯(lián)結(jié)×面孔相似度回歸系數(shù)的95% CIs為[?0.001, 0.005]包含0 (圖8B)。

對信任選擇階段的反應(yīng)時進行3 (面孔聯(lián)結(jié)類型：公平、中等不公平、不公平) × 2 (被試選擇：信任、不信任)的兩因素方差分析4在對反應(yīng)時數(shù)據(jù)進行分析時, 去除了正負(fù)3個標(biāo)準(zhǔn)差之外的試次。有2名被試在某些條件下僅選擇了一個選項, 在反應(yīng)時數(shù)據(jù)中進行了排除。。結(jié)果表明, 面孔聯(lián)結(jié)類型的主效應(yīng)不顯著,(2, 54) = 1.30,= 0.280; 被試選擇的主效應(yīng)不顯著,(1, 27) = 1.91,= 0.178。面孔聯(lián)結(jié)類型與被試選擇的交互作用不顯著,(2, 54) = 0.17,0.848。采用同實驗1a的方法對反應(yīng)時數(shù)據(jù)進行了DDM分析。結(jié)果發(fā)現(xiàn), 三種條件下的漂移率、邊界高度α、始點偏差與非決策時間τ基本重疊, 不同條件間差異分布的95% HDI均包含0, 出現(xiàn)差異的可能性較小(見圖9)。

5 討論

信任在社會的各個層面都很重要, 常常被認(rèn)為是維系社會關(guān)系的“膠水” (Sullivan & Transue, 1999; Zak & Knack, 2001)。然而, 在缺乏直接經(jīng)驗的情況下, 人們?nèi)绾芜x擇信任陌生人的認(rèn)知機制目前還知之甚少。泛化效應(yīng)是對陌生面孔印象形成的重要途徑, 先前的研究發(fā)現(xiàn)泛化效應(yīng)存在于同種屬性之間或相同任務(wù)情境下。例如, Kocsor和Bereczkei (2017)研究發(fā)現(xiàn), 當(dāng)學(xué)習(xí)面孔與積極特質(zhì)配對時, 相似的陌生面孔會獲得更高的積極評價; 當(dāng)學(xué)習(xí)面孔與消極特質(zhì)配對時, 相似的陌生面孔獲得的評價也更消極。Zebrowitz和Montepare (2008)發(fā)現(xiàn), 對熟悉面孔的喜愛度也會發(fā)生泛化進而影響對相似的陌生面孔的喜愛度。Feldmanhall等人(2018)發(fā)現(xiàn)個體會更信任那些與在先前互動中值得信賴的面孔相似的面孔, 不信任與在先前互動中不值得信賴的面孔相似的面孔。

圖9 DDM的4個參數(shù)在不同面孔聯(lián)結(jié)類型條件下的概率密度分布。圖A代表表漂移率v;圖B代表邊界高度α; 圖C代表邊界起始點偏差z; 圖D代表非決策時間τ。

在以往研究的基礎(chǔ)上, 本研究進一步發(fā)現(xiàn), 刺激泛化效應(yīng)在跨情境之間也會發(fā)生, 聯(lián)結(jié)階段互動對象的(不)公平特質(zhì)會被泛化到隨后的信任決策中。這表明, 在缺乏直接經(jīng)驗或聲譽信息的情況下, 個體對陌生人進行信任決策時, 會采用聯(lián)結(jié)學(xué)習(xí)機制將不同情境中習(xí)得的聲譽信息泛化到新的互動情境中, 進而指導(dǎo)其做出信任決策。由于刺激很少以完全相同的形式出現(xiàn), 基于相似性的跨情境泛化機制具有很強的適應(yīng)性。在日常生活中, 我們常常遇到一些陌生人, 對他們可信度的判斷往往缺乏相應(yīng)的信息。在這種缺乏直接經(jīng)驗的情況下, 我們做出的決定依賴于從過去經(jīng)驗中進行歸納的能力。這種聯(lián)結(jié)學(xué)習(xí)機制可以利用先前互動中的學(xué)習(xí), 減少新情境中與陌生人互動的不確定性, 從而促進潛在的適應(yīng)性信任決策(FeldmanHall et al., 2018)。

除了直接互動情境, 在觀察學(xué)習(xí)情境下, 我們也發(fā)現(xiàn)了面孔信任形成中跨情境的刺激泛化效應(yīng)。這表明, 個體通過觀察他人的行動結(jié)果, 能夠間接的習(xí)得刺激的價值, 進而采用刺激泛化的機制指導(dǎo)未來的行為。通過觀察他人在社會交互中的行為表現(xiàn), 人們能夠形成對他人的聲譽表征, 并在隨后的互動中根據(jù)他人聲譽調(diào)整相應(yīng)的行為(Milinski, 2016)。間接的觀察學(xué)習(xí)在自然界中廣泛存在, 對個體適應(yīng)復(fù)雜的社會環(huán)境以及優(yōu)化社會決策有著重要的意義。例如, 恒河猴在觀察到同類對蛇的恐懼反應(yīng)后, 能迅速習(xí)得同樣的對蛇的恐懼反應(yīng)(Mineka & Ohman, 2002)。人類社會中也普遍存在通過觀察學(xué)習(xí)的方式習(xí)得恐懼反應(yīng)的現(xiàn)象(Olsson et al., 2007)。這種學(xué)習(xí)方式, 不僅幫助觀察者避免親自執(zhí)行行為可能帶來的消極后果, 也讓觀察者有效地習(xí)得使自身獲益最大化的行為(Frith & Frith, 2012)。面孔信任形成中跨情境的刺激泛化效應(yīng)表明, 個體在進行信任決策時, 采用聯(lián)結(jié)學(xué)習(xí)機制將不同情境中習(xí)得的刺激價值聯(lián)結(jié)泛化到新的互動情境中, 進而指導(dǎo)其隨后的信任決策。這種基于相似性的泛化機制具有很強的適應(yīng)性, 能使個體從最小的學(xué)習(xí)中獲得更高價值。當(dāng)然, 需要指出是, 基于相似性的泛化機制也存在一定的局限, 人們會將某種特定情境中的刺激價值聯(lián)結(jié)泛化到其他相關(guān)甚至無關(guān)的情境中。這可能導(dǎo)致個體忽視當(dāng)下的情境, 對他人產(chǎn)生錯誤的判斷。過分泛化還可能導(dǎo)致刻板印象和偏見的形成, 具有潛在的消極作用(Allidina & Cunningham, 2021)。

通過基于決策選擇和反應(yīng)時的漂移擴散模型分析, 我們進一步探究了跨情境間的刺激泛化在面孔信任形成中的認(rèn)知計算機制。結(jié)果發(fā)現(xiàn), 相對于公平和中等不公平條件, 在不公平條件下, 個體選擇信任的反應(yīng)時長于選擇不信任的反應(yīng)時。這表明, 在不公平條件下, 個體做出信任選擇更加困難, 需要更多的認(rèn)知加工時間。漂移擴散模型分析發(fā)現(xiàn), 不公平與中等不公平或公平條件之間差異主要體現(xiàn)在漂移率, 不公平條件下的漂移率顯著小于中等不公平或公平條件下的漂移率。DDM中的漂移率代表了累積某一選擇證據(jù)的速率, 個體傾向于某一選項的偏好越強烈, 信息向該選項積累的速度就越快(Forstmann et al., 2016)。上述表明, 在對與不公平分配者面孔相似的陌生面孔進行信任決策時, 個體更傾向累積其不值得信任的證據(jù), 進而更快地做出不信任的決策。雖然, 以往DDM主要用于感知決策的研究, 但最近它在社會決策領(lǐng)域獲得了很多關(guān)注, 成功地解釋了群體對個體利他懲罰決策的影響(Son et al., 2019), 以及利他決策和道德傷害決策的認(rèn)知機制(Germar et al., 2014; Yu et al., 2021)。我們首次采用DDM探究了跨情境下的刺激泛化影響信任決策的認(rèn)知過程, 展示了其在探討社會決策中的應(yīng)用價值。

本研究還發(fā)現(xiàn), 面孔信任形成中跨情境的刺激泛化效應(yīng)具有不對稱性, 相比于公平面孔, 個體對不公平面孔產(chǎn)生了更強的刺激泛化; 當(dāng)陌生面孔與學(xué)習(xí)階段不公平面孔具有較小的相似度時, 個體就傾向于認(rèn)為陌生面孔是不值得信任的。這表明, 個體更加注重先前社會互動中的負(fù)性道德信息, 用來指導(dǎo)其進行隨后的適應(yīng)性信任決策。Grady等人(2007)研究發(fā)現(xiàn), 相比于正性價值的面孔, 個體更傾向于優(yōu)先關(guān)注具有負(fù)面價值的面孔。在對社會行為的觀察學(xué)習(xí)中也普遍存在消極偏向(Baumeister et al., 2001; Rozin & Royzman, 2001), 這可能是由于忽視環(huán)境中的潛在危險所造成的危害可能遠(yuǎn)遠(yuǎn)大于錯失一個機會, 因此環(huán)境中的消極信息比積極或中性信息更容易獲得注意。

最后, 本研究還發(fā)現(xiàn)了行為意圖在形成刺激泛化效應(yīng)中的重要作用。Ma等人(2015)從公平感的角度引入有意圖的最后通牒范式來厘清不同意圖對互惠行為的影響, 結(jié)果發(fā)現(xiàn), 在提供公平或不公平的分配方案條件下, 被試對不公平提議的拒絕率受到提議者意圖的調(diào)節(jié)。意圖對行為結(jié)果的調(diào)節(jié)作用, 在道德判斷(Cushman et al., 2013)、直接互惠(Vaish et al., 2018)、廣義互惠(Sun et al., 2020)等其他領(lǐng)域也得到了驗證。本研究首次將行為意圖的影響拓展到刺激泛化領(lǐng)域, 表明了僅在有意圖的條件下, 個體才將結(jié)果效價與面孔刺激之間形成聯(lián)結(jié), 進而采用刺激泛化的機制指導(dǎo)其隨后的信任決策。

采用聯(lián)結(jié)學(xué)習(xí)機制從過去的經(jīng)驗中捕捉互動對象的道德信息, 進而指導(dǎo)個體隨后的信任決策。這些研究發(fā)現(xiàn)有助于理解個體對陌生人信任的內(nèi)在心理機制, 對豐富學(xué)習(xí)泛化領(lǐng)域研究具有重要意義。本研究也存在著一些不足, 首先, 本研究并未對個體差異變量(如公平敏感性、社會價值取向)進行考察, 這些變量可能也在泛化效應(yīng)中起著調(diào)節(jié)作用。其次, 本研究的任務(wù)與典型刺激泛化任務(wù)不同, 在典型刺激泛化任務(wù)中, 新刺激通常被認(rèn)為與原始刺激有明顯重疊。而在本研究中, 雖然刺激泛化階段的變形面孔與刺激聯(lián)結(jié)階段的學(xué)習(xí)面孔具有不同的相似性, 不過被試事后主觀報告, 他們在實驗過程中并未意識到變形面孔與學(xué)習(xí)面孔之間的關(guān)聯(lián), 這在一定程度上反映了面孔相似性操作的內(nèi)隱性。在這種內(nèi)隱情形下, 個體對變形面孔的信任仍然受到過去經(jīng)驗的影響, 表明面孔信任中的刺激泛化具有一定的內(nèi)隱性(羅秋鈴等, 2020; Verosky & Todorov, 2013)。然而這種內(nèi)隱學(xué)習(xí)泛化的認(rèn)知機制和神經(jīng)基礎(chǔ)尚不清楚, 未來研究可借助認(rèn)知神經(jīng)技術(shù)進行探索。

6 結(jié)論

基于聯(lián)結(jié)學(xué)習(xí)理論, 本研究考察了跨情境的刺激泛化在面孔信任形成中的作用。研究結(jié)果表明, 隨著被信任者的面孔與先前互動中公平(不公平)分配者面孔相似度的增加, 個體對其信任程度逐漸增加(降低); 并且對不公平分配者面孔的泛化強度高于對公平面孔的泛化強度。此外, 行為意圖在刺激泛化效應(yīng)的產(chǎn)生中起到調(diào)節(jié)作用; 在無意圖條件下, 上述跨情境的刺激泛化效應(yīng)消失。

Allidina, S., & Cunningham, W. A. (2021). Avoidance begets avoidance: A computational account of negative stereotype persistence.,(10), 2078?2099.

Baayen, R. H., Davidson, D. J., & Bates, D. M. (2008). Mixed- effects modeling with crossed random effects for subjects and items.,(4), 390? 412.

Bateson, M., Brilot, B., & Nettle, D. (2011). Anxiety: An evolutionary approach.,(12), 707?715.

Baumeister, R. F., Bratslavsky, E., Finkenauer, C., & Vohs, K. D. (2001). Bad is stronger than good.,(4), 323?370.

Buckholtz, J. W., Asplund, C. L., Dux, P. E., Zald, D. H., Gore, J. C., Jones, O. D., & Marois, R. (2008). The neural correlates of third-party punishment.,(5), 930?940.

Bürkner, P. C. (2017). Brms: An R package for Bayesian multilevel models using Stan.,(1), 1?28.

Chang, L. J., & Sanfey, A. G. (2013). Great expectations: Neural computations underlying the use of social norms in decision- making.,(3), 277?284.

Cushman, F., Dreber, A., Wang, Y., & Costa, J. (2009). Accidental outcomes guide punishment in a “trembling hand” game.,(8), e6699.

Cushman, F., Sheketoff, R., Wharton, S., & Carey, S. (2013). The development of intent-based moral judgment.,(1), 6?21.

Dayan, P., & Berridge, K. C. (2014). Model-based and model- free Pavlovian reward learning: Revaluation, revision, and revelation.,(2), 473?492.

de Boeck, P., Bakker, M., Zwitser, R., Nivard, M., Hofman, A., Tuerlinckx, F., & Partchev, I. (2011). The estimation of item response models with the lmer function from the lme4 package in R.,(12), 1?28.

Dufwenberg, M., & Kirchsteiger, G. (2004). A theory of sequential reciprocity.,(2), 268?298.

Earley, R. L. (2010). Social eavesdropping and the evolution of conditional cooperation and cheating strategies.,(1553), 2675?2686.

Erev, I., & Roth, A. E. (1998). Predicting how people play games: Reinforcement learning in experimental games with unique, mixed strategy equilibria.,(4), 848?881.

Fareri, D. S., Chang, L. J., & Delgado, M. R. (2012). Effects of direct social experience on trust decisions and neural reward circuitry.,, 148.

FeldmanHall, O., Dunsmoor, J. E., Tompary, A., Hunter, L. E., Todorov, A., & Phelps, E. A. (2018). Stimulus generalization as a mechanism for learning to trust.,(7), 1690?1697.

Forstmann, B. U., Ratcliff, R., & Wagenmakers, E.-J. (2016). Sequential sampling models in cognitive neuroscience: Advantages, applications, and extensions.,(1), 641?666.

Frith, C. D., & Frith, U. (2012). Mechanisms of social cognition.,, 287?313.

Gao, Q. L., & Zhou, Y. (2021). Psychological and neural mechanisms of trust formation: A perspective from computational modeling based on the decision of investor in the trust game.,(1), 178?189.

[高青林, 周媛. (2021). 計算模型視角下信任形成的心理和神經(jīng)機制——基于信任博弈中投資者的角度.,(1), 178?189.]

Gao, W., Cao, B., Shan, S., Chen, X., Zhou, D., Zhang, X., & Zhao, D. (2007). The CAS-PEAL large-scale Chinese face database and baseline evaluations.,(1), 149?161.

Gawronski, B., & Quinn, K. A. (2013). Guilty by mere similarity: Assimilative effects of facial resemblance on automatic evaluation.,(1), 120?125.

Germar, M., Schlemmer, A., Krug, K., Voss, A., & Mojzisch, A. (2014). Social influence and perceptual decision making: A diffusion model analysis.,(2), 217?231.

Grady, C. L., Hongwanishkul, D., Keightley, M., Lee, W., & Hasher, L. (2007). The effect of age on memory for emotional faces.,(3), 371?380.

Johnson, D. J., Hopwood, C. J., Cesario, J., & Pleskac, T. J. (2017). Advancing research on cognitive processes in social and personality psychology: A hierarchical drift diffusion model primer.,(4), 413?423.

Kocsor, F., & Bereczkei, T. (2017). First impressions of strangers rely on generalization of behavioral traits associated with previously seen facial features.,(3), 385?391.

Kraus, M. W., Chen, S., Lee, V. A., & Straus, L. D. (2010). Transference occurs across group boundaries.,(6), 1067?1073.

Luo, Q., Huang, L., Hou, Q., Aimaitijiang, R., Zhou, M., Zhou, X., & Chen, S. (2020). Generalization effect of gossip on interpersonal trust.,(1), 165?171.

[羅秋鈴, 黃露霖, 侯慶輝, 熱米拉·艾買提江, 周夢哲, 周曉林, 陳雙. (2020). 傳言對人際信任影響的泛化效應(yīng).,(1), 165?171.]

Ma, Q., Meng, L., Zhang, Z., Xu, Q., Wang, Y., & Shen, Q. (2015). You did not mean it: Perceived good intentions alleviate sense of unfairness.,(3), 183?190.

Mcauliffe, K., Jordan, J. J., & Warneken, F. (2015). Costly third-party punishment in young children.,, 1?10.

Milinski, M. (2016). Reputation, a universal currency for human social interactions.,(1687), 20150100.

Mineka, S., & ?hman, A. (2002). Phobias and preparedness: The selective, automatic, and encapsulated nature of fear.,(10), 927?937.

Moretti, L., & Di Pellegrino, G. (2010). Disgust selectively modulates reciprocal fairness in economic interactions.,(2), 169?180.

Offerman, T. (2002). Hurting hurts more than helping helps.,(8), 1423?1437.

Olsson, A., Knapska, E., & Lindstr?m, B. (2020). The neural and computational systems of social learning.,(4), 197?212.

Olsson, A., Nearing, K. I., & Phelps, E. A. (2007). Learning fears by observing others: The neural systems of social fear transmission.,(1), 3?11.

Peirce, J. W. (2009). Generating stimuli for neuroscience using PsychoPy.,, 10.

Radell, M. L., Sanchez, R., Weinflash, N., & Myers, C. E. (2016). The personality trait of behavioral inhibition modulates perceptions of moral character and performance during the trust game: Behavioral results and computational modeling.,, e1631.

Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: Theory and data for two-choice decision tasks.,(4), 873?922.

Rescorla, R. A. (1976). Stimulus generalization: Some predictions from a model of Pavlovian conditioning.,(1), 88?96.

Rescorla, R. A., & Solomon, R. L. (1967). Two-process learning theory: Relationships between Pavlovian conditioning and instrumental learning.,(3), 151?182.

Rousseau, D. M., Sitkin, S. B., Burt, R. S., & Camerer, C. (1998). Not so different after all: A cross-discipline view of trust.,(3), 393?404.

Rozin, P., & Royzman, E. B. (2001). Negativity bias, negativity dominance, and contagion.,(4), 296?320.

Ruff, C. C., & Fehr, E. (2014). The neurobiology of rewards and values in social decision making.,(8), 549?562.

Schechtman, E., Laufer, O., & Paz, R. (2010). Negative valence widens generalization of learning.,(31), 10460?10464.

Shang, J., & Li, Y. (2020). The effects of participants’ sex and the facial trustworthiness of proposers on third‐party decision‐making in a dictator game.,(6), 877?884.

Singer, T., Seymour, B., O'Doherty, J. P., Stephan, K. E., Dolan, R. J., & Frith, C. D. (2006). Empathic neural responses are modulated by the perceived fairness of others.,(7075), 466?469.

Son, J.-Y., Bhandari, A., & FeldmanHall, O. (2019). Crowdsourcing punishment: Individuals reference group preferences to inform their own punitive decisions.,(1), 11625.

Sullivan, J. L., & Transue, J. E. (1999). The psychological underpinnings of democracy: A selective review of research on political tolerance, interpersonal trust, and social capital.,(1), 625?650.

Sun, Z., Ye, C., He, Z., & Yu, W. (2020). Behavioral intention promotes generalized reciprocity: Evidence from the dictator game.,, 772.

Sutter, M. (2007). Outcomes versus intentions: On the nature of fair behavior and its development with age.,(1), 69?78.

Todorov, A., Baron, S. G., & Oosterhof, N. N. (2008). Evaluating face trustworthiness: A model based approach.,(2), 119?127.

Vaish, A., Hepach, R., & Tomasello, M. (2018). The specificity of reciprocity: Young children reciprocate more generously to those who intentionally benefit them.,, 336?353.

van’t Wout, M., Kahn, R. S., Sanfey, A. G., & Aleman, A. (2006). Affective state and decision-making in the ultimatum game.,(4), 564?568.

Verosky, S. C., & Todorov, A. (2010). Generalization of affective learning about faces to perceptually similar faces.,(6), 779?785.

Verosky, S. C., & Todorov, A. (2013). When physical similarity matters: Mechanisms underlying affective learning generalization to the evaluation of novel faces.,(4), 661? 669.

Wang, T., Chen, Y., & Lu, J. (2020). The generalization effect in gap evaluation: How large is the gap between you and me?,(11), 1327?1339.

[王天鴻, 陳宇琦, 陸靜怡. (2020). 差距知覺的泛化效應(yīng)：我和你之間的差距有多大？,(11), 1327? 1339.]

Wiecki, T. V., Sofer, I., & Frank, M. J. (2013). HDDM: Hierarchical Bayesian estimation of the Drift-Diffusion Model in Python.,, 14. doi:10.3389/fninf.2013.00014

Willis, J., & Todorov, A. (2006). First impressions: Making up your mind after a 100-ms exposure to a face.,(7), 592?598.

Wilson, R. K., & Eckel, C. C. (2006). Judging a book by its cover: Beauty and expectations in the trust game.,(2), 189?202.

Xiang, T., Lohrenz, T., & Montague, P. R. (2013). Computational substrates of norms and their violations during social exchange.,(3), 1099?1108.

Yu, H., Siegel, J. Z., Clithero, J. A., & Crockett, M. J. (2021). How peer influence shapes value computation in moral decision-making.,, 104641.

Zak, P. J., & Knack, S. (2001). Trust and growth.,(470), 295?321.

Zebrowitz, L. A., & Montepare, J. M. (2008). Social psychological face perception: Why appearance matters.,(3), 1497? 1517.

Zhang, Y., Li, H., & Wu, Y. (2020). The application of computational modelling in the studies of moral cognition.,(7), 1042?1055.

[張銀花, 李紅, 吳寅. (2020). 計算模型在道德認(rèn)知研究中的應(yīng)用.,(7), 1042?1055.]

Zheng, X., Guo, W., Chen, M., Jin, J., & Yin, J. (2020). Influence of the valence of social actions on attentional capture: Focus on helping and hindering actions.(5), 584?596.

[鄭旭濤, 郭文姣, 陳滿, 金佳, 尹軍. (2020). 社會行為的效價信息對注意捕獲的影響: 基于幫助和阻礙行為的探討.,(5), 584?596.]

The role of cross-situational stimulus generalization in the formation of trust towards face: A perspective based on direct and observational learning

YUAN Bo, WANG Xiaoping, YIN Jun, LI Weiqiang

(Department of Psychology, Ningbo University, Ningbo 315211, China)

How do humans learn to trust unfamiliar others? Decisions in the absence of direct knowledge rely on our ability to generalize from past experiences and are often shaped by the degree of similarity between prior experience and novel situations. A previous study suggested that people use stimulus generalization from the same situation as a mechanism for learning to trust towards strangers. However, it is still unclear whether this stimulus generalization effect exists across different situations, and the role of intention perception in this effect. Here, we leverage a stimulus generalization framework to examine how perceptual similarity between known individuals and unfamiliar strangers across different interactive situations shapes people’s trust towards strangers. Given that the strong adaptability of the stimulus generalization mechanism, we assume that the faces associated with different degrees of unfairness will affect the individual's trust towards similar unfamiliar faces, and intention perception modulates this process.

Three experiments were conducted to examine the above hypothesis. In Experiment 1a and Experiment 1b, participants play or observe an iterative ultimatum game with three partners who exhibit highly unfair, medium unfair, or highly fair behavior. After learning who was the fair/unfair allocator, participants select new partners for a trust game. Unbeknownst to participants, each potential new partner was parametrically morphed with one of the three original players. In Experiment 2, participants play a similar iterative ultimatum game with three partners, nevertheless the allocations were generated by a computer algorithm which excludes the intention of the allocator.

A mixed linear regression was conducted, with both (un)fairness type (whether faces were morphed with the original fair, medium unfair, unfair allocator’ face) and perceptual similarity (increasing similarity to the original face, 23%, 34%, 45%, 56%, 67%, 78%) were entered as predictors of choosing to play with the morphed face. The result of Experiment 1a and Experiment 1b show that compared with the medium unfair condition, as the perceptual similarity between the morphed trustee’s face and the face of the fair (unfair) allocator in the previous interaction increases, the degree of trust (distrust) towards the trustee gradually increases. In addition, this effect is asymmetrical, participants preferentially avoided more the unfair morphs in comparison with the fair morphs. This suggests an asymmetric overgeneralization toward individuals perceived to be morally aversive. Using Drift-Diffusion Modeling (DDM), we found that the drift rateunder unfair condition is significantly smaller than that under medium unfair or fair conditions, and most of them are in the range of less than 0. This suggests that individuals are more likely to accumulate evidence of distrust when making trust decisions about unfamiliar faces that are similar to the allocator who was unfair in previous interactions. In Experiment 2, under an unintentional situation, the above-mentioned cross-situational generalization effect disappeared.

Together, our results demonstrate that the individuals use the associative learning mechanism to capture the moral information of the interactive objects from the past experience, and then guides subsequent trust decision- making. This mechanism draws on prior learning to reduce the uncertainty associated with strangers, ultimately facilitating potentially adaptive decisions to trust, or withhold trust from unfamiliar others.

trust formation, associative learning, stimulus generalization, behavioral intention, Drift-Diffusion Modeling

B849: C91

2021-12-30

* 全國教育科學(xué)規(guī)劃一般項目“青少年道德決策中的同伴影響及其認(rèn)知情感機制研究” (BBA210033)。

袁博, E-mail: yuanbopsy@gmail.com; 李偉強, E-mail: liweiqiang@nbu.edu.cn