鸿蒙文学网

手机浏览器扫描二维码访问

第8章 我们究竟是如何作出判断的（第2页）

令人惊奇的是（至少对我而言是这样的），在托多罗夫的研究中，能力评估远比可爱程度的评估对选举结果的预见能力强。

托多罗夫发现，人们总会结合力量和可信度两方面因素来评估一个人的能力。

刚毅的方下巴和自信的微笑便可告诉我们，这个人很有能力。

没有证据显示这些面部特征确实能预示某些政治家可以当选，但关于人们对胜出和出局候选人的判断研究显示，我们往往在投票前就会对那些不具备我们认可的面部特征的候选人持否定态度。

在他的研究中，失败者引起的（负面）情感回应更强烈，我将这个例子称为“判断启发法”

案例，接下来的章节中会沿用这个说法。

投票者尝试着对候选人将来的任职表现生成一种印象，他们又转而依靠系统2快速自主地作出一种更加简单的判断，这一系统只有在必要时才会作出这一判断。

许多政治学者也循着托多罗夫最初研究的路子继续深入研究这一问题，他们划定了一类投票者，这类投票者往往会不由自主地听从系统1的指挥。

这些投票者经常看电视，对政治却所知甚少，而那些政治学者在他们身上找到了自己一直在寻找的东西。

不出所料，对于那些信息贫乏、爱看电视的投票者来说，面部特征表现出的能力对其投票的影响较大，其受影响程度约为那些信息丰富、看电视少的投票者的3倍。

显然，系统1对投票选择的影响因人而异，下文中我们还会遇到一些体现个体差异性的例子。

当然，系统1理解语言，这种理解是建立在一些基本判断基础之上的，而这些判断通常又是在洞察事实和理解信息的基础上作出的。

这些判断包括对相似度和代表性的判断，对因果关系的属性以及对联想和样本的可用性的判断。

尽管判断的结果是用来满足任务要求的，但是没有具体任务时，这些判断活动照样也在进行着。

基本判断的内容很多，但并不是每个可能的属性都需要判断。

例如，我们可以简单看看图7.

一眼看去，你便会对该图的很多特征有个初步印象。

你知道左右两个长方体一样高，也很相似。

然而，左边那个长方体的方块数和铺在平面上的方块数是不是一样，这可不是瞥一眼就能明了的事，而且你也想不出这堆方块能摞成多高的长方体。

为了证实左面长方体的方块数目和中间的方块数目相同，你需要数一下这两堆方块，对比一下结果，这个活动只有系统2能完成。

平均长度与总长度是完全不同的数量概念

还有一个例子，请看这个问题：图8中各条线的平均长度是多少？

这个问题很简单，系统1无须任何提示就能回答。

实验显示，人们在不到一秒钟的时间里完全可以精确地记下很多线段的平均长度。

此外，观察者的认知系统即使正忙于记忆，这些判断的精确度也不会受到影响。

认知系统未必知道如何用英寸或厘米为单位来描述平均值，但是如果让其判断另外一条线是否符合平均值，它们的判断也是非常精确的。

对于一组线的长度标准生成一个印象无须系统2的参与，系统1会自主且毫不费力地完成这一任务，就像它记一组线的颜色和它们之间不相平行的事实一样轻松。

我们也可以立刻对众多物品的数量生成一个印象，如果其数量只有4个或少于4个的话，印象会很精确；如果更多的话，就会变得模糊。

现在我们来讨论另外一个问题：图8中所有线的总长度是多少？这是一种全新体验，因为系统1无法为回答这个问题提供建议。

为此题作答的唯一办法就是启动系统2，系统2会尽力估计平均值，评估或数出有几条线，用平均长度去乘条数得出结果。

仅凭一瞥系统1计算出一组线的总长度，其结果多半不对，这一点你很清楚。

你认为自己绝不会这样做。

事实上，这是该系统一个重要的局限性。

因为系统1通过原型或一组典型事例来代表不同事物分类，它能解决好平均问题，但对总量问题就束手无策了。

一个类别的规模及其所包含的实例数量，在我们判断总额变量时常常被忽略掉了。

在我们进行的众多实验中，有一项是根据那次损失惨重的埃克森–瓦尔德斯号（ExxonValdez）原油泄漏事件的诉讼而设计的，我们询问受试者是否愿意掏钱买网来覆盖油池，因为这些油池常淹死迁徙的鸟类。

受试者组成的不同小组分别表明了各组的意愿，他们愿意掏钱来拯救鸟的数量分别为2000只、20000只和200000只。