二、IAT預測：美國總統(tǒng)大選

IAT是格林沃德等人于1998年研制出來的一種基于計算機程序的、測量個體內隱社會認知的技術。在十多年的發(fā)展時間里，IAT就以其多方面的優(yōu)點，成為內隱社會認知研究領域應用最為廣泛的研究工具。

2008年，格林沃德領導的研究小組用這一技術正確預測了美國大選結果。雖然初選結果顯示，奧巴馬的選民支持率要低4％，但格林沃德等人認為，民意調查事實上反映的是人們的外顯態(tài)度，填寫自陳式問卷的人們錯誤地高估了種族偏見的影響力，從印象管理的角度篡改了自己的真實態(tài)度，而在格林沃德的實驗室里，他的研究小組通過IAT測量對美國大選的結果進行預測，發(fā)現(xiàn)人們對奧巴馬的真實支持率要高3個到4個百分比，而最終的大選結果確實和格林沃德的測量結果保持了一致。格林沃德解釋為什么自己能夠成功預測大選的結果，是因為在IAT測量中，人們內心的真實態(tài)度暴露得一清二楚。

而這次成功的預測，也將IAT測量的影響力從研究界擴展到普通民眾，成為當代認知心理學最引人矚目的技術范式之一。作為一種用計算機程序對人們反應時進行測量的方法，IAT的研究邏輯是，當人們看到與自己內心真實態(tài)度相一致的聯(lián)系，比如老人與智慧，花朵與美好，做其他簡單判斷時，反應速度會更快，反應時更短；相反，對與人們真實態(tài)度不一致的聯(lián)系，比如軍人與柔弱，花朵與丑陋，人們做判斷的反應速度會明顯慢一拍，反應時也會更長。

大量研究結果證實了格林沃德的研究邏輯，即內隱的真實態(tài)度能大大縮短人們反應時。在最初的一項IAT實驗中，格林沃德等人在顯示器上呈現(xiàn)目標概念——花（郁金香等）或昆蟲（蜘蛛等）的名字或圖片，以及屬性概念——積極的詞（愛等）和消極的詞（丑等）。要求被試通過按不同的鍵來對屬性概念的詞性進行分類。研究前期的準備發(fā)現(xiàn)，花與積極的詞，昆蟲與消極的詞，在被試的頭腦中有較強的聯(lián)系。因此，當研究者把花與積極的詞安排在一個鍵上，昆蟲與消極的詞安排在另一個鍵上的時候，被試的反應會比較快，因為這樣的安排與被試記憶中的聯(lián)結相一致。當研究者的安排與記憶中的聯(lián)結不相容的時候，如昆蟲與積極的詞安排在一起，花與消極的詞安排在一起時，被試的反應就會較慢。

圖7-4　IAT種族內隱刻板印象實驗示意圖

同時為了防止順序效應的干擾，IAT測試會通過電腦程序設計的不同階段任務，變化這些目標—屬性概念組合的出現(xiàn)次序。早期的IAT測驗共包含5個任務。2002年，格林沃德對IAT程序進行了標準化改進。

如圖7-5所示，改進后的測驗共分7個階段，我們以種族內隱態(tài)度為例進行簡單的說明：

階段一：呈現(xiàn)目標圖片，比如白人圖片和黑人圖片，讓被試歸類并做出一定的反應（看到白人圖片擊左邊綠鍵F，看到黑人圖片擊右邊紅鍵J）。

圖7-5　IAT實驗的通常程序

階段二：呈現(xiàn)屬性詞，比如愉快和不愉快，并讓被試做出反應（看到愉快擊左鍵F，看到不愉快擊右鍵J）。

階段三：聯(lián)合呈現(xiàn)靶詞和屬性詞，讓被試做出反應（看到白人和愉快時擊左鍵F，看到黑人和不愉快時擊右鍵J）。

階段四：重復階段三。

階段五：讓被試對靶子詞做相反的判斷（也就是說看到白人圖片擊右鍵J，看到黑人圖片擊左鍵F）。

階段六：再次聯(lián)合呈現(xiàn)靶子詞和屬性詞，讓被試做出反應（看到黑人和愉快時擊左鍵F，看到白人和不愉快時擊右鍵J）。

階段七：重復階段六。計算機會記錄下從呈現(xiàn)刺激材料到被試按鍵反應之間的時間間隔，同時記錄被試反應的正誤情況。在上述七個階段中，第四階段和第七階段為兼容和不兼容正式測驗部分，需進行40次按鍵反應。其余各階段分別做20次，是對第四階段和第七階段的練習。

在數(shù)據(jù)處理上，最初的IAT測驗主要采取以下的步驟。首先，去掉反應時大于3 000毫秒或小于300毫秒的被試以及錯誤率超過20％的被試。因為反應時太長意味著被試明顯受到干擾，反應時太短意味著被試明顯搶答；錯誤率超過20％意味著被試任意回答。然后，為了使數(shù)據(jù)有滿意的方差穩(wěn)定性（Stabi1ity of variance），對所有的反應時進行對數(shù)轉換，以便于作進一步的分析。接著，把不兼容部分的對數(shù)轉換值與兼容部分的相減，得到的值就是IAT分數(shù)。這種數(shù)據(jù)處理方法在一定程度上受到了研究者們的質疑。格林沃德也承認傳統(tǒng)的記分方法缺少有力的理論支撐，為此格林沃德等人于2003年對IAT的記分方法進行了改進，在綜合比較了對數(shù)轉換、中位數(shù)、平均數(shù)、倒數(shù)和D轉換幾種方法之后，發(fā)現(xiàn)糾錯式D值（D_biep）的效果最好。為了便于進一步的推廣，格林沃德很快將上述數(shù)據(jù)轉換做成了標準化的程序，和IAT程序設計專業(yè)軟件Inquisit一起，放在IAT專門網站上，供研究者和學生免費下載、改寫后使用。

此外，研究者也不斷對IAT程序本身進行完善。針對標準IAT程序不擅長測量單一概念的不足，學者提出了若干種IAT測驗的變化程序，如WIAT（Wigbo1dus IAT）、GNAT（Go/NO-Go Association Test）和EAST（Extrinsic Affect Simon Task）。其中，WIAT是Wigbo1dus對IAT的一種改進，他在IAT任務中提供一個目標概念和兩個屬性概念。比如，第一個任務，要求被試看到積極的詞和與伊斯蘭信仰有關的詞（如古蘭經）時按左鍵，看到消極的詞時按右鍵。第二個任務，要求被試看到積極的詞時按左鍵，看到消極的詞和與伊斯蘭信仰有關的詞時按右鍵。如果被試在第一個任務上做得好，說明對伊斯蘭信仰有積極的態(tài)度，反之亦然。他發(fā)現(xiàn)，WIAT結果與被試的自我匯報正相關。后來其他學者用這種方法研究被試對不同食物的態(tài)度，發(fā)現(xiàn)WIAT研究結果與被試的行為一致。這說明WIAT在態(tài)度和行為預測上都具有相當?shù)男判Ф取?/p>

雖然今天的IAT測量已經發(fā)展到相當精細化的技術，但仍舊會存在缺陷與不足。如吳明證2006年在研究中指出，IAT測量特別需要注重樣例的選取。當比較的方向相容時，會加強IAT，否則會抵消IAT效應，因此特別需要注意IAT的順序控制。周廣亞2005年還提到IAT實驗存在無法對復雜概念進行分析、圖片效應不足等缺陷。此外，正如樣例表征模型提到的，在實驗中也需要區(qū)分清楚樣例代表的是哪一個層次的概念。二級概念（如黑人教授）與一級概念（黑人）代表的概念不同，激活的表征樣例不同時，有可能產生實驗誤差。因此，在正式實驗開始之間，需要對IAT涉及的概念、詞語樣例、目標圖片和實驗程序進行明確界定。

但這些缺陷其實和IAT技術沒有很好地與傳統(tǒng)刻板印象測量相結合有關。如果能夠把外顯測量與內隱測量有效結合，有可能克服IAT測驗過概括化的問題，而且也有助于對刻板印象的結構進行更深入的討論和分析。

本章下一節(jié)將采用IAT方法對獨生子女刻板印象的自動化過程進行初步的探索，分析中詞語樣例的選擇基于前期形容詞問卷調查的結果，一方面注意區(qū)分獨生子女家庭—獨生子女本人以及獨生子—獨生女等二級概念的不同，另一方面也注重不同研究技術得到的結論之間的相互支持和印證。