凌晨
美国伊利诺伊大学香槟分校博士

我是热爱社会心理学的计算机工程博士,关于偏见的诞生与消解,问我吧!  

鄙视链、地图炮、舒适圈、网络暴力…偏见与种族、经济、性别交织,形成形形色色的歧视。为何总是不经意地以瘦为美、以胖为耻?常说男性越老越是黄金单身汉,而女性则是明日黄花;北方人豪爽且大男子主义、南方人则狡诈小气精于算计?白人对黑人的种族主义为何始终是欧美社会拔不掉的一根刺?犹太人的墓碑到今天依然可能被亵渎?
你知道偏见也分为不同等级吗?怎样避免偏见导致的伤害性行为?为何“礼貌的偏见”长期无害,但希特勒对犹太人的偏见却达到种族清洗的极端程度?我是《偏见的本质》译者凌晨,计算机工程博士、忠实的社会心理学爱好者。如何理解偏见的本质,问我吧!
358
思想 2020-11-17 进行中...
新颖、大胆、专业、有趣的好问题更有机会获得回复,开始提问吧!
9个回复 共20个提问,

热门

最新

查看此问题的另外7个回答

凌晨 2020-11-30

这是一个好问题。偏见是在事实依据不足的情况下所作出的预判。然而,这种分类是错误的,带有敌意的。
奥尔波特指出,与事实依据相印证的分类标签往往会得到选择性的认可,而与分类标签相悖的事实依据则会遭遇大部分人的抵触。在面对互为矛盾的事实与分类时,坚持预判的心理机制即允许特例的出现。奥尔波特在书中给出的例子是我们能耳熟能详的一种表达,即,“的确有些黑人也是好人, 但是......”,或是,“我有一些好朋友是犹太人,但是......”这种转折的句式所表达的前半部分语义似 乎是一种消除敌意的机制,但是在通过剔除一些正面个例后,针对此类别之下其他事例的态度依旧是负 面的。简而言之,相悖的事实依据无法改变错误的泛化,人们虽然认可这一事实,但却在分类过程中将 其排除在外,这也被称为“二次防御”。此外,奥尔波特还在书中提及了一个有趣的例子:
当一名对黑人持有强烈偏见的人,在面对有利于黑人的事实依据时,他往往会将婚姻问题作为挡箭牌与诡辩的 理由:“你希望你的妹妹和黑人结婚吗?”一旦对方回答:“不,”或在回答过程中产生犹豫,偏见的持有者就会 说,“看到了吧,黑人和我们生来不同,有些事对黑人来说就是不可能的,”或者,“我就说吧,黑人本性难移, 令人厌恶。”
可以说,错误的分类并非造成偏见的绝对因素,但是,人们总是自以为有充分的理由维持自身的预 判,继而导致了偏见。更重要的是,我们的预判往往受到社会环境、社交网络的影响与支持,因而在大多数情况下,我们都不会对此加以考量。
造成的偏见的另一要素是敌意。奥尔波特认为,这种敌意恰恰来自于偏爱——一种自身价值系统的 维护。斯宾诺莎将“出于爱的偏见(love-prejudice)”定义为“被爱蒙蔽了双眼”。正如古人有云:情人眼 里出西施。在热恋中的情侣眼中,对方的所有一切都是完美的。与此相似,对信仰、组织、国家的爱也 会使人们“蒙蔽双眼”。
此类积极的依附关系对我们的生活至关重要。年幼的孩子不能离开监护人独自生活。他必须先通过 某人或某事学会爱,并认识自我,才能够学会憎恨。而在他分辨对其价值体系的威胁之前,他是被亲情 与友情所围绕的。正是出于对此的珍爱——同时也是个人生存的基础,人们倾向于受到对个人价值体系 袒护的驱使,而做出毫无依据的预判,对可能会威胁到我们价值体系的人和事物进行贬低(或主动攻击), 以抬高自身的价值取向。这种预判是非理性的,而基于偏见问题的复杂性,奥尔波特并未就其与大脑分 类活动之后的理性预判进行详尽的区分,事实上,这一问题依旧是目前该领域中所需探讨的问题之一。
仇恨偏见是基于错误预判与敌意加强后的二次发展,其所反映的事实背后通常是积极正面的价值体 系。西弗洛伊德曾就此这样表述:“在对陌生人不加掩饰的厌恶与反感之中,我们意识到,这其实是对 自己的爱的表达,是一种自恋。”可以说,是爱的偏见(偏爱)引来了仇恨的偏见(歧视)。
查看此问题的另外1个回答

计算机专业对研究社会心理学有帮助吗?怎么个交叉法?~

凌晨 2020-11-30

计算机科学的进步对研究社会心理学当然是有帮助的。在互联网中的虚拟社会之中,个体化为了一个个互相独立又互为联结的数据集。 虽然彼此之间不再以肤色、种族、阶级为标识,但是现实社会中的冲突与矛盾却在信息的快速传递中愈 演愈烈。是什么因素在网络上主导了偏见的产生?又是什么因素能够借由互联网最大程度地消除偏见? 网络究竟对人们的偏见态度产生了什么样的影响?大量的数据是否能够作为样本帮助研究人员对偏见进 行更为深入的分析?
计算社会学的出现正是社会科学家们希望通过数字化数据流,以前所未有的规模和层次研究个体与群体的行为的一种尝试。这一概念最初由美国哈佛大学大卫拉泽(David Lazer)为首的 15 位美国学者共同 提出,并以“计算社会学(Computational Social Science)”为题联合发表于《科学》杂志上。2012 年,《自然》杂志就这一领域的最新进展刊登了综述,文中引用了研究人员就脸谱网数据所发现的结果:
“今年,克莱因伯格和他的同事利用脸谱网约 9 亿用户数据,以研究社会网络中的传染性——一种观念传播的 过程。这些观念可能有关于时尚美容,也可能是有关于政治观点、新兴技术、或财政决定。几乎所有的理论都假设 这个传播过程类似于病毒的传播:一个人接受一个新观念的几率与他所能接触到的、已经接受该观念的人数呈正比。 然而,克莱因伯格的学生,约翰乌甘德发现情况远比此复杂:用户加入脸谱的动机与其使用脸谱的朋友数目无关, 而是取决于使用脸谱的、来自不同社会群体的朋友数目。也就是说,如果你的同事、体育俱乐部的朋友、及你的好 朋友都已经加入了脸谱,那么你对脸谱所留下的印象远比你只在上面发现了来自同一社会群体的朋友更深刻。所以, 观念的传播取决于坚守于该观念的人群的多样化。”
如此之大的数据样本是在信息技术革命之前,任何社会科学研究都无法想象的。运用大数据的计算 社会学在证实或测试固有假设的道路上已经迈出了第一步。有关偏见的研究也正在这个领域中展开:
2018 年 4 月,斯坦福大学的研究人员利用自然语言处理算法分析了美国近一个世纪以来的书籍、报刊、和其他 文字载体,并将其遣词造句中的变化与关键社会运动节点(如 1960 年代的女性运动,大量亚裔移民迁入)时期的美国 人口普查数据中相比较。研究人员发现,针对女性的刻板印象正在逐渐变少,在 20 世纪上半叶,“聪明(intelligent)”、 “逻辑清晰的(logical)”、“深谋远虑的(thoughtful)”等一类词语往往更多地与男性相关联,然而在 1960 年代后, 这些词开始逐渐更多地与女性联系在一起。即使针对两性依然各自存在不少刻板印象,但是 1960 年代的女性运动显 然对刻板印象的削弱起到了至关重要的作用。
跨学科的交叉研究,如同人类群体关系的发展一样,难免也会有回溯的情况发生。但如同奥尔波特 在《偏见的本质》中所说的那样,“任何企图完全解释偏见的理论都是片面的......社会科学可以通过两 种方式为此(消除偏见的方案)提供帮助。一是从问题根源进行剖析。基于对偏见根源在心理学与社会分析 之上,社会科学能够成功预测特定运作模式的成败。其次,社会科学也能够作为评估工具,对所采取的 方案进行测量。”也许在计算机科学、神经科学、以及其他领域的共同努力下,不久的将来,人类偏见的真相将不再触不可及,偏见的消弭也不再是一个触不可及的预言。

凌晨 2020-11-30

事实上,偏见(prejudice)是什么?也许一个脱口而出的答案可能是,在没有足够依据的情况下就把人往坏处想。中国的成语中就有不少这样的例子,“断章取义”、“以偏概全”、“穿凿附会”等都指出了我们 常常将自己选择性的记忆,与传闻相混合,并对此进行了过度泛化。如此的过度泛化(overgeneralization) 也许是人类最常见的思考谬误,然而,这样的归纳却是不可避免的。因为人类过度泛化的倾向本具有进 化意义。生命是如此短暂,而我们所面对的信息却如潮水一般扑面而来。为了尽快适应生活的更迭,我 们必须快速地为面前的新事物定性,孰善恕恶。由于我们无法对世间万物都有详尽的了解,并据此做出 判断。于是,我们不得不依赖于这样粗略却广泛的预判(prejudgment)。
那么,是否所有的预判行为都是偏见呢?答案是否定的。奥尔波特指出,但凡一个人能够在足以推 翻预先判断的依据面前,纠正自己原先错误的判断,就并非偏见的持有者。而那些在新知识的冲击下, 依旧冥顽不化、固执己见的人所持有的预判,才会被称为是偏见。由此,预判与偏见的区别在于是否能 够不带抵触地讨论、并纠正原先观点。奥尔波特借此进一步将偏见归纳为如下的定义:
偏见是一种基于错误且僵化的泛化观点而产生的反感。它能够被感觉到,也能够被表达出来。它可以是针对整 个群体的,也可以是针对单独个体的,个体往往会因为作为群体一员而遭致偏见。在偏见的本质一书中所讨论的偏见仅限于敌对的偏见,而不包括积极的偏见,如偏爱。如果您对这个话题感兴趣,可以找来看一看。

热新闻

热话题

热评论

热回答

关于澎湃 在澎湃工作 联系我们 广告及合作 版权声明 隐私政策 友情链接 澎湃新闻举报受理和处置办法 严正声明