我们经常需要做出关于事物或人物序列的决定，而不是单独的一个项目。 例如，在日常生活中，我们可能会在尝试几次后选择购买哪款智能手机。 当然，还有更多高风险的情况，就像奥运选手为了赢得金牌而竞争时一样。
理想情况下，按照顺序排列最好的项目或者最出色的表现并不重要，我们当然希望分数能够以一种不偏不倚的方式来确定。 如果不是，竞争对手会（正确）抱怨这个过程是多么不公平。
但事实证明，在执行这些判决任务时，人们显示出很多偏见。 我们的主观评价是受上下文影响的 - 也就是说，要评判的其他项目是有效的，尽管他们可能不应该这样做。 例如，人们提出了评价面孔 在合影中更具吸引力 比每个单独评估。 我最近的研究 增加了心理学研究的内容，表明情境还包括以前见过的面孔，运动员等等。
订单在哪里？
人们受到项目出现顺序的影响。 我们知道第一个和最后一个项目是 记得最好。 他们也是 判断更积极 在比赛期间。 所以，如果你打算在“偶像”电视系列节目中演出，例如，如果你能在这里演唱，那么在演唱会开始或结束的时候唱歌是明智的。
我们如何判断表演也受到我们刚才给出的分数的影响。 这是因为最近的（最近的）事件被用作参考点 - 这些信息很容易获得，增加了它对当前决策的影响。
通常情况下，这是以心理学家称之为的形式出现的 同化效应：如果前一个人（或事物）获得高分，则会增加对当前人的评价。 相反，当以前的表现得分不佳时，会降低当前人的评价。
这种模式似乎是序列呈现时人们的默认模式。 研究人员已经在各种情况下确定了这种效应，包括评分 奥运体操运动员，估计 商品价格，收视率 学生的散文 以及我们如何判断 吸引力.
另一方面，有时候我们会看到相反的模式 - 心理学家称之为什么 对比效果。 在这种情况下，给以前的表现低分会增加当前人的评价。 同样，高分也会降低下一个的评分。
在这种情况下，似乎最好的办法是在得到低分的人之后进行竞争，因为他们会让你看起来更好。 这种类型的证据已经被发现 快速约会的判断。 在我最近的研究中， 我们在奥运同步跳水成绩中看到了同样的模式。 当潜水员在低分潜水后进行比赛时，这提高了他们的分数，但经过大幅下潜导致运动员得到评分较低的评分。 在统计上，我发现在大多数情况下，中等效果的尺寸。
那么你会得到一个碰撞或打一个？
研究人员仍然试图了解我们的判断什么时候会被同化，什么时候会与之前的得分形成对比。
有证据表明 相似性是关键。 如果当前和以前的项目足够相似，评委会显示同化，然后评估后面的项目。 但是，如果它们看起来足够不同，则会产生对比效果，并且下面的项目评分将被推到更远的地方。 例如，通过改变两个连续体操运动员的相似程度（告诉参与者他们有相同或不同的国籍），研究人员能够 产生同化或对比效应 在参与者的评级。
这个想法是，最初的相似性导致人们寻找更多的 - 可能包括相似的外观，年龄组等 - 引起同化。 但是，当有明显的差异或者法官已经在寻找差异的时候，那就是当你看到对比效果的时候。
举例来说，以同步的潜水员为例，我假设法官接受训练，寻找潜水伙伴（谁打算给予相同的潜水）之间的微小差异，因为这将导致他们的分数扣除。 这种对差异的关注可能会泛化到寻找差异，从而产生序列的总体对比效应。
时间也可能起作用。 如果演示文稿非常短（可以在实验室中制作的时间为几分之一秒），则可能会增加同化的可能性。 对于在自然环境中更常见的更长的观看时间，我们可能更容易看到对比效果。 证据还表明，任何类型的先前的影响可能会减少或完全消失的时候 时间之间的项目 在序列中是更长的。
消除偏见
也许防止这些类型的偏见影响竞争结果的最佳方法是消除所谓的人为因素。 同步潜水的计算机分析例如，最终可能会提供客观的绩效衡量标准，可以与人的判断相结合甚至取代。
像自动系统 鹰眼 已经被用于网球，板球和其他体育运动中作为公正的第二意见。 通过视觉跟踪球的运动，这些系统可以创建其轨迹的3D表示。 也许其他类型的竞争决定也许有一天也会得到人为的法官的帮助。
由于技术尚不能取代人们的判断，因此我们可以采取一些步骤使竞争尽可能公平。 首先，随机排列竞争者的顺序将会阻止任何特定的运动员在序列中出现有利位置的机会（尽管这不会消除所提到的偏见）。 其次，尽可能地增加表演间的时间（受电视广播，人员集中等限制）应该减少其中的一些偏差。 第三，我可以预测，改善法官的条件 - 比如给他们更多的时间，或者让他们观看慢镜头重播 - 也可能导致与以前表演的比较下降。
到目前为止，对于这些类型的偏见如何影响现实世界的行为和竞争，一直没有进行调查。 意识到运动员可能赢得或失去奥运奖牌的基础上，他们竞争的顺序是令人吃惊和令人担忧的。 随着对这些偏见的更多研究，我们可以弄清楚如何防止他们影响到像黄金回家的重要结果。
关于作者
Robin Kramer，心理学系博士后研究员， 特伦特大学
相关书籍
at InnerSelf 市场和亚马逊
