看臉能看出窮富？國外科學家研究了好幾年...還比不過我們老祖宗4個字啊！

:0:0

話說，大家可能聽說過類似的話：他天庭飽滿、地閣方圓，長得就像個有錢人。或者...他看上去一臉窮酸相！看臉能看出一個人有沒有錢，社會地位又如何麼？好吧，這年頭，我們可能已經聽說過各種看面相的理論.... 那麼，從科學上呢？能不能從科學上嚴謹的證明？還真有人文科學家，做了一系列的實驗.... 就想看看「究竟看臉能不能看出一個人有沒有錢...」

好吧，多倫多大學心理學系的Thora Bjornsdottir博士學生和Nicholas Rule教授，做了一系列的實驗... 就為了搞清楚這個問題... 今年，他們在《人格與社會心理學》（Journal of Personality and Social Psychology）雜誌上發表了篇論文，題目是：面部特徵可以看出社會階層的可視性。

好吧，究竟他們要怎麼從科學的角度來論證這個問題呢？ Bjornsdottir和Rule做了7個實驗，她們在2013年就做準備，先是在美國各大城市的婚戀廣告上，隨機找出160個徵婚求偶的人。恩，這些婚戀廣告的樣子一般長這樣，有照片，他們的年齡和收入.....（以下兩張圖是隨便搜的）

在這些照片里，她們隨意挑出80個男人、80個女人，年齡18-35歲。為了消除照片上各種背景可能給人的印象造成的影響，他們把這些人的臉從背景上扣下來，把他們各異的髮型去除。又為了去掉可能的膚色的影響，把所有人的臉都調成了同一明暗的灰色了又把大家臉的大小調成一致...... 經過這一系列的數據處理之後，研究的樣本，就變成了這樣....

臉已經準備好了，那麼社會階層這個東西，如何算呢？Rule教授她們根據一個人的年收入來區分社會階層，簡單粗暴地講就是此人屬於『有錢族』，『窮人族』...美國當年的平均收入是56,798美元，凡是在婚戀廣告中說自己年收入高於150,000美元的人，就屬於『有錢族』，如果是低於35000美元，那就是妥妥的『窮人族』。他們選的這些臉里，正好一半屬於有錢族，一半屬於窮人族。

之後，研究人員請來81個加拿大本科生，讓他們看這些婚戀廣告主的臉，僅憑第一反應判斷，對方是屬於哪一族，結果....學生們的正確率有61%.... 好吧，這靠譜麼？萬一只是這些學生正好蒙對了呢？學生的社會經歷還不夠，他們的判斷靠譜麼？為了讓整個研究更為嚴謹，他們決定在另一群人身上重複一次整個實驗。如果結果類似，那麼久代表他們的重複了實驗結果，那就是靠譜的.... 而且這一次，他們去找來了一些社會經驗更豐富的人 --- 80個來自美國機械工人協會的工人們，讓他們對着婚戀廣告主的臉判斷... 結果，這一次，正確率更高，有64%.... 在實驗中，有時是讓測試者們想看多久就看多久，有時是只給他們半秒種時間看.... 因為樣本中窮富的比例是一半對一半的50%.... 結果兩組不同的人都達到了60%以上的正確率，雖然達不到高的離譜的準確率，研究人員表示，這至少說明了一個問題...從一定的程度上來說，人們是能從臉大概的猜出哪些是『有錢族』，哪些人是『窮人族』的......

這就結束了麼？必然不....一個博士論文級別的研究哪會那麼快就搞定... 為了進一步消除整張臉可能的影響....研究人員又做了幾個實驗... 在這個試驗里，他們將婚戀廣告主的臉切成兩半，只給參與實驗的對象看一半...或者是左右反轉....或者是只給出眼睛和嘴.....

每一次，人們都能高於隨機概率地猜對答案。上下顛倒的正確率63%，左右翻轉的正確率56%，只給看上半臉的正確率59%，只給看下半臉正確率60% ，只給看嘴巴的正確率58%。不過在只給看眼睛的測試上有點崩.. 正確率只有52%.. 也就比亂蒙的正確率好了一點點... （看眼睛看不出貧富啊好吧... ）

那都到這裡了....是不是可以從科學的角度上說，看臉真的在一定給程度上能看出一個人貧富了呢？還不能啊！！還要再更嚴謹一點.... 於是，研究人員又開始了而下一個猜想... 萬一是那些婚戀廣告的照片上的臉有偏見呢？畢竟每個人都是自己拍的照片，雖然他們儘可能中性的處理了那些照片。但是萬一可能還是有影響呢？比如拍照角度的普通，拍照時自信心的狀態不同...情緒不同... 微表情不同等等等等.... 那，我們實驗就要做得更嚴謹一點！這次，研究人員又找來了160個多倫多本科生，白人和亞洲人的比例各50%，男性和女性的比例同樣各50%.... 研究人員把他們找來，重新用統一標準化的方式拍照..... 她們在照相機前指導學生，讓他們做出最平靜，最面無表情的臉，然後統一調成灰色，得到這些照片.... 這160個本科生里，她們根據學校數據庫里這些學生自己填寫的家庭收入，來區分了他們的社會階層。在2013年，加拿大全家收入的中位數是$76,550，所以學生中，凡是家庭收入小於$60,000的都算『窮人』，高於$100,000的都算『有錢人』。經過她們的挑選，『有錢人』和『窮人』的數量各有80人。好吧，這下足夠嚴謹了... 都可以說，大家的臉都是經過標準化的方式拍下來的照片.. 大家都面無表情，大家臉的大小都一樣，顏色也都一樣.... 沒有什麼其他可以影響判斷的因素... 真的，一切看臉...... 如果這些大家還能判斷對的話，是不是就真的可以說，看臉是能看出有沒有錢的了額？？？這次，他們又找來了76個機械工業協會的人... 讓他們進行判斷，憑自己的第一印象，猜這些學生是屬於有錢人，還是沒錢人........ 好吧....這下，結果果然崩了..... 這一次，正確率是52%.... 只比隨機亂猜，高了一點點...... 一個個這麼面如死灰，臣妾真的猜不出來了啊！！！眼看着研究要崩.... 研究人員又做了一個打分式的實驗.... 讓參與對象只看臉，給學生打分，內容包括：魅力、教養、同情心、領導力、智慧、勤奮、健康和暖心，以及正面形象（按3到-3計算）。結果顯示，屬於『有錢組』的學生在前8個因素的分數上比『沒錢組』的更高，但高的還不算明顯，但在『正面形象』上，有錢組（平均0.74分），超過了沒錢組（平均-0.66分），這意味着，形象上的『正面』與有錢沒錢掛鈎，人們可能是通過看外貌上某些正面特點（比如炯炯有神的眼睛），來判定對方是不是有錢人.... 好吧，這一個個的實驗下來，研究人員解釋到.... 可能是過往的經歷在人們的臉上留下痕跡...『你處在不同的社會階層時，臉上經常會露出不同的表情。』『這些表情很微妙，但因為人類對臉的敏感，能夠一眼就看到。』『比如，如果你很有錢，那麼你覺得開心、滿足的日子會更多，臉上經常露出笑容，這會帶來眼部和嘴部肌肉的變化。就算我們現在沒有露出什麼表情，這些過往情緒的印跡，仍然會留在我們臉上.....』

看婚戀的照片，大家判斷的準確性相對比較高....看面無表情的照片，大家判斷的準確性低，基本亂蒙... 也許，只看臉部特徵，很看出誰窮誰富....而當臉部特徵帶上了能反應自己狀態的各種細小的表情，哪怕只是一點點痕跡，卻又能讓人看出你所在的階層..... 所以，與其說，看臉能不能看出窮富....不如說，看臉其實是看出了那種當你或窮或富時，表現在臉上的那種心態吧..... 在她們最後一個實驗中，教授們收集了40個剛剛從會計專業畢業的學生照片。照片同樣經過了一系列灰化，去掉頭髮和裝飾物等，只露出臉，然後給75個參與對象看看，讓他們從1到8打分，看這些畢業生是『 1分的很不可能找得到會計工作』，還是『 8分的極其有可能找到會計工作』。這些畢業生根據家庭資產，也分為『有錢』和『沒錢』，受測人員並不知道。數據結果顯示，家裡有錢的畢業生，他們可能找到會計工作的平均分是5.37分.. 而家裡沒錢的那些畢業生，人們對他們可能找到會計工作的評分是4.47分... 又一次分出了差異.... 受測人員都認為，有錢畢業生更可能找到工作..... 好吧，在這些受測人員里，有27個有過招聘經驗的人也表示，自己更願意招擁有『有錢臉』的畢業生.... 根據這個結果，Bjornsdottir博士說，有錢人擁有一張『有錢臉』，也許是一個自證預言....『看臉後得到的第一印象可能會影響人們之後的交往，和機會。』『生活條件好的人，面部表情可能更為陽光，也就成了一副「有錢臉」，從而更招面試官喜愛，他們更可能得到工作，生活質量更高，也更有錢。』『而生活條件不好的人，可能因為一些隱形的歧視在臉上的反應，得到工作的可能性更低，之後也就更窮，臉看上去也更像窮人臉....這是一個惡性循環。』

在論文最後，教授們批判了這種情況，但毫無辦法，因為這是人們在潛意識之外做出的判斷。她們最後表示，在未來會更多地研究老年人和他們的臉，也許『有錢沒錢』帶來的印跡，會更加明顯......

（左邊和右邊，是試驗里正確率最高的有錢和沒錢的8個結果..，你能猜出哪邊是哪邊麼）好吧....看臉，這真是一個從古自今的命題....如果讓我要來理解這個研究的話，我覺得我看到了兩點... 如果光看一個人的先天的面部特徵... 也許很難看出一個人或貧或富... 畢竟這次研究里也發現，專門處理拍攝的面無表情的臉... 大家猜得出的正確率真的很低... 也就比亂蒙好一點點...然而，當一個人的面部特徵上融入生活，融入感情，融入個人情緒，融入自信。一個人的臉大概真的會反應自身的狀態.... 這大概就有了一種從內而外散發出的「境遇好（或是有錢）」的氣質，別人也會對你好一些.... 最後的最後...感覺中國古人早就用4個字點破了整個的實質...相由心生...... 大概就是這樣的吧... ref：https://www.researchgate.net/publication/317252320_The_Visibility_of_Social_Class_From_Facial_Cueshttps://www.sciencedaily.com/releases/2017/07/170705133020.htm -------------------