世界太吵,来原声听播客

Very Bad Wizards

心理学经典实验排等级,很多结论撑不过复现

米尔格拉姆电击实验还能复现,这本身就够离谱;而好撒玛利亚人实验总共只有 40 个受试者,就算他们对了也是碰巧对的。

心理学复现危机实验伦理行为科学方法论
两个哲学家加一个心理学家把经典研究从 D 排到 S,顺便把复现危机、津巴多造假的原始笔记和小样本的账一起算了。

核心论点 · 点时间戳可跳到原声

10:08

米尔格拉姆还能复现,本身就离谱

米尔格拉姆在耶鲁地下室招募纽黑文工人,让他们相信自己正在电击另一个人,电压最高标到 300 伏并写着危险,被「电击」的其实是训练过的演员,约 65% 的人一路按到底。他做了大量变体,操纵实验者是否穿白大褂、与被电击者的距离、挂哪所大学的名头。这项研究直接改写了心理学的伦理审查制度,今天这类实验已经做不了。Dave 说,一个 50、60 年代的社会心理学研究还能复现,这本身就「[ __ ] banana」,所以它被放进 S 档——他是拿复现当门槛,不是拿名气。

— Dave Pizarro
29:20

好撒玛利亚人实验只有 40 人

Darley 和 Batson 让神学院学生去校园另一头讲好撒玛利亚人的比喻,路上安排一个明显受伤、呻吟求助的人,操纵的变量是他们赶路的时间压力。结果时间压力比他们要讲什么题目更能预测是否停下来帮忙。但 Dave 指出,整个实验总共只有 40 个受试者,分组之后样本极小。他把这类研究和电话亭丢硬币实验归为 60、70 年代社会心理学的通病:严重欠功效,「就算他们对了,也是碰巧对的」。Paul 说作为让人反思人性的素材它很好,但作为科学发现他信不过,给 D 档。

— Dave Pizarro
48:38

绒布妈妈实验,母亲早就知道

Harlow 把幼猴与母亲分离,造了两个代理妈妈:一个挂着奶瓶的铁丝框,一个不供奶但柔软可抱的绒布。幼猴除了必须吃奶的时候,其余时间都待在绒布妈妈身上。这反驳了「婴儿爱母亲是因为母亲提供食物」的行为主义解释,也支持接触安慰的作用。节目里澄清 Harlow 并没有电击猴子;让人看不下去的是受惊幼猴扑向绒布妈妈死抱不放的画面。他还在已发表的文章里把隔离装置叫「绝望之坑」,把束缚装置叫「强奸架」,节目里的反应是「他就是个精神病」。Tamler 主张给最低分,理由不是残忍,而是这些研究没有展示出任何一位母亲被问一句就能凭直觉知道的事情。

— Tamler Sommers
1:10:52

监狱实验的主持人在教狱警施虐

斯坦福监狱实验被翻出的原始笔记和录音显示,津巴多本人一直在指导那些被随机分配当狱警的人做出虐待行为。如果这项研究的故事本意是「把人放进这个角色,他就会自发变成虐待狂」,那么在现有证据下这个结论非常可疑——他没有报告自己到底推了他们多少。David 认为这已经接近科学欺诈,把它和「虐狗者」归为一类,不再在课上讲。但 David 同时提醒:在 Milgram、阿希这一系列研究里人是有差异的,有人在最低电击档就说「去你的,我不干」。Tamler 补充,他采访津巴多时对方谈 Milgram,说 Milgram 没做心理筛查、来的人里可能有反社会者,而津巴多自称做了筛查,以此证明这些是正常人。

— David
1:15:59

错误信念任务连大人都做不对

错误信念任务出自 Premack 和 Woodruff 那篇《黑猩猩有心智理论吗》,Dennett 写评论时提出了这个设计:Sally 把玩具放进盒子后离开,Anne 把它移到篮子里,问 Sally 回来会去哪里找。三到四岁前的孩子会说玩具实际所在的地方,五岁左右开始答对,这个从失败到成功的转折是整个发展心理学中最稳健的发现之一。但 Paul 和 Susan Birch 用成人做过测试,发现成人也觉得难——有一种立刻指向「东西实际在哪」的直觉需要被抑制;他在导论课上现场演示,大约三分之一的学生答错。Tamler 的反感在于:范式一火,整个领域就从那个有趣的问题转向方法论本身,测试变成了构念。

— Paul Bloom
1:24:06

不承认方法全坏,就得承认 ESP

Daryl Bem 2011 年在社会心理学顶刊发表论文,声称发现了预知:被试先对陌生的汉字做偏好评分,之后才被呈现情绪图片做启动,结果事后被正向启动的那些字,事先就评得更高。他把全部材料和数据都公开,Paul 认为他真心相信这个结果。Bem 的辩护是一个二难:如果你说我的研究不是好研究,那社会心理学里几乎所有研究都不是好研究——于是要么承认自己的方法可靠、接受 ESP,要么承认方法不可靠。Paul 说他当时很愤怒:这会颠覆我们对时空的全部理解,而你要用一个 p 小于 0.05 来接受它。这也是心理学里贝叶斯反运动的推力:该拿结果去跟先验合理性比,而不是跟 0.05 比。

— Paul Bloom
1:29:09

延迟满足可能测的是信任,不是自控

Mischel 和 Ebbesen 让学龄前儿童在立刻拿一个小奖励和等待后拿两个之间选择。原始研究里更有意思的是,有些孩子自发使用策略——把棉花糖想成白色的云、唱歌、自我分心,Tamler 说他们是在「把自己绑在桅杆上」。问题出在后面:追踪这些孩子、声称等待时长能预测 SAT 成绩,而 Tamler 刚读到,那个 SAT 相关性只用了 35 个孩子,学校却据此开始教延迟满足。他拆了「延迟满足导致成功」要成立需要的前提:这东西得是可教的,而不是只捕捉某种本身就起预测作用的天然差异;自控才是有效成分,而不是取悦老师的意愿;还有孩子为什么相信对方真的会再给一颗——如果你在贫困环境里,为什么要等。

— Tamler Sommers
1:32:12

社会启动垮了,概念启动被陪葬

Bargh 的经典研究:被试随机分配到一组需要重排的单词,如果这些词与老年、退休等概念相关,做完任务后从 A 房间走到 B 房间的速度会被测量,结果被启动老年概念的人走得更慢。它主张完全在意识之外的刺激能影响行为——你根本不知道自己被分到了老年词。Tamler 回忆他刚毕业时这类研究正处在顶峰。Paul 说社会启动后续已被证明是错的,但真正让他不满的是后果:它的崩塌连带毁掉了概念启动(比如闪现「医生」启动「护士」)这些非常稳健、容易复现的发现——那才是心智架构真实的样子,问题出在把它直接外推到行为和日常生活的效应量上。

— Paul Bloom

原话 · 已逐字校验

for a social psych study from the 50s or 60s to replicate is already [ __ ] banana

一个 50 或 60 年代的社会心理学研究还能复现,本身就已经很离谱了。

Dave Pizarro11:08

if it's supposed to prove something like the situation is much more influential than character that seems like a stretch that you could do that with these experiments

如果它想证明的是情境比品格影响大得多,那用这些实验来做到这一点,恐怕是过度推断了。

Paul Bloom32:22

I think this does border on scientific fraud, not providing this information about the extent to which we were coached to doing this.

我认为这已经接近科学欺诈了——他没有披露被试在多大程度上是被指导着去做这些行为的。

David1:12:54

So the test has become the construct.

测试本身变成了那个构念。

Tamler Sommers1:18:00

if you think my studies aren't good studies, then that's true for just about everything else in social psychology.

如果你认为我的研究不是好研究,那社会心理学里几乎所有其他研究也一样。

Paul Bloom1:24:06

this would upend our knowledge of what spaceime is, you know, like this would literally shake the core understanding of of all of our models of how the universe works. And you're going to take a like P of less than 0.05

这会颠覆我们对时空的认知,会真的动摇我们对宇宙运行方式的全部模型的核心理解。而你要拿一个 p 小于 0.05 来接受它。

Paul Bloom1:25:06

I just read that the the SAT correlation was done with 35 kids.

我刚读到,那个 SAT 相关性只用了 35 个孩子。

Tamler Sommers1:29:09

one of the things that kind of upsets me about the whole priming, social priming work is it undermined the very real and robust findings of conceptual priming.

整个启动、社会启动研究让我不安的一点是,它毁掉了概念启动那些非常真实、非常稳健的发现。

Paul Bloom1:34:13

数字与实体

米尔格拉姆实验中一路按到底的比例65%10:08
好撒玛利亚人实验总受试者数4030:21
高功效复现中阿希从众的错误率33%(210 名被试),阿希原研究为 37%55:42
视觉悬崖原始研究中愿意继续爬过边缘的婴儿27 个中 3 个1:07:50
导论课上成人做错误信念任务的答错比例约三分之一1:15:59
Bem 的 ESP 论文发表年份20111:20:02
Bem 某条件下高于随机的概率52%1:25:06
棉花糖测试 SAT 相关性的样本量35 个孩子1:29:09
最终 S 档研究米尔格拉姆电击研究、看不见的大猩猩、Stroop 效应1:36:13

术语

replication crisis复现危机
大量已发表的心理学结果无法被重复验证的信任危机。
false belief task错误信念任务
测一个人能否理解他人持有与自己已知事实不符的想法。
theory of mind心智理论
推测他人心理状态并据此预测其行为的能力。
social priming社会启动
认为无意识刺激(如老年词)能改变实际行为的假说。
precognition预知
声称未来事件能影响此刻的判断,Bem 用来解释他的 ESP 结果。
construct构念
研究中被操作化的抽象心理变量,如「心智理论」。

收听指南

谁该听

需要在文章、PPT 或决策里引用心理学经典结论的人,以及想知道哪些经典已经不能信的人。

可跳过

达伦·布朗换信封和心灵术士那段(40:33 起)可以跳过。