Ergebnisse und Diskussion

Jeder der 48 Teilnehmer bewertete jede der 32 chromatischen Farben des Berkeley Color Project (BCP) (Abb. 1A und B) in Bezug darauf, wie sehr dem Teilnehmer die Farbe gefallen hat, unter Verwendung einer Linienmarkierungsbewertungsskala, die in Zahlen von -100 bis +100 mit einem neutralen Nullpunkt umgewandelt wurde. Durchschnittliche Präferenzbewertungen (Abb. 1C) zeigen, dass die gesättigten (s), hellen (l) und gedämpften (m) Farben ungefähr parallele Funktionen mit einem breiten Peak bei Blau und einem schmalen Trog bei Chartreuse erzeugten. Die s-Farben wurden den l- und m-Farben vorgezogen , die sich nicht voneinander unterschieden (F < 1). Obwohl sich das Muster der Farbtonpräferenzen über s-, m- und l-Schnitte † nicht unterschied, variierte es für den dunklen (d) Schnitt relativ zu den anderen drei . Insbesondere Dunkelorange (Braun) und Dunkelgelb (Oliv) wurden deutlich weniger bevorzugt als andere Orangen und Gelbtöne , während Dunkelrot und Dunkelgrün mehr bevorzugt wurden als andere Rot- und Grüntöne .

Die zentrale Annahme des EVT ist, dass Farbpräferenzen, gemittelt über Menschen, durch die durchschnittliche affektive Wertigkeit der Reaktionen von Menschen auf Objekte bestimmt werden, die stark mit jeder Farbe verbunden sind. Wir haben diese Behauptung getestet, indem wir die gewichtete affektive Valenzschätzung (WAVE) für jede der 32 chromatischen BCP-Farben gemessen haben (Abb. 1D) und Korrelieren des Ergebnisses mit den entsprechenden durchschnittlichen Farbpräferenzen (Fig. 1C). Um die Wellen der 32 BCP-Farben zu berechnen, mussten die Ergebnisse von drei verschiedenen Aufgaben gesammelt und analysiert werden: einer Objekt-Assoziations-Aufgabe, einer Objekt-Valenz-Bewertungs-Aufgabe und einer Farb-Objekt-Matching-Aufgabe.In der Objekt-Assoziationsaufgabe sahen 74 naïve Teilnehmer jede Farbe einzeln vor dem gleichen neutralen grauen Hintergrund und wurden angewiesen, so viele Beschreibungen wie möglich von Objekten zu schreiben, die charakteristisch die auf dem Bildschirm angezeigte Farbe enthielten. Sie wurden gebeten, ihre Antworten auf Objekte zu beschränken, deren Farbe im Allgemeinen anderen aus der Beschreibung bekannt wäre, ohne die Farbe zu benennen (z. B. nicht „mein Lieblingspullover“) und Objekte, deren Farbe relativ spezifisch für diesen Objekttyp wäre (z. B. nicht „Buntstift“ oder „T-Shirt“, was eine beliebige Farbe sein könnte). Sie wurden auch ausdrücklich aufgefordert, die Benennung unangenehmer Objekte nicht zu unterdrücken. Die Antworten wurden in 222 Objektbeschreibungen eingeteilt (die von uns verwendeten Kriterien sind in Materialien und Methoden beschrieben).

In der anschließenden Objekt-Valenz-Bewertungsaufgabe wurde 98 anderen Teilnehmern jede der 222 Objektbeschreibungen in schwarzem Text auf weißem Hintergrund gezeigt und gebeten, die Attraktivität jedes Referenzobjekts auf einer Zeile mit der Bezeichnung „negativ“ zu bewerten “ am linken Ende zu „positiv“ am rechten Ende. Farbe wurde in den Anweisungen nicht erwähnt, und Farbnamen erschienen in den Beschreibungen nur, wenn es notwendig war, die Kategorie zu disambiguieren (z. B. rote Äpfel vs. grüne Äpfel).

In der Color-Object-Matching-Aufgabe wurde einer dritten Gruppe von 31 zusätzlichen Beobachtern jede der Beschreibungen zusammen mit einem Quadrat der Farbe gezeigt, der diese Objektbeschreibung zugeordnet worden war. Sie wurden gebeten, die Stärke der Übereinstimmung (Ähnlichkeitsgrad) zwischen der Farbe der beschriebenen Objekte und der auf dem Bildschirm angezeigten Farbe zu bewerten. Die Bewertungen wurden unter Verwendung derselben Zeilenmarkierungsaufgabe wie für die anderen Aufgaben vorgenommen und auf eine Skala von 0 bis 1 umgerechnet, sodass Beschreibungen, deren Referenten der Bildschirmfarbe am ehesten entsprachen, Gewichte erhielten, die näher an der Einheit lagen, und diejenigen, deren Referenten am unterschiedlichsten waren erhielt Gewichte näher an Null.

Die WELLE für jede Farbe (Wc) wurde wie folgt berechnet:wobei wco der durchschnittliche Farb-Objekt-Übereinstimmungswert für jede Paarung einer Farbe (c) und einer Objektbeschreibung (o) ist, vo die durchschnittliche Valenzbewertung für Objekt o ist und nc die Anzahl der Objektbeschreibungen ist, die Farbe c zugeschrieben werden. 1D) zu den entsprechenden Präferenzfunktionen (Fig. 1C) wird durch die hohe positive Korrelation zwischen den Wellendaten und den Farbpräferenzdaten (r = + 0,893) unterstützt, die 80% der Varianz mit einem einzigen Prädiktor ausmacht. Diese Anpassung ist besonders beeindruckend, wenn man bedenkt, dass trotz ihrer internen Komplexität bei der Berechnung der WELLE keine freien Parameter geschätzt wurden. Um seine Leistung mit alternativen Theorien zu vergleichen, passen wir die gleichen Präferenzdaten an drei andere Modelle an.

Wir haben die Methode von Hurlbert und Ling (9, 10) verwendet, um die durchschnittlichen Farbpräferenzbewertungen in Bezug auf Kegel-Gegner-Kontrastkomponenten zu analysieren, indem wir die Kontraste der Testfarben gegen den grauen Hintergrund für die L-M, S-(L + M), (S + L+M) Gegner Systeme und CIELUV Sättigung. Dieses erweiterte Modell machte nur 37% der Varianz in unseren Daten aus: 21% durch die S-(L + M) Ausgabe (r = 0,46, P < 0.05, Farben, die mehr violett bevorzugt wurden), 4% mehr durch die S + L + M-Ausgabe (hellere Farben bevorzugt), weitere 8% durch CIELUV-Sättigung (Farben mit höherer Sättigung bevorzugt) und eine endgültige 4% durch die L-M-Ausgabe (Farben, die mehr blaugrün bevorzugt wurden). Die deutlich schlechtere Leistung dieses Modells bei unseren Daten (37%) als bei den eigenen Daten von Hurlbert und Ling (70%) resultiert hauptsächlich aus dem größeren Farbumfang unserer Farbprobe. Wenn ihr ursprüngliches Kegelkontrastmodell (10) nur auf den engen Satz von acht BCP-Farben angewendet wurde, die den Farben von Hurlbert und Ling in gleicher Sättigung und ähnlicher Leuchtdichte (gedämpftes Orange, gedämpftes Gelb, gedämpftes Chartreuse) analog sind, gedämpftes Grün, gesättigtes Cyan, Hellrot, Hellgrün und Hellviolett), konnte es 64,4% ‡ der Varianz erklären, vergleichbar mit seiner Leistung bei den eigenen Daten von Hurlbert und Ling. Wenn die zusätzlichen 24 Farben in der vorliegenden Probe in die Analyse einbezogen wurden, nahm die Leistung des Kegelkontrastmodells jedoch stark ab.

Als nächstes prognostizierten wir durchschnittliche Präferenzbewertungen unter Verwendung eines Farberscheinungsmodells, das aus den durchschnittlichen Bewertungen unserer Teilnehmer zu klassischen Dimensionen des Farberscheinungsbildes auf hoher Ebene abgeleitet wurde: Rot / grün, Gelb / Blau, Hell / dunkel und hoch / niedrig Sättigung.¶ Das Farbdarstellungsmodell machte 60% der Varianz aus (multiple-r = 0,774, P < 0,01) für den gesamten Satz von 32 Farben mit drei Prädiktoren: 34% für Blau-Gelb (blauere Farben bevorzugt), weitere 19% für Sättigung (Farben mit höherer Sättigung bevorzugt) und letzte 7% für Hell-Dunkel (hellere Farben bevorzugt). Dieses Farberscheinungsmodell übertraf somit das Kegelkontrastmodell, was darauf hindeutet, dass Präferenzen besser durch Farberscheinungen auf höherer Ebene modelliert werden, zumindest wenn die Farben über den Farbraum weit abgetastet werden. Obwohl dieses Farb-Erscheinungsbild-Modell eine große Varianz erklärt, kann es die hervorstechende Wechselwirkung zwischen den Farbtonpräferenzen im d-Schnitt relativ zu den anderen Schnitten nicht vorhersagen. Es erklärt auch nicht, warum Menschen die Farben bevorzugen, die sie tun; Es bietet lediglich eine bessere Beschreibung des Präferenzmusters als das Kegelkontrastmodell.

Wir passen auch Ou et al.(15, 16) Farbemotionsmodell zu unseren durchschnittlichen Farbpräferenzdaten unter Verwendung der direkten Bewertungen unserer Teilnehmer ihrer drei Faktoren: aktiv / passiv, schwer / leicht und warm / kalt. Dieses Modell machte 55% der Varianz aus, ungefähr das gleiche wie das Farbdarstellungsmodell und mehr als das Kegelkontrastmodell. Aktiv / Passiv§ erklärte 22% der Varianz (aktivere Farben bevorzugt), warm / Cool erklärte weitere 26% (kühlere Farben bevorzugt) und Heavy / Light erklärte weitere 7% (hellere Farben bevorzugt).

Der Wellenprädiktor des EVT, der 80% der Varianz ausmachte, übertraf somit alle drei anderen von uns getesteten Modelle — das Kegelkontrastmodell (37%), das Farbdarstellungsmodell (60%) und das Farbemotionsmodell (55%) – und dies mit zwei Prädiktoren weniger und freien Parametern. Die WELLE ist bei weitem der beste Prädiktor für durchschnittliche Farbpräferenzen und erfasst die Hauptmerkmale der komplexen Farbpräferenzfunktionen: den ausgeprägten Peak bei Blau, den Trog bei Chartreuse, eine höhere Präferenz für gesättigte Farben und das ausgeprägte Minimum um Dunkelgelb (Abb. 1 C und D). Seine Hauptmängel sind die Untervorhersage der Abneigung gegen Dunkelorange (möglicherweise, weil Schokolade und Kaffee oft als sehr ansprechend beurteilt werden) und die Untervorhersage der positiven Präferenz für Dunkelrot (möglicherweise, weil Blut normalerweise als unattraktiv beurteilt wird).Vielleicht am wichtigsten ist, dass die EVT eine klare und plausible Erklärung der Farbpräferenzen liefert: Die Präferenzen werden durch affektive Reaktionen auf entsprechend farbige Objekte verursacht. Obwohl die vorliegenden Beweise korrelativ sind, scheint es unwahrscheinlich, dass die Kausalität in die entgegengesetzte Richtung verläuft. Wenn Objektpräferenzen durch Farbpräferenzen verursacht wurden, sollten Schokolade und Kot ähnlich ansprechend sein, da sie farblich ähnlich sind. Dies ist eindeutig nicht der Fall. Eine dritte vermittelnde Variable könnte möglicherweise die starke Korrelation verursachen, aber es ist unklar, was das sein könnte.Diese Ergebnisse zeigen, dass die durchschnittlichen Farbpräferenzen moderner Amerikaner, die aus Berkeley, Kalifornien, entnommen wurden, stark mit den Objektpräferenzen einer unabhängigen, aber ähnlichen Stichprobe von Menschen korrelieren. Inwieweit diese Farbpräferenzen fest verdrahtet sind, anstatt zu Lebzeiten eines Individuums gelernt zu werden, ist jedoch eine offene Frage. Die Tatsache, dass das von uns gemessene grundlegende Farbtonpräferenzmuster weitgehend mit früheren Studien übereinstimmt (1⇓⇓⇓⇓⇓⇓-8, 10, 11) und mit dem Muster der Suche Verzerrungen bei Säuglingen gefunden (18⇓-20) legt nahe, dass zumindest einige Aspekte der menschlichen Farbpräferenzen universell sein können. Zum Beispiel können Blau und Cyan allgemein gemocht werden, weil klarer Himmel und sauberes Wasser allgemein ansprechend sind, und Braun und Oliven können allgemein nicht gemocht werden, weil Kot und verrottendes Essen allgemein widerlich sind. Es ist jedoch noch nicht klar, ob solche Universalien angeboren oder erlernt sind. Trotzdem gibt es viele Möglichkeiten, wie wir beurteilen können, ob die persönlichen Erfahrungen eines Menschen die Farbpräferenzen während seines Lebens beeinflussen, indem wir kulturelle, institutionelle und individuelle Unterschiede untersuchen, die wir derzeit untersuchen.

Kulturell impliziert die EVT, dass die Korrelation zwischen Farbpräferenzen und Wellen, die von derselben kulturellen Gruppe erhalten wurden, höher sein sollte als die Korrelation zwischen Farbpräferenzen und Wellen, die von verschiedenen kulturellen Gruppen erhalten wurden, vorausgesetzt, dass die beiden Gruppen unterschiedliche Farb-Objekt-Assoziationen oder unterschiedliche Präferenzen für dieselben Objekte haben (Abb. 2). Zum Beispiel sollten amerikanische Wellen amerikanische Farbpräferenzen besser vorhersagen als japanische Farbpräferenzen, und japanische Wellen sollten japanische Farbpräferenzen besser vorhersagen als amerikanische Farbpräferenzen. Wir testen derzeit solche Vorhersagen für unsere 32 Farben in Japan, Mexiko, Indien und Serbien zusätzlich zu den Vereinigten Staaten. Vorläufige Ergebnisse aus Japan stützen dieses Vorhersagemuster: Amerikanische Wellen sagten amerikanische Präferenzen (r = 0.89) besser voraus als japanische Präferenzen (r = 0.74) und japanische Wellen sagten japanische Präferenzen (r = 0,66) besser voraus als amerikanische Präferenzen (r = 0,55).

Nach der gleichen Logik sollten Wellendaten von Gruppen amerikanischer Teilnehmer, die ähnliche Farbpräferenzen haben, in der Lage sein, ihre eigenen Farbpräferenzen besser zu berücksichtigen als die Farbpräferenzen anderer Gruppen. Um diese Vorhersage zu testen, haben wir sowohl Farbpräferenzen (zuerst erhalten) als auch Objektvalenzen für unsere 222 Objektbeschreibungen (später erhalten) von einer einzigen Gruppe von Teilnehmern gemessen. Wir verwendeten einen hierarchischen Clustering-Algorithmus (21), um zwei intern homogene Gruppen zu definieren, j und k (mit 17 bzw. 12 Individuen), basierend auf den Korrelationen zwischen den Farbpräferenzen für jedes Paar der bisher untersuchten 29 Teilnehmer. Wir berechneten dann die durchschnittlichen Wellendaten für jede Gruppe, basierend auf ihren eigenen Valenzbewertungen der gleichen 222 Objektbeschreibungen. Wie vom EVT vorhergesagt, waren die Korrelationen zwischen den Wellen und den Farbpräferenzen innerhalb der Gruppen höher (r = 0,77 und 0,83) als die Korrelationen zwischen den Gruppen (r = 0,47 und 0,64) (Abb. 2). Aus den Diagrammen, die die Farbpräferenzen und Wellen für die beiden Gruppen zeigen (Abb. S1) dass die Wellen innerhalb der Gruppe und die Präferenzfunktionen ähnlicher sind als die Wellen zwischen den Gruppen und die Präferenzfunktionen.Dieses Ergebnis beantwortet auch einen möglichen Einwand, dass die hohe positive Korrelation zwischen den Wellendaten und den Farbpräferenzen aus einer Valenzkonsistenzverzerrung in der Objektassoziationsaufgabe resultieren könnte: Vielleicht listen die Leute einfach wünschenswertere Objekte für Farben auf, die sie mögen, und listen weniger wünschenswerte Objekte für Farben auf, die sie nicht mögen. Die Ergebnisse dieser beiden Gruppen zeigen, dass diese Möglichkeit keinen vollständigen Bericht liefern kann, da beide Gruppen denselben Satz von Objekten bewertet haben. Eine Auswahlverzerrung in den 222 Objektbeschreibungen kann daher die Unterschiede in den Korrelationen zwischen den WELLEN- und Präferenzdaten für diese beiden Gruppen nicht erklären.Die EVT impliziert auch, dass die Loyalität der Menschen zu sozialen Institutionen mit starken Bindungen zu bestimmten Farben auch ihre Farbpräferenzen beeinflussen sollte. Wenn eine Gruppe von Menschen eine starke positive (oder negative) emotionale Investition in eine wichtige soziale Institution hat, die starke und konsistente Farbassoziationen hat (z. B. Universitäten, Sportmannschaften, Straßenbanden, religiöse Orden und sogar Feiertage), dann prognostiziert die EVT, dass diese Gruppe die assoziierten Farben entsprechend mehr (oder weniger, abhängig von der Polarität ihres Affekts) als eine neutrale Gruppe mögen sollte. Der Grund für diese Vorhersage ist, dass das Gedeihen in der modernen Gesellschaft viel mehr beinhaltet, als nur biologische Bedürfnisse zu befriedigen; soziale Verbindungen können genauso wichtig oder sogar noch wichtiger sein.Vorläufige Ergebnisse mit Universitätsfarben deuten darauf hin, dass soziale Investitionen die Farbpräferenzen der Menschen beeinflussen können und tun: Unter den Studenten der University of California, Berkeley, korrelierte die Menge an „Schulgeist“, wie durch einen Fragebogen bewertet, nachdem sie die Farbpräferenzen bewertet hatten, positiv mit der Präferenz für Berkeleys eigene Blau- und Goldfarben und negativ mit der Präferenz für das Rot und Weiß von Berkeleys Erzrivale Stanford University. Das umgekehrte Muster wurde bei Stanford-Studenten gefunden. Dieser Befund unterstützt zwei entscheidende Vorhersagen der EVT. Erstens zeigt es, dass soziokulturelle institutionelle Zugehörigkeiten die Farbpräferenzen zu Lebzeiten eines Individuums beeinflussen können. Zweitens liefert es weitere Beweise für die kausale Richtung, da es äußerst unwahrscheinlich ist, dass die Einstellung der Studenten zu Universitäten durch ihre Farbpräferenzen verursacht wird. Studenten, die Berkeley mögen, tun dies nicht, weil sie Blau und Gold mögen; Sie mögen Blau und Gold, weil sie Berkeley mögen.Ein weiterer vorläufiger Beweis dafür, dass Objektpräferenzen Farbpräferenzen verursachen, stammt aus Ergebnissen, die darauf hindeuten, dass Farbpräferenzen geändert werden können, indem Menschen voreingenommene Proben von Bildern farbiger Objekte gezeigt werden. Alle Teilnehmer bewerteten zuerst die 32 BCP-Farben nach ästhetischen Vorlieben, sahen dann eine Diashow, in der sie verschiedene Urteile über Bilder von farbigen Objekten fällten, und bewerteten dann die gleichen 32 BCP-Farben erneut. Für eine Gruppe enthielt die Diashow 10 Bilder von wünschenswerten roten Objekten (z. B. Erdbeeren und Kirschen), 10 Bilder von unerwünschten grünen Objekten (z., Schleim und Schimmel) und 20 neutrale Objekte anderer Farben. Die andere Gruppe sah 10 wünschenswerte grüne Objekte (z. B. Bäume und Rasenflächen), 10 unerwünschte rote Objekte (z. B. Blut und Läsionen) und die gleichen 20 neutralen Objekte anderer Farben. Beiden Gruppen wurde gesagt, dass die Diashow Teil eines separaten Experiments zur Raumästhetik war, bei dem sie gefragt wurden, ob ein bestimmtes Etikett für das Bild geeignet war, um die Position des Zentrums des Fokusobjekts mit dem Cursor anzugeben, um die visuelle Komplexität des Fokusobjekts zu bewerten und zu bewerten, wie sehr ihnen das Fokusobjekt gefiel. Die bisherigen Ergebnisse zeigen, dass die Präferenzbewertungen für Rot für die Gruppe, die wünschenswerte rote Objekte sah, signifikant zunahmen und die Präferenzbewertungen für Grün für die Gruppe, die wünschenswerte grüne Objekte sah, signifikant zunahmen. Es gab auch eine Abnahme der Präferenzbewertungen der Farbe der unerwünschten Objekte, aber diese Abnahme war statistisch nicht zuverlässig. Diese Ergebnisse zeigen, dass Farbpräferenzen durch Erfahrung beeinflusst werden können und stützen die Behauptung, dass Objektpräferenzen Farbpräferenzen verursachen.

Es ist wichtig zu beachten, dass die EVT nicht die Möglichkeit leugnet, dass Farbpräferenzen die Objektpräferenzen kausal beeinflussen können. Natürlich gibt es viele Situationen, in denen Farben die Objektpräferenzen beeinflussen, insbesondere bei Artefakten, bei denen Farbe das einzige Merkmal ist, das ansonsten identische Instanzen (z. B. Farbe, Kleidung und Möbel) unterscheidet. Die EVT prognostiziert tatsächlich, dass die Präferenz für eine Farbe durch positives Feedback in dem Maße verstärkt wird, in dem die Menschen letztendlich etwas mögen, das sie aufgrund seiner Farbe gekauft, hergestellt oder ausgewählt haben. Farbpräferenzen neigen daher dazu, sich selbst zu verewigen, zumindest bis andere Faktoren wie Langeweile, neue physische oder soziale Umstände und / oder Modetrends die Dynamik ästhetischer Reaktionen verändern, wie dies unweigerlich der Fall ist.