wyniki i dyskusja

każdy z 48 uczestników ocenił każdy z 32 kolorów chromatycznych Berkeley Color Project (Bcp) (rys. 1 A i B) pod względem tego, jak bardzo Uczestnikowi podobał się kolor za pomocą skali ocen linii, która została przekonwertowana na liczby od -100 do +100 z neutralnym punktem zerowym. Średnie oceny preferencji (rys. 1C) pokaż, że nasycone (S), Lekkie (l) i wyciszone (m) kolory wytwarzały w przybliżeniu równoległe funkcje z szerokim szczytem na niebiesko i wąskim korytem na chartreuse. Preferowano Kolory s niż Kolory l I m, które nie różniły się od siebie (F < 1). Chociaż wzór preferencji odcieni w cięciach s, m i l nie różnił się od siebie, różnił się dla ciemnego (d) cięcia w stosunku do pozostałych trzech . W szczególności ciemny pomarańczowy (brązowy) i ciemny żółty (oliwkowy) były znacznie mniej korzystne niż inne pomarańcze i żółte , podczas gdy Ciemny czerwony i ciemny zielony były bardziej preferowane niż inne czerwone i zielone .

głównym założeniem EVT jest to, że preferencje kolorów, uśrednione wśród ludzi, są określane przez średnią wartość afektywną odpowiedzi ludzi na obiekty, które są silnie związane z każdym kolorem. Testowaliśmy to twierdzenie, mierząc ważoną wartość afektywną (falę) dla każdego z 32 chromatycznych kolorów BCP(rys. 1D) i skorelowanie wyniku z odpowiednimi średnimi preferencjami kolorów (rys. 1C). Obliczanie fal 32 kolorów BCP wymagało zebrania i analizy wyników trzech różnych zadań: zadania asocjacji obiektów, zadania oceny obiektów i zadania dopasowywania kolorów do obiektów.

w zadaniu object-association 74 naiwnych uczestników zobaczyło każdy kolor indywidualnie na tym samym neutralnym szarym tle i zostało poinstruowanych, aby napisać jak najwięcej opisów obiektów, które charakterystycznie zawierały kolor wyświetlany na ekranie. Poproszono ich o ograniczenie odpowiedzi do obiektów, których kolor ogólnie byłby znany innym z opisu bez nazywania koloru (np. nie „mój ulubiony sweter”) i obiektów, których kolor byłby stosunkowo specyficzny dla tego typu obiektu (np. nie „kredka” lub „koszulka”, która może być dowolnym kolorem). Zachęcano ich również do wyraźnego powstrzymywania się od nazywania nieprzyjemnych obiektów. Odpowiedzi zostały podzielone na 222 opisy obiektów (zastosowane przez nas kryteria zostały opisane w materiałach i metodach).

w kolejnym zadaniu object-valence rating, 98 innych uczestników pokazano każdy z 222 opisów obiektów w czarnym tekście na białym tle i poproszono o ocenę, jak atrakcyjny jest każdy obiekt odniesienia na linii oznaczonej „ujemny” po lewej stronie do „dodatni” po prawej stronie. Kolor nie był wymieniony w instrukcji, A nazwy kolorów pojawiały się w opisach tylko wtedy, gdy było to konieczne do rozróżnienia kategorii (np. czerwone jabłka vs zielone jabłka).

w zadaniu dopasowanie koloru do obiektu pokazano trzecią grupę 31 dodatkowych obserwatorów, każdy z opisów wraz z kwadratem koloru, któremu dany opis obiektu został podany jako współpracownik. Poproszono ich o ocenę siły dopasowania (stopnia podobieństwa) pomiędzy kolorem opisywanych obiektów a kolorem pokazanym na ekranie. Oceny zostały wykonane przy użyciu tego samego zadania line-mark, co w przypadku innych zadań i przekonwertowane na skalę 0-1, tak że opisy, których odniesienia najbardziej pasowały do koloru ekranu, otrzymały wagi bliżej jedności, a te, których odniesienia były najbardziej odmienne, otrzymały wagi bliżej zera.

fala dla każdego koloru (Wc) została obliczona w następujący sposób:gdzie wco jest średnią wartością dopasowania koloru do obiektu dla każdego parowania koloru (C) i opisu obiektu (o), vo jest średnią oceną wartościowości danego obiektu o, a nc jest liczbą opisów obiektów przypisanych do koloru c. uderzające podobieństwo tych funkcji falowych (rys. 1D) do odpowiednich funkcji preferencji (rys. 1C) jest wspierana przez wysoką dodatnią korelację między danymi falowymi a danymi preferencji kolorów (r = +0,893), co stanowi 80% wariancji z pojedynczym predyktorem. To dopasowanie jest szczególnie imponujące, biorąc pod uwagę, że pomimo wewnętrznej złożoności, nie oszacowano żadnych wolnych parametrów podczas obliczania fali; jest to po prostu wynik dobrze zdefiniowanej procedury określania ilości teoretycznie sugerowanej przez EVT. Aby porównać jego wydajność z teoriami alternatyw, dopasowujemy te same dane preferencji do trzech innych modeli.

wykorzystaliśmy metodę Hurlberta i Linga (9, 10) do analizy średnich ocen preferencji kolorów pod względem składowych kontrastu stożek-przeciwnik, obliczając kontrasty kolorów testowych na szarym tle dla Systemów przeciwnika L-M, S-(L+M), (S+L+M) i nasycenia CIELUV. Ten rozszerzony model stanowił tylko 37% wariancji w naszych danych: 21% przez wyjście S-(L+M) (r = 0.46, P < 0.05, kolory, które były bardziej fioletowe preferowane), 4% więcej przez wyjście S+L+M (preferowane jaśniejsze kolory), dalsze 8% przez nasycenie CIELUV (preferowane kolory o wyższym nasyceniu) i ostatnie 4% przez wyjście L-M (preferowane kolory bardziej niebiesko-zielone). Znacznie gorsza wydajność tego modelu w naszych danych (37%) niż w danych własnych Hurlberta i Linga (70%) wynika w dużej mierze z szerszej gamy naszej próbki kolorów. Gdy ich oryginalny model kontrastu stożkowego (10) został zastosowany Tylko do wąskiego zestawu ośmiu kolorów BCP, które są analogiczne do kolorów Hurlberta i Linga w tym samym nasyceniu i podobnej luminancji (wyciszony pomarańczowy, wyciszony żółty, wyciszony chartreuse, wyciszony zielony, nasycony cyjan, jasnoczerwony, jasnoczerwony i jasnoczerwony), był w stanie wyjaśnić 64,4%‡ wariancji, porównywalnej z jej wynikami na danych własnych Hurlberta i Linga. Jednak gdy do analizy włączono dodatkowe 24 kolory w niniejszej próbce, wydajność modelu kontrastowego stożka gwałtownie spadła.

następnie przewidzieliśmy średnie oceny preferencji za pomocą modelu wyglądu kolorów wywodzącego się ze średnich ocen naszych uczestników klasycznych, wysokopoziomowych wymiarów wyglądu kolorów: Czerwony/zielony, żółty/niebieski, jasny/ciemny i wysokie/niskie nasycenie.¶ Model wyglądu kolorów stanowił 60% wariancji (multiple-r = 0.774, p < 0.01) dla pełnego zestawu 32 kolorów z trzema wskaźnikami: 34% dla niebiesko-żółtego (preferowane kolory niebieskawe), dodatkowe 19% dla nasycenia (preferowane kolory o wyższym nasyceniu) i ostateczne 7% dla jasno-ciemnego (preferowane kolory jaśniejsze). Ten model wyglądu kolorów przewyższał w ten sposób model kontrastu stożkowego, sugerując, że preferencje są lepiej modelowane przez wyższy poziom wyglądu kolorów, przynajmniej wtedy, gdy kolory są szeroko próbkowane w przestrzeni kolorów. Chociaż ten model wyglądu kolorów wyjaśnia wiele wariancji, nie jest w stanie przewidzieć istotnej interakcji między preferencjami barwy w cięciu d w stosunku do innych cięć. Nie wyjaśnia również, dlaczego ludzie wolą kolory, które robią; po prostu zapewnia lepszy opis wzorca preferencji niż model kontrastowy stożka.

pasujemy również do’s (15, 16) kolor-model emocji do naszych średnich danych preferencji kolorów, wykorzystując bezpośrednie oceny naszych uczestników ich trzech czynników: aktywny / pasywny, ciężki/lekki i ciepły/chłodny. Model ten stanowił 55% wariancji, mniej więcej tyle samo co model wyglądu kolorów i więcej niż model kontrastu stożkowego. Aktywny/pasywny§ wyjaśniono 22% wariancji (preferowane bardziej aktywne kolory), ciepły/chłodny wyjaśniono dodatkowe 26% (preferowane chłodniejsze kolory), a ciężki / lekki wyjaśniono dalsze 7% (preferowane jaśniejsze kolory).

predyktor fali EVT, który stanowił 80% wariancji, przewyższał wszystkie trzy inne modele, które testowaliśmy—model kontrastu stożkowego (37%), model wyglądu koloru (60%) i model emocji koloru (55%)-i zrobił to z dwoma mniejszymi predyktorami i wolnymi parametrami. Fala jest zdecydowanie najlepszym predyktorem średnich preferencji kolorów i ładnie oddaje podstawowe cechy złożonych funkcji preferencji kolorów: wyraźny szczyt w Kolorze Niebieskim, koryto w chartreuse,wyższe preferencje dla nasyconych kolorów i wyraźne minimum wokół ciemnożółtego (rys. 1 C I D). Jego główne braki to niedocenianie niechęci do ciemnej pomarańczy (być może dlatego, że czekolada i kawa są często oceniane jako dość atrakcyjne) i niedocenianie pozytywnej preferencji dla ciemnej czerwieni (być może dlatego, że krew jest zwykle oceniana jako nieatrakcyjna).

co chyba najważniejsze, EVT zapewnia jasne i wiarygodne wyjaśnienie preferencji kolorów: preferencje są spowodowane afektywnymi reakcjami na odpowiednio kolorowe obiekty. Chociaż obecne dowody są skorelowane, wydaje się mało prawdopodobne, aby związek przyczynowy przebiegał w przeciwnym kierunku. Jeśli preferencje obiektu były spowodowane preferencjami kolorów, czekolada i kał powinny być podobnie atrakcyjne, ponieważ są podobne w Kolorze. Najwyraźniej tak nie jest. Jakaś trzecia zmienna pośrednicząca może spowodować silną korelację, ale nie jest jasne, co to może być.

wyniki te pokazują, że średnie preferencje kolorystyczne współczesnych Amerykanów, pobrane z Berkeley, CA, silnie korelują z preferencjami obiektowymi niezależnej, ale podobnej próby ludzi. Stopień, w jakim te preferencje kolorystyczne są drukowane na twardo, w przeciwieństwie do uczenia się podczas życia jednostki, jest jednak kwestią otwartą. Fakt, że podstawowy wzorzec preferencji odcienia, który mierzyliśmy, w dużej mierze zgadza się z wcześniejszymi badaniami (1⇓⇓⇓⇓⇓⇓-8, 10, 11) a ze wzorem stronniczości występujących u niemowląt (18⇓-20) sugeruje, że przynajmniej niektóre aspekty ludzkich preferencji kolorystycznych mogą być uniwersalne. Na przykład Błękity i cyjany mogą być powszechnie lubiane, ponieważ czyste niebo i czysta woda są uniwersalnie atrakcyjne, a Brązy i oliwki mogą być powszechnie nielubiane, ponieważ odchody i gnijące jedzenie są powszechnie obrzydliwe. Nie jest jednak jeszcze jasne, czy takie uniwersalia są wrodzone, czy wyuczone. Mimo to, istnieje wiele sposobów, w jaki możemy ocenić, czy czyjeś osobiste doświadczenia wpływają na preferencje kolorystyczne podczas jego życia, badając różnice kulturowe, instytucjonalne i indywidualne, które obecnie badamy.

kulturowo EVT sugeruje, że korelacja między preferencjami kolorów a falami uzyskanymi z tej samej grupy kulturowej powinna być wyższa niż korelacja między preferencjami kolorów a falami uzyskanymi z różnych grup kulturowych, pod warunkiem, że obie grupy mają różne skojarzenia kolor-obiekt lub różne preferencje dla tych samych obiektów (rys. 2). Na przykład fale Amerykańskie powinny lepiej przewidywać preferencje kolorów amerykańskich niż preferencje kolorów Japońskich, a fale Japońskie powinny lepiej przewidywać preferencje kolorów Japońskich niż preferencje kolorów amerykańskich. Obecnie testujemy takie prognozy dla naszych 32 kolorów w Japonii, Meksyku, Indiach i Serbii oprócz Stanów Zjednoczonych. Wstępne wyniki z Japonii potwierdzają ten wzór prognoz: Amerykańskie fale przewidywały Preferencje Amerykańskie (r = 0,89) lepiej niż przewidywały preferencje Japońskie (r = 0.74), a fale Japońskie przewidywały Preferencje Japońskie (r = 0,66) lepiej niż przewidywały preferencje Amerykańskie (r = 0,55).

zgodnie z tą samą logiką, dane WAVE z grup amerykańskich uczestników, którzy mają podobne preferencje kolorów, powinny być w stanie lepiej uwzględnić własne preferencje kolorów niż preferencje kolorów innych grup. Aby przetestować tę prognozę, zmierzyliśmy zarówno preferencje kolorów (uzyskane jako pierwsze), jak i wartościowanie obiektów dla naszych 222 opisów obiektów (uzyskane później) z jednego zestawu uczestników. Użyliśmy hierarchicznego algorytmu grupowania (21), aby zdefiniować dwie wewnętrznie jednorodne grupy, j I k (zawierające odpowiednio 17 i 12 osób), w oparciu o korelacje między preferencjami kolorów dla każdej pary 29 uczestników badanych do tej pory. Następnie obliczyliśmy średnie dane fal dla każdej grupy, na podstawie ich własnych ocen wartościowości tych samych 222 opisów obiektów. Jak przewiduje EVT, korelacje między falami a preferencjami kolorów w grupach były wyższe (r = 0,77 i 0,83) niż korelacje między grupami (R = 0,47 i 0,64) (ryc. 2). Wynika to z wykresów pokazujących preferencje kolorów i fale dla dwóch grup (rys. S1) że fale wewnątrzgrupowe i funkcje preferencji są bardziej podobne niż fale międzygrupowe i funkcje preferencji.

ten wynik odpowiada również na możliwy sprzeciw, że wysoka dodatnia korelacja między danymi falowymi a preferencjami kolorów może wynikać z odchylenia wartościowości i spójności w zadaniu asocjacji obiektów: być może ludzie po prostu wymieniają bardziej pożądane obiekty dla kolorów, które lubią, a mniej pożądane obiekty dla kolorów, których nie lubią. Wyniki tych dwóch grup pokazują, że ta możliwość nie może zapewnić pełnego konta, ponieważ obie grupy oceniły ten sam zestaw obiektów. W związku z tym żadne odchylenie wyboru w opisach obiektów 222 nie może uwzględniać różnic w korelacjach między danymi falowymi a danymi preferencji dla tych dwóch grup.

EVT sugeruje również, że lojalność ludzi wobec instytucji społecznych o silnych związkach z konkretnymi kolorami powinna również wpływać na ich preferencje kolorystyczne. Jeśli grupa ludzi ma silną pozytywną (lub negatywną) emocjonalną inwestycję w ważną instytucję społeczną, która ma silne i spójne skojarzenia kolorów (np. uniwersytety, zespoły sportowe, gangi uliczne, zakony religijne, a nawet święta), EVT przewiduje, że ta grupa powinna polubić powiązane kolory odpowiednio bardziej (lub mniej, w zależności od polaryzacji ich wpływu) niż neutralna Grupa. Uzasadnieniem tej prognozy jest to, że prosperowanie we współczesnym społeczeństwie wymaga znacznie więcej niż tylko zaspokojenia potrzeb biologicznych; powiązania społeczne mogą mieć równie duże znaczenie, a nawet więcej.

wstępne wyniki z kolorami uniwersyteckimi sugerują, że inwestycje społeczne mogą i mają wpływ na preferencje kolorystyczne ludzi: wśród studentów Uniwersytetu Kalifornijskiego w Berkeley ilość „ducha szkoły”, ocenianego przez kwestionariusz podany po ocenie preferencji kolorystycznych, korelowała pozytywnie z preferencjami dla własnych niebieskich i złotych kolorów Berkeley oraz negatywnie z preferencjami dla czerwieni i bieli arch-rywala Berkeley, Uniwersytetu Stanforda. Odwrotny wzór został znaleziony wśród studentów Stanford. To odkrycie potwierdza dwie kluczowe prognozy dotyczące EVT. Po pierwsze, pokazuje, że społeczno-kulturowe powiązania instytucjonalne mogą wpływać na preferencje kolorów podczas życia jednostki. Po drugie, dostarcza dalszych dowodów na kierunek przyczynowy, ponieważ jest szalenie nieprawdopodobne, że postawy studentów wobec uniwersytetów są spowodowane ich preferencjami kolorystycznymi. Studenci, którzy lubią Berkeley, nie robią tego, ponieważ lubią niebieski i złoty; lubią niebieski i złoty, ponieważ lubią Berkeley.

dalsze wstępne dowody na to, że preferencje obiektów powodują preferencje kolorów pochodzą z wyników wskazujących, że preferencje kolorów można zmienić, pokazując ludziom stronnicze próbki zdjęć kolorowych obiektów. Wszyscy uczestnicy najpierw ocenili 32 kolory BCP pod kątem preferencji estetycznych, a następnie obejrzeli pokaz slajdów, w którym dokonali różnych ocen na temat zdjęć kolorowych obiektów, a następnie ponownie ocenili te same 32 kolory BCP. Dla jednej grupy pokaz slajdów zawierał 10 zdjęć pożądanych czerwonych obiektów (np. truskawki i wiśnie), 10 zdjęć niepożądanych zielonych obiektów (np., śluz i pleśń) oraz 20 neutralnych przedmiotów o innych kolorach. Druga grupa widziała 10 pożądanych zielonych obiektów (np. drzewa i trawiaste pola), 10 niepożądanych czerwonych obiektów (np. krew i zmiany chorobowe) i te same 20 neutralnych obiektów o innych kolorach. Obie grupy zostały poinformowane, że pokaz slajdów był częścią osobnego eksperymentu dotyczącego estetyki przestrzennej, podczas którego zostały poproszone o podjęcie decyzji, czy dana etykieta jest odpowiednia dla obrazu, wskazanie położenia środka ogniskowego za pomocą kursora, ocena wizualnej złożoności obiektu ogniskowego i ocena, jak bardzo obiekt ogniskowy im się podoba. Dotychczasowe wyniki pokazują, że oceny preferencji dla czerwonego znacznie wzrosły dla grupy, która widziała pożądane czerwone obiekty, a oceny preferencji dla zielonego znacznie wzrosły dla grupy, która widziała pożądane zielone obiekty. Odnotowano również spadek preferencji w zakresie koloru niepożądanych obiektów, ale te spadki nie były statystycznie wiarygodne. Wyniki te pokazują, że na preferencje kolorów może mieć wpływ doświadczenie i potwierdzają twierdzenie, że preferencje obiektów powodują preferencje kolorów.

należy pamiętać, że EVT nie zaprzecza możliwości, że preferencje kolorów mogą mieć wpływ na preferencje obiektów. Oczywiście istnieje wiele sytuacji, w których kolory wpływają na preferencje obiektów, szczególnie w przypadku artefaktów, w których kolor jest jedyną cechą, która odróżnia identyczne instancje (np. farby, ubrania i Meble). EVT faktycznie przewiduje, że preferencja dla koloru zostanie wzmocniona poprzez pozytywne opinie w takim stopniu, że ludzie ostatecznie lubią coś, co kupili, zrobili lub wybrali ze względu na jego kolor. Preferencje kolorystyczne są więc zwykle samonapędzające, przynajmniej do czasu, gdy inne czynniki, takie jak nuda, nowe okoliczności fizyczne lub społeczne i/lub trendy w modzie, zmienią dynamikę reakcji estetycznej, tak jak nieuchronnie to robią.