Results and Discussion

Each of 48 participants rated each of the 32 chromatic colors of the Berkeley Color Project (BCP) (Fig. 1 A E B) em termos de quanto o participante gostou da cor usando uma escala de classificação de linha-marca que foi convertido para números que variam de -100 a +100 com um ponto zero neutro. Classificação das preferências médias (Fig. 1C) mostra que as cores saturadas, leves (l) e silenciadas (m) produziram aproximadamente funções paralelas com um pico largo a azul e um cavado estreito a chartreuse. As cores s eram preferidas às cores l E m , que não diferiam umas das outras (F < 1). Embora o padrão de preferências de matiz entre cortes s, m E l† não diferiu, ele variou para o corte escuro (d) em relação aos outros três . Em particular, o laranja escuro (castanho) e o amarelo escuro (azeitona) eram significativamente menos preferidos do que outras laranjas e amarelos , enquanto o Vermelho escuro e o verde escuro eram mais preferidos do que outros vermelhos e verdes .

a suposição central do EVT é que as preferências de cor, médias entre as pessoas, são determinadas pela Valência afetiva média das respostas das pessoas aos objetos que estão fortemente associados a cada cor. Testamos esta afirmação medindo a estimativa de Valência afetiva ponderada (onda) para cada uma das 32 cores BCP cromáticas (Fig. 1D) e correlacionando o resultado com as preferências de cor médias correspondentes (Fig. 1C). Calculando as ondas das 32 cores BCP necessárias para coletar e analisar os resultados de três tarefas diferentes: uma tarefa de associação de objetos, uma tarefa de classificação de objetos-Valência, e uma tarefa de correspondência de cor-objeto.

na tarefa da Associação de objetos, 74 participantes ingênuos viram cada cor individualmente contra o mesmo fundo cinza neutro e foram instruídos a escrever tantas descrições quanto possível de objetos que caracteristicamente continham a cor exibida na tela. Eles foram convidados a limitar suas respostas a objetos cuja cor geralmente seria conhecida por outros da descrição sem nomear a cor (por exemplo, não “minha camisola favorita”) e objetos cuja cor seria relativamente específica para esse tipo de objeto (por exemplo, não “Lápis de cera” ou “T-shirt”, que poderia ser qualquer cor). Eles também foram encorajados explicitamente a não suprimir nomes de objetos desagradáveis. As respostas foram categorizadas em 222 descrições de objetos (os critérios que usamos são descritos em materiais e métodos).

na subsequente tarefa de classificação object-valence, 98 outros participantes foram mostrados cada uma das 222 descrições de objetos em texto preto sobre um fundo branco e foram convidados a classificar o quão atraente cada objeto referente era em uma linha chamada “negativo” na extremidade esquerda para “positivo” na direita. A cor não foi mencionada nas instruções, e nomes de cores apareceram nas descrições apenas quando necessário para desambiguar a categoria (por exemplo, maçãs vermelhas vs. maçãs verdes).

na tarefa de correspondência de objetos de cores, um terceiro grupo de 31 observadores adicionais foi mostrado cada uma das descrições juntamente com um quadrado da cor a que essa descrição de objeto tinha sido dada como uma associada. Eles foram convidados a avaliar a força da correspondência (grau de semelhança) entre a cor dos objetos descritos e a cor mostrada na tela. As classificações foram feitas usando a mesma tarefa de marcação de linha como para as outras tarefas e convertidas para uma escala 0-1, tal que as descrições cujas referências mais próximas corresponderam à cor da tela receberam pesos mais próximos da unidade, e aqueles cujos referências eram mais diferentes receberam pesos mais próximos de zero.

a onda para cada cor (Wc) foi calculada da seguinte forma::onde wco é o valor médio de correspondência cor-objeto para cada emparelhamento de uma cor (C) e uma descrição de objeto (o), vo é a classificação média de Valência dada ao objeto o, e nc é o número de descrições de objetos atribuídos à cor C. A semelhança marcante destas funções de onda (Fig. 1D) às funções preferenciais correspondentes (Fig. 1C) é suportado pela alta correlação positiva entre os dados de onda e os dados de preferência de cor (r = +0,893), representando 80% da variância com um único predictor. Este ajuste é especialmente impressionante considerando que, apesar de sua complexidade interna, não foram estimados parâmetros livres no cálculo da onda; é simplesmente o resultado de um procedimento bem definido para determinar uma quantidade teoricamente implícita pelo EVT. Para comparar o seu desempenho com teorias alternativas, encaixamos os mesmos dados de preferência em três outros modelos.

usámos o método de Hurlbert e Ling (9, 10) para analisar as classificações de preferência de cores médias em termos de componentes de contraste cone-adversário, calculando os contrastes das cores de teste contra o fundo cinzento para os sistemas adversário L-M, S-(L+M), (S+L+M) e a saturação CELUV. Este modelo estendido representou apenas 37% da variância em nossos dados: 21% pela saída S-(L+M) (r = 0.46, P < 0.05, cores que eram mais violetas preferidas), 4% mais pela saída S + L+M( cores mais leves preferidas), mais 8% pela saturação do CELUV (cores de maior saturação preferidas), e um final 4% pela saída L-M (cores que eram mais azuis-verdes preferidas). O desempenho deste modelo em nossos dados (37%) é nitidamente menor do que em dados próprios de Hurlbert e Ling (70%) resulta em grande parte do gamute mais amplo de nossa amostra de cores. Quando seus originais de cone contraste com o modelo (10) foi aplicado apenas para o conjunto restrito de oito BCP cores, que são análogos Hurlbert e Ling cores em ter a mesma saturação e similares de luminância (silenciado laranja, mudo amarelo, silenciado chartreuse, silenciado verde, saturado ciano, vermelho claro, verde claro e lilás), ele foi capaz de explicar de 64,4%‡ da variância, comparável ao seu desempenho em Hurlbert e Ling próprios dados. Quando as 24 cores adicionais na presente amostra foram incluídas na análise, no entanto, o desempenho do modelo de cone-contraste diminuiu precipitadamente.

em seguida, previmos classificações de preferência médias usando um modelo de aparência de cor derivado das classificações médias dos nossos participantes de dimensões clássicas de alto nível de aparência de cor: Vermelho/verde, amarelo/azul, luz/escuro, e alta / baixa saturação.¶ A cor-a aparência do modelo foi responsável por 60% da variância (vários-r = 0.774, P < 0,01) para o conjunto completo de 32 cores com três preditores: 34% para o azul-amarelo (cores mais azuis, de preferência), um adicional de 19% para a saturação (com maior saturação de cores, de preferência), e um final de 7% para a luz-escuro (cores mais claras, de preferência). Este modelo de aparência de cor superou assim o modelo cone-contraste, sugerindo que as preferências são melhor modeladas por aparências de cores de nível mais elevado, pelo menos quando as cores são amplamente amostradas sobre o espaço de cores. Embora este modelo de aparência colorida explique uma boa quantidade de variância, ele não consegue prever a interação saliente entre as preferências de Tom no corte d em relação aos outros cortes. Ele também não explica por que as pessoas preferem as cores que eles fazem; ele apenas fornece uma melhor descrição do padrão de preferência do que o modelo cone-contraste.

Nós também encaixamos Ou et al.’s (15, 16) modelo cor-emoção para os nossos dados de preferência de cor média usando as classificações diretas dos nossos participantes de seus três fatores: ativo/passivo, pesado/leve, e quente/frio. Este modelo foi responsável por 55% da variância, aproximadamente o mesmo que o modelo cor-aparência e mais do que o modelo cone-contraste. § Activo / passivo explicou 22% da variância (cores mais activas preferidas), quente/frio explicou 26% adicional (cores mais frias preferidas), e heavy/luz explicou mais 7% (cores mais leves preferidas).

o predictor de onda do EVT, que representava 80% da variância, superou assim todos os outros três modelos que testamos—o modelo cone-contraste (37%), o modelo cor-aparência (60%), e o modelo cor-emoção (55%)—e fez isso com menos predictores e parâmetros livres. A onda é de longe o melhor preditor das preferências de cores médias, e captura bem as características primárias das funções de preferência de cores complexas: o pico pronunciado no azul, o vale em chartreuse, maior preferência por cores saturadas, e o mínimo pronunciado em torno do amarelo escuro (Fig. 1 C E D). As suas principais deficiências estão a subestimar a aversão ao Laranja escuro (possivelmente porque o chocolate e o café são muitas vezes considerados bastante atraentes) e a subestimar a preferência positiva pelo Vermelho escuro (possivelmente porque o sangue é geralmente considerado como pouco apelativo).

talvez mais importante, o EVT fornece uma explicação clara e plausível das preferências de cor: as preferências são causadas por respostas afetivas a objetos coloridos correspondentes. Embora a evidência atual seja correlacional, parece improvável que a causalidade corra na direção oposta. Se as preferências de objetos foram causadas por preferências de cor, então chocolate e fezes devem ser igualmente atraentes, porque eles são semelhantes em cor. É evidente que não é esse o caso. Alguma terceira variável mediadora pode causar a forte correlação, mas não é claro o que pode ser.

estes resultados mostram que as preferências de cor média dos americanos modernos, amostrados de Berkeley, CA, correlacionam-se fortemente com as preferências de objetos de uma amostra independente, mas similar de pessoas. O grau em que estas preferências de cor são programadas, ao contrário de aprendidas durante a vida de um indivíduo, é uma questão em aberto, no entanto. O fato de que a base matiz de preferência padrão medido em grande parte concordam com estudos anteriores (1⇓⇓⇓⇓⇓⇓-8, 10, 11) e com o padrão de procura vieses encontrados em crianças (18⇓-20) sugere que pelo menos alguns aspectos do humano preferências de cor pode ser universal. Por exemplo, os azuis e os cianos podem ser universalmente apreciados porque o céu limpo e a água limpa são universalmente atraentes, e os castanhos e as azeitonas podem ser universalmente detestados porque as fezes e os alimentos apodrecidos são universalmente nojentos. No entanto, ainda não é claro se tais universais são inatos ou aprendidos. Mesmo assim, há muitas maneiras em que podemos avaliar se as experiências pessoais de alguém influenciam as preferências de cor durante sua vida, estudando diferenças culturais, institucionais e individuais, tudo o que estamos investigando atualmente.culturalmente, o EVT implica que a correlação entre preferências de cor e ondas obtidas do mesmo grupo cultural deve ser maior do que a correlação entre preferências de cor e ondas obtidas de diferentes grupos culturais, desde que os dois grupos tenham associações de cor-objeto diferentes ou preferências diferentes para os mesmos objetos (Fig. 2). Por exemplo, as ondas americanas devem prever preferências de cores Americanas melhor do que elas predizem preferências de cores japonesas, e as ondas Japonesas devem prever preferências de cores Japonesas melhor do que elas predizem preferências de cores Americanas. Atualmente estamos testando essas previsões para nossas 32 cores no Japão, México, Índia e Sérvia, além dos Estados Unidos. Os resultados preliminares do Japão apoiam este padrão de previsões: as ondas Americanas previram preferências Americanas (r = 0,89) melhores do que as preferências Japonesas (r = 0.74), e as ondas Japonesas previram preferências Japonesas (r = 0,66) melhores do que as preferências Americanas (r = 0,55).Fig. 2. Diagrama de

mostrando um princípio central do EVT: a correlação entre ondas e preferências de cor obtidas dentro de um grupo deve ser mais forte do que a correlação entre ondas e preferências de cor obtidas de diferentes grupos. As correlações são obtidas a partir de indivíduos com preferências de cores semelhantes determinadas por clustering hierárquico (21). (Figo. S1 mostra gráficos das preferências de cor e ondas destes dois grupos.)

pela mesma lógica, os dados de ondas de grupos de participantes americanos que têm preferências de cores semelhantes devem ser capazes de contabilizar as suas próprias preferências de cores melhor do que para as preferências de cores de outros grupos. Para testar esta previsão, medimos as preferências de cor (obtidas primeiro) e as valências de objetos para as nossas 222 descrições de objetos (obtidas mais tarde) a partir de um único conjunto de participantes. Usámos um algoritmo de agrupamento hierárquico (21) para definir dois grupos homogêneos internos, j E k (contendo 17 e 12 indivíduos, respectivamente), com base nas correlações entre a preferência de cores para cada par dos 29 participantes estudados até agora. Nós então computamos os dados de onda média para cada grupo, com base em suas próprias avaliações de Valência das mesmas 222 descrições de objetos. Como previsto pelo EVT, as correlações entre as ondas e as preferências de cor dentro dos grupos foram maiores (r = 0.77 e 0.83) do que as correlações entre grupos (r = 0.47 e 0.64) (Fig. 2). É claro a partir dos gráficos mostrando as preferências de cor e ondas para os dois grupos (Fig. S1) que as ondas dentro do grupo e funções de preferência são mais similares do que as ondas entre grupos e funções de preferência.

Este resultado também responde a uma possível objeção de que a alta correlação positiva entre a ONDA de dados e as preferências de cores pode resultar de um valence-consistência viés do objeto-associação tarefa: Talvez as pessoas simplesmente lista mais objetos desejáveis para as cores que gosta e lista menos objetos desejáveis para as cores que eles não gostam. Os resultados destes dois grupos demonstram que esta possibilidade não pode fornecer uma conta completa, porque ambos os grupos classificaram o mesmo conjunto de objetos. Qualquer viés de seleção nas 222 descrições de objetos, portanto, não pode explicar as diferenças nas correlações entre a onda e os dados de preferência para estes dois grupos.

O EVT também implica que as alianças das pessoas com instituições sociais com fortes laços com cores específicas também devem afetar suas preferências de cor. Se um grupo de pessoas tem um forte e positivo (ou negativo) de investimento emocional em uma importante instituição social que tem poderosas e consistentes de cores associações (por exemplo, universidades, equipes esportivas, gangues de rua, ordens religiosas, e até mesmo feriados) e, em seguida, a EVT prevê que este grupo deve vir a gostar de associados cores correspondentemente mais (ou menos, dependendo da polaridade de seu efeito) de um grupo neutro. A razão para esta previsão é que prosperar na sociedade moderna envolve muito mais do que apenas satisfazer as necessidades biológicas; as conexões sociais podem importar tanto ou mais.

os resultados Preliminares com a universidade cores sugerem que os investimentos sociais podem influenciar as pessoas de cor de preferências: Entre a Universidade da Califórnia, em Berkeley estudantes de graduação, a quantidade de “espírito de escola”, como foi avaliado por um questionário administrado depois de terem avaliado as preferências de cores, correlacionada positivamente com preferência para Berkeley próprio azul e ouro, as cores e negativamente com preferência para o vermelho e branco de Berkeley arqui-rival, da Universidade de Stanford. O padrão inverso foi encontrado entre os estudantes de Stanford. Este achado apoia duas previsões cruciais do EVT. Em primeiro lugar, mostra que as afiliações institucionais socioculturais podem afetar as preferências de cor durante a vida de um indivíduo. Em segundo lugar, fornece mais evidências da direção causal, porque é extremamente improvável que as atitudes dos estudantes em relação às universidades sejam causadas por suas preferências de cor. Os estudantes que gostam de Berkeley não o fazem porque gostam de azul e Ouro; gostam de azul e Ouro porque gostam de Berkeley.

mais evidências preliminares de que as preferências de objetos causam preferências de cores vêm de resultados que indicam que as preferências de cores podem ser alteradas, mostrando as pessoas de amostras tendenciosas de imagens de objetos coloridos. Todos os participantes primeiro classificaram as 32 cores BCP para a preferência estética, em seguida, viu uma apresentação em que eles fizeram vários julgamentos sobre imagens de objetos coloridos, e, em seguida, classificou as mesmas 32 cores BCP novamente. Para um grupo, a apresentação continha 10 imagens de objetos vermelhos desejáveis (por exemplo, morangos e cerejas), 10 imagens de objetos verdes indesejáveis (por exemplo, morangos e cerejas)., lodo e mofo), e 20 objetos neutros de outras cores. O outro grupo viu 10 objetos verdes desejáveis (por exemplo, árvores e campos de gramíneas), 10 objetos vermelhos indesejáveis (por exemplo, sangue e lesões), e os mesmos 20 objetos neutros de outras cores. Ambos os grupos foram informados de que a apresentação foi parte de uma experiência espacial da estética, durante o qual foram feitas para decidir se um determinado rótulo foi adequado para a imagem, para indicar a localização do centro do objeto focal com o cursor, para classificar a complexidade visual do objeto focal, e para avaliar o quanto eles gostaram do objeto focal. Os resultados até agora mostram que as classificações de preferência para o vermelho aumentou significativamente para o grupo que viu objetos vermelhos desejáveis, e as classificações de preferência para o verde aumentou significativamente para o grupo que viu objetos verdes desejáveis. Houve também diminuições na classificação de preferência da cor dos objetos indesejáveis, mas estas diminuições não foram estatisticamente confiáveis. Estes achados demonstram que as preferências de cor podem ser influenciadas pela experiência e suportam a alegação de que as preferências de objeto causam preferências de cor.

é importante notar que o EVT não nega a possibilidade de que as preferências de cor podem influenciar causalmente as preferências de objetos. Claramente há muitas situações em que as cores influenciam as preferências dos objetos, especialmente para artefatos em que a cor é a única característica que diferencia casos idênticos (por exemplo, tinta, roupas e móveis). O EVT realmente prevê que a preferência por uma cor será reforçada através de feedback positivo na medida em que as pessoas, em última análise, gostam de algo que eles compraram, fizeram, ou escolheram por causa de sua cor. As preferências de cor tendem assim a ser auto-perpetuantes, pelo menos até que outros fatores, como o tédio, novas circunstâncias físicas ou sociais, e/ou tendências da moda, mudem a dinâmica da resposta estética, como de fato inevitavelmente fazem.