resultat och diskussion

var och en av 48 deltagare betygsatte var och en av de 32 kromatiska färgerna i Berkeley Color Project (Bcp) (Fig. 1 A och B) när det gäller hur mycket deltagaren gillade färgen med en radmärkningsskala som omvandlades till siffror från -100 till +100 med en neutral nollpunkt. Genomsnittliga preferensbetyg (Fig. 1C) visa att mättade (s), ljus (l), och dämpade (m) färger producerade ungefär parallella funktioner med en bred topp vid blått och en smal tråg vid chartreuse. S-färgerna föredrogs framför l-och m-färgerna, som inte skilde sig från varandra (F < 1). Även om mönstret för färgtonspreferenser över S, m och l-skärningar inte skilde sig åt , varierade det för den mörka (d) skärningen i förhållande till de andra tre . I synnerhet mörkorange (brun) och mörkgul (oliv) var betydligt mindre föredragna än andra apelsiner och gula , medan mörkröd och mörkgrön var mer föredragen än andra röda och gröna .

evt: s centrala antagande är att färgpreferenser, i genomsnitt över människor, bestäms av den genomsnittliga affektiva valensen av människors svar på objekt som är starkt associerade med varje färg. Vi testade detta påstående genom att mäta den viktade affektiva valensuppskattningen (våg) för var och en av de 32 kromatiska BCP-färgerna (Fig. 1D) och korrelera resultatet med motsvarande genomsnittliga färginställningar (Fig. 1C). Beräkning av vågorna i de 32 BCP-färgerna krävde att samla in och analysera resultaten av tre olika uppgifter: en objektföreningsuppgift, en objektvalensvärderingsuppgift och en färgobjektmatchningsuppgift.

i object-association-uppgiften såg 74 na-deltagare varje färg individuellt mot samma neutrala grå bakgrund och instruerades att skriva så många beskrivningar som de kunde av objekt som karakteristiskt innehöll färgen som visas på skärmen. De ombads att begränsa sina svar på objekt vars färg i allmänhet skulle vara känd för andra från beskrivningen utan att namnge färgen (t.ex. inte ”min favorittröja”) och föremål vars färg skulle vara relativt specifik för den objekttypen (t. ex. inte ”krita” eller ”T-shirt”, som kan vara vilken färg som helst). De uppmuntrades också uttryckligen att inte undertrycka namngivning av obehagliga föremål. Svaren kategoriserades i 222 objektbeskrivningar (kriterierna vi använde beskrivs i material och metoder).

i den efterföljande objektvalensvärderingsuppgiften visades 98 andra deltagare var och en av de 222 objektbeskrivningarna i svart text på en vit bakgrund och ombads att betygsätta hur tilltalande varje referensobjekt var på en rad märkt ”negativ” i vänster ände till ”positiv” till höger. Färg nämndes inte i instruktionerna, och färgnamn dök upp i beskrivningarna endast när det var nödvändigt för att disambiguera kategorin (t.ex. röda äpplen vs. gröna äpplen).

i färgobjektmatchningsuppgiften visades en tredje grupp med ytterligare 31 observatörer var och en av beskrivningarna tillsammans med en kvadrat med den färg som objektbeskrivningen hade givits som associerad. De ombads att betygsätta matchens styrka (grad av likhet) mellan färgen på de beskrivna objekten och färgen som visas på skärmen. Betyg gjordes med samma radmärkningsuppgift som för de andra uppgifterna och omvandlades till en skala 0-1, så att beskrivningar vars referenser närmast matchade skärmfärgen fick vikter närmare enhet, och de vars referenser var mest olika fick vikter närmare noll.

vågen för varje färg (Wc) beräknades enligt följande: där wco är det genomsnittliga färgobjektmatchningsvärdet för varje parning av en färg (c) och en objektbeskrivning (O), vo är det genomsnittliga valensvärdet som ges till objekt o, och nc är antalet objektbeskrivningar som tillskrivs färg c. den slående likheten hos dessa vågfunktioner (Fig. 1D) till motsvarande preferensfunktioner (Fig. 1C) stöds av den höga positiva korrelationen mellan VÅGDATA och färgpreferensdata (r = +0,893), som står för 80% av variansen med en enda prediktor. Denna passform är särskilt imponerande med tanke på att trots sin interna komplexitet uppskattades inga fria parametrar vid beräkningen av vågen; det är helt enkelt resultatet av ett väldefinierat förfarande för att bestämma en kvantitet som teoretiskt antyds av EVT. För att jämföra dess prestanda med alternativteorier passar vi samma preferensdata till tre andra modeller.

vi använde metoden för Hurlbert och Ling (9, 10) för att analysera de genomsnittliga färgpreferensvärdena när det gäller kon-motståndarens kontrastkomponenter genom att beräkna kontrasterna i testfärgerna mot den grå bakgrunden för L-M, S-(L+M), (S+L+M) motståndssystem och CIELUV-mättnad. Denna utökade modell stod för endast 37% av variansen i våra data: 21% av S-(L+M) – utgången (r = 0.46, P < 0.05, färger som var mer Violetta föredragna), 4% mer av S+L+M-utgången (ljusare färger föredras), ytterligare 8% av CIELUV-mättnad (färger med högre mättnad föredras) och en slutlig 4% av L-M-utgången (färger som var mer blågröna föredragna). Denna modell är markant sämre prestanda på våra data (37%) än på Hurlbert och Lings egna data (70%) resulterar till stor del från det bredare spektret av vårt färgprov. När deras ursprungliga kon-kontrastmodell (10) applicerades bara på den smala uppsättningen av åtta BCP-färger som är analoga med Hurlbert och Lings färger i att ha samma mättnad och liknande luminans (dämpad orange, dämpad gul, dämpad chartreuse, dämpad grön, mättad cyan, ljusröd, ljusgrön och ljuslila), kunde den förklara 64,4% kB av variansen, jämförbar med dess prestanda på Hurlbert och Lings egna data. När de ytterligare 24 färgerna i föreliggande prov ingick i analysen minskade dock konkontrastmodellens prestanda kraftigt.

nästa förutspådde vi genomsnittliga preferensbetyg med hjälp av en färgutseendemodell härledd från våra deltagares genomsnittliga betyg av klassiska dimensioner på hög nivå av färgutseende: röd/grön, gul/blå, ljus/mörk och hög/låg mättnad. Färgutseende modellen stod för 60% av variansen (multipel-r = 0.774, P < 0.01) för den fullständiga uppsättningen av 32 färger med tre prediktorer: 34% för blågul (blåare färger föredras), ytterligare 19% för mättnad (färger med högre mättnad föredras) och en slutlig 7% för ljus-mörk (ljusare färger föredras). Denna färgutseendemodell överträffade således konkontrastmodellen, vilket tyder på att preferenser modelleras bättre av färgutseenden på högre nivå, åtminstone när färgerna samplas i stor utsträckning över färgrymden. Även om denna färgutseendemodell förklarar en hel del varians, misslyckas den med att förutsäga den framträdande interaktionen mellan nyanspreferenser I d-snittet i förhållande till de andra skärningarna. Det misslyckas också med att förklara varför människor föredrar de färger de gör; det ger bara en bättre beskrivning av preferensmönstret än konkontrastmodellen.

vi passar också Ou et al.’S (15, 16) färg-emotion modell till våra genomsnittliga färgpreferensdata med hjälp av våra deltagares direkta betyg av deras tre faktorer: aktiv/passiv, tung/lätt och varm/cool. Denna modell stod för 55% av variansen, ungefär samma som färgutseendemodellen och mer än konkontrastmodellen. Aktiv / passiv kubi förklarade 22% av variansen (mer aktiva färger föredras), varm/cool förklarade ytterligare 26% (svalare färger föredras) och tung/ljus förklarade ytterligare 7% (ljusare färger föredras).

EVT: s VÅGPREDIKTOR, som stod för 80% av variansen, överträffade därmed alla tre andra modeller vi testade—konkontrastmodellen (37%), färgutseendemodellen (60%) och färgkänslamodellen (55%)-och det gjorde det med två färre prediktorer och fria parametrar. Vågen är överlägset den bästa prediktorn för genomsnittliga färgpreferenser, och det fångar snyggt de primära egenskaperna hos de komplexa färgpreferensfunktionerna: den uttalade toppen vid blått, tråget vid chartreuse, högre preferens för mättade färger och det uttalade minimumet runt mörkgult (Fig. 1 C och D). Dess huvudsakliga brister är underpredicting aversionen till mörkorange (möjligen för att choklad och kaffe ofta bedöms som ganska tilltalande) och underpredicting den positiva preferensen för mörkröd (eventuellt för att blod vanligtvis bedöms som oattraktivt).

kanske viktigast, evt ger en tydlig och trovärdig förklaring av färgpreferenser: preferenserna orsakas av affektiva svar på motsvarande färgade objekt. Även om föreliggande bevis är korrelation, verkar det osannolikt att kausaliteten går i motsatt riktning. Om objektpreferenser orsakades av färgpreferenser, bör choklad och avföring vara lika tilltalande eftersom de har samma färg. Det är uppenbart att detta inte är fallet. Någon tredje förmedlande variabel kan tänkas orsaka den starka korrelationen, men det är oklart vad det kan vara.

dessa resultat visar att genomsnittliga färgpreferenser hos moderna amerikaner, samplade från Berkeley, CA, korrelerar starkt med objektpreferenser hos ett oberoende men liknande urval av människor. Graden till vilken dessa färgpreferenser är hårdkodade, i motsats till lärt sig under en individs livstid, är dock en öppen fråga. Det faktum att det grundläggande hue-preferensmönstret vi har mätt i stor utsträckning överensstämmer med tidigare studier (1⇓⇓⇓⇓⇓⇓-8, 10, 11) och med mönstret av att titta på fördomar som finns hos spädbarn (18 Kb -20) föreslår att åtminstone vissa aspekter av mänskliga färgpreferenser kan vara universella. Till exempel kan blues och cyans vara universellt gillade eftersom klar himmel och rent vatten är universellt tilltalande, och bruna och oliver kan vara allmänt ogillade eftersom avföring och ruttnande mat är universellt äckligt. Det är dock ännu inte klart om sådana universaler är medfödda eller lärda. Ändå finns det många sätt på vilka vi kan utvärdera om någons personliga erfarenheter påverkar färgpreferenser under hans/hennes livstid genom att studera Kulturella, institutionella och individuella skillnader, som vi för närvarande undersöker.kulturellt innebär evt att korrelationen mellan färgpreferenser och vågor erhållna från samma kulturgrupp bör vara högre än korrelationen mellan färgpreferenser och vågor erhållna från olika kulturgrupper, förutsatt att de två grupperna har olika färgobjektföreningar eller olika preferenser för samma objekt (Fig. 2). Amerikanska vågor bör till exempel förutsäga amerikanska färgpreferenser bättre än de förutspår japanska färgpreferenser, och japanska vågor bör förutsäga japanska färgpreferenser bättre än de förutspår amerikanska färgpreferenser. Vi testar för närvarande sådana förutsägelser för våra 32 färger i Japan, Mexiko, Indien och Serbien utöver USA. Preliminära resultat från Japan stöder detta förutsägelsemönster: amerikanska vågor förutspådde amerikanska preferenser (r = 0.89) bättre än de förutspådde japanska preferenser (r = 0.74), och japanska vågor förutspådde japanska preferenser (r = 0,66) bättre än de förutspådde amerikanska preferenser (r = 0,55).

med samma logik bör VÅGDATA från grupper av amerikanska deltagare som har liknande färgpreferenser kunna redogöra för sina egna färgpreferenser bättre än för andra gruppers färgpreferenser. För att testa denna förutsägelse mätte vi både färgpreferenser (erhållna först) och objektvalenser för våra 222 objektbeskrivningar (erhållna senare) från en enda uppsättning deltagare. Vi använde en hierarkisk klusteralgoritm (21) för att definiera två internt homogena grupper, j och k (innehållande 17 respektive 12 individer), baserat på korrelationerna mellan färgpreferens för varje par av de 29 deltagarna som hittills studerats. Vi beräknade sedan den genomsnittliga VÅGDATA för varje grupp, baserat på deras egna Valens betyg av samma 222 objektbeskrivningar. Som förutsagt av EVT var korrelationerna mellan vågorna och färginställningarna inom grupper högre (r = 0,77 och 0,83) än korrelationerna mellan grupper (r = 0,47 och 0,64) (Fig. 2). Det framgår av tomterna som visar färgpreferenser och vågor för de två grupperna (Fig. S1) att Inomgruppens vågor och preferensfunktioner är mer lika än Mellangruppens vågor och preferensfunktioner.

detta resultat svarar också på en möjlig invändning att den höga positiva korrelationen mellan VÅGDATA och färgpreferenser kan bero på en valens-konsistensförspänning i objektföreningsuppgiften: kanske listar folk helt enkelt mer önskvärda objekt för färger de gillar och listar mindre önskvärda objekt för färger de ogillar. Resultaten från dessa två grupper visar att denna möjlighet inte kan ge ett fullständigt konto, eftersom båda grupperna betygsatte samma uppsättning objekt. Varje urvalsförskjutning i 222-objektbeskrivningarna kan därför inte redogöra för skillnaderna i korrelationer mellan våg-och preferensdata för dessa två grupper.

EVT innebär också att människors lojalitet till sociala institutioner med starka band till specifika färger också bör påverka deras färgpreferenser. Om en grupp människor har en stark positiv (eller negativ) känslomässig investering i en viktig social institution som har kraftfulla och konsekventa färgföreningar (t.ex. universitet, atletiska lag, gatugäng, religiösa ordningar och till och med helgdagar), förutspår EVT att denna grupp borde gilla de tillhörande färgerna motsvarande mer (eller mindre beroende på polariteten hos deras påverkan) än en neutral grupp. Motiveringen för denna förutsägelse är att blomstrande i det moderna samhället innebär mycket mer än att bara möta biologiska behov; sociala kontakter kan betyda så mycket eller ännu mer.preliminära resultat med universitetsfärger tyder på att sociala investeringar kan och påverkar människors färgpreferenser: bland University of California, Berkeley studenter, mängden ”skolanda”, som bedömts av ett frågeformulär administrerat efter att de betygsatt färgpreferenser, korrelerade positivt med preferens för Berkeleys egna blå och guldfärger och negativt med preferens för det röda och vita av Berkeleys ärkerival, Stanford University. Det omvända mönstret hittades bland Stanford-studenter. Detta resultat stöder två viktiga förutsägelser av EVT. För det första visar det att sociokulturella institutionella anslutningar kan påverka färgpreferenser under en individs livstid. För det andra ger det ytterligare bevis på kausalriktningen, eftersom det är väldigt osannolikt att studenternas attityder till universitet orsakas av deras färgpreferenser. Studenter som gillar Berkeley gör det inte för att de gillar blått och guld; de gillar blått och guld för att de gillar Berkeley.

ytterligare preliminära bevis för att objektpreferenser orsakar färgpreferenser kommer från resultat som indikerar att färgpreferenser kan ändras genom att visa personer partiska prover av bilder av färgade objekt. Alla deltagare bedömde först de 32 BCP-färgerna för estetiska preferenser, såg sedan ett bildspel där de gjorde olika bedömningar om bilder av färgade föremål och bedömde sedan samma 32 BCP-färger igen. För en grupp innehöll bildspelet 10 bilder av önskvärda röda föremål (t. ex. jordgubbar och körsbär), 10 bilder av oönskade gröna föremål (t. ex., slem och mögel), och 20 neutrala föremål av andra färger. Den andra gruppen såg 10 önskvärda gröna föremål (t.ex. träd och gräsbevuxna fält), 10 oönskade röda föremål (t. ex. blod och lesioner) och samma 20 neutrala föremål av andra färger. Båda grupperna fick höra att bildspelet var en del av ett separat experiment på rumslig estetik, under vilken de ombads att bestämma om en viss etikett var lämplig för bilden, för att ange platsen för mitten av fokalobjektet med markören, för att betygsätta fokalobjektets visuella komplexitet och att betygsätta hur mycket de gillade fokalobjektet. Resultaten hittills visar att preferensklassificeringar för rött ökade markant för gruppen som såg önskvärda röda objekt, och preferensklassificeringar för grönt ökade markant för gruppen som såg önskvärda gröna objekt. Det fanns också minskningar av preferensvärdena för färgen på de oönskade föremålen, men dessa minskningar var inte statistiskt tillförlitliga. Dessa resultat visar att färgpreferenser kan påverkas av erfarenhet och stöder påståendet att objektpreferenser orsakar färgpreferenser.

det är viktigt att notera att EVT inte förnekar möjligheten att färginställningar kan orsaka Objektinställningar. Uppenbarligen finns det många situationer där färger påverkar objektpreferenser, särskilt för artefakter där färg är den enda funktionen som skiljer annars identiska instanser (t.ex. färg, kläder och möbler). EVT förutspår faktiskt att preferensen för en färg kommer att förstärkas via positiv feedback i den utsträckning att människor i slutändan gillar något de köpte, gjorde eller valde på grund av sin färg. Färgpreferenser tenderar således att vara självförstärkande, åtminstone tills andra faktorer, såsom tristess, nya fysiska eller sociala omständigheter och/eller modetrender, förändrar dynamiken i estetiskt svar, som de oundvikligen gör.