Resultados y discusión

Cada uno de los 48 participantes calificó cada uno de los 32 colores cromáticos del Proyecto de Color Berkeley (BCP) (Fig. 1 A y B) en términos de cuánto le gustó al participante el color usando una escala de calificación de marca de línea que se convirtió a números que van desde -100 a +100 con un punto cero neutro. Calificaciones de preferencia promedio (Fig. 1C) muestran que los colores saturados( s), claros (l) y apagados (m) produjeron funciones aproximadamente paralelas con un pico ancho en azul y un canal estrecho en chartreuse. Los colores s se preferían a los colores l y m, que no diferían entre sí (F < 1). Aunque el patrón de preferencias de tonalidad en los cortes† s, m y l no difería , sí variaba para el corte oscuro (d) en relación con los otros tres . En particular, el naranja oscuro (marrón) y el amarillo oscuro (oliva) fueron significativamente menos preferidos que otras naranjas y amarillos , mientras que el rojo oscuro y el verde oscuro fueron más preferidos que otros rojos y verdes .

La suposición central de la EVT es que las preferencias de color, promediadas entre las personas, están determinadas por la valencia afectiva promedio de las respuestas de las personas a los objetos que están fuertemente asociados con cada color. Probamos esta afirmación midiendo la estimación ponderada de valencia afectiva (ONDA) para cada uno de los 32 colores cromáticos BCP (Fig. 1D) y correlacionar el resultado con las preferencias de color promedio correspondientes (Fig. 1C). El cálculo de las ondas de los 32 colores BCP requería recopilar y analizar los resultados de tres tareas diferentes: una tarea de asociación de objetos, una tarea de clasificación de valencia de objetos y una tarea de coincidencia de objetos de color.

En la tarea de asociación de objetos, 74 participantes ingenuos vieron cada color individualmente contra el mismo fondo gris neutro y se les instruyó que escribieran tantas descripciones como pudieran de objetos que característicamente contenían el color mostrado en la pantalla. Se les pidió que limitaran sus respuestas a objetos cuyo color generalmente sería conocido por otros a partir de la descripción sin nombrar el color (por ejemplo, no «mi suéter favorito») y objetos cuyo color sería relativamente específico para ese tipo de objeto (por ejemplo, no «crayón» o «camiseta», que podría ser de cualquier color). También se les alentó explícitamente a no suprimir el nombre de objetos desagradables. Las respuestas se clasificaron en 222 descripciones de objetos (los criterios que utilizamos se describen en Materiales y Métodos).

En la siguiente tarea de clasificación de valencia de objetos, a otros 98 participantes se les mostró cada una de las 222 descripciones de objetos en texto negro sobre un fondo blanco y se les pidió que calificaran cuán atractivo era cada objeto de referencia en una línea etiquetada como «negativo» en el extremo izquierdo a «positivo» en el derecho. El color no se mencionaba en las instrucciones, y los nombres de los colores aparecían en las descripciones solo cuando era necesario para desambiguar la categoría (por ejemplo, manzanas rojas vs.manzanas verdes).

En la tarea de coincidencia de objetos de color, se mostró a un tercer grupo de 31 observadores adicionales cada una de las descripciones junto con un cuadrado del color al que se le había dado la descripción del objeto como asociado. Se les pidió que calificaran la fuerza de la coincidencia (grado de similitud) entre el color de los objetos descritos y el color que se muestra en la pantalla. Las calificaciones se hicieron utilizando la misma tarea de marca de línea que para las otras tareas y se convirtieron a una escala de 0-1, de modo que las descripciones cuyos referentes coincidían más estrechamente con el color de la pantalla recibieron pesos más cercanos a la unidad, y aquellas cuyos referentes eran más diferentes recibieron pesos más cercanos a cero.

La ONDA para cada color (Wc) se calculó de la siguiente manera: donde wco es el valor promedio de coincidencia de color-objeto para cada emparejamiento de un color (c) y una descripción de objeto (o), vo es la calificación promedio de valencia dada al objeto o, y nc es el número de descripciones de objetos atribuidas al color c. La sorprendente similitud de estas funciones de ONDA (Fig. 1D) a las funciones de preferencia correspondientes (Fig. 1C) se apoya en la alta correlación positiva entre los datos de ONDA y los datos de preferencia de color (r = +0,893), que representan el 80% de la varianza con un solo predictor. Este ajuste es especialmente impresionante teniendo en cuenta que, a pesar de su complejidad interna, no se estimaron parámetros libres en el cálculo de la ONDA; es simplemente el resultado de un procedimiento bien definido para determinar una cantidad teóricamente implicada por el EVT. Para comparar su rendimiento con teorías alternativas, ajustamos los mismos datos de preferencia a otros tres modelos.

Utilizamos el método de Hurlbert y Ling (9, 10) para analizar las clasificaciones de preferencia de color promedio en términos de componentes de contraste cono-oponente calculando los contrastes de los colores de prueba contra el fondo gris para los sistemas oponente L-M, S-(L+M), (S+L+M) y saturación de CIELUV. Este modelo extendido representó solo el 37% de la varianza en nuestros datos: 21% por la salida S-(L+M) (r = 0.46, P < 0.05, colores que eran más violeta preferidos), 4% más por la salida S+L+M (colores más claros preferidos), otro 8% por la saturación CIELUV (colores de mayor saturación preferidos), y un 4% final por la salida L-M (colores que eran más azul-verde preferidos). El rendimiento notablemente inferior de este modelo en nuestros datos (37%) que en los propios datos de Hurlbert y Ling (70%) resulta en gran medida de la gama más amplia de nuestra muestra de colores. Cuando su modelo original de contraste cónico (10) se aplicó solo al conjunto estrecho de ocho colores BCP que son análogos a los colores de Hurlbert y Ling en tener la misma saturación y luminancia similar (naranja apagado, amarillo apagado, chartreuse apagado, verde apagado, cian saturado, rojo claro, verde claro y púrpura claro), fue capaz de explicar el 64,4%‡ de la varianza, comparable a su rendimiento en los propios datos de Hurlbert y Ling. Sin embargo, cuando se incluyeron en el análisis los 24 colores adicionales de la presente muestra, el rendimiento del modelo de contraste cónico disminuyó precipitadamente.

A continuación, predijimos las calificaciones de preferencia promedio utilizando un modelo de apariencia de color derivado de las calificaciones promedio de nuestros participantes de dimensiones clásicas de alto nivel de apariencia de color: rojo/verde, amarillo/azul, claro/oscuro y saturación alta/baja.¶ El modelo de apariencia de color representó el 60% de la varianza (múltiple-r = 0.774, P < 0.01) para el conjunto completo de 32 colores con tres predictores: 34% para azul-amarillo (colores más azules preferidos), un 19% adicional para saturación (colores de mayor saturación preferidos) y un 7% final para claro-oscuro (colores más claros preferidos). Por lo tanto, este modelo de apariencia de color superó al modelo de contraste de cono, lo que sugiere que las preferencias se modelan mejor con apariencias de color de nivel superior, al menos cuando los colores se muestrean ampliamente en el espacio de color. Aunque este modelo de apariencia de color explica una gran cantidad de varianza, no puede predecir la interacción destacada entre las preferencias de tono en el corte d en relación con los otros cortes. Tampoco explica por qué las personas prefieren los colores que prefieren; simplemente proporciona una mejor descripción del patrón de preferencia que el modelo de contraste de cono.

También encajamos Ou et al.modelo de color-emoción (15, 16) a nuestros datos de preferencia de color promedio utilizando las calificaciones directas de nuestros participantes de sus tres factores: activo/pasivo, pesado/ligero y cálido/frío. Este modelo representó el 55% de la varianza, aproximadamente lo mismo que el modelo de apariencia de color y más que el modelo de contraste de cono. Activo / pasivo§ explicado el 22% de la varianza (colores más activos preferidos), cálido/frío explicado un 26% adicional (colores más fríos preferidos), y pesado/ligero explicado un 7% adicional (colores más claros preferidos).

El predictor DE ONDAS del EVT, que representó el 80% de la varianza, superó a los otros tres modelos que probamos: el modelo de contraste cónico (37%), el modelo de apariencia de color (60%) y el modelo de emoción de color (55%), y lo hizo con dos predictores y parámetros libres menos. La ONDA es, con mucho, el mejor predictor de las preferencias de color promedio, y captura muy bien las características principales de las complejas funciones de preferencia de color: el pico pronunciado en azul, el valle en chartreuse, la preferencia más alta por los colores saturados y el mínimo pronunciado alrededor del amarillo oscuro (Fig. 1 C y D). Sus principales deficiencias son subestimar la aversión al naranja oscuro (posiblemente porque el chocolate y el café a menudo se consideran bastante atractivos) y subestimar la preferencia positiva por el rojo oscuro (posiblemente porque la sangre generalmente se considera poco atractiva).

Quizás lo más importante es que el EVT proporciona una explicación clara y plausible de las preferencias de color: Las preferencias son causadas por respuestas afectivas a objetos de colores correspondientes. Aunque la evidencia actual es correlacional, parece poco probable que la causalidad vaya en la dirección opuesta. Si las preferencias de objetos fueron causadas por preferencias de color, entonces el chocolate y las heces deben ser igualmente atractivas porque son de color similar. Es evidente que este no es el caso. Una tercera variable mediadora posiblemente podría causar la fuerte correlación, pero no está claro cuál podría ser.

Estos resultados muestran que las preferencias de color promedio de los estadounidenses modernos, muestreados en Berkeley, CA, se correlacionan fuertemente con las preferencias de objetos de una muestra independiente pero similar de personas. Sin embargo, el grado en que estas preferencias de color están cableadas, en lugar de aprenderse durante la vida de un individuo, es una pregunta abierta. El hecho de que el patrón de preferencia de tono básico que hemos medido concuerda en gran medida con estudios anteriores(1⇓⇓⇓⇓⇓⇓-8, 10, 11) y con el patrón de sesgos de apariencia que se encuentran en los bebés (18⇓-20) sugiere que al menos algunos aspectos de las preferencias de color humanas pueden ser universales. Por ejemplo, los azules y cianos pueden ser universalmente apreciados porque el cielo claro y el agua limpia son universalmente atractivos, y los marrones y las aceitunas pueden ser universalmente rechazados porque las heces y los alimentos podridos son universalmente repugnantes. Sin embargo, todavía no está claro si tales universales son innatos o aprendidos. Aun así, hay muchas maneras en que podemos evaluar si las experiencias personales de alguien influyen en las preferencias de color durante su vida al estudiar las diferencias culturales, institucionales e individuales, todo lo cual estamos investigando actualmente.

Culturalmente, la EVT implica que la correlación entre las preferencias de color y las ondas obtenidas del mismo grupo cultural debe ser mayor que la correlación entre las preferencias de color y las ondas obtenidas de diferentes grupos culturales, siempre que los dos grupos tengan diferentes asociaciones de color-objeto o preferencias diferentes para los mismos objetos (Fig. 2). Por ejemplo, las ondas estadounidenses deben predecir las preferencias de color estadounidenses mejor de lo que predicen las preferencias de color japonesas, y las ondas japonesas deben predecir las preferencias de color japonesas mejor de lo que predicen las preferencias de color estadounidenses. Actualmente estamos probando tales predicciones para nuestros 32 colores en Japón, México, India y Serbia, además de los Estados Unidos. Los resultados preliminares de Japón apoyan este patrón de predicciones: Las ondas estadounidenses predijeron las preferencias estadounidenses (r = 0,89) mejor que las preferencias japonesas predijeron (r = 0.74), y las olas japonesas predijeron las preferencias japonesas (r = 0,66) mejor que las preferencias estadounidenses (r = 0,55).

Con la misma lógica, los datos WAVE de grupos de participantes estadounidenses que tienen preferencias de color similares deberían poder dar cuenta de sus propias preferencias de color mejor que de las preferencias de color de otros grupos. Para probar esta predicción, medimos tanto las preferencias de color (obtenidas primero) como las valencias de los objetos para nuestras 222 descripciones de objetos (obtenidas más tarde) de un solo grupo de participantes. Utilizamos un algoritmo de agrupamiento jerárquico (21) para definir dos grupos internamente homogéneos, j y k (que contienen 17 y 12 individuos, respectivamente), basados en las correlaciones entre la preferencia de color para cada par de los 29 participantes estudiados hasta el momento. Luego calculamos los datos de ONDA promedio para cada grupo, basados en sus propias clasificaciones de valencia de las mismas 222 descripciones de objetos. Como predijo el EVT, las correlaciones entre las ondas y las preferencias de color dentro de los grupos fueron mayores (r = 0,77 y 0,83) que las correlaciones entre los grupos (r = 0,47 y 0,64) (Fig. 2). Está claro en las gráficas que muestran las preferencias de color y las ondas para los dos grupos (Fig. S1) que las ondas dentro del grupo y las funciones de preferencia son más similares que las ONDAs entre grupos y las funciones de preferencia.

Este resultado también responde a una posible objeción de que la alta correlación positiva entre los datos de ONDA y las preferencias de color podría ser el resultado de un sesgo de consistencia de valencia en la tarea de asociación de objetos: Tal vez las personas simplemente listen objetos más deseables por colores que les gustan y listen objetos menos deseables por colores que no les gustan. Los resultados de estos dos grupos demuestran que esta posibilidad no puede proporcionar una cuenta completa, porque ambos grupos calificaron el mismo conjunto de objetos. Cualquier sesgo de selección en las 222 descripciones de objetos, por lo tanto, no puede explicar las diferencias en las correlaciones entre la ONDA y los datos de preferencia para estos dos grupos.

La EVT también implica que la lealtad de las personas a las instituciones sociales con fuertes lazos con colores específicos también debe afectar sus preferencias de color. Si un grupo de personas tiene una fuerte inversión emocional positiva (o negativa) en una institución social importante que tiene asociaciones de color poderosas y consistentes (por ejemplo, universidades, equipos deportivos, pandillas callejeras, órdenes religiosas e incluso días festivos), entonces el EVT predice que a este grupo le gustarán los colores asociados correspondientemente más (o menos, dependiendo de la polaridad de su afecto) que a un grupo neutral. La razón de esta predicción es que prosperar en la sociedad moderna implica mucho más que satisfacer las necesidades biológicas; las conexiones sociales pueden importar tanto o incluso más.

Los resultados preliminares con los colores de la universidad sugieren que las inversiones sociales pueden influir y de hecho influyen en las preferencias de color de las personas: Entre los estudiantes de la Universidad de California, Berkeley, la cantidad de «espíritu escolar», evaluada por un cuestionario administrado después de evaluar las preferencias de color, se correlacionó positivamente con la preferencia por los propios colores azul y dorado de Berkeley y negativamente con la preferencia por el rojo y el blanco del archirrival de Berkeley, la Universidad de Stanford. El patrón inverso se encontró entre estudiantes universitarios de Stanford. Este hallazgo apoya dos predicciones cruciales de la EVT. En primer lugar, muestra que las afiliaciones institucionales socioculturales pueden afectar las preferencias de color durante la vida de un individuo. En segundo lugar, proporciona más evidencia de la dirección causal, porque es extremadamente improbable que las actitudes de los estudiantes hacia las universidades sean causadas por sus preferencias de color. Los estudiantes a los que les gusta Berkeley no lo hacen porque les guste el azul y el oro; les gusta el azul y el oro porque les gusta Berkeley.

Otra evidencia preliminar de que las preferencias de objeto causan preferencias de color proviene de los resultados que indican que las preferencias de color se pueden cambiar al mostrar a las personas muestras sesgadas de imágenes de objetos de color. Todos los participantes primero calificaron los colores de 32 BCP por preferencia estética, luego vieron una presentación de diapositivas en la que hicieron varios juicios sobre imágenes de objetos de colores, y luego calificaron los mismos colores de 32 BCP nuevamente. Para un grupo, la presentación de diapositivas contenía 10 imágenes de objetos rojos deseables (p. ej., fresas y cerezas), 10 imágenes de objetos verdes indeseables (p. ej., limo y moho), y 20 objetos neutros de otros colores. El otro grupo vio 10 objetos verdes deseables (por ejemplo, árboles y campos cubiertos de hierba), 10 objetos rojos indeseables (por ejemplo, sangre y lesiones) y los mismos 20 objetos neutros de otros colores. A ambos grupos se les dijo que la presentación de diapositivas era parte de un experimento separado sobre estética espacial, durante el cual se les pidió que decidieran si una etiqueta dada era apropiada para la imagen, que indicaran la ubicación del centro del objeto focal con el cursor, que calificaran la complejidad visual del objeto focal y que calificaran cuánto les gustaba el objeto focal. Los resultados hasta el momento muestran que las calificaciones de preferencia para rojo aumentaron significativamente para el grupo que vio objetos rojos deseables, y las calificaciones de preferencia para verde aumentaron significativamente para el grupo que vio objetos verdes deseables. También hubo disminuciones en las calificaciones de preferencia del color de los objetos indeseables, pero estas disminuciones no fueron estadísticamente confiables. Estos hallazgos demuestran que las preferencias de color pueden verse influenciadas por la experiencia y respaldan la afirmación de que las preferencias de objetos causan preferencias de color.

Es importante tener en cuenta que el EVT no niega la posibilidad de que las preferencias de color puedan influir causalmente en las preferencias de los objetos. Claramente, hay muchas situaciones en las que los colores influyen en las preferencias de los objetos, especialmente para artefactos en los que el color es la única característica que diferencia instancias idénticas (por ejemplo, pintura, ropa y muebles). El EVT en realidad predice que la preferencia por un color se reforzará a través de comentarios positivos en la medida en que a la gente finalmente le guste algo que compró, hizo o eligió debido a su color. Por lo tanto, las preferencias de color tienden a perpetuarse a sí mismas, al menos hasta que otros factores, como el aburrimiento, las nuevas circunstancias físicas o sociales y/o las tendencias de la moda, cambian la dinámica de la respuesta estética, como de hecho lo hacen inevitablemente.