Social Science in SNP(5)
1. 他人在场与随口跑火车 Perceived social presence reduces fact-checking, PNAS
网上键盘侠们最爱做的一件事情便是不分青红皂白传播各种未经证实的信息。这个文章探究了人们是否愿意进行真相鉴定(fact-checking)的一个影响条件——是否有其他人在场。他人是否在场会影响人们真相鉴定的原因有两种可能，一是人们会有“搭便车”的倾向，当他人在场时，会倾向让他人代替自己完成一件事情，但之前没有人检验这个效应会不会在fact-checking这个场景中发生。另一种可能性是，当他人在场时，人们更难以提出自己的质疑，因为担心别人会认为自己是个不真诚的人。研究者们通过在多种边界条件下研究他人在场 vs 不在场设定（社交媒体、文章提示）等，验证了上述假设。
虽然没有用所谓的中介变量进行检验，但从边界条件的视角验证了相关假设。在我看来，是蛮有意思的一个研究。但毕竟也是5年前发表的文章了，可能现在还是需要外部效度更高的实地试验来验证相关的结论。
2. 投资者记忆偏误与过度自信 Investor memory of past performance is positively biased and predicts overconfidence, PNAS
研究者要求投资者回忆自己之前做过的最重要的投资决策极其收益，发现人们会有高估自己投资回报的记忆偏误，而这个倾向是与他本人过度自信的程度，以及交易频率正向相关的。并且，通过行为纠正能够改善对应的偏误。文章提到了两种人们可能会产生记忆偏误的原因，分别是记忆扭曲(distortion)和选择性遗忘(selective forgetting)。记忆扭曲指的是人们记得自己以往的盈亏，不过会高估自赚的钱，低估自己亏的钱；而选择性遗忘则是只记得自己赚过的，忘记了自己亏过的。通过实验设计将这两种可能产生正向记忆偏误的原因进行了区分，发现这两种情况都会影响人们的记忆偏误。
3. 国家身份认同与疫情期间国家/个人行为 National identity predicts public health support during a global pandemic, Nature Communication
文章探究了在疫情初期人们的行为表现与个人的国家身份认同之间的关系，那些更认同自己身份的人，更不愿意离开自己的所在地，也更愿意遵守各项防疫的措施。文章研究了国家身份认同这个变量与人们日常生活的关系。
4. 将观众多样性纳入新闻可信度的算法调整模型 Political audience diversity and news reliability in algorithmic ranking，nature human behaviour
研究者发现，新闻的可信程度与观众的政党多样性 (audience diversity) 有相关的关系，具体来说，观众越是极端的政党偏好，新闻的质量是越差，可信度是越低的。那么，作者就考虑，如果在新闻的算法推荐系统当中，加入受众的政党偏好这个信息，是否能够把那些可信度高的新闻”顶“到前面呢？传统的推荐系统主要是基于新闻的受欢迎程度进行排序的，在加入了观众政党多样性这个因素之后，预测的能力得到了提升。
5. ”双语“宝宝的学习技巧 How first-language instruction transfers to majority-language skills, nature human behaviour
相信不少成功”跑路“的小伙伴都会面临这个一个具体问题，要不要让自己的小孩成为”双语“宝宝 瞧可爱的谷爱凌一口北京话这么顺耳，答案当然是要了… 移民二代的小孩学习两种语言是否会有相互影响，使用”第一语言(first-language)“教学会不会影响他们接受所在地区的官方语言(majority-language)，研究者们用RCT的方法进行了验证。结果表明，让小孩子使用第一语言学习不会马上对于他们的语言能力有明显的提升，但是一年后的追踪调查显示，使用第一语言学习的小孩行为问题 (behavioral problem) 出现的概率更低了，也就是说变得更听话了。这种行为模式的改变，进而让他们能够有更好的语言学习的习惯，因此majority-language学得也更好了。
6. 运用凝视分配与瞳孔放缩探究损失厌恶的内在机制 Decomposing loss aversion from gaze allocation and pupil dilation, PNAS
这个文章探究了一个常见的心理学现象损失厌恶（loss aversion）的产生原因，作者提出了两种可能的偏差，一种叫价值偏差(value bias)，另一种叫反应偏差(response bias) 这两种偏差在实验中分别用不同的方法进行测量。其中，估值偏差指的是人们对于潜在的收益和损失会进行价值的评估，而在同时出现“收益”和“损失”两个概念的时候，人们在两个概念上凝视的时长能够反映这个评估的过程，也就是说如果一个人看着“损失”的时间比看着“收益”的时间长，那么他就有比较大的value bias；而瞳孔的扩大能够反映反应偏差，反应偏差值的是人们在获得信息之后要花多久（花多少努力）来做出最终的决定。所以，如果瞳孔扩大的程度更大，说明人们在做一个“艰难”的决定，需要付出更多的努力。作者发现，两种bias都会影响人们的最终的 loss aversion。
7. 所谓的颜狗尊严真的靠谱吗 Failure to detect mismatches between intention and outcome in a simple decision task, Science
这是一篇很复古和经典的 Science paper，讲的是这么一个实验：研究者让参与者在两秒内在两张照片中选择自己觉得好看的一张，然后迅速盖上照片，随后把其中一张照片展示给参与者，让他们描述自己为什么会选择这张照片。注意，有趣的地方来了，这次展示的照片（不一定）是当时参与者选的照片。也就是说有可能你当时选择了A，但是让你陈述为什么B是更好看的。研究者们发现，大部分的参与者都不会意识到照片被调包了，而是根据研究者提供的照片来进行描述，这个效应被称为选择失明(choice blindness)。
8. 关于AI生成图像与真人图像之间的差异 AI-synthesized faces are indistinguishable from real faces and more trustworthy, PNAS
这篇文章非常简短，但揭示了目前人工智能发展到的一个特定的阶段——通过智能算法产生的人脸(AI-synthesized faces) 已经能够“骗过”人们对于图像的真实判断了。也就是说，现在你用算法生成一张“世界上根本不存在的人”的照片，我们人眼已经没有办法识别出它的真伪了。进一步的，研究者们还发现人们对于这些算法生成的图像甚至还有更高的信任感，虽然文章中使用的只是信任感的测量量表而非真实的信任行为，样本量讲真也不大，但是这也能反映出一定的现象。一方面AI技术的超速发展可以从各种可被感知的方向得到体现，另一方面，人们对于AI的感知，也就是现在大量与AI相关的行为学研究也面临着巨大的挑战——所谓的态度难道不会因为时间而发生翻天覆地的变化么？结果却是不得而知了。
下图是文章中用到的图像信息，其中S代表AI合成，R代表真实照片，比例为被识别为正确的类别的比例：
9. 性教育与出生率的关系探究 More comprehensive sex education reduced teen births: Quasi-experimental evidence, PNAS
最近一直被徐州八孩的事件弄得很揪心，无论是拐卖妇女还是非法胁迫女性生育都是关乎天下女儿的大事。虽然不知道自己能为她们做些什么，但看到这件似乎是被遗忘的事情提起来，确实特别有意义。这项在美国的研究，则是关注在未成年女性由于缺乏性教育过于早孕的现象。通过政策的实施，研究者们发现，开展性教育能够显著降低未成年女性的生育率，这个降低的比例高达3%。
二月整个人都感觉要emo了，无比怀念沪上各种好吃好玩的，而Vancouver依旧是阴雨绵绵，月底还下了小雪❄️，学术上要继续努力才可以鸭~
