Коллеги, УРА! Жестяная психовина за исследование лососино-сосисино наша! 🤩

Как вы думаете, как зовут женщину на фото? А пацана?

(правильных ответов не будет, sorry not sorry)

В 1948 году социолог Роберт Мертон ввел понятие «самосбывающегося пророчества», а спустя полвека когнитивные психологи обнаружили его очередное проявление.

Оказывается, если показать вам фотографию незнакомого человека и предложить список из 4–5 имен, вы угадаете правильное имя с вероятностью, превышающей случайную. В научной среде этот феномен получил название Face-Name Matching Effect (эффект соответствия лица и имени; Zwebner et al., 2017).

В серии экспериментов люди корректно определяли, что человека на фото зовут «Дэн», а не «Джейкоб», в 25–40% случаев (при случайном ожидании в 20–25%). Более того, даже ML-алгоритмы, обученные на тысячах портретов, научились предсказывать имя по чертам лица. Это косвенно подтверждает, что закономерность объективна и не является плодом воображения наблюдателей.

🌵Природа эффекта: биологическая или социальная?
Как и много у чего еще в психологии, у face-name matching эффекта есть два способа объяснения: через биологию (мы рождаемся подходящими под какое-то имя) и через социум (мы «врастаем» в свое имя со временем). Последние исследования свидетельствуют в пользу объяснения через социальный аспект.

Zwebner et al. (2024) сравнили точность угадывания имен у взрослых и детей и обнаружили, что если имена взрослых незнакомцев по внешности мы угадываем неплохо, то имена детей — и даже искусственно состаренных на фото детей — только на уровне случайности. Получается, что скорее всего мы все-таки не рождаемся носителями конкретного имени — связь с внешностью проявляется только в процессе длительной и многолетней социализации.

😤Почему лицо меняется под имя?
Выделяют два основных механизма: социальное структурирование и звуковой символизм.

1️⃣У популярных имен в культуре может складываться определенный стереотипный образ (спасибо Карамзину, Лиза для меня теперь дефолтно «бедная»). Согласно теории социального структурирования, человек, носящий имя, бессознательно стремится соответствовать ожиданиям социума, воплощенным в таких стереотипах. Например, если от Васи ждут веселого нрава, он будет чаще улыбаться. Годами повторяющаяся мимика формирует специфическую карту морщин, меняет тонус мышц и даже привычное выражение лица в покое.

Дополнительно мы используем «управляемые» маркеры: прическу, макияж, очки, форму бороды, чтобы вписаться в образ своего имени. Это подтверждается тем, что эффект исчезает, если мы пытаемся угадать имя человека из чужой культуры (например, французы не могут угадать имена израильтян; Zwebner et al., 2017) — у них просто нет нужного стереотипа.

2️⃣Второй аргумент опирается на психолингвистику и феномен «буба-кики». Согласно исследованию Barton & Halberstadt (2018) звуки имени имеют определенную воспринимаемую форму. Например, «Б», «М», «О» (как в имени Богдан) ощущаются как «круглые», а звуки «К», «Т», «И» (как в имени Кирилл) — как «острые» и угловатые. Из-за этого мы ожидаем, что человек с именем Богдан будет иметь более округлое лицо, а Кирилл — более угловатое. Со временем носители имен могут подстраивать свою внешность или стиль, чтобы соответствовать этой геометрической ассоциации.

И это многое говорит о нашем обществе...
Исследований именно face-matching эффекта сравнительно немного — тема прикольная и потенциально хайповая, но пока довольно нишевая. И все же мне кажется важным отметить, что такого рода исследования следует правильно интерпретировать, чтобы не свалиться в нео-физиогномику.

Необходимо проводить четкую границу между доказанным социальным влиянием (когда человек меняется под давлением среды) и попытками вывести характер и другие личностные особенности человека из его врожденных черт.

Мы действительно склонны мыслить стереотипами, в том числе основанными на внешности окружающих, — но важно контролировать себя и не поддаваться соблазну стигматизировать внешность как «говорящую».

А то так и до френологии недалеко💀 (или до типологизации людей по аналогии с породами собак, как у Кречмера)

#научное

Как не только привлечь, но и удержать внимание человека на сайте?

Вместе с коллегами дали комментарий Топвизору про когнитивные механизмы SEO и организации веб-интерфейсов.

Про что рассказали:
⚪паттерны чтения и способы преодоления баннерной слепоты
⚪манипуляции с заметностью контента (в том числе с помощью цветов) и важность социальных сигналов (ага-ага, это мой кусок)
⚪основные гештальт-принципы компоновки контента

➡️ Читать тут: https://journal.topvisor.com/ru/seo-kitchen/user-attention/

#научное

🤖 Если вы вдруг еще не придумали, что дарить на Новый год родным, близким и себе любимым — у меня есть отличный вариант!

15 января в 19:30 в замечательном Сарёнке выступаю с новой научпоп-лекцией про трансформацию когнитивных функции в цифровой среде.

🤖 Что обсудим на лекции:
⚪️что вообще такое цифровая среда в глазах когнитивных психологов

⚪️как ее изучают сейчас и в чем основные сложности

⚪️почему клиповое мышление и СДВГ от тиктока — миф, и какие еще страшилки растиражировали журналисты

⚪️как все-таки в цифровой среде на самом деле трансформируются внимание, память, мышление и метакогниции (мышление о мышлении) и траснформируются ли они вообще

Приходите сами и приводите друзей — будет весело, познавательно и интерактивно!

🎟Билеты тут

P.S. Если у вас есть вопросы, ответы на которые хотелось бы на лекции услышать, накидывайте в комментарии — постараюсь разобрать!

P.P.S. А еще 13 и 17 января с лекциями про другие аспекты мышления и взаимодействия с ИИ выступают мои коллеги из вышки, Элиана и Тимофей. Тоже весьма рекомендую (к тому же, на пакет из трех лекций действует приятная скидка).

#научное #публичное

Про использование LLM студентами (1/2)

На днях моя коллега Лера подняла важный вопрос, который мы постоянно так или иначе обсуждаем в кулуарах — как вообще относиться к использованию нейросетей студентами.

Поделюсь тут своей позицией. Сразу подчеркну: она не самая распространенная (хотя, надеюсь, в меру аргументированная) и полностью субъективная; в ее основе — собственный опыт работы с AI (в том числе в качестве лидера AI-проектов) и преподавания рекламщикам и психологам. Отсюда следует и второй дисклеймер: распространяется эта позиция в первую очередь на область гуманитарных и социальных наук; не удивлюсь, если у условных инженеров и медиков все по-другому.

📝Мне кажется, что в отношении использования LLM в учебе и преподавании важно разделять два аспекта: оффлоадинг собственно мышления и оффлоадинг изложения процесса/результатов этого мышления📝

В первом случае мы говорим о том, что нейросетка «думает за вас», во втором — вы думаете сами, а AI помогает облечь мысли в адекватную текстовую форму.

Да, одно с другим тесно связано, но давайте учитывать контекст аудитории: студенты гуманитарных и социальных специальностей во время обучения производят просто безумное количество текста. Причем отнюдь не творческого — и качество зачастую вторично по отношению к формату. Рефераты, презентации и эссе на разных предметах регулярно переиспользуют близкие темы — и к к 3-4 курсу от необходимости постоянно прописывать плюс-минус одно и то же разными словами и в разных текстовых форматах откровенно тошнит.

Имхо, бороться с использованием AI как инструмента автоматизации рутины по написанию студенческих текстов — воевать с ветряными мельницами ⚔️

Бессмысленно и бесполезно, а местами даже вредно — если эта борьба превращается в охоту на ведьм из-за того, что AI мерещится повсюду (скажем, в длинных тире). При этом ложные обвинения в использовании нейронок в адрес студента — верный путь к утрате доверия и авторитета.

✳️Здесь есть и еще один содержательный вопрос (даже блок вопросов):

Зачем вообще нам — преподавателям — эти тексты? Чего конкретно мы от них ждем и по каким конкретно критериям оцениваем? Насколько на итоговый балл за работу влияет формальная грамотность и как ее вес соотносится с содержательным аспектом работы? Прописываете ли вы вообще грамотность как явный критерий или ставите/отнимаете баллы за нее «по умолчанию» (только честно!) — и насколько правильно вообще оценивать навык, которому мы не обучаем напрямую?

Разобраться со всем этим принципиально важно, чтобы сформировать прозрачную систему критериев оценки и не подталкивать студентов к использованию AI там, где мы его не хотим.

Мне лично тексты, вычитанные пусть даже с использованием нейросеток, читать приятнее, чем работы с большим количеством очепяток, странных запятых и кривых деепричастных оборотов. Отдельных студентов я время от времени прямо прошу воспользоваться условным chatgpt для исправления формальных ошибок. На итоговые баллы это, конечно, не влияет, если общая логика текста адекватна и корректна.

Про использование LLM студентами (2/2)

А что с оффлоадингом собственно мышления? На самом деле, здесь я тоже не вижу катастрофы.

Как говорится (и кому только не приписываются эти фразы), правильно заданный вопрос — половина ответа, а чтобы этот вопрос правильно задать, большую часть ответа уже нужно знать.

Чтобы сформулировать хороший запрос к нейросети, нужно четко понимать, что именно ты хочешь получить — от содержания до формата ответа, — и если студент может создать такой промпт, что аутпут модели будет корректным и адекватным заданию, то скорее всего этот студент по крайней мере понимает, что и зачем он делает, то есть образовательная задача как минимум частично выполнена.

О чем мы стараемся договориться на первых занятиях и в памятках по курсу:

✅ НОРМАЛЬНО:
— использовать LLM как отправную точку для запуска мыслительного процесса,
— применять ее для сбора фактуры или верификации информации (особенно если вы не эксперт в области).
— докручивать с помощью нейросеток свои идеи.

🚫 НО:
— информацию от LLM нужно верифицировать;
— нельзя использовать LLM как единственный источник (у нейронок достаточно и общих с нами, и собственных «когнитивных» искажений — я даже писала про них на Хабр)
— крайне важно отличать собственные идеи от идей нейросетки.

И это уже проблемы не столько когнитивного, сколько метакогнитивного характера.

Что со всем этим могу сделать я, как довольно ленивый преподаватель, который не хочет усложнять себе жизнь проверкой рукописных работ?

🟢Простая часть: убедиться в том, что студент действительно «шарит» в материале, который сдает. Это решается несколькими устными вопросами прямо по теме доклада/проекта и вокруг нее. Да, это требует ухода от сугубо асинхронных форматов контроля знаний, но мне в целом кажется, что в эпоху цифровизации именно синхронные интерактивные форматы приобретают большее значение в контексте «живого» обучения (большинство лекций в моей студенческой практике мало что потеряли бы от переезда в формат MOOC).

🟡Более сложная задача: составить такие задания, которые студент не сможет или, еще лучше, не захочет полностью отдавать на откуп нейросетке.

Хочется верить, что у меня это получилось как минимум на уровне устных докладов к семинарам (судя по обратной связи в прошлых СОП).

На обоих курсах (когнитивные науки в РАНХиГС и психология рекламы в Вышке) мы по возможности отходим от реферативных тем докладов — вопросов, ответы на которые можно нагуглить (например, «какие когнитивные искажения способствуют доверию к фейк-ньюс»).

Вместо этого мы двигаемся в сторону более творческих заданий, требующих от студента либо дать персональную аргументированную оценку некоторого явления (neuralink Маска кринж или не кринж? а отечественный neiry?), либо сопоставить знания из разных областей (скажем, проанализировать фильм или книгу с использованием когнитивных теорий и моделей).

Плюс таких форматов еще и в том, что они легче вовлекают в дискуссию не только самих докладчиков, но и других участников семинара, которые не готовились по теме специально, но могут аргументированно рассуждать на материалах лекций в сочетании с житейским опытом и культурной/научпоп-повесткой.

Минус — семинарист принимает на себя роль не столько преподавателя («дающего» знания), сколько фасилитатора дискуссии и, возможно, отчасти аниматора на детском утреннике. Я в этом ничего плохого per se не вижу, но некоторых коллег может триггерить.

💬В комментариях буду рада услышать мнения как от коллег-преподавателей, так и от студентов — мне кажется, что сейчас вопросы AI в высшем образовании заслуживают полноценной многосторонней дискуссии, а не жестких директив.

P.S. Уже послезавтра читаю лекцию про влияние цифровизации на когнитивные функции человека в Саренке — приходите! Билеты по ссылке, в том числе на онлайн-формат 🫶

🧬 Эволюционный подход к оценке фейк-ньюс: что это и зачем оно нужно?

В исследовании фейков есть много сложностей. Одна из них — высокая фрагментированность научного ландшафта и нехватка фундаментальных моделей, которые смогли бы объединить результаты накопившихся экспериментов в более-менее единую и стройную теорию.

По большому счету, почти весь эмпирический ресерч о фейках делится на два стрима: изучают либо фичи самих новостей, либо то, как люди с ними взаимодействуют. Прошлой осенью вышла статья Marchetti и Mastrogiorgio (2025) про эволюционный подход к фейкам — всего два года от препринта (welcome to science timelines :)).

Эта работа выстраивает перспективу в основном для «субъектного» стрима (про людей), но при этом подсвечивает системную проблему «объектного» (про сами новости). Фейки почти всегда рассматриваются как окончательный продукт, а изменчивая природа новостного поля для простоты игнорируется. Новость либо фейк, либо правда, третьего не дано.

На самом же деле изначально правдивая новость может обрасти фантастическими подробностями и превратиться в фейк, а информация, которую аудитория сочла фальшивой, может впоследствии подтвердиться и получить правдивый статус. Поэтому Маркетти и Мастроджиорджио в своей работе предлагают рассматривать информацию в динамике — отсюда и название «эволюционного» подхода.

👀 Как происходит эволюция новостей
Всю информацию авторы делят на два типа: утверждения и нарративы. Например, «чай с лимоном защищает от гриппа» — это утверждение, а развернувшаяся вокруг этого утверждения дискуссия — противостояние нарративов.

И утверждения, и нарративы проходят один путь развития через три последовательных механизма:

1️⃣ Вариация (variation)
Намеренное или случайное изменение изначального контента пользователями. Авторы адаптируют классификацию информационных расстройств от Wardle и Derakhshan (2017), добавляя пару собственных штрихов:

➡Disinformation/misinformation — ложные утверждения (трансформированы намеренно или случайно соответственно).
➡Malinformation — ложный нарратив, основанный в том числе на правдивых утверждениях (считается намеренной мутацией).
➡Deinformation — правдивый нарратив, который может содержать и фейковые утверждения (авторское добавление к изначальному набору концептов; считается ненамеренной мутацией).

2⃣ Селекция (selection)
Мотивированное внимание к информации. Модель не учитывает «случайное» внимание (которое часто происходит через механизм «захвата» объектными характеристиками новости и интерфейса, в который она помещена), фокусируясь на мотивах:

➡пользователь верит контенту (faith/fanaticism)
➡или не верит (skepticism/laicism), но все равно фокусируется на нем (например, читает абсурдный фейк из любопытства).

3⃣ Ретенция (retention)
Дальнейшее распространение новости пользователем. Гордон Пенникук и Дэвид Ранд (2019) показали, что фейки часто распространяются по неосторожности, но авторы текущей статьи заходят дальше и предлагают четыре механизма распространения.

➡Сигнализация/активизм — передача утверждения/нарратива без обязательного одобрения содержания.
➡Общительность (описана сложным словом gregariousness, имеющим альтернативный перевод стадность) — принятие утверждения без анализа.
➡ Парадигматизм — распространение информации основано на бессознательном воспроизведении, встроенном в систему знаний.

Корни этой модели растут из универсального дарвинизма — еще в середине прошлого века Дональд Кэмпбелл предложил применять дарвиновские механизмы эволюции (вариация-селекция-наследие/ретенция) за пределами биологии — в том числе к культуре и идеям.

В русскоязычной когнитивистике эта концепция не особо прижилась, а вот на Западе попытки приложить Дарвина к когнитивным и социальным процессам нет-нет да возобновляются.

Так что, в целом, неудивительно, что и до фейков таки докатилось.

#научное