偏见如何形成,又该如何打破它
-
0:01 - 0:02几年前,
-
0:02 - 0:07我和年仅五岁的儿子一同搭乘飞机。
-
0:08 - 0:13第一次与妈咪搭乘飞机
让他感到非常兴奋。 -
0:13 - 0:16他不断环视周围,四处张望,
-
0:16 - 0:18目光不停地打量着别人。
-
0:18 - 0:20然后他看到了某位男子,说:
-
0:20 - 0:23“嘿!这个人看起来好像爹地!”
-
0:24 - 0:26我就看向这位男子,
-
0:26 - 0:30而他看起来完全不像我的丈夫,
-
0:30 - 0:31一点也不像。
-
0:31 - 0:34于是我也开始环顾机舱,
-
0:34 - 0:40发现这位男子是飞机上
唯一的黑人男性。 -
0:41 - 0:42我当时心想,
-
0:42 - 0:44“好吧。
-
0:44 - 0:47我得和儿子好好谈谈,
-
0:47 - 0:50让他知道不是所有的黑人
都长得一样。” -
0:50 - 0:54我的儿子抬起头,对我说:
-
0:56 - 0:59“我希望他不会劫持飞机。”
-
0:59 - 1:02我说:“什么,你刚才说什么?”
-
1:02 - 1:05儿子说:“我希望那人不要劫持飞机。”
-
1:07 - 1:10我说:“为什么你会这样说?
-
1:10 - 1:13你知道爹地是不会劫持飞机的。“
-
1:13 - 1:15儿子说:“是啊,是啊,我知道。”
-
1:16 - 1:18我说:“好,那为什么你会这样说?”
-
1:20 - 1:23于是他用一种悲伤的神情看着我,
-
1:24 - 1:25回答道,
-
1:27 - 1:29“我不知道我为什么会这样说。
-
1:31 - 1:33我不知道我为什么会有这种想法。”
-
1:34 - 1:37我们生活在
一个种族分明的社会当中, -
1:37 - 1:42就连一个五岁孩童都能告诉我们
接下来可能会发生什么事情。 -
1:44 - 1:46即便没有作恶者,
-
1:46 - 1:49即便没有明确的仇恨,
-
1:50 - 1:54黑人和罪案之间的连接
-
1:54 - 1:58早已渗入我五岁儿子的思想,
-
2:00 - 2:03也渗透进了所有孩子,
-
2:04 - 2:06甚至是我们每一个人的脑海中。
-
2:07 - 2:10我们在这个世界上
所看到的种族差异 -
2:10 - 2:12早已塑造了我们的思维方式,
-
2:13 - 2:18那些叙述合理化了
我们所看到的差异: -
2:20 - 2:22“那些人是罪犯。”
-
2:22 - 2:24“那些人是施暴者。”
-
2:24 - 2:27“要恐惧那些人。”
-
2:28 - 2:31当我的研究团队把研究对象
带到我们的实验室, -
2:31 - 2:33让他们观察不同人的照片时,
-
2:33 - 2:40我们发现人们看到黑人的面孔时,
会更快、更清楚地 -
2:40 - 2:44辨认模糊的枪支影像。
-
2:44 - 2:47偏见不仅能控制我们所看见的,
-
2:47 - 2:49也会控制我们看待事情的角度。
-
2:49 - 2:52我们发现让人们想象暴力犯罪时,
-
2:52 - 2:56他们的视线会不自觉地从白人面孔
-
2:56 - 2:59转向黑人面孔。
-
2:59 - 3:03让警方想象俘获、射击
-
3:03 - 3:04和逮捕的场景时,
-
3:04 - 3:08他们的眼光也会落在黑人身上。
-
3:08 - 3:13偏见足以影响
司法体系的方方面面。 -
3:13 - 3:16在一组符合死刑条件判决
的大型数据库之中, -
3:16 - 3:19我们发现皮肤较黑的被告
-
3:19 - 3:22被判死刑的几率
要高出两倍以上—— -
3:23 - 3:26尤其当被害者是白人的时候。
-
3:26 - 3:27这个差异非常显著,
-
3:27 - 3:31尽管我们确保犯罪的严重程度
-
3:31 - 3:33和被告的吸引力是一样的。
-
3:33 - 3:36无论我们如何控制变量,
-
3:36 - 3:39我们都发现黑人受到的惩罚
-
3:39 - 3:43与他们的肤色黑度成比例:
-
3:43 - 3:45他们的肤色越黑,
-
3:45 - 3:47就越有可能被判死刑。
-
3:47 - 3:51偏见也能影响老师
惩戒学生的方式。 -
3:52 - 3:54我和同事经过研究发现,
-
3:54 - 3:56老师给黑人学生的惩罚
-
3:56 - 4:01往往都比白人学生更加严厉,
-
4:01 - 4:04即使他们犯的是相同的错误。
-
4:04 - 4:06在近期的一项研究中,我们发现
-
4:06 - 4:09老师会把黑人学生视为一个群体,
-
4:09 - 4:12但把白人学生视作个体来对待。
-
4:12 - 4:16譬如,如果一个黑人学生调皮捣蛋,
-
4:16 - 4:21几天后,又有一个黑人学生
做出调皮捣蛋的行为, -
4:21 - 4:24老师对待第二个黑人学生的态度
-
4:24 - 4:26就好像他犯了两次错。
-
4:27 - 4:30这就像一个孩子的罪过
-
4:30 - 4:32被叠加在了另一个孩子的身上。
-
4:32 - 4:35为了更好地理解这个世界,
我们会对周遭的一切分门别类, -
4:35 - 4:40以控制和协调
-
4:40 - 4:44我们所接收的
外部事物的刺激。 -
4:44 - 4:48分类及其所产生的偏见
-
4:48 - 4:53让我们的大脑能够更快、
更有效地做出判断, -
4:53 - 4:57我们本能地依赖似乎带有
-
4:57 - 4:58预测能力的模式。
-
4:58 - 5:04这套分类思考模式
让我们能迅速地做决策, -
5:04 - 5:07但同时也在强化我们的偏见。
-
5:07 - 5:10所以,这套看似在帮助我们
理解世界的模式, -
5:11 - 5:13也能够蒙蔽我们。
-
5:14 - 5:18它们让我们的选择毫不费力,
-
5:18 - 5:19没有摩擦。
-
5:19 - 5:21然而也带来了沉重的代价。
-
5:22 - 5:24那么我们能够做什么?
-
5:25 - 5:27我们都容易受到偏见的影响,
-
5:27 - 5:30但我们不见得时刻
都要被偏见左右。 -
5:30 - 5:33有些特定情况会导致偏见,
-
5:33 - 5:36而在其他情况下,
偏见则会受到抑制。 -
5:36 - 5:38让我举个例子。
-
5:39 - 5:43相信大家都熟悉
Nextdoor 这家科技公司, -
5:44 - 5:51他们的主要目的是打造一个
更稳固、健康、安全的社区。 -
5:51 - 5:54因此,他们提供了凝聚社区
-
5:54 - 5:58和分享信息的线上空间。
-
5:58 - 6:01然而,Nextdoor 很快就发现
-
6:01 - 6:03平台存在种族定性的问题。
-
6:04 - 6:06一个典型的情况就是,
-
6:06 - 6:08当居民望向窗外,
-
6:08 - 6:12看到黑人出现在白人的住宅区时,
-
6:12 - 6:17他们就快速评判出
这个黑人不怀好意, -
6:17 - 6:21即使没有任何犯罪
和不法行为的证据。 -
6:21 - 6:24很多时候,我们的线上行为
-
6:24 - 6:27就是真实世界行为的反映。
-
6:27 - 6:31但我们并不想去创造一个放大偏见、
-
6:31 - 6:35加深种族差异的简单系统,
-
6:36 - 6:38而是要去消除它们。
-
6:39 - 6:42于是 Nextdoor 的联合创办人
向我及他人救助, -
6:42 - 6:44寻找解决问题的方法。
-
6:44 - 6:48他们知道,若想在平台上
制止种族定性, -
6:48 - 6:50他们就得主动干预,
-
6:50 - 6:53也就是,他们得让居民们的
偏见情绪缓和下来。 -
6:53 - 6:55于是 Nextdoor 最终做出决定,
-
6:55 - 6:58反对冲动,
-
6:58 - 7:00并且决定进行干预。
-
7:00 - 7:04他们为平台添加了
一个简单的清单, -
7:04 - 7:06其中包含有三个选项。
-
7:06 - 7:09首先,他们请用户稍加思索:
-
7:09 - 7:14“这个人做了什么可疑的行为?”
-
7:15 - 7:19“黑人”这个分类并不是
怀疑的基础。 -
7:19 - 7:25其次,他们要求用户描述
这个人的外在特征, -
7:25 - 7:27而不是简单的种族和性别。
-
7:28 - 7:31第三,他们发现很多人
-
7:31 - 7:34似乎不了解种族定性是什么,
-
7:34 - 7:36也不知道自己正参与其中。
-
7:36 - 7:40所以, Nextdoor 向他们解释了该定义,
-
7:40 - 7:43并告诉他们这是严格禁止的。
-
7:43 - 7:46你们很多人在机场和地铁站
-
7:46 - 7:49都看过类似标语:“如果你看到了
什么(可疑的情况),就说出来!” -
7:50 - 7:53Nextdoor 把这个标语改成了,
-
7:54 - 7:56“如果你看见可疑行为,
-
7:56 - 7:58就明确地说出来。”
-
7:59 - 8:04该策略的确让用户们的
偏见情绪缓和下来, -
8:04 - 8:10Nextdoor 也成功地
让种族定性问题减少了 75%。 -
8:10 - 8:13很多人常对我说,
-
8:13 - 8:17“你不可能在每种情况下都进行干预,
-
8:17 - 8:22尤其是那些要在瞬息之间
做出决定的人。“ -
8:23 - 8:26但结果表明,
我们能够进行干预的场景 -
8:26 - 8:28比我们想象的多得多。
-
8:28 - 8:30在和加州的奥克兰警方
-
8:30 - 8:31合作之后,
-
8:32 - 8:35我和几位同事发现,
我们能协助警方 -
8:35 - 8:38减少对没犯下任何严重罪行的人
-
8:38 - 8:41进行拦检的次数。
-
8:41 - 8:44我们的做法是推动警员
-
8:44 - 8:49在执行拦检任务之前
都要先问自己一个问题: -
8:49 - 8:52“这次的拦检任务是
治安情报主导的吗, -
8:52 - 8:54是或否?”
-
8:55 - 8:57换句话说,
-
8:58 - 9:02我早先的情报是否能够将这个人
-
9:02 - 9:04跟特定罪行联系在一起?
-
9:05 - 9:07把这个问题纳入到
-
9:07 - 9:09警员执行拦检任务时
填写的表格里, -
9:09 - 9:11会让警员暂停行动,
-
9:11 - 9:15并及时思考,“我为什么会想要
把这个人拦下来?“ -
9:17 - 9:222017 年,在我们把这个问题
纳入表格之前, -
9:24 - 9:28全市的警员已经执行了
大约 32000 次的拦检。 -
9:28 - 9:32第二年,加上了这个问题后,
-
9:32 - 9:34拦检的次数减少至 19000 次。
-
9:34 - 9:39光是对非裔美国人的拦检
就减少了 43%。 -
9:40 - 9:44并且减少对黑人拦检的次数
并没有让城市变得危险。 -
9:44 - 9:47事实上,犯罪率持续下降,
-
9:47 - 9:50并让城市变得更加安全。
-
9:50 - 9:56所以一个解决方案就是
减少不必要的拦检次数。 -
9:56 - 10:00另外一个方涉及提升警员
-
10:00 - 10:03执行拦检任务的质量。
-
10:03 - 10:05此时科技就派上用场了。
-
10:05 - 10:08我们大家都知道
乔治·弗洛伊德的死亡, -
10:08 - 10:15因为当时试图帮助他的人
用手机摄影机拍下了 -
10:15 - 10:19这段他与警方骇人的遭遇。
-
10:19 - 10:23但是还有很多科技手段
从未被我们善用。 -
10:24 - 10:26全国各地的警方现在
-
10:26 - 10:30都被要求戴上体佩摄影头。
-
10:30 - 10:35这样我们不仅可以记录
那些骇人的遭遇, -
10:36 - 10:38还可以记录他们的日常互动。
-
10:38 - 10:41通过和斯坦福大学的
跨学科团队合作, -
10:41 - 10:44我们开始使用机器学习技术
-
10:44 - 10:47去分析大量的情景。
-
10:48 - 10:52这是为了更好地了解
例行交通拦检时会发生什么事情。 -
10:52 - 10:54我们发现,
-
10:54 - 10:58即使警员的行为非常专业,
-
10:59 - 11:03他们对黑人司机的说话方式
却远不如对白人司机礼貌。 -
11:04 - 11:08事实上,单单从警员的用词,
-
11:08 - 11:13我们就能预测他们是在与黑人司机
还是白人司机对话。 -
11:13 - 11:19问题就在于,这些摄影机
所拍摄的大部分画面 -
11:19 - 11:21一直没有被警方用来
-
11:21 - 11:23了解大街上的情况
-
11:23 - 11:26或者训练警员。
-
11:27 - 11:28这让人难以接受。
-
11:29 - 11:34例行的拦检任务怎么会
变成一次致命的碰面? -
11:34 - 11:36为什么会发生乔治·弗洛伊德事件?
-
11:38 - 11:40又为什么会发生其他类似的案例?
-
11:40 - 11:43当我的长子 16 岁时,
-
11:43 - 11:46他意识到白人看着他时,
-
11:46 - 11:49眼神会流露出恐惧。
-
11:49 - 11:52他说,最糟糕的是在电梯里。
-
11:52 - 11:55当电梯门关上,
-
11:55 - 11:59大家都和他们认为高度危险的人
-
11:59 - 12:03被困在同一个狭小的空间。
-
12:03 - 12:06我的儿子察觉到了他们的不适,
-
12:06 - 12:09他便朝着他们微笑,
让他们感到自在, -
12:09 - 12:11缓和他们恐惧。
-
12:11 - 12:13当他开口说话时,
-
12:13 - 12:15他们的身体就开始放松了,
-
12:15 - 12:17呼吸也开始顺畅了。
-
12:17 - 12:20他们喜欢他高低起伏的声音,
-
12:20 - 12:22他的发音,他的用词。
-
12:23 - 12:25他听起来就是他们的一份子。
-
12:25 - 12:30我一直以来都认为我的儿子
和他爸爸一样天生性格外向。 -
12:30 - 12:33但那一刻,在那个谈话中,我意识到,
-
12:34 - 12:38他的微笑并不表示他想与
-
12:38 - 12:41那群陌生人社交。
-
12:42 - 12:46这是他用来保护自己的护身符,
-
12:46 - 12:52是他乘搭了数千万次电梯后
磨练出来的生存技能。 -
12:52 - 12:58他在学着缓和因他的肤色
给身边人带来的紧张感, -
12:59 - 13:02消除他的肤色
为自己带来的潜在危险。 -
13:03 - 13:06我们知道我们的大脑
带有与生俱来的偏见, -
13:06 - 13:10而打破偏见的唯一方式
就是停下来, -
13:10 - 13:13反思自身提出的假设
是否有理有据。 -
13:13 - 13:15因此我们需要反问自己:
-
13:15 - 13:20我们是带着什么假设踏进电梯,
-
13:22 - 13:23又或者是搭乘飞机的?
-
13:24 - 13:28我们该如何察觉到自己
潜意识中的偏见? -
13:28 - 13:31那些假设能保障谁的安全,
-
13:33 - 13:35又将谁置于危险之中?
-
13:36 - 13:38若我们不去反思这些问题,
-
13:39 - 13:44不坚持让我们的学校、法庭、警局,
-
13:44 - 13:46以及其他机构去反思这些问题,
-
13:48 - 13:52那么我们就会让偏见继续
-
13:52 - 13:53蒙蔽我们。
-
13:53 - 13:55如此下去,
-
13:56 - 13:59没有谁能够真正安全。
-
14:02 - 14:03谢谢。
- Title:
- 偏见如何形成,又该如何打破它
- Speaker:
- 詹尼弗·埃伯哈特
- Description:
-
我们的大脑通过分类来理解世界、识别模式和做出决定。在拥有分类能力的同时,大脑也在我们的潜意识里形成了不易察觉的偏见。在这场演讲中,心理学家詹尼弗·埃伯哈特(Jennifer L. Eberhardt)将引领我们探讨潜意识如何针对各个社会阶层的黑人形成了偏见——无论是在教育、社交媒体、警务还是司法领域——并讨论如何通过制造摩擦来积极地解决这个令人困扰的问题。
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 14:17
![]() |
Yolanda Zhang approved Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
Yolanda Zhang edited Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it | |
![]() |
psjmz mz accepted Chinese, Simplified subtitles for How racial bias works -- and how to disrupt it |