甘燁彤 劉 燊 汪 琛 沈 潔 曹斐臻 王秀娟 徐 強 張 林***
(1.寧波大學心理學系暨研究所,寧波 315211;2.中國科學技術大學人文與社會科學學院,合肥 230022)
面孔吸引力(facial attractiveness)是目標面孔所誘發(fā)的一種積極愉悅的情緒體驗以及驅使個體產生接近意愿的程度(Rhodes,2006),在人們的生活中發(fā)揮著重要作用,可以影響政治選舉(Stockemer & Praino,2017)、金錢決策獲利(Ma,Hu,Jiang,& Meng,2015)等。因此面孔吸引力長期備受關注。
在研究早期,學者們主要關注面孔的構型特征(如平均化、對稱性、性別二態(tài)性等)對面孔吸引力評價的影響(馬華維,俞琴燕,陳浩,2007)。隨著技術的發(fā)展,學界開始采用事件相關電位、功能性磁共振成像等手段研究面孔吸引力加工所涉及的認知神經機制。例如,相比于低吸引力面孔,高吸引力面孔誘發(fā)了更大的早期負成分EPN(early posterior negativity)和晚期正成分LPC(late positive component;Rellecke,Bakirtas,Sommer,& Schacht,2011);相比于低吸引力面孔,高吸引力面孔誘發(fā)了更活躍的眶額皮質(orbitofrontal cortex,OFC)活動(Bray & O’Doherty,2007)。
隨著研究的進一步深入,學者們發(fā)現(xiàn)面孔吸引力評價不僅受面孔構型特征的影響,還受社會信息的影響(張林,李玥,劉燊,譚群,徐強,楊亞平,2016;Zhang,Kong,Zhong,& Kou,2014)。例如,當賦予面孔積極社會評價時,觀察者對面孔吸引力的評價會提升(Zhang,Kong,Zhong,& Kou,2014);熱情信息可以顯著提高女性化的女性面孔吸引力評分,能力信息可以顯著提高男性化的面孔吸引力評分,并由此推測面孔吸引力評價中存在基于構型線索的自下而上加工和基于社會評價線索的自上而下加工的雙路徑(Wang,Liu,Han,Gan,Li,Xu,& Zhang,2020)。隨后,學者們開始關注社會信息對面孔吸引力評價的影響及其機制。例如,熟悉面孔的特質通過兩條路徑影響相似面孔吸引力評價:其一,熟悉面孔的積極特質使熟悉面孔更有吸引力,進而導致相似面孔也更有吸引力;其二,熟悉面孔的積極特質使相似面孔的特質更加積極,進而導致相似面孔吸引力評價提升(韓尚鋒,李玥,劉燊,徐強,譚群,張林,2018);積極的社會信息與高吸引力面孔相匹配會誘發(fā)更大的EPN,表明社會信息調節(jié)了早期的神經活動(Thiruchselvam,Harper,& Homer,2016)。但以上的研究更多關注的是陌生面孔吸引力,而現(xiàn)實生活中的人際交往往往涉及長期的社會互動。最近的一項研究發(fā)現(xiàn),當面孔重復呈現(xiàn)時,高吸引力面孔的評價會提升并誘發(fā)更小的N170和更大的LPP,中等吸引力面孔的評價也會提升并誘發(fā)更大的EPN(Han,Liu,Gan,Xu,Xu,Luo,& Zhang,2020)。
隨著可視化技術的日益成熟,科學知識圖譜越來越多地應用于展現(xiàn)知識結構、探索研究熱點、挖掘研究主題以及構建演化規(guī)則,已經成為學者研究領域動態(tài)和發(fā)展趨勢的主要知識發(fā)現(xiàn)工具。然而,在面孔吸引力領域還尚未發(fā)現(xiàn)研究熱點和主題演化的相關文獻。因此,本文基于文獻計量學,結合知識圖譜方法對面孔吸引力研究進行可視化分析,深入挖掘面孔吸引力研究領域的熱點,梳理面孔吸引力研究的發(fā)展脈絡,明確面孔吸引力研究領域的主題演化路徑,為后續(xù)研究提供新的思路和方向。
基于Web of Science核心合集的SSCI和SCI引文檢索文獻數(shù)據庫以及中國知網文獻數(shù)據庫獲取文獻數(shù)據信息,時間為2020年3月5日。分別以“面孔吸引力”、“面孔審美”、“面孔偏好”、“面孔美”和“facial attractiveness”、“facial preference”、“facial beauty”作為中英文文獻數(shù)據庫檢索的主題詞;發(fā)表時間限定為1900年1月1日到2019年12月31日;中文文獻類型限定為已出版的期刊論文,英文文獻類型限定為“Article”、“Proceedings Paper”和“Review”,分別獲得82篇和2186篇中英文文獻數(shù)據。
參照Vo?ner等人(2016)以及顏志強等人(2019)的做法,借助Python(Version 3.6.6)編寫文本處理程序提取文獻中作者、年份、關鍵詞、雜志等信息,以便后續(xù)的文獻計量分析。為保證文獻信息的匹配,本研究剔除了缺失關鍵詞、擴展關鍵詞或者重復出現(xiàn)的文獻,最終獲得1532篇有效英文文獻。此外,本研究還使用VOSviewer(Version 1.6.13)對中英文文獻數(shù)據進行可視化分析。
中英文文獻年度發(fā)文量、引文量以及發(fā)文量趨勢的擬合方程分別如圖1和圖2所示,中英文文獻的發(fā)文量總體均呈指數(shù)型增長,表明面孔吸引力研究一直受到學界持續(xù)的密切關注。對于年度引文量,82篇中文文獻在2006至2019年間被引294次,篇均被引8.59次;1532篇英文文獻在1990至2019年間被引54841次,篇均被引36.48次。在本研究檢索的結果中,最早的中文文獻發(fā)表于2006年(陳桄,朱皕,2006),迄今被下載905次,被引7次(中國知網);最早的英文文獻發(fā)表于1990年(Lovius,Jones,Pospisil,Reid,Slade,& Wynne,1990),迄今被引27次(Web of Science)和48次(Google Scholar)。
圖1 中文文獻年度發(fā)文量、被引量和發(fā)文量趨勢
圖2 英文文獻年度被引量、發(fā)文量和發(fā)文量趨勢
經檢索,中英文文獻分別涉及222和3472個關鍵詞。本文分析了中英文文獻中高頻關鍵詞隨年份的詞頻變化(見圖3和圖4)。相較于中文高頻關鍵詞,英文高頻關鍵詞在年份上的分布更加均衡??傮w而言,面孔吸引力研究近年來仍主要關注“面孔吸引力(facial attractiveness)”和“面孔(face)”本身。此外,“吸引力面孔的三大特征(three characteristics of attractiveness faces)”和“性別差異(sex difference)”也是面孔吸引力研究持續(xù)關注的主題。
注:“*”表示合并關鍵詞,下同。圖3 中文文獻高頻關鍵詞表
圖4 英文文獻高頻關鍵詞表
圖5 中文文獻關鍵詞的共現(xiàn)網絡
圖6 英文文獻關鍵詞的共現(xiàn)網絡
在上述分析的基礎上,進一步采用VOSviewer繪制中英文文獻關鍵詞的共現(xiàn)網絡(見圖5和圖6)。其中,中文文獻關鍵詞的共現(xiàn)網絡有九種顏色代表的不同聚類,但這些聚類都不太明顯。其中,由“性別差異”所代表的紅色聚類和由“面孔偏好”所代表的深黃色聚類聯(lián)系緊密,兩者表征著基于面孔的擇偶偏好及其差異研究;由“眼動”所代表的灰色聚類聯(lián)系了包括由“注意偏向”所代表的淡紫色聚類、由“面孔”所代表的橙色聚類、由“性別二態(tài)性線索”所代表的綠色聚類、由“卡通面孔”所代表的深藍色聚類、由“吸引力”所代表的紫色聚類和由“性別二態(tài)性”所代表的淡藍色聚類,表明眼動技術是這六種聚類中都會使用到的技術,這些聚類共同表征著基于眼動技術的面孔偏好研究。其他顏色的聚類由于較為分散、所涉及的主題關聯(lián)度不高,故不作過多分析。
英文文獻關鍵詞共現(xiàn)網絡中主要有九種聚類,具有代表性的聚類信息如下:紅色的聚類由“face”代表,該聚類考察面孔吸引力及其神經機制;綠色的聚類由“beauty”代表,該聚類將面孔吸引力與審美進行結合;深藍色的聚類由“physical attractiveness”代表,該聚類是從面孔本身的構型特征的角度去研究面孔吸引力;黃色的聚類由“masculinity”代表,該聚類將面孔吸引力與人類生存繁衍進行結合;紫色的聚類由“health”代表,該聚類從進化視角考察面孔吸引力研究;淡藍色的聚類由“face perception”代表,該聚類將面孔吸引力放置于面孔知覺的框架下進行研究;橙色的聚類由“menstrual cycle”代表,該聚類關注生理因素對面孔吸引力判斷的影響;褐色的聚類由“gender”代表,該聚類關注面孔吸引力判斷的性別差異;紫粉色由“sexual selection”代表,該聚類將面孔吸引力放置于性選擇的框架下進行研究。相比于中文文獻,英文文獻關鍵詞共現(xiàn)網絡中的聚類較為明顯且聯(lián)系緊密,表明面孔吸引力的英文研究較為成熟且主題清晰。
本研究采用VOSviewer從文獻的標題和摘要中提取主題詞(共現(xiàn)次數(shù)大于20),考察面孔吸引力研究主題的變遷情況(見圖7)。其中,不同顏色代表著不同研究主題所出現(xiàn)的平均年份,反映了特定主題在該領域出現(xiàn)的時間特征,便于突出研究主題的持續(xù)性(Vo?ner,Kokol,Bobek,?eleznik,& Zavr?nik,2016;李杰,李生才,馮長根,2019;曾利,李自力,李洋,2020)。進一步將不同的主題進行歸類并劃分為不同的時間段,并在此基礎上總結面孔吸引力研究的主題變遷(見圖8)。由圖8可知,面孔吸引力的研究大致分為五個不同的階段:階段一以研究面孔構型本身的因素對面孔吸引力評價的影響為主(Baudouin & Tiberghien,2004;Gangestad,Thornhill,& Yeo,1994;Hume & Montgomerie,2001),包括面孔不對稱性(facial asymmetry)、平均面孔(average face)等,表明早期的研究主要從構型特征上找尋美的規(guī)律;階段二以研究個體的生理因素對面孔吸引力評價的影響為主(Little & Jones,2012;Pipitone & Gallup,2008;Roney,Simmons,& Gray,2011),包括月經周期(menstrual cycle)、睪丸酮(testosterone)、黃體素(luteal)等,研究熱點從審美的穩(wěn)定性過渡到審美的差異性,無論是觀察者還是面孔所有者的生理狀態(tài)都可能導致面孔吸引力評價的波動變化;階段三以研究在擇偶情境中基于高吸引力面孔所進行的決策為主(Morgan & Kisley,2014;Perilloux,Cloud,& Buss,2013;Quist,DeBruine,Little,& Jones,2012),包括短期關系(short-term relationship)、擇偶(choice)等,研究在上一階段的基礎上更加突出進化心理學的作用,并逐漸關注面孔吸引力在特定情境以及社會決策中的價值;階段四以研究面孔吸引力所涉及的認知神經機制為主,如考察男性在觀看有吸引力的面孔時所激活的腦區(qū)和誘發(fā)的腦電成分(Ma,Hu,Jiang,& Meng,2015;Ueno,Ito,Kawasaki,Kawachi,Murakami,Sakai,Iijima,Matsue,& Fujii,2014;Yu,Zhou,& Zhou,2013),包括功能性磁共振成像(fMRI),事件相關電位(event related potential)等,認知神經科學的發(fā)展為深入挖掘面孔吸引力加工的神經基礎提供了可能;階段五考察在社會互動情境中面孔吸引力所發(fā)揮的作用、關注面孔社會知覺的構成要素(如信任度、支配度等)和研究面孔審美的過程(從審丑到審美;劉燊,韓尚鋒,王秀娟,李婉悅,甘燁彤,徐強,張林,2020;王秀娟,王娜,韓尚鋒,劉燊,張林,2018;Calvo,Gutiérrez-García,& Beltrán,2018;Stró?ak & Zielińska,2019;Wang,Liu,Han,Gan,Li,Xu,& Zhang,2020),包括社會互動(social interaction)、審美(aesthetic)、可信度(trustworthiness)等,隨著心理學越來越重視人與社會的交互(賈海波,梁君英,楊持光,沈模衛(wèi),2019),面孔吸引力研究也從特定的擇偶情境轉化為更為廣泛的社會情境。
圖7 面孔吸引力研究主題分布
圖8 面孔吸引力研究主題變遷
本文采用文獻計量學的方法全面分析了面孔吸引力研究的進展并展望,獲得如下主要結論:第一,近期更加注重將吸引力面孔作為線索放置于社會互動情境之中并探索相應的神經機制以及更加注重個體差異和特質;第二,近三十年該領域的主題從以研究面孔構型本身的因素(如浮動不對稱性、平均化等)對面孔吸引力評價的影響為主變遷到以考察在社會互動情境中面孔吸引力所發(fā)揮的作用、關注面孔社會知覺的構成要素(如信任度、支配度等)和研究面孔審美的過程(從審丑到審美)為主。
綜合關鍵詞以及主題變遷的分析,本文對未來方向提出了幾點展望:第一,在社會互動情境中考察面孔所有者在評價自身面孔吸引力時的腦活動與觀察者評價該面孔吸引力時的腦活動是否同步/一致。近年來,腦際認知同步是一個熱門話題(Shamay-Tsoory & Mendelsohn,2019),有助于推動社會互動下面孔吸引力加工的研究,然而還尚未有研究在腦際認知同步框架下對其進行探索;第二,探索“面孔審美”和“面孔審丑”是否是某一“連續(xù)體”的兩端。有研究發(fā)現(xiàn),通過將低/無吸引力面孔旋轉一定的角度可提升個體對其的吸引力評分(Stró?ak & Zielińska,2019),面孔的美和丑在何種情況下可以互相轉化值得深入探索;第三,構建基于面孔社會知覺的面孔吸引力理論模型。目前面孔吸引力研究的理論主要有進化心理學背景下的配偶品質假設(Rhodes,Simmons,& Peters,2005)、認知心理學背景下的認知加工假設(Rhodes,2006)、社會心理學背景下的社會化與社會期望理論(Langlois,Bigbee,& Jensen,1986)等,然而這些理論是否能統(tǒng)合到一個更高層次的理論中尚未可知,且面孔吸引力領域目前還沒有公認的理論模型,這些都需要未來的研究進一步深化。