摘 要 面孔識別中的自我中心偏見是指人們傾向于根據(jù)自己對某個面孔的識別表現(xiàn)來推斷他人對該面孔的識別表現(xiàn)。前人研究只關注了個體對他人面孔區(qū)分能力的估計，本研究進一步關注個體對他人面孔熟悉性（是否認識）的估計。被試觀看200張名人人臉照片（每位名人兩張且互不相同）后指出自己是否認識該面孔，并估計認出該面孔的其他人的人數(shù)比例。結果揭示了面孔識別概率估計存在自我中心偏見：相比于自己不熟悉的面孔，被試估計自己熟悉的面孔有更多人能夠認出。研究結論能為更好地理解人類的面部認知規(guī)律并對其進行建模提供科學依據(jù)。

關鍵詞 面孔識別；自我中心偏見；元認知

分類號 B849

DOI：10.16842/j.cnki.issn2095-5588.2024.08.001

1 引言

需要推測別人的表現(xiàn)時，人們通常以自己的表現(xiàn)為依據(jù)來作判斷。這可能是因為個體更容易獲得關于自己的信息（例如個人的情感），也花更多時間關注自己的想法。由于不能直接了解他人的想法，便很難從別人的角度作判斷。如果人們因為過于依賴自己的觀點而不能正確評估他人的感受，就會導致以自我為中心的偏見（Greenwald， 1980）。自我中心偏見會對人們處理信息和作出決定的方式產(chǎn)生極大影響，這已在心理學的多個領域得到證實（Dimaggio et al.， 2002， 2008; Samuel et al.， 2018， 2020; Poeppel et al.， 2021）。

近年來，面孔認知的自我中心偏見逐漸成為研究熱點（周星辰， 賀雯， 2022;" Hayashi amp; Nishikawa， 2019）。以往研究發(fā)現(xiàn)，在面孔記憶（Zhou et al.， 2021）、面孔所誘發(fā)的主觀判斷（Zhou amp; Jenkins， 2022）和面孔識別（Zhou amp; Jenkins， 2020）等方面都存在明顯的自我中心偏見。例如，Zhou和Jenkins（2022）給被試呈現(xiàn)名人照片（每位名人一張），請被試：（1）回答自己是否熟悉該名人；（2）盡可能多地寫下看到該照片后自己的聯(lián)想；（3）估計有多少人聯(lián)想到了與自己相同的內(nèi)容；（4）估計其他人聯(lián)想內(nèi)容的總條目數(shù)。結果發(fā)現(xiàn)，被試估計自己熟悉的面孔其他人也會聯(lián)想到更多條目。同時，被試高估了與自己聯(lián)想到同一內(nèi)容的被試人數(shù)。面孔識別領域的相關研究多聚焦于個體對他人面孔匹配能力的估計。Zhou和Jenkins（2020）采用相同-不同面孔匹配范式，即判斷兩張照片展示的是相同的人還是不同的人，對比不同匹配能力的被試對他人的面孔匹配能力的估計后發(fā)現(xiàn)，匹配能力得分高者對他人匹配能力的估計比匹配能力得分低者高。Ritchie等（2015）也通過同樣的范式發(fā)現(xiàn)，人們對不同群體的面部識別的估計值存在自我中心偏見，英國被試認為英國人對英國名人（熟悉面孔）的面孔匹配能力強于對澳大利亞名人（陌生面孔）的面孔匹配能力。同樣是熟悉的面孔，而對于“自身熟悉的面孔有多少其他人也熟悉”這一經(jīng)驗層面的估計是否存在自我中心偏見尚無研究。

人們傾向于尋求認可，喜歡與自己有相同看法的人交朋友。估計他人的面部識別準確性可以幫助建立交流基礎，有助于社會交往。現(xiàn)代社會提供了網(wǎng)絡、電視等接觸大量面孔的途徑。Jenkins等（2018）發(fā)現(xiàn)，人們平均認識5000張面孔，且個體差異很大。那么個體如何估計他人認識多少張面孔呢？是否受自身經(jīng)驗的影響？氣泡理論認為，社交媒體和社會細分將人分成了志趣相投的不同氣泡（Nikolov et al.， 2015; Nguyen， 2020）。是否因為人們沉浸在與自己有共識的人的氣泡里，從而錯誤地認為氣泡以外的廣袤世界也是如此，別人理應與自己有相似的感受并作出相似的判斷？即認為自己認識的人其他大多數(shù)人也認識，而自己不認識的人也應該少有人認識。

綜上，前人研究只考慮到自我中心偏見在面孔匹配能力層面的估計表現(xiàn)，即區(qū)分不同面孔的能力；而對其在經(jīng)驗層面的面孔識別概率估計（熟悉性，即對于自己認識的名人認為他人也認識）的影響缺少關注。據(jù)此，本研究擬探討面孔識別概率估計中的自我中心偏見。此外，Jenkins等（2011）的圖像分類任務發(fā)現(xiàn)，對面孔越熟悉，就越能準確地辨認出同一個人的多張照片。人臉識別中的圖像不變性是面孔熟悉度的重要標志之一（Burton， 2013）。前人研究在區(qū)分不同面孔是熟悉還是陌生時往往只使用一張照片作為刺激材料，但面孔識別與圖像識別不同，被試如果認出一張照片就判定自己熟悉該面孔，可能會忽略人的外貌在不同場景和不同角度下存在差異。因此，本研究擬在面孔識別概率估計中呈現(xiàn)同一個人的多張照片，采用寬松（識別部分）和嚴格（識別全部）兩個標準。在統(tǒng)計方法層面，前人面部認知中的自我中心偏見研究主要通過逐人分析對比不同能力的被試（Zhou amp; Jenkins， 2020）對他人面部識別表現(xiàn)的估計值或被試對不同群體面部識別表現(xiàn)的估計值（Ritchie et al.， 2015），即均為估計值的比較，無法得出估計值與真實值比較后的估計準確性。據(jù)此，本研究擬對每張面孔的真實識別情況和估計識別情況進行逐項分析。

在本研究中，被試將識別一系列名人的面孔，并估計認出每張面孔的其他被試的比例。每張面孔呈現(xiàn)兩張照片，采用寬松和嚴格兩個識別標準分析。除傳統(tǒng)的逐人分析外，還進行每張面孔的逐項分析來對比估計值與真實值。我們推測：（1）不論何種識別標準下，相比陌生面孔（即被試未識別出的面孔），被試均認為自己熟悉的面孔（即被試識別出的面孔）會有更多人認出；（2）被試將高估其他人認出自己熟悉面孔的人數(shù)，而低估其他人認出自己陌生面孔的人數(shù)。

2 方法

2.1 被試

參照前人研究的效應量（Zhou amp; Jenkins， 2020; Zhou et al.， 2021），使用G*Power 3.1預估樣本量， 1-β=0.85， d=0.5， α=0.05，得出樣本量為38。由于本研究需要名人圖像數(shù)據(jù)庫作為實驗材料，但作者只獲得了高加索白人的名人圖像數(shù)據(jù)庫，缺少中國名人圖像數(shù)據(jù)庫，故在英國招募了與實驗材料中的名人種族一致的來自英國某大學的40位在校生。男性18人，女性22人。平均年齡20歲，范圍18～28歲。均為英國高加索白人，視力或矯正視力正常。簽署了書面知情同意書，結束后獲得一定報酬。研究得到了倫理委員會的批準。

2.2 材料

從現(xiàn)有的3441位名人圖像數(shù)據(jù)庫（Jenkins et al.， 2018）中挑選100位名人（高加索白人，男女各50人）。這些名人由該實驗室成員提名（本科生、研究生和教師；5位26～50歲的年長者和7位20～25歲的年輕人）。每位名人兩張圖像，共200張，320×400像素。

挑選標準為：（1）50%左右的提名者認識此人；（2）與本研究目標被試年齡相符的7位年輕提名者中至少4位認識此人；（3）圖片中面部無遮擋，大致正臉，表情中性，同一個人的兩張圖像無巨大差異，如看上去年齡差距大的圖像將被排除。

2.3 程序

在電腦屏幕的中心依次呈現(xiàn)200張面孔圖像，每次呈現(xiàn)一張，順序隨機，共200個試次，平均用時20分鐘。實驗前，被試得知將看到一系列他們熟悉或陌生的人臉圖像。同一面孔會呈現(xiàn)兩張不同圖像，被試每看一張需給出兩個回答：（1）你認識這張臉嗎？ （9=YES，0=NO ）；（2）你認為有多少比例的被試會認出這張臉？ （1=0～20%，2=21～40%，3=41～60%，4=61～80%， 5=81～100%）， 見圖1。若認出面孔但不記得名字也可選“Yes”。任務無時間限制，圖像將一直呈現(xiàn)，被試做出按鍵反應后消失，下一張圖像呈現(xiàn)。我們無法預先操縱特定被試是否會認出特定面孔，但在面孔素材準備階段，篩選出的每張臉大概能被半數(shù)提名者認出。

3 結果

實驗中，被試對每位名人進行了兩次估計，每張圖像一次，配對樣本t檢驗顯示，被試對第一張圖（M=2.63， SD=0.71）和第二張圖 （M=2.60， SD=0.71）的估計無顯著差異，t（99）=1.36， p=0.177， d=0.14。且兩者存在強相關，r（98）=0.93， plt;0.001。因此，我們?nèi)蓮垐D像的平均估計值作為被試認為其他人認出該名人比例的最終估計值。但該估計值是針對熟悉面孔還是陌生面孔的，我們制定了兩個級別的識別標準：（1）包容性識別標準：兩張圖像至少能認出一張；（2）嚴格性識別標準：兩張圖像都能認出，并且使用包容性（M=50.10， SD=14.86）和嚴格性識別標準（M=33.95， SD=14.19）的識別人數(shù)存在顯著差異，t（39）=11.98， plt;0.001， d=1.89。

我們針對這兩種識別標準分別進行逐人分析和逐項分析。逐人分析對比的是每位被試（共40人）在兩種識別標準下對自己認出所呈現(xiàn)面孔的估計值；逐項分析對比的是每張面孔（共100張）在識別標準下認出該名人的被試對其他人表現(xiàn)的估計值、未認出該名人的被試對他人表現(xiàn)的估計值以及40位被試對該名人的真實識別比例。在真實表現(xiàn)和估計表現(xiàn)的分析中，延用實驗中被試評估時的1～5這五個整數(shù)來表示面孔識別率的大小，分別代表0～20%、21～40%、41～60%、61～80%和81～100%。

3.1 包容性識別標準

3.1.1 逐人分析

配對樣本t檢驗顯示，相比于自己熟悉的面孔（M=3.36， SD=0.36），被試估計自己陌生的面孔（M=1.87， SD=0.46）有更少其他人認出，t（39）=23.20，" plt;0.001， d=3.65。

3.1.2 逐項分析

逐人分析表明，被試對他人表現(xiàn)的估計受其對自身認知的影響。為補充這一分析，我們從每位名人的估計比例的角度進行了逐項分析。通過單因素方差分析比較了認出和未認出該名人的被試對他人表現(xiàn)的估計值，以及所有被試識別出該面孔的真實比例。結果表明，三種情況（認識-估計比例、 不認識-估計比例、真實比例）的比例值差異顯著，F(xiàn)（2， 297）=70.66， plt;0.001，η2p=0.32。事后檢驗發(fā)現(xiàn)，未認出該名人的被試對他人識別表現(xiàn)的估計值 （M=1.94， SE=0.03）顯著低于認出該名人的估計值（M=3.13， SE=0.06， plt;0.001， d=2.49）和真實值（M=2.97， SE=0.12， plt;0.001， d=1.22）。認出該名人的估計值與真實值之間無顯著差異（p=0.380），見圖2-左圖。

3.2 嚴格性識別標準

3.2.1 逐人分析

與包容性識別標準的結果一樣，配對樣本t檢驗顯示，相比于自己熟悉的面孔（M=3.75， SD=0.41），被試估計自己陌生的面孔（M=2.04， SD=0.46）也會有更少其他人認出，t（39）=24.22， plt;0.001， d=3.83。

3.2.2 逐項分析

嚴格性識別標準下的逐項分析結果依舊顯示了三個情況（認識-估計比例、 不認識-估計比例、真實比例）的比例值差異顯著，F(xiàn) （2， 297）=59.75， plt;0.001， η2p=0.29。事后檢驗發(fā)現(xiàn)，認出該名人的被試對他人識別表現(xiàn)的估計值 （M=3.29， SE=0.08）顯著高于未認出該名人的估計值（M=2.13， SE=0.03，" plt;0.001， d=1.80）和真實值（M=2.17， SE=0.12， plt;0.001， d=1.11）。未認出該名人的估計值與真實值之間無顯著差異（p=1.000），見圖2-右圖。

3.3 包容性識別標準與嚴格性識別標準的結果比較

3.3.1 逐人分析

將兩種標準下的逐人估計比例進行2（識別情況：認識、不認識） × 2（識別標準：包容性、嚴格性）的重復測量方差分析，結果顯示：識別情況的主效應顯著，F(xiàn)（1， 39）=588.45， plt;0.001，η2p=0.94。相比于自己陌生的面孔（M=1.96， SE=0.07），被試估計自己熟悉的面孔有更多人認識（M=3.56， SE=0.06）。識別標準的主效應顯著，F(xiàn)（1， 39）=192.32， plt;0.001，η2p=0.83。包容性標準下的估計值（M=2.62， SE=0.06）比嚴格性的低（M=2.90， SE=0.06）。兩因素的交互作用也顯著，F(xiàn)（1， 39）=62.29， plt;0.001，η2p=0.62。簡單效應分析結果表明，對于陌生面孔，被試在包容性標準下的估計值比嚴格性的低， F（1， 39）=96.75， plt;0.001， η2p=0.71；對于熟悉面孔，被試在包容性標準下的估計值也比嚴格性的低，F(xiàn)（1， 39）=164.01， plt;0.001，η2p=0.81，但熟悉面孔的效應量更大。在包容性識別標準下，被試對陌生面孔的估計值比熟悉面孔的低，F(xiàn)（1， 39）=538.05， plt;0.001，η2p=0.93；在嚴格性識別標準下，被試對陌生面孔的估計值也比熟悉面孔的低，F(xiàn)（1， 39）=586.60， plt;0.001，η2p=0.94，但嚴格性識別標準下的效應量更大。

3.3.2 逐項分析

將兩種標準下的逐項估計值和真實值進行3（識別情況：認識-估計比例、 不認識-估計比例、真實比例） × 2（識別標準：包容性、嚴格性）的重復測量方差分析，結果顯示：識別情況的主效應顯著，F(xiàn)（2， 198）=122.94， plt;0.001， η2p=0.55。被試對熟悉面孔的估計值（M=3.21， SE=0.07）顯著大于真實值（M=2.57， SE=0.11），進一步顯著大于對陌生面孔的估計值（M=2.03， SE=0.03）。識別標準的主效應顯著，F(xiàn)（1， 297）=444.71， plt;0.001，η2p=0.31。在包容性標準下的表現(xiàn)（M=2.68， SE=0.06）顯著高于嚴格性標準下的表現(xiàn)（M=2.53， SE=0.06）。交互作用也顯著，F(xiàn)（2， 198）=130.85， plt;0.001，η2p=0.57。簡單效應分析發(fā)現(xiàn)，被試在包容性標準下對于熟悉面孔[F（1， 99）=9.44， p=0.003，η2p=0.09]和陌生面孔[F（1， 99）=125.66， plt;0.001，η2p=0.56]的估計值都比嚴格性標準下的低，而包容性標準下的真實識別比例則比嚴格性標準下的高[F（1， 99）=176.00， plt;0.001，η2p=0.64]。在包容性識別標準下，被試對陌生面孔的估計值顯著低于對熟悉面孔的估計值和真實比例，F(xiàn)（2， 98）=320.83， plt;0.001，η2p=0.87；在嚴格性識別標準下，被試對熟悉面孔的估計值顯著高于對陌生面孔的估計值和真實比例，F(xiàn)（2， 98）=161.83， plt;0.001，η2p=0.77。

4 討論

本研究為人臉識別中的自我中心偏見效應提供了證據(jù)。我們進行了逐人分析和逐項分析。逐人分析發(fā)現(xiàn)，相比于自己陌生的面孔，被試認為自己熟悉的面孔會被更多其他人認出。逐項分析的結果與逐人分析的結果一致，均符合假設。對于陌生面孔，由于人們不知道有多少人認識這張臉，根據(jù)自我中心偏見，他們會給出一個較低的估計。而對于熟悉面孔，如果是非常著名的名人（如貝拉克·奧巴馬），人們將具有很好的洞察力，可以準確估計出高比例人數(shù)；更多情況下，當這張臉是他們認識的小眾名人（如理查德·道金斯），自我中心偏見會導致他們高估其他人認出該名人的比例。

此外，識別標準會同時影響估計值和真實值。被試在包容性標準下對熟悉和陌生面孔的估計值都比嚴格性標準下的低，而在包容性標準下真實識別比例則比嚴格性的高。識別標準越嚴格，真實識別的人數(shù)越少，同時對熟悉面孔的熟悉度也越高（兩張圖像均認出）。若只認出一張圖像的面孔也被算作陌生面孔，則陌生面孔的熟悉度也比包容性標準下陌生面孔（兩張圖像均未認出）的熟悉度高。因此不論是熟悉還是陌生面孔，在嚴格性標準下以自己為參照對他人識別能力的估計都高于包容性標準下的值。重要的是，在包容性識別標準下，對于自己不認識的人，被試低估了他人的識別表現(xiàn)；在嚴格性識別標準下，對于自己認識的人，被試高估了他人的識別表現(xiàn)。兩種識別標準下，都從估計準確性的角度證實了自我中心偏見在面部認知概率估計中的存在。

研究結果從多個分析層面驗證了前人強調(diào)的“自我中心偏見是廣泛存在的”這一觀點（Nickerson， 1998）。在面部識別領域，本研究進一步從經(jīng)驗（熟悉性）層面補充了Ritchie等（2015）在面孔匹配能力層面上的發(fā)現(xiàn)，即人們傾向基于自己的面部識別能力來期待他人的面孔識別能力。根據(jù)氣泡理論（Nikolov et al.， 2015; Nguyen， 2020），每個人都置身于不同的氣泡中，氣泡中是與其志趣相投的人。自我中心偏見可能會鞏固他們的信念并增強其個人認同感。從這一角度來看，以自我為中心去估測他人的面孔識別能力可以提供一種社交動力，但偏見過度會阻礙個人理解不同的觀點，導致其難以同情他人的經(jīng)歷而作出有偏見的決定。此外，與Zhou和Jenkins（2020）在人臉配對實驗中由預實驗來確定熟悉和陌生面孔材料不同，本研究中的熟悉/陌生面孔由每位被試的真實熟悉度體現(xiàn)，并再次驗證了自我中心偏見效應。本研究也彌補了前人在面部識別元認知研究中未考慮人臉識別圖像不變性這一不足，每位名人使用了兩張不同的圖像檢測熟悉度，采取包容性識別標準和嚴格性識別標準，并通過逐項分析對比了真實識別比例與估計比例，得到了估計準確性，該方法可供后人參考。未來可進一步細化面孔熟悉度，探究不同的熟悉度判定標準對被試估計準確性的影響。同時，本研究被試群體為英國被試，以往面部認知的跨文化研究多集中在面部情緒表達領域（Ekman et al.， 1987; Matsumoto amp; Ekman， 1989）及面孔識別能力的異族效應（Meissner amp; Brigham， 2001）。社會文化和社會認知環(huán)境塑造了人們處理和解讀信息的方式，這也會影響自我中心偏見的產(chǎn)生。在西方文化中，個人傾向于強調(diào)自由、平等和個人主義的重要性，而東方文化則更強調(diào)集體利益和個人在社會中的角色與責任。未來研究也可以針對面部識別概率估計中的自我中心偏見進行跨文化一致性研究。在形成中國名人面孔圖片數(shù)據(jù)庫后，在中國背景下檢驗本研究的主假設是否依然存在。

此外，研究表明人們在識別與自己相似的面孔時表現(xiàn)更好（溫芳芳等， 2020），存在同性偏向（Hills et al.， 2018）， 即被試性別和面孔材料性別存在交互作用，男性和女性都能更好地識別與自己相同性別的面孔。本實驗結果同樣印證了被試相比于異性別名人會認出更多的同性別名人[包容性識別標準：M異性別=22.40， SE異性別=1.18，M同性別=27.70， SE同性別=1.43， t（39）=4.64， plt;0.001， d=0.69；M異性別=14.30， SE異性別=1.02， M同性別=19.65， SE同性別=1.54， t（39）=3.96， plt;0.001， d=0.63。但尚無研究探討人臉識別中對他人表現(xiàn)的估計是否存在同性偏向。McKelvie等（1993）認為面孔識別的性別差異源于男性和女性的興趣不同。如，女性喜歡閱讀時尚雜志而認識更多女模特，而男性喜歡看體育比賽而認識更多男性體育明星。未來研究在測量對他人表現(xiàn)的估計時可對不同性別被試的表現(xiàn)進行分別估計，以深入挖掘面部認知的元認知層面是否存在同性偏向，即人們是否會認為男性能識別出更多的男性面孔，女性能識別出更多的女性面孔。

除上述理論意義外，本研究還有三個方面的現(xiàn)實意義。首先，人們很難意識到自己的錯誤，本研究揭示了社會交往中不確定性的一個來源，有助于引起人們對基于經(jīng)驗的面部認知中存在自我中心偏見這一認知偏差的關注。人們通常希望通過對他人面部識別能力的估計來幫助簡化交流對象的選擇并簡化交流過程，但這一估計會產(chǎn)生偏差。若人們意識到自己可能高估自己認識的面孔和別人認識的面孔之間的交集，將有助于減少誤解。其次，意識到認知偏差是提高識別準確性的前提，本研究可在理解人臉識別能力在應用場景中的優(yōu)勢和局限性方面發(fā)揮重要作用。如，當護照檢查員意識到他們在人臉識別方面可能存在自我中心偏見，可組織相關培訓來提高準確性。最后，使用計算機進行面部識別時不會出現(xiàn)人類的這種自我中心偏見。它們識別人臉的規(guī)則是基于預先設定的程序，對于“熟悉面孔”和“陌生面孔”都使用相同規(guī)則。因此本質(zhì)上不存在計算機熟悉或陌生的面孔，這可以有效地避免它們像人一樣受之前的人臉識別經(jīng)驗的干擾。反之，在人機交互時，機器對于交互對象的建模也應考慮到人類會存在“以己度人”的認知偏差。在交互策略制定時，人類在面孔識別概率估計中的自我中心偏見也不可忽視。因此，本研究也為計算機人臉識別以及人機交互領域的發(fā)展提供了更多理論支撐。

參考文獻

溫芳芳， 佐斌， 馬書瀚， 謝志杰（2020）. 面孔識別的自我群體偏向. 心理科學進展， 28（7）， 1164-1171.

周星辰，賀雯（2022）. 元認知與面部認知的結合： 切入點及方法. 心理科學進展， 30（11）， 2473-2486.

Burton， A. M. （2013）. Why has research in face recognition progressed so slowly？ The importance of variability. The Quarterly Journal of Experimental Psychology， 66（8）， 1467-1485.

Dimaggio， G.， Lysaker， P. H.， Carcione， A.， Nicolò， G.， amp; Semerari， A. （2008）. Know yourself and you shall know the other ... to a certain extent： Multiple paths of influence of self-reflection on mindreading. Consciousness and Cognition， 17（3）， 778-789.

Dimaggio， G.， Semerari， A.， Falcone， M.， Nicolo， G.， Carcione， A.， amp; Procacci， M. （2002）. Metacognition， states of mind， cognitive biases， and interpersonal cycles： Proposal for an integrated narcissism model. Journal of Psychotherapy Integration， 12（4）， 421-451.

Ekman， P.， Friesen， W. V.， Osullivan， M.， Chan， A.， Di-acoyannitarlatzis， I.， Heider， K. G... Tza varas， A. （1987）. Universals and cultural differences in the judgments of facial expressions of emotion. Journal of Personality and Social Psychology， 53， 712-717.

Greenwald， A. G. （1980）. The totalitarian ego： Fabrication and revision of personal history. The American Psycho-logist， 35（7）， 603-618.

Hayashi， H.， amp; Nishikawa， M. （2019）. Egocentric bias in emotional understanding of children and adults. Journal of Experimental Child Psychology， 185， 224-235.

Hills， P. J.， Pake， J. M.， Dempsey， J. R.， amp; Lewis， M. B. （2018）. Exploring the contribution of motivation and experience in the postpubescent own-gender bias in face recognition. Journal of Experimental Psychology： Human Perception and Performance， 44（9）， 1426-1446.

Jenkins， R.， Dowsett， A. J.， amp; Burton， A. M. （2018）. How many faces do people know？ Proceedings of the Royal Society B， 285（1888）， 20181319.

Jenkins， R.， White， D.， Van Montfort， X.， amp; Mike Burton， A. （2011）. Variability in photos of the same face. Cognition， 121（3）， 313-323.

Nguyen， C. T. （2020）. Echo chambers and epistemic bub-bles. Episteme， 17（2）， 141-161.

Nickerson， R. S. （1998）. Confirmation bias： A ubiquitous phenomenon in many guises. Review of General Psycho-logy， 2（2）， 175-220.

Nikolov， D.， Oliveira， D. F.， Flammini， A.， amp; Menczer， F. （2015）. Measuring online social bubbles. PeerJ Computer Science， 1， e38.

Matsumoto， D.， amp; Ekman， P. （1989）. American-Japanese cultural differences in intensity ratings of facial expres-sions of emotion. Motivation and Emotion， 13， 143-157.

McKelvie， S. J.， Standing， L.， Jean， D. S.， amp; Law， J. （1993）. Gender differences in recognition memory for faces and cars： Evidence for the interest hypothesis. Bulletin of the Psychonomic Society， 31（5）， 447-448.

Meissner， C. A.， amp; Brigham， J. C. （2001）. Thirty years of investigating the own-race bias in memory for faces： A meta-analytic review. Psychology， Public Policy， and Law， 7（1）， 3-35.

Poeppel， J.， Kopp， S.， amp; Marsella， S. （2021）. Less egoce-ntric biases in theory of mind when observing agents in unbalanced decision problems. Proceedings of the Annual Meeting of the Cognitive Science Society， 43， 1246-1270.

Ritchie， K. L.， Smith， F. G.， Jenkins， R.， Bindemann， M.， White， D.， amp; Burton， A. M. （2015）. Viewers base estimates of face matching accuracy on their own fami-liarity： Explaining the photo-ID paradox. Cognition， 141， 161-169.

Samuel， S.， Frohnwieser， A.， Lurz， R.， amp; Clayton， N. S. （2020）. Reduced egocentric bias when perspective-taking compared with working from rules. Quarterly Journal of Experimental Psychology， 73（9）， 1368-1381.

Samuel， S.， Legg， E. W.， Lurz， R.， amp; Clayton， N. S. （2018）. Egocentric bias across mental and non-mental representations in the Sandbox Task. Quarterly Journal of Experimental Psychology， 71（11）， 2395-2410.

Zhou， X.， Burton， A. M.， amp; Jenkins， R. （2021）. Two factors in face recognition： Whether you know the person’s face and whether you share the person’s race. Perception， 50（6）， 524-539.

Zhou， X.， amp; Jenkins， R. （2020）. Dunning-Kruger effects in face perception. Cognition， 203， 104345.

Zhou， X.， amp; Jenkins， R. （2022）. Face-evoked though-ts. Cognition， 218， 104955.