同一个问题，两种测法
心理学家想知道一个人的种族态度，通常有两条路。
第一条是直接测量：发问卷，让人自己报告对不同族群的感受、看法和偏好。参与者清楚知道自己在回答什么，对答案有很高的控制权。
第二条是间接测量：不问你，而是通过反应速度等指标，捕捉那些自动浮现、不太受意识控制的联想。最著名的例子是内隐联想测验（IAT）。在任务中，参与者需要用键盘把面孔图片和褒义或贬义词语分类。如果一个人把黑人面孔与负面词语配对时，比把白人面孔与负面词语配对时反应更快，研究者就把这种速度差异解读为一种自动的负面联想，也就是常说的“内隐偏见”。
问题在于：这类间接测验到底能不能预测真实行为？这场争论已经持续了很多年。
一场“对抗性合作”
支持者认为，内隐偏见普遍存在，塑造着日常的歧视行为；怀疑者则认为，这些测验测到的可能只是一个人从文化中吸收的“常识”，而不是他个人的偏见，因此往往预测不了个体行动。原文提到，2026年的一项研究就发现，几种旨在捕捉隐藏种族偏见的间接测验之间常常互不一致。
为了把争论推向可检验的结论，麦吉尔大学内隐社会认知实验室的乔丹·R·阿克斯（Jordan R. Axt）与乌得勒支大学的苏珊娜·霍赫芬、欧洲工商管理学院的埃里克·路易斯·乌尔曼组织了一次对抗性合作：让持相反观点的研究者坐在一起，共同设计一个无论结果如何都说得过去的研究方案。
研究是怎么做的
研究招募了2114名美国白人成年人，分两次在线完成。
第一场，参与者完成四项旨在测量歧视行为的任务：
- 信任游戏：决定把3美元中的多少分给黑人或白人搭档；
- 最后通牒游戏：接受或拒绝不同种族搭档提出的分钱方案；
- 简历评估：审阅带有典型黑人名或白人名的求职简历；
- 判断偏差任务：扮演招聘经理，根据数学能力、职业头像等信息决定录用与否。
几天后的第二场，参与者完成四项间接测量，包括内隐联想测验、评价性启动任务（面孔一闪而过后再对词语分类），以及情感错误归因程序（黑人面孔或白人面孔闪现后，请参与者评价汉字的视觉愉悦度）。之后，他们又完成了五份直接态度问卷，评价自己对不同族群的温暖感和喜爱程度，以及对某些种族刻板印象的认同程度。
数据分析采用结构方程模型，把多个同类测验整合成一个更稳定的总体指标，以减少测量误差的干扰。
结果：两组指标指向不同方向
在间接反应时测量上，白人参与者的平均表现确实是亲白、反黑的。
但行为任务呈现出另一幅图景：平均而言，参与者并没有歧视黑人，反而在招聘和分钱决策中表现出轻微的亲黑倾向。只有大约7%的参与者，在间接测量上得分极端亲白，同时在行为上表现出对黑人的歧视。
关键数字：45% 与 2.5%
那么，这些测验各自能预测多少行为差异？
- 间接测量确实与歧视性结果相关：在自我报告已经解释的部分之外，它们还能额外解释约2.5%的行为变异。这说明内隐测量抓到了社会决策中一小块独特的东西。
- 直接自我报告则远远领先：它解释了行为任务中约45%的变异。
换句话说，如果研究者想知道一个人在这类模拟社会决策中会怎么做，直接问他本人，比测他的反应速度可靠得多。
未参与该研究的佛罗里达州立大学心理学副教授大卫·S·马奇评论说，最清楚的结论是：间接测量确实捕捉到了自我报告没能捕捉的、与种族相关行为有关的信息。这份“增量贡献”虽然不大，但看起来是真实的——尤其是当研究者把内隐态度当作一个更宽泛的潜在构念、而不是依赖任何单一测验时。他还指出，即便效应很小，当它被放大到一个人一生中做出的无数决定、乃至整个人群时，也可能产生巨大的社会后果。
小效应是否重要？
阿克斯的态度颇为坦率：“有意思（或者也许令人沮丧）的是，我认为在效应量或实际意义上，这里可以得出多个合理的结论。”
数据清楚地表明，外显态度比内隐态度更能预测行为，因此关于这类议题的研究，或许不必把内隐态度测量放在那么核心的位置。但他补充说，在某些条件下，内隐偏见对行为的作用仍可能重要：效应虽小，如果涉及的是极其重要或极其普遍的行为，这个小效应就可能具有实际意义。
对普通人意味着什么
这项研究不提供任何“消灭偏见”的速成方法，但它提供了一个方法论上的提醒：
第一，反应速度测验并不是读心术。它测到的信号微弱且容易受测量误差影响，把单次测验分数当成一个人的“真实偏见水平”，是不稳妥的。
第二，人们在问卷上说的，往往比我们以为的更有信息量。至少在模拟的招聘、分钱这类决策中，坦诚的自我报告是更好的预测指标。
第三，平均值不等于每个人。绝大多数参与者在行为任务中并未表现出对黑人的歧视，只有约7%的极端者同时具备高分内隐偏见和歧视行为。讨论偏见问题时，区分“群体平均水平”和“个体差异”非常重要。
偏见研究仍会继续争论下去，但这一次，争论双方至少在同一份数据上达成了部分共识：内隐测量有一点用，但直接问，依然是更有效的办法。