Örtük çağrışım testi tartışması

Açılış sahnesi

Büyük bir lojistik şirketinin bölge müdürü Kaan Bey, şirketin düzenlediği bir "farkındalık eğitimine" katılıyor. Eğitmen katılımcılardan bilgisayarda kısa bir test yapmalarını istiyor. Ekranda sırayla yüzler ve sözcükler beliriyor; Kaan Bey bir tuşa ya da öbürüne olabildiğince hızlı basıyor. On dakika sonra sonuç ekrana geliyor: "Kadınları aileyle, erkekleri kariyerle ilişkilendirmeye yönelik orta düzeyde otomatik bir eğiliminiz var."

Kaan Bey bozuluyor. Ekibinin yarısı kadın, iki kadın yöneticiyi kendisi terfi ettirmiş. Akşam eve gidince testi internetten bir kez daha yapıyor; bu kez sonuç "hafif bir eğilim" çıkıyor. Ertesi hafta bir kez daha deniyor: "eğilim yok." Hangisinin doğru olduğunu, hatta bu sonuçların onun gerçekte nasıl davrandığı hakkında bir şey söyleyip söylemediğini bilmiyor.

Kaan Bey ve şirketin eğitimi bu ders için kuruldu; ama Kaan Bey'in üç denemesinin ardından sorduğu soru, son yirmi beş yılda psikolojinin en çok kullanılan ve en çok tartışılan ölçme araçlarından birinin tam merkezinde duruyor.

Bu derste ne olacak

M13-D07, Ayşen Hanım'ın ilan ettiği görüş ile masadaki seçimi arasındaki açıklığı gösterdi. Bu derste, o açıklığı kapatmak için geliştirilmiş bir ölçme aracını, insanlara ne düşündüklerini sormadan, tepki sürelerinden onların otomatik çağrışımlarını ölçmeyi amaçlayan testi inceliyoruz.

Önce testin nasıl çalıştığını ve neyi ölçtüğünü iddia ettiğini göreceğiz. Sonra M12-D08'de öğrendiğimiz güvenirlik ve geçerlik ölçütlerini bu teste uygulayacağız: test aynı kişiye ne kadar tutarlı sonuç veriyor, sonuçlar gerçek davranışı ne kadar öngörüyor ve testteki puanı değiştirmek davranışı değiştiriyor mu? Son olarak tartışmanın iki tarafının bugün nerede durduğuna ve testin hangi kullanımlarının kanıtla desteklendiğine bakacağız.

Sıfır noktası

M13-D03'te gördüğümüz gibi, tutumlar genellikle insanlara doğrudan sorularak ölçülüyor. Ama bu yöntemin iki bilinen sorunu var: insanlar bazı konularda, özellikle de önyargı gibi toplumsal olarak onaylanmayan konularda, gerçek görüşlerini söylemek istemeyebiliyor; ve bazı çağrışımlarının kendileri de farkında olmayabiliyor.

1998'de Anthony Greenwald, Debbie McGhee ve Jordan Schwartz, bu iki soruna yanıt olarak yeni bir ölçme yöntemi yayımladı.

Testin mantığı şöyle: zihinde birbirine sıkıca bağlı iki kavramı aynı tuşa bağlamak kolay, birbirinden uzak iki kavramı aynı tuşa bağlamak daha zor. Örneğin "çiçek" ile "hoş" sözcüklerini aynı tuşla, "böcek" ile "nahoş" sözcüklerini öbür tuşla sınıflandırmak, çoğu insan için tersine göre daha hızlı. Test, bu hız farkını çağrışımın gücünün bir göstergesi olarak kullanıyor.

Test kısa sürede araştırma laboratuvarlarının dışına çıktı. Çevrim içi bir sitede milyonlarca kişi testi doldurdu ve sonuçlarını gördü. Test, şirketlerde, hastanelerde ve okullarda önyargı farkındalığı eğitimlerinin bir parçası oldu. Bu yaygınlık, testin ne ölçtüğü ve ne kadar iyi ölçtüğü sorusunu bilimsel bir sorudan toplumsal bir soruya dönüştürdü.

Mekanizma

Aynı kişi, farklı sonuçlar

Kaan Bey'in üç denemesinde üç farklı sonuç alması tesadüf değil. M12-D08'deki kanıt kartında gördüğümüz gibi, testin geliştiricilerinden birinin de yer aldığı bir meta-analiz, testin aynı kişilere ayrı zamanlarda uygulandığında ortalama yaklaşık .50 düzeyinde bir tutarlılık gösterdiğini buldu. Bu düzey, grupların ortalamalarını karşılaştırmak için yeterli, ama tek bir kişinin tek bir sonucunu o kişi hakkında bir tanı gibi okumak için yeterli değil.

Testteki puan ile davranış

Bir ölçümün değeri, en sonunda, gerçek hayatta önemli bir şeyi öngörüp öngörmediğine bağlı. M12-D08'deki diliyle: testin ölçüt geçerliği ne?

Bu tartışmanın iki tarafı da önemli bir şeyi doğru söylüyor. Küçük bir ilişki, tek bir kişinin davranışını öngörmek için neredeyse işe yaramaz. Ama bir şirketin yıllar içinde verdiği binlerce işe alım kararında küçük bir yanlılık, toplamda belirgin bir eşitsizlik üretebilir. Asıl soru, testin ölçtüğü şeyin bu yanlılığın kaynağı olup olmadığı.

Puanı değiştirmek, davranışı değiştirmek

Testin yaygınlaşmasıyla birlikte, örtük önyargıyı azaltmayı amaçlayan eğitimler de yaygınlaştı. Bu eğitimlerin mantığı şuydu: örtük çağrışımlar ayrımcı davranışa yol açıyorsa, onları değiştirmek davranışı da değiştirmeli.

Calvin Lai ve meslektaşlarının 2016'da yayımladığı bir çalışma, daha önce örtük önyargıyı azalttığı gösterilmiş dokuz farklı müdahaleyi altı bini aşkın katılımcıyla sınadı. Müdahalelerin hepsi testteki eğilimi hemen azalttı; ama birkaç saat ile birkaç gün sonra yapılan ölçümlerde hiçbirinin etkisi sürmüyordu.

Usta katmanı

Test neyi ölçüyor?

Testin ölçtüğü şeyin ne olduğu sorusu, tartışmanın en derin katmanı. Testin ilk yorumuna göre test, kişinin kendi zihninde taşıdığı ve kendisinin farkında olmadığı kişisel tutumları ölçüyordu. Ama başka yorumlar da öne sürüldü.

Bir yoruma göre test, kişinin kendi tutumlarından çok, içinde yaşadığı kültürde dolaşan çağrışımlara ne kadar maruz kaldığını ölçüyor. Kadınları aileyle, erkekleri kariyerle eşleştiren reklamlar, diziler ve haberlerle büyüyen biri, bu eşleştirmeyi benimsemese de onu öğrenmiş olabilir. Testin ölçtüğü şey, bu durumda kişinin değil, kültürün bir izi.

Keith Payne ve meslektaşları 2017'de, testin bireyler hakkında zayıf, ama bölgeler ya da gruplar hakkında daha güçlü bilgi verdiğini gösteren bulgulardan yola çıkarak bir model önerdi.

Bu yorum testin değerini ortadan kaldırmıyor; ama onu farklı bir yere koyuyor. Test, bireylerin tanı aracı olarak değil, toplulukların ve bağlamların bir göstergesi olarak daha iyi işliyor olabilir.

Kanıtın sınırı

Örtük çağrışım testi tartışması, psikolojinin ölçme ile toplum arasındaki ilişkiye dair en öğretici örneklerinden biri.

İlk sınır, tartışmanın tarafların güçlü bağlılıkları ile şekillenmesi. Testi geliştiren araştırmacılar ve onu eleştirenler, aynı veri kümelerini farklı ölçütlerle değerlendirip farklı sonuçlara vardı. Hangi çalışmaların meta-analize alınacağı, hangi davranış ölçütlerinin "ayrımcılık" sayılacağı ve hangi etki büyüklüğünün "küçük" sayılacağı gibi kararlar, sonucun yönünü belirgin biçimde değiştirebildi.

İkinci sınır, testin bilimsel kanıtının, toplumsal kullanımının çok gerisinde kalması. Test milyonlarca kişi tarafından doldurulup eğitimlerde kullanılırken, ne ölçtüğü ve davranışı ne kadar öngördüğü sorularına verilen cevaplar hâlâ tartışılıyordu. M02-D11'de tartıştığımız gibi, bir bulgunun hızla yayılması ile sağlamlığının sınanması arasındaki zaman farkı, psikolojinin kendi tarihindeki önemli bir dersi.

Üçüncü sınır, örtük ölçümlere yönelik eleştirilerin, ölçmeye çalıştıkları olguyu ortadan kaldırmaması. İnsanların her zaman farkında olmadıkları çağrışımlarla hareket edebileceği fikri, başka yöntemlerle de araştırılıyor. Testin bir ölçüm aracı olarak sınırlarının olması, otomatik süreçlerin sosyal davranışta hiçbir rolü olmadığı anlamına gelmiyor; yalnızca bu rolü ölçmek için daha iyi araçlara ihtiyaç olduğunu gösteriyor.

Kendin dene

Aklında kalsın

Örtük çağrışım testi, kavramları ne kadar hızlı eşleştirdiğimize bakarak otomatik çağrışımları ölçmeyi amaçlıyor; açık ölçümlerle çoğu zaman yalnızca zayıf biçimde ilişkili çıkıyor.

Testin aynı kişiye ayrı zamanlarda verdiği sonuçlar ancak orta düzeyde tutarlı; tek bir sonuç bir kişi hakkında güvenilir bir tanı olarak okunamıyor.

Test puanlarının ayrımcı davranışı öngörme gücü küçük ve açık tutum ölçümlerinden daha iyi değil; küçük etkilerin toplamda önemli olup olmadığı tartışmalı.

Örtük ölçümleri değiştiren yöntemler kısa süreli değişimler yaratıyor, ama bu değişimler kalıcı olmuyor ve davranışa yansımıyor.

Testin bireylerden çok, bir kültürde dolaşan çağrışımları ya da toplulukların ortak eğilimlerini ölçtüğü yönündeki yorumlar, onu bireysel bir tanı aracı olarak değil, topluluk düzeyinde bir gösterge olarak konumlandırıyor.

Sonraki derse köprü

Bu derste, insanların bir grup hakkındaki çağrışımlarını ölçmeye çalışan bir aracı inceledik ve bu araçla ilgili parlak bir başlangıcın, yıllar içinde nasıl daha temkinli bir tabloya dönüştüğünü gördük.

Bir sonraki derste bakışı, kalıp yargıyı taşıyanlardan, kalıp yargının hedefi olan kişilere çeviriyoruz. Bir grubun belirli bir alanda başarısız olduğu yönünde yaygın bir kalıp yargı olduğunda, o gruptan biri bu alanda bir sınava girerken bu kalıp yargının farkında olması onun performansını etkiler mi? Ünlü bir bulgunun büyük ve önceden kayıtlı tekrarlamalarda neye dönüştüğünü M13-D09'da izleyeceğiz: kalıp yargı tehdidi ve tekrarlama sorunu.