Ist implizites Bias ein nützliches wissenschaftliches Konzept?

In den vergangenen 60 Jahren sind die Werte für direkte Vorurteile gegenüber rassistischen Vorurteilen stetig zurückgegangen, doch bestehen in den Vereinigten Staaten nach wie vor rassistische Disparitäten. Im Vergleich zu hellhäutigeren Personen haben dunkelhäutige Personen weniger Zugang zu hochwertigen Arbeitsplätzen, Wohnraum, Bildung und Gesundheitsversorgung.

Das Konzept der impliziten Verzerrung bietet eine Erklärung. "Implizite Verzerrung" bezieht sich auf eine Vielzahl von automatischen, unbewussten Vorurteilen, bei denen eine Gruppe gegenüber einer anderen Gruppe bevorzugt wird. Menschen können voreingenommen sein und andere diskriminieren, auch wenn sie sich ihrer Vorurteile nicht bewusst sind.

Das am weitesten verbreitete Maß der impliziten Verzerrung ist der Implicit Association Test (IAT), ein ausgeklügelter Test, der von den Sozialpsychologen Anthony Greenwald und Mahzarin Banaji in den 1990er Jahren entwickelt wurde.

Die Prämisse der IAT ist ziemlich einfach. Wenn zwei Konzepte dem Testteilnehmer eng verbunden oder verbunden sind, sollten sie leichter zu paaren sein. Wenn Sie zum Beispiel glauben, dass Weiße besser sind als Schwarze, dann sollten Sie weiße Gesichter schneller mit positiven Adjektiven kombinieren können als schwarze Gesichter mit positiven Adjektiven. Wenn Sie das tun, wird gesagt, dass Sie eine implizite Voreingenommenheit für Weiß = Gut und Schwarz = Schlecht haben .

Hunderte von Studien haben die implizite Verzerrung in den letzten 20 Jahren untersucht (Banaji & Greenwald, 2016). Einige der Ergebnisse sind überraschend, aber nicht so, wie Sie es wahrscheinlich erwarten.

  1. Etwa zwei Drittel der Weißen zeigen eine starke oder mäßige Voreingenommenheit für Weiß = Gut . Etwa die Hälfte der Schwarzen zeigt auch eine Voreingenommenheit für Weiß = Gut .
  2. Ein automatischer Black = Weapons Bias ist bei allen getesteten Gruppen stark. Der Verband ist am stärksten für Weiße und Asiaten und dann Hispanics. Selbst Afroamerikaner zeigen die Tendenz häufiger als nicht.
  3. Achtzig Prozent der Amerikaner – und eine Mehrheit der älteren Amerikaner – haben eine stärkere Verbindung für Jung = Gut als für Alt = Gut .
  4. Ungefähr 75% der Männer assoziieren "männlich & Arbeit" und "weiblich & Familie" schneller als die anderen Paare, aber 80% der Frauen machen das gleiche.

Unter den Sozialpsychologen gibt es eine anhaltende Debatte über den wissenschaftlichen Nutzen des IAT und die genaue Bedeutung von implizitem Bias. Ein Teil der Debatte betrifft die psychometrischen Eigenschaften des IAT. Ist es eine gültige Maßnahme?

Die Test-Retest-Reliabilität (Wiederholbarkeit) des Race IAT beträgt nur .42, was deutlich unter dem psychometrischen Standard von .80 liegt. Ihr Ergebnis auf dem IAT kann von Test zu Test stark schwanken. Hart Blanton, ein Psychologe an der Universität von Connecticut, hat festgestellt, wie leicht Menschen ihre rassistische Verzerrung verringern können, indem sie einfach Menschen Bilder von Afro-Amerikanern zeigen, die ein Picknick genießen.

Die Validität der IAT-Scores wurde ebenfalls überprüft. Im Jahr 2013 veröffentlichten Frederick Oswald und sein Forschungsteam eine Meta-Analyse von 46 Studien. [1] Sie fanden heraus, dass IAT-Scores schlechte Prädiktoren für das tatsächliche Verhalten und die politischen Präferenzen sind. Sie fanden auch heraus, dass IAT-Scores vorhergesagte Verhaltensweisen und Präferenzen nicht besser vorhersagen als Punkte auf einfachen Papier-und-Bleistift-Maßen von Vorurteilen.

Das vielleicht interessanteste Merkmal der Debatte betrifft die Interpretation von IAT-Scores. Einige Sozialpsychologen glauben, dass die IAT Vorurteile misst, während andere glauben, dass die IAT unser Wissen über gängige Stereotypen misst.

Vorurteil ist eine negative Einstellung gegenüber einer Gruppe und ihren einzelnen Mitgliedern. Ein Stereotyp ist jedoch eine Überzeugung, dass ein bestimmtes Attribut für Mitglieder einer bestimmten Gruppe charakteristisch ist – zum Beispiel, dass Katholiken typischerweise gegen Abtreibung sind. Stereotypen werden mühelos erfasst, und wir verlassen uns eher auf sie, wenn die kognitive Belastung hoch ist – das heißt, wenn wir abgelenkt, müde oder in Eile sind.

Im Jahr 2003 waren die Sozialpsychologen Michael Olson und Russell Fazio vielleicht die ersten, die argumentierten, dass die IAT nicht voreingenommene Einstellungen misst. Sie glauben, dass die IAT gemeinsame Stereotype misst, die gelernt werden, wenn man in einem bestimmten kulturellen Milieu aufwächst.

Ihr Fazit wurde durch die Ergebnisse einer 2006 von Eric Uhlmann und seinen Kollegen an der Yale University durchgeführten Studie gestützt. In ihrem Experiment wurden weiße College-Studenten konditioniert, um die erfundene Gruppe Noffians mit Wörtern zu verbinden, die mit der Unterdrückung verbunden sind, und die erfundene Gruppe Fasites mit Wörtern in Verbindung zu bringen, die sich auf Privilegien beziehen. Sie nahmen dann eine Version des Race IAT mit Noffians und Fasites, die für Blacks und Whites beziehungsweise stehen. Die Schüler zeigten eine konsequente Voreingenommenheit gegen Noffians, nicht weil sie Noffianer als schlecht empfanden, sondern weil sie sie als schlecht empfanden.

Uhlmanns Befund wirft die reale Möglichkeit auf, dass Menschen, die schnell Weiß = Gut und Schwarz = Böse verknüpfen, nicht wirklich gegenüber Schwarzen benachteiligt sind. Sie glauben nicht, dass Schwarze schlechte Menschen sind; Sie glauben, dass schwarzen Menschen schlimme Dinge passieren . Laut Uhlmann könnten "die negativen automatischen Assoziationen von Weißen Amerikanern zu Afroamerikanern teilweise aus der Assoziation von Mitgliedern niedriger Statusgruppen mit ungerechten Umständen resultieren".

Es ist etwas ironisch, dass das Konzept der impliziten Verzerrung heute mehr sichtbar ist als je zuvor, weil Tony Greenwald und Mahzarin Banaji, Erfinder des IAT, die eingeschränkte Nützlichkeit ihres Tests anerkannt haben. Im Jahr 2015 räumten sie ein, dass die psychometrischen Probleme mit IATs von Rasse und ethnischer Zugehörigkeit "problematisch sind, um Personen als diskriminierend einzustufen."

[1] Meta-Analyse ist eine mathematische Methode, um die statistischen Ergebnisse einer großen Anzahl von getrennten Studien zu kombinieren, um eine Gesamtschlussfolgerung zu erzeugen.