跨地区和个体差异，以及不同情境下研究，关于人际冲突的社会阶层和智慧推理的关系外文翻译资料

跨地区和个体差异，以及不同情境下研究，关于人际冲突的社会阶层和智慧推理的关系

Justin P. Brienza and Igor Grossmann

摘要：我们认为，与抽象认知中既定的阶级优势相反，阶级与在人际关系中使用智慧推理（认识到知识的限度，考虑世界变化，变化，承认和整合不同观点）的倾向成反比。两项研究 - 来自经济富裕程度不同的地区的在线调查（n = 2145）和一项代表性的实验室研究，对来自工作和中产阶级背景的成年人进行分层抽样（n = 299） - 测试了这一命题，表明较高的社会阶层始终与不同层次的智慧推理相关，包括区域和个体差异，以及特定情境的主观建构。结果通过个人和标准化的假设情境，自我报告和观察到的智慧推理，以及控制流体和晶体智力。与生态框架一致，智慧推理中的阶级差异是人际关系（与社会）冲突的特定关系。这些研究结果表明，较高的社会阶层通过提供破坏人际事务智慧推理的生态约束来压低个人。

关键词：社会阶层；社会地位；推理；智慧；冲突；生态

1.简介

不同社会阶层的人如何在推理风格上有所不同？至少一个世纪以来，这个问题一直是心智能力的核心[1,2]。一些研究表明，社会阶层较高的人表现出优越的推理风格，与蓝领相比，白领在测量流体和晶体智力的任务上表现更好[2,3]。对这一观察的一个主要解释涉及生态可供性的差异，较低级别的环境由较少的资源，较大的威胁和更多的不确定性[4-9] - 所有因素抑制抽象智力测试的表现 - 暗示下层环境促进劣等推理。在这里，我们推进另一种解释，重点是与智慧相关的语用推理[10,11]，而不是抽象推理，如命题逻辑[12]。这种推理风格的核心方面包括智性谦逊，认识到世界在变化和变化，以及考虑不同背景的能力，除了自己的因素哲学家长期以来明智地处理情况[13-16]。在智慧推理中阶级差异的问题，我们使用多方法方法，包括最近验证的，心理测量稳健的方法，用于评估人们在生活中遇到的人际经历时的智慧推理风格[17]，以及观察者评价的判断。关于标准化人际关系情境的思维报告的表现[14]。与关于标准化智商测试差异的研究结果相反，本研究表明，在较低级别和较高级别的背景下，更智慧推理风格具有系统的区域性，个体差异和情境效应。目前的见解证明了社会文化环境与人际推理风格之间的复杂关系。

最近在行为科学中出现了智慧推理的概念[13,14,18]，强调了某些元认知策略在导航人们生活中面临的不确定性时的综合效用[15]。这些战略包括对比直接问题更广泛的背景的理解，对社会关系变化可能性的敏感性，智性谦逊以及在不同观点之间寻求妥协[14,19,20]。智慧推理中的个体差异仅与倾向性移情和观点采用[17]微弱相关，并且在审议过程中促进了亲社会倾向[17,18,21]。即使用领域一般智力测验评估的抽象认知可能为高级别人士提供比他们的低级别同行更强的智慧推理基础，但领域一般的智商测试并不等同于智慧推理[11,15,22]，提出一个问题，即智慧推理中的社会阶层差异是否会反映标准化智商测试的结果。

图1.在具有较高平均社会阶层的州中观察到较低的智慧推理水平。 每个州有1/4的参与者人数。 颜色代表地区，由美国经济分析局（www.bea.gov/regional）分类。 我们包括n 大于等于25的州，与其他截止值的结果相当（见电子补充材料）。 （在线版本的颜色。）

与智慧推理相比，抽象认知的分歧倾向与进化[23]和生态[24]理论上的类别特定行为如何反映对不同环境的适应性是一致的。 与初级阶段相关的一些行为，乍看之下可能看起来很难理解，可能是对较低阶层人所面临的资源相关生态约束的适应性反应[25-27]。 例如，与更稳定的中产阶级环境相比，工人阶级环境的更大不稳定性和逆境可能会鼓励更短期的生活史策略[28]。 从这个角度来看，不延迟奖励，通常被概念化为自我调节失败，并不一定会出现适应不良[23,29,30]。与目前的调查相比，与中产阶级相比，工人阶级和穷人更倾向于关注密切关系（与个性相比）和组内合作（与竞争相比）[28,31 - 34] - 生态适应在资源匮乏的环境中确保生存和成功。事实上，对社会化模式的研究表明，工薪阶层的父母不太可能在青春期以后为子女提供支持，从而为中上阶层教养所带来的主观权利感提供了较少的空间[35]。工薪阶层人士也表现出更广泛的关注焦点和对情境线索的敏感度[36,37]，这是环境威胁时的适应性策略，资源和机会稍纵即逝[30,38,39]。在注意力，社会和社会化策略的社会阶层差异的基础上，我们提出，与较高级别的环境相比，关于人际事务的智慧推理可能在较低的情况下更为普遍，因为它可以实现导航和管理围绕此类环境的不确定性[13,14] 。此外，因为更大的自我关注可以削弱智慧推理[40,41]，更高级别的环境（促进自我关注）可能会损害更高阶层个体使用智慧推理的倾向。目前的生态框架进一步表明，智慧推理中的阶级差异将特定于生态相关的人际关系域（与域一般），对于组内协调和其他与生存相关的活动具有功能[30]。

2.研究1

为了探讨社会阶层与智慧推理之间的关系，我们对来自不同社会经济富裕地区的美国居民进行了大规模的在线调查（n = 2145）（见图1和电子补充材料，表S1）。为了避免由于特定领域知识的阶级相关差异导致的偏见，我们专注于中产阶级和工人阶级可能在生活中遇到的平凡的人际交往经验，评估关于人际冲突的智慧推理。我们测试了整个群体，个体和情境分析中社会阶层和智慧推理之间的关系[42]。鉴于整个群体，个体和情境水平的认知和情感反应的先验独立[42-45]，探讨这些不同分析水平的可能社会阶层差异，使我们能够对社会阶级生态学对智慧推理的影响进行三角测量这是加性的或互动的[46]。

1. 方法

我们从Amazon.com的Mechanical Turk（MTurk）招募了参与者。 样本取自探索智慧推理工具的心理测量属性的项目[17]（n = 1960）以及智慧推理与专业性的关系[21]（n = 250）。 为了避免订单效应，我们只包括研究的参与者，其中智慧推理工具先于其他措施。 最后收集了人口统计信息。 我们使用参与者的IP地址来估计他们所处的状态。为了确保不会多次包含参与者，从当前分析中删除了65个重复的IP地址，总共有2145个响应。 美国大多数州至少包括15名参与者（见电子补充材料，图S1）。 特定国家的样本规模与州特定人口密切相关（r = 0.94），表明每个州的参与者具有代表性的权重。

（i）方法

智慧推理。为了以生态和无偏见的方式评估智慧推理，我们要求参与者回忆起他们生活中的最新经历（与朋友或在工作场所）。为了确保召回的准确性，我们提示参与者使用事件重建方法[47]重建他们的经验背景，包括有关时间，空间和参与体验的人的具体细节[17]。随后，参与者回答了21个项目，询问他们在多大程度上参与智慧推理风格的五个方面之一（1 = 一点也不，5=很多）:( i )认可限制自己的知识和智慧的谦逊; （ii）承认世界流动和变化，并考虑形势可能发生的多种方式; （iii）应用局外人的有利位置; （iv）承认他人的观点; （v）考虑/寻求妥协和承认解决冲突的重要性。正如在该工具的大规模心理测量评估中所报道的那样[17]，这种方法显示出更强大，更可靠的预测有效性，以及比智力相关质量的所有其他主要指标更大的独立于偏见的反应，并显示小 - 适度关系以衡量一般性的其他方向（例如，宜人，关注他人的情感，同理心）。

在我们的分析中，我们首先使用R中的lavaan包来评估模型拟合。为此，我们将五个方面中的每个方面的一阶因子得分馈送到智慧推理的二阶因子中（参见电子补充材料，图S2） 和表S2和S3）。 我们为后续分析保存了一阶和二阶因子的估计因子得分。 使用21个项目的平均分数并且不改变结果样式。

美国国家级社会阶层。借鉴最近关于社会阶层的行为研究[28,31,46]，我们对这种结构进行了广泛的概念化。具体而言，鉴于关于社会阶层测量的持续辩论[48,49]，我们通过收集关于资源剥夺，心理态度和社会学标记的一系列指标，旨在保持对社会阶层特定标记的优越性的不可知性。比较我们在随后的分析中使用的社会阶层的人口范围分布，以及教育和收入的个人标记。我们根据未投保的美国人的2014年州级百分比收集了有关集团资源剥夺的数据。为了获得对资源剥夺的反应性的心理标记，我们收集了来自盖洛普（gallup.com）的数据，该数据涉及至少3/7财务问题（退休，医疗）中关于金钱的中度到高度担忧的状态级，表达严重疾病/伤害的费用，维持其生活水平，正常医疗保健的医疗费用，每月账单，住房费用和最低信用卡支付费用。作为社会学的标志，我们从2014年美国社区调查（usa.ipums.org）中抽出来估计州级中位数Nam-Powers-Boyd的职业地位。 Nam-Powers-Boyd 1990分数代表了最新的职业状况人口统计估计之一，旨在根据同一作者的1990年职业分类，计算与每个主要职业类别相关的收入中位数和中位数教育程度[50]。这些分数对教育和收入的权重相等。在州一级，这些分数的汇总中位数反映了各州平均劳动力的典型收入和教育方面的标准化排名。

我们估计了一个结构方程模型，上述每个州级社会阶层指数都被纳入国家级社会阶层的潜在因素（见电子补充材料，图S2）和后续分析的估计因子得分。 作为单独的控制分析，我们仅考察了Nam-Powers-Boyd职业状态指数的影响，以及基于参与者教育和收入的州级估计的影响，我们将在下面讨论。

个人层面的社会阶层。个人社会阶层的衡量是复杂的，因为它涉及不同因素的交集，包括资本资产的所有权和拥有技能或证书资产[49]。与目前的研究相关，心理学家将教育和收入作为行为社会阶级研究的中心标志[28,31,43,51]。为了准确地模拟这些因素的相互作用，我们通过结构方程模型对参与者的报告收入（资本资产的标记）和教育（技能/证书资产的标记）进行了并行估计。成为个人地位的潜在因素（见电子补充材料，图S3）。我们估计个人级别的分数，将得出的参数估计值保存为个人社会阶层的指数（参见电子补充材料）。值得注意的是，个体层次社会阶层估计的群体平均值与美国各州社会阶层的基于人口的估计高度相关（r = 0.96），表明目前的样本高度代表了社会阶层的社会阶层。来自各州的普通人，并建议在研究1中采用的不同社会阶层衡量标准之间达到高度一致性。

情境水平状态/主观阶级和人际关系。

为了检验主观社会阶层和人际关系的水平，参与者的一部分（n = 730）回答了关于他们的人际经历的以下问题：（i）“对方是否有比你更多的地位？”（1 =很少，2=少，3 = 相同或类似，4=多，5=很多），以及（ii）你在事件发生之前是否亲近这个人？（1 =否，2 =有点，3 =是，4 =非常亲近）。

控制。 我们控制了可能与地位相关的地区和个人的几个特征，因此导致虚假关联的有以下这些：人口规模，居住在城市中心的居民的比例，收入不平等，学术能力，以及年龄，性别和社会希望（见方法和程序的电子补充材料）。

(b)分析程序

为了估计智慧推理和区域/个人社会地位的潜在因素，我们采用了具有最大似然参数估计的结构方程分析。为了确保在此过程中对非正态性的稳健性，我们采用了稳健的标准误差和均值调整的卡方检验统计量。随后，我们在涉及双侧统计检验的推理分析中使用了结构方程分析的估计值。在状态和特定情况的分析水平上，我们的主要分析包括相关性和线性回归。为了探讨作为每个州可用参与者数量的主题的群体级结果的稳健性，我们（i）在三个不同的截止点检查状态和智慧推理之间的群体级关系，以确定每个州的最小参与者数量（参见电子补充材料），以及（ii）对所有可用数据进行随机拦截混合效应分析，参与者嵌套在各自的状态中。我们观察到在州内的智慧推理（s.e. = 0.013）与州间水平（s.e。= 0.003）相比具有更大的可变性。为了考虑个体水平估计的嵌套数据结构，我们进行了并行随机拦截混合效应分析，参与者的反应嵌套在各自的状态中。我们通过R中的调解包估计了间接影响。

1. 结果
2. 州级分析

首先，我们探讨了关于社会阶层心理和社会学标志不同的国家间人际冲突的智慧推理的分布。如图1所示，与来自平均社会阶层较低的州的人相比，来自平均社会阶层较高的州的人不太可能使用智慧推理方式来解释他们的生活中的人际关系经验，r =–0.39。在检查不同的截止值时，这种关联是一致的，–0.39 le;r lt;0.35, 当单独使用职业指数时，r =–0.34，在根据教育和收入而不是基于人口的估计来检查参与者社会阶层的州级平均值时，r =–0.30，并且在智慧推理的每个方面都是一致的，r_humility=–0.37, r_{outsider viewpoint} =–0.52, r_change =–0.28, r_perspectives =–0.30, r_compromise =–0.27. 同样，在检查随机拦截混合效应模型时，结果是一致的，参与者的分数嵌套在完整样本的状态内（参见电子补充材料，表S4）。

此外，在控制社会阶层的相关性（包括人口密度）时，州级地位仍然是智慧推理的强有力的负面预测因素，B=–0.161，s.e. = 0.045, t(d.f. = 2145) =–3.573, p = 0.0004, 城市化，B =–0.161, s.e. = 0.045, t(d.f. = 2145) =–3.571, p = 0.0004, 收入差距，B =–0.163, s.e. =0.046，t(d.f. =2145) =–3.573， p =0.0004, 状态times;不平等互动, B =–0.168, s.e. = 0.046

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[277507]，资料为PDF文档或Word文档，PDF文档可免费转换为Word