När de flesta människor tänker på partiskhet, de föreställer sig en avsiktlig tanke eller handling – till exempel, en medveten övertygelse om att kvinnor är sämre än män i matematik eller ett medvetet beslut att dra över någon på grund av hans eller hennes ras. Fördomar mellan kön och ras i USA har historiskt sett varit uppenbara, avsiktligt och mycket synligt. Men, förändringar av det rättsliga systemet och normer som vägleder acceptabelt beteende i USA har lett till tydliga minskningar av sådan explicit partiskhet.

Tyvärr, vi ser fortfarande skillnader i hälsa, rättsväsende, utbildning och karriärresultat beroende på gruppmedlemskap. Och många storskaliga skillnader vi ser i samhället visar sig också i småskaliga studier av beteende. Så, hur upprätthålls dessa ojämlikheter i ett land som stoltserar med jämlikhet?

Självklart, Det finns fortfarande uppenbara sexister och rasister och explicita fördomar är viktiga. Dock, Det är inte så många samhälls- och organisationsforskare som vi för närvarande förstår fördomar – negativa attityder till medlemmar i en social grupp – och stereotypa föreställningar om en social grupps egenskaper. Vårt område arbetar med att förstå och mäta implicit fördom, som härrör från attityder eller stereotyper som till stor del förekommer utanför medveten medvetenhet och kontroll.

Hur man avslöjar fördomar som vi kanske inte vet att vi har

I många fall, folk vet inte att de har dessa implicita fördomar. Ungefär som vi inte kan introspektera hur våra magar eller lungor fungerar, vi kan inte bara "se inuti" våra egna sinnen och hitta våra implicita fördomar. Således, vi kan bara förstå implicit partiskhet genom att använda psykologiska åtgärder som kommer runt problemen med självrapportering.

Det finns ett antal mått på implicit partiskhet; det mest använda kallas Implicit Association Test (IAT; du kan prova ett här). Forskare har publicerat tusentals peer-reviewed tidskriftsartiklar baserade på IAT sedan det skapades 1998.

IAT mäter styrkan i associationer mellan sociala grupper (t.ex. svarta och vita människor) och utvärderingar (som bra och dåliga). Precis som du sannolikt har en stark mental koppling mellan jordnötssmör och gelé, eller läkare och sjuksköterska, våra sinnen skapar kopplingar mellan sociala grupper (som "kvinnor") och utvärderingar ("positiva") eller stereotyper ("vårdande").

När du tar ett implicit associationstest, man sorterar snabbt bilder av svarta och vita människor och positiva och negativa ord. Huvudtanken är att det är lättare att göra ett svar när objekt som är närmare besläktade i minnet delar samma svarsnyckel. I en del av testet, svarta ansikten och negativa ord delar samma svarsnyckel, medan vita ansikten och positiva ord delar en annan svarsnyckel. I en annan del av testet, vita ansikten och negativa ord delar samma svarsnyckel, och svarta ansikten och positiva ord delar en annan svarsnyckel. I vilken utsträckning man kan göra den vita + bra versionen av testet lättare än den svarta + bra versionen speglar en implicit pro-vit bias.

Pro-vita implicita fördomar är genomgripande. Data från miljontals besökare på Project Implicit-webbplatsen avslöjar att, medan cirka 70 procent av de vita deltagarna rapporterar att de inte föredrar svarta och vita människor, Nästan samma antal visar en viss grad av pro-vita preferenser på IAT. Andra tester avslöjar fördomar till förmån för hetero framför homosexuella, dugliga människor över funktionshindrade och smala människor över tjocka människor, och visa att människor associerar män med vetenskap lättare än de associerar kvinnor med vetenskap.

Är IAT-poäng relaterad till verkliga beteenden?

En annan central fråga om implicit partiskhet och IAT är hur det förhåller sig till diskriminerande beteende. Det kan argumenteras att, vad människor faktiskt gör är viktigast, särskilt när man försöker förstå hur individuella fördomar kan leda till samhälleliga skillnader.

Och, faktiskt, forskare har visat att människors poäng på IAT förutsäger hur de beter sig. Till exempel, en studie visade att läkare med högre nivåer av implicit rasbias var mindre benägna att rekommendera lämplig behandling för en svart patient än en vit patient med kranskärlssjukdom. En metaanalys av mer än 150 studier stödjer också tanken att det finns ett tillförlitligt samband mellan implicit bias, mätt av IAT, och beteende i verkligheten.

Detta är inte att säga, dock, att det finns en en-till-en-överensstämmelse mellan implicit partiskhet och beteende; någon med stark pro-vit implicit partiskhet kan ibland anställa en svart anställd, och någon med liten eller ingen implicit pro-vit partiskhet kan ibland diskriminera en svart person till förmån för en mindre kvalificerad vit person.

Även om kopplingen mellan rasfördomar och beteende är robust, den är också ganska liten. Men liten betyder inte oviktig. Små effekter kan ha kumulativa konsekvenser på både samhällsnivå (för många olika människor som fattar beslut) och på individnivå (över många olika beslut som en person fattar). Och vissa implicita fördomar är mer relaterade till beteende än andra; till exempel, implicita politiska preferenser har ett mycket starkt samband med röstbeteende.

Certainly more work is needed to understand the precise conditions under which the IAT will predict behavior, and how strongly, and for what attitudes. But in the aggregate, across people and settings, there is a substantial body of evidence indicating that the IAT is related to behavior.

With or without a test, implicit bias exists

The idea that people have associations in their minds, particularly in socially sensitive domains, that contradict their self-reported beliefs is well-established within the social sciences. But there remain important open questions about how best to identify and quantify such implicit biases and when and how implicit biases in people's minds translate into meaningful, real-world behavior.

The IAT has withstood constant criticism since its creation in 1998. These critiques have led to improvements of the measure and the way it is scored, as well as the tempering of early claims and the creation of new measurement procedures. That's the way a healthy science progresses. As a result of criticism, the IAT is one of the best-understood psychological measures in use by social scientists.

Even if it were to turn out that our current measures of implicit bias are problematic, that would have little bearing on whether or not implicit bias exists. Mental links between social groups and evaluations and attributes are real. Bias exists. And while learning about implicit bias can be an important step in initiating behavior change for some people, there is no published evidence that awareness alone is an antidote to the influence of implicit bias. To see a reduction in bias-based disparity, it is essential that we develop and implement empirically tested interventions – specific tools we can use to produce egalitarian behavior.

Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.