可識別受害者效應 (Identifiable Victim Effect)

一覽

1. 快速總結

當我哋見到單獨一個人受苦——一張臉、一個名、一個故事——我哋會覺得有股衝動去幫手。但係當我哋聽到幾百萬人面臨同樣命運嘅時候，我哋往往咩感覺都冇。呢個悖論就係可識別受害者效應：我哋個心只係識數「一」，唔識數「一百萬」。我哋會慷慨捐款去救「馬里7歲女童 Rokia」，但對300萬挨餓兒童嘅統計數據就無動於衷，即使後者代表住呈指數級嘅更多苦難。

2. 背後嘅科學

2.1. 發現與歷史

可識別受害者效應嘅學術起源可以追溯到1968年——唔係喺心理學期刊，而係喺一篇經濟學論文。後來獲得諾貝爾獎嘅經濟學家 Thomas Schelling 當時正喺度思考一個公共政策問題：當為安全法規計算成本效益分析嗰陣，政府應該點樣衡量人命嘅價值？

Schelling 觀察到社會實際分配資源嘅方式存在驚人嘅不一致。佢提出咗「個體生命」同「統計生命」之間嘅關鍵區別，指出一個需要做手術嘅特定兒童會得到排山倒海嘅公眾支持，但可以拯救更多人命嘅預防措施就長期缺乏資金。

自從 Schelling 最初嘅觀察以嚟，我哋對呢個效應嘅理解有咗顯著嘅發展。喺1990年代，研究人員開始喺實驗室環境中有系統地測試呢個現象。到咗2000年代，呢個領域已經擴展到包括神經成像研究、跨文化比較，以及對潛在去偏差策略嘅調查。時至今日，可識別受害者效應 (IVE) 被認為係行為經濟學同道德心理學中最有力嘅發現之一，喺公共衛生、慈善籌款同政策設計都有直接應用。

研究嘅主要里程碑包括：

• 1968年：Thomas Schelling 喺《你拯救的生命可能是你自己的》(The Life You Save May Be Your Own) 中嘅基礎觀察
• 1997年：Jenni 同 Loewenstein 對參照群體同比例效應嘅研究
• 2003年：Small 同 Loewenstein 孤立「確定性」(determinacy) 作為關鍵因素
• 2005年：Kogut 同 Ritov 發現「奇點效應」(Singularity Effect)
• 2007年：Small、Loewenstein 同 Slovic 具里程碑意義嘅「Rokia」研究
• 2011年：Cameron 同 Payne 關於動機性情緒調節嘅工作
• 2015年：Wang 等人挑戰呢個效應普遍性嘅跨文化研究

2.2. 主要研究人員

2.3. 里程碑研究

確定性效應研究 (Small & Loewenstein, 2003)

呢個巧妙嘅實驗釐清咗 IVE 到底係由受害者嘅生動資訊（名、相、故事）引起，定係單純因為知道有某個特定嘅人被識別出嚟而引起。

方法：利用「獨裁者博弈」(Dictator Game) 範式，參與者收到錢，可以分俾「受害者」（其他唔見咗錢嘅參與者）。喺一個條件下，接收者係「未確定」嘅——會喺捐款決定後從一個群體中抽出。喺另一個條件下，接收者係「已確定」嘅——已經揀好咗（例如「4號人士」），雖然捐款者對佢哋一無所知。最關鍵嘅係，兩個條件都冇相片、名或者故事。

主要發現：比起未確定嘅受害者，參與者明顯更願意補償已經確定咗嘅受害者。呢個證明咗單憑確定性——純粹知道某個特定嘅人係受害者——就可以建立心理連結，而唔需要任何生動嘅細節。

啟示：研究揭示咗當受害者被確定時，唔幫手會覺得好似直接違反咗社會義務。當受害者未確定時，唔幫手會覺得只係政策或者運氣嘅一般性失敗，情感包袱比較細。

奇點效應研究 (Kogut & Ritov, 2005)

呢項研究探討可識別性係咪會隨住數字成比例增加：如果一個被識別嘅受害者會引起強烈情感，咁八個被識別嘅受害者會唔會引起八倍嘅情感？

方法：參與者表示佢哋為拯救需要昂貴藥物嘅患病兒童嘅捐款意願 (WTC)。測試咗四個條件：(1) 單一被識別兒童（相片同名）；(2) 單一未識別兒童；(3) 一組八名被識別兒童（相片同名）；以及 (4) 一組八名未識別兒童。

主要發現：單一被識別嘅兒童引起最高嘅捐款同情緒困擾評分。關鍵係，同未識別群體相比，識別八人小組並冇顯著增加捐款。喺好多試驗入面，單一被識別受害者籌到嘅錢仲多過八個被識別受害者加埋。

啟示：IVE 根本上係一種「奇點效應」。驅動極端利他主義嘅情感機制，係由單一焦點目標獨特地觸發嘅。當目標變成一個群體，認知處理就會轉變——心智圖像變得模糊，情緒調節開始發揮作用，效應就會崩塌。

「Rokia」研究 (Small, Loewenstein & Slovic, 2007)

呢個可能係該領域最出名嘅實驗，研究咗當情感訴求同統計資訊結合時會發生咩事。

方法：參與者收到救助兒童會 (Save the Children) 嘅募捐信，分為三個條件：(A) 只專注於一名七歲馬里女童 Rokia 嘅敘述，附有佢嘅相片同個人故事；(B) 關於非洲糧食危機嘅統計資訊（受影響嘅數百萬人、涉及嘅國家）；(C) Rokia 嘅故事結合統計背景。

主要發現：「只有 Rokia」嘅條件籌到最多錢。「只有統計數據」嘅條件籌到最少錢。最令人驚訝嘅係，結合條件籌到嘅錢明顯少過單單只有 Rokia 嗰組。

啟示：喺情感訴求中加入統計數據唔會增強訴求——反而會削弱佢。處理統計資訊會啟動深思熟慮（系統二）嘅思維，呢種思維同產生同情心所需要嘅情感（系統一）模式係互相排斥嘅。當人哋開始計算，佢哋就會停止感受。

洞察的冷酷研究 (Small, Loewenstein & Slovic, 2007)

喺 Rokia 研究嘅第二階段，研究人員試圖透過明確咁教導參與者關於 IVE 及其道德不一致性，嚟為佢哋「去偏差」(debias)。

主要發現：教育並冇令參與者對統計受害者變得更慷慨。相反，佢令參與者對可識別受害者變得冇咁慷慨。達到一致性嘅方法唔係整體上變得更慈善，而係喺唔同條件下變得同樣不慈善。

啟示：喺呢個背景下，理性壓抑咗幫手嘅情感衝動，但又冇提供足夠嘅理性動機去取而代之。如果冇咗可識別受害者嗰種「非理性」嘅吸引力，捐獻嘅衝動可能會完全消失。

同情心崩塌研究 (Cameron & Payne, 2011)

呢項研究調查咗對群體嘅同情心崩塌，究竟係被動嘅能力限制，定係主動嘅調節過程。

方法：參與者閱讀關於一名受害者或八名受害者嘅資料。一半人被告知佢哋會被要求捐款（有成本條件）；另一半人被告知佢哋只會閱讀關於受害者嘅資料（無成本條件）。

主要發現：同情心崩塌（對群體感覺較少）只出現喺有成本條件下。當參與者知道佢哋唔需要俾錢時，佢哋實際上報告對群體嘅同情心多過對個人。

啟示：崩塌唔係大腦嘅硬件故障，而係一種軟件防禦機制。人哋會主動調低對群體嘅同理心，以保護自己免受預期中「太過關心」所帶嚟嘅情感同財務成本。

2.4. 神經學基礎

功能性磁力共振成像 (fMRI) 研究已經繪製出可識別受害者效應背後嘅神經架構，揭示咗對已識別受害者同統計受害者有唔同嘅大腦激活模式。

涉及嘅關鍵大腦區域：

• 伏隔核 (Nucleus Accumbens, NAcc)：呢個預期獎勵區域嘅活躍度可以預測對可識別受害者嘅捐款。呢點支持咗「溫暖光環」(warm glow) 理論：幫一個特定嘅人會激活大腦嘅獎勵迴路，令到慷慨行為本身產生愉悅感。

• 腦島 (Insula) 同內側前額葉皮層 (mPFC)：呢啲負責情感同理心同「心智化」(mentalizing，即思考他人心理狀態) 嘅樞紐，當參與者考慮可識別受害者時，會顯示出更高嘅活躍度，表明自動嘅社會連結更強。

• 顳頂交界區 (Temporoparietal Junction, TPJ)：反常地，呢個區域喺涉及匿名或統計受害者嘅任務中更活躍。TPJ 負責心智理論同心理模擬，表明大腦需要更努力去建構睇唔見嘅受害者嘅人性，而對已識別受害者嘅人性則會自動處理。

• 背外側前額葉皮層 (Dorsolateral Prefrontal Cortex, dlPFC)：呢個「計算中心」對統計資訊嘅激活更強。關鍵係，dlPFC 嘅激活通常同捐款金額呈負相關——當分析大腦啟動時，慷慨程度就會降低。

神經分離：神經科學支持雙重過程理論 (Dual-Process Theory)。可識別受害者任務會調動「情感大腦」（腦島、杏仁核、NAcc），而統計任務就會調動「計算大腦」(dlPFC)。呢兩個系統似乎係互相對抗嘅：激活其中一個通常會抑制另一個。

3. 演化起源

可識別受害者效應好可能係人類認知喺祖先環境中演化出嚟嘅一種適應性特徵，而唔係一個缺陷。我哋嘅道德心理係喺50到150人嘅小群體中發展出嚟嘅，喺嗰個環境入面，每個人都互相認識，每張面孔都認得，而且每一次死亡都係親身經歷嘅。

生存優勢：

喺呢個環境下，對認識嘅人產生強烈情感反應發揮咗關鍵作用：

• 激發對親屬同盟友採取即時保護行動
• 加強社會紐帶同互惠利他網絡
• 發出作為聯盟夥伴可靠性嘅信號
• 確保對特定後代嘅投資，而唔係對「一般兒童」嘅廣泛關心

錯配問題：

我哋大腦嘅演化令我哋一次只可以處理一張面孔嘅苦難。「300萬挨餓兒童」嘅概念對我哋嘅祖先嚟講喺認知上係不可能嘅——佢哋成個世界都未曾有過咁多人。要理解大規模苦難所需嘅統計思維，係演化上近期先出現嘅創新，被移植到專為親密規模同情心而設計嘅情感硬件上。

係特徵，唔係缺陷：

從呢個角度睇，IVE與其話係認知錯誤，不如話係設計限制。我哋嘅情感系統冇辦法隨住受害者數量線性擴展，因為佢係為咗一個潛在受害者最大數量僅限於自己直系社區嘅世界而優化嘅。Slovic 描述嘅「心理物理麻木」遵循韋伯定律 (Weber's Law)——呢個係存在於所有感官模式中嘅一個基本感知原則。我哋無法為一百萬個受害者產生按比例放大嘅感受，就同我哋無法察覺到 1,000,000 支同 1,000,001 支蠟燭之間嘅差別一樣。

權衡：

我哋對已識別個體反應嘅強烈程度，代價係我哋對統計數據作出比例反應嘅能力。演化優先考慮深度多過廣度——與其因為擔心成千上萬人而癱瘓，不如為一個人果斷行動。

4. 呢個偏差點樣表現

4.1. 喺日常生活中

可識別受害者效應以微妙但無處不在嘅方式塑造住日常決定：

• 慈善捐獻：比起描述廣泛需求嘅呼籲，人哋更願意捐錢俾有單一兒童相片嘅籌款活動。「助養兒童」模式就係直接利用咗呢點。

• 新聞消費：關於個人悲劇（一宗綁架案、一個家庭嘅火災）嘅故事，比影響數百萬人嘅系統性問題（長期貧困、地方性疾病）嘅報導能產生更多參與度。

• 個人安全決定：父母可能會過度關注對特定兒童罕見但生動嘅威脅（陌生人綁架），而對統計上更危險嘅問題（汽車座椅安全、泳池監管）投入不足。

• 寵物領養：動物收容所發現，同安樂死率嘅統計數據相比，展示有名字同故事嘅個別動物可以大幅提高領養率。

• 人際幫助：比起回應群體或社區嘅一般要求，人哋更願意幫助一個描述具體問題嘅特定朋友。

4.2. 喺職場上

• 資源分配：管理層可能會優先處理明顯、嚴重嘅問題，而忽視總體影響更大嘅系統性問題。單一員工嘅危機比影響成個團隊嘅漸進式職業倦怠獲得更多關注。

• 績效評估：與穩定嘅統計績效相比，個人高調嘅失敗或成功（可識別事件）可能會不成比例地影響評估。

• 招聘決定：面試中引人入勝嘅個人故事可能會蓋過預測工作成功嘅統計指標。

• 安全投資：戲劇性嘅單一事件可能會引發昂貴嘅應對措施，而具成本效益嘅預防措施就缺乏資金。

• 客戶投訴：一個生動嘅客戶投訴可能會推動比顯示廣泛中度不滿嘅總體滿意度指標更多嘅組織變革。

4.3. 喺商業同營銷中

企業廣泛利用 IVE：

• 真實見證勝過統計數據：「認識減咗50磅嘅 Sarah」比「87%用戶報告體重下降」效果更好，因為 Sarah 係可識別嘅。

• 代言人營銷：品牌會使用個別名人代言，而唔係引用總體消費者滿意度。

• 推銷中嘅說故事：風險投資者對創辦人嘅起源故事反應比對市場規模統計數據更強烈。

• 產品回收：公司會優先回應個別病毒式傳播嘅投訴，而唔係解決更大嘅模式問題。

• 慈善合作夥伴：企業捐贈計劃會主打特定嘅受惠者，而唔係項目嘅影響力指標。

• 保險營銷：廣告會展示生命獲救嘅個體，而唔係精算表。

4.4. 喺政治同媒體中

• 政策議程設定：立法往往跟隨可識別嘅悲劇，而唔係統計分析。一單戲劇性嘅死亡事件可以促成成千上萬匿名死亡都無法推動嘅法律。

• 媒體報導模式：新聞機構會以個人人情趣味故事為頭條，而唔係系統性分析，因為佢哋知道觀眾對前者反應更強烈。

• 政治訊息：候選人會引用個別選民嘅故事（「我喺俄亥俄州遇到一個女人，佢……」），而唔係總體數據。

• 移民辯論：雙方都會運用個人故事——惹人同情嘅難民兒童或者可識別嘅罪案受害者——因為統計數據無法打動人心。

• 戰爭與衝突：公眾對軍事干預嘅支持喺見到特定平民傷亡嘅畫面後會飆升，但對死亡人數統計就無動於衷。

4.5. 喺醫療保健中

IVE 喺醫療資源分配方面造成咗嚴重嘅扭曲：

• 救援法則 (The Rule of Rescue)：醫療系統喺已識別病人嘅臨終干預上花費不成比例，而對可以拯救更多統計生命嘅預防性護理就投資不足。

• 罕見疾病資金：影響可識別病人嘅疾病獲得與其疾病負擔不成比例嘅資金，而常見疾病就資金不足。

• 器官分配：為需要移植嘅特定病人發起嘅公開運動，可能會令設計為統計公平嘅分配系統產生偏差。

• 臨床決策：醫生對眼前嘅病人所做嘅選擇，可能會同佢哋推薦俾有相同症狀嘅統計病人嘅選擇唔同。

• 衛生政策：戲劇性嘅個案推動政策改變（例如強制保險覆蓋），呢啲改變喺人口層面上未必符合成本效益。

• 藥物定價辯論：個別病人負擔唔起藥費嘅故事，比總體影響數據帶動更多政策討論。

4.6. 喺金融同投資中

• 投資敘事：投資者被引人入勝嘅創辦人故事吸引，多過優越嘅財務指標。

• 損失規避不對稱：單一次高調嘅投資失敗（可識別的）所引起嘅行為改變，可能會超出多元化投資組合統計數據所顯示嘅理性範圍。

• 欺詐檢測：資源流向調查特定戲劇性嘅欺詐案件，而唔係建立預防廣泛損失嘅系統。

• 客戶獲取：財務顧問發現，客戶見證喺吸引新業務方面勝過業績統計。

• 危機應對：單一戲劇性嘅市場事件，比同等幅度嘅緩慢統計轉變帶動更多行為改變。

5. 現實世界案例研究

案例研究 1：「女嬰 Jessica」McClure (1987)

• 背景： 1987年10月，18個月大嘅 Jessica McClure 喺德薩斯州美德蘭 (Midland) 跌入一個廢棄水井。救援工作歷時58個鐘。

• 發生咩事： CNN 現場直播咗救援過程，係24小時新聞時代首批重大事件之一。數以百萬計嘅人實時睇住呢場戲劇發生，對呢個單獨嘅幼童命運投入咗感情。

• 偏差點樣運作： Jessica 係典型嘅可識別受害者：年輕、無辜、可見、有名有姓有樣。佢係「已確定」嘅——命運揀中咗佢，而觀眾嘅介入（情感同金錢上）係唯一嘅變數。公眾反應非常熱烈：成千上萬嘅陌生人寄嚟心意卡、玩具熊同錢。呢家人收到超過70萬美元嘅主動捐款。

• 後果： 喺嗰同樣嘅58個鐘裡面，全球有成千上萬嘅兒童因為可預防嘅原因死亡——飢餓、脫水、缺乏基本醫療。如果嗰70萬美元用喺疫苗接種或者賑災上，可以救到幾百條人命。然而，統計上嘅死亡無法同單一已知生命嘅戲劇性抗衡。

• 學到嘅教訓： 「女嬰 Jessica」成為咗 Schelling 理論成真嘅典範例子。呢個案例展示咗可識別性動員資源嘅力量，以及同永遠唔會得到同等關注嘅統計生命之間嘅隱含權衡。

案例研究 2：Ryan White 與 CARE 法案 (1990)

• 背景： 喺1980年代，愛滋病疫情正肆虐美國。不過，由於受害者主要係男同性戀者同靜脈注射毒品者——受污名化嘅群體——列根 (Reagan) 政府嘅反應緩慢且資金不足。受害者被視為統計數字，甚至喺某啲人眼中係咎由自取嘅。

• 發生咩事： Ryan White，一個患有血友病嘅少年，透過輸血感染咗 HIV。佢被印第安納州嘅學校開除，而佢爭取復學嘅法律訴訟成為咗全國新聞。White 係白人、後生、口才好，而且——最關鍵嘅係——「無辜」（佢對自己嘅感染冇責任）。佢喺國會作證，仲上咗全國電視。

• 偏差點樣運作： Ryan White 將「愛滋病受害者」（一個統計上、受污名化嘅群體）變成咗「Ryan」（一個可識別、令人有共鳴嘅男仔）。佢將一場單靠統計數據無法打動人嘅疫症人性化。一直對成千上萬男同性戀者死亡無動於衷嘅公眾，對呢一個少年產生咗強烈反應。

• 後果： 喺 Ryan White 於1990年4月過身後，國會迅速通過咗《Ryan White CARE 法案》，呢個法案成為咗聯邦政府為 HIV/愛滋病患者提供資金最大嘅計劃，提供咗數以十億計美元嘅護理。當受害者係統計數字時停滯不前嘅政策，喺受害者變成一個具體人物後就加速推進。

• 學到嘅教訓： 呢個案例說明咗「立法 IVE」——可識別受害者點樣可以催化抽象數據無法做到嘅政策改變。佢亦揭示咗「無辜受害者」框架令人不安嘅作用，表明 IVE 會受到認知上嘅過錯程度同社會距離所調節。

案例研究 3：Aylan Kurdi (2015)

• 背景： 到咗2015年9月，敘利亞內戰已經導致超過25萬人死亡，數百萬人流離失所。儘管數字驚人，歐洲同全球嘅反應仍然相對冷淡。

• 發生咩事： 2015年9月2日，三歲敘利亞難民 Aylan Kurdi 嘅屍體被沖上土耳其一個海灘。佢細小嘅身軀面朝下伏喺沙灘上嘅相片，登上咗全球各大報紙嘅頭版。

• 偏差點樣運作： Paul Slovic 同佢嘅同事分析咗呢件事嘅影響。喺呢張相出現之前，25萬嘅死亡人數只係產生咗好少嘅關注——典型嘅心理麻木。Aylan 嘅單一影像令到捐俾瑞典紅十字會嘅款項呈直線飆升（幾日內增加咗100倍），喺 Google 上搜尋「敘利亞」同「難民」嘅次數亦激增。

• 後果： 關注度嘅飆升雖然強烈但係短暫。Slovic 嘅數據顯示，喺六個星期內，搜尋量同捐款率就回落到基準水平，儘管戰爭依然持續。Aylan 已經成為咗統計數據嘅一部分。

• 學到嘅教訓： 呢個案例展示咗可識別性突破麻木嘅力量，以及呢種突破嘅脆弱性。IVE 會製造出一閃即逝嘅強烈情感，一旦受害者退回匿名嘅大眾之中，呢種情感就好難維持。

歷史例子：「聖誕女孩」思想實驗

Thomas Schelling 喺1968年最初嘅構想本身就係一種歷史案例研究。佢描述咗一個假想嘅六歲啡髮小女孩，需要喺聖誕節前做手術，預測郵局會被「湧入嘅零銀碎鏰淹沒」，而一份關於醫院設施惡化導致可預防死亡嘅統計報告就唔會有任何迴響。

呢個思想實驗自此之後被驗證過無數次。「願望成真基金」(Make-A-Wish Foundation)、聖猶達兒童研究醫院 (St. Jude's) 嘅廣告、美國愛護動物協會 (ASPCA) 突出個別動物嘅廣告——全部都將 Schelling 嘅見解付諸實行：社會將已識別生命嘅價值睇成近乎無限，而對待統計生命就當佢哋連一張郵票嘅價值都冇。

6. 呢個偏差嘅代價

6.1. 個人代價

• 同情心錯配：個人將佢哋嘅慈善預算同情感能量耗盡喺已識別嘅原因上，而系統性地忽視咗更高影響力嘅機會。

• 容易受情感操縱：容易受故事而唔係統計數據影響，令人成為熟練嘅敘事者操縱嘅目標。

• 決策後悔：反思之後，人哋可能會對未能將佢哋本來可以做到嘅善事最大化嘅情感決定感到後悔。

• 同情心疲勞：對已識別受害者嘅強烈情感反應會導致耗竭，剩低較少能力去持續參與。

• 道德困境：意識到 IVE 會產生罪惡感——知道自己嘅情感反應同自己聲稱關於人類價值平等嘅價值觀唔一致。

6.2. 專業代價

• 次優嘅資源分配：由情感反應而唔係影響力分析主導嘅組織，可能無法有效率地實現佢哋嘅使命。

• 危機驅動嘅管理：優先處理可識別嘅問題而唔係統計模式，會導致被動而唔係主動嘅組織文化。

• 錯失預防機會：以犧牲無形預防為代價，投資於可見嘅救援行動，代表住一種系統性嘅錯配。

• 聲譽波動：對個人投訴作出不成比例回應嘅組織，可能會顯得反覆無常或者武斷。

6.3. 社會代價

IVE 喺整個社會嘅總成本好難量化，但幾乎肯定係非常巨大嘅：

• 醫療保健效率低下：「救援法則」驅使醫療開支流向對已識別病人嘅戲劇性干預，而遠離具成本效益嘅預防措施。數百萬本來可以透過疫苗接種、衛生設施或早期篩查獲救嘅人死亡，而資源就流向咗末期救援。

• 政策扭曲：以個別受害者命名嘅法律，未必係應對問題嘅最佳反應。「梅根法案」(Megan's Law)、「亞當法案」(Adam's Law) 以及類似嘅法例，反映咗對悲劇嘅情感反應，而唔係建基於證據嘅政策設計。

• 慈善效率低下：數以十億計嘅慈善資金流向有可識別受惠者嘅事業，而唔係每蚊邊際影響最高嘅干預措施。

• 國際援助模式：富裕國家可能會花更多錢去拯救少數可識別受害者（戲劇性嘅賑災、高調嘅難民個案），而唔係投入可以預防更多苦難嘅系統性發展援助。

6.4. 統計影響

研究結果量化咗呢個效應嘅幅度：

• 喺 Rokia 研究中，對已識別受害者嘅捐款大約係對呈現相同需求嘅統計受害者捐款嘅兩倍。

• Kogut 同 Ritov 發現，單一被識別嘅兒童產生嘅捐款，比八個被識別兒童加埋仲要多。

• Slovic 對 Aylan Kurdi 效應嘅分析顯示，喺相片曝光後，捐款立即飆升咗100倍，然後喺六個星期內回落到基準水平。

• 跨文化研究表明，效應嘅幅度有顯著差異，部分人群顯示出相反嘅模式，表明至少部分「代價」可能具有文化特異性。

7. 隱藏嘅好處

可識別受害者效應並非純粹嘅適應不良。喺好多情況下，佢發揮住重要嘅心理同社會功能：

• 行動動機：如果冇咗可識別受害者嘅情感吸引力，幫助嘅衝動可能會完全消失。「洞察的冷酷」研究表明，單靠理性分析會產生更少嘅捐贈，而唔係更好嘅捐贈。IVE 係現實世界中好多利他行為嘅引擎。

• 社會連結：對已識別個體嘅強烈反應會加強社會紐帶，並發出作為社區成員可靠嘅信號。喺祖先環境中，呢點係直接適應嘅。

• 適當嘅優先排序：喺好多個人情境下，將認識嘅人置於抽象統計數據之上係完全恰當嘅。關心自己嘅仔女多過統計學上嘅兒童，並唔係一個需要糾正嘅偏差。

• 敘事意義構建：人類心理係圍繞敘事而唔係統計數據組織嘅。已識別嘅受害者提供咗一個故事結構，令苦難變得可以理解，令行動變得有意義。

• 廣泛行動嘅催化劑：好似 Ryan White 呢啲個別案例可以作為系統性變革嘅切入點。已識別受害者打開咗人心；聰明嘅倡導者然後將呢股能量轉向更廣泛嘅解決方案。

• 道德錨點：對已識別苦難嘅強烈反應可能作為一個「道德錨點」，防止人命完全被工具化。一個對一個人死同對一百萬人死感覺一樣嘅社會，將會冷酷得令人害怕。

目標可能唔係消除 IVE，而係善用佢嘅動機力量，同時透過建立系統同機構嚟應對統計學上嘅苦難，以作補充。

8. 自我評估：你有冇呢個偏差？

8.1. 警告信號清單

• 我發現比起引用統計數據嘅呼籲，附有個人相片同故事嘅籌款呼籲更令我感動
• 我曾經捐錢幫助喺新聞見到嘅特定人物，而忽略咗更有效嘅捐贈機會
• 當我聽到大規模悲劇時，我對每個受害者嘅情感感受，比起聽到個人悲劇時更少
• 我會優先幫助我認識嘅人多過陌生人，即使陌生人嘅需求可能更大
• 我曾經被瘋傳嘅個人故事感動而採取行動，同時忽略咗系統性問題
• 當我能夠想像到特定嘅受惠者時，我會覺得更有責任去幫手
• 關於苦難嘅統計數據感覺好抽象，無法激發我採取行動
• 當特定個人提出請求時，我比代表許多人嘅組織提出請求時更願意幫手
• 一旦受害者成為更大統計模式嘅一部分，我發現好難持續關心佢哋
• 我覺得「完全」幫助一個人，比部分地幫助許多人更有滿足感

計分：

• 剔咗 0-2 項：低敏感度（非常不尋常——考慮吓你係咪完全誠實）
• 剔咗 3-5 項：中等敏感度（大多數人嘅典型範圍）
• 剔咗 6-8 項：高敏感度（你受到可識別性嘅強烈影響）
• 剔咗 9-10 項：極高敏感度（呢個偏差強烈塑造咗你嘅助人行為）

註：呢個偏差幾乎係普遍存在嘅。「中等」分數係正常嘅，極低嘅分數可能表示少報咗而唔係免疫。

8.2. 自我反思問題

1. 回想吓你最近三次嘅慈善捐款。佢哋係由個人故事定統計需求引起嘅？如果你睇到總體影響數據，你會唔會捐得唔同？

2. 上一次單靠統計數據——冇附帶個人故事——打動你採取行動係幾時？係咩令嗰個情況與眾不同？

3. 如果你得知你嘅幫助行為系統性地偏向可識別受害者，你會唔會想改變佢？點解會或者點解唔會？

4. 當你閱讀關於持續大規模苦難（全球貧困、可預防疾病死亡）嘅統計數據時，你有咩感覺？缺乏強烈感覺會唔會令你擔心？

5. 有冇其他人曾經指出你似乎對個別案例比對更大嘅模式更感動？你點樣回應？

8.3. 快速診斷情景

情景： 一間慈善機構寄俾你兩個籌款呼籲。呼籲 A 主打危地馬拉一個8歲女童 Maria，附有相片並描述你50美元嘅捐款將如何為佢提供一年嘅乾淨食水。呼籲 B 展示數據，顯示同樣嘅50美元透過唔同嘅計劃可以為5名兒童提供乾淨食水，但冇提供個別相片或者名。

你會點樣回應？

• A) 我肯定會捐俾呼籲 A——Maria 嘅故事好吸引，而且我完全想像到我幫緊邊個。 → 高敏感度
• B) 我可能會捐俾呼籲 A，雖然我知道呼籲 B 幫到更多兒童可能會覺得有啲內疚。 → 中等敏感度
• C) 我會捐俾呼籲 B——5:1 嘅比例代表我嘅錢做到更多善事，無論我想像唔想像到受惠者係邊個。 → 低敏感度

9. 喺其他人身上識別呢個偏差

9.1. 行為指標

• 對個人新聞故事嘅情感反應與統計報告相比不成比例
• 慈善捐款集中喺有高調個人受惠者嘅事業上
• 一旦即時嘅個人故事淡出，好難維持對持續危機嘅關心
• 偏好「助養兒童」計劃多於系統性干預
• 對特定個體嘅請求反應強烈，對組織呼籲反應冷淡
• 傾向喺社交媒體上分享個人受害者故事，同時忽略統計背景
• 資源分配優先考慮可見、嚴重嘅問題，而唔係更大嘅系統性問題

9.2. 對話危險信號

人哋喺呢個偏差下會講嘅說話：

• 「我要見到個樣先會真正關心」
• 「統計數據打動唔到我——我需要知道我幫緊邊個」
• 「呢個感覺就好似杯水車薪——我可以改變到啲乜？」
• 「我寧願確實救到一個人，好過可能幫到一百個人」
• 「嗰個只係一個數字——呢啲係活生生嘅人」

佢哋會提出嘅論點類型：

• 否定統計證據，偏好個人軼事
• 爭論「真正嘅影響力」需要同受惠者有個人聯繫
• 辯稱情感反應比經過計算嘅捐獻更「真實」

佢哋會避免問嘅問題：

• 「我嘅捐款有咩邊際影響？」
• 「呢筆錢可以喺其他地方救到更多人命嗎？」
• 「我捐錢係為咗感覺良好，定係為咗做善事？」

9.3. 情境觸發因素

• 媒體曝光：個人悲劇嘅新聞報導會激活偏差；統計報導則做唔到。

• 相片同名字：視覺識別會大幅增加敏感度。

• 接近性同相似性：內團體受害者比外團體受害者更強烈地觸發偏差。

• 請求框架：突出特定受惠者嘅呼籲會激活偏差；總體呼籲則唔會。

• 情緒狀態：現有嘅情緒喚起可能會放大效應。

• 時間壓力：快速嘅決定可能更依賴情感反應，增加 IVE 嘅影響。

• 預期成本：知道將會有求助請求，會增加對群體嘅防禦性麻木。

10. 認知去偏差策略

10.1. 即時技巧

• 數字核對：喺回應已識別受害者呼籲之前，問吓自己：「如果呢個以統計數據呈現，我仲會唔會咁樣回應？」將兩者之間嘅差異作為資訊。

• 反向測試：問吓自己：「如果我對統計數據冇感覺，我應該對個體感覺少啲——定係我應該嘗試對統計數據感覺多啲？」

• 影響力計算：明確計算你幫助嘅邊際影響。救到幾多條人命？防止咗幾多年嘅受苦？將數學具體化。

• 刻意暫停：當被個人故事感動時，延遲決策24至48個鐘，等情緒強度緩和落嚟。

• 統計轉換：將個人故事轉換為等效嘅統計數據：「呢一個兒童代表咗處於相同情況嘅一萬個兒童。」

10.2. 長期策略

• 培養定量直覺：練習以 QALY（質量調整壽命年）、每蚊拯救生命數或類似指標嚟思考影響力，直到佢哋變得有情感意義。

• 制定捐贈規則：預先確立有幾多百分比嘅捐款會流向統計上有效嘅事業，無論情感訴求係點。

• 培養「統計同理心」：透過想像練習，練習對大數字感受到適當嘅情感分量，明白1000次死亡就係1000個悲劇，而唔係一個碰巧好大嘅悲劇。

• 學習有效利他主義：參與有效利他主義運動嘅資源，發展以影響力為導向嘅助人框架。

• 圍繞影響力建立認同：將自我概念由「慷慨嘅人」轉變為「有效嘅幫助者」，令情感滿足同統計優化保持一致。

10.3. 環境設計

• 資訊預設：建立喺情感訴求旁邊展示影響力數據嘅資訊來源。

• 捐贈承諾：公開承諾將一定比例嘅收入捐俾有效嘅事業，令決定免受短暫情緒嘅影響。

• 慈善評估工具：使用 GiveWell 呢類資源，根據影響力預先篩選捐贈機會，然後捐俾預先選定嘅組織，唔受情感牽引。

• 社會問責：加入重視有效捐贈嘅社群，為以影響力為導向嘅決定創造社會強化。

• 自動捐贈：設定自動捐款俾有效嘅慈善機構，減少接觸具有操縱性嘅個人呼籲。

10.4. 幾時需要尋求外部意見

• 當面臨大額慈善捐款決定時
• 當組織資源正根據個別案例進行分配時
• 當政策決定正被可識別受害者嘅敘事所驅動時
• 當你察覺到對個人故事有似乎不成比例嘅強烈情感反應時
• 當其他人指出你嘅捐贈或資源分配似乎受情感驅動而唔係影響力驅動時

11. 實用練習

練習 1：等化練習

• 目標： 培養對統計上嘅苦難有適當感受嘅能力
• 所需時間： 15 分鐘
• 所需材料： 關於有傷亡統計嘅大規模悲劇嘅新聞文章
• 難度級別： 中級
• 指示：
  1. 閱讀文章並留意傷亡人數（例如「200人喪生」）
  2. 喺腦海中挑選一個受害者——俾佢一個名、年齡、家庭、人生故事
  3. 花2分鐘充分想像呢一個人嘅經歷同佢家人嘅悲痛
  4. 留意你嘅情感反應
  5. 而家有意識地將嗰個反應乘以受害者人數——呢個就係200個悲劇實際代表嘅意義
  6. 感受住呢個乘數嘅重量，靜坐2分鐘
  7. 留意你最初對「200」嘅反應，同練習後嘅反應有咩分別
• 反思問題：
  • 喺練習過程中，你嘅情感體驗有咩改變？
  • 點解「200」最初感覺似一個悲劇而唔係200個悲劇？
  • 你可以點樣將呢個練習融入到日常新聞消費中？
• 頻率： 每週一次，當遇到大規模傷亡統計數據時

練習 2：影響力審計

• 目標： 將捐贈行為同聲稱關於影響力嘅價值觀保持一致
• 所需時間： 30 分鐘
• 所需材料： 過去一年慈善捐款嘅紀錄、可以訪問慈善評估資源 (GiveWell.org)
• 難度級別： 中級
• 指示：
  1. 列出過去一年所有慈善捐款同金額
  2. 註明邊啲係由個人故事引起，邊啲係由統計分析引起
  3. 研究每個組織嘅成本效益（使用 GiveWell 或類似網站）
  4. 計算每筆捐款估計救到嘅人命或者防止到嘅苦難
  5. 將你實際嘅影響力，同將相同總額捐俾最有效機會可以達到嘅影響力進行比較
  6. 設定一個目標，將部分百分比重新分配到更高影響力嘅捐款上
• 反思問題：
  • 你喺你嘅捐贈觸發因素中留意到咩模式？
  • 你對實際影響力同潛在影響力之間嘅差距有咩感覺？
  • 有咩障礙令你覺得好難根據有效性嚟捐款？
• 頻率： 每年一次

練習 3：統計同理心冥想

• 目標： 建立對大數字嘅情感能力
• 所需時間： 10 分鐘
• 所需材料： 寧靜嘅空間、計時器
• 難度級別： 初級
• 指示：
  1. 揀一個統計悲劇（例如「每日有1.5萬名兒童死於可預防嘅原因」）
  2. 設定計時器為10分鐘
  3. 用頭3分鐘想像一個單獨嘅兒童——佢嘅臉孔、佢嘅名、佢最後嘅時刻
  4. 用接下來嘅5分鐘慢慢擴展：一班兒童，然後一間學校，然後一個滿佈學校嘅城鎮，然後城市，然後每日嘅全球總數
  5. 隨著數字增加，嘗試保持情感連結
  6. 喺最後2分鐘，留意你嘅情感反應喺邊度變得平淡，並溫和地推動自己跨越佢
• 反思問題：
  • 你嘅情感反應喺咩數字開始變得平淡？
  • 跨越嗰種平淡感覺係點嘅？
  • 定期練習可能會點樣改變你對統計數據嘅反應？
• 頻率： 每週一次

日常練習

每日花5分鐘閱讀一個大規模問題（全球貧困、氣候變化、可預防疾病），並有意識地將統計數據轉化為個人嘅人類經歷。練習講：「呢個數字代表 N 個獨立嘅悲劇，每一個都同我聽過嘅任何故事一樣咁真實。」

• 建議時間：5 分鐘
• 一日中最佳時間：朝早，喺接觸個人新聞故事之前
• 點樣追蹤進度：寫日記記錄對統計數據嘅情感反應，留意隨住時間推移嘅任何變化

每週挑戰

每個月揀一個星期，純粹根據影響力指標嚟做所有助人決定，忽略情感訴求。記錄低呢種感覺以及你學到嘅嘢。

• 4星期後預期結果：對情緒觸發因素有更大嘅意識；評估影響力嘅能力提高；更好咁整合情感同分析
• 反思嘅日記提示：
  • 忽略情感訴求嘅感覺係點？
  • 我有冇留意到任何如果唔係咁做，我本來會回應嘅情感訴求？
  • 關於我嘅捐贈模式，我學到啲咩？

12. 針對特定受眾

俾領導者同管理層

IVE 可以顯著扭曲組織資源分配。領導者應該：

• 實施要求喺個人案例演示旁邊附上影響力指標嘅系統
• 建立平衡情感顯著性同統計顯著性嘅決策框架
• 培訓團隊識別幾時個別案例正喺度驅動不成比例嘅資源分配
• 設計能夠引人入勝地展示總體數據嘅報告系統，而唔淨係得個人故事
• 喺向董事局或持份者匯報時，有意識咁平衡情感敘事同影響力數據
• 審計過去嘅決定，搵出由 IVE 驅動嘅資源錯配模式

俾父母同教育工作者

小朋友可以從小學習成比例嘅幫助：

• 適合年齡嘅解釋（8-12歲）： 「我哋個心想幫我哋見到同認識嘅人，但仲有好多我哋睇唔見嘅人都需要幫手。唔知道某個人個名，唔代表佢哋冇咁重要。」

• 課堂活動： 俾學生一個固定嘅「助人預算」，並向佢哋展示個人故事同統計需求。討論情感反應同實際影響力之間嘅差異。

• 家庭練習： 一齊睇新聞嗰陣，指出對個人悲劇同統計模式報導嘅分別。問：「你覺得點解呢一個故事得到嘅關注，會多過呢啲更大嘅數字？」

• 示範： 示範以影響力為導向嘅捐贈，同時亦有受情感驅動嘅捐贈，並明確討論兩者嘅分別。

俾醫療保健專業人員

「救援法則」喺臨床環境中表現得非常強烈：

• 識別出你面前嘅已識別病人，幾時攞緊本來可以令更多統計病人受惠嘅資源
• 倡導平衡個人救援同人口健康嘅政策框架
• 喺臨終討論中，幫助家屬理解英勇干預同預防性護理之間嘅權衡
• 支持基於 QALY 優化嚟分配資源嘅機構系統，即使呢點同已識別病人嘅吸引力有衝突
• 喺研究資金決定中，有意識咁權衡疾病嘅統計負擔同個別病人引人入勝嘅故事

俾金融專業人員

• 幫助客戶識別投資決定幾時被引人入勝嘅個人故事驅動，而唔係統計分析
• 喺慈善建議中，喺情感聯繫旁邊引入影響力指標
• 培訓財富顧問喺提出情感上引人入勝嘅呼籲時，同時提供有效嘅捐贈機會
• 喺機構投資中，實施要求喺考慮敘事之前先進行定量分析嘅盡職調查流程
• 幫助基金會制定撥款框架，平衡已識別受惠者嘅吸引力同統計影響力

13. 同其他偏差嘅相互作用

放大呢個偏差嘅偏差

抵消呢個偏差嘅偏差

常見偏差鏈

同情心崩塌鏈： 可識別受害者效應 → 範圍麻木 → 偽無效 → 同情心崩塌

當一個個別受害者引起注意 (IVE)，隨後無法擴大關心 (範圍麻木) 會導致覺得幫助更大問題係徒勞嘅 (偽無效)，最終導致主動嘅情緒調節，完全關閉同情心 (崩塌)。

中斷策略： 喺偽無效階段介入，將部分解決方案重新定義為有意義而唔係徒勞。專注於實際幫助到嘅人數，而唔係解決問題嘅比例。

14. 文化視角

跨文化研究揭示咗 IVE 並唔係一個普遍常數。認為可識別性總會放大幫助行為嘅假設，似乎係一個以西方為中心嘅發現。

關鍵研究： Wang, Tang 同 Wang (2015) 使用標準 IVE 範式比較咗美國同中國參與者。美國參與者顯示出典型嘅模式（捐俾已識別個體更多），而中國參與者就顯示出相反嘅模式（捐俾群體更多）。呢點被歸因於自我建構嘅差異：獨立嘅自我優先考慮焦點個體，而互相依賴嘅自我優先考慮集體影響。

啟示： 使用西式以個人為焦點嘅籌款方法嘅國際非政府組織，可能會發現佢哋嘅呼籲喺東亞背景下冇咁有效——甚至適得其反。有效嘅跨文化人道主義溝通，可能需要將呼籲風格同文化取向相匹配。

15. 迷思與誤解

16. 專家見解

「試想像一個六歲、啡頭髮嘅小女孩需要幾千蚊做手術嚟延續佢嘅生命到聖誕節，郵局就會被寄嚟救佢嘅零銀碎鏰淹沒。但係如果報導話，如果冇銷售稅，麻省嘅醫院設施就會惡化，導致可預防死亡人數出現難以察覺嘅微增——冇幾多人會流一滴眼淚或者拎出支票簿。」 — Thomas Schelling, 《你拯救的生命可能是你自己的》(The Life You Save May Be Your Own) (1968)

「如果我望住大眾，我永遠唔會行動。如果我望住嗰一個人，我會。」 — 德蘭修女 (Mother Teresa)（喺 IVE 文獻中經常被引用）

「統計數據係抹乾咗眼淚嘅人類。」 — Paul Brodeur，經常被 Paul Slovic 引用

「人心只識數『一』，唔識數『一百萬』。」 — IVE 研究嘅總結原則

17. 關鍵要點

1. 呢個效應喺西方人群中好強大而且幾乎普遍存在：幾十年嘅研究一致表明，已識別嘅個體產生嘅幫助多過統計受害者。

2. 確定性獨立於生動性而發揮作用：純粹知道受害者係確定嘅（相對於機率性）就會增加幫助，即使冇名、相片或者故事。

3. 奇點效應代表一個贏多個：單一已識別受害者往往比一組已識別受害者產生更多幫助，即使嗰組人嘅客觀需求更大。

4. 統計數據可以污染情感訴求：喺個人故事中加入統計背景會減少而唔係增加捐款。

5. 深思熟慮嘅處理係一把雙刃劍：啟動理性分析會減少 IVE，但可能會減少總幫助量，而唔係重定向幫助。

6. 呢個偏差存在文化差異：東方集體主義文化可能會顯示相反嘅模式，群體產生嘅反應多過個體。

7. 目標可能係整合，而唔係消除：最有效嘅方法可能係利用已識別受害者嘅動機力量，同時建立將資源轉向統計有效性嘅系統。

18. 進一步資源

學術論文

• Schelling, T. C. (1968). The life you save may be your own. In S. B. Chase, Jr. (Ed.), Problems in public expenditure analysis (pp. 127-162). Brookings Institution.
• Small, D. A., & Loewenstein, G. (2003). Helping a victim or helping the victim: Altruism and identifiability. Journal of Risk and Uncertainty, 26(1), 5-16.
• Kogut, T., & Ritov, I. (2005). The "identified victim" effect: An identified group, or just a single individual? Journal of Behavioral Decision Making, 18(3), 157-167.
• Small, D. A., Loewenstein, G., & Slovic, P. (2007). Sympathy and callousness: The impact of deliberative thought on donations to identifiable and statistical victims. Organizational Behavior and Human Decision Processes, 102(2), 143-153.
• Cameron, C. D., & Payne, B. K. (2011). Escaping affect: How motivated emotion regulation creates insensitivity to mass suffering. Journal of Personality and Social Psychology, 100(1), 1-15.
• Wang, Y., Tang, J., & Wang, X. (2015). Cultural differences in donation decision-making. PLoS ONE, 10(9), e0138219.

書籍

• Slovic, P. (2010). The Feeling of Risk: New Perspectives on Risk Perception. Routledge.
• MacAskill, W. (2015). Doing Good Better: How Effective Altruism Can Help You Help Others, Do Work that Matters, and Make Smarter Choices about Giving Back. Avery.
• Bloom, P. (2016). Against Empathy: The Case for Rational Compassion. Ecco.
• Singer, P. (2015). The Most Good You Can Do: How Effective Altruism Is Changing Ideas About Living Ethically. Yale University Press.

書籍章節

• Jenni, K. E., & Loewenstein, G. (1997). Explaining the "identifiable victim effect." In Journal of Risk and Uncertainty, 14(3), 235-257.

19. 總結卡

20. 術語表

21. 討論問題

俾讀書會、課堂或者自我反思：

1. 如果你知道你嘅情感反應系統性咁偏離咗影響力最大化，你會唔會想推翻佢哋？咁做可能會失去啲咩？

2. 可識別受害者效應究竟係一個需要修復嘅「缺陷」(bug)，定係一個本來就令同情心成為可能嘅「特徵」(feature)？

3. 慈善機構應該點樣平衡佢哋最大化影響力嘅責任，同已識別受害者呼籲籌到更多錢嘅現實情況？

4. 利用已識別受害者嘅呼籲嚟為統計干預措施籌款，有咩道德含義？

5. IVE 嘅文化差異（西方模式同東亞模式）係咪暗示咗我哋嘅道德直覺係由文化建構嘅，而唔係反映普遍嘅人類價值觀？

6. 如果醫療系統採用純粹功利主義嘅資源分配（放棄救援法則），會得到咩同失去咩？

7. 如果記者意識到並試圖喺佢哋嘅報導中對抗 IVE，媒體報導會有咩改變？