📖 개념 정의
평균 모형은/는 개인이 타인에 대한 인상을 형성할 때, 수집된 여러 성향 정보의 평가값을 단순 합산하는 것이 아니라 가중 평균하여 전체적인 인상을 형성한다는 정보 처리 이론이다. 이 모형은 인간의 인지적 경제성을 반영하며, 긍정적인 정보와 부정적인 정보가 동시에 주어졌을 때 정보의 평균값에 따라 인상의 방향과 강도가 결정되는 심리 메커니즘을 설명한다.
💡 1분 만에 이해하기
평균 모형은 우리가 사람을 파악할 때 받은 점수들을 몽땅 더하는 것이 아니라 중간값을 매기는 것과 같다. 마치 시험 성적의 평균을 내듯, 상대방에 대한 여러 특징의 좋고 나쁨을 섞어서 전체적인 이미지를 그린다. 따라서 아주 훌륭한 장점이 있어도 평범하거나 약간 안 좋은 점이 섞이면 전체 인상이 깎이게 된다.
🔬 이론적 배경 및 대표 연구
앤더슨(Anderson, 1965)은 피험자들에게 서로 다른 호감도의 형용사 조합을 제시하고 인상 평가를 내리게 하는 실험을 진행했다. 이 연구에서 긍정적인 형용사에 매우 긍정적인 형용사를 추가했을 때, 단순 합산 모형의 예측과 달리 전체 인상 평가가 오히려 낮아지는 현상이 발견되어 평균 모형의 타당성을 입증했다.
⚠️ 흔히 하는 오해와 진실
많은 사람들이 타인에 대해 좋은 정보를 많이 모을수록 무조건 인상이 좋아진다고 오해한다. 그러나 평균 모형에 따르면 긍정적 정보라도 평균을 깎아내릴 만큼 아주 강렬하지 않다면 전체적인 첫인상의 평균치를 희석시킬 수 있다.
🎯 실전 적용 가이드
- 중요한 면접이나 소개 자리에서는 불필요하게 평범하거나 약한 장황한 자기소개보다 가장 강력한 핵심 장점 하나를 어필하세요.
- 상대방에게 단점을 보일 때, 그것이 전체 평균 인상을 크게 떨어뜨리지 않도록 맥락을 잘 설명하세요.
- 타인을 평가할 때 사소한 단점 하나가 전체적인 뛰어난 능력과 인성을 가려버리는 평균화의 오류를 경계하세요.
📌 일상 속 구체적 사례
민수는 소개팅에서 상대방이 너무나 친절하고 유머 감각이 뛰어나다는 것을 알게 되어 첫인상이 매우 좋았다. 하지만 대화 도중 가끔 내뱉는 다소 무례한 말투가 섞이면서 민수가 느끼는 최종 호감도는 처음 기대했던 것보다 낮아졌다. 이는 사소한 단점의 정보가 전체적인 긍정적 평가의 평균을 깎아내렸기 때문이다.
📋 표준 학술 표기 정보
| 한자 표기 (漢字) | 平均模型 |
|---|---|
| 영어 / 원어 표기 | average model |
❓ 자주 묻는 질문
대수 합산 모형과는 어떤 차이가 있나요?
대수 합산 모형은 긍정적인 정보가 많을수록 인상이 계속해서 좋아진다고 보는 반면, 평균 모형은 정보의 개수보다는 평균적인 가치에 따라 인상이 결정된다고 봅니다.
모든 상황에서 평균 모형만 적용되나요?
상황이나 개인의 인지적 성향에 따라 달라질 수 있으며, 정보의 중요도에 가중치를 부여하는 가중 평균 모형으로 확장되어 설명되기도 합니다.
💡 [] 항목은 현재 집필/발행 준비 중입니다.