图片: 黄仔 | 撰稿: Fay | 责编: 铃兰 原创文章,未经许可,请勿
打开网易新闻 查看精彩图片
图片: 黄仔 | 撰稿: Fay | 责编: 铃兰 原创文章,未经许可,请勿

姐妹们早上好啊,今天是甄学家·Fay~

要说到什么剧最经典、百追不厌,那必须是《甄嬛传》了!其中最让Fay哭得稀里哗啦的一段,就是嬛嬛怀着孕跪求皇上对家人网开一面,却看到信纸上写着:

看着都要心碎啦! ▲图片来源:网络
打开网易新闻 查看精彩图片
看着都要心碎啦! ▲图片来源:网络

「莞莞类卿」,真是让人唏嘘不已啊……

不止甄嬛传,Fay还看过很多影视剧和小说中,都有类似的替身情节:男主的白月光因故逝世,或是俩人永远不能在一起,后来偶然间遇到了一位十分相似的人,就把她当做了前任替身,发展出了一段情爱纠葛……

呜呜,心疼嬛嬛 ▲图片来源:网络
打开网易新闻 查看精彩图片
呜呜,心疼嬛嬛 ▲图片来源:网络

「莞莞类卿」的情节真的这么普遍吗?我们为什么总是会喜欢类似的人?

打开网易新闻 查看精彩图片

人类真的很容易「莞莞类卿」

真相确实有些残忍……

2023年一篇名为《Stability and Change of Individual Differences in Ideal Partner Preferences Over 13 Years》的研究,通过了长达13年的时间发现:大多数人的理想型都相当稳定。

▲图片来源:参考文献[1]
打开网易新闻 查看精彩图片
▲图片来源:参考文献[1]

这项研究共招募了204名参与者,其中104名为女性,100名为男性,平均年龄是46.2岁。

研究人员首先测试了参与者们的理想伴侣画像,测试涵盖了外貌、性格、智商、人生规划、经济条件、家庭情况等多达58种特征,全面刻画出了他们的理想型

13年后,研究人员再次评估了参与者们的理想型,结果发现:

虽然随着年龄的增长,人们对「地位、资源」等维度会更加看重一些,或是随着自己的经历会更清晰自己需要什么样的伴侣,忍受不了什么样的伴侣,但总体来说,大家还是会对「某一款」十分钟情,理想伴侣的整体画像前后相关系数达到0.73(最高是1)

这说明,大多数人的理想型都相当稳定,前任和现任可能是比较相似的。

2019年的一项名为《 Consistency between individuals’ past and current romantic partners’ own reports of their personalities. Proceedings of the National Academy of Sciences》的研究,更是「吃瓜不嫌事大」,他们不仅招募了参与者,还一起招募了参与者的前任和现任,通过性格特征的评估发现,大部分人的前任和现任都有显著的相似性

不过这里有一点特别有意思,研究发现了一个例外情况,那就是对于e人来说,他们的伴侣相似性较弱,这表明e人不太可能与类似于前任的人建立关系

想想也有道理,毕竟社牛e人可能什么类型都想尝试一下,oh!勇敢的e人,这个世界没你们可真不行鸭~

打开网易新闻 查看精彩图片

▲图片来源:giphy

打开网易新闻 查看精彩图片

你为什么总会爱上相似的人?

既然如此,难道我们每个人都可能是别人的替身吗?

不一定,你替的可能不是对方的前任或是什么爱而不得的人,「替」的或许只是性转版的ta。

因为人们总是更倾向于喜欢与自己相似的人,《亲密关系》一书中说道:人际吸引最基本的原则之一就是同性相吸(相类似的人彼此吸引对方)。

相像的方面具体指哪些呢?答案几乎包括任何方面。

首先就是在年龄、性别、种族、教育程度、宗教信仰和社会地位等人口统计学上的相像,你想想自己最好的朋友以及伴侣是不是在这些方面有很多共同点?

其次是态度和价值观的相像(咳咳,怨不得Fay和闺蜜的相识就来自于我俩共同讨厌某个人,一起骂得多了,自然就变成好朋友了hhhh)。

最后就是性格的相似,处事风格和人格特质相像的人往往在彼此邂逅时就能和睦相处。

2016年一项名为《Similarity in relationships as niche construction: Choice, stability, and influence within dyads in a free choice environment》的研究中,实验人员让参与者在大型讲座上与他们不认识的人互动,最后匹配成1523对,并在稍后完成一项态度、价值观和性格特征的调查。

结果发现,有23%的人在第一次见面后依旧保持联系,而这些人与他们认识的人有显著的相似性。

这说明,你无论是和一个人成为伴侣还是成为朋友,也许你们之间的链接,早已在冥冥之中注定了,那个链条,就是你们的相似性

所以,无论是你选择伴侣还是伴侣选择你,你们可能都选择了和自己相似的人,不过由于上一个伴侣也是如此选的,就造成了前任和现任的相似。

打开网易新闻 查看精彩图片

▲图片来源:giphy

第二个原因,就是人们更倾向于喜欢熟悉的人

这可能与我们人类的进化有关,在以前,熟悉的环境以及同伴则意味着安全,陌生的事物可能蕴藏着危险,所以这一反应便一直留在了我们的基因里。

心理学中的「曝光效应」也可以解释这一反应,如果你每天都见到某人或某件事物,随着时间的推移,你可能会习惯ta们,看到ta们就会感觉舒服和放松,进而越来越喜欢。

比如你已经习惯了前任185+的身高、健壮的肱二头肌、有弹性的胸肌以及形状好看的腹肌,再次遇到熟悉的身形,可能就会勾起你昔日青涩的回忆,这种熟悉感让你尤为心动……

2018年一项名为《Understanding the reminiscence bump: A systematic review》的研究,就对68篇和人类回忆有关的论文进行了分析,结果发现人们对自己10~30岁发生的事件尤为深刻

青春回忆最是珍贵,它们突破了遗忘曲线,没有随着时间的流逝而逐渐模糊褪色,年轻时的爱人和故事,一直留在了我们的大脑之中……

打开网易新闻 查看精彩图片

▲图片来源:giphy

打开网易新闻 查看精彩图片

「莞莞类卿」是真爱吗?

上面我们说到,「莞莞类卿」是一个很常见的现象,它不能一概而论,如果仅仅是因为人类喜欢选择和自己相似的人或是熟悉感的话,Fay个人觉得哈,这和「替身文学」还是有很大区别的。

毕竟人类的基因都喜欢轻松、安全的选择,如果对方脑子里根本没想着前任,仅仅靠感觉就觉得你是那个对的人,似乎也没那么气人。

并且,这种相似性与熟悉感会加速关系的建立。

在初次接触的时候,人们可能会使用各种各样的方式来评估对方,其中有一种非常快速的方式叫感知相似性:在几次互动后,我们很快就会倾向于喜欢与我们最相似的人。

不过,随着时间的推移,我们会越来越了解对方,有时会发现我们之前看到的和伴侣之间的共同点是假的,所以,更深更持久的关系纽带会建立在实际的相似性之上。

但是也有一种情况需要大家注意,那就是「蔡加尼克效应」。

「蔡加尼克效应」指的是人对于未完成的事记忆更深,就比如你想到一首歌的高潮部分,它的旋律总在脑海中萦绕,挥之不去,但是当你哼唱结尾部分让它结束,旋律就很容易放下了(是不是学会一招!)。

感情也是如此,如果一个人和初恋/前任在一起后,感情因故被打断或是没有好好地结束,ta可能就会对这段感情念念不忘(这就是好好说再见,更容易从失恋中走出来的原因叭)。

打开网易新闻 查看精彩图片

▲图片来源:giphy

这个时候,要是发现了一个类似于自己忘不了的人,并和ta发展感情,那就是妥妥的「替身文学」了,这样不仅会让自己更深陷其中,更是伤害了他人的感情,因为没有人愿意做替身!

当然啦,对方到底有没有放下前任,对你是真爱还是把你当做替身,就需要各位自己去觉察了。感情的事情,Fay也说不清楚~

打开网易新闻 查看精彩图片

总之,无论情从何起,想要一段健康的感情,都少不了双方的共同经营。《亲密关系》中对长久之爱给了一些建议,Fay写在这里仅供大家参考:

你需要用心维护感情,防止可能损害感情的厌倦情绪。

因为厌倦是爱恋和满意的对立面,所以厌倦的出现是非常糟糕的信号,当爱情关系变得单调和沉闷时,我们就去创造更多的新鲜感,不要停止寻找新奇、吸引人的共同娱乐的好方法。

享受激情,但不要把它作为维持爱情关系的基础;培养与伴侣之间的友谊;努力保持新鲜感,把握住每一个与伴侣共同进行新奇探索的机会。

如果你发现自己对伴侣急迫的欲望渐渐演变为平静而深厚的情感,不要觉得奇怪或失望,也许它会让你们成为最幸运的一对。

最后,祝愿大家都能得到自己真正想要的~

早安,我爱这个世界。

参考文献

[1] 浪潮工作室.为什么你的现任和前任总是很像

[EB/OL]. (2023-11-22)[2024-03-27]. https://mp.weixin.qq.com/s/zz91PIsXcQZ7J8Ggkeuz_Q.

[2]Driebe J C, Stern J, Penke L, et al. Stability and change of individual differences in ideal partner preferences over 13 years[J]. Personality and Social Psychology Bulletin, 2023: 01461672231164757.

[3] Park Y, MacDonald G. Consistency between individuals' past and current romantic partners' own reports of their personalities[J]. Proceedings of the National Academy of Sciences, 2019, 116(26): 12793-12797.