Эвристика (от древнегреческого εὑρίσκω, heurískō , «я нахожу, открываю») — это процесс, с помощью которого люди используют ментальные сокращения для принятия решений. Эвристика — это простые стратегии, которые люди, животные, [1] [2] [3] организации, [4] и даже машины [5] используют для быстрого формирования суждений , принятия решений и поиска решений сложных проблем. Часто это подразумевает сосредоточение на наиболее важных аспектах проблемы или ситуации для формулирования решения. [6] [7] [8] [2] Хотя эвристические процессы используются для поиска ответов и решений, которые, скорее всего , будут работать или будут правильными, они не всегда являются правильными или наиболее точными. [9] Суждения и решения, основанные на эвристике, просто достаточно хороши для удовлетворения насущной потребности в ситуациях неопределенности, когда информация неполна. [10] В этом смысле они могут отличаться от ответов, даваемых логикой и вероятностью .
Экономист и когнитивный психолог Герберт А. Саймон ввел концепцию эвристики в 1950-х годах, предположив, что существуют ограничения для рационального принятия решений. В 1970-х годах психологи Амос Тверски и Дэниел Канеман внесли свой вклад в эту область своими исследованиями когнитивных предубеждений . Именно их работа ввела конкретные эвристические модели, область, которая с тех пор только расширялась. В то время как некоторые [ кто? ] утверждают, что за эвристическим процессом стоит чистая лень, другие [ кто? ] утверждают, что он может быть точнее решений, основанных на каждом известном факторе и последствии, эффект «меньше — больше» [ необходимо разрешение неоднозначности ] .
Герберт А. Саймон сформулировал одну из первых моделей эвристики, известную как satisficing . Его более общая исследовательская программа поставила вопрос о том, как люди принимают решения, когда условия теории рационального выбора не выполняются, то есть как люди принимают решения в условиях неопределенности. [11] Саймон также известен как отец ограниченной рациональности , которую он понимал как изучение соответствия (или несоответствия) между эвристикой и средой принятия решений. Эта программа была позже расширена до изучения экологической рациональности .
В начале 1970-х годов психологи Амос Тверски и Дэниел Канеман использовали другой подход, связав эвристики с когнитивными предубеждениями. Их типичная экспериментальная установка состояла из правила логики или вероятности, встроенного в словесное описание проблемы суждения, и демонстрировала, что интуитивное суждение людей отклонялось от правила. «Проблема Линды» ниже дает пример. Затем отклонение объясняется эвристикой. Это исследование, названное программой эвристик и предубеждений, бросило вызов идее о том, что люди являются рациональными субъектами, и впервые привлекло всеобщее внимание в 1974 году научной статьей «Суждение в условиях неопределенности: эвристики и предубеждения» [12], и хотя первоначально предложенные эвристики со временем совершенствовались, эта исследовательская программа изменила область, навсегда поставив исследовательские вопросы. [13]
Оригинальные идеи Герберта Саймона были подхвачены в 1990-х годах Гердом Гигеренцером и другими. Согласно их точке зрения, изучение эвристики требует формальных моделей, которые позволяют делать прогнозы поведения ex ante . Их программа имеет три аспекта: [14]
Среди прочего, эта программа показала, что эвристика может привести к быстрым, экономным и точным решениям во многих реальных ситуациях, которые характеризуются неопределенностью. [15]
Эти две различные исследовательские программы привели к двум видам моделей эвристики: формальным и неформальным. Формальные модели описывают процесс принятия решений в терминах алгоритма, что позволяет проводить математические доказательства и компьютерное моделирование. Напротив, неформальные модели являются словесными описаниями.
Эвристика satisficing Герберта Саймона может быть использована для выбора одной альтернативы из набора альтернатив в ситуациях неопределенности. [16] Здесь неопределенность означает, что полный набор альтернатив и их последствия неизвестны или познаваемы. Например, профессиональные предприниматели в сфере недвижимости полагаются на satisficing, чтобы решить, в какое место инвестировать для развития новых коммерческих зон: «Если я верю, что смогу получить по крайней мере x прибыли в течение y лет, то я выбираю вариант». [17] В общем, satisficing определяется как:
Если альтернативы не найдено, то уровень стремлений можно адаптировать.
Удовлетворительность была отмечена во многих областях, например, как эвристический метод, используемый автодилерами для оценки подержанных BMW. [18]
В отличие от satisficing, эвристика исключения по аспекту Амоса Тверски может использоваться, когда все альтернативы доступны одновременно. Лицо, принимающее решение, постепенно уменьшает количество альтернатив, исключая альтернативы, которые не соответствуют уровню стремления определенного атрибута (или аспекта). [19] Во время серии выборов люди склонны испытывать неопределенность и проявлять непоследовательность. Исключение по аспектам может использоваться при столкновении с выбором. В общем, процесс исключения по аспектам выглядит следующим образом:
Исключение по аспектам не предполагает, что выбор альтернатив может помочь потребителям максимизировать полезность, напротив, он утверждает, что выбор является результатом вероятностного процесса, который постепенно исключает альтернативы. [19] Простой пример приводит Амос Тверски : когда кто-то хочет купить новую машину, первым аспектом, который он примет во внимание, может быть автоматическая коробка передач, это исключит все альтернативы, которые не содержат такого аспекта. Затем, когда все альтернативы, которые не имеют этой характеристики, будут исключены, будет указан другой аспект, например, ценовой предел в 3000 долларов. Процесс исключения продолжается до тех пор, пока все альтернативы не будут исключены. [19]
Исключение по аспектам хорошо используется на ранней стадии процесса принятия решений бизнес-ангелами, поскольку оно облегчает инструмент быстрого принятия решений - альтернативы будут исключены, когда инвесторы обнаружат критический недостаток потенциальных возможностей. [20] Другое исследование также продемонстрировало, что исключение по аспектам широко использовалось при выборе контракта на электроэнергию. [21] Логика, лежащая в основе этих двух примеров, заключается в том, что исключение по аспектам помогает принимать решения, когда сталкиваешься с серией сложных выборов. Возможно, кому-то придется принять решение среди всех альтернатив, когда у него или нее есть только ограниченные интуитивные вычислительные возможности и время. Однако исключение по аспектам как компенсаторная модель может помочь принимать такие сложные решения, поскольку его проще применять и оно включает нечисловые вычисления. [19]
Эвристика распознавания использует базовую психологическую способность распознавания, чтобы делать выводы о неизвестных величинах в мире. Для двух альтернатив эвристика такова: [22]
Если одна из двух альтернатив распознана, а другая нет, то следует сделать вывод, что распознанная альтернатива имеет более высокое значение по отношению к критерию.
Например, на теннисном турнире Уимблдона 2003 года Энди Роддик играл с Томми Робредо. Если кто-то слышал о Роддике, но не о Робредо, эвристика распознавания приводит к предсказанию, что Роддик победит. Эвристика распознавания использует частичное невежество, если кто-то слышал об обоих игроках или ни об одном, нужна другая стратегия. Исследования Уимблдона 2003 и 2005 годов показали, что эвристика распознавания, применяемая полуневежественными игроками-любителями, предсказывала результаты всех одиночных игр джентльменов так же хорошо и лучше, чем посевы экспертов Уимблдона (которые слышали обо всех игроках), а также рейтинги ATP. [23] [24] Эвристика распознавания экологически рациональна (то есть она хорошо предсказывает), когда достоверность распознавания существенно выше случайности. В данном случае узнавание имен игроков сильно коррелирует с их шансами на победу. [25]
Эвристика «взять лучшее» использует базовую психологическую способность извлекать сигналы из памяти в порядке их достоверности. На основе значений сигналов она делает вывод о том, какая из двух альтернатив имеет более высокое значение по критерию. [26] В отличие от эвристики распознавания, она требует, чтобы все альтернативы были распознаны, и поэтому ее можно применять, когда эвристика распознавания не может этого сделать. Для бинарных сигналов (где 1 указывает на более высокое значение критерия) эвристика определяется как:
Правило поиска: Поиск сигналов в порядке их достоверности v. Правило остановки: Остановить поиск при обнаружении первого сигнала, который различает две альтернативы (т. е. значения одного сигнала равны 0 и 1). Правило принятия решения: Вывести, что альтернатива с положительным значением сигнала (1) имеет более высокое значение критерия).
Достоверность v i сигнала i определяется как доля правильных решений c i :
v i = c i / t i
где ti — число случаев, когда значения двух альтернатив различаются по сигналу i. Достоверность каждого сигнала можно оценить по выборкам наблюдений.
Take-the-best обладает замечательными свойствами. По сравнению со сложными моделями машинного обучения, было показано, что он часто может предсказывать лучше, чем модели регрессии, [27] деревья классификации и регрессии, нейронные сети и машины опорных векторов . [Brighton & Gigerenzer, 2015]
Аналогично, психологические исследования показали, что в ситуациях, когда принцип «взять лучшее» является экологически рациональным, большая часть людей склонна полагаться на него. Это включает в себя принятие решений сотрудниками таможни в аэропортах, [28] профессиональными взломщиками и полицейскими [29] и студенческой популяцией. [30] Условия, при которых принцип «взять лучшее» является экологически рациональным, в основном известны. [31] Принцип «взять лучшее» показывает, что предыдущее мнение о том, что игнорирование части информации было бы в целом нерациональным, неверно. Меньше может быть больше.
Быстрое и бережливое дерево — это эвристика, которая позволяет делать классификации, [32] например, может ли у пациента с сильной болью в груди случиться сердечный приступ или нет, [33] или может ли приближающаяся к контрольно-пропускному пункту машина оказаться террористом или гражданским лицом. [34] Оно называется «быстрым и бережливым», потому что, как и «выбрать лучшее», позволяет быстро принимать решения, имея всего несколько подсказок или атрибутов. Оно называется «деревом», потому что его можно представить как дерево решений, в котором задается последовательность вопросов. Однако, в отличие от полного дерева решений, это неполное дерево — для экономии времени и снижения опасности переобучения.
Рисунок 1 показывает быстрое и экономное дерево, используемое для скрининга на ВИЧ (вирус иммунодефицита человека). Как и в случае с «выбрать лучшее», дерево имеет правило поиска, правило остановки и правило принятия решения:
Правило поиска : Поиск по подсказкам в указанном порядке. Правило остановки : Остановить поиск, если достигнут выход. Правило принятия решения : Классифицировать человека в соответствии с выходом (здесь: Нет ВИЧ или ВИЧ).
В дереве ВИЧ сначала проводится тест ИФА (иммуноферментный анализ). Если результат отрицательный, то процедура тестирования останавливается, и клиенту сообщают хорошие новости, то есть «ВИЧ отсутствует». Если же результат положительный, то проводится второй тест ИФА, желательно другого производителя. Если второй ИФА отрицательный, то процедура останавливается, и клиенту сообщают, что у него «ВИЧ отсутствует». Однако если результат положительный, то проводится последний тест — вестерн-блот.
В общем, для n бинарных сигналов дерево быстрого и бережливого решения имеет ровно n + 1 выходов — один для каждого сигнала и два для конечного сигнала. Полное дерево решений, напротив, требует 2 n выходов. Порядок сигналов (тестов) в дереве быстрого и бережливого решения определяется чувствительностью и специфичностью сигналов или другими соображениями, такими как стоимость тестов. В случае дерева ВИЧ ИФА занимает первое место, поскольку он дает меньше промахов, чем тест вестерн-блоттинга, а также является менее дорогим. Тест вестерн-блоттинга, напротив, дает меньше ложных тревог. В полном дереве, напротив, порядок не имеет значения для точности классификаций.
Деревья быстрого и бережливого типа являются описательными или предписывающими моделями принятия решений в условиях неопределенности. Например, анализ судебных решений показал, что наилучшей моделью того, как лондонские магистраты принимают решения об освобождении под залог, является дерево быстрого и бережливого типа. [35] Дерево ВИЧ является как предписывающим — врачей обучают процедуре, так и описательной моделью, то есть большинство врачей фактически следуют процедуре.
Подсчет — это эвристика, которая считает наиболее жизнеспособным выбором в проблеме принятия решений тот, который превосходит свои альтернативы по большинству идентифицируемых показателей и критериев. [36]
В отличие от эвристики «выбери лучшее» , которая учитывает взвешенное значение при оценке важности конкретного аспекта (сигналов), участвующего в выборе, человек, который подсчитывает, просто учитывает все доступные аспекты альтернативного выбора с равным весом и выбирает вариант с наибольшим количеством аспектов в пользу. [4]
В этом смысле подсчет отличается от эвристики «выбери лучшее», поскольку последняя естественным образом дискриминирует на основе значения, применяемого к каждому аспекту, и, следовательно, может приводить к противоположным результатам. [37]
Чтобы представить это, рассмотрим сценарий, в котором делается прогноз относительно того, какая команда A или команда B может быть более успешной в предстоящем сезоне баскетбола. Команда A превосходит команду в 3/4 аспектов, способствующих успеху команды, но аспект, в котором команда B превосходит команду A, взвешивается как объективно более важный, чем другие для успеха команды. Эвристика подсчета посчитала бы команду A более успешной из-за ее превосходства по большинству показателей, однако метод «взять лучшее» учитывал бы взвешенное значение единственного показателя, в котором команда B превосходит команду, чтобы определить, что команда B будет наиболее успешной.
В своих первоначальных исследованиях Тверски и Канеман предложили три эвристики — доступность, репрезентативность и привязка и корректировка. Последующие работы выявили еще много других. Эвристики, которые лежат в основе суждения, называются «эвристиками суждения». Другой тип, называемый «эвристикой оценки», используется для оценки желательности возможных выборов. [38]
В психологии доступность — это легкость, с которой конкретная идея может быть вызвана в голову. Когда люди оценивают, насколько вероятно или насколько часто событие происходит на основе его доступности, они используют эвристику доступности. [55] Когда редкое событие может быть легко и наглядно вызвано в уме, эта эвристика переоценивает его вероятность. Например, люди переоценивают вероятность своей смерти в драматическом событии, таком как торнадо или терроризм . Драматические, насильственные смерти обычно более широко освещаются в прессе и, следовательно, имеют более высокую доступность. [56] С другой стороны, распространенные, но обыденные события трудно вызвать в уме, поэтому их вероятность, как правило, недооценивается. К ним относятся смерти от самоубийств , инсультов и диабета . Эта эвристика является одной из причин, по которой люди легче поддаются влиянию одной яркой истории, чем большого объема статистических данных. [57] Это также может играть роль в привлекательности лотерей : для того, кто покупает билет, хорошо разрекламированные, ликующие победители более доступны, чем миллионы людей, которые ничего не выиграли. [56]
Когда люди оценивают, начинаются ли больше английских слов с T или с K , эвристика доступности дает быстрый способ ответить на вопрос. Слова, которые начинаются с T , приходят на ум легче, и поэтому испытуемые дают правильный ответ, не подсчитывая большое количество слов. Однако эта эвристика также может давать ошибки. Когда людей спрашивают, есть ли больше английских слов с K на первой позиции или с K на третьей позиции, они используют тот же процесс. Легко думать о словах, которые начинаются с K , таких как kangaroo , kitchen , или owned . Труднее думать о словах с K в качестве третьей буквы, таких как lake , или acknowledge , хотя объективно они встречаются в три раза чаще. Это приводит людей к неверному выводу, что K чаще встречается в начале слов. [12] В другом эксперименте испытуемые слышали имена многих знаменитостей, примерно равное количество из которых были мужчинами и женщинами. Затем испытуемых спрашивали, было ли в списке имен больше мужчин или больше женщин. Когда мужчины в списке были более известными, подавляющее большинство испытуемых ошибочно думали, что их было больше, и наоборот для женщин. Интерпретация этих результатов Тверски и Канеманом заключается в том, что суждения о пропорции основаны на доступности, которая выше для имен более известных людей. [55]
В одном эксперименте, который проводился перед президентскими выборами в США 1976 года , некоторых участников попросили представить себе победу Джеральда Форда , в то время как другие сделали то же самое для победы Джимми Картера . Каждая группа впоследствии рассматривала своего назначенного кандидата как значительно более вероятного победителя. Исследователи обнаружили аналогичный эффект, когда студенты представляли себе хороший или плохой сезон для студенческой футбольной команды. [58] Влияние воображения на субъективную вероятность было воспроизведено несколькими другими исследователями. [57]
Доступность концепции может зависеть от того, как недавно и как часто она была представлена в уме. В одном исследовании испытуемым давали закончить неполные предложения. Слова были выбраны для активации концепции либо враждебности, либо доброты: процесс, известный как прайминг . Затем они должны были интерпретировать поведение человека, описанного в короткой, неоднозначной истории. Их интерпретация была смещена в сторону эмоции, которой они были праймированы: чем больше прайминга, тем сильнее эффект. Больший интервал между начальной задачей и суждением снижал эффект. [59]
Тверски и Канеман предложили эвристику доступности в качестве объяснения иллюзорных корреляций , в которых люди ошибочно считают, что два события связаны друг с другом. Они объяснили, что люди судят о корреляции на основе легкости представления или припоминания двух событий вместе. [12] [55]
Эвристика репрезентативности наблюдается, когда люди используют категории, например, при принятии решения о том, является ли человек преступником. Отдельная вещь имеет высокую репрезентативность для категории, если она очень похожа на прототип этой категории. Когда люди классифицируют вещи на основе репрезентативности, они используют эвристику репрезентативности. «Репрезентативный» здесь понимается в двух разных смыслах: прототип, используемый для сравнения, является репрезентативным для своей категории, а репрезентативность также является отношением между этим прототипом и категоризуемой вещью. [12] [60] Хотя это эффективно для некоторых проблем, эта эвристика включает в себя внимание к конкретным характеристикам человека, игнорируя то, насколько распространены эти категории в популяции (называемые базовыми ставками ). Таким образом, люди могут переоценивать вероятность того, что что-то имеет очень редкое свойство, или недооценивать вероятность очень распространенного свойства. Это называется ошибкой базовой ставки . Репрезентативность объясняет это и несколько других способов, которыми человеческие суждения нарушают законы вероятности. [12]
Эвристика репрезентативности также является объяснением того, как люди судят о причине и следствии: когда они делают эти суждения на основе сходства, они также говорят, что используют эвристику репрезентативности. Это может привести к предвзятости, неправильному нахождению причинно-следственных связей между вещами, которые похожи друг на друга, и пропуску их, когда причина и следствие сильно различаются. Примерами этого являются как убеждение, что «эмоционально значимые события должны иметь эмоционально значимые причины», так и магическое ассоциативное мышление . [61] [62]
В эксперименте 1973 года использовался психологический профиль Тома У., вымышленного аспиранта. [63] Одна группа испытуемых должна была оценить сходство Тома с типичным студентом в каждой из девяти академических областей (включая юриспруденцию, инженерию и библиотечное дело). Другая группа должна была оценить, насколько вероятно, что Том специализировался в каждой области. Если эти оценки вероятности определяются вероятностью, то они должны напоминать базовые ставки , то есть долю студентов в каждой из девяти областей (которые были отдельно оценены третьей группой). Если бы люди основывали свои суждения на вероятности, они бы сказали, что Том с большей вероятностью будет изучать гуманитарные науки, чем библиотечное дело, потому что студентов-гуманитариев гораздо больше, а дополнительная информация в профиле расплывчата и ненадежна. Вместо этого оценки вероятности почти идеально совпадали с оценками сходства, как в этом исследовании, так и в похожем, где испытуемые оценивали вероятность того, что вымышленная женщина выберет другую карьеру. Это говорит о том, что вместо оценки вероятности с использованием базовых ставок испытуемые заменили ее более доступным атрибутом сходства. [63]
Когда люди полагаются на репрезентативность, они могут впасть в ошибку, которая нарушает фундаментальный закон вероятности . [60] Тверски и Канеман дали испытуемым краткий очерк характера женщины по имени Линда, описав ее как «31 год, одинокая, откровенная и очень умная. Она специализировалась на философии. Будучи студенткой, она была глубоко обеспокоена вопросами дискриминации и социальной справедливости, а также участвовала в антиядерных демонстрациях». Люди, читавшие это описание, затем ранжировали вероятность различных утверждений о Линде. Среди прочих, они включали «Линда — кассир банка» и «Линда — кассир банка и активистка феминистского движения». Люди показали сильную тенденцию оценивать последнее, более конкретное утверждение как более вероятное, хотя конъюнкция формы «Линда — и X, и Y » никогда не может быть более вероятной, чем более общее утверждение «Линда — X ». Объяснение с точки зрения эвристики заключается в том, что суждение было искажено, поскольку для читателей набросок персонажа был репрезентативным для человека, который может быть активным феминистом, но не для того, кто работает в банке. Аналогичное упражнение касалось Билла, которого описывали как «умного, но лишенного воображения». Подавляющее большинство людей, читавших этот набросок персонажа, оценили «Билл — бухгалтер, который играет джаз в качестве хобби» как более вероятный, чем «Билл играет джаз в качестве хобби». [64]
Безуспешно, Тверски и Канеман использовали то, что они описали как «серию все более отчаянных манипуляций», чтобы заставить своих испытуемых распознать логическую ошибку. В одном варианте испытуемым приходилось выбирать между логическим объяснением того, почему «Линда — кассир банка» более вероятно, и намеренно нелогичным аргументом , который говорил, что «Линда — кассир банка-феминистка» более вероятно, «потому что она больше похожа на активную феминистку, чем на кассира банка». Шестьдесят пять процентов испытуемых сочли нелогичный аргумент более убедительным. [64] [65] Другие исследователи также провели вариации этого исследования, исследуя возможность того, что люди неправильно поняли вопрос. Они не исключили ошибку. [66] [67] Было показано, что люди с высокими показателями CRT значительно реже подвержены ошибке конъюнкции. [68] Ошибка исчезает, когда вопрос ставится с точки зрения частот. Все участники этих версий исследования признавали, что из 100 человек, соответствующих общему описанию, конъюнктивное утверждение («Она — X и Y ») не может применяться к большему количеству людей, чем общее утверждение («Она — X »). [69]
Тверски и Канеман попросили испытуемых рассмотреть задачу о случайной вариации. Представив для простоты, что ровно половина младенцев, рожденных в больнице, являются мальчиками, соотношение не будет точно равным половине в каждый период времени. В некоторые дни будет рождаться больше девочек, а в другие — больше мальчиков. Вопрос был в том, зависит ли вероятность отклонения от ровно половины от того, много или мало рождений в день? Это общепризнанное следствие теории выборки , что пропорции будут меняться гораздо больше изо дня в день, когда типичное количество рождений в день невелико. Однако ответы людей на задачу не отражают этот факт. Обычно они отвечают, что количество рождений в больнице не влияет на вероятность того, что за один день родится более 60% младенцев мужского пола. Объяснение с точки зрения эвристики заключается в том, что люди учитывают только то, насколько показательна цифра 60% по сравнению с ранее заданным средним значением 50%. [12] [70]
Ричард Э. Нисбетт и коллеги предполагают, что репрезентативность объясняет эффект разбавления , при котором нерелевантная информация ослабляет эффект стереотипа . Участников одного исследования спросили, кто из них, «Пол» или «Сьюзен», с большей вероятностью будет напористым, не имея никакой другой информации, кроме их имен. Они оценили Пола как более напористого, по-видимому, основывая свое суждение на гендерном стереотипе. Другая группа, которой сказали, что матери Пола и Сьюзен ездят на работу в банк, не продемонстрировала этого эффекта стереотипа; они оценили Пола и Сьюзен как одинаково напористых. Объяснение заключается в том, что дополнительная информация о Поле и Сьюзен сделала их менее репрезентативными для мужчин или женщин в целом, и поэтому ожидания субъектов относительно мужчин и женщин имели более слабый эффект. [71] Это означает, что не связанная и недиагностическая информация об определенной проблеме может сделать относительную информацию менее весомой для проблемы, когда люди понимают это явление. [72]
Репрезентативность объясняет систематические ошибки, которые люди делают при оценке вероятности случайных событий. Например, в последовательности подбрасываний монеты, каждое из которых выпадает орлом (H) или решкой (T), люди достоверно склонны оценивать четко структурированную последовательность, такую как HHHTTT, как менее вероятную, чем менее структурированную последовательность, такую как HTHTTH. Эти последовательности имеют абсолютно одинаковую вероятность, но люди склонны рассматривать более четко структурированные последовательности как менее репрезентативные для случайности и, следовательно, менее вероятно являющиеся результатом случайного процесса. [12] [73] Тверски и Канеман утверждали, что этот эффект лежит в основе ошибки игрока ; тенденции ожидать, что результаты выровняются в краткосрочной перспективе, как ожидание того, что колесо рулетки выпадет черным, потому что последние несколько бросков выпадут красным. [60] [74] Они подчеркивали, что даже эксперты в области статистики подвержены этой иллюзии: в опросе профессиональных психологов 1971 года они обнаружили, что респонденты ожидали, что выборки будут чрезмерно репрезентативными для популяции, из которой они были взяты. В результате психологи систематически переоценивали статистическую мощность своих тестов и недооценивали размер выборки, необходимый для осмысленной проверки своих гипотез. [12] [74]
Якорение и корректировка — эвристика, используемая во многих ситуациях, когда люди оценивают число. [75] Согласно первоначальному описанию Тверски и Канемана, она включает в себя начало от легкодоступного числа — «якоря» — и смещение вверх или вниз, чтобы достичь ответа, который кажется правдоподобным. [75] В экспериментах Тверски и Канемана люди не смещались достаточно далеко от якоря. Следовательно, якорь загрязняет оценку, даже если он явно не имеет значения. В одном эксперименте испытуемые наблюдали, как число выбирается из вращающегося «колеса фортуны». Они должны были сказать, больше или меньше заданное количество этого числа. Например, их могли спросить: «Процент африканских стран, являющихся членами Организации Объединенных Наций, больше или меньше 65%?» Затем они пытались угадать истинный процент. Их ответы хорошо коррелировали с произвольным числом, которое им дали. [75] [76] Недостаточная корректировка якоря — не единственное объяснение этого эффекта. Альтернативная теория заключается в том, что люди формируют свои оценки на основе доказательств, которые выборочно всплывают в памяти с помощью якоря. [77]
Эффект привязки был продемонстрирован в ходе множества экспериментов как в лабораториях, так и в реальном мире. [76] [78] Он сохраняется, когда субъектам предлагают деньги в качестве стимула для точности или когда им прямо говорят не основывать свои суждения на привязке. [78] Эффект сильнее, когда людям приходится быстро выносить суждения. [79] У субъектов в этих экспериментах отсутствует интроспективное осознание эвристики, и они отрицают, что привязка повлияла на их оценки. [79]
Даже когда значение привязки очевидно случайное или экстремальное, оно все равно может испортить оценки. [78] В одном эксперименте испытуемым предлагалось оценить год первого визита Альберта Эйнштейна в Соединенные Штаты. Привязки 1215 и 1992 годов испортили ответы так же, как и более разумные годы привязки. [79] В других экспериментах испытуемых спрашивали, является ли средняя температура в Сан-Франциско больше или меньше 558 градусов, или было ли больше или меньше 100 025 альбомов из первой десятки The Beatles . Эти намеренно абсурдные привязки все еще влияли на оценки истинных чисел. [76]
Привязка приводит к особенно сильному смещению, когда оценки указаны в форме доверительного интервала . Примером является ситуация, когда люди предсказывают значение индекса фондового рынка в определенный день, определяя верхнюю и нижнюю границу, так что они на 98% уверены, что истинное значение попадет в этот диапазон. Надежный вывод заключается в том, что люди привязывают свои верхнюю и нижнюю границы слишком близко к своей наилучшей оценке. [12] Это приводит к эффекту чрезмерной уверенности . Одно из часто воспроизводимых открытий заключается в том, что когда люди на 98% уверены, что число находится в определенном диапазоне, они ошибаются примерно в тридцати-сорока процентах случаев. [12] [80]
Якорение также вызывает особую трудность, когда много чисел объединяются в составное суждение. Тверски и Канеман продемонстрировали это, попросив группу людей быстро оценить произведение 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1. Другая группа должна была оценить то же произведение в обратном порядке; 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8. Обе группы сильно недооценили ответ, но средняя оценка последней группы была значительно меньше. [81] Объяснение с точки зрения якорения заключается в том, что люди умножают первые несколько членов каждого произведения и делают якорь на этой цифре. [81] Менее абстрактная задача — оценить вероятность того, что самолет разобьется, учитывая, что существует множество возможных неисправностей, каждая из которых имеет вероятность один на миллион. Распространенный вывод из исследований этих задач заключается в том, что люди делают якорь на вероятностях малых компонентов и поэтому недооценивают общую сумму. [81] Соответствующий эффект происходит, когда люди оценивают вероятность нескольких событий, происходящих последовательно, например, ставки-аккумулятора в скачках. Для такого рода суждений привязка к индивидуальным вероятностям приводит к переоценке объединенной вероятности. [81]
Оценка людьми товаров и количества, которые они покупают, реагируют на эффекты привязки. В одном эксперименте люди записывали последние две цифры своих номеров социального страхования . Затем их просили подумать, заплатили бы они это количество долларов за предметы, стоимость которых они не знали, такие как вино, шоколад и компьютерное оборудование. Затем они приняли участие в аукционе, чтобы сделать ставки на эти предметы. Те, у кого были самые высокие двузначные числа, подавали ставки, которые были во много раз выше, чем у тех, у кого были самые низкие числа. [82] [83] Когда стопка банок супа в супермаркете была помечена как «Ограничение 12 на клиента», этикетка повлияла на покупателей, чтобы купить больше банок. [79] В другом эксперименте агенты по недвижимости оценивали стоимость домов на основе экскурсии и обширной документации. Разным агентам показывали разные цены в листинге, и это влияло на их оценки. Для одного дома оценочная стоимость варьировалась от 114 204 до 128 754 долларов США . [84] [85]
Было также показано, что привязка и корректировка влияют на оценки, выставленные студентам. В одном эксперименте 48 учителям были предоставлены пачки студенческих эссе, каждое из которых должно было быть оценено и возвращено. Им также был предоставлен вымышленный список предыдущих оценок студентов. Среднее значение этих оценок повлияло на оценки, которые учителя выставили за эссе. [86]
Одно исследование показало, что эффект привязки повлиял на приговоры в вымышленном судебном процессе по делу об изнасиловании. [87] Испытуемыми были судьи, в среднем имевшие более пятнадцати лет опыта. Они читали документы, включая показания свидетелей, экспертные заявления, соответствующий уголовный кодекс и заключительные заявления обвинения и защиты. Два условия этого эксперимента отличались только в одном отношении: прокурор требовал 34-месячного срока в одном условии и 12 месяцев в другом; между средними сроками приговоров, вынесенными в этих двух условиях, была разница в восемь месяцев. [87] В похожем имитационном судебном процессе испытуемые играли роль присяжных в гражданском деле. Их либо просили присудить компенсацию ущерба «в диапазоне от 15 миллионов до 50 миллионов долларов», либо «в диапазоне от 50 миллионов до 150 миллионов долларов». Хотя факты дела каждый раз были одинаковыми, присяжные, учитывая более высокий диапазон, решили присудить компенсацию, которая была примерно в три раза выше. Это произошло, несмотря на то, что испытуемых прямо предупредили не рассматривать запросы как доказательства. [82]
Оценки также могут зависеть от предоставленных стимулов. В одном обзоре исследователи обнаружили, что если стимул воспринимается как важный или имеющий «вес» для ситуации, то люди с большей вероятностью будут приписывать этот стимул как более тяжелый физически. [88]
« Аффект » в этом контексте — это чувство, такое как страх, удовольствие или удивление. Он короче по продолжительности, чем настроение , возникает быстро и непроизвольно в ответ на стимул . В то время как чтение слов «рак легких» может вызвать аффект ужаса , слова «материнская любовь» могут создать аффект привязанности и комфорта. Когда люди используют аффект («инстинктивные реакции»), чтобы оценить выгоды или риски, они используют эвристику аффекта. [89] Эвристика аффекта использовалась для объяснения того, почему сообщения, сформулированные для активации эмоций, более убедительны, чем те, которые сформулированы чисто фактическим образом. [90]
Лица, принимающие решения, будь то на организационном или национальном уровне, могут столкнуться с дилеммой: продолжать ли операцию или отказаться от нее. Эвристика эскалации обязательств показывает, что люди часто склонны замыкаться в проигрышных курсах действий в надежде, что вложение больших ресурсов в операцию обернется потерями. [91] [92] Более того, можно ожидать, что эскалация обязательств произойдет в ситуациях, когда лицо, принимающее решение, может претендовать на заслугу за операционный успех, но потери и операционные неудачи направляются и поглощаются другими, такими как более крупная организация. [93] Когнитивные детерминанты, которые могут влиять на эскалацию обязательств, включают самооправдание, постановку проблемы, невозвратные издержки, подмену цели, самоэффективность, подотчетность и иллюзию контроля. [94] Общий поток событий, который вызывает реализацию эвристики эскалации обязательств, следующий:
Помимо того, что это относится к лицам, принимающим решения в фирмах и организациях, эскалация обязательств также применима к решениям, принимаемым национальными лидерами. Примером этого являются решения, касающиеся дальнейших инвестиций в войны. В военном сценарии расходы в основном несут солдаты и налогоплательщики. Кроме того, лицам, принимающим решения в военных сценариях, часто не приходится напрямую или немедленно нести расходы на свои решения на том же уровне, что и солдаты и налогоплательщики, поэтому им проще принимать решение продолжать инвестировать. Это отражает эвристику эскалации обязательств и неизбежно создает циклический процесс реинвестирования, который может вызвать долгосрочные проблемы в экономическом, социальном и политическом плане как на местном, так и на глобальном уровне. [96]
Существуют конкурирующие теории человеческого суждения, которые расходятся во мнениях о том, является ли использование эвристики иррациональным. Подход когнитивной лени утверждает, что эвристика является неизбежным сокращением, учитывая ограничения человеческого мозга. Согласно подходу естественной оценки , некоторые сложные вычисления уже быстро и автоматически выполняются мозгом, а другие суждения используют эти процессы, а не вычисления с нуля. Это привело к теории, называемой «подстановкой атрибутов», которая гласит, что люди часто справляются со сложным вопросом, отвечая на другой, связанный вопрос, не осознавая, что они это делают. [97] Третий подход утверждает, что эвристика работает так же хорошо, как и более сложные процедуры принятия решений, но быстрее и с меньшим количеством информации. Эта точка зрения подчеркивает «быструю и бережливую» природу эвристики. [98]
Концепция сокращения усилий, предложенная Ануджем К. Шахом и Дэниелом М. Оппенгеймером, утверждает, что люди используют различные методы для сокращения усилий, затрачиваемых на принятие решений. [99]
В 2002 году Дэниел Канеман и Шейн Фредерик предложили процесс, называемый заменой атрибутов, который происходит без осознанного осознания. Согласно этой теории, когда кто-то выносит суждение (о целевом атрибуте ), которое является сложным с вычислительной точки зрения, заменяется гораздо более легко вычисляемый эвристический атрибут . [100] По сути, сложная проблема решается путем ответа на гораздо более простую проблему, без того, чтобы человек осознавал, что это происходит. [97] Это объясняет, почему люди могут не осознавать своих собственных предубеждений, и почему предубеждения сохраняются, даже когда субъект осознает их. Это также объясняет, почему человеческие суждения часто не показывают регрессии к среднему значению . [97] [100] [101]
Эта замена считается происходящей в автоматической интуитивной системе суждения, а не в более осознанной рефлексивной системе. Следовательно, когда кто-то пытается ответить на сложный вопрос, он может на самом деле ответить на связанный, но другой вопрос, не осознавая, что произошла замена. [97] [100]
В 1975 году психолог Стэнли Смит Стивенс предположил, что сила стимула (например, яркость света, тяжесть преступления) кодируется клетками мозга способом, который не зависит от модальности . Канеман и Фредерик развили эту идею, утверждая, что целевой атрибут и эвристический атрибут могут иметь совершенно разную природу. [97]
[Л]юди не привыкли много думать и часто довольствуются тем, что доверяют правдоподобному суждению, которое приходит им в голову.
Дэниел Канеман , American Economic Review 93 (5) декабрь 2003 г., стр. 1450 [101]
Канеман и Фредерик предлагают три условия для замены атрибутов: [97]
Канеман приводит пример, когда некоторым американцам предложили страховку от их собственной смерти в результате террористического акта во время поездки в Европу, в то время как другой группе предложили страховку, которая покрыла бы смерть любого рода во время поездки. Несмотря на то, что «смерть любого рода» включает «смерть в результате террористического акта», первая группа была готова заплатить больше, чем вторая. Канеман предполагает, что атрибут страха заменяется расчетом общих рисков путешествия. [102] Страх терроризма у этих испытуемых был сильнее, чем общий страх умереть во время зарубежной поездки.
Герд Гигеренцер и его коллеги утверждают, что эвристики можно использовать для вынесения точных, а не предвзятых суждений. По их словам, эвристики — это «быстрые и экономичные» альтернативы более сложным процедурам, дающие столь же хорошие ответы. [103]
Уоррен Торнгейт, социальный психолог, реализовал десять простых правил принятия решений или эвристик в компьютерной программе. Он определил, как часто каждая эвристика выбирала альтернативы с наивысшим и наименьшим ожидаемым значением в серии случайно сгенерированных ситуаций принятия решений. Он обнаружил, что большинство смоделированных эвристик выбирали альтернативы с наивысшим ожидаемым значением и почти никогда не выбирали альтернативы с наименьшим ожидаемым значением. [104]
Психолог Бенуа Монин сообщает о серии экспериментов, в которых испытуемые, глядя на фотографии лиц, должны были судить, видели ли они эти лица раньше. Неоднократно обнаруживалось, что привлекательные лица с большей вероятностью будут ошибочно помечены как знакомые. [105] Монин интерпретирует этот результат с точки зрения замены атрибутов. Эвристический атрибут в этом случае — «теплое свечение»; положительное чувство по отношению к кому-то, которое может быть связано либо с тем, что он знаком, либо с тем, что он привлекателен. Эта интерпретация подверглась критике, потому что не все различия в знакомстве объясняются привлекательностью фотографии. [99]
Ученый-юрист Касс Санстейн утверждал, что подстановка атрибутов широко распространена, когда люди рассуждают о моральных , политических или юридических вопросах. [106] При наличии сложной, новой проблемы в этих областях люди ищут более знакомую, связанную проблему («прототипный случай») и применяют ее решение в качестве решения более сложной проблемы. По словам Санстейна, мнения доверенных политических или религиозных авторитетов могут служить эвристическими атрибутами, когда людей спрашивают об их собственном мнении по какому-либо вопросу. Другим источником эвристических атрибутов являются эмоции : моральные мнения людей по таким деликатным вопросам, как сексуальность и клонирование человека, могут быть обусловлены такими реакциями, как отвращение , а не обоснованными принципами. [107] Санстейна оспорили, поскольку он не предоставил достаточных доказательств того, что в этих случаях работает подстановка атрибутов, а не другие процессы. [99]
Пример того, как убеждение играет роль в эвристической обработке, можно объяснить с помощью эвристически-систематической модели. [108] Это объясняет, как часто существует два способа, которыми мы можем обрабатывать информацию из убеждающих сообщений, один из которых эвристический, а другой — систематический. Эвристический — это когда мы делаем быстрое короткое суждение в процессе принятия решения. С другой стороны, систематическая обработка включает в себя более аналитическое и пытливое когнитивное мышление. Люди смотрят дальше своих собственных предыдущих знаний в поисках ответов. [109] [110] Пример этой модели можно использовать при просмотре рекламы о конкретном лекарстве. Тот, кто не имеет предыдущих знаний, увидит человека в надлежащей фармацевтической одежде и предположит, что он знает, о чем говорит. Следовательно, этот человек автоматически имеет больше доверия и с большей вероятностью будет доверять содержанию сообщений, чем тому, что они передают. В то время как другой, который также работает в этой области или уже имеет предыдущие знания о лекарстве, не будет убежден рекламой из-за своего систематического образа мышления. Это также было формально продемонстрировано в эксперименте, проведенном моими Чайкеном и Махешвараном (1994). [111] В дополнение к этим примерам, эвристика беглости прекрасно связана с темой убеждения. Она описывается как то, как мы все легко извлекаем «максимум из автоматического побочного продукта извлечения из памяти». [112] Примером может служить друг, спрашивающий о хороших книгах для чтения. [113] На ум может прийти много книг, но вы называете первую книгу, которую вспоминаете. Поскольку это была первая мысль, поэтому вы оцениваете ее как лучшую, чем любую другую книгу, которую можно было бы предложить. Эвристика усилия почти идентична беглости. Единственное отличие заключается в том, что объекты, на создание которых уходит больше времени, воспринимаются с большей ценностью. Можно сделать вывод, что стеклянная ваза более ценна, чем рисунок, просто потому, что для вазы может потребоваться больше времени. Эти две разновидности эвристики подтверждают, как на нас могут легко влиять наши ментальные ярлыки или то, что может быстрее всего прийти нам в голову. [114]
{{cite book}}: |journal=проигнорировано ( помощь )