Принятие решений в неопределенности стр.200

В упомянутом исследовании трудность была определена на основе ответов испытуемых (Clarke, 1960; Lichtenstein и Fischhoff, 1977). Ранее, Лих-ненштейн и Фишхофф (Lichtenstein и Fischhoff, 1980а), после Оскампа (Oskamp, 1962), разработали набор из 500 двух-альтернативных вопросов на общие темы, трудность которых могла быть определена независимо. Имелось три типа вопросов: какой из двух городов, штатов, стран или континентов является более густонаселенным (например, Лас Вегас или Майами), какой из двух городов находится дальше на расстоянии от третьего города (например, “Находится ли Мельбурн дальше от Рима или от Токио?”), и какое историческое событие произошло первым (например, подписание Великой хартии вольностей или рождение Мухаммеда). Таким образом, каждый вопрос связывал два числа (население, расстояние или прошедшее время с настоящем). Отношение большего к меньшему из этих чисел было принято как мера трудности: 250 вопросов с самыми большими отношениями были обозначены как легкие', оставшиеся — как трудные. Эта априорная классификация была весьма успешна; для более чем 35 испытуемых, процент правильных ответов составил 81 для легких вопросов и 58 - для трудных. Эти результаты, также, показали самонадеянность для трудных вопросов и неуверенность испытуемых для легких.

Влияние легкости или трудности, кажется, является результатом неспособности экспертов понять, насколько вопрос трудный или легкий.

Филлипс и Чу (Phillips, Chew, не опубликовано) не обнаружили корреляции между процентом правильных ответов и оценками трудности по 11-ти бальной шкале. Однако испытуемые дают различные распределения ответов для различных задач; Лихтенштейн и Фишхофф (Lichtenstein и Fischhoff, 1977) отметили корреляцию в 0.91 между процентом правильных ответов и средним ответом для 16 различных наборов данных. Но разница в распределении ответов - меньше чем, она должна быть: по тем те же

16 наборам данных, доля правильных ответов варьировалась от 0.43 до 0.92, в то время как средний ответ, варьировался только от 0.65 до 0.86.

Рис. 3. Калибровка для трудных и легких тестов и для трудных и легких заданий тестов

Феррелл и МакГоу (Ferrell и McGoey, 1980) недавно разработали модель для калибровки дискретных оценок вероятности, которая учитывает эффект легкости - трудности. Модель, основанная на теории обнаружения сигнала, предполагает, что эксперты преобразовывают свое чувство субъективной неопределенности в переменную решения, X, которая разделена на секции с границами {х;}. Оценивающий сообщает о вероятности г, всякий раз, когда X находится между хи и Xj. Феррелл и МакГоу (Ferrell и McGoey) предполагают, что, при отсутствии обратной связи о действии калибровки, оценивающий не будет изменять набор значений пределов, {xj, по мере того, как изменяется трудность задачи. Это предположение ведет к прогнозированию самонадеянности в трудных вопросах и неуверенности в легких. Применение модели к большому количеству данных из работ Лихтенштейна и Фишхоффа (1977) показало соответствие как по кривым калибровки, так и по распределению ответов согласно предположению, что значения пределов остались постоянными по мере изменения трудности. Таким образом, влияние трудности или легкости рассматривается как неспособность изменить пределы, вовлеченные в преобразование от чувства определенности к вероятностным ответам.

Влияние базового значения. Одно-альтернативные (истина-ложь) задачи могут быть охарактеризованы долей истинных утверждений в наборе вопросов. Чтобы быть хорошо калиброванным на некотором наборе вопросов, нужно принимать во внимание информацию базового значения. Модель обнаружения сигнала Феррелла и МакГоу (Ferrell и McGoey, 1980) предполагает, что на калибровку воздействуют независимо (а) доля истинных утверждений и (Ь) способность оценивающего различать истинные утверждения от ложных. Допуская, что значения границ {xj, остаются постоянными, модель прогнозирует различные воздействия на калибровку в зависимости от изменения доли истинных утверждений (оставив различимость постоянной) в отличие от изменения различимости (оставляя постоянной пропорцию истинных утверждений). Феррелл и МакГоу (Ferrell и McGoey) представили данные, подтверждающие их модель. Студенты на трех курсах, изучающие технические науки оценили вероятность, что ответы, которые они написали на экзаменах, будут оценены экзаменатором как правильные. Последующий анализ, распределяющий испытуемых на четыре группы (высокий или низкий процент правильных ответов, высокая или низкая различимость), показал различия калибровки, спрогнозированные моделью. Неопубликованные данные, собранные Фишхоффом и Лихтенштейном, показанные на Рисунке 4, также подтверждают правильность модели. Четыре группы испытуемых получили 25 одно-альтернативных вопросов на общие темы (например, “Написана ли Энеида Гомером?”), различающиеся по количеству истинных утверждений: 8%, 20%, 50% и 71%. Группы показали сильно различающие кривые калибровки, приблизительно той же формы как спрогнозировали Феррелл и МакГоу для изменения базового значения, при постоянной различимости.


⇐ назад к прежней странице | | перейти на следующую страницу ⇒