Принятие решений в неопределенности стр.234

Гипотеза тенденции угадывания в многоступенчатом выводе явно поддержана "незнающими" испытуемыми. Очевидно, из-за сложности ситуации некоторые испытуемые были склонны сосредотачиваться почти полностью на наиболее вероятном событии в последующих стадиях вывода. Эффект угадывания в многоступенчатом выводе, как и консерватизм в выводе с одной стадией (W.Edwards, 1966), по-видимому, является другим примером общей неспособности сочетать сложную информацию. Так как большая часть процесса обработки информации людей является многоступенчатой и вероятностной по характеру, дальнейшим шагом в применении теоремы Байеса является нахождение способов, как помешать людям совершать ошибки, игнорируя все, кроме наиболее вероятных событий промежуточного уровня.

27. Заключения о личных характеристиках на основе информации, восстановленной из памяти*

Яков Троуп

Социальные оценки часто основываются на неточном вспоминании поведения других людей. Нас часто просят сделать выводы относительно характерных черт других людей, даже когда мы не уверены, что можем вспомнить, как они в действительности вели себя. При таких обстоятельствах нам приходится основывать нашу атрибуцию на неопределенном поведенческом доказательстве. Настоящее исследование посвящено изучению того, действительно ли люди включают этот источник неопределенности в их оценки других людей и как они это делают....

Эксперимент 1

Метод

Введение. Сначала испытуемым предложили оценки студентов на старшем курсе. Позднее им пришлось вспоминать оценки и оценивать вероятность того, что каждый студент был зачислен в аспирантуру школы бизнес-управления. Эта задача подразумевает 2 логических шага: (а) от вспомненной оценки (G*) к реальной оценке студента (G); (Ь) от реальной оценки к тому, был ли студент зачислен или нет в аспирантуру (А). Неопределенностью последнего шага управляли посредством изменения диагностического значения оценок, принимая во внимание зачисление в школу бизнес-управле-ния. Оценки низкой диагностичности были выпускными оценками по предмету « Введение в антропологию », а оценки высокой диагностичности были выпускными оценками по предмету «Введение в экономику». Надежность воспоминаний управлялась за счет изменения числа студентов, чьи оценки необходимо было вспомнить.

Процедура. Испытуемым сказали, что в определенный год было принято 50% претендентов на поступление в школу бизнес-управления. Таким образом, априорная вероятность быть принятым и не быть принятым, Р(Ау) и Р(Ап) была 0.50. Испытуемым сказали, что они будут оценивать вероятность зачисления для студентов, выбранных наугад. Им также сообщили, что оценки будут основаны на том, были ли оценки студента в данном предмете ниже 75 (Gj) или выше 7 5 (Gh) по шкале от 0 до 100.

Манипуляции с диагностическим значением. Два распределения вероятностей (каждое представлено в виде столбчатой диаграммы) соотнесли оценки и зачисление. Одна диаграмма показывала доли зачисленных студентов, которые получили Gj или Gh. Эти доли представляли условные вероятности P(G1/Ay) и P(Gh/Ay). Другая диаграмма показывала пропорцию не зачисленных студентов, которые получили эти оценки, то есть P(G1/An) и P(Gh/An). Диаграмма для оценок высокой диагностичности (курс по экономике) показывала следующие доли: P(G1/An) = P(Gh/Ay) = 0.85 и P(G1/Ay) = P(Gh/An) = 0.15. Диаграмма для оценок низкой диагностичности (курс по антропологии) показывала следующие доли: P(G1/An) = P(Gh/Ay) = 0.55 и PfGj/Ay) = P(Gh/An) = 0.45. Каждый испытуемый оценивал две выборки студентов, для одной были предложены оценки высокой диагностичности, а для другой — оценки низкой диагностичности. Порядок представления был сбалансирован среди испытуемых.


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