Принятие решений в неопределенности стр.41

Методологические соображения

Гипотеза репрезентативности гласит, что прогнозы не отличаются от оценок подобия, хотя нормативная теория статистики подразумевает то, что прогнозы должны быть менее экстремальными, чем оценки. Поэтому тестирование гипотезы репрезентативности требует исследования, в котором прогнозы сравниваются с другим типом суждений. Варианты двух сравнительных анализов использовались в исследованиях, о которых говорится в этой части книги.

В одном исследовании, обозначенном A-XY, различные группы испытуемых оценивали две переменные (X и Y) на основе одной и той же исходной информации (А). В случае Тома В., например, двум различным группам давали одну и ту же исходную информацию (А), то есть описание личности. Одна группа оценивала исходы с точки зрения подобия (X), в то время как другая оценивала исходы с точки зрения вероятности (Y). Точно так же в нескольких исследованиях, посвященных прогнозированию числа, различным группам давали одну и ту же информацию (А), например, список пяти прилагательных, описывающих студента. Одна группа проводила оценивание (X), а другая — прогнозирование (Y).

В другом исследовании, обозначенном АВ-Х, две различных группы испытуемых оценивали одну и ту же переменную результата (X) на основе различной исходной информации (А и В). В исследовании “инженер/адвокат”, например, две различных группы проводили одну и ту же оценку (X) вероятности того, что отдельно взятый человек является инженером. Им предоставили краткое описание его личности и различную информацию (А и В) относительно частот базового значения инженеров и адвокатов. В контексте прогнозирования числа, различные группы прогнозировали среднегодовую оценку (X) на основе различных переменных - процентиля среднегодовой оценки (А) и умственной концентрации (В).

Гипотеза репрезентативности была подтверждена при сравнительном анализе, который показал, что в отличие от нормативной модели, прогнозы не более регрессивны, чем оценки или суждения подобия. Также возможно выяснить, являются ли интуитивные прогнозы регрессивными по сравнению с фактическими исходами, или с исходными данными, когда входные данные и исходы измеряются по одной и той же шкале. Даже, в том случае, когда предсказания не более регрессивны, чем трансляции, мы ожидаем, что они будут слегка регрессивными по сравнению с исходами из-за известной ошибки тяготеть к центральной тенденции (Jonson, 1972; Woodworth, 1938). В большом разнообразии оценочных задач, включая простую трансляцию исходных данных с одной шкалы на другую, испытуемые имеют тенденцию избегать крайних ответов и уменьшать изменчивость своих суждений (Stevens и Greenbaum, 1966). Из-за этого предубеждения, суждения будут регрессивны по сравнению с входными данными или с исходами. Ис следования, используемые в этой книге, нейтрализуют это влияние, сравнивая две оценки, подверженные одному и тому же предубеждению.

Настоящая серия исследований была посвящена ситуациям, в которых люди делают прогнозы на основе информации, которая доступна им до проведения исследования, в форме стереотипов (например, инженера) и ожиданий относительно отношений между переменными. Обратная связь исхода не обеспечивалась, и количество оценок, которые должен был осуществить каждый тестируемый, было мало. Напротив, самые ранние исследования прогнозирования касались изучения функциональных или статистических отношений между переменными, с которыми испытуемые не имели никакого предшествующего знакомства. Эти исследования обычно стимулируют большое количество попыток и различных форм обратной связи исхода. (Часть этой литературы была рассмотрена в работах Словика и Лихтенштейна, 1971.) В исследовании повторных прогнозов с обратной связью, испытуемые вообще предсказывают, выбирая результаты так, чтобы полная последовательность или образец предсказаний были высоко репрезентативными по отношению к распределению исходов. Например, испытуемые в исследованиях, изучающих вероятность, производят последовательности прогнозов, которые едва соответствуют статистическим характеристикам последовательности исходов. Точно так же испытуемые в задачах числового прогнозирования приблизительно воспроизводят график рассеивания, то есть объединенное распределение входных данных и исходов (см., например Grey, 1968). Для того чтобы это сделать, испытуемые прибегают к смешанной стратегии: для любых исходных данных они производят распределение различных предсказаний. Эти прогнозы отражают то, что любой набор исходных данных вызывает различные исходы при различных испытаниях. Очевидно, правила прогнозирования различны в этих двух парадигмах, хотя репрезентативность имеет отношение к обеим. В парадигме обратной связи испытуемые производят последовательности ответов, представляющие целостные модели связи между исходными данными и исходами. В ситуациях, исследуемых в этой книге, испытуемые выбирают прогноз, который лучше всего представляет их впечатления относительно каждого отдельного случая. Эти два подхода ведут к различным нарушениям нормативного правила: представление неопределенности с помощью смешанной стратегии в парадигме обратной связи и уменьшение неуверенности за счет прогнозирования с помощью оценок в данной парадигме.


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