Dec, 2023

决策路线导航：校长对决策动态的影响

HTML
PDF
TL;DR我们研究了社会系统中的决策动力学，参考了以前的研究中的“兽群行为”，即个体在不了解背后原因的情况下跟随前面的选择。虽然先前的研究强调了在没有外部影响下对最优选择的偏好，但我们的研究引入了校长或外部指导，增加了决策过程的复杂性。这些校长的可靠性显著影响决策。值得注意的是，即使偶尔对一个不可靠的校长产生信任也会改变决策结果。此外，当校长的建议纯粹是随机的时候，信任度的提高会导致更多的决策错误。我们的研究结果强调在决策背景中对放置信任时的谨慎性。
发现论文，激发创造
  • 信心与能力的碰撞：对在线决策讨论的影响

    本研究旨在了解信心与能力差异对讨论动态和结果的影响。通过一个在线团队地理游戏，结果发现在面向任务的讨论中，较为自信的个体即使与队友处于同等能力水平，也会对小组决策产生更大的影响，这种信心在决策过程中的不当作用经常会导致团队表现不佳，并通过调查信心对谈话动态的影响来探究这种现象。

    Feb, 2017

  • 误信：测量机器学习对人类决策的干扰

    研究人员探究了人们在处理两项困难任务时，对机器学习（ML）建议的信任程度；他们发现，即使人们了解这些任务，并给出了表明该系统不自信的信息，但在执行大部分时间正确的任务时，人们也会相信错误的ML建议，并且提供了四种不同类型的系统信息可增加人们对建议的信任，并且数学和逻辑技能对于使用ML建议的决策者来说可能与ML一样重要。

    May, 2020

  • 学习离散选择中可解释特征的上下文效应

    给定一组选择，理解导致个人作出选择的因素至关重要，本研究提出了一种来自观察选择数据自动发现广泛上下文效应的方法，该模型易于训练，在现有模型上更灵活，可产生直观，可解释且统计测试的上下文效应。

    Sep, 2020

  • 速度、质量和复杂决策的最佳时机：现场证据

    通过分析国际象棋中的实际操作数据，本文探讨了决策速度与决策质量之间的关系，结果表明快速决策与更好的绩效呈正相关，这与程序决策模型的预测一致。

    Jan, 2022

  • 基于心理学的动态偏好模型

    本文提出了通过心理学模型来设计符合用户时间变化偏好的推荐系统的方法，并讨论了心理模型对推荐系统的影响以及其对系统设计和性能评估的启示。

    Aug, 2022

  • AI辅助决策中依赖行为和准确性的相互依存性

    本文分析了 AI 辅助决策中人类对模型建议过度或不足的倾向对准确性的影响，并提出了一个可视化框架以帮助比较和解释实证结果和干预策略。

    Apr, 2023

  • 自动决策系统中反馈环路分类及其与偏见的关系

    本文运用动态系统理论对基于机器学习的决策制定流程中的不同类型的反馈循环进行分类，为研究反馈循环提供了一个统一而有原则性的框架；通过定性分析和推荐系统的模拟示例，我们还发现了在ML偏见中存在哪些有可能会持续、加强或减少。

    May, 2023

  • 透过LENS理解人类行为：语言内容如何触发情绪、规范并决定策略选择

    在过去二十年中，一系列实验研究提供了证据，表明语言框架影响经济游戏中的人类行为，超越了可用行动的经济后果。本文提出了一个超越基于结果偏好模型的传统限制的新框架：LENS模型。根据LENS模型，对决策问题的语言描述会触发情绪反应，提出潜在的行为准则，进而相互作用从而塑造个人的策略选择。此文综述了支持LENS模型各路径的实验证据，并指出了引发此模型的若干关键研究问题，为未来研究提供了方向。

    Mar, 2024

  • LLM不确定环境下的决策行为评估框架

    在不确定性下做决策时，个体往往偏离理性行为，这可以通过风险偏好、概率权重和损失规避三个维度进行评估。本文提出基于行为经济学的框架，评估大型语言模型（LLMs）的决策行为，结果显示LLMs通常表现出类似于人类的行为模式，如风险规避和损失规避，并且倾向于高估小概率。然而，不同的LLMs在表达这些行为的程度上存在显著差异。此外，研究还探讨了当LLMs嵌入社会人口学特征时的行为，并发现存在显著差异。因此，本研究倡导制定标准和指南，确保LLMs在提升复杂决策环境中的效用的同时，遵守伦理规范和尽量减少潜在偏见。

    Jun, 2024

  • 利用机器学习捕捉人类战略决策的复杂性

    本研究解决了人类在战略环境中决策行为理解的长期问题，开展了超过9万个决策的数据分析，展示了深度神经网络在预测人类选择方面的优越性。研究发现，个体游戏的复杂性影响人们的决策能力，并揭示了偏离理性纳什均衡的原因，这表明机器学习不仅能用于预测，还能提供对复杂人类行为的新解释。

    Aug, 2024