認知偏見之模糊效應
模糊效應(歧義效應:ambiguity effect)是一種認知偏差,描述了我們如何傾向於避免我們認為模稜兩可或缺少資訊的選項。
我們不喜歡不確定性,因此更傾向於選擇實現某個有利結果的機率已知的選項。
(買漲不買跌)
想象一下,您正在註冊大學課程:您正計劃參加一門選修課,並且有幾個選項需要考慮。
為了更好地瞭解您的決定,您決定線上搜尋將教授您的前兩名選擇的教授的評論。
假設其中一位教授的評分一般,而另一位教授還沒有評分,因為這是他們在您學校任教的第一個學期。
在這種情況下,大多數人傾向於選擇有平均評分的教授教授的課程。儘管評分並不高,但我們會更好地瞭解我們正在進入什麼領域。
我們害怕冒險與我們不瞭解評分的教授一起上課,以免他們被證明是個壞老師。
然而,透過謹慎行事,我們冒著錯過由優秀教師教授的非凡課程的風險。
在做出這樣的決定時,我們經常忘記同等重視冒險的結果實際上可能是積極的可能性。
(風險與收益同比)
個人效果
模糊效應會阻止我們對兩個可行的選項進行同等考慮。結果,我們的決策受到影響。我們可能會自動決定反對某事,僅基於我們認為信任未知事物太冒險這一事實。參與這種認知偏見會限制我們,因為它會阻止我們從風險較高的決策中獲得長期利益。
雖然這類似於風險規避的概念,但這兩種偏見的區別在於決策者擁有多少資訊。當我們只知道一個可用選項的某個結果的機率時,就會出現模糊效應,而當我們知道機率並傾向於選擇回報較小但成功可能性較大的選項時,就會出現風險規避。在這兩種情況下,我們不喜歡選擇我們認為有風險的選項會限制我們做出正確決策的能力。
系統性影響
模糊效應的影響範圍很廣。它可以影響我們日常生活中所做的小選擇,但它也會對更大範圍的決策產生影響。
它可能導致學校、公司和政府等機構繼續致力於失敗的系統,而不是引入具有改進潛力的新政策或計劃。
發生這種情況是因為,即使這些變化可以改善系統,也不能保證事情不會誤入歧途,最終導致我們的境遇比剛開始時更糟。
即使當前的系統不是最優的,堅持它也比實施變革更安全,因為它被理解並且它的過程更可預測。
(墨守陳規)
歷史溯源(上下文)
模糊/歧義效應的概念是由丹尼爾-埃爾斯伯格在1961年首次提出的。雖然 "模糊效應 "這個詞不是其創造的,但它為這種認知偏見背後的理論奠定了基礎。
在這篇論文中,埃爾斯伯格概述了一個假設性的實驗,這個實驗已經成為解釋模糊性效應最常用的例子之一。
這個場景讓你想象你在玩一個狂歡節遊戲,你可以透過從一個桶裡抽出某種顏色的球來贏得100美元。桶裡有90個球,其中30個是紅色的。剩下的60個球中,未知比例的球是黃色的,其餘的是黑色的。你被告知可以選擇是抽紅球還是抽黃球。抽到你下注的顏色的球將為你贏得100美元,而抽到黑球或你沒有下注的顏色的球將一無所獲。
大多數人表示,他們寧願賭紅球。
有趣的是,抽到黃球的機率與抽到紅球的機率相等。
抽到紅球的機率是⅓,因為90個球中有30個是紅球。抽到黃球的機率也是⅓,因為黃球的數量在0和60之間平均分佈。
因此,人們選擇賭抽到紅球的原因與統計學沒有關係。它更多地與我們喜歡已知的東西而不是未知的東西這一事實有關。
如何避免
為了避免限制自己,我們需要學會克服最初的衝動,避免模稜兩可的選擇和情況。與任何啟發式方法一樣,這樣做的第一步是認識到它的存在以及它對我們決策的影響。
避免模稜兩可效應的一個主要部分是願意花時間做決定。(慢思考)
啟發式方法使我們能夠毫不費力地自動做出決定。我們在一天之內要面對這麼多的資訊和這麼多的選擇,這可能是分配我們精神資源的一種有效方式。
然而,某些決定值得我們付出更多努力。
不那麼模糊的選項最初可能看起來更可取,但是,正如弗裡希和巴倫6所指出的,你實際上可能比你認為的更不瞭解它。重新規劃一下情況可能會有幫助。
這可能會發現,不那麼模稜兩可的選擇並不像它看起來那樣優越。
此外,在評估比較模糊的選項時,重要的是不要只關注可能出錯的地方,也要關注可能出錯的地方。當面臨模糊不清的情況時,我們傾向於想象最壞的情況,而忘記了有同樣的可能性,結果可能是最好的情況。
相關文章
- 認知偏見之行動偏見
- 認知偏見之錨定偏差
- 現代世界50種認知偏見
- 一句話總結三十條認知偏見
- 哪些認知偏見左右著人們的判斷?
- 聊一聊程式設計師人群的認知偏見程式設計師
- 玻纖效應之我見
- 部落大腦:認知不精確導致人類感知的偏見
- 傳統中小企業對SEO的錯誤認識和偏見
- RPA醫療應用的三個偏見,這是最好的回應
- 人類本性都有傲慢與偏見,那麼人工智慧會有偏見嗎?人工智慧
- 認知偏差之注意力偏差
- 當AI學會偏見 企業當為技術應用劃線AI
- Flutter學習之認知基礎元件Flutter元件
- AI 融入 BI 可期,“偏見”如影隨形怎破?AI
- 標杆之死:《虛榮》的傲慢與偏見
- 論系統管理員的傲慢與偏見
- 多執行緒之應知應會執行緒
- 認知模型模型
- 認知自省
- CI/CD系列之阿里云云效2020應用篇阿里
- CISSP錯題或模糊知識(未整理)
- Linux新手常見的7個認知誤區,你中了幾個?Linux
- 軟體開發的常見認知規律和原則 - Reflectoring
- 西北大學:研究認為要解決社會偏見就必須關注語言的文化傳播
- 【細品架構2/100】架構之概念認知架構
- 人們對《DOOM》的誤解、偏見以及刻板印象OOM
- 路西法效應
- MQTT 基本認知MQQT
- Python 偏函式介紹及應用Python函式
- SAP SD基礎知識之SD常見流程概述
- 鄧寧-克魯格效應:不知道自己無知的悖論
- 知物由學 | 在熱詞中看輿論,擺脫“黑天鵝”效應
- 我對英文翻譯的一些個人偏見
- 認知決定上限
- 自我認知微調
- 認知提升的方法
- 6種認知剃刀