準確性要求減少啟發式使用：以再認啟發式研究為例

王效廣 王云

摘 要：再認啟發式理論認為人們僅依賴再認線索就做出決策。本研究以配對比較任務為決策任務，采用多項式加工樹模型分析數據，探討了準確性任務對決策者再認啟發式使用的影響。結果顯示：準確性任務條件下，高正確率組被試再認啟發式使用顯著低于控制組被試。表明準確性任務會減少再認啟發式策略的使用。

關鍵詞：策略使用;再認啟發式;多項式加工樹模型;準確性

再認啟發式（recognition heuristic， RH; Goldstein & Gigerenzer， 2002）指的是在比較判斷兩個對象時，如果人們僅能識別出對象中的其中一個，就會認為再認對象相較于標準有更高的值。再認啟發式是快速節儉啟發式中最簡單的決策策略之一（Gigerenzer， Todd， ABC研究小組， 1999）。

Goldstein和Gigerenzer（2002）使用再認一致率測量RH使用。再認一致率用再認比較配對（比較的對象有且只有一個再認）中選擇再認對象的比例來表示。但Pohl（2006）以及Hilbig、Erdfelder和 Pohl（2010）指出再認一致率的測量方式混淆了單純再認和知識之間的使用，有時人們雖然選擇了再認的對象，但選擇再認并不是由于僅依賴再認線索作出的，當對再認對象有更多的知識或信息時很難排除這些知識或信息的影響。因此再認一致率通常是有偏的、高估再認使用的程度。

為了區分知識和單純再認的使用，研究者提出不同的改進方式，比較有代表性的是Hilbig等（2010）基于多項式加工樹模型提出的r-model。Batchelder等（1999， 1988）提出的MPT模型能夠分析分類數據的作答過程，通過數學建模的方式以不同參數表示相應認知過程并通過數學算法實現對潛在的認知過程的分析。在模型中，不同類別的知識構成了三種類別的比較任務：知識事件（knowledge case，兩個比較對象都能夠再認）、猜測事件（guessing case，兩個比較對象都不能再認）和再認事件（recognition case，只有一個比較對象能夠再認）。配對比較任務的回答分配到8個互斥的反應類別。以不同的參數表示不同的認知加工過程，其中參數r表示在再認組的任務比較中單純使用RH的概率，即在決策時只考慮再認線索忽略其它的信息和知識;互補概率1-r表示知識使用的概率。模型還包括其它3個參數：再認效度a、知識效度b和猜測效度g。模型參數估計可以通過最大似然估計的期望最大值算法實現（Hu & Batchelder， 1994）。同時，r-model允許進行擬合度檢驗。模型擬合通過擬合優度統計量G2和嵌套模型之間的差異進行檢驗，并根據χ2差異檢驗模型擬合的變化（ΔG2）。模型輸出參數G2 、p值，當p>0.05時，表示模型很好地擬合實際數據。

再認啟發式MPT模型 r-model說明（Hilbig， Erdfelder， & Pohl， 2010）。可觀察和不可觀察事件在圖中分別以矩形和圓角矩形表示。對每一個被試來說，有J=3類配對比較：知識組、猜測組和再認組。每一次作答落到m∈{1，...，M}8種不同反應類別Cjm中的一種。模型參數a代表再認效度、b知識效度、g猜測效度和r再認使用概率。

Payne、Bettman和Luce（1996）提出的努力-準確性框架（effort-accuracy framework）假設努力的投入越多導致行為結果的正確性越高，反之，減少努力意味著正確性的降低，這也是為什么啟發式的使用被廣泛認為是次優的決策策略（Tversky & Kahneman， 1974）。Gigerenzer和Goldstein（1996）的研究則挑戰了這一框架，發現采取快速節儉啟發式決策策略并不會因為它加工較少的信息而導致正確率下降，事實上快速節儉啟發式做到了即節儉又準確。類似地，Payen等（1996）的研究發現詞典編纂策略（lexicographic strategy;一種以固定效度順序搜索每一條線索的策略，就像詞典中按照字母順序排列詞匯一樣）有時能夠取得相當于加權線性模型的表現。

因此，一個很有意思的問題是在RH任務領域，決策者是如何權衡速度與準確性的不同任務要求的呢。

首先，Pachur和Hertwig（2006）最早觀察到時間壓力促進RH使用。Hilbig、Erdfelder和 Pohl （2012）則以兩個實驗研究檢驗了時間壓力對RH使用的影響，發現即使是輕微的時間限制也會增加被試的RH使用。綜述兩項RH領域的研究結果表明時間壓力會增加RH策略的使用。但是，正確率要求或者任務重要性會如何影響被試的再認啟發式策略使用，在之前的研究中還沒有涉及。不同于時間壓力更多是對反應速度的強調，競爭壓力和評價都更加強調結果的準確性，而對速度與準確性尤其是對準確作答的追求在我們的日常生活以及在教育場景中更多的發生。

準確率要求會改變人們的決策。認知能量理論（cognitive energetic theory，CET，Pica，Pierro， Bélanger，& Kruglanski，2013）指出認知活動受到驅動力和約束力的影響，驅動力會受到目標重要性和可用的心理資源的影響，約束力受到任務要求、競爭目標或資源保護等因素的影響。CET將認知活動視為一個動態過程，驅動力和約束力相互補償以完成任務目標，限制因素大小增加必須通過驅動因素的等效增加來抵消。如任務要求改變需要同等地改變目標重要性或資源可用性。因此高的準確率要求將準確率反應作為當前活動的重要目標時會改變個體在認知活動中的重要性認知以及整合可用的心理資源投入到任務活動中，這需要改變個體做出決策的過程，檢索更多的信息，抑制快速“閉合”、過早形成結論的傾向，這意味著高的準確性要求會增加個體做出決策的時間，減少啟發式策略使用而增加復雜認知策略的使用。

本研究使用配對比較任務（paired-comparison task， Goldstein & Gigerenzer， 2002）對RH使用進行測量，使用r-model對數據進行建模分析，旨在說明準確性任務下的RH策略使用。

研究假設：

假設1高準確性任務條件下，被試的反應速度下降，反應時增多;

假設2高準確性任務條件下，被試的再認一致率降低，被試較少地選擇與再認相一致的對象;

假設3高準確性任務條件下，被試的RH策略使用減少，其它策略使用增加。

一、實驗方法

（一）被試

通過廣告招募的方式招募70名大學生被試參與本研究，其中男生17名，女生53名，隨機分配到控制組和實驗組。被試的平均年齡19.4歲（SD=1.63;范圍17-25）。所有被試視力或矯正視力正常，實驗前告知有權選擇隨時退出實驗，所有被試參加完所有測驗。實驗結束后，被試均收到一定的被試費用作為實驗報酬。

（二）實驗設計

采用經典的城市規模比較任務（the city-size task， Goldstein & Gigerenzer， 2002）作為實驗任務。城市規模比較任務包含了推理任務和再認任務。推理任務需要被試選擇呈現的兩個城市哪一個規模更大;再認任務需要被試對呈現的城市名稱進行是否再認知識判斷。共選擇18個城市作為實驗材料，完全配對比較產生153個比較對。

被試隨機分配到實驗組或控制組。參照Mayseless和 Kruglanski（1987）增加對無效的恐懼（the fear of invalidity）的方法操縱被試在任務中對正確反應的重視程度。實驗組條件，告知被試正確反應的結果被認為與智商高相關，要求被試盡可能正確反應。同時告知被試在實驗結束后，實驗結果及與他人的比較會通過郵件的方式發送給他們。控制組條件，要求被試盡可能正確反應。兩組實驗條件下被試反應時間不受限制。

（三）數據刪除

通過詢問被試對正確結果的重視程度的一道題目進行實驗操作有效性檢驗，要求被試報告實驗中正確地判斷任務對他來說有多重要進行打分評價（7點評分，1和7是兩個極端分別表示“一點都不重要”、“非常重要”，中間數字是4，表示一般）。實驗組刪除2名報告在4以下的被試，同時實驗組另有2名被試因為規律作答被刪除。控制組有4名被試因為規律作答被刪除。

（四）數據分析方法

采用SPSS17.0軟件對傳統數據進行分析，Gpower3.0軟件（Faul， Erdfelder， Lang， & Buchner， 2007）進行效應量分析。MultiTree軟件（Moshagen， 2010）進行r-model模型數據分析。

二、實驗結果與分析

（一）實驗操作有效性檢驗

檢驗實驗組和控制組對正確結果重視程度，實驗組和控制組t（60）=2.203，p<0.05， Cohens d=0.560。實驗組相比控制組報告更高的對結果正確性的重視程度。

（二）反應時數據分析

控制組和實驗組反應時數據分析如表1：

獨立t檢驗分析結果顯示，t（9484）=4.756，p<0.001，Cohens d=0.098。說明更加強調正確反應的實驗組被試相比控制組在反應上用時更多，結果支持假設1。

（三）傳統數據分析結果

控制組和實驗組城市再認個數、再認比例、再認效度α、知識效度β、猜測組正確率、總體正確率、RH一致率等分析結果見表2。

由表2可知，實驗組和控制組被試在城市再認個數、再認比例、再認效度α、知識效度β、總體正確率上都不存在差異。在再認一致率上，兩組被試存在中等程度的差異，實驗組被試相比較于控制組更低，說明在做判斷時，被試更少地選擇再認對象。再認一致率的分析結果支持假設2。

（四）模型數據及其分析結果

MultiTree模型擬合結果，實驗組G2（1）=0.978，p=0.323，控制組G2（1）=0.395， p=0.530，表明模型較好擬合數據。

模型數據分析結果見表3。實驗組參數a、b、g和控制組均無顯著差異，說明兩組被試在再認效度、知識效度和猜測效度上相當;實驗組參數r顯著低于控制組參數r，說明高正確率要求任務的被試RH使用降低，結果支持假設3。

三、討論

強調正確率的實驗任務會減少被試啟發式策略的使用嗎？本研究使用配對比較任務為實驗材料發現準確性要求會較少被試RH策略使用。

首先，高準確性反應的任務要求增加了被試的反應時間。高準確性反應任務會增加人們對信息的搜索和思考時間，推遲做出決策。從實驗操縱的反應時上看實驗組被試不僅表現出更多的平均反應時間，在各個數據點（25%、50%、75%）上的反應時也高于控制組。說明對實驗組的操縱是成功的。

其次，數據分析表明實驗組和控制組被試除了在RH一致率上存在有差異之外，兩組在再認個數、再認效度和知識效度、猜測效度等都不存在差異，說明兩組之間的RH一致率的差異是由于不同的實驗操縱產生的。模型數據分析的結果同樣說明兩組之間在RH使用上存在顯著差異，將兩組RH使用參數r設置為相等時模型擬合顯著變差。

最后，比較傳統數據和模型數據分析的結果發現，在再認效度和知識效度的結果上，兩種數據分析的方法并無顯著性差異;但在RH使用上以參數r表示的RH使用相比一致率有較大的下降，實驗組和控制組分別下降為0.16、0.11。這種下降是由于在r-model中區分了單純RH使用和其它策略使用的結果。而且r-model通過分離RH使用和其它策略使用使得在模型數據結果下更容易發現兩組在RH使用上的差異。

為什么高準確性任務要求會減少被試的RH使用？從實驗任務來說，高的準確性要求會促使被試在做出最終的決策判斷前會搜索更多的信息，增加被試在任務上的認知努力投入（Roets， Van Hiel， Cornelis， & Soetens， 2008），實驗中更長的加工時間、考慮更多的知識線索意味著高準確性任務條件的被試可能關注到再認對象的特征也會關注到非再認對象的特征并盡可能多地從記憶中提取相關的有關于再認對象非支持性的信息做出決策判斷。另外，高準確性任務條件的被試會生成更多的假設，這也意味著他們更可能將非再認對象視為正確的可能選擇。研究的結果也支持Pica等（2013）提出的認知能量理論，雖然本研究沒有測量動機在測驗中的變化但這種變化顯然是存在的，在高準確性任務條件下會改變被試對目標任務重要性的感知以及促使被試整合可用的心理資源到認知活動中。

四、研究結論

以再認啟發式為例，研究探討了準確性任務對啟發式策略使用的影響。使用配對比較任務對RH使用進行測量，多項式加工樹模型r-model對數據進行建模分析，發現在準確性任務條件下，高的正確率要求會減少被試RH使用，增加其它策略使用。

參考文獻

[1] Batchelder，W.H.，& Riefer，D.M.（1999）.Theoretical and empirical review of multinomial process tree modeling.Psychonomic Bulletin & Review，6（01）：57-86.

[2] Faul，F.，Erdfelder，E.，Buchner，A.，& Lang， A.Statistical power analyses using G*Power 3.1：Tests for correlation and regression analyses. Behavior Research Methods，2009，41（04）：1149-1160.

[3] Gigerenzer，G.& Goldstein，D.G.Reasoning the fast and frugal way：models of bounded rationality. Psychological Review，1996，103（04）：650-669.

[4] Gigerenzer，G.& Todd，P.M.Fast and frugal heuristics： The adaptive toolbox.Gigerenzer & Todd/abc Group，Simple Heuristics That Make Us Smart，1999，l.115：3-34.

[5] Goldstein，D.G.，& Gigerenzer，G.Models of ecological rationality：the recognition heuristic.Psychological Review，2002，109

（01）：75-90.

[6] Hilbig，B.E.，Erdfelder， E.，& Pohl，R.F.A matter of time： Antecedents of one-reason decision making based on recognition.Acta Psychologica，2012，141（01）：9-16.

[7] Hilbig，B.E.，Erdfelder，E.，& Pohl，R.F.One-reason decision making unveiled：a measurement model of the recognition heuristic.Journal of Experimental Psychology Learning Memory & Cognition，2010，36（01）：123.

[8] Hu，X.，& Batchelder，W.H.The statistical analysis of general processing tree models with the em algorithm.Psychometrika，1994，59（01）：21-47.

[9] Mayseless， O.， & Kruglanski， A. W.What makes you so sure？ Effects of epistemic motivations on judgmental confidence. Organizational Behavior & Human Decision Processes，1987，39（02）：162-183.

[10] Moshagen，M.multiTree：A computer program for the analysis of multinomial processing tree models.Behavior Research Methods，2010，42（01）：42-54.

[11] Pachur，T.，& Hertwig，R.On the psychology of the recognition heuristic：retrieval primacy as a key determinant of its use.Journal of Experimental Psychology Learning Memory & Cognition，2006，32（05）：983.

[12] Payne，J.W.，Bettman，J.R.，& Johnson，E.J.Adaptive strategy selection in decision making. Journal of Experimental Psychology： Learning，Memory，and Cognition，14，1988（03）：534-552.

[13] Payne，J.W.，Bettman，J.R.，& Luce，M.F.When Time Is Money：Decision Behavior under Opportunity-Cost Time Pressure.Organizational Behavior and Human Decision Processes，1996，66（02）：131-152.

[14] Pica，G.，Pierro，A.， Bélanger，J.J.，& Kruglanski，A. W.The motivational dynamics of retrieval-induced forgetting：A test of cognitive energetics theory.Personality and Social Psychology Bulletin，2013，39（11）：1530-1541.

[15] Pohl，R.F.Empirical tests of the recognition heuristic.Journal of Behavioral Decision Making，2006，19（03）：251-271.

[16] Riefer，D.M.，& Batchelder，W.H.Multinomial modeling and the measurement of cognitive processes. Psychological Review，1988，95（03）：318-339.

[17] Roets，A.，Van Hiel，A.，Cornelis，I.，& Soetens，B.Determinants of task performance and invested effort：A need for closure by relative cognitive capacity interaction analysis. Personality and Social Psychology Bulletin，2008，34（06）：779-792.

[18] Tversky，A.，& Kahneman，D.Judgment under uncertainty： Heuristics and biases. Science，1974，185（4157）：1124-131.