深度學習視域下認知偏差對知識建構的影響機制研究

晉欣泉　姜強　梁芮銘　趙蔚

[摘? ?要] 知識建構是實現深度學習的有效途徑，亦是各參與主體沖突協商、相互博弈的過程，而認知偏差作為學習者固有的認知心理現象，易對知識建構協同策略的選擇產生影響。為深入揭示深度學習知識建構過程中學習者認知內在機制，基于演化博弈理論，利用結構方程模型對認知偏差、團隊沖突與知識建構的關系進行分析。研究表明，證實性偏差、自我維護偏差和敵對歸因偏差顯著正向直接影響知識建構，任務沖突在認知偏差和知識建構之間起中介作用，而關系沖突與知識生成的關系不顯著。據此基于腦科學對認知偏差的闡釋，從社會連接、心理契約、心智解讀、自我意識與控制、情緒等五個維度提出了知識建構有效發生策略，拓展了深層次知識建構的研究范疇，助力深度學習的有效發生與良性發展。

[關鍵詞] 認知偏差; 深度學習; 知識建構; 演化博弈論; 腦科學

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 晉欣泉（1996—），女，河南焦作人。博士研究生，主要從事知識建構、深度學習研究。E-mail：jinxq805 @nenu.edu.cn。

一、引? ?言

深度學習的發生需回歸于具體的問題探究情境中，通過學習者的切身體驗，經由多次的信息加工和復雜的高階思維參與，驅動著學生對外部知識和自我認知的深度建構，從而實現知識的深層次理解和創造性生成[1]?！吧疃葘W習如何發生”和“如何促進深度學習”是亟待解決的重大課題。多倫多大學的Scardamalia和Bereiter認為知識建構利用群體智慧聯合解決學習問題，在幫助個體獲得知識的同時，還能細化與發展知識，進而引發維持深度學習[2]。從過程上看，知識的深度建構強調去中心化的開放協商[3]，源于學習者對知識的提取、加工、評價與反思，使其有能力承擔起持續改善思想的責任[4]，實現集體知識創新。而反思又成為新一輪知識建構的重要依據[5]，這意味著學習者需不斷作出決策。

然而，諾貝爾獎獲得者Kahneman和Tversky指出個體難以進行完全意義上的理性認知，大腦思維可能會受到多種無意識偏差的影響，即為認知偏差[6]。有限理性會使人們在對輸入信息的自我感知中創造“主觀現實”，易受到潛意識偏差的影響，傾向于基于認知而非事實證據作出決定，從而產生偏離標準或規范的假設。認知偏差的客觀存在，受到法醫學、化學等不同領域學者們的熱議，其發表在《自然（Nature）》《科學（Science）》等雜志的研究成果證明了在科學數據分析及決策中識別認知偏差的重要性[7-8]。從神經科學視角來看，腦神經系統的認知結構決定人的行為決策，但腦能量資源有限性的制約使得人類作出非理性決策。因此，知識建構者在面對復雜性學習任務和不確定性解決方案時，通常使用思維捷徑來作出判斷，而內在認知調節和控制著個體建構行為，影響著協同知識建構的策略選擇與質量?？梢?，認知偏差是真實存在于深度學習過程中，并不是一種隨機現象，需要深入研究協同知識建構內部機理，不能僅作為隨機誤差項處理?；诖?，本研究重點關注在深度學習知識建構中容易出現的認知偏差，基于演化博弈理論，利用結構方程模型探究認知偏差和知識建構間的作用機理，并從腦科學視角提出了相關策略以減輕潛在負面影響，促進知識建構，為深度學習的可持續發展提供動力支持。

二、核心概念與理論依據

（一）認知偏差

行為心理學家通過大量的實驗研究發現，不確定性條件下的人類實際決策會偏離期望效用理論的預測行為，呈現有限理性，謂之認知偏差[9]。認知偏差通常被視為阻礙學習者在復雜學習任務中作出最佳選擇的客觀因素，如因錨定效應而導致嚴重的信息不對稱、因偏向信息檢索而缺少創造性思維能力、因敵對歸因而對相反觀點視而不見等。但Gigerenzer和Goldstein認為認知偏差是人類思維合理性偏差[10]。面對結果不可預知和知識復雜性，有限理性學習者產生的具有個體差異性的認知偏差易引發沖突，而沖突是知識建構中不可避免且尤為重要的環節已被證實。Farrokhnia等提出以沖突為導向的活動是協同知識共建的重要環節[11]。李海峰和王煒證明認知沖突能促進深度協同知識建構持續發展[12]。由于認知偏差主要存在于信息編輯和評價階段，結合深度學習流程，提出觀點、尋找證據、交流論證和效果評估，本文主要選取錨定與調整偏差、證實性偏差、敵對歸因偏差和自我維護偏差等四種常見認知偏差。

（二）演化博弈理論

無論來自實驗數據還是真實博弈分析，都表明博弈在社會交往中普遍存在，且并非每個參與人在博弈局勢中都體現出理性。學者們逐漸利用演化博弈理論來探究群體中非理性個體的博弈過程[13]。深度學習亦是主體間相互博弈的過程，由于知識建構環境可實時呈現與共享各成員知識圖譜建構進度，因此學習者能及時感知他人策略選擇，基于自身利益最大化原則統籌互惠合作與搭便車的收益與成本，動態調整行為決策。然而，受先驗知識、價值感知等因素影響，學習者在識別對方博弈類型、感知互惠偏好時通常存在信息不對稱與認知偏差差異，偏離理性預期，影響參與人的行為選擇，則可能會使合作互惠演化到不同的均衡狀態中[14]。因此，需深入分析認知偏差對協同知識建構行為的影響機制，以促使系統穩態向協同知識建構演化，實現共贏。

三、研究模型與假設

個體認知輸入是知識建構良好運轉的重要驅動力，而對協同建構的價值感知差異導致雙方選擇不同博弈行為。同時，在價值感知時為了使個人利益最大化，極易產生認知偏差，導致團隊內產生關系沖突和任務沖突。在動態交互和沖突博弈中，個體不僅會根據價值和風險感知力圖選擇對自己有利或最為合理的行為決策，也會依據對方的認知和行為策略變化，調整己方決策，助力系統朝著知識生成狀態演化。基于此，研究提出認知偏差對知識建構的影響假設模型如圖1所示。

（一）錨定與調整偏差

錨定與調整偏差是指個人以初始信息（錨定值）為參照點來調整對事件的評判，可分為內在錨和外在錨[15]。內在錨通過錨定調整機制發揮作用，個體決策結果偏向個體已有認知（內在錨值）。外在錨通過選擇通達機制產生影響，團隊成員提供的參照信息（外在錨值）會影響個體決策傾向錨值。由于學習任務具有一定的挑戰性，學習者在接收分配任務時，會先自主檢索相關資料，易受到內在錨效應影響。在編輯階段，個體基于錨定值初步調整出一個可能的正確答案并對其評估。若發現有差異性，很容易就形成既定看問題角度和利益錨定點，導致認知惰性和慣性思維[16]，將知識協商的范疇劃歸入己方的利益立足點。因此提出假設：

假設1（H1）：錨定與調整偏差對關系沖突有正向影響。

假設2（H2）：錨定與調整偏差對任務沖突有正向影響。

假設3（H3）：錨定與調整偏差對知識建構有負向影響。

（二）證實性偏差

證實性偏差是指個體以先入之見為主來偏向檢索和解釋用于支持假設信息的趨勢[9]。當個體遇到相符或相左既定假設的資料時，通常選擇性地檢索、解釋或記憶信息，傾向支持與自我判定相一致的信息，而面對分歧觀點時，會有意尋找其他信息駁斥異議，這就是證實性偏差。在證實性偏差中，分歧觀點的出現被認為是進一步尋求信息和對理解其他觀點感興趣的主要觸發因素[17]。當個人試圖在團體中達成共識時，會直接與他人意見發生對抗，進而引發建設性沖突。同時，為了說服他人認同自己的觀點，學習者會自主增加從多個維度進行信息檢索與整合活動，可以激發更多創造性的問題解決方案。因此提出假設：

假設4（H4）：證實性偏差對關系沖突有正向影響。

假設5（H5）：證實性偏差對任務沖突有正向影響。

假設6（H6）：證實性偏差對知識建構有正向影響。

（三）敵對歸因偏差

敵對歸因偏差是指在個體傾向于將他人行為視為具有敵意的動機或意圖，即便該行為是良性的或模棱兩可的[18]。Dodge強調敵對歸因偏差是攻擊性行為形成和發展的重要認知因素[19]。具體而言，當一個人將他人的行為意圖解釋為敵對時，看到他人呈現出與自己觀點不一致的方案，更可能立即將這種行為解釋為他是故意要持相反意見，會驅使該人采取積極行動，反過來又導致其他人作出更多的攻擊性行為，進一步增強了這種敵意偏差。具有高度敵意歸因偏差的個體更有可能將團隊中其他成員的建議或評論視為針對自己的敵意，傾向于表現出憤怒、排斥、報復等侵略行為，不利于團隊異質性知識的共享與創造。因此提出假設：

假設7（H7）：敵對歸因偏差對關系沖突有正向影響。

假設8（H8）：敵對歸因偏差對任務沖突有正向影響。

假設9（H9）：敵對歸因偏差對知識建構有負向影響。

（四）自我維護偏差

自我維護偏差是指人們傾向于為預期的理想結果承擔責任，進行內部歸因，如個人特征、能力或努力等，而將失敗責任歸因于他人的行為或不行為、運氣或天氣等外部因素。自我維護偏差通常會使個人過度自信，高估個人對積極團隊績效的貢獻程度，增加對團隊未來績效改善的期望[20]。同時也會在解決問題的過程中保持既定的慣例。這種主觀性的自我良好，在面對任務出現問題或方案效果不理想狀況時，會促使學習者為維持自我價值而選擇逃避或推卸責任，難以客觀認識和看待問題，阻礙了尋求問題解決的創造性知識的生成。因此提出假設：

假設10（H10）：自我維護偏差對關系沖突有正向影響。

假設11（H11）：自我維護偏差對任務沖突有正向影響。

假設12（H12）：自我維護偏差對知識建構有負向影響。

（五）團隊沖突

團隊沖突是普遍存在且不可避免的，主要包括關系沖突和任務沖突。關系沖突指成員間情感的互不相容，伴隨敵對、緊張等對立關系。任務沖突指團隊成員對學習任務目標、分工、方案等的認知差異。多數研究表面不同沖突類型與績效創新有不同聯系。魏薇等提出關系沖突顯著負向影響團隊績效，而任務沖突可提高決策質量[21]。Wu強調關系沖突會減少人際溝通并削弱信任，對問題解決有負面影響[22]。任務沖突源于學習者對學習任務的分歧，迫使學習者不斷審視自我觀點，助推團隊從沖突性觀點中生成創造性知識。關系沖突則使成員間存在不信任的消極情感狀態，造成注意力和時間分散到處理人際關系問題上，阻礙探索性創新的實施決策，降低協同共建意愿。因此提出假設：

假設13（H13）：關系沖突對知識建構有負向影響。

假設14（H14）：任務沖突對知識建構有正向影響。

四、實證研究

（一）研究設計

本文基于“支架與聯結舊經驗—個人理解與承擔認知—協作共建與觀點改進—互動評價與總結反思—人工制品”的深度學習流程（如圖2所示），在眾包知識建構環境中開展教學實踐[23]。研究面向某高校教育技術學大學生，以“教育數據挖掘與分析”課程學習任務為導向，進行了為期10周的實驗。課程結束后向學生發放問卷，以參與深度學習的高校大學生問卷調查數據為分析依據，實證檢驗假設模型，探究認知偏差、團隊沖突和知識建構各要素間的效應作用機制。

（二）研究工具

本研究采用問卷調查法收集相關數據。團隊在借鑒并參考國內外多個相關成熟問卷與心理學實驗的基礎上，結合深度學習情境和專家審核意見進行問卷設計?；诩僭O模型，該問卷共有23個題項，涉及7個變量，分別為錨定與調整偏差（3個題項）、證實性偏差（3個題項）、敵對歸因偏差（4個題項）、自我維護偏差（3個題項）、關系沖突（3個題項）、任務沖突（4個題項）和知識建構（3個題項）。除錨定與調整偏差維度外，問卷采用李克特五分量表，由1（完全不同意）到5（完全同意）來計分。錨定與調整偏差調查是基于兩步式經典研究范式，設計了四個問題，用學習者的估計值減去50得到的絕對值即為錨定值。錨定值越大說明學習者受參照點的影響越小。為便于統計分析將錨定值中0～0.1記為5，0.1001～0.2記為4，0.2001～0.3記為3，0.3001～0.4記為2，0.4001～0.5 記為1。研究在線上線下共回收問卷322份，其中有效問卷298份，有效率為92.5%。

（三）結果分析

1. 信效度檢驗

研究對最終得到的298份有效問卷各題項的樣本數據進行信度和效度檢驗，見表1。結果發現，在信度方面，整體調查問卷的Cronbachs α系數的值為0.930，且模型中七個變量的Cronbachs α系數位于0.85至0.95區間，均大于0.7，表明問卷信度質量較高。同時，各變量組合信度CR值均大于0.7，說明測量模型的內在一致性良好。

在效度方面，KMO值為0.909，Bartlett球形檢驗的sig值為0.000，表明問卷信度符合研究標準。此外，對7個因子，23個題目項進行驗證性因子分析可知，各潛在變量的AVE的開根號值與該潛變量及其他所有潛變量的皮爾森相關之間的關系總體符合判定標準，7個因子對應的AVE值均大于0.5，且因子載荷系數值均大于0.7，說明各因子與測量項之間存在著良好的對應關系，區分效度較好。

2. 測量模型檢驗

為檢驗所構建模型擬合程度，本研究采用最大似然估計法（Maximum Likelihood）檢驗研究模型的整體擬合，選取卡方自由度比（χ2/df=1.327）、擬合優度指數（GFI=0.926）、近似誤差均方根值（RMSEA=0.033）、殘差均方根（RMR=0.036）、比較擬合指數（CFI=0.987）、不規范擬合指數（TLI=0.984）六個常用指標對模型擬合程度進行判定，各指標均達到了擬合標準，可以判定該模型可以適配。

3. 假設路徑檢驗

假設路徑檢驗分析結果如表2、圖3所示。根據數據分析結果可得，有10條路徑在統計學上有顯著性意義，其中有8條支持原有假設。學習者的錨定與調整偏差和關系沖突（β=-0.111，p=0.086）、知識建構（β=-0.003，p=0.96）之間的路徑存在負向影響，且關系不顯著，但與任務沖突（β=0.175，p<0.01）具有顯著正向影響關系。證實性偏差與關系沖突（β=0.43，p<0.001）、任務沖突（β=0.121，p<0.05）和知識建構（β= 0.238，p<0.001）間的路徑關系具有顯著正相關。敵對歸因偏差與關系沖突（β=0.195，p<0.01）、任務沖突（β=0.261，p<0.001）、知識建構（β=0.164，p<0.01）之間的正向路徑關系具有顯著性。自我維護偏差與任務沖突（β=0.316，p<0.001）、知識建構（β=0.257，p<0.001）間的路徑關系均呈現出顯著正相關，但與關系沖突（β=0.013，p=0.865）的關系不顯著。此外，關系沖突會對深度學習知識建構帶來一定的負向作用，但該作用并無顯著性（β=-0.041，p=0.456），而任務沖突會對知識建構（β=0.296，p<0.001）產生顯著性正向關系?？傮w來看，不同的認知偏差直接或間接影響了協同知識建構。證實性偏差、敵對歸因偏差與自我維護偏差對知識建構有積極的直接影響，而錨定與調整偏差對知識建構的直接影響不具有顯著性，可能以任務沖突為中介間接影響知識建構。

4. 中介效應檢驗

由上述路徑分析可知，關系沖突與知識建構間的路徑相關系數未達到顯著水平，而其余各變量間的相關系數均具有顯著的正向相關關系。因此，本研究僅探究任務沖突在錨定與調整偏差、證實性偏差、自我維護偏差、敵對歸因偏差影響知識建構過程中的中介效應，采用Bootstrapping法對深度學習參與者調查樣本進行中介效應檢驗。結果顯示，證實性偏差、自我維護偏差和敵對歸因偏差與任務沖突之間存在部分中介效應。敵對歸因偏差→任務沖突→知識建構的中介效應值為0.169、效果量為30.237%;自我維護偏差→任務沖突→知識建構的中介效應值為0.253、效果量為25.897%;證實性偏差→任務沖突→知識建構的中介效應值為0.194、效果量為14.447%。

五、基于腦科學的深度學習知識建構策略

認知偏差，這一經長期自然選擇內化為人類心智技能中的非理性行為，不是一種隨機現象，不僅在各種博弈實驗中得以驗證，而且也通過神經經濟學家的多項實驗證據定位了絕大部分人類非理性行為的腦區與腦神經機制[24]。從腦科學視角闡釋深度學習知識建構過程，在科學全面了解知識建構行為與認知偏差關系的基礎上，設計貼合大腦功能與發展規律的建構策略，無疑能充分發揮大腦創新潛能，促進知識協同建構與創新。因此，本研究根據神經科學家Maclean的“三腦一體”模型[25]和馬修·利伯曼的人類社交三大驅動力[26]，結合結構方程模型及路徑分析結果，從社會連接、心理契約、心智解讀、自我意識與控制、情緒等不同維度，提出深度學習知識建構策略。

（一）滿足學習者的社會連接需求

深度學習使學生合作成為一種必然需求。社會性是人類本質屬性之一，心理認知讓人們渴望獲得社會連接，協同知識建構不僅是知識協同創造的過程，更是在人際交互中實現親社會性發展的過程。雖然有研究表明高程度的關系沖突與團隊績效呈負相關[21]，但在深度學習中，關系沖突對知識建構的負向效應并無顯著性。這是因為強相互依存性的學習任務促使學生合作互動朝著更加互惠的目標前進。沖突并不一定導致利己行為，可能會增強人們的直覺反應，對投入與收益的權衡感知不敏感，產生自動化的決策傾向，促使學生更愿意與他人交流并采納建議[27]。知識建構平臺的架構為生生互動提供了支架，滿足學生社會腦的發展需求，不斷提高社會技能發展的同時，削弱了關系沖突潛在負面影響。

（二）引入獎懲機制，增強心理契約

引入第三方獎懲機制是保障學習行為積極演化，促進知識建構可持續發展的重要方式。行為腦對人行為的控制受到認知腦和情緒腦的聯結作用。因個體有限理性，“認知腦”的理性選擇過程往往充斥著來自“情感腦”的情感因素。換言之，博弈雙方的決策既不是完全理性，也非完全自利。不帶劍的契約不過是一紙空文，為實現公共知識協同共享，需引入獎懲程序。在該機制下，腦電theta振蕩活動在受損失條件下會被快速激活，個體表現出更強烈的沖突適應效應，可在經歷沖突后有效提升認知控制水平，削弱甚至規避消極互惠行為。因此，深度學習知識建構中，在強調自主學習、正向激勵的同時，還應不斷強化個體利己懲罰，著力構建明確的獎懲體系，杜絕“搭便車”現象、“螃蟹式”工作方式對團隊知識產出的負面影響，增強對任務過程和他人知識貢獻的認識，促進知識協同建構的良性發展。

（三）重視心智解讀能力的訓練與提高

在協同解決復雜問題中，對他人思想和行為進行合乎邏輯的理解和推斷，是保持合作連接、增強認知偏差正向影響的能力。人類大腦中心智化系統和鏡像神經元，承擔著對自我和他人心理狀態歸因的重大責任。協同建構是一個充滿無限變量的過程，異質性知識的復雜多變，使得學習者在知識共享與沖突溝通中時刻準備著透過心智化“鏡頭”，去觀察和解讀行為背后的思想，同時，也依賴自身經驗與認知，透過鏡像機制實現情境“模仿”。因此，提高心智解讀能力，學習者需不斷積累專業知識素養，借助他人學習經驗提高判斷力，還應時刻內省自我知識體系，避免過度臆測，以面對新學習困境時，更精準、快速預判出各種可能性的創新解決方案。

（四）關注自我意識，強化自我控制

良好的自我意識有助于擁有學習的內控力和內驅力，激勵知識體系的持續改進與創新。近乎普遍的自我利益規范會在各種情境中顯著影響人類行動和觀點，但認知偏差并不一定會破壞知識建構中的交流和集體凝聚力，可將其視為擁有控制感的一種工具，這實際上也是集體共有的一種文化意識形態。在動態知識建構博弈中，雙方根據自身意愿選擇博弈策略，當學習者意識到共享行為可以為自身和他人帶來利益時，大腦的獎賞系統被激活，刺激協同建構行為的持續發生。一方面團隊廣泛的知識庫，能夠讓學習者感知到共享為自己帶來的利益;另一方面自己也在幫助他人的過程中意識到自身獨特價值，伴隨著獎勵的獲取，主動性和積極性持續增加，從而形成良性循環，助力團隊和諧共贏。

（五）創設積極情緒的學習氛圍

良好的情緒能促進內啡肽、多巴胺等神經遞質的釋放，實現對信息的注意偏向和知識的認知加工。大量的神經科學實驗證實了情緒腦與認知腦之間存在著復雜的交互作用，影響著學習者的學習思維和行為活動[28]。具有排斥焦慮感的學習氛圍，易給學習者帶來持久的負性學習動機，杏仁核等情緒性腦區都會長期處于激活狀態，產生消極情緒。而信任和諧的氛圍可激活個體的眶額皮層，促使積極情緒的形成，增強注意力并促進創造性問題解決。這使人們以自愿和積極的方式進行知識溝通與思維碰撞，減少脅迫、獎懲等外部激勵措施的作用，降低博弈成員選擇策略時存在的時滯效應，盡可能縮短達到納什均衡的周期，對學習者自身發展和團隊集體智慧生成均是雙贏的局面。

六、結? ?論

認知偏差在深度學習知識建構中普遍存在，學習者行為決策中非理性的系統性偏差在協同共建的博弈過程中充分體現。為確保知識建構行為的有效發生，本研究從認知偏差這一客觀存在的問題出發，運用演化博弈理論分析了知識建構中機會主義行為的發生受認知偏差的影響，并探討了認知偏差對深度學習知識建構的具體作用機制，檢驗了任務沖突的中介作用。結果表明，認知偏差直接或間接正向影響了知識建構，且任務沖突對促進知識建構具有顯著的積極影響。最后，基于腦科學對認知偏差的闡釋，從社會連接、心理契約、心智解讀、自我意識與控制、情緒等五個方面提出了深度學習知識建構策略，旨在揭示協同知識建構過程的“黑箱”，推動深度學習科學化發展。然而，本研究存在一定的局限性。研究僅使用五點量表來對學生的認知偏差進行測量，由于自我報告的調查可能會引起受訪者的潛在偏見和證明其行為合理性的愿望，未來期望通過新興的腦成像技術，如利用功能性近紅外光譜技術測量知識建構策略的腦活動差異，探索策略實施的時序效應;將磁共振成像應用于認知偏差傾向與腦內默認模式網絡激活水平的相關性分析等，分析不同類型認知偏差對知識建構的作用腦區及神經機制研究，有助于更深入了解學習者學習狀態與認知水平，開發大腦潛能，促進學生深度學習。

[參考文獻]

[1] 李松林， 賀慧， 張燕.深度學習設計：模板與示例[M]. 四川：四川師范大學電子出版社， 2020： 352.

[2] SCARDAMALIA M， BEREITER C. An architecture for collaborative knowledge building[J]. Springer berlin heidelberg， 1992（84）： 41-66.

[3] 宋宇， 鄔寶嫻， 郝天永. 面向知識建構的課堂對話規律探析[J]. 電化教育研究， 2021， 42（3）： 111-119.

[4] HONG H Y， MA L， LIN P Y， et al. Advancing third graders' reading comprehension through collaborative knowledge building： a comparative study in Taiwan[J]. Computers & education， 2020（157）： 103962.

[5] 晉欣泉， 姜強， 趙蔚. 基于眾包的反思性學習模式設計與實踐——面向深度學習的課堂教學結構化變革研究之三[J]. 現代遠距離教育， 2020（2）： 32-42.

[6] TVERSKY A， KAHNEMAN D. Judgment under uncertainty： heuristics and biases[J]. Science， 1978， 185（4157）： 17-34.

[7] DROR I E. Biases in forensic experts[J]. Science， 2018， 360（6386）： 243.

[8] JIA X， LYNCH A， HUANG Y， et al. Anthropogenic biases in chemical reaction data hinder exploratory inorganic synthesis[J]. Nature， 2019， 573（7773）： 251-255.

[9] SIMON H A. A behavioral model of rational choice， in models of man， social and rational： mathematical essays on rational human behavior in a social setting[M]. New York： Wiley， 1957.

[10] GIGERENZER G， GOLDSTEIN B D. Reasoning the fast and frugal way： models of bounded rationality[J]. Psychological review， 1996， 103（4）： 650-669.

[11] FARROKHNIA M， PIJEIRA-D？魱AZ H J， NOROOZI O， et al. Computer-supported collaborative concept mapping： the effects of different instructional designs on conceptual understanding and knowledge co-construction[J]. Computers & education， 2019（142）：103640.

[12] 李海峰， 王煒. 經驗認知沖突探究法——一種翻轉課堂模式下的深度協作知識建構學習策略探索[J]. 電化教育研究， 2020， 41（1）： 99-106，121.

[13] SANTOS F P， SANTOS F C， PAIVA A， et al. Evolutionary dynamics of group fairness[J]. Journal of theoretical biology， 2015（378）： 96-102.

[14] 易余胤. 基于演化博弈論的企業合作與背叛行為研究[M]. 北京：經濟科學出版社， 2010.

[15] 李斌， 徐富明， 張軍偉， 等. 內在錨與外在錨對錨定效應及其雙加工機制的影響[J]. 心理科學， 2012， 35（1）： 171-176.

[16] ANTONACCI A C， DECHARIO S P， ANTONACCI C， et al. Cognitive bias impact on management of postoperative complications， medical error， and standard of care[J]. Journal of surgical research，2021（258）：47-53.

[17] SCHWIND C， BUDER J， CRESS U， et al. Preference-inconsistent recommendations： an effective approach for reducing confirmation bias and stimulating divergent thinking？[J]. Computers & education， 2012，58（2）：787-796.

[18] ADAMS S H， JOHN O P. A hostility scale for the California Psychological Inventory： MMPI， observer Q-sort， and big-five correlates[J]. Journal of personality assessment， 1997， 69（2）： 408-424.

[19] DODGE K A. Social cognition and children's aggressive behavior[J]. Child development， 1980（51）： 162-170.

[20] LIBBY R， RENNEKAMP K. Self-serving attribution bias， overconfidence， and the issuance of management forecasts[J]. Journal of accounting research， 2012， 50（1）： 197-231.

[21] 魏薇， 房儼然， 李劍南， 等. 沖突對績效的影響：個體、團隊宜人性的調節作用[J]. 心理學報，2020， 52（3）：345-356.

[22] WU G， LIU C， ZHAO X， et al. Investigating the relationship between communication-conflict interaction and project success among construction project teams[J]. International journal of project management， 2017， 35（8）： 1466-1482.

[23] 姜強， 藥文靜， 趙蔚， 等. 面向深度學習的動態知識圖譜建構模型及評測[J]. 電化教育研究， 2020， 41（3）： 85-92.

[24] CAMERER C F. Neuroeconomics： using neuroscience to make economic predictions[J]. Economic journal， 2010， 117（519）： 26-42.

[25] 斯普倫格. 腦的學習與記憶[M]. 北京師范大學腦科學與教育應用研究中心， 譯. 北京：中國輕工業出版社， 2005.

[26] 馬修·利伯曼. 社交天性：人類社交的三大驅動力[M]. 賈擁民，譯. 杭州：浙江人民出版社， 2016.

[27] 楊群， 李煜， 孫得琳， 等. 應激對風險和社會決策的影響[J]. 心理科學進展， 2016， 24（6）： 974-984.

[28] 張玉孔， 郎啟娥， 胡航， 等. 從連接到貫通：基于腦科學的數學深度學習與教學[J]. 現代教育技術， 2019， 29（10）： 34-40.