1704435193
1704435194
在某些领域,如灭火、照顾重症婴儿或者驾驶飞机,专业知识可以累积起来。在其他领域,如选择股票、制定政策或者养育孩子,原因与结果之间的间隔时间过长,而且反馈也模糊不清。吉姆·杉图曾指出,在下列前提条件下,人类无法真正地获取专业知识:
1704435195
1704435196
该领域处于动态变化当中。 必须针对人类行为开展预测。 缺少获得反馈的机会。 任务重复次数不够,无法建立起典型性的知觉。 可尝试的机会较为匮乏。 在这些情况下,我们应该小心谨慎,不可误以为“经验一定能够转化为专业知识”。在这种类型的领域,经验会让我们在处理事务时更加得心应手,显示出我们在该领域已经摸爬滚打多年。但是,除了这些自然而然处理的日常事务外,我们的专业知识或许也就乏善可陈了,真正积累起可靠专业知识的机会,可能并不存在。
1704435197
1704435198
利亚·迪·柏罗曾经探讨过“组织内的成员学习不同种类复杂技能的方式”这一问题。她发现,掌握了例行公事的员工与真正的专家之间还是存在着一定的区别。如果她分配违背常规的任务,专家能够迅速注意到异常之处,并且寻找出解决方法。为了达成理想目标,他们可以随机应变。
1704435199
1704435200
对于专业知识的积累,我们究竟该持何观点呢?艾里克森和查内斯所开展的一项研究结果表明,只要进行足够的练习,任何人皆可成为任何领域内的专家。鲁索和舒梅克的研究表明,人类的思维先天就存有谬误。杉图则提出了一种折中观点,他认为,某些领域内的专业知识更加容易获得。简而言之,并不存在明确的答案。但是,针对专业知识累积的方式,我们则可以针对若干基本的原则,提出更加鞭辟入里的问题。
1704435201
1704435202
实际应用
1704435203
1704435204
提升决策表现的一种方法就是在思考其他针对情境的解释和诊断时,须更加小心谨慎。进行心理模拟的过程中,很可能出现“最小解释法”谬误,导致个体无法意识到问题的早期警示信号。为克服此问题,可以采用本书第五章曾经介绍过的“水晶球”方法。该方法的要义在于,在看待眼前情境的过程中,试想有一个水晶球可以预知未来,它会告诉你,现有的解释方法出现了错误,因此你要尽力构思出新的想法。每当你初步构思出一种新的解释方法时,都要考虑到更加全面的各个因素以及更加细微的差别之处。这将帮助个体不再仅仅执着于单一的解释方法。水晶球方法并不适用于时间压力较大的任务。但是,如果时间充裕,我们可以借助于该方法的练习,去体会“执着于某一假设之上”的感觉。这种判断力将有助于我们在时间紧迫的情况下作出优质决策。
1704435205
1704435206
第二项应用就是要接受“所有的错误都是不可避免的”。在复杂的情境中,无论付出多么艰辛的努力,仍然无法完全避免错误的出现。简思·拉斯姆森在开展核电厂相关的研究中得出了这一结论。核电厂本身就是最为关注安全问题的一个领域。简思指出,典型的处理问题的方法不过是制定防控措施,减少问题的出现概率,譬如:增加警示数量、保安数量、自动关闭机制以及其他的防控措施。这些工作的确可以减少失误数量,但是也要付出相应的代价,错误仍旧会出现,事故也持续会发生。在一个大型防卫系统之中,如果事故能够“穿透”所有的防卫机制,那么操作员如果想要将其探测出来并且进行纠正,则难上加难。请读者回想示例四十二“飞行管理混乱系统”。本来为了减少错误的电脑模块,反而制造了一个更加棘手的麻烦。
1704435207
1704435208
鉴于深度的防卫措施也无济于事,拉斯姆森提出了另外一种应对措施:无须建立防卫机制,要接受故障和错误的出现,但是要让它们的存在更加明显可见。我们可以尽力设计出更加合理的人机交互界面,协助操作员迅速意识到错误的出现,然后进行诊断及应对。我们不能完全依赖机器(扩展来说,也包括设计师的智慧),而应该信任操作人员的能力,确保他们可以借助相关工具,在整个事件发展过程中都维持合理的情境知觉。
1704435209
1704435210
关键要点
1704435211
1704435212
决策谬误无法解释欠佳的决策。 压力不会导致错误的决策策略,但会限制我们在进行决策过程中所考虑的信息。 绝大多数欠佳的决策或许皆为知识及专业知识不足的结果。 如果某一领域处于动态变化之中,反馈匮乏,而且经验的数量及变异性都较为欠缺,那么相关经验很难直接转化为专业知识。
1704435213
1704435214
1704435216
如何作出正确决策 第十七章 总结
1704435217
1704435218
本书旨在探索人类在决策方面所具备的长处和能力。虽然经验千奇百怪,但即便如此,我们仍可透彻地理解周遭的世界。即使无法达到高等级的专业知识水平,即使面对着不确定性和重重压力,一般情况下,人类都能够找到有效的方法,实现目标、改善目标。
1704435219
1704435220
笔者将关注点放在了“长处”之上,“力量之源”之上,它们非常难于研究和理解。这些能力反复出现在自然主义决策的相关文献中。如我们所知,它们很难检验,但研究者不可因此而刻意将其忽略。
1704435221
1704435222
本书所探讨的力量之源,一般用于人类弃用演绎式推理或者概率理论的情况之下。过去十到十五年间的自然主义决策研究,孜孜以求地给这些力量之源正名。我们着力去理解人类真正所使用的决策策略包括哪些以及为什么这些策略存在合理之处,我们并不会将“理性的缺乏”看作“智能的失效”。
1704435223
1704435224
由于研究对象都是十分优秀的决策者,这让我们的工作如虎添翼。我们会尊敬他们、钦佩他们。这种钦佩或许会扰乱我们的研究结果,但也可能起到锦上添花的作用。其他很多研究多采用毫无经验的决策者,执行毫不熟悉的任务,只有研究人员知道正确答案是什么,如此一来,被研究者所能做出的最佳表现,也不过是“不犯错”而已。研究者可以利用被研究者来探讨自己的理论,但是无法从被研究者身上收获什么领悟。研究者与被研究者的关系是一方无所不晓,另一方懵然不知。
1704435225
1704435226
在我们的研究中,这种关系颠倒过来。我们所研究的决策者无所不晓,我们则懵然不知,力图去寻找答案。同事和我不会将参与研究的决策者称为“研究对象”。相反,我们更加乐于使用“参与者”或者“专家”这些称谓语。我们的目的并不在于“验证假设”,而是“追随求知欲的引领,一窥专家所用策略的真相”。
1704435227
1704435229
日常生活中,我们如何决策
1704435230
1704435231
请读者不要被本书中所提及的这些专家类型误导,包括消防人员、飞机驾驶员、护士及其他人员。其实,每一个人在不同的情境下,作出决策时,都会调用相关经验。去商场买东西的时候,我们如何确定哪条结账队伍最快?穿越路口的时候,应该追随哪辆车?这些都是日常生活中的琐事。在工作、家庭、学校当中,类似的例子不胜枚举。
1704435232
1704435233
之前各章所探讨的力量之源,与起源于认知心理学的主流研究针锋相对。只要学界还认为“理性与分析过程是理想的推理方式”,那么研究者就会前赴后继地去解决“信息是如何被接收并且加工,然后得以存储和提取”这一难题。电脑既已被用作人类大脑的比喻物,因此,人工智能的真正挑战就在于如何寻找到正确的程序或者正确的架构,将决策看成“判断可能性与实用性”的过程。研究人员的工作就是要理解“人类为什么会输出一些错误或不一致的值”。不论是人工智能,抑或理性选择策略,研究思路都已明确界定。
1704435234
1704435235
与之相比,本书所探讨的思维过程既不符合人工智能的框架,也无法纳入理性选择策略的框架之内。笔者在本书中所探讨的力量之源,不仅无法剔除零碎散乱的资料,反而会增加它们的数量。我们发现,现在就想确定“人类在自然情境下究竟使用何种决策策略”,还为时过早。研究者着力于针对相关现象建构模型,但实际上对这些现象本身还知之甚少。我们需要将更多的精力用于鉴别人类评判情境、作出决策以及解决问题的策略之上。
1704435236
1704435238
经验不容忽视
1704435239
1704435240
经验不容忽视,这一点人尽皆知,似乎无须我们浪费过多口舌。但是,绝大多数决策领域的研究,所招募的决策者都非常欠缺经验,而针对决策所给出的建议,也大多数是针对经验欠缺的个体所作出的。本书中所介绍的力量之源与过往不同,它们全部依赖于经验。
1704435241
1704435242
专业知识依赖于知觉技巧。单纯通过事实与规则的教授,很难使个体的能力水准获得大幅提升。或许,在类似于“数学”等领域,教师可以通过概念的讲授帮助学生迅速提升考试成绩。但是,在自然的情境下,知觉学习需要经过大量的案例研讨方可得到发展。因此,我们不可奢求借助于神奇的培训方法,就一蹴而就成为专家。我们可以令培训效率提升,但永远无法令其取代经验累积的地位。
[
上一页 ]
[ :1.704435193e+09 ]
[
下一页 ]