Гипотеза частотного формата
 | Эта статья включает список общих ссылок , но в ней отсутствуют достаточные соответствующие встроенные цитаты . ( Ноябрь 2011 г. ) |
Гипотеза частотного формата — это идея о том, что мозг лучше понимает и обрабатывает информацию, представленную в частотном формате, а не в числовом или вероятностном формате. Таким образом, согласно гипотезе, представление информации 1 из 5 человек, а не 20%, приводит к лучшему пониманию. Идею предложил немецкий учёный Герд Гигеренцер после компиляции и сравнения данных, собранных в период с 1976 по 1997 год.
Источник
[ редактировать ]Автоматическое кодирование
[ редактировать ]Определенная информация о пережитом человеке часто хранится в памяти с помощью процесса неявного кодирования . Где ты сидел в последний раз на уроке? Вы больше говорите слово «привет» или «харизма»? Люди очень хорошо отвечают на такие вопросы, даже не задумываясь об этом или не зная, откуда они вообще получили эту информацию. Именно это наблюдение привело к исследованию частоты, проведенному Хашером и Заксом в 1979 году.
В ходе своей исследовательской работы Хашер и Закс выяснили, что информация о частоте сохраняется без намерения человека. [1] Кроме того, обучение и обратная связь не увеличивают способность кодировать частоту. [2] Также было обнаружено, что информация о частоте постоянно регистрируется в памяти, независимо от возраста, способностей или мотивации. [1] [3] Способность кодировать частоту также не снижается с возрастом, депрессией или необходимостью выполнения нескольких задач. [4] Эту характеристику частотного кодирования они назвали автоматическим кодированием. [2]
Младенческое исследование
[ редактировать ]Еще одним важным доказательством этой гипотезы стало исследование младенцев. В одном исследовании 40 новорожденных были проверены на способность отличать 2 точки от 3 точек и 4 точки от 6 точек. [5] Хотя младенцы были способны различать 2 и 3 точки, они не могли отличить 4 от 6 точек. Возраст протестированных новорожденных младенцев составлял всего от 21 часа до 144 часов.
Аналогичным образом в другом исследовании, чтобы проверить, могут ли младенцы распознавать числовые соответствия, Старки и др. разработал серию экспериментов, в которых младенцам в возрасте от 6 до 8 месяцев показывали пары либо из двух объектов, либо из трех объектов. [6] Пока дисплеи все еще были видны, младенцы услышали два или три барабанных боя. Измерение времени просмотра показало, что младенцы значительно дольше смотрели на дисплей, количество звуков которого соответствовало.
Правило на случай непредвиденных обстоятельств
[ редактировать ]Позже Барбара А. Спеллмен из Техасского университета описывает способность людей определять причины и следствия как правило непредвиденных обстоятельств ΔP, определяемое как
P = P(E|C) - P(E|~C)
где P(E|C) — вероятность эффекта при наличии предполагаемой причины, а P(E|~C) — вероятность эффекта при отсутствии предполагаемой причины. [7] Предположим, мы хотим оценить эффективность удобрения. Если при внесении удобрений растения цвели 15 раз из 20, а при отсутствии удобрений - только 5 из 20. В этом случае
P(E|C) = 15/20 = 0.75
P(E|~C)= 5/20 = 0.25
ΔP = P(E|C) - P(E|~C)
ΔP = 0.75 - 0.25
= 0.50
В результате значение ΔP всегда ограничено от -1 до 1. Несмотря на то, что правило непредвиденных обстоятельств является хорошей моделью того, что люди делают при прогнозировании причин одного события для другого, когда дело доходит до прогнозирования результатов событий с несколькими причинами, существует большое отклонение от правила непредвиденных обстоятельств, называемое эффектом взаимодействия-сигнала.
Сигнал-эффект-взаимодействия
[ редактировать ]В 1993 году Бейкер Мерсер и его команда использовали видеоигры, чтобы продемонстрировать этот эффект. Каждому испытуемому дается задание помочь танку проехать по минному полю с помощью кнопки, которая в маскировке иногда срабатывала правильно, а иногда нет. [8] В качестве второй причины над танком иногда пролетал самолет-корректировщик, друг или враг. После 40 испытаний испытуемым было предложено оценить эффективность камуфляжа и самолета в помощи танку через минное поле. Их попросили дать ему число от -100 до 100.
Математически для самолета возможны два значения непредвиденных обстоятельств: самолет либо не имел отношения к успеху танка, тогда ΔP = 0 (условие 0,5/0), и самолет имел отношение к успеху самолета, ΔP = 1 (0,5/1). состояние). Несмотря на то, что ΔP камуфляжа в любом из условий составляет 0,5, испытуемые оценили ΔP камуфляжа как намного выше в состоянии 0,5/0, чем в состоянии 0,5/1. Результаты показаны в таблице ниже.
| Состояние | ΔP Плоскость | ΔP камуфляж | Приведен рейтинг камуфляжа |
|---|---|---|---|
| 0.5/0 | 0 | .5 | 49 |
| 0.5/1 | 1 | .5 | -6 |
В каждом случае испытуемые очень хорошо замечали, когда два события происходят одновременно. [9] Когда самолет имеет отношение к успеху камуфляжа, они отмечают успех камуфляжа высоким, а когда самолет не влияет на успех камуфляжа, они отмечают низкое значение успеха камуфляжа.
Вклад Гигеренцера
[ редактировать ]Было проведено несколько экспериментов, которые показали, что обычные, а иногда и опытные люди допускают основные вероятностные ошибки , особенно в случае викторин с байесовским выводом . [10] [11] [12] [13] Гигеренцер утверждает, что наблюдаемые ошибки согласуются с тем, как мы приобрели математические способности в ходе человеческой эволюции . [14] [15] Гигеренцер утверждает, что проблема этих викторин заключается в том, как подается информация. Во время этих викторин информация представлена в процентах. [16] [17] Гигеренцер утверждает, что представление информации в частотном формате поможет точно решить эти загадки. Он утверждает, что в ходе эволюции мозг физиологически развился, чтобы лучше понимать частотную информацию, чем вероятностную. Таким образом, если бы байесовские тесты задавались в частотном формате, испытуемые справились бы с ними лучше. Гигеренцер называет эту идею гипотезой частотного формата в своей опубликованной статье под названием «Психология здравого смысла: частотные форматы и простые алгоритмы». [14]
Поддерживающие аргументы
[ редактировать ]Эволюционная перспектива
[ редактировать ]Гигеренцер утверждал, что с эволюционной точки зрения частотный метод был проще и понятнее по сравнению с передачей информации в вероятностном формате. [14] Он утверждает, что вероятность и проценты являются сравнительно недавними формами представления, а не частотой. Первое известное существование репрезентативной формы процентов относится к семнадцатому веку. [18] Он также утверждает, что больше информации дается в случае частотного представления. Например, передача данных в виде 50 из 100 с использованием частотной формы, а не 50% с использованием вероятностного формата, дает пользователям больше информации о размере выборки. Это, в свою очередь, может сделать данные и результаты более надежными и привлекательными.
Тщательное кодирование
[ редактировать ]Объяснение того, почему люди выбирают частоту встреч, заключается в том, что в случае частот субъектам даются яркие описания, тогда как в случае вероятностей субъекту дается только сухое число. [19] Следовательно, в случае частоты испытуемым дается больше подсказок для воспоминаний . Это, в свою очередь, может означать, что частотные совпадения запоминаются мозгом чаще, чем в случае с вероятностными числами. Таким образом, это может быть причиной того, что люди в целом интуитивно выбирают варианты, с которыми сталкиваются чаще, чем выбор, основанный на вероятности.
Последовательный ввод
[ редактировать ]Еще одно объяснение, предложенное авторами, заключается в том, что в случае частоты люди часто сталкиваются с ними несколько раз и получают последовательные входные данные по сравнению со значением вероятности, которое задается за один раз. [19] Согласно » Джона Медины , «Правилам мозга последовательный ввод может привести к более сильной памяти, чем одноразовый ввод. Это может быть основной причиной, почему люди предпочитают частые встречи вероятности. [20]
Более простое хранение
[ редактировать ]Еще одно обоснование гипотезы частотного формата заключается в том, что использование частот облегчает отслеживание и обновление базы данных событий. Например, если событие произошло 3 из 6 раз, в формате вероятности это будет записано как 50%, тогда как в формате частоты оно будет сохранено как 3 из 6. Теперь представьте, что на этот раз событие не произойдет. Частотный формат может быть обновлен до 3 из 7. Однако обновление вероятностного формата чрезвычайно затруднено.
Классифицирующая информация
[ редактировать ]Представление частот также может быть полезно для отслеживания классов и статистической информации. Представьте себе сценарий, в котором каждые 500 из 1000 человек умирают от рака легких . Однако 40 из этой 1000 были курильщиками, а 20 из 40 имели генетическое заболевание, предрасположенное к возможному раку легких. Такое разделение классов и хранение информации можно осуществить только с использованием частотного формата, поскольку число 0,05% вероятности заболевания раком легких не дает никакой информации и не позволяет вычислить такую информацию.
Опровергающие аргументы
[ редактировать ]Гипотеза вложенных множеств
[ редактировать ]Исследования частотного формата, как правило, имеют один общий недостаток, а именно: при представлении информации о частоте исследователи также четко указывают, на какой эталонный класс они ссылаются. Например, рассмотрим три разных способа формулировки одной и той же проблемы: [21] [10]
Вероятностный формат
«Рассмотрим тест на выявление болезни, вероятность возникновения которой у данного американца составляет 1/1000. У человека, у которого нет этой болезни, вероятность положительного результата теста составляет 50/1000. Человек, у которого есть болезнь, обязательно получит положительный результат теста. .
Какова вероятность того, что человек, у которого обнаружен положительный результат, действительно болен этим заболеванием, если предположить, что вы ничего не знаете о симптомах или признаках этого человека? _____%"
Частотный формат
«Один из каждых 1000 американцев страдает болезнью X. Был разработан тест, позволяющий выявить наличие у человека болезни X. Каждый раз, когда тест проводится человеку, у которого есть это заболевание, тест оказывается положительным. Но иногда тест также оказывается положительным. оказывается положительным, когда его вводят полностью здоровому человеку. В частности, из каждой 1000 совершенно здоровых людей у 50 из них тест на это заболевание дает положительный результат.
Представьте, что мы собрали случайную выборку из 1000 американцев. Их выбрали посредством лотереи. Организаторы лотереи не имели никакой информации о состоянии здоровья ни одного из этих людей.
Учитывая приведенную выше информацию, сколько в среднем людей с положительным результатом теста на заболевание действительно больны этим заболеванием? _____из_____."
Вероятностный формат, подчеркивающий структуру множества-подмножества задачи
«Распространенность болезни Х среди американцев составляет 1/1000. Был разработан тест, позволяющий определить наличие у человека болезни Х. Каждый раз, когда тест проводится человеку, у которого есть это заболевание, тест оказывается положительным. Но иногда Тест также оказывается положительным, если его проводят абсолютно здоровому человеку. В частности, вероятность того, что у совершенно здорового человека будет положительный результат теста на заболевание, составляет 50/1000.
Представьте, что мы только что провели тест среди случайной выборки американцев. Их выбрали посредством лотереи. Те, кто проводил лотерею, не имели никакой информации о состоянии здоровья ни одного из этих людей.
Какова вероятность того, что человек, у которого обнаружен положительный результат, действительно болен этим заболеванием? _____%"
Все три проблемы проясняют набор из 1/1000 американцев, страдающих этим заболеванием, и что тест имеет идеальную чувствительность (100% людей с заболеванием получат положительный тест) и что 50/1000 здоровых людей получат положительный тест ( например, ложные срабатывания). Однако последние два формата дополнительно выделяют отдельные классы внутри популяции (например, положительный тест (с заболеванием/без заболевания), отрицательный тест (без заболевания)), и, следовательно, облегчает людям выбор правильного класса (люди с положительный тест) для рассуждения (таким образом генерируя что-то близкое к правильному ответу — 1/51/~2%). к меньшему количеству правильных ответов (поскольку в этом случае люди, скорее всего, будут полагаться на неправильный класс). Исследования также показали, что можно снизить производительность в частотном формате, замаскировав отношения набор-подмножество в задаче (так же, как в стандартном вероятностном формате). формат), тем самым демонстрируя, что на самом деле не частотный формат, а выделение структуры набор-подмножество улучшает суждения. [10]
Простота сравнения
[ редактировать ]Критики гипотезы частотного формата утверждают, что вероятностные форматы позволяют гораздо проще сравнивать, чем представление данных в частотном формате. В некоторых случаях использование частотных форматов действительно позволяет легко сравнивать. Если команда А выигрывает 19 из своих 29 игр, а другая команда Б выигрывает 10 из своих 29 игр, можно ясно видеть, что команда А намного лучше, чем команда Б. Однако сравнение в формате частоты не всегда является таким ясным и простым. Если команда А выиграла 19 из 29 игр, сравнивать эту команду с командой Б, выигравшей 6 из 11 игр, становится гораздо сложнее в частотном формате. Но в формате вероятности можно сказать, что, поскольку 65,6% (19/29) больше, чем 54,5%, их можно легко сравнить.
Нагрузка на память
[ редактировать ]Туби и Космидес утверждали, что частотное представление помогает легче обновлять данные каждый раз, когда мы получаем новые данные. [22] Однако это предполагает обновление обоих номеров. Возвращаясь к примеру команд, если команда А выиграла свою 31-ю игру, обратите внимание, что необходимо обновить как количество выигранных игр (20->21), так и количество сыгранных игр (30->31). В случае вероятности единственное число, которое необходимо обновить, — это одно процентное число. Также это количество можно было бы обновлять в течение 10 игр вместо обновления каждой игры, чего невозможно сделать в случае частотного формата.
Ссылки
[ редактировать ]- ^ Перейти обратно: а б Хашер, Л.; Закс, Р. (1984). «Автоматическая обработка фундаментальной информации: случай повторяемости». Американский психолог . 39 (12): 1372–1388. дои : 10.1037/0003-066x.39.12.1372 . ПМИД 6395744 .
- ^ Перейти обратно: а б Хашер, Линн; Закс, Роуз Т. (1979). «Автоматические и трудоемкие процессы в памяти». Журнал экспериментальной психологии: Общие сведения . 108 (3): 356–388. дои : 10.1037/0096-3445.108.3.356 .
- ^ Хашер, Л.; Хромиак, В. (1977). «Обработка частотной информации: автоматический механизм?». Журнал вербального обучения и вербального поведения . 16 (2): 173–184. дои : 10.1016/s0022-5371(77)80045-5 .
- ^ Хашер
- ^ Антелл, ЮВ; Китинг, ДП (1983). «Восприятие числовой инвариантности у новорожденных». Развитие ребенка . 54 (3): 695–701. дои : 10.2307/1130057 . JSTOR 1130057 . ПМИД 6851716 .
- ^ Старки, П.; Спелке, Э.; Гельман, Р. (1990). «Числовая абстракция человеческих младенцев». Познание . 36 (2): 97–127. дои : 10.1016/0010-0277(90)90001-з . ПМИД 2225757 . S2CID 706365 .
- ^ Спеллман, бакалавр (1996). «Действуя как интуитивные ученые: суждения о непредвиденных обстоятельствах принимаются с учетом альтернативных потенциальных причин». Психологическая наука . 7 (6): 337–342. дои : 10.1111/j.1467-9280.1996.tb00385.x . S2CID 143455322 .
- ^ Бейкер, АГ; Мерсье, Пьер; Валле-Туранжо, Фредерик; Фрэнк, Роберт; Пан, Мария (1993). «Выборочные ассоциации и суждения о причинности: наличие сильного причинного фактора может уменьшить суждения более слабого». Журнал экспериментальной психологии: обучение, память и познание . 19 (2): 414–432. дои : 10.1037/0278-7393.19.2.414 .
- ^ А.Г. Бейкер, Робин А. Мерфи, Ассоциативные и нормативные модели причинной индукции: реакция на и понимание причины, В: Дэвид Р. Шэнкс, Дуглас Л. Медин и Кейт Дж. Холиок, редактор (ы), Психология обучения и мотивации , Academic Press, 1996, том 34, страницы 1–45, ISSN 0079-7421, ISBN 978-0-12-543334-1 , два : 10.1016/S0079-7421(08)60557-5
- ^ Перейти обратно: а б с Сломан, SA; Овер, Д.; Словак, Л.; Стибель, Дж. М. (2003). «Частотные иллюзии и другие заблуждения». Организационное поведение и процессы принятия человеческих решений . 91 (2): 296–309. CiteSeerX 10.1.1.19.8677 . дои : 10.1016/s0749-5978(03)00021-9 .
- ^ Бирнбаум, Миннесота; Меллерс, бакалавр (1983). «Байесовский вывод: объединение базовых ставок с мнениями источников, которые различаются по достоверности». Журнал личности и социальной психологии . 45 (4): 792–804. дои : 10.1037/0022-3514.45.4.792 .
- ^ Мерфи, GL; Росс, Б.Х. (2010). «Неопределенность в индукции на основе категорий: когда люди интегрируются между категориями?» . Журнал экспериментальной психологии: обучение, память и познание . 36 (2): 263–276. дои : 10.1037/a0018685 . ПМЦ 2856341 . ПМИД 20192530 .
- ^ Сирота, М.; Хуанчич, М. (2011). «РОЛЬ СЧЕТА И КОГНИТИВНОЙ РЕФЛЕКСИИ В БАЙЕСОВСКОМ РАССУЖДЕНИИ С ЕСТЕСТВЕННЫМИ ЧАСТОТАМИ». Студия Психологии . 53 (2): 151–161.
- ^ Перейти обратно: а б с Гигеренцер, Г. (1996). «Психология здравого смысла. Частотные форматы и простые алгоритмы». Принятие медицинских решений . 16 (3): 273–280. дои : 10.1177/0272989X9601600312 . ПМИД 8818126 . S2CID 14885938 .
- ^ Гигеренцер, Г. (2002). Рассчитанные риски: как узнать, когда цифры вас обманывают. (с. 310). Нью-Йорк: Саймон и Шустер.
- ^ Дастон, Л.; Гигеренцер, Г. (1989). «Проблема иррациональности». Наука . 244 (4908): 1094–5. дои : 10.1126/science.244.4908.1094 . ПМИД 17741045 .
- ^ Рейна, В.Ф.; Брейнерд, CJ (2008). «Счет, предвзятость отношения и пренебрежение знаменателем при суждениях о риске и вероятности». Обучение и индивидуальные различия . 18 (1): 89–107. дои : 10.1016/j.lindif.2007.03.011 .
- ^ Хакинг, И. (1986). Возникновение вероятности, философское исследование ранних идей о вероятности, индукции и статистическом выводе. Лондон: Кембриджский университет Pr.
- ^ Перейти обратно: а б Обрехт, Н.А.; Чепмен, Великобритания; Гельман, Р. (2009). «Учет частоты встреч, показывающий, как опыт влияет на оценку вероятности» . Память и познание . 37 (5): 632–643. дои : 10.3758/mc.37.5.632 . ПМИД 19487755 .
- ^ Медина, Дж. (2010). Правила мозга: 12 принципов выживания и процветания на работе, дома и в школе. Сиэтл, Вашингтон: Pear Pr.
- ^ Космидес, Л; Туби, Дж (1996). «Являются ли люди хорошими интуитивными статистиками? Переосмысление некоторых выводов из литературы о суждениях в условиях неопределенности» . Познание . 58 (1): 1–73. дои : 10.1016/0010-0277(95)00664-8 . S2CID 18631755 .
- ^ Космидес, Л.; Туби, Дж. (1996). «Являются ли люди в конце концов хорошими интуитивными статистиками? Переосмысление некоторых выводов из литературы о суждениях в условиях неопределенности». Познание . 58 : 1–73. CiteSeerX 10.1.1.131.8290 . дои : 10.1016/0010-0277(95)00664-8 . S2CID 18631755 .