Гипотеза частотного формата - Frequency format hypothesis

В гипотеза частотного формата идея, что мозг лучше понимает и обрабатывает информацию, когда она представлена ​​в частота форматы, а не числовые или вероятность формат. Таким образом, согласно гипотезе, представление информации как 1 из 5 человек, а не 20% приводит к лучшему пониманию. Идею предложил немецкий ученый. Герд Гигеренцер, после компиляции и сравнения данных, собранных за 1976–1997 гг.

Источник

Автоматическое кодирование

Определенная информация о собственном опыте часто сохраняется в памяти с помощью неявного кодирование процесс. Где ты сидел в последний раз в классе? Вы говорите слово «привет» или «харизма»? Люди очень хорошо отвечают на такие вопросы, не задумываясь об этом или не зная, как они вообще получили эту информацию. 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 частотная информация постоянно регистрируется в памяти независимо от возраста, способностей или мотивации.[1][3] Способность кодировать частоту также не уменьшается с возрастом, депрессией или многочисленными задачами.[4] Они назвали эту характеристику частотного кодирования автоматическим кодированием.[2]

Младенческое исследование

Еще одно важное доказательство гипотезы было получено при изучении младенцев. В одном исследовании 40 новорожденных были проверены на их способность различать 2 точки против 3 точек и 4 точки против 6 точек.[5] Несмотря на то, что младенцы могли различать 2 и 3 точки, они не могли различать 4 и 6 точек. Возраст испытуемых новорожденных составлял от 21 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, состоящие либо из двух предметов, либо из трех предметов.[6] Пока дисплеи были еще видны, младенцы слышали два или три барабанных боя. Измерение времени просмотра показало, что младенцы значительно дольше смотрели на дисплей, который соответствовал количеству звуков.

Правило смежности

Позже Барбара А. Спеллмен из Техасского университета описывает способность людей определять причины и следствия как правило непредвиденных обстоятельств ΔP, определяемое как

Р = Р (Е | С) - Р (Е | ~ С)

где P (E | C) - вероятность следствия при наличии предложенной причины, а P (E | ~ C) - вероятность следствия при отсутствии предложенной причины.[7] Предположим, мы хотим оценить эффективность удобрения. Если растения зацвели 15 из 20 раз при использовании удобрения, и только 5 из 20 растений зацвели без удобрения. 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 находится в диапазоне от -1 до 1. Даже несмотря на то, что правило непредвиденных обстоятельств является хорошей моделью того, что люди делают при прогнозировании одной причинно-следственной связи другого события, когда дело доходит до прогнозирования результатов событий с множественными причинами, существует большое отклонение от правила непредвиденных обстоятельств, называемое эффектом взаимодействия реплики.

Cue-взаимодействие-эффект

В 1993 году Бейкер Мерсер и его команда использовали видеоигры, чтобы продемонстрировать этот эффект. Каждому испытуемому дается задание помочь танку пройти через минное поле с помощью кнопки, которая иногда корректно работала при маскировке, а иногда - нет.[8] В качестве второй причины иногда над танком пролетал самолет-корректировщик, друг или враг. После 40 испытаний испытуемых попросили оценить эффективность камуфляжа и самолета при помощи танка через минное поле. Их попросили указать число от -100 до 100.

Математически для самолета возможны два значения смежности: 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 условие). Даже при том, что ΔP маскировки в любом состоянии составляет 0,5, испытуемые оценили ΔP маскировки как намного выше в состоянии 0,5 / 0, чем в состоянии 0,5 / 1. Результаты представлены в таблице ниже.

УсловиеΔPсамолетΔPкамуфляжПриведен рейтинг маскировки
0.5/00.549
0.5/11.5-6

В каждом случае испытуемые очень хорошо замечают, когда два события происходят вместе.[9] Когда самолет имеет отношение к успеху маскировки, они отмечают высокий успех маскировки, а когда самолет не влияет на успех маскировки, они отмечают низкий показатель успеха маскировки.

Вклад Gigerenzer

Было проведено несколько экспериментов, которые показали, что обычные, а иногда и опытные люди делают основные вероятностные заблуждения, особенно в случае Байесовский вывод викторины.[10][11][12][13] Гигеренцер утверждает, что наблюдаемые ошибки согласуются с тем, как мы приобрели математические способности в ходе эволюция человека.[14][15]Гигеренцер утверждает, что проблема этих викторин заключается в том, как представлена ​​информация. Во время этих викторин информация представлена ​​в процентах.[16][17] Гигеренцер утверждает, что представление информации в частотном формате помогло бы точно решить эти головоломки. Он утверждает, что эволюционно мозг физиологически эволюционировал, чтобы понимать частотную информацию лучше, чем вероятностную. Таким образом, если бы байесовские викторины задавались в частотном формате, то испытуемые справились бы лучше. Гигеренцер называет эту идею гипотезой частотного формата в своей опубликованной статье «Психология здравого смысла: частотные форматы и простые алгоритмы».[14]

Поддерживающие аргументы

Эволюционная перспектива

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 относительно недавними формами представления, в отличие от частоты. Первое известное существование представительной формы процентов относится к семнадцатому веку.[18] Он также утверждает, что больше информации дается в случае частотного представления. Например, вместо того, чтобы передавать данные как 50 из 100, используя частотную форму, вместо того, чтобы говорить 50%, используя вероятностный формат, пользователи получают больше информации о размере выборки. Это, в свою очередь, может сделать данные и результаты более надежными и привлекательными.

Продуманная кодировка

Объяснение того, почему люди выбирают частоту встреч, заключается в том, что в случае частот испытуемым даются яркие описания, тогда как с вероятностями испытуемому дается только сухое число.[19] Поэтому в случае частоты предметам дается больше отзывать реплики. Это, в свою очередь, может означать, что частотные встречи запоминаются мозгом чаще, чем в случае чисел вероятности. Таким образом, это может быть причиной того, что люди в целом интуитивно выбирают варианты, с которыми они встречаются, а не варианты, основанные на вероятности.

Последовательный ввод

Еще одно объяснение, предлагаемое авторами, заключается в том, что в случае частоты люди часто сталкиваются с ними несколько раз и получают последовательный ввод по сравнению со значением вероятности, которое задается за один раз.[19] Из Джон Медина С Правила мозга, последовательный ввод может привести к более сильной памяти, чем одноразовый ввод. Это может быть основной причиной, по которой люди предпочитают частоту встреч вероятности.[20]

Более легкое хранение

Еще одно обоснование гипотезы о формате частоты состоит в том, что использование частот упрощает отслеживание и обновление базы данных событий. Например, если событие произошло 3 из 6 раз, формат вероятности сохранит это как 50%, тогда как в формате частоты он будет сохранен как 3 из 6 раз. Теперь представьте, что событие не произойдет на этот раз. Формат частоты может быть обновлен до 3 из 7. Однако для вероятностного формата обновление чрезвычайно сложнее.

Классифицирующая информация

Частотное представление также может быть полезно для отслеживания классов и статистической информации. Представьте себе сценарий, при котором каждые 500 человек из 1000 умирают из-за рак легких. Тем не менее, 40 из этих 1000 были курильщиками, а 20 из 40 имели генетическое заболевание, предрасполагающее к возможному раку легких. Такое разделение на классы и хранение информации может быть выполнено только с использованием частотного формата, поскольку вероятность заболевания раком легкого, равная 0,05%, не дает никакой информации и не позволяет рассчитать такую ​​информацию.

Опровержение аргументов

Легкость сравнения

Критики гипотезы частотного формата утверждают, что вероятностные форматы позволяют намного проще сравнивать, чем представление данных в частотном формате. В некоторых случаях использование частотных форматов действительно позволяет легко сравнить. Если команда A выигрывает 19 из своих 29 игр, а другая команда B выигрывает 10 из 29 игр, можно ясно видеть, что команда A намного лучше, чем команда B. Однако сравнение в формате частоты не всегда так ясно и легко. Если команда A выиграла 19 из 29 игр, сравнивать эту команду с командой B, выигравшей 6 из 11 игр, становится намного сложнее по частотному формату. Но в вероятностном формате можно сказать, что поскольку 65,6% (19/29) больше 54,5%, их можно легко сравнить.

Нагрузка на память

Туби и Космидес утверждали, что частотное представление помогает легче обновлять данные каждый раз, когда появляются новые данные.[21] Однако это требует обновления обоих чисел. Возвращаясь к примеру с командами, если команда A 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 обновляется только одно число в процентах. Кроме того, это число может обновляться в течение 10 игр вместо обновления каждой игры, что невозможно в случае частотного формата.

Рекомендации

  1. ^ а б Hasher, L .; Zacks, R. (1984). «Автоматическая обработка фундаментальной информации: случай повторяемости». Американский психолог. 39 (12): 1372–1388. Дои:10.1037 / 0003-066x.39.12.1372. PMID  6395744.
  2. ^ а б Хашер, Линн; Закс, Роуз Т. (1979). «Автоматические и требующие усилий процессы в памяти». Журнал экспериментальной психологии: Общие. 108 (3): 356–388. Дои:10.1037/0096-3445.108.3.356.
  3. ^ Hasher, L .; Хромяк, 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.
  4. ^ Хашер
  5. ^ Antell, S.E .; Китинг, Д. П. (1983). «Восприятие числовой инвариантности у новорожденных». Развитие ребенка. 54 (3): 695–701. Дои:10.2307/1130057. JSTOR  1130057.
  6. ^ Старки, П .; Spelke, E .; Гельман, Р. (1990). «Числовая абстракция человеческими младенцами». Познание. 36 (2): 97–127. Дои:10.1016 / 0010-0277 (90) 90001-з. PMID  2225757.
  7. ^ Спеллман, Б.А. (1996). «Действовать 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.
  8. ^ Baker, A.G .; Мерсье, Пьер; Валле-Туржо, Фредерик; Франк, Роберт; Пан, Мария (1993). «Избирательные ассоциации и суждения о причинности: наличие сильного причинного фактора может уменьшить суждения о более слабом». Журнал экспериментальной психологии: обучение, память и познание. 19 (2): 414–432. Дои:10.1037/0278-7393.19.2.414.
  9. ^ А.Г. Бейкер, Робин А. Мерфи, Ассоциативные и нормативные модели причинной индукции: реакция против понимания причины, В: Дэвид Р. Шанкс, Дуглас Л. Медин и Кейт Дж. Холиоук, редактор (ы), Психология обучения и мотивации, Academic Press, 1996, том 34, страницы 1-45, ISSN 0079-7421, ISBN  978-0-12-543334-1, Дои:10.1016 / S0079-7421 (08) 60557-5
  10. ^ Sloman, S.A .; Over, D .; Словацкий, L .; Стибел, Дж. М. (2003). «Частотные иллюзии и прочие заблуждения». Организационное поведение и процессы принятия решений людьми. 91 (2): 296–309. CiteSeerX  10.1.1.19.8677. Дои:10.1016 / s0749-5978 (03) 00021-9.
  11. ^ Birnbaum, M. H .; Меллерс, Б.А. (1983). «Байесовский вывод: сочетание базовых ставок с мнениями источников, которые различаются по степени достоверности». Журнал личности и социальной психологии. 45 (4): 792–804. Дои:10.1037/0022-3514.45.4.792.
  12. ^ Мерфи, Г. Л .; Росс, Б. Х. (2010). «Неопределенность в индукции на основе категорий: когда люди интегрируются по категориям?». Журнал экспериментальной психологии: обучение, память и познание. 36 (2): 263–276. Дои:10.1037 / a0018685. ЧВК  2856341. PMID  20192530.
  13. ^ Sirota, M .; Хуанчич, М. (2011). «РОЛЬ СЧИСЛЕННОСТИ И КОГНИТИВНОГО ОТРАЖЕНИЯ В БАЙЕССКОМ РАЗУМНЕНИИ С ПРИРОДНЫМИ ЧАСТОТАМИ». Studia Psychologica. 53 (2): 151–161.
  14. ^ а б c Гигеренцер, Г. (1996). «Психология здравого смысла. Частотные форматы и простые алгоритмы». Принятие медицинских решений. 16 (3): 273–280. Дои:10.1177 / 0272989X9601600312. PMID  8818126.
  15. ^ Гигеренцер, Г. (2002). Расчетные риски, как узнать, когда числа обманывают. (стр. 310). Нью-Йорк: Саймон и Шустер.
  16. ^ Дастон, Л .; Гигеренцер, Г. (1989). «Проблема иррациональности». Наука. 244 (4908): 1094–5. Дои:10.1126 / science.244.4908.1094. PMID  17741045.
  17. ^ Рейна, В. Ф .; Брейнерд, К. Дж. (2008). «Счисление, систематическая ошибка и пренебрежение знаменателем при оценке риска и вероятности». Обучение и индивидуальные различия. 18 (1): 89–107. Дои:10.1016 / j.lindif.2007.03.011.
  18. ^ Хакерство, I. (1986). Возникновение вероятности, философское исследование ранних идей о вероятности, индукции и статистическом выводе. Лондон: Cambridge Univ Pr.
  19. ^ а б Obrecht, N.A .; Chapman, G.B .; Гельман, Р. (2009). «Отчет о частоте встреч о том, как опыт влияет на оценку вероятности». Память и познание. 37 (5): 632–643. Дои:10.3758 / mc.37.5.632. PMID  19487755.
  20. ^ Медина, Дж. (2010). Правила мозга, 12 принципов выживания и процветания на работе, дома и в школе. Сиэтл, Вашингтон: Pear Pr.
  21. ^ Cosmides, L .; 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.