信息過(guò)濾與不確定決策：基于認(rèn)知加工視角

鄭杰慧，汪 蕾，陸 強(qiáng)，邱 梅

?

信息過(guò)濾與不確定決策：基于認(rèn)知加工視角

鄭杰慧，汪 蕾，陸 強(qiáng)，邱 梅

（浙江大學(xué)管理學(xué)院，浙江杭州 310058）

個(gè)體決策總是伴隨著信息篩選和聚焦的過(guò)程。以往針對(duì)信息數(shù)量影響風(fēng)險(xiǎn)決策的研究多是基于建模和優(yōu)化，較少有學(xué)者從認(rèn)知過(guò)程去探索信息對(duì)決策的影響。本研究設(shè)計(jì)了一個(gè)掩牌博弈游戲，利用事件相關(guān)電位技術(shù)（ERPs），比較了不確定情景下，個(gè)體在信息過(guò)濾前后的決策行為及腦電差異。行為數(shù)據(jù)顯示，與信息過(guò)濾前相比，決策信息過(guò)濾后，個(gè)體的風(fēng)險(xiǎn)決策參與率更低；腦電結(jié)果表明，信息過(guò)濾后的決策，引發(fā)了個(gè)體更大的P2以及ERN振幅。上述結(jié)果表明，個(gè)體在不同的情境下，其信息處理和決策過(guò)程存在顯著的差異。在信息數(shù)量比較多，并且時(shí)間短的情況下，決策者更傾向于調(diào)用啟發(fā)式?jīng)Q策模式；而信息過(guò)濾后，信息量減少，信息屬性更加明確，而且時(shí)間相對(duì)來(lái)說(shuō)比較充裕，大腦會(huì)啟動(dòng)補(bǔ)償式?jīng)Q策模式，去調(diào)用更多的認(rèn)知資源來(lái)分析信息，此時(shí)，個(gè)體感知到的風(fēng)險(xiǎn)變大，行為會(huì)更加謹(jǐn)慎。

信息過(guò)濾；風(fēng)險(xiǎn)決策；P2；ERN；ERPs

0引言

決策和我們的日常生活息息相關(guān)，小到網(wǎng)絡(luò)購(gòu)物、股票投資，大到擇偶擇業(yè)，生活中無(wú)時(shí)無(wú)刻不存在著決策，而決策問(wèn)題一直受到管理學(xué)、經(jīng)濟(jì)學(xué)、心理學(xué)、社會(huì)學(xué)、神經(jīng)科學(xué)等學(xué)科的親睞。根據(jù)個(gè)體面臨的選擇條件不同，決策可分為確定性決策和不確定性決策。不確定性決策又根據(jù)其獲得結(jié)果的概率是否清楚，可被定義為風(fēng)險(xiǎn)決策和模糊決策[1]。

傳統(tǒng)研究認(rèn)為，在不確定決策中，信息提高決策有效性的根本原因在于它可以消除不確定性[2]。人們會(huì)綜合已有信息和新增信息，通過(guò)分析評(píng)估信息的動(dòng)態(tài)變化來(lái)做出決策[3]。例如，我們會(huì)根據(jù)近期股價(jià)的動(dòng)態(tài)變化來(lái)決定買(mǎi)賣(mài)；同樣，我們會(huì)根據(jù)上一階段的銷(xiāo)售額以及現(xiàn)階段的庫(kù)存來(lái)制定該商品當(dāng)前的進(jìn)貨量。

雖然互聯(lián)網(wǎng)的信息共享功能使我們可以便捷地得到所需要的信息。但在面對(duì)海量信息時(shí)，信息數(shù)量過(guò)大也會(huì)給我們的選擇造成困擾，尤其是在比較短的時(shí)間內(nèi)。因?yàn)樵跁r(shí)間壓力下做決策，會(huì)使得我們的處理能力降低，進(jìn)而降低決策的效率[4-5]。在網(wǎng)上購(gòu)物時(shí)，我們一方面希望有更多的同類(lèi)商品呈現(xiàn)，以便從中找到心儀的物品；另一方面，我們也容易為大量商品信息所困擾而變得舉棋不定。因此在現(xiàn)實(shí)決策中，我們常常需要通過(guò)信息過(guò)濾，來(lái)排除冗余信息的干擾，從而做出可靠的決策。為此很多學(xué)者開(kāi)始研究如何建立模型來(lái)過(guò)濾冗余信息以提供個(gè)性化的信息推薦[6-7]。

但由于信息被過(guò)濾，信息數(shù)量不斷減少，又可能出現(xiàn)因被選項(xiàng)相似而導(dǎo)致的選擇焦慮[8]。例如在網(wǎng)絡(luò)購(gòu)物時(shí)，經(jīng)過(guò)一段時(shí)間的商品篩選，消費(fèi)者很容易將自己的目標(biāo)商品鎖定在幾個(gè)類(lèi)似的產(chǎn)品之間，而這些備選商品往往高度近似，使得消費(fèi)者難以抉擇。因此在過(guò)濾掉過(guò)多的信息之后，選擇效率反而會(huì)降低。

綜上所述，信息是影響我們決策的重要因素，而信息量又是必須考量的首要因素[9]。個(gè)體在不同信息數(shù)量情景下的決策行為究竟如何？其背后隱藏著怎樣的認(rèn)知機(jī)制？該如何調(diào)用個(gè)體認(rèn)知去提高決策效率？這些都是本文將著重討論的問(wèn)題。

1理論綜述和假設(shè)

個(gè)體在決策時(shí)，會(huì)分析選項(xiàng)信息的不同屬性，權(quán)衡各屬性特質(zhì)來(lái)得出最優(yōu)策略。有關(guān)其過(guò)程，一部分研究者持補(bǔ)償性策略觀點(diǎn)，認(rèn)為決策者會(huì)綜合考慮每個(gè)屬性的不同特質(zhì)，在分析時(shí)，以一個(gè)屬性的優(yōu)點(diǎn)要能夠補(bǔ)償另一個(gè)屬性的缺點(diǎn)作為判斷基準(zhǔn)。但也有學(xué)者不考慮屬性之間的補(bǔ)償關(guān)系，而是按其間的重要性來(lái)選擇屬性，稱為非補(bǔ)償性策[10]。

在信息爆炸背景下，信息屬性過(guò)多會(huì)導(dǎo)致決策困難。而處于時(shí)間壓力狀態(tài)下做決策時(shí)，決策者則會(huì)傾向于加速信息搜索和處理的進(jìn)程，同時(shí)會(huì)更改自己的信息加工和決策策略[11]。因?yàn)閭€(gè)體在單位時(shí)間內(nèi)處理信息的能力是有限的，若信息量超過(guò)一定的限度，則其處理能力會(huì)降低。同時(shí)John的研究也表明，在面對(duì)大量選項(xiàng)的時(shí)候，決策者會(huì)進(jìn)行快速的搜索和評(píng)估并做出選擇。相反，在面臨兩個(gè)非常相似的選項(xiàng)時(shí)會(huì)使用補(bǔ)償性策略謹(jǐn)慎選擇[8]，從而保持決策的精確程度[12]。

然而，決策不單單只是理性的推理過(guò)程，它也會(huì)受到認(rèn)知偏差及參考點(diǎn)的影響[13]。近年來(lái)，有關(guān)決策認(rèn)知過(guò)程的研究也不斷涌現(xiàn)，大量研究發(fā)現(xiàn)，特定的腦電成份能表征認(rèn)知過(guò)程。本研究正是在這樣的背景下，將認(rèn)知神經(jīng)科學(xué)工具引入管理決策問(wèn)題研究中，利用事件相關(guān)電位技術(shù)（ERPs）的高時(shí)間分辨率，來(lái)探究在不同信息數(shù)量情景下，個(gè)體決策行為及認(rèn)知過(guò)程差異，并嘗試從信息過(guò)濾的視角，來(lái)揭示不確定決策過(guò)程中信息數(shù)量變化對(duì)決策者認(rèn)知過(guò)程的影響機(jī)制。

已有研究表明，P2的振幅與個(gè)體注意資源的分配有關(guān)。Huang 和 Luo研究發(fā)現(xiàn)P2的振幅反映了無(wú)意識(shí)的注意資源分配[14]。Mercado進(jìn)一步揭示P2波幅會(huì)隨著決策者投入注意資源的增多而增大[15]。反之，決策中調(diào)用的注意資源越少，引發(fā)的P2波幅越小[16]；同時(shí)，也有研究證實(shí)P2成分反映了決策者對(duì)不確定性的感知。不確定性任務(wù)產(chǎn)生的P2波幅顯著大于確定性任務(wù)產(chǎn)生的P2波幅，而兩個(gè)具有不同風(fēng)險(xiǎn)的不確定性決策之間的P2波幅卻沒(méi)有顯著差異[17]。但后續(xù)研究發(fā)現(xiàn)，P2的波幅會(huì)隨著決策風(fēng)險(xiǎn)的提高而增大[10, 18]。另一方面，P2成分的激活也反映了被試對(duì)信息屬性及重要程度的預(yù)判。當(dāng)信息選項(xiàng)多時(shí)，個(gè)體采取非補(bǔ)償性策略進(jìn)行認(rèn)知加工，此時(shí)，占用的認(rèn)知資源少[19]，P2波幅也小，而當(dāng)個(gè)體啟用補(bǔ)償性策略時(shí)，就需要調(diào)用較多的認(rèn)知資源，此時(shí)P2波幅就會(huì)變大。

ERN是一種錯(cuò)誤相關(guān)負(fù)波，體現(xiàn)了個(gè)體對(duì)錯(cuò)誤的察覺(jué)。Hewig等（2008）將21點(diǎn)游戲場(chǎng)景納入實(shí)驗(yàn)，考察了預(yù)期收益和ERN的關(guān)系，發(fā)現(xiàn)對(duì)結(jié)果的預(yù)期與風(fēng)險(xiǎn)相關(guān)[20]，且對(duì)結(jié)果預(yù)期的不同會(huì)引起不同振幅的ERN，即感知風(fēng)險(xiǎn)越大，引發(fā)的ERN振幅越強(qiáng)[21]。Yasuda等(2004)探究了ERN與冒險(xiǎn)行為的聯(lián)系。他們通過(guò)一個(gè)猜牌的連續(xù)實(shí)驗(yàn)，研究表明了如果某一行為引發(fā)的ERN振幅更大，那么被試在之后的實(shí)驗(yàn)中就會(huì)更多地規(guī)避這種行為[22]。Gehring等人的研究發(fā)現(xiàn)，當(dāng)要求決策者主要關(guān)注正確率時(shí)，ERN的波幅增大，而當(dāng)要求決策者犧牲正確率追求速度時(shí)，ERN 波幅減小[23]?？梢?jiàn)，ERN與風(fēng)險(xiǎn)感知和冒險(xiǎn)行為有關(guān)，感知到的風(fēng)險(xiǎn)越大，產(chǎn)生的ERN振幅越大。ERN也與決策時(shí)追求的目標(biāo)有關(guān)[24]，其快速的啟發(fā)式?jīng)Q策方式會(huì)比追求正確率的方式引發(fā)更小的ERN振幅。

綜上所述，本研究推斷，在不確定性決策中，隨著信息的聚焦，個(gè)體會(huì)傾向于努力調(diào)用認(rèn)知資源，通過(guò)精細(xì)計(jì)算和推理來(lái)判斷；同時(shí)，信息聚焦后，個(gè)體決策時(shí)感知的風(fēng)險(xiǎn)更大。為此，本研究設(shè)計(jì)了一個(gè)掩牌博弈游戲，通過(guò)不斷掩牌來(lái)逐步過(guò)濾決策信息，從而研究不同信息量下個(gè)體決策的認(rèn)知機(jī)制，并嘗試用行為和腦電數(shù)據(jù)來(lái)揭示這種機(jī)制特征。本研究假設(shè)：與信息過(guò)濾前相比，信息過(guò)濾后，個(gè)體決策會(huì)調(diào)用更多的認(rèn)知資源，表現(xiàn)為引發(fā)更大的P2波幅；信息過(guò)濾后，決策個(gè)體會(huì)感知更大的風(fēng)險(xiǎn)，會(huì)比信息過(guò)濾前產(chǎn)生更大的ERN振幅。

2 方法

2.1 被試

18位（10位男性和8位女性）健康的大學(xué)生作為有償被試，均為右利手，年齡為18-27歲（平均年齡：22.17歲，SD=2.1），專業(yè)分布廣泛，所有被試視力或者矯正視力正常，且沒(méi)有精神病或精神病史。并在實(shí)驗(yàn)前簽署了相關(guān)的實(shí)驗(yàn)流程確認(rèn)書(shū)以及被試知情書(shū)，明確了解實(shí)驗(yàn)框架并進(jìn)行了預(yù)實(shí)驗(yàn)熟悉相應(yīng)實(shí)驗(yàn)流程。

2.2實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)采用美國(guó)心理學(xué)軟件公司的E-prime軟件進(jìn)行編程處理，刺激材料呈現(xiàn)在電腦屏幕的中央，被試距離屏幕70cm，水平視角和垂直視角分別為2.58°和2.4°。實(shí)驗(yàn)設(shè)計(jì)中用到的所有刺激圖片都采用PPT和Photoshop軟件進(jìn)行統(tǒng)一處理，尺寸均為200×150，亮度與對(duì)比度統(tǒng)一。

本實(shí)驗(yàn)設(shè)計(jì)了一個(gè)掩牌式的投資游戲。每次實(shí)驗(yàn)由4個(gè)單元組成，每個(gè)單元有40個(gè)試次，每單元結(jié)束后被試有一段休息時(shí)間。每個(gè)試次中有兩次決策，在實(shí)驗(yàn)開(kāi)始時(shí)先有1000ms的呈現(xiàn)時(shí)間，屏幕呈現(xiàn)八張帶數(shù)字的紙牌，牌面數(shù)值為：10，20，30，40，50，60，70，80。之后，系統(tǒng)隨機(jī)掩蓋掉三張紙牌，剩下五張可觀察牌面值的紙牌，此次畫(huà)面會(huì)停留1500ms以確保決策者能完全了解五張牌面所呈現(xiàn)的信息。隨后出現(xiàn)選擇提示圖片，最多持續(xù)4000ms，接著，系統(tǒng)呈現(xiàn)出一個(gè)確定收益，被試需要在此段時(shí)間（4s）內(nèi)完成第一次決策：或選擇拿走相應(yīng)的收益結(jié)束此次游戲（保守決策），或選擇繼續(xù)進(jìn)行游戲（冒險(xiǎn)決策）。若被試?yán)^續(xù)游戲，系統(tǒng)再次隨機(jī)掩去三張牌，剩下兩張確定值的紙牌，此時(shí)被試仍然可以選擇拿走系統(tǒng)給出的一個(gè)確定收益（為可觀察紙牌的平均值，而被試事先卻不知道這點(diǎn)）結(jié)束游戲（保守決策）；或者選擇繼續(xù)冒險(xiǎn)（冒險(xiǎn)決策），最終隨機(jī)得到剩下兩張牌中一張牌的牌面值結(jié)束游戲：每張圖片的呈現(xiàn)時(shí)間與上一輪決策一致。實(shí)驗(yàn)具體流程及時(shí)間安排如圖1所示。在本實(shí)驗(yàn)設(shè)計(jì)中，決策者的最終收益和其每一輪的判斷和決策都有關(guān)，隨機(jī)抽取一輪的結(jié)果作為決策者最終的報(bào)酬。因此，需要決策者在每次選擇中做出比較，是選擇固定的收益值結(jié)束此輪游戲，還是繼續(xù)冒險(xiǎn)，從而使得收益最大化。

圖1 實(shí)驗(yàn)流程圖

2.3數(shù)據(jù)記錄和分析

整個(gè)實(shí)驗(yàn)過(guò)程中，被試單獨(dú)坐在隔音隔磁的ERP實(shí)驗(yàn)室完成實(shí)驗(yàn)操作，房間燈光調(diào)節(jié)到被試最舒適的程度。實(shí)驗(yàn)采用Neuroscan公司生產(chǎn)的64導(dǎo)腦電記錄系統(tǒng)和Scan4.5腦電記錄分析系統(tǒng)，同時(shí)記錄了事件類(lèi)型、被試腦電數(shù)據(jù)以及包括反應(yīng)時(shí)和按鍵值的行為數(shù)據(jù)，E-prime軟件呈現(xiàn)刺激材料的同時(shí)，也記錄了事件類(lèi)型，被試的反應(yīng)時(shí)和按鍵時(shí)。

對(duì)于原始的腦電數(shù)據(jù)，我們用Scan4.5采用離線分析的方法處理[24]，首先刪除了明顯漂移的腦電數(shù)據(jù)，保證了數(shù)據(jù)的可靠性；然后進(jìn)行EEG眼電的偽跡矯正；對(duì)于刺激鎖時(shí)以刺激事件呈現(xiàn)為基準(zhǔn)點(diǎn)，選擇刺激呈現(xiàn)前200ms至刺激呈現(xiàn)后800ms作為數(shù)據(jù)分析時(shí)程。對(duì)于反應(yīng)鎖時(shí)，以做出選擇為時(shí)間基準(zhǔn)點(diǎn)，選擇決策前400ms到?jīng)Q策后400ms作為數(shù)據(jù)的時(shí)間段。對(duì)于刺激鎖時(shí)的成分，以刺激事件前200 毫秒的腦電作為基線值；對(duì)于反應(yīng)鎖時(shí)的成分，選擇前400ms至選擇前200ms區(qū)間內(nèi)的腦電作為基線值，消除腦電相對(duì)基線的偏離；祛除波幅大于±80μV 的EEG片段，依據(jù)刺激類(lèi)別和按鍵反應(yīng)類(lèi)型對(duì)EEG片段進(jìn)行分類(lèi)疊加平均，然后對(duì)所有被試相同條件的ERP數(shù)據(jù)進(jìn)行疊加平均，產(chǎn)生被試的總平均ERP成分?jǐn)?shù)據(jù)。

3實(shí)驗(yàn)結(jié)果

3.1 行為數(shù)據(jù)

風(fēng)險(xiǎn)參與率在一定程度上代表了被試對(duì)當(dāng)前決策風(fēng)險(xiǎn)的認(rèn)知和偏好。我們定義風(fēng)險(xiǎn)參與率=冒險(xiǎn)決策/（冒險(xiǎn)決策+保守決策）×100%。

第一階段被試的風(fēng)險(xiǎn)參與率（M=83.17%，SD=13.30%）大于信息過(guò)濾后的第二階段風(fēng)險(xiǎn)參與率（M=68.12%，SD=14.74%）。配對(duì)樣本T檢驗(yàn)（independent-sample T test）表明，兩階段風(fēng)險(xiǎn)參與率有顯著差異（t=5.432，p=.000<0.05），即信息過(guò)濾后第二次決策的風(fēng)險(xiǎn)參與率顯著小于信息過(guò)濾前第一次決策的風(fēng)險(xiǎn)參與率。

3.2 腦電數(shù)據(jù)

3.2.1 P2

P2成分是指出現(xiàn)在約150-250ms之間的一個(gè)正成分，一般分布在前額[16]。本研究通過(guò)選定位于前額中央?yún)^(qū)域的FZ、F3、F4、FCZ、FC3、FC4這6個(gè)電極點(diǎn)作為分析位置。針對(duì)額中央聯(lián)合區(qū)P2成分做2（決策階段：信息過(guò)濾前第一次決策和信息過(guò)濾后第二次決策）×6（電極： F3，F(xiàn)Z，F(xiàn)4，F(xiàn)C3，F(xiàn)CZ，F(xiàn)C4）的重復(fù)性方差分析。結(jié)果顯示決策階段有顯著的主效應(yīng)，F(xiàn)（1，17）=4.946，p=0.019<0.05；電極具有顯著的主效應(yīng)，F(xiàn)（5，85）=16.061，p=0.000<0.05；決策類(lèi)型與電極的交互效應(yīng)存在，F(xiàn)（5，85）=8.256，p=0.000，配對(duì)比較分析顯示，第二次決策時(shí)P2的振幅[M=7.005,SD=0.852]顯著大于第一次[M=5.377,SD=0.529]，其波形圖如圖2所示。

圖2 信息過(guò)濾前后信息的P2成分電極點(diǎn)的平均波形圖

3.2.2 ERN

ERN成分是在0-50ms 區(qū)間內(nèi)一個(gè)非常明顯的負(fù)成分，主要分布在前額區(qū)。我們選取前額中線兩側(cè)6個(gè)點(diǎn)(F3，F(xiàn)4，F(xiàn)Z，F(xiàn)C3，F(xiàn)C4，F(xiàn)CZ)作為統(tǒng)計(jì)分析的代表點(diǎn)位。針對(duì)ERN成分做2（決策階段：信息過(guò)濾前和信息過(guò)濾后）×6（電極： F3，F(xiàn)4，F(xiàn)Z，F(xiàn)C3，F(xiàn)C4，F(xiàn)CZ）的重復(fù)性方差分析。結(jié)果顯示決策類(lèi)型有顯著的主效應(yīng)，F(xiàn)（1，17）=5.042，p=0.038<0.05；電極具有顯著的主效應(yīng)，F(xiàn)（5，85）=17.138，p=0.000<0.001；決策階段與電極的交互效應(yīng)不存在，F(xiàn)（5，85）=1.266，p=0.286。第一次決策的ERN振幅[M=-2.616,SD=0.562]顯著小于第二次決策的ERN振幅[M=-3.906,SD=0.505]，其波形圖如圖3所示。

以往研究表明，ERN與風(fēng)險(xiǎn)感知和冒險(xiǎn)行為有關(guān)[24]，因此，進(jìn)一步對(duì)信息過(guò)濾前后的冒險(xiǎn)決策進(jìn)行比較分析。針對(duì)ERN成分做2（決策類(lèi)型：信息過(guò)濾前冒險(xiǎn)和信息過(guò)濾后冒險(xiǎn)）×6（電極： F3，F(xiàn)4，F(xiàn)Z，F(xiàn)C3，F(xiàn)C4，F(xiàn)CZ）的重復(fù)性方差分析結(jié)果顯示F（1，17）=6.869，p=0.018<0.05；電極具有顯著的主效應(yīng)，F(xiàn)（5，85）=20.149，p=0.000<0.001；決策階段與電極的交互效應(yīng)顯著，F(xiàn)（5，85）=2.702，p=0.026。第一次決策冒險(xiǎn)的ERN振幅[M=-2.258,SD=0.483]顯著小于第二次決策冒險(xiǎn)的ERN振幅[M=-3.897,SD=0.574]，其波形圖如圖4。

圖3 信息過(guò)濾前后決策的ERN成分電極點(diǎn)的平均波形圖

圖4 信息過(guò)濾前后冒險(xiǎn)決策的ERN成分電極點(diǎn)的平均波形圖

4討論

在日常決策中，信息的多少對(duì)我們的決策判斷和效率起著非常重要的作用，本研究設(shè)計(jì)了在一個(gè)不同信息數(shù)量下的投資游戲，要求被試在信息過(guò)濾前、后來(lái)決定是否繼續(xù)投資，實(shí)驗(yàn)結(jié)果表明當(dāng)決策信息過(guò)濾到更小的范圍時(shí)，決策者的風(fēng)險(xiǎn)參與率更低，腦電成分P2的振幅更大，同時(shí)，誘發(fā)更大的ERN。

4.1 P2

在本實(shí)驗(yàn)的第一次決策中，決策者面對(duì)五張牌的信息量，并被要求在4秒時(shí)間內(nèi)處理完這些信息并做出投資還是選擇固定收益的決策，否則此次決策無(wú)效。此時(shí)，對(duì)被試而言，往往容易形成一定的時(shí)間壓力。當(dāng)個(gè)體在時(shí)間壓力的情況下進(jìn)行決策時(shí)，其決策質(zhì)量會(huì)受到影響[25]。也就是決策者無(wú)法很迅速地思考，并通過(guò)比較五張牌所呈現(xiàn)的所有屬性（平均值，最大值，最小值，方差等）和固定收益的屬性來(lái)得到哪個(gè)方案更優(yōu)。決策者為了提高自己的決策速度，會(huì)減少在每個(gè)選項(xiàng)上所花費(fèi)的時(shí)間，只會(huì)關(guān)注部分信息而忽略其它信息，從補(bǔ)償性策略轉(zhuǎn)變?yōu)榉茄a(bǔ)償性策略[11]。按照這種策略，決策者只關(guān)注自己認(rèn)為的幾個(gè)重要的部分（比如當(dāng)前最大值最小值和固定收益的大小關(guān)系），缺乏計(jì)算的動(dòng)機(jī)，此時(shí)大腦所調(diào)用的認(rèn)知資源少。在ERP成分中，P2反映的是注意資源的分配，分配的注意資源越多，P2的波幅也越大[16, 26]。因此在第一次決策中引起的P2波幅小。

而在第二次決策中，當(dāng)信息過(guò)濾到兩張牌時(shí)，由于接收到的信息減少，被試只需對(duì)2張牌的屬性和固定數(shù)值進(jìn)行比較，因此，即使是在同樣的4s內(nèi)，決策者也有能力處理完這些信息，并作出選擇。決策者會(huì)更傾向于用補(bǔ)償性策略來(lái)分析剩余的牌面信息，此時(shí)決策者會(huì)發(fā)現(xiàn)，剩余兩張牌的平均收益和固定收益一致，那么在這種兩個(gè)選項(xiàng)得到的結(jié)果的期望一致的情況下，決策者需要更大的認(rèn)知努力來(lái)來(lái)追求決策的精確度[8]，會(huì)綜合期望值、方差等屬性以及前一次決策信息來(lái)思考，該信息加工程度變深，需要更大的認(rèn)知努力占用了更多的認(rèn)知資源[27-28]，因此引發(fā)了更大的P2。

由此可見(jiàn)，在信息過(guò)濾前后，個(gè)體在信息加工時(shí)引發(fā)的P2成分的顯著差異，表明了個(gè)體在兩種情境下具有不同的認(rèn)知過(guò)程。一開(kāi)始，在面對(duì)大量信息，并所給時(shí)間比較短時(shí)，個(gè)體傾向于采用非補(bǔ)償性策略，只關(guān)注幾點(diǎn)重要的信息，調(diào)用較少的認(rèn)知資源；在信息過(guò)濾后，信息量減少，時(shí)間相對(duì)充裕，決策者傾向于選擇采用補(bǔ)償性策略，調(diào)用更多的認(rèn)知資源進(jìn)行全面的信息加工。

4.2 ERN

從整體上看，信息過(guò)濾后的ERN振幅顯著大于信息過(guò)濾之前。在第一次決策時(shí)，決策者處于時(shí)間壓力狀態(tài)，決策時(shí)傾向于采用非補(bǔ)償性策略進(jìn)行直覺(jué)判斷，為了在短時(shí)間內(nèi)做出決策，此時(shí)，決策者更多的是追求速度，ERN波幅小[23]。而第二次決策時(shí)，決策者在給定的時(shí)間內(nèi)有能力對(duì)各個(gè)備選方案的風(fēng)險(xiǎn)進(jìn)行甄別，此時(shí)追求的是準(zhǔn)確率，因此 ERN的波幅大[23]。

然而，行動(dòng)選擇階段的ERN和冒險(xiǎn)決策的行為有關(guān)，信息過(guò)濾前和過(guò)濾后信息量的不同，決策者感知的風(fēng)險(xiǎn)也不相同。根據(jù)本實(shí)驗(yàn)的設(shè)計(jì)，如果第一次決策選擇保守策略，則該試次會(huì)直接結(jié)束，不會(huì)讓被試進(jìn)行第二階段的決策。因此，我們只選取在第一次和第二次決策時(shí)都選擇冒險(xiǎn)的試次，并對(duì)前后兩次決策的ERN進(jìn)行比較，從而進(jìn)一步探討不同信息量對(duì)決策者神經(jīng)機(jī)制的影響。結(jié)果表明，信息過(guò)濾前后冒險(xiǎn)決策ERN的波幅有顯著差異，過(guò)濾后冒險(xiǎn)的ERN顯著大于過(guò)濾前冒險(xiǎn)的ERN，這說(shuō)明在信息過(guò)濾后決策者感受到了更強(qiáng)烈的風(fēng)險(xiǎn)沖突。因?yàn)樾畔⑦^(guò)濾到兩張牌之后，剩余信息很明確，在對(duì)信息全面加工之后，決策者更清楚地感知到他只有一半的概率能夠拿到超過(guò)固定收益的數(shù)額即很容易產(chǎn)生自己的預(yù)期結(jié)果和真實(shí)結(jié)果不匹配的情況，因此一旦判斷錯(cuò)誤便很容易產(chǎn)生后悔的情緒。前人研究也表明，當(dāng)某兩個(gè)備選項(xiàng)的期望相同時(shí)候，決策者所感知到的風(fēng)險(xiǎn)是最強(qiáng)的[29]，決策者會(huì)擔(dān)心自己放棄了安全選項(xiàng)而得到更小的收益，所以更加難以判斷，感知到的風(fēng)險(xiǎn)沖突越高引發(fā)更強(qiáng)振幅的ERN[21]。同時(shí)，當(dāng)決策者面對(duì)兩個(gè)比較相近的選項(xiàng)時(shí)，會(huì)選擇補(bǔ)償性策略[8]，追求準(zhǔn)確率，此時(shí)引發(fā)更大的ERN振幅[23]。因此，與信息過(guò)濾前冒險(xiǎn)行為的ERN相比信息過(guò)濾之后的振幅也就越大。

同時(shí)行為數(shù)據(jù)結(jié)果表明，雖然第二次決策時(shí)決策者也傾向于冒險(xiǎn)（風(fēng)險(xiǎn)參與率63%>50%），但是被試在信息過(guò)濾后的參與率顯著小于過(guò)濾前的參與率。第二次決策時(shí)更低的參與率，說(shuō)明了個(gè)體感受到了更大的風(fēng)險(xiǎn)而選擇了更為保守的策略。綜上所述，在信息過(guò)濾之后，個(gè)體感知風(fēng)險(xiǎn)更大，冒險(xiǎn)決策引發(fā)的ERN更大，參與率更低。

本研究從信息過(guò)濾的角度來(lái)探討信息量變化對(duì)決策認(rèn)知過(guò)程的影響，豐富了我們對(duì)信息過(guò)濾下決策過(guò)程及機(jī)理的認(rèn)識(shí)和理解，得到的結(jié)果不僅驗(yàn)證了以往從行為實(shí)驗(yàn)角度分析得出的“個(gè)體在多重選項(xiàng)時(shí)傾向于非補(bǔ)償性策略[29]，在少量選項(xiàng)時(shí)選擇使用補(bǔ)償性策略[8]”的結(jié)論，更重要的，是揭示個(gè)體決策的內(nèi)在認(rèn)知機(jī)理，從而拓展了以往的研究。同時(shí)，本研究前后兩次決策密切相關(guān)，第二次的決策條件會(huì)受到第一次決策結(jié)果的制約，很好的模擬了動(dòng)態(tài)的信息過(guò)濾過(guò)程以及決策過(guò)程。這也是對(duì)以往關(guān)于信息量變化對(duì)決策影響研究的一個(gè)很大的補(bǔ)充和創(chuàng)新。

本研究結(jié)果不僅在理論上有一定的貢獻(xiàn)，在實(shí)際應(yīng)用中也有很好的體現(xiàn)。比如在網(wǎng)絡(luò)購(gòu)物中，很多時(shí)候消費(fèi)者因?yàn)闊o(wú)法獲取實(shí)際體驗(yàn)，只能通過(guò)頁(yè)面提供的信息做出決策判斷。從我們的實(shí)驗(yàn)結(jié)果來(lái)看，在面對(duì)大量信息時(shí)如商品基本信息，消費(fèi)者可能不愿意認(rèn)真分析反而只是關(guān)注一些主要商品屬性和關(guān)鍵信息，因?yàn)樵诙虝r(shí)間內(nèi)分析多維信息難度大從而會(huì)降低決策認(rèn)真程度。而對(duì)于個(gè)體篩選所剩下的較為集中的關(guān)鍵信息，消費(fèi)者會(huì)花費(fèi)更多的注意力去解讀評(píng)估。因此，本研究結(jié)果可以應(yīng)用于互聯(lián)網(wǎng)購(gòu)物平臺(tái)如何為客戶提供有效信息而優(yōu)化服務(wù)領(lǐng)域。

5結(jié)論

本研究基于個(gè)體決策過(guò)程信息過(guò)濾的規(guī)律，首次嘗試從信息過(guò)濾的角度出發(fā)，來(lái)探索信息數(shù)量與不確定決策認(rèn)知過(guò)程和風(fēng)險(xiǎn)感知的關(guān)系，通過(guò)事件相關(guān)電位工具，發(fā)現(xiàn)了用以表征信息過(guò)濾過(guò)程中信息加工和行動(dòng)選擇聯(lián)系的腦電成份P2和ERN，揭示了個(gè)體決策的大腦認(rèn)知機(jī)制。研究發(fā)現(xiàn)，當(dāng)面對(duì)信息大量卻需要快速?zèng)Q策的時(shí)候，個(gè)體處于時(shí)間壓力狀態(tài)下，更傾向于采用非補(bǔ)償性策略去決策，此時(shí)，調(diào)用的認(rèn)知資源更少，P2的振幅?。划?dāng)信息量聚焦之后，決策者會(huì)調(diào)用大量的認(rèn)知資源，傾向于選擇補(bǔ)償性策略來(lái)進(jìn)行信息加工，去思考和分析信息之間的差異，此時(shí)，P2的振幅更大。同時(shí)，當(dāng)信息過(guò)濾后，個(gè)體冒險(xiǎn)決策時(shí)感知的風(fēng)險(xiǎn)變大，風(fēng)險(xiǎn)參與率降低，同時(shí)，感知到的錯(cuò)誤率會(huì)增加，從而引發(fā)更大的ERN。

[1] 汪蕾, 沈翔宇, &林志萍, 基于決策神經(jīng)科學(xué)的風(fēng)險(xiǎn)決策與含糊決策研究進(jìn)展[J]. J Southeast Univ (Med Sci Edi), 2010, 4 (29l): 473-476.

[2] Citroen, C.L., The role of information in strategic decision-making [J]. International Journal of Information Management, 2011, 6 (31l): 493-501.

[3] Maes, P., Agents that reduce work and information overload [J]. Communications of the ACM, 1994, 7 (37l): 30-40.

[4] Galbraith, J.R., Organization design: An information processing view [J]. Interfaces, 1974, 3 (4l): 28-36.

[5] Tushman, M.L. & D.A. Nadler, Information Processing as an Integrating Concept in Organizational Design [J]. Academy of management review, 1978, 3 (3l): 613-624.

[6] Pasi, G. & W. Pedrycz. Introduction to Information Filtering and Retrieval: Soft Computing-Based Approaches Minitrack[A]. in 2014 47th Hawaii International Conference on System Sciences [C]. IEEE.2014. 905-905.

[7] Shardanand, U. & P. Maes. Social information filtering: algorithms for automating “word of mouth”[A]. in Proceedings of the SIGCHI conference on Human factors in computing systems [C]. ACM Press/Addison-Wesley Publishing Co.1995. 210-217.

[8] Payne, J.W., Task complexity and contingent processing in decision making: An information search and protocol analysis [J]. Organizational behavior and human performance, 1976, 2 (16l): 366-387.

[9] Gao, J., et al., Understanding online purchase decision making: The effects of unconscious thought, information quality, and information quantity [J]. Decision Support Systems, 2012, 4 (53l): 772-781.

[10] 邱梅, 基于信息更新視角的不確定決策機(jī)理研究[D]. 浙江大學(xué).2012.

[11] Weenig, M.W. & M. Maarleveld, The impact of time constraint on information search strategies in complex choice tasks [J]. Journal of Economic Psychology, 2002, 6 (23l): 689-702.

[12] Kerstholt, J., Information search and choice accuracy as a function of task complexity and task structure [J]. Acta psychologica, 1992, 1 (80l): 185-197.

[13] Kahneman, D. & A. Tversky, Prospect theory: An analysis of decision under risk [J]. Econometrica: Journal of the Econometric Society, 1979: 263-291.

[14] Huang, Y.-X. & Y.-J. Luo, Temporal course of emotional negativity bias: an ERP study [J]. Neuroscience letters, 2006, 1 (398l): 91-96.

[15] Mercado, F., et al., The influence of emotional context on attention in anxious subjects: neurophysiological correlates [J]. Journal of anxiety disorders, 2006, 1 (20l): 72-84.

[16] Yuan, J., et al., Are we sensitive to valence differences in emotionally negative stimuli? Electrophysiological evidence from an ERP study [J]. Neuropsychologia, 2007, 12 (45l): 2764-2771.

[17] Polezzi, D., et al., Predicting outcomes of decisions in the brain [J]. Behavioural brain research, 2008, 1 (187l): 116-122.

[18] Qin, J. & S. Han, Neurocognitive mechanisms underlying identification of environmental risks [J]. Neuropsychologia, 2009, 2 (47l): 397-405.

[19] Steel, R.:Walter Lippmann and the American Century.[Mit Portr.](2. Print.)[M]. Transaction Publishers, 1980.

[20] Hewig, J., et al., Decision-making in Blackjack: an electrophysiological analysis [J]. Cerebral Cortex, 2007, 4 (17l): 865-877.

[21] Hewig, J., et al., An electrophysiological analysis of coaching in Blackjack [J]. cortex, 2008, 9 (44l): 1197-1205.

[22] Yasuda, A., et al., Error-related negativity reflects detection of negative reward prediction error [J]. Neuroreport, 2004, 16 (15l): 2561-2565.

[23] Gehring, W.J., et al., A neural system for error detection and compensation [J]. Psychological science, 1993, 6 (4l): 385-390.

[24] 趙侖:ERPs 實(shí)驗(yàn)教程 [M]. 東南大學(xué)出版社, 2010.

[25] Schick, A.G., L.A. Gordon, & S. Haka, Information overload: A temporal approach [J]. Accounting, Organizations and Society, 1990, 3 (15l): 199-220.

[26] Delplanque, S., et al., Modulation of cognitive processing by emotional valence studied through event-related potentials in humans [J]. Neuroscience letters, 2004, 1 (356l): 1-4.

[27] Kahneman, D., Maps of bounded rationality: Psychology for behavioral economics [J]. American economic review, 2003: 1449-1475.

[28] Gilovich, T., D. Griffin, & D. Kahneman:Heuristics and biases: The psychology of intuitive judgment[M]. Cambridge University Press, 2002.

[29] Sundstr?m, G.A., Information search and decision making: The effects of information displays [J]. Acta Psychologica, 1987, 2 (65l): 165-179.

Information Filtering and Decision-making: in the View of Cognitive Processing

ZHENG Jie-hui, WANG Lei, LU Qiang, QIU Mei

(School of Management, Zhejiang University, Hangzhou 310058, China)

Decision-making is highly related to our daily lifebecause people need to make various decisions at all times. One of the most influencing factors of individual decision-making is the amount of information available. Information can reduce uncertainty;however, information overload may interfere the quality of decision-making. To process information quickly and make decision effectively, individuals are engaged in a constant filtering process based on screening and focalizing information. The process of information filtering allows individuals to efficiently process an overwhelming amount of information, but the reduction of information may lead to choice anxiety as a result of similar options. Answering problems about how information would affect individual decision-making can help understand decision-making mechanisms. Most previous studies on the role of information in decision-making adopted modeling and optimization approaches, while few studies discussed these issues from the cognitive perspective.

Two decision-making patterns proposed by Kahneman, intuition and reasoning are widely accepted as the double system mode. After that, many studies about the cognitive process of decision-making emerged. With the discipline integration and technology development, some researchers have applied neuroscience research techniques for management science, such as ERPs (Event-Related Potentials), to investigate the cognitive processes ofdecision-making. With these methods, investigators have found that some ERP components can represent the cognitive progress. For example, P2 component fluctuates with the variation of attentional resources, and ERN is related to risk and the expectation of results. When faced with a larger risk, a lager ERN is produced. In addition, ERN is relevant to the goal of decision-making. When System1 works, the heuristics decision pattern will invoke smaller amplitude compared with when we pursue for accuracy adopting System2.

This study designed a gambling game, which simulates the dynamic process of information filtering. We applied ERPs to record the brain wave components before and after information filtering. Eighteen healthy college students (10M/8F, all right-handed) participated in this experiment. The stimuli in entire experiment consisted of 160 stimulus divided randomly into 4 blocks with 40 trials each. At the beginning of each trial, eight cards were presented. The valve of the first eight cards each was from ten to ninety generated by the system randomly. Followed by the first eight cards, five - cards stimulus was presented with other three covered randomly, and a fixed amount of gain emerged subsequently. At this moment, the subjects must choose to be risk seeking or to be conservative (take the fixed amount of gain and end this trial). If he chose to be risk seeking, the system would continue to turn over another three cards randomly. Facing with two cards, participant needed to make the second decision: choose to be conservative (take the fixed gain) or to be risky (get the amount of money depending on either of the last two cards). Applying Scan 4.5, we recorded the subjects’ electrophysiological data while they were playing those games. ERPs were separately averaged for each condition and each subject.

Behavioral data showed that participation rate (PR) of risky decision after information filtering was significantly less than that before information filtering. ERP results showed that two brain components were found. Risky decision-making after information filtering elicited significant larger P2 and ERN amplitudes than those before information filtering. These results suggested that information processing and decision-making under varied circumstances (before vs. after information filtering) were quite different. When faced with overloading information, decision-makers would pursue speed under this condition. However, after information filtering, they would allocate more cognitive resources to process the information and tend to be more cautious in decision-making to pursue accuracy. Therefore, larger ERN amplitude was manifested. Comparative with decision before information filtering, the lower PR and the larger ERN suggested that subjects perceive larger risk under risk seeking decision after information filtering.

In summary, firstly, this study explores the cognitive processing of decision making from the information filtering perspective. It enriches current research in the fields of information updating theories and decision-making theories. Secondary，the results can help decision makers better understand their behavioral preferences so that they can avoid some impulsive behavior consciously and improve the efficiency of individual decision-making. Furthermore, our results can be applied into Internet businesses practice to design a better information layout of homepages and improve purchase conversion rate.

information filtering; risk decision-making; P2; ERN; ERPs

中文編輯：杜 ??；英文編輯：Charlie C. Chen

F273

A

1004-6062(2016)01-0205-07

10.13587/j.cnki.jieem.2016.01.026

2014-11-09

2015-04-23

國(guó)家自然科學(xué)基金面上資助項(xiàng)目（71471163，71071135）

鄭杰慧（1991—），女，江西上饒人。浙江大學(xué)管理學(xué)院博士生研究生，研究方向：不確定性決策，仿真模擬和金融電子商務(wù)研究。