動態(tài)系統(tǒng)累積變量判斷中的關(guān)聯(lián)啟發(fā)式*

王曉莊 王思聰 牟偉莉 張建娥 尹文超

(教育部人文社會科學(xué)重點研究基地天津師范大學(xué)心理與行為研究院, 天津 300074)

(天津師范大學(xué)教育科學(xué)學(xué)院, 天津 300384)

1 引言

隨著人口、城市化和氣候變化等問題的加劇,經(jīng)濟和生態(tài)環(huán)境可持續(xù)性成為全世界關(guān)注的熱點。而可持續(xù)性發(fā)展在很大程度上與人的可持續(xù)性決策密切相關(guān)。有研究提出管理者可持續(xù)性決策認(rèn)知加工模型, 考察影響可持續(xù)性決策的個體心理因素, 研究多采用靜態(tài)的實驗或測試情境(Eberhardt-Toth & Wasieleski, 2013; Gallego-álvareza &Ortas, 2017)。然而, 經(jīng)營管理和生態(tài)環(huán)境是動態(tài)而持續(xù)的, 這就需要破解動態(tài)系統(tǒng)中影響可持續(xù)性決策的因素, 特別是造成判斷偏差的心理原因。

累積變量(accumulation variable)是指可隨時間遞移而積累或減少的事物, 既包括可見的, 如資金、產(chǎn)品、人員數(shù), 也包括不可見的, 如壓力、認(rèn)知負(fù)荷等。累積變量的變化體現(xiàn)在隨時間遞移而產(chǎn)生的流量和存量變化。流量是事物在單位時間內(nèi)量的變化速率, 包括流入和流出量, 二者均可產(chǎn)生增加、減少等變化。存量是狀態(tài)變量, 是累積變量在某一時間點上的累計狀態(tài), 如庫存量等, 為決策和行動提供信息基礎(chǔ)。人員流、信息流、資金流、設(shè)備流、物料流及訂單流, 構(gòu)成組織系統(tǒng)運作的基本結(jié)構(gòu)(Forrester, 1961)。在氣候變化、環(huán)境治理等動態(tài)系統(tǒng)中, 包含了廢氣、污水、氣溫等更為多樣的累積變量, 只有對其流量、存量及之間關(guān)系的正確感知和決策, 才能保持系統(tǒng)運行的可持續(xù)性。

然而, 人們對于累積變量的判斷常出現(xiàn)偏差,其實質(zhì)是對存量、流量數(shù)值間關(guān)系的錯誤估計,有研究稱其為“存?流量錯誤” (Stock-Flow Failure,簡稱“S-F 錯誤”) (Diehl & Sterman, 1995)。S-F 錯誤主要有三種形式：將流量值(軌跡)判斷為存量值(軌跡)、將存量值(軌跡)判斷為流量值(軌跡)、將凈流量(軌跡)判斷為存量值(軌跡) (Sterman, 2008,2012; Ranney, Clark, Reinholz, & Cohen, 2012)。可見, 累積變量判斷偏差以不同形式的 S-F錯誤表現(xiàn)出來。

Cronin, Gonzalez 和 Sterman (2009)提出, 累積變量判斷偏差是由關(guān)聯(lián)啟發(fā)式(Correlation Heuristics)導(dǎo)致的。關(guān)聯(lián)啟發(fā)式是進(jìn)行動態(tài)系統(tǒng)累積變量判斷時所采用的一種錯誤的、自動化的思維模式。在這一思維模式下, 將存量與流量(流入量、流出量、凈流量)之間建立正相關(guān)關(guān)系, 認(rèn)為存量的運行變化特征與流量的變化特征具有相似性。由于使用了關(guān)聯(lián)啟發(fā)式, 就將存量與流量的數(shù)值之間建立起簡單匹配與對應(yīng)關(guān)系, 導(dǎo)致判斷偏差(Dutt& Gonzalez, 2012b; Fischer & Gonzalez, 2016)。

關(guān)聯(lián)啟發(fā)式是從認(rèn)知加工視角提出的導(dǎo)致累積變量判斷偏差的一個新的概念。那么, 關(guān)聯(lián)啟發(fā)式導(dǎo)致判斷偏差的心理機制是什么？受哪些因素的影響？如何減少這一思維模式對累積變量判斷的負(fù)面影響？由于對關(guān)聯(lián)啟發(fā)式研究的歷史還不長, 研究結(jié)論還不盡一致。本文在總結(jié)已有研究基礎(chǔ)上, 對有關(guān)問題予以思考和分析。

2 S-F錯誤與關(guān)聯(lián)啟發(fā)式

2.1 S-F錯誤：累積變量判斷偏差的表征

關(guān)聯(lián)啟發(fā)式所導(dǎo)致的判斷偏差以不同形式的S-F錯誤表現(xiàn)出來。

2.1.1 出現(xiàn)S-F錯誤的任務(wù)情境

回顧以往研究, 檢驗 S-F錯誤的動態(tài)系統(tǒng)情境可分為多特征交互任務(wù)情境(multi-faceted task)和簡單任務(wù)情境(simple task)。早期多采用多特征交互任務(wù)情境, 隨著對 S-F錯誤與關(guān)聯(lián)啟發(fā)式研究的深入, 涌現(xiàn)了許多基于簡單任務(wù)情境的研究。

(1)多特征交互任務(wù)情境

多特征指動態(tài)系統(tǒng)中包含多個累積變量、兩個以上對累積變量變化產(chǎn)生影響的因素(如, 信息延遲、運輸延遲、流量或存量的非線性變化、多重反饋等)。交互指多元決策主體及其行為相互連帶和制約。如, Sterman (1989a)的啤酒產(chǎn)銷實驗,四類決策主體在有延遲因素的系統(tǒng)中進(jìn)行 36周產(chǎn)銷決策, 他們應(yīng)合理地管理訂單和庫存, 使總成本最小化, 避免積壓或欠貨帶來的成本損失(如圖1)。

起先, 市場需求平穩(wěn), 庫存和供貨是保持一個穩(wěn)定數(shù)量的(如, 每個零售商保持庫存4箱、每周接貨4箱; 經(jīng)銷商保持庫存12卡車、每周接貨4卡車), 但由于市場需求增大, 而供貨又有 4周的生產(chǎn)和運輸延遲, 零售商們從第 6周開始出現(xiàn)欠貨。為了補充欠貨和庫存, 隨著周數(shù)的推移, 零售商們下訂單量越來越大, 進(jìn)而引發(fā)批發(fā)商和經(jīng)銷商增大下單量、生產(chǎn)商加大產(chǎn)量的連鎖反應(yīng)。第9至13周, 訂單持續(xù)增加, 進(jìn)貨緩慢增加, 庫存持續(xù)赤字。而到第14、15周, 進(jìn)貨大量增加, 積欠數(shù)字終于開始減少, 但隨著之前訂單陸續(xù)生產(chǎn)和到貨, 各類決策主體的庫存均持續(xù)超出基本庫存量, 貨物積壓的平均成本損失高達(dá)最佳水平的10倍。在任務(wù)情境中再加入反饋因素, 被試出現(xiàn)了更大偏差, 績效比最佳水平差19倍(Sterman, 1989b)。

S-F錯誤在復(fù)雜任務(wù)情境中得到反復(fù)驗證(Moritz, Hill, & Donohue, 2013)。如, Brehmer (1990)采用森林滅火模擬系統(tǒng), 被試作為消防隊長調(diào)度消防設(shè)備前往現(xiàn)場滅火。向被試動態(tài)呈現(xiàn)火災(zāi)蔓延與控制效果等反饋指標(biāo)。由于下達(dá)調(diào)度命令到接到火情反饋之間有時間延遲, 多數(shù)被試出現(xiàn)決策失誤, 造成火勢嚴(yán)重蔓延。Jensen和 Brehmer(2003)的一項包含狐貍?兔子作為捕食者?獵物系統(tǒng)平衡實驗, 向被試呈現(xiàn)兔子和狐貍每年的繁衍量、數(shù)量消長等指標(biāo), 讓被試估計兩種動物生態(tài)平衡的理想數(shù)量。在有反饋的條件下, 62.5%被試出現(xiàn)估計錯誤。

可見, S-F錯誤在復(fù)雜系統(tǒng)具有共性和易發(fā)性。而由于情境因素的多樣性, 被試常常將錯誤歸因于決策主體交互、延遲和信息超載等情境因素, 而忽視對自身心理偏差的認(rèn)識和反思。

圖1 啤酒產(chǎn)銷決策系統(tǒng)

(2)簡單任務(wù)情境

S-F錯誤在由一個累積變量構(gòu)成, 不包含反饋、延遲或非線性變化等因素的簡單情境中也得到反復(fù)驗證(Sweeney & Sterman, 2000; Cronin &Gonzalez, 2007; Sterman & Sweeney, 2007)。

Sterman (2002)的商場顧客量“四問任務(wù)”是經(jīng)典的簡單任務(wù)情境(如圖 2)。折線圖呈現(xiàn) 30分鐘內(nèi)進(jìn)入和離開的顧客數(shù), 被試依次回答問題Q1-Q4。其中, 進(jìn)入量和離開量的最大值是流量的“極值點”, 某個時間點上凈流量的最大值(進(jìn)入和離開人數(shù)差值最大)為“Gap區(qū)”。58.3%被試認(rèn)為第 8分鐘商場內(nèi)人數(shù)最多, 即將最大凈流量作為存量值; 56.5%被試認(rèn)為第21分鐘商場人數(shù)最少,即將極值點即流量值作為存量值。

有研究采用浴缸水流、油箱流量、公司資金流、財政赤字與國債量、醫(yī)院患者流量、停車場流量、人體體液與骨組織細(xì)胞量等簡單任務(wù)情境。答題形式既有數(shù)值估計問題, 也有請被試畫出存流量變化軌跡的畫圖問題(Brunstein, Gonzalez, &Kanter, 2010; Kainz & Ossimitz, 2002; Ossimitz,2002; Dutt & Gonzalez, 2012b)。

研究表明, 簡單任務(wù)情境雖然剝離了多個結(jié)構(gòu)因素, 但依然出現(xiàn)S-F錯誤, 進(jìn)一步反映S-F錯誤在動態(tài)系統(tǒng)判斷中的普遍性。作為累積變量判斷偏差的表征, S-F錯誤為動態(tài)系統(tǒng)判斷偏差研究提供了基本線索。

2.1.2 S-F錯誤的主要形式

總結(jié)以往研究, S-F錯誤主要有三種形式：

(1)將流量值(軌跡)判斷為存量值(軌跡)。如,呈現(xiàn) 30分鐘內(nèi)進(jìn)入和離開商場的顧客數(shù)(圖 3a),讓被試畫出商場內(nèi)顧客量變化軌跡。被試錯誤地將存量與流入量或凈流量變化匹配起來, 71%被試畫的顧客量軌跡與進(jìn)入量一致(圖 3b) (Cronin et al., 2009)。

(2)將存量值(軌跡)判斷為流量值(軌跡)。如,讓被試根據(jù)2000年至2100年大氣層CO2的聚積軌跡(圖 4a)畫出 CO2排放量和吸收量軌跡, 即流入和流出量軌跡。雖告知CO2排放量是吸收量的兩倍, 但多數(shù)被試畫的排放量軌跡高于吸收量,且排放量軌跡與聚積量軌跡一致(圖 4b)。即他們誤認(rèn)為CO2依然可以以較高的水平排放, 而2050年之后趨于平緩的聚積量曲線表明, 排放量應(yīng)是低于吸收量的(Sterman & Sweeney, 2002, 2007)。

圖2 商場顧客流量情境

圖3a 商場人數(shù)變化流量圖

圖3b 被試畫存量圖

圖4a CO2聚積(存量)軌跡

圖4b 被試畫(流量)軌跡

圖5a 0-16周公司資金的收支狀況圖

圖5b 被試畫公司資金存量圖

(3)將凈流量(軌跡)判斷為存量值(軌跡)。如,呈現(xiàn)公司資金在16周的變化軌跡圖(圖5a), 假定在0周時初始資金為100美元。被試畫出的0-16周資金存量圖與資金凈收入(收入與支出之差)變化一致(圖5b) (Sweeney & Sterman, 2000)。

可見, 三種形式 S-F錯誤的共同點在于, 存量與流入量、流出量或凈流量數(shù)值之間的簡單替代和匹配, 變化軌跡呈現(xiàn)高度相關(guān)和一致性。因此有理由推斷, 這種共性的判斷偏差使用了同樣的思維模式。

2.2 關(guān)聯(lián)啟發(fā)式導(dǎo)致累積變量判斷偏差

總結(jié)已有研究, 關(guān)聯(lián)啟發(fā)式導(dǎo)致累積變量判斷偏差, 其內(nèi)涵可歸納為兩方面：

(1)關(guān)聯(lián)啟發(fā)式是將存量與流量建立正相關(guān)關(guān)系的思維模式

從關(guān)聯(lián)啟發(fā)式視角, 累積變量判斷偏差并非因為累積變量知識的不足, 而是錯誤的啟發(fā)式思維模式所致(Cronin et al., 2009)。人們不能正確理解存量和流量的關(guān)系, 而是以線性思維, 認(rèn)定存量變化模式與流量變化模式是高度相關(guān)的, 二者變化特征是相似的(Weinhardt, Hendijani, Harman,Steel, & Gonzalez, 2015)。在溫室效應(yīng)任務(wù)中, 當(dāng)CO2的聚積速度較現(xiàn)有速度有所降低, 多數(shù)被試就認(rèn)為全球氣溫可以維持穩(wěn)定甚至低于現(xiàn)有水平。高達(dá) 84%被試畫的排放軌跡與吸收軌跡呈相同的走向。即使 CO2排放量一直高于吸收量, 畫出的 CO2聚積量軌跡仍然是保持穩(wěn)定的, 與排放量軌跡相似。可見, 無論是已知存量估計流入量,還是依據(jù)流入量與吸收量的關(guān)系估計存量, 均將存量與流量數(shù)值之間建立了高度正相關(guān)。

有研究對關(guān)聯(lián)啟發(fā)式的思維過程進(jìn)行檢驗。如, Cronin等(2009)采用9個畫圖任務(wù), 通過分析S-F錯誤特征, 對被試使用關(guān)聯(lián)啟發(fā)式的思維活動做出推斷。例如, 給定的坐標(biāo)圖上, 商場顧客進(jìn)入量以線性規(guī)律呈下降趨勢(即斜率為負(fù)的直線),離開量保持穩(wěn)定且離開量始終小于進(jìn)入量。71%被試畫的存量圖是斜率為負(fù)或斜率為正的直線,即正好與流入量或凈流量的形狀完全相同, 相關(guān)接近+1。Korzilius, Raaijmakers, Rouwette和Vennix(2014)采用出聲思考范式, 證明了關(guān)聯(lián)啟發(fā)式導(dǎo)致 S-F錯誤的思維過程。實驗材料是商場顧客量和銀行存取款折線圖四問任務(wù), 要求被試大聲說出回答Q1-Q4問題的思考及答題過程。對被試的推理類型進(jìn)行編碼, 概括出七種推理類型, 其中包括A-M共10種推理路線(如表1)。其中, C、D、E是典型反映關(guān)聯(lián)啟發(fā)式特征的推理路線, 混合推理中的H、I中也部分包含關(guān)聯(lián)啟發(fā)式的推理特征。使用C、D、E推理路線答錯Q3、Q4的占61%和 52%; 使用 H、I推理路線答錯 Q3、Q4的占13.6%和11.4%。這些結(jié)果為揭示關(guān)聯(lián)啟發(fā)式將存量與流量數(shù)值建立正相關(guān)的思維本質(zhì)提供了直接證據(jù)。

表1 出聲思考：推理類型和推理路線

供應(yīng)鏈產(chǎn)銷決策是最具代表性的多特征交互情境之一。啤酒產(chǎn)銷實驗在不同國家上萬次的實驗結(jié)果, 反復(fù)證明了 S-F錯誤導(dǎo)致庫存積壓及高額成本損失的現(xiàn)象。而這種現(xiàn)象是如何發(fā)生的？以某產(chǎn)品供應(yīng)鏈為例(如表2; 張靜芳, 2007)。

如果各級企業(yè)通常要保持一周銷售所需的基本庫存, 即從上游供應(yīng)商購買足夠的產(chǎn)品以使存貨滿足下一周的需求, 因此每周要制定和補充“目標(biāo)庫存”, 作為供下一周的“初期庫存”。假如在N周內(nèi)某產(chǎn)品的顧客需求一直穩(wěn)定在每周100件,而第N+1周的顧客需求多了5件, 首先做出反應(yīng)的是零售商, 為了滿足顧客需求、維持基本庫存,零售商除了將本周顧客需求納入訂單數(shù)之外, 還將目標(biāo)庫存調(diào)整為本周顧客需求量, 以備下一周銷售之需。接著,這種反應(yīng)向供應(yīng)鏈上游逐級傳遞,到達(dá)生產(chǎn)商時產(chǎn)量提高到180件。第N+1周數(shù)據(jù)顯示, 企業(yè)訂單量逐級增大。這種因下游消費需求輕微變動而導(dǎo)致上游企業(yè)生產(chǎn)、經(jīng)營決策劇烈波動的現(xiàn)象, 稱為“牛鞭效應(yīng)” (bullwhip effect),體現(xiàn)了產(chǎn)銷過程的動態(tài)決策偏差(Lee, Padmanabhan,& Whang, 1997)。

表2 供應(yīng)鏈訂單決策案例(單位: 件)

如果第N+2周的顧客需求仍保持105件, 但因運輸延遲, 基本庫存未能得到及時補充。各級企業(yè)陸續(xù)出現(xiàn)“欠貨”, 訂單量進(jìn)一步逐級激增。在到達(dá)生產(chǎn)商時, 其獲得的需求信息和顧客需求之間出現(xiàn)巨大偏差, 生產(chǎn)量高達(dá)1840件。第N+2周數(shù)據(jù)顯示, 運輸延遲因素使供應(yīng)鏈訂單量激增,出現(xiàn)更大幅度的牛鞭效應(yīng)。

數(shù)據(jù)分析表明, 無論顧客需求穩(wěn)定還是變化、有無運輸延遲, 供應(yīng)鏈各級企業(yè)訂單量呈現(xiàn)共性規(guī)律：(1)本期訂單量=本期接單量+(目標(biāo)庫存?初期庫存); (2)目標(biāo)庫存量=本期接單量?？梢?接單量(需求線上的當(dāng)期流入量值)、目標(biāo)庫存與初期庫存之差(供給線上的當(dāng)期存量值), 兩項動態(tài)指標(biāo)成為訂單決策的直接依據(jù); 本期接單量成為確定下一期基本庫存量的直接依據(jù)。數(shù)值之間呈現(xiàn)高度相關(guān)和匹配關(guān)系, 體現(xiàn)了關(guān)聯(lián)啟發(fā)式的思維本質(zhì)。各級企業(yè)訂單量增大的幅度有所不同,但各決策主體使用了相同的思維模式而產(chǎn)生S-F錯誤, 導(dǎo)致牛鞭效應(yīng)(Macdonald, Frommer, & Karaesmen,2013)。

再如, 在 2008~2012年的國內(nèi)白酒牛市中,價格快速上漲因素同樣引發(fā)各級企業(yè)的囤貨熱情,訂單數(shù)出現(xiàn)逐級傳遞、越來越大的延遲相位, 導(dǎo)致積壓大量庫存(如圖6)。許多知名企業(yè), 如惠普、IBM、寶潔等都曾經(jīng)歷過牛鞭效應(yīng)導(dǎo)致的產(chǎn)品積壓和高額成本損失。

圖6 供應(yīng)鏈訂單決策的牛鞭效應(yīng)

啟發(fā)式思維的使用是產(chǎn)生牛鞭效應(yīng)的主要原因, 其實質(zhì)在于簡單地將訂單量與下游需求量及當(dāng)期庫存量直接建立匹配和相關(guān)關(guān)系, 忽略供給線和需求線的連貫性及其二者之間的關(guān)系(Macdonald et al., 2013)。訂單決策簡單依賴于下游訂單需求(需求線上的當(dāng)期流入量值), 優(yōu)先考慮其當(dāng)前庫存(供給線上的當(dāng)期存量值), 而嚴(yán)重忽視未處理訂單(outstanding orders)在補給線上的狀態(tài)與貨物即將到來的事實(Sterman, 1989b)。人們傾向于關(guān)注最近的事件與風(fēng)險(如, 供貨中斷),使當(dāng)前庫存“錨定”了目標(biāo)庫存決策(Gavirneni &Isen, 2010)。Macdonald等(2013)采用 Sterman(1989a)的啤酒實驗成本損失模型, 通過短期和長期數(shù)據(jù)模擬分析表明, 從短期看, 這種啟發(fā)式?jīng)Q策導(dǎo)致牛鞭效應(yīng); 從長期看, 會使動態(tài)系統(tǒng)穩(wěn)定狀態(tài)出現(xiàn)混亂, 同時還影響系統(tǒng)恢復(fù)到穩(wěn)定狀態(tài)的時間。特別是需求不穩(wěn)和劇烈變化時, 則造成更大偏差, 影響組織的現(xiàn)實利益及長遠(yuǎn)發(fā)展。

(2)關(guān)聯(lián)啟發(fā)式是一種內(nèi)生性的、頑固的心理模式

基于動態(tài)系統(tǒng)的多種因素, 有研究力圖建構(gòu)幫助人們進(jìn)行正確判斷和決策的模型, 并通過現(xiàn)實數(shù)據(jù)對模型予以檢驗, 結(jié)果卻發(fā)現(xiàn)所有的模型都難以準(zhǔn)確揭示人們對動態(tài)系統(tǒng)的判斷規(guī)律(Sterman, 2002)。究其原因, 這些模型多是基于外生性(exogenous)因素建構(gòu)的, 難以全面涵蓋隱藏于人內(nèi)心的假設(shè)和偏差, 即難以納入來自人心理上的內(nèi)生性(endogenous)因素, 所謂“軟變量”。而這些內(nèi)心的假設(shè)和偏差隱藏很深, 連建模者也難以自我覺察(Meadows & Robinson, 2002)。也正是這些內(nèi)生性的假設(shè)和偏差形成人們狹窄的、基于事件的、簡化論的推理方法論, 而關(guān)聯(lián)啟發(fā)式正是基于“相關(guān)”假設(shè)下導(dǎo)致判斷偏差的“內(nèi)生性”思維模式。

為此, 與以往Kahneman和Tversky等闡述的概率判斷難題一樣, 關(guān)聯(lián)啟發(fā)式是一種內(nèi)在的、穩(wěn)固的(robust)心理模式(Cronin et al., 2009)。對氣候變化問題產(chǎn)生的普遍誤解, 源自累積變量信息加工過程中心理模式的基礎(chǔ)性缺陷(Sterman &Sweeney, 2007)。人們自動化地通過尋找數(shù)值間的相關(guān)和匹配性來進(jìn)行判斷, 將 CO2排放模式與聚積模式匹配起來, 將 CO2排放與氣溫變化匹配起來。Sterman (1989a)操縱延遲和反饋等因素的啤酒產(chǎn)銷實驗表明, 雖然被試行為偏離最佳標(biāo)準(zhǔn)的程度略有差異, 但卻呈現(xiàn)共性規(guī)律, 即在決策中使用了相同的思維模式。

此外, Cronin等(2009)操縱內(nèi)外部影響因素的實驗結(jié)果也表明, 關(guān)聯(lián)啟發(fā)式具有自動化的啟發(fā)式特征。一是從問題框架上, 將商場顧客任務(wù)分別表達(dá)成折線圖、表格、文本、柱狀圖等多種框架, S-F錯誤的結(jié)果無顯著差異。二是操縱問題熟悉性、答題動機、認(rèn)知負(fù)荷等被試因素, 也未對答題結(jié)果產(chǎn)生積極或消極影響。從一定程度上支持了關(guān)聯(lián)啟發(fā)式思維的自動化特征。

可見, 關(guān)聯(lián)啟發(fā)式是將存量值與流量值建立正相關(guān)關(guān)系的思維模式, 是內(nèi)生性的、頑固的心理模式。它與其它決策啟發(fā)式一樣, 依靠較少的認(rèn)知資源, 具有快速節(jié)儉及自動化的特征。由于關(guān)聯(lián)啟發(fā)式, 會將國債和財政赤字建立相關(guān), 認(rèn)為財政赤字下降, 國債也就下降。而實際上, 只要沒有財政結(jié)余, 即使赤字下降, 國債依然還在積累。碳聚積與碳排放的關(guān)系亦是如此, 即使排放量降低, 但只要排放量大于吸收量, 溫室效應(yīng)仍在加劇。因此, 關(guān)聯(lián)啟發(fā)式會造成財政狀況、氣候變化、能源消耗等問題的誤判, 對于環(huán)保行動“等等再看”的態(tài)度與使用關(guān)聯(lián)啟發(fā)式判斷偏差有關(guān)(Sterman, 2008, 2012; Sterman & Sweeney, 2007),直接影響人對復(fù)雜系統(tǒng)可持續(xù)性決策, 給經(jīng)濟及生態(tài)管理帶來負(fù)面影響。

3 關(guān)聯(lián)啟發(fā)式的心理機制

目前, 關(guān)聯(lián)啟發(fā)式心理機制的解釋主要有客體偏差、特征替代及不充分調(diào)整等觀點。其中, 客體偏差是從發(fā)展心理學(xué)視角的理論推斷, 特征替代和不充分調(diào)整則是借用代表性啟發(fā)式、易得性啟發(fā)式及錨定啟發(fā)式機制的觀點。在三種解釋觀點中, 不充分調(diào)整取得了基于特定任務(wù)情境的數(shù)據(jù)支持, 而客體偏差和特征替代觀點尚欠缺實驗數(shù)據(jù)的檢驗。

3.1 客體偏差

Chen (2011)從存在論出發(fā)認(rèn)為, “客體”和“過程”是事物的兩種存在形式, 由于過程不一定以某種物質(zhì)形態(tài)存在, 因此它不像客體那樣有具體的形狀、重量、大小等特征。過程是隨時間而變化或活動的, 不獨立占據(jù)某個空間, 兩個過程可以同時占用相同空間, 就像地球轉(zhuǎn)動過程和變暖過程是同時發(fā)生的。

氣候變化是過程, CO2累積雖然是事物的存量, 但是其核心特征是持續(xù)變化的, 這種變化包含時間的整體性和連貫性。這就意味著在理解累積變量時, 不能只關(guān)注某一時間點的流量值, 而應(yīng)從發(fā)展角度關(guān)注整體時間跨度, 將某個時間點作為過程的一個微觀階段。這也正是“過程”與“客體”的根本差異。而關(guān)聯(lián)啟發(fā)式思維的本質(zhì)在于將“過程”與“客體”混淆, 產(chǎn)生了“客體偏差” (object bias), 即視動態(tài)“過程”為靜態(tài)“客體”, 以感知和判斷“客體”的方式感知和判斷了“過程”。

從發(fā)展心理學(xué)視角, “客體偏差”的出現(xiàn)并不是偶然的, 也很難去糾正。因為早期形成的客體知識系統(tǒng)對于成年后認(rèn)知的影響是持久、根深蒂固的。嬰兒從 4個月開始, 就具有客體永久性知覺, 并逐步發(fā)展形成客體知識的核心系統(tǒng)?？腕w知識體系內(nèi)在的一致性、持續(xù)性和相關(guān)性成為人們認(rèn)識客體運動的重要原則。直到7歲時才能將過程從客體中分開, 而客體知識核心系統(tǒng)的一部分, 作為“常識”在成年以后依然完整地保留下來(Chen, 2007)。因此, 成年人在推理時也不能完全擺脫客體知識系統(tǒng)的影響。正是由于這一系統(tǒng)固有的特征, 造成了“客體偏差”, 在認(rèn)知任務(wù)中,更多地依賴靜態(tài)客體而不是動態(tài)過程。對靜態(tài)時間點的依賴, 導(dǎo)致對隨時間推移而變化的流量問題的不正確把握(Cronin & Gonzales, 2007; Ho,Camerer, & Weigelt, 1998)。

3.2 特征替代

“特征替代” (attribute substitution)是代表性啟發(fā)式和易得性啟發(fā)式的機制解釋觀點之一(Kahneman & Frederick, 2002)。Newell和 Pitman(2010)借用特征替代觀點來解釋關(guān)聯(lián)啟發(fā)式的發(fā)生機制。他們在分析氣候?qū)W家如何就研究成果與公眾有效溝通時認(rèn)為, 氣候變化是一個專業(yè)、復(fù)雜的系統(tǒng), 普通人在理解氣候術(shù)語、碳排放與全球變暖的關(guān)系時, 之所以會依賴輸入信息去預(yù)測累積變化是采用了“特征替代”策略。

Kahneman和 Frederick (2002)提出的特征替代解釋假設(shè)認(rèn)為, 當(dāng)面對難題或不確定性問題,人們會用一個容易回答的問題去替代, 而對于替代過程卻沒有覺察。例如, 問“一年中長途電話斷線的比例？”, 人們會用“是不是能容易地回憶起長途電話斷線的實例？”來替代。教授聽了候選人的述職報告后應(yīng)考慮的是：“給予候選人終身教職的可能性有多大？”, 而實際考慮的是“述職報告令人深刻印象的程度？”。“特征替代”是自動化的心理加工過程, 人們會不自覺地采用特征替代進(jìn)行判斷和選擇。

在特征替代過程中, 啟發(fā)式特性的易得性是由對其屬性的自然評估程度所決定的, 凡具有相似性、流暢性、可得性等特征的信息被自動激活,替代了較難的原始問題。因此, 在解決溫室效應(yīng)這種同時包含空間和時間概念的難題時, 人們會將CO2存量替換為CO2排放量這一更易理解的概念。這樣, 難以把握或推斷的累積過程, 通過直觀的流量表征進(jìn)行了替代, 流量和存量間的相關(guān)關(guān)系就建立了起來。

3.3 不充分調(diào)整

錨定啟發(fā)式是指在不確定問題情境中, 人們以最近接觸或回憶到的數(shù)值(錨值)作為參照去估計一個不確定數(shù)值, 估計值接近錨值的一種啟發(fā)式策略?！安怀浞终{(diào)整” (insufficient adjustment)是錨定啟發(fā)式心理機制的觀點之一, 是指在數(shù)量估計時, 以錨值為基點, 根據(jù)其他一些因素進(jìn)行調(diào)整, 由于調(diào)整是不充分的而導(dǎo)致偏差的思維過程。Sterman (1989a)借用這一觀點對啤酒產(chǎn)銷決策偏差的發(fā)生機制進(jìn)行分析。

在啤酒產(chǎn)銷決策中, 每個“決策者”應(yīng)該選擇使預(yù)計成本最小化的訂單和庫存水平。然而, 受系統(tǒng)復(fù)雜性和決策時間的限制, “決策者”既沒有時間也沒有充分的信息來推斷最佳庫存。因此,對庫存水平的判斷可能強烈受到初始水平的“錨定”作用。其中, 錨值是預(yù)計損耗率(Le), 損耗包括原材料庫存損耗和廠房設(shè)備折舊?！皼Q策者”根據(jù)Le去調(diào)整兩個差異：一是調(diào)整預(yù)計庫存和實際庫存間的差異(AS); 二是調(diào)整預(yù)計供給和實際供給間的差異(ASL), 以求達(dá)到經(jīng)營的最低成本。以上三個因素決定了決策的訂單率(IO), 用公式表示為：IOt=Let+ASt+ASLt。在任務(wù)進(jìn)程中, “決策者”能獲得局部的有關(guān)損耗率的信息, 然后進(jìn)行調(diào)整。由于受到來自預(yù)計與現(xiàn)實庫存和補給線矛盾帶來的壓力, “決策者”對于訂單率的調(diào)整偏離了能夠維持庫存現(xiàn)狀的水平。調(diào)整值越大, 表明采取更主動的方式使庫存和補給線達(dá)到期望的水平; 值越小, 表明采取了更謹(jǐn)慎的決策, 或者對期望與現(xiàn)實庫存間的矛盾更不敏感?；貧w分析表明, “決策者”對預(yù)計庫存的判斷顯著受到初始庫存及預(yù)計損耗率的“錨值”影響。

分析上述三種觀點, 客體偏差是從認(rèn)識論和認(rèn)知結(jié)構(gòu)角度, 特征替代是從思維過程的問題轉(zhuǎn)換角度, 不充分調(diào)整是從初始數(shù)字信息的影響角度, 從不同視角探討了關(guān)聯(lián)啟發(fā)式的心理機制和解釋思路。然而, 多是側(cè)重理論視角的分析, 不充分調(diào)整觀點雖然有數(shù)據(jù)分析的支持, 但是僅限于特定任務(wù)情境。三種觀點都有需要深究的問題,如, 在客體偏差的解釋中, 人們是如何以感知和判斷“客體”的方式來感知和判斷“過程”的？在特征替代的解釋中, 人們是用什么簡單問題替代難題的？是如何替代的？在不充分調(diào)整的解釋中, 是如何選擇“錨值”并出現(xiàn)不充分調(diào)整的？這些問題尚不明確, 還難以揭示其中的微觀加工機制。

此外, 在三種機制解釋中, 有兩種是借用了其它啟發(fā)式心理機制的觀點, 且缺乏直接實驗證據(jù)證明, 這反映出對關(guān)聯(lián)啟發(fā)式心理機制的探究尚存在很大空間, 應(yīng)著眼于關(guān)聯(lián)啟發(fā)式的特異性,深入探討更具針對性的機制解釋。

4 關(guān)聯(lián)啟發(fā)式的影響因素

4.1 個體因素

(1)性別

研究表明, 女性比男性有可能更多使用關(guān)聯(lián)啟發(fā)式。如, Sweeney和Sterman (2000)發(fā)現(xiàn), 在浴缸水流、公司現(xiàn)金流、庫存管理等任務(wù)上男性好于女性。Kainz和Ossimitz (2002)進(jìn)行浴缸水存量等五項判斷及畫圖任務(wù)測試, 在雨水桶存量判斷任務(wù)上不存在男女差異, 在其它四項任務(wù)上存在性別效應(yīng)。Ossimitz (2002)的聯(lián)邦赤字和國債等六個判斷任務(wù)與Jensen和Brehmer (2003)關(guān)于捕食者?獵物系統(tǒng)平衡估計任務(wù)中, 男性均顯著好于女性。

雖然有研究支持了關(guān)聯(lián)啟發(fā)式的性別效應(yīng)。而作為研究者, Ossimitz對自己的實驗結(jié)果也感到意外, 難以解釋性別效應(yīng)的原因。他認(rèn)為, 不能簡單地從實驗結(jié)果認(rèn)定女生比男生表現(xiàn)差, 因為關(guān)聯(lián)啟發(fā)式是與數(shù)量估計有關(guān)的思維模式, 而多種角度的學(xué)業(yè)研究表明, 男女生數(shù)學(xué)能力和學(xué)科學(xué)業(yè)成績是不存在差異的; 特別是在其它多種啟發(fā)式的研究中也未發(fā)現(xiàn)性別差異。因此, 還應(yīng)對于已有研究結(jié)果的穩(wěn)定性及產(chǎn)生原因進(jìn)行檢驗。

(2)專業(yè)背景和經(jīng)驗

部分研究證明了專業(yè)背景和經(jīng)驗的影響。如,Dutt和Gonzalez (2012a)發(fā)現(xiàn), 在回答氣候變化問題上, 科技專業(yè)比其他專業(yè)學(xué)生更少出錯, 有經(jīng)驗比缺乏經(jīng)驗被試答題績效更好。Newell和Pitman (2010)實驗表明, 在根據(jù) CO2存量圖畫出排放圖、根據(jù)債務(wù)和收入圖畫出支出圖、以個人債務(wù)任務(wù)作類比來畫出碳排放圖等三項任務(wù)中,后兩項任務(wù)答題準(zhǔn)確性顯著高于第一項, 個人經(jīng)驗對判斷偏差有調(diào)節(jié)作用。

另有部分研究未能支持專業(yè)背景和經(jīng)驗的優(yōu)勢。如, Cronin等(2009)發(fā)現(xiàn), 受過高等教育的人仍會使用關(guān)聯(lián)啟發(fā)式。Sweeney和Sterman (2000)研究顯示, 科技專業(yè)比社會科學(xué)專業(yè)被試在浴缸水流、公司現(xiàn)金流等畫圖任務(wù)上成績更好, 但在其它同類任務(wù)則沒有差異。Brunstein等(2010)五項醫(yī)學(xué)專業(yè)任務(wù)和一項商場客流任務(wù)實驗發(fā)現(xiàn),雖然醫(yī)學(xué)專業(yè)學(xué)生整體上判斷準(zhǔn)確性高于非醫(yī)學(xué)專業(yè)學(xué)生, 但在骨組織變化、血糖變化任務(wù)上與非醫(yī)學(xué)專業(yè)學(xué)生不存在差異。

可見, 專業(yè)背景和經(jīng)驗對關(guān)聯(lián)啟發(fā)式的影響是不穩(wěn)定的, 這在錨定啟發(fā)式、合取謬誤等研究中也有類似的結(jié)果。正如Moutier和Houdé(2003)指出, 概率知識無法減少啟發(fā)式, 判斷偏差并不是因為缺少必要的概率或邏輯計算能力造成的,而是無法阻止啟發(fā)式加工導(dǎo)致的。從這個意義上說, 專業(yè)背景和經(jīng)驗對關(guān)聯(lián)啟發(fā)式并不能產(chǎn)生實質(zhì)上的影響。

(3)認(rèn)知加工方式

關(guān)于認(rèn)知加工方式對關(guān)聯(lián)啟發(fā)式偏差的影響,主要有直覺?分析思維、局部?整體思維兩個視角的研究。如, Moritz等(2013)發(fā)現(xiàn), 分析思維的人在解決報紙訂單存流量問題時表現(xiàn)更好。Weinhardt等(2015)也發(fā)現(xiàn), 分析思維比直覺思維的人能更好地理解存流量問題, 判斷正確率更高。Fischer和Gonzalez (2016)發(fā)現(xiàn), 整體加工方式的人能將元素與系統(tǒng)結(jié)構(gòu)相聯(lián)系, 進(jìn)而理解有時間跨度的累積過程, 較少出現(xiàn)判斷偏差。而Weinhardt等(2015)的實驗卻未證明整體加工方式與局部加工方式個體判斷上的差異。

根據(jù)認(rèn)知反應(yīng)測驗(CRT, cognitive reflection test; Frederick, 2005)的研究, 思維推理的類型影響信息加工和決策過程, 直覺思維個體更偏向于啟發(fā)式加工(Hoppe & Kusterer, 2011), 這表明認(rèn)知加工方式影響個體決策過程中啟發(fā)式的啟動和執(zhí)行。而局部?整體思維又決定了認(rèn)知加工的范圍和系統(tǒng)性, 因此, 應(yīng)將認(rèn)知加工方式作為主要影響因素進(jìn)行深入考察。目前實驗結(jié)果不一致, 很可能是認(rèn)知加工方式分類與測量、關(guān)聯(lián)啟發(fā)式實驗范式等局限造成的。

4.2 情境因素

(1)呈現(xiàn)方式與任務(wù)模式

多項研究證明了呈現(xiàn)方式和任務(wù)模式的影響作用。如, Cronin和Gonzalez (2007)將商場顧客流量經(jīng)典圖形變換成有多個流量最高或最低點(多極值點)的圖形, 以及流入、流出變化軌跡上只有一個差異點(單gap區(qū))的圖形。相對于經(jīng)典圖形任務(wù), 在多極值點和單 gap區(qū)圖形任務(wù)中, 選擇“不能回答”的人數(shù)增多了。Cronin等(2009)采用三種復(fù)雜程度的流量圖, 讓被試畫出存量圖, 結(jié)果表明任務(wù)越復(fù)雜, 偏差程度越高。Guy, Kashima,Walker和O’Neill (2013)操縱有圖和無圖條件, 讓被試估計保持大氣層CO2聚積量軌跡穩(wěn)定的碳排放量, 有圖組出現(xiàn)更多的判斷錯誤。Newell等采用債務(wù)、儲蓄以及碳排放等三項估計任務(wù), 比較有圖(排放圖、聚積圖、排放圖和聚積圖)與無圖條件下的估計準(zhǔn)確性, 有圖組均低于無圖組。Dutt和Gonzalez (2013)采用物理表征圖和折線圖兩種形式, 讓被試畫出大氣層 CO2及容器內(nèi)玻璃球的流入、流出和存量變化軌跡, 物理表征組優(yōu)于折線圖表征組。

也有研究得到不一致的結(jié)果。如, Strohhecker和Gr??ler (2015)采用實物操作任務(wù), 讓被試盡可能快地將水通過長漏斗倒入玻璃杯中, 以使玻璃杯的水量保持目標(biāo)水平, 將這項任務(wù)的成績與之后進(jìn)行的訂單決策任務(wù)成績相比較, 發(fā)現(xiàn)成績之間無相關(guān)性, 說明有形實物操作未對存流量問題紙筆任務(wù)產(chǎn)生積極影響。Newell, Kary, Moore和Gonzalez (2013)力求通過簡化存流量問題難度、改善計算機答題界面等形式減少關(guān)聯(lián)啟發(fā)式偏差,但未得到預(yù)期結(jié)果。

鑒于已有多項研究支持呈現(xiàn)方式和任務(wù)模式的影響作用, 同時, 其它類型決策偏差研究也表明, 呈現(xiàn)方式影響個體對信息的知覺和加工, 對不同個體呈現(xiàn)其所偏好的信息表達(dá)方式, 能減少偏差發(fā)生(Bonner & Newell, 2010)。如, 相對于圖片, 呈現(xiàn)文字材料, 個體非理性選擇更少, 比率偏差較低。因此, 呈現(xiàn)方式和任務(wù)模式應(yīng)作為關(guān)聯(lián)啟發(fā)式的主要影響因素, 今后應(yīng)細(xì)化個體信息加工偏好與呈現(xiàn)方式及任務(wù)模式關(guān)系的研究。

(2)任務(wù)熟悉度

Newell, Kary, Moore和Gonzalez (2016)發(fā)現(xiàn),債務(wù)存流量問題的答題正確率顯著高于CO2存流量問題; Dutt和Gonzalez (2013)也發(fā)現(xiàn), 玻璃球存流量任務(wù)的績效要顯著優(yōu)于CO2存流量任務(wù)。而Cronin和Gonzalez (2007)將接觸度高的浴缸和轎車油箱問題與接觸度相對低的商場顧客流量問題進(jìn)行比較, 兩類問題判斷結(jié)果不存在差異。Newell等(2013)研究發(fā)現(xiàn), 被試在高熟悉度的儲蓄任務(wù)上也出現(xiàn)判斷偏差, 而讓被試像考慮債務(wù)問題那樣考慮碳排放問題, 也未改善碳排放問題的答題績效。

分析這些不盡一致的結(jié)果, 單純的熟悉性并不一定對關(guān)聯(lián)啟發(fā)式偏差產(chǎn)生影響, 因為研究設(shè)計還有可能摻雜了其他影響變量, 如債務(wù)問題的情緒情感因素(如損失與獲益的主觀感受等)、玻璃球問題的呈現(xiàn)方式、問題熟悉度的界定等, 都可能使結(jié)果產(chǎn)生差異。

分析已有研究, 個體因素的認(rèn)知加工方式、情境因素的任務(wù)模式與呈現(xiàn)方式是影響關(guān)聯(lián)啟發(fā)式的主要因素, 今后應(yīng)從不同研究范式和實驗設(shè)計角度開展研究, 得出更確切的結(jié)論。而性別、教育背景和經(jīng)驗、問題熟悉度對關(guān)聯(lián)啟發(fā)式偏差的影響不具穩(wěn)定性, 應(yīng)針對不一致的實驗結(jié)果澄清其他影響變量的作用。同時, 個人因素中的人格因素、情緒因素、元認(rèn)知技能等都有可能是影響關(guān)聯(lián)啟發(fā)式偏差的重要方面, 應(yīng)予以考察和檢驗。

5 減少關(guān)聯(lián)啟發(fā)式的策略

由于關(guān)聯(lián)啟發(fā)式偏差直接影響人對復(fù)雜系統(tǒng)的可持續(xù)性決策, 減少偏差策略的研究也已實現(xiàn)起步。目前, 分別從累積知識培訓(xùn)和知識啟動、類比、反饋與模擬訓(xùn)練等方面取得了初步研究成果。

(1)知識培訓(xùn)和知識啟動

有研究表明, 知識培訓(xùn)和知識啟動能減少關(guān)聯(lián)啟發(fā)式偏差。如, Kainz和Ossimitz (2002)先通過前測, 讓被試完成浴缸水流量等五項判斷任務(wù),之后對實驗組實施90分鐘存流量知識速成課, 學(xué)習(xí)、討論存流量問題基本特性和常見錯誤。6個月后的后測發(fā)現(xiàn), 速成課提升了判斷正確率。Sterman (2010)通過給研究生開設(shè)6周的系統(tǒng)動力學(xué)課程, 促進(jìn)其對累積概念的理解, 每次課程 80分鐘, 共計11次課, 判斷正確率也有顯著提升。

同時, 也有研究得到了不一致的結(jié)果。如,Pala和 Vennix (2005)的實驗, 讓被試就浴缸水流量、商場顧客流量、庫存管理等任務(wù)逐一討論, 學(xué)習(xí)存流量知識及其應(yīng)用。13周后進(jìn)行后測, 雖然整體成績有所提高, 但是在商場顧客流量任務(wù)的正確率與前測無顯著差異。Cronin等(2009)讓被試根據(jù)簡化的商場客流圖計算每分鐘商場里的顧客數(shù), 以激發(fā)潛在的存流量知識。假設(shè)認(rèn)為, 啟動任務(wù)能使被試注意到存流量結(jié)構(gòu)的存在并提高判斷正確率, 然而結(jié)果并未支持假設(shè)。

(2)類比

一是通過熟悉任務(wù)與不熟悉任務(wù)的類比, 提高不熟悉任務(wù)的判斷績效。如, Smith和 Genter(2012)證明即使是簡單的類比圖形訓(xùn)練也能幫助人們理解存流量圖形。Guy等(2013)采用浴缸水流量與CO2存流量類比任務(wù), 使CO2存流量判斷準(zhǔn)確性顯著提高。Newell等(2013)采用債務(wù)存流量與 CO2存流量類比任務(wù), 被試進(jìn)行CO2累積判斷的準(zhǔn)確性也顯著提高。

二是通過任務(wù)內(nèi)部特征的類比來提高判斷績效。Gonzalez和Wong (2012)采用商場顧客流量任務(wù), 通過改變時間點數(shù)量和存量變化軌跡, 形成表面相似性和行為相似性兩個維度, 表面相似性是指時間點數(shù)量相同, 行為相似性是指存量變化均呈倒U形。根據(jù)表面相似性與否和行為相似性與否, 形成四種任務(wù)類型。結(jié)果發(fā)現(xiàn), 行為相似性組答題正確率顯著高于非行為相似性組, 表面相似性與否對正確率未產(chǎn)生影響。

(3)反饋與模擬訓(xùn)練

研究表明, 反饋和模擬訓(xùn)練能有效減少啟發(fā)式偏差。如, Cronin等(2009)發(fā)現(xiàn), 在有反饋的九次嘗試之后, 答題準(zhǔn)確率從20%上升到83%。Dutt和 Gonzalez (2012a, 2012b)采用 Dynamic Climate Change Simulator (簡稱DCCS)模擬訓(xùn)練系統(tǒng), 考察累積原則的學(xué)習(xí)績效。被試可以根據(jù)CO2聚積量圖等信息, 填寫各個年份 CO2排放量和吸收量估計值。通過一個用紅線標(biāo)識最大允許聚積量的方槽給被試以反饋, 如果填入數(shù)值正確, 聚積量就不會超出紅線; 否則就會超出紅線。DCCS有效提升了決策質(zhì)量。Stave, Beck和Galvan (2016)證明了基于仿真的學(xué)習(xí)環(huán)境(SBLEs)可以幫助被試增強對累積原則的理解力。

總結(jié)已有研究, 要減少關(guān)聯(lián)啟發(fā)式偏差, 必須認(rèn)識和理解累積原則, 學(xué)習(xí)和建立理性思維路徑, 知識培訓(xùn)如能達(dá)到這兩方面目標(biāo), 就可減少判斷偏差, 而簡單的啟動任務(wù)則難以減少判斷偏差。行為相似性類比之所以優(yōu)于表面相似性類比,是因為前者激發(fā)了更深層次的比較和加工。反饋和模擬訓(xùn)練過程實際是對被試思維路徑的糾偏和引領(lǐng)過程?？梢? 應(yīng)將累積原理的理解與思維路徑的引領(lǐng)有機結(jié)合, 開發(fā)減少關(guān)聯(lián)啟發(fā)式的有效方法。

6 研究展望

關(guān)聯(lián)啟發(fā)式在實驗范式、作用機制、影響因素等方面研究均有待深化。由于關(guān)聯(lián)啟發(fā)式影響氣候變化、能源耗費、產(chǎn)能計劃等動態(tài)系統(tǒng)的可持續(xù)性決策, 還應(yīng)著力開發(fā)減少關(guān)聯(lián)啟發(fā)式偏差的方法。

6.1 澄清關(guān)聯(lián)啟發(fā)式的發(fā)生機制

關(guān)于關(guān)聯(lián)啟發(fā)式的心理機制, 從存在論及決策啟發(fā)式的視角, 提出了客體偏差、特征替代、不充分調(diào)整等三種解釋。今后應(yīng)從兩方面進(jìn)一步開展研究, 其一, 通過實證研究對于三種解釋進(jìn)行檢驗。正如Chen (2007)通過實物估計任務(wù)與物理問題估計任務(wù)的比較, 證明客體偏差的存在一樣, 關(guān)聯(lián)啟發(fā)式中的客體偏差加工過程同樣有待實證研究的支持(Chen, 2011)。其二, 特征替代、不充分調(diào)整分別借用了易得啟發(fā)式和錨定啟發(fā)式心理機制的解釋觀點, 還應(yīng)針對關(guān)聯(lián)啟發(fā)式的特異性, 從認(rèn)知加工和神經(jīng)機制視角探討更具解釋力的模型。

6.2 澄清關(guān)聯(lián)啟發(fā)式影響因素及其相互作用的機理

應(yīng)從三個方面深化關(guān)聯(lián)啟發(fā)式影響因素的研究, 一是對已有研究中不一致的結(jié)果進(jìn)行驗證,確認(rèn)對關(guān)聯(lián)啟發(fā)式產(chǎn)生影響的主要因素。二是進(jìn)一步擴展不同類型影響因素的檢驗, 如人格因素、情緒因素、元認(rèn)知技能等。如, Korzilius等(2014)認(rèn)為應(yīng)關(guān)注自我意識、自我管理、社會意識等情緒能力的影響, Weinhardt等(2015)建議對個體沖動性和決策質(zhì)量因素進(jìn)行檢驗。三是對于影響因素之間的相互作用進(jìn)行考察。有研究認(rèn)為(Sterman, 2002), S-F錯誤是由思維啟發(fā)式與動態(tài)系統(tǒng)結(jié)構(gòu)間互動的結(jié)果, 因此有必要考察個體因素與情境因素間的相互作用。同時, 同樣的因素在不同的研究中結(jié)果不一致性, 抑或更加提示了這一需求。因此, 應(yīng)考察影響因素間的相互作用,從因素間關(guān)系視角考察使用關(guān)聯(lián)啟發(fā)式的條件,形成關(guān)聯(lián)啟發(fā)式影響因素的作用模型。

6.3 豐富和深化關(guān)聯(lián)啟發(fā)式的研究范式

目前, 能夠直接檢驗關(guān)聯(lián)啟發(fā)式策略的研究范式還較少, Cronin等(2009)是從畫圖任務(wù)S-F錯誤的分析對被試使用關(guān)聯(lián)啟發(fā)式進(jìn)行推斷。Korzilius等(2014)的出聲思考是迄今唯一能直觀揭示關(guān)聯(lián)啟發(fā)式思維路徑的研究范式, 但該研究還發(fā)現(xiàn) S-F錯誤并不僅僅源自關(guān)聯(lián)啟發(fā)式策略,其它思維路徑也會產(chǎn)生 S-F錯誤。Brunstein等(2010)對錯誤判斷分析發(fā)現(xiàn), 有些被試使用的是直覺, 而不是關(guān)聯(lián)啟發(fā)式。因此, 如何從研究范式上澄清關(guān)聯(lián)啟發(fā)式與 S-F錯誤之間確切的關(guān)系,如何將導(dǎo)致 S-F錯誤的關(guān)聯(lián)啟發(fā)式思維路徑與其它思維路徑有效區(qū)分, 是需要重點突破的問題。此外, 未來研究應(yīng)開展有一定復(fù)雜性的存流量問題, 如多層次供應(yīng)鏈系統(tǒng)問題(Weinhardt et al.,2015), 著力于如何將簡單存流量問題設(shè)計運用到復(fù)雜操作管理任務(wù)中, 提高關(guān)聯(lián)啟發(fā)式研究的生態(tài)效度。

6.4 開發(fā)和檢驗減少關(guān)聯(lián)啟發(fā)式的有效途徑

累積原則普遍存在于氣候變化和產(chǎn)能管理等社會情境, 體現(xiàn)出關(guān)聯(lián)啟發(fā)式研究的現(xiàn)實意義。如, 只有排除關(guān)聯(lián)啟發(fā)式偏差, 才能更好地理解碳排放與碳聚積對溫室效應(yīng)的影響, 樹立科學(xué)的環(huán)保意識, 采取恰當(dāng)?shù)臎Q策和行動。再如, 自然資源可持續(xù)管理的關(guān)鍵是區(qū)別可再生資源和不可再生資源的產(chǎn)生與消耗機制(Weinhardt et al., 2015),有效區(qū)分二者的存流量結(jié)構(gòu), 這是可持續(xù)性開發(fā)的前提。

有研究認(rèn)為(Cronin et al., 2009), 學(xué)生所接受的 STEM教育, 對于提升運用累積原則的能力是不起作用的。早期的數(shù)學(xué)教育強調(diào)相關(guān)推理, 有可能助長了存流量問題的判斷定勢。這一觀點是否確切？一些研究證明了培訓(xùn)、模擬訓(xùn)練等對減少關(guān)聯(lián)啟發(fā)式的積極作用, 提示了將累積原理的理解與思維路徑的引領(lǐng)兩方面結(jié)合減少關(guān)聯(lián)啟發(fā)式的途徑, 但是還不清楚產(chǎn)生作用的機制。因此,為了提升公眾對累積變量的判斷能力, 在學(xué)校教育、輿論宣傳等層面應(yīng)如何采取行動, 怎樣使行動結(jié)果更加有效, 應(yīng)成為研究著力的方向。

致謝：感謝中科院心理所李紓教授在本文選題及寫作過程中給予的指導(dǎo)。感謝審稿專家提出寶貴的修改意見。

張靜芳.(2007).供應(yīng)鏈中“牛鞭效應(yīng)”案例分析及解決方法研究.物流科技, 30(7), 73–76.

Bonner, C., & Newell, B.R.(2010).In conflict with ourselves?An investigation of heuristic and analytic processes in decision making.Memory & Cognition, 38(2), 186–196.

Brehmer, B.(1990).Strategies in real-time, dynamic decision making.In R.M., Hogerth (Ed.),Insights in decision making(pp.262–279).Chicago: University of Chicago Press.

Brunstein, A., Gonzalez, C., & Kanter, S.(2010).Effects of domain experience in the stock–flow failure.System Dynamics Review, 26(4), 347–354.

Chen, X.(2007).The object bias and the study of scientific revolutions: Lessons from developmental psychology.Philosophical Psychology, 20(4), 479–503.

Chen, X.(2011).Why do people misunderstand climate change? Heuristics, mental models and ontological assumptions.Climatic Change, 108(1–2), 31–46.

Cronin, M.A., & Gonzalez, C.(2007).Understanding the building blocks of dynamics system.System Dynamics Review, 23(1), 1–17.

Cronin, M.A., Gonzalez, C., & Sterman, J.D.(2009).Why don’t well–educated adults understand accumulation? A challenge to researchers, educators, and citizens.Organizational Behavior and Human Decision Processes, 108(1), 116–130.

Diehl, D., & Sterman, J.D.(1995).Effects of feedback complexity on dynamic decision making.Organizational Behavior and Human Decision Processes, 62(2), 198–215.

Dutt, V., & Gonzalez, C.(2012a).Decisions from experience reduce misconceptions about climate change.Journal of Environmental Psychology, 32(1), 19–29.

Dutt, V., & Gonzalez, C.(2012b).Human control of climate change.Climatic Change, 111(3–4), 497–518.

Dutt, V., & Gonzalez, C.(2013).Reducing the linear perception of nonlinearity: Use of a physical representation.Journal of Behavioral Decision Making, 26(1), 51–67.

Eberhardt-Toth, E., & Wasieleski, D.M.(2013).A cognitive elaboration model of sustainability decision making:Investigating financial managers’ orientation toward environmental issues.Journal of Business Ethics, 117,735–751.

Fischer, H., & Gonzalez, C.(2016).Making sense of dynamic systems: How our understanding of stocks and flows depends on a global perspective.Cognitive Science, 40, 496–512.

Forrester, J.W.(1961).Industrial dynamics.Cambridge:MIT Press.

Frederick, S.(2005).Cognitive reflection and decision making.Journal of Economic Perspectives, 19(4), 25–42.

Gallego-álvarez, I., & Ortas, E.(2017).Corporate environmental sustainability reporting in the context of national cultures:A quantile regression approach.International Business Review, 26, 337–353.

Gavirneni, S., & Isen, A.(2010).Anatomy of a newsvendor decision: Observations from a verbal protocol analysis.Production & Operations Management, 19(4), 453–462.

Gonzalez, C., & Wong, H.-Y.(2012).Understanding stocks and flows through analogy.System Dynamics Review, 28(1),3–27.

Guy, S., Kashima, Y., Walker, I., & O’Neill, S.(2013).Comparing the atmosphere to a bathtub: Effectiveness of analogy for reasoning about accumulation.Climatic Change, 121(4),579–594.

Ho.T.-H., Camerer, C., & Weigelt, K.(1998).Iterated dominance and iterated best response in experimental “p-beauty contests”.American Economic Review, 88(4), 947–969.

Hoppe, E.I., & Kusterer, D.J.(2011).Behavioral biases and cognitive reflection.Economics Letters, 110(2), 97–100.

Jensen, E., & Brehmer, B.(2003).Understanding and control of a simple dynamic system.System Dynamics Review,19(2), 119–137.

Kahneman, D., & Frederick, S.(2002).Representativeness revisited: Attribute substitution in intuitive judgment.In T.Gilovich, D.Griffin, & D.Kahneman (Eds.),Heuristics and biases: The psychology of intuitive judgment(pp.49–81).New York, NY, USA: Cambridge University Press.

Kainz, D., & Ossimitz, G.(2002).Can students learn stock–flow–thinking? An empirical investigation.Paper presented at the 2002 System Dynamics Conference,Palermo, Italy.

Korzilius, H., Raaijmakers, S., Rouwette, E.& Vennix, J.(2014).Thinking aloud while solving a stock–flow task:Surfacing the correlation heuristic and other reasoning patterns.Systems Research and Behavioral Science, 31,268–279.

Lee, H.L., Padmanabhan, V., & Whang, S.(1997).Information distortion in a supply chain: The bullwhip effect.Management Science, 43(4), 546–558.

Macdonald, J.R., Frommer, I.D., & Karaesmen, I.Z.(2013).Decision making in the beer game and supply chain performance.Operations Management Research, 6(3–4),119–126.

Meadows, D.H., & Robinson, J.M.(2002).The electronic oracle: computer models and social decisions.System Dynamics Review, 18(2), 271–308.

Moritz, B., Hill, A.V., & Donohue, K.L.(2013).Individual differences in the newsvendor problem: Behavior and cognitive reflection.Journal of Operations Management,31(1–2), 72–85.

Moutier, S., & Houdé, O.(2003).Judgement under uncertainty and conjunction fallacy inhibition training.Thinking &Reasoning, 9(3), 185–201.

Newell, B.R., Kary, A., Moore, C., & Gonzalez, C.(2013).Managing our debt: Changing context reduces misunderstanding of global warming.In M.Knauff, M.Pauen, N.Sebanz, &I.Wachsmuth (Eds.),Proceedings of the 35th Annual Conference of the Cognitive Science Society(pp.3139–3144).Austin, TX: Cognitive Science Society.

Newell, B.R., Kary, A., Moore, C., & Gonzalez, C.(2016).Managing the budget: Stock–flow reasoning and the CO2accumulation problem.Topics in Cognitive Science, 8,138–159.

Newell, B.R., & Pitman, A.J.(2010).The psychology of global warming.Bulletin of the American Meteorological Society, 91(8), 1003–1014.

Ossimitz, G.(2002).Stock–flow–thinking and reading stock–flow–related graphs: An empirical investigation in dynamic thinking abilities.Paper presented at 20th International of the 2002 System Dynamics Conference, Palermo, Italy.

Pala, ?., & Vennix, J.A.M.(2005).Effect of system dynamics education on systems thinking inventory task performance.System Dynamics Review, 21, 147–172.

Ranney, M.A., Clark, D., Reinholz, D.L., & Cohen, S.(2012).Changing global warming beliefs with scientific information:Knowledge, attitudes, and RTMD (Reinforced Theistic Manifest Destiny theory).In N.Miyake, D.Peebles, & R.P.Cooper (Eds.),Proceedings of the 34th annual meeting of the cognitive science society(pp.2228–2233).Austin,TX: Cognitive Science Society.

Smith, L.A., & Genter, D.(2012).Using spatial analogy to facilitate graph learning.In C.Stachniss, K.Schill, & D.Uttall (Eds.),Proceedings of the 2012 international conference on spatial cognition VIII(pp.196–209).Berlin, Germany:Springer.

Stave, K.A., Beck, A.& Galvan, C.(2016).Improving learners’understanding of environmental accumulations through simulation.Simulation and Gaming, 46(3–4), 270–292.

Sterman, J.D.(1989a).Modeling managerial behavior:Misperceptions of feedback in a dynamic decision making experiment.Management Science, 35(3), 321–339.

Sterman, J.D.(1989b).Misperceptions of feedback in dynamic decision making.Organizational Behavior and Human Decision Processes, 43(3), 301–335.

Sterman, J.D.(2002).All models are wrong: Reflections on becoming a systems scientist.System Dynamics Review,18, 501–531.

Sterman, J.D.(2008).Risk communication on climate: Mental models and mass balance.Science, 322(5901), 532–533.

Sterman, J.D.(2010).Does formal system dynamics training improve people’s understanding of accumulation?System Dynamics Review, 26, 316–334.

Sterman, J.D.(2012).Sustaining sustainability: Creating a systems science in a fragmented academy and polarized world.In M.P.Weinstein & R.E.Turner (Eds.),Sustainability science: The emerging paradigm and the urban environment(pp.21–58).New York, NY: Springer.

Sterman, J.D., & Sweeney, L.B.(2002).Cloudy skies:Assessing public understanding of global warming.System Dynamics Review, 18(2), 207–240.

Sterman, J.D., & Sweeney, L.B.(2007).Understanding public complacency about climate change: Adults’ mental models of climate change violate conservation of matter.Climatic Change, 80(3–4), 213–238.

Strohhecker, J., & Gr??ler, A.(2015).Performance in tangible and in cognitive stock–flow tasks: Closer than expected.Simulation & Gaming, 46(3–4), 230–254.

Sweeney, L.B., & Sterman, J.D.(2000).Bathtub dynamics:Initial results of a systems thinking inventory.System Dynamics Review, 16(4), 249–286.

Weinhardt, J.M., Hendijani, R., Harman, J.L., Steel, P., &Gonzalez, C.(2015).How analytic reasoning style and global thinking relate to understanding stocks and flows.Journal of Operations Management, 39–40, 23–30.