士兵们不断被要求在不确定的信息基础上进行决策。不确定情况下的决策的一个重要方面是人们推理风险的方式,以及在什么情况下他们倾向于表现出寻求风险和规避风险的行为。经典的决策研究表明,当决策是以收益为框架时,人们倾向于规避风险,而当决策是以损失为框架时,人们倾向于寻求风险。卡尼曼和特维斯基(1979)的前景理论解释了这种框架效应的现象,该理论解释了对收益或损失的感知价值,以及它与预期效用理论所预测的价值有何不同(图1)。

图1 经典的前景理论曲线,显示了X轴上的收益/损失和Y轴上的收益/损失的感知值之间的理论关系。参考点在原点。收益曲线的凹形解释了为什么人们倾向于对收益进行风险规避,而损失曲线的凸形解释了为什么人们倾向于对损失进行风险寻求。

尽管最初的论文(Kahneman和Tversky,1979年)和许多复制品都采用了基于金融的场景,但用来证明前景理论预测的一个更著名的任务是亚洲疾病问题(Tversky和Kahneman,1981年)。在这个任务中,参与者收到以下小插曲: "想象一下,美国正在为一种不寻常的亚洲疾病的爆发做准备,这种疾病预计会杀死600人。有人提出了两种防治该疾病的备选方案。假设对这些方案的后果的确切科学估计如下"。

在收益-框架条件下,参与者被要求在以下方案中做出选择:

  • 方案A:有两百人将被拯救。

  • 方案B:有三分之一的概率会有600人获救,有三分之二的概率没有人获救。

在损失框架条件下,参与者在以下情况中进行选择:

  • 方案A:有四百人会死。

  • 方案B:有三分之一的概率无人死亡,三分之二的概率有600人死亡。

请注意,在这两种情况下,方案A和方案B的结果,以及预期效用都是一样的;它们只是在拯救生命和死亡方面的表述不同。

这是一个高度重复和稳健的发现,收益条件下的参与者更可能选择 "安全 "的选项(方案A),而损失条件下的参与者更可能选择 "风险 "的选项(方案B)。事实上,最近对Kahneman和Tversky(1979)的原始方法进行了预先注册的多国复制,产生了与原始研究非常相似的结果,甚至在40年后(Ruggeri等人,2020)。同样,最近的一项荟萃分析报告称,风险决策的框架效应是可靠和稳健的(Steiger和Kühberger 2018)。

自Kahneman和Tversky的原始工作以来,这项任务的许多变化都得到了调查。例如,Saqib和Chan(2015)探讨了将时间压力引入任务的影响。他们的研究结果表明,在时间压力下,典型的风险偏好可能会发生逆转,从而使个人倾向于对收益进行风险寻求,对损失进行风险规避。他们的理论是,时间压力将参考点从原点转移到最大可能的结果。如图1右图所示,在损失的情况下,参考点会转移到B点,而在收益的情况下,参考点会转移到C点。在一系列的实验中,Saqib和Chan证明,被分配到有时间压力的条件下的参与者在某种程度上显示了预测的风险偏好的逆转。

正如前面的例子所描述的那样,大多数关于风险偏好的实证工作(包括Saqib和Chan[2015])倾向于依赖基于小插曲的任务,通常有一个经济背景(Steiger和Kühberger 2018)。一种不太典型的方法是使用行为任务而不是假设的小故事(Hertwig等人,2004;Hertwig和Erev,2009),提供了几个潜在的好处。参与者做出更具体的决定,而不是假想的决定。行为任务也更容易进行多次试验/重复决策,为每个参与者提供更多数据,从而更精确地估计任何框架效应的大小。最后,有一个更自然的机会对参与者的决策结果进行反馈,再次允许对风险概率进行更具体而非假设的体验。据我们所知,在有关框架效应的文献中,没有任何经验性的工作显示基于行为而不是基于小插曲的任务的风险逆转现象。我们设计了目前的研究,以填补文献中的这一空白,并探索风险逆转现象是否延伸到具有潜在更大外部有效性的更具体的任务中。

目前的研究利用一个与军事相关的任务来研究经典的框架效应和/或时间压力下的风险逆转现象是否延伸到军事决策任务中。如果是这样,这可能对如何向士兵提供信息以帮助他们在计划和更多时间压力的情况下做出适当的风险决策有影响。

基于Saqib和Chan(2015)的工作,我们假设无时间压力条件下的参与者会表现出前景理论所预测的经典数据模式,即他们会在收益条件下做出更多的低风险选择,在损失条件下做出更多的高风险选择。相反,在时间压力条件下,参与者会做出相反的选择:在收益条件下做出更多高风险的选择,而在损失条件下做出更多低风险的选择。

成为VIP会员查看完整内容
35

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《2035年战争特征》美陆军30页报告
专知会员服务
185+阅读 · 2023年4月18日
《人机协作的避撞决策模型》美国陆军2023最新报告
专知会员服务
60+阅读 · 2023年4月17日
《人与智能体中的双向通信》2022最新103页报告,美陆军
专知会员服务
54+阅读 · 2022年11月30日
《待命部队概念》美国海军陆战队32页报告
专知会员服务
49+阅读 · 2022年8月5日
美国陆军《扩大战场:多域作战的一个重要基础》
专知会员服务
79+阅读 · 2022年6月2日
让AI做决策,我们的社会准备好了吗?
学术头条
0+阅读 · 2022年6月6日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月17日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员