随着大数据的兴起,信息的传播速度也在不断加快。速度将影响基于信息的决策。问题是,信息速度、连续性和真实性的提高是否有助于提高组织中决策者的决策质量。这种决策质量可以通过解决智能体在决策过程中对速度和准确性的权衡来解决。为了了解信息速度对决策质量的影响,本研究探讨了速度对速度-准确性权衡的影响。本研究在决策过程中分析了这种权衡的背景。

现有工作

关于大数据的兴起及其对组织决策过程的影响,目前已有相关研究。这些研究从所有四个方面对大数据进行了描述:数量、速度、种类和真实性;不过,有关速度对这些过程的具体影响的研究尚未问世。本研究有助于理解信息速度的概念以及这种速度对决策过程的影响。我们将通过描述信息速度对速度和准确性之间权衡的影响来探讨这一问题。有关速度、速度-准确性权衡和决策过程的现有文献为本研究提供了方向。

研究方法

为了探讨信息对速度和准确性之间权衡的影响,本研究采用了基础理论方法,在现有文献和收集的数据之间反复推敲,以构建有关信息速度对速度-准确性权衡影响的理论。

我们在 Da Silveira 和 Slack(2001 年)的模型基础上建立了一个模型,以解决速度对如何在速度和准确性之间进行权衡的影响问题。该模型经过调整,适用于智能体的行为影响过程中的权衡的情况。通过使用该模型,可以确定流程中的下一个因素:必要条件、一个目标给另一个目标带来的变化、能力的有效性以及智能体如何平衡权衡的选择。为了确定这些因素,采用了实证研究来解决这一问题,因为智能体的选择是可以观察和质疑的。实证研究是在一个案例研究中进行的:荷兰国防部组织内的一个情报流程。实证研究采用了两种方法:人种学观察和访谈。访谈用于了解智能体所感知到的取舍,并深入了解导致这些取舍的因素。在人种学研究过程中,发现智能体在速度和准确性之间的实际权衡。数据收集过程的结果被整合到一个模型中,以解决信息速度对速度和准确性之间权衡的影响。

结论

通过实证研究方法收集的数据,我们构建了一个关于速度和准确性之间权衡影响的模型,如图 S.1 所示。

图 S.1: 信息速度对速度-准确性权衡的影响模型

该模型是通过分析在进行实证研究的背景下收集的数据构建的。这种环境受到以下背景因素的影响:所有接收到的信息都应进行分析的规则、交付结果的明确截止日期、流程中特定智能体的特定任务以及主要通过报告共享信息。

信息速度的影响既有消极影响,也有积极影响。积极影响包括信息可用性的提高,尽管这种影响只有在没有信息进行分析过程时才会显现。负面影响包括信息的可理解性降低,从而降低分析能力、速度和准确性。另外,当最后期限固定时,高信息速度导致的工作量增加要求智能体具有更高的速度水平。这种效应会导致结果的准确性降低,而在决策可能对人的生命造成高风险的情况下,这种结果往往是不可取的。

虽然速度提高后信息流动速度会加快,但如果不对当前决策过程的组织结构进行调整,决策过程的速度就不可能提高。而且,在特定情况下,当信息速度提高时,决策所依据的信息的准确性也可能降低。速度可以通过提高信息可用性为决策过程带来机遇,但为了应对速度带来的负面影响,应改变决策过程的组织结构。

下一步工作

在这项研究中,我们发现了信息速度对速度-准确性权衡的影响。这项研究是在特定背景下进行的,研究人员的主观性影响了所构建的结果。为验证研究结果,应在不同组织内,由多名研究人员和受访者通过访谈和人种学研究开展更多实证研究。此外,基于 Da Silveira 和 Slack 模型开发的模型也应得到验证,以适合解决智能体如何在目标之间进行权衡的问题。

成为VIP会员查看完整内容
39

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。
《和平时期的美国军事实验与创新》300页
专知会员服务
33+阅读 · 4月17日
《美国国防部:记录战略》34页
专知会员服务
31+阅读 · 2月19日
《人工智能:算法、作战环境、夸大》美国陆军62页报告
专知会员服务
107+阅读 · 2022年11月15日
《人工智能在作战规划中的应用》北约科技组织18页论文
专知会员服务
138+阅读 · 2022年11月15日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
40+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
13+阅读 · 2009年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
40+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
13+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员