在结构良好、信息完备的环境中，决策制定是无法保证的。研究中的任务通常侧重于在无限时间框架内利用完整信息做出决策，而在信息缺失或不确定的情况下，当前的研究并未涉及缺失信息在环境中的分布所产生的影响。本文旨在具体了解这些信息分布如何影响时间压力下的决策者，以及如何在一系列决策策略中为不完美环境下的决策提供最佳支持。这项工作有三方面的贡献。首先，研究结果表明，在六项以不同信息复杂性和决策策略偏差为特征的独立人体研究中，所研究的三个信息分布因素（即总信息、完整属性对和信息不平衡）对决策准确性具有显著的预测作用。其次，本论文通过信息估计和决策前信息搜索的视角，强调了专家和新手行为的关键差异，这进一步解释了不确定性下的个体差异，并为这些环境下的决策支持系统（DSS）提供了新颖的设计考虑。最后，在启发式和分析式偏差环境中，信息修正和选项预测决策支持系统的应用表明，各成绩组的准确性显著提高，响应时间显著缩短。
图 3.2：参照两个示例目标（危险程度高的导弹和危险程度低的运输工具）的可视化决策任务。
决策环境与人体实验任务
要回答所有研究问题，就必须能够在信息不完整的情况下，在人体实验中将这些问题具体化。为此，下文将简要介绍本论文中使用的两种决策环境，并在后续章节中对其设计和实施进行详细说明。
- 防空作战协调
第一个环境要求参与者扮演一艘军舰上的防空作战协调员（AAWC），其领空内有目标。决定目标敌意的决策标准基于四个二元线索：高度、速度、与中立空中走廊的距离和大小。标准分数由每个选项的提示分数的线性加权组合计算得出，提示按提示加权的等级顺序显示。参与者只需从两个目标中选择一个最危险的目标，并与飞机交战。每个决定都必须在 20-30 秒内做出，参与者可使用彩色计时器进行时间管理。
- 车道防御游戏
第二个环境是由 Unity 游戏引擎构建和托管的车道防御游戏。游戏的每一轮都有一组独特的三个选项，它们从屏幕左侧沿着三条车道中的一条向屏幕右侧移动。参与者有 60 秒的时间来判断这三个选项中哪个最危险。为了做出决定，参与者可以访问详细的情报菜单，该菜单显示了描述每个敌人敌意程度的五个提示值（武器、体型、装甲、盾牌、头盔），这些提示值按提示权重排序显示。在以前的 AAWC 环境中，参与者需要根据阈值临界值对每个可用线索值做出敌意/非敌意判断。在这个环境中，参与者的这一过程被简化了，非敌意提示值用绿色向下箭头表示，敌意提示值用红色向上箭头表示。新环境的特点包括几乎双倍的可能信息总量、信息访问跟踪以及更灵活的用户界面设计，所有这些都有助于对所有三个研究问题进行更详细的探讨。
技术贡献
在信息缺失或不确定的环境中，信息的分布如何影响决策结果，文献尚未对此有全面的认识。本论文在一系列决策环境的人类受试者研究中考察了信息结构的三种测量方法（TI、CAP、II），并证明信息不平衡最小化和完整属性对最大化最有利于提高决策准确性（第 4、5、8 章）。研究发现，总信息量的增加总体上有助于提高准确性，但如果不包含 CAP 和 II，则不足以解释准确性的提高。此外，生态合理决策策略（由环境结构定义）对这些结果也有影响（第 8 章）。经测试发现，补偿生态学（WADD、高分散和低分散）对信息结构的变化更为敏感，而非补偿生态学（TTB）则不太敏感，尤其是对信息不平衡的变化。
此外，本论文还研究了对缺失信息进行估计的作用，并首次对决策者的估计策略进行了直接征询。这项在 AAWC 环境中完成的研究（第 5 章）表明，新手倾向于估计几乎所有缺失信息，而任务专家则能够忽略信息，主要根据第一个可用的（也是最重要的）线索来估计信息。这与 Lane Defense 研究（第 8、9、10 章）中的策略选择数据相吻合，这些数据表明，无论环境结构如何，新手都倾向于补偿性决策行为，这违反了非补偿偏置环境中的生态合理性。
最后，决策支持在被拒止和退化的环境中所能发挥的作用在这里得到了更充分的证实。第 6 章测试了获取和限制信息的概率方法和基于规则的方法，结果表明基于规则和基于概率的修改技术都能带来更大的决策结果。第 9 章将支持系统的设计向前推进了一步，对比了基于图形用户界面的队友与基于获取的队友，前者可以卸载信息估算，而后者则采用第 6 章中基于规则的方法为参与者收集缺失的信息。结果发现，这两种方法都能显著提高新手和专家的成绩。
原文
相关内容
微信扫码咨询专知VIP会员