战争室效应模型(WREM)及其配套的态势控制系统是根据决策者个性提出的优化组织支持决策的概念。PEN 人格模型、情感注入模型、弗鲁姆-耶顿模型、情境强度和耶克斯-多德森定律的概念和部件为 WREM 作为一个概念模型的建立提供了理论基础。两个实验支持在假设的决策情景中确定性能差异的关键来源。其中第一个实验有力地支持了将 WREM 的核心个性和情境因素作为重要差异来源的观点。第二个实验总体上证实了 WREM 核心因素的重要性,并进一步表明,性能变异的主要来源是个性和态势因素之间的关键交互作用。这直接支持了 WREM 作为参数模型的条件验证。通过响应面分析和模型优化,确定了作为态势控制系统的个性匹配优化方案。对该系统的随机模拟表明,在 WREM 个性因素的考察范围内,决策性能都有显著提高。通过在经济学理论和模型中实际而全面地考虑个性和态势因素,WREM 推进了我们对这些因素之间的动态交互作用及其对决策过程中认知表现的累积效应的基本理解。本研究最后建议将 WREM 作为进一步基础研究和应用研究的主题,并提出了在工业中实施和应用 WREM 的概念草案。

在整个开发和完善过程中,WREM 为选择研究目标和实验方法提供了重点,这些目标和方法是支持整个研究工作所必需的。以下各节将讨论该模型的适用性、构成以及为实现该模型而开展的研究的局限性。

WREM 是一个参数模型,代表了与人、情境、唤醒、情感和绩效相关的既有模型和理论的整合,为判断和决策的可变性提供了新的见解。该模型估计了人格和情境因素(即 “作战室效应”)对决策者认知表现的动态交互影响。通过与之配套的情境控制系统,WREM 可以根据决策者的个性优化决策质量。

适用于 WREM 的决策环境包括:

  • 一个关键而复杂的组织问题需要高质量的决策。
  • 确定由一个合格的人来负责决策。
  • 决策事件与相关的决策前活动和执行过程是分离的。
  • 决策制定者在发挥其作用时,可获得量身定制的资源支持,包括但不限于正式的审议程序、设施和人员。
  • 决策活动的物质条件受到控制。
  • 决策具有权威性和独立意义。

上述条件被视为正式组织决策过程的标志。对于那些不符合上述条件的情况,世界资源研究所的适用性可能会更加有限。

WREM 由 15 个变量组成,决策有效性是因变量。六个自变量被确定为核心因素,并通过实验进行多层次测试。另外三个自变量被确定为控制因素,在单一层面上进行测试。另外五个变量作为理论因素,没有在本研究中进行测试。上图描述了 WREM:

因变量:

  • 决策有效性--从理论上定性衡量全面实施决策的成功与否。由于决策具有假设性,不需要执行,因此在与本研究相关的任何实验中都没有使用这一变量。

独立变量 :

  • 精神病性 - 决策者的攻击倾向和精神病发作或与现实脱节(或没有)的测量水平。
  • 外向性--决策者的积极情感倾向以及社会和外部参与倾向的测量水平。
  • 神经质--决策者情绪化或消极情绪倾向的测量水平。
  • 智力 - 衡量决策者的智力水平。这一变量在本研究中作为控制因素使用。
  • 经验 - 衡量决策者与任务相关的经验水平。这一变量也是作为本研究的控制因素而开发的。
  • 支持群体 - 为支持决策活动而建立的社会群体所产生的人际关系和互动刺激的测量水平。在本研究中,该变量包括以下描述性属性:参与者获得相关信息的程度;目标的一致性;参与者之间因决策而发生冲突的可能性;以及群体的规模、熟悉程度和交际能力。
  • 环境刺激--在决策活动中,由环境和物理来源产生的感官刺激的测量水平。在本研究中,这一变量包括视觉、听觉和触觉(即与触觉或感觉有关的)刺激,作为描述性属性。
  • 过程结构--对审议方式或方法的控制程度的衡量。在本研究中,该变量包括逻辑性、严谨性和清晰性等描述属性。
  • 决策类型--根据需要决策的问题的特征对决策进行分类。在本研究中,该变量的部件属性包括紧迫性、复杂性、非典型性、关键性和不确定性。这一变量是作为控制因素开发的。

其他中介变量:

  • 认知表现--在其他地方被称为决策质量,它是在决策活动的高潮时对决策的适宜性进行的定性测量,而不具体考虑决策的执行情况。这一中介变量被选为本研究机构两项实验研究的因变量。
  • 情感状态--从理论上衡量决策者在情感、情绪和情绪的积极、中立或消极方面的心理状态。这一变量并未用于本研究的任何相关实验。
  • 认知处理策略--对决策者在形成决策过程中潜意识选择的心理过程进行的理论分类。本变量未在与本研究相关的任何实验中使用。
  • 新出现的属性--从理论上对群体商议和决策过程中可能出现的动态因素进行分类。该变量未在与本研究相关的任何实验中使用。
  • 外部因素 - 从理论上对可能影响决策执行的动态因素进行分类。预计这些因素会在审议和决策过程之外和/或之后出现。本变量并非为本研究的相关实验而开发。

由于实际决策事件并未被规划为实验平台,所选的理论因素被排除在外,因为在实验刺激的众多因素中,有效地体现这些因素是不切实际的。其他因素只包含在控制水平上,因为担心如果完全不体现这些因素,可能会在实验反应中引起不必要的变异。在排除这些因素的情况下,假定这些因素对决策质量产生随机影响。如果在控制设置中包含了这些因素,则假定如果在多个层面上对其进行研究,其效果将与其他权威文献预测的效果基本一致。

成为VIP会员查看完整内容
1

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。
《模拟环境中的沉浸式演练(IRISE)》154页
专知会员服务
33+阅读 · 5月15日
《基于信念的决策建模计算框架》141页
专知会员服务
52+阅读 · 4月27日
《人类决策的量子方法》244页
专知会员服务
40+阅读 · 4月25日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
348+阅读 · 2020年6月24日
图节点嵌入(Node Embeddings)概述,9页pdf
专知
14+阅读 · 2020年8月22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
1+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
35+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31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
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
378+阅读 · 2023年3月31日
Arxiv
18+阅读 · 2021年3月16日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
10+阅读 · 2020年11月26日
VIP会员
相关基金
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
1+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
35+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31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
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员