决策不仅是生活的一部分，更是其本质所在。这些关键选择深刻影响着个人与职业领域。日常生活中的每个抉择——从饮食选择到职业规划乃至重大投资——不仅作用于个体，更对家庭、社区乃至社会产生涟漪效应。决策的重要性促使心理学、管理学、经济学、社会学等学科持续探索其内在机制与影响因素，旨在优化各类场景下的决策流程与结果。低效决策往往代价高昂，导致机会错失、资源浪费与经济损失，对个人、组织与社会产生负面影响。信息过载、认知偏差、时间压力与情境因素加剧了优化决策的紧迫性。
人工智能技术的进步为决策优化开辟新路径。AI系统能处理海量数据、识别潜在模式、提供实时洞见并生成决策建议，赋能人类做出更明智选择。尽管AI在决策领域展现巨大潜力，但基于责任归属与伦理法律考量，完全自动化并非终极目标。人本视角倡导构建人机协作关系：AI作为人类能力的延伸，协助决策者完成数据收集分析、方案生成、情景推演与结果评估。现有研究已探索多领域人机协同决策机制，例如开发可解释AI系统增强决策透明度，设计多样化交互界面促进人机信息互通，确保决策者有效理解与整合AI输出。
在人机协作决策过程中，个体特征、决策情境、AI系统能力及其交互方式共同塑造协作成效。理解这些要素并将其融入AI系统设计与部署，是提升协同效能的关键。随着AI系统持续适应多样化场景，决策环境日益复杂动态化，个体行为模式将发生持续演变。这些演进中的AI系统不仅改变决策者的认知方式与策略制定，更深度影响着决定决策结果的基础要素。因此，需持续优化决策环境中的AI系统设计与实施，并评估其对人类行为与决策产出的影响。
尽管AI系统在多领域展现卓越能力，但鲜有完美解决方案。将AI引入决策流程常导致团队整体效能低于独立运作的人或AI系统。这种差距凸显出理解人机协同局限性的必要性，以及制定风险缓释策略的迫切需求。当前研究多聚焦个体与AI系统的二元关系，忽视决策发生的宏观情境。因此，亟需深入理解不同情境下AI系统的差异化影响，实现跨领域研究发现的迁移应用，并为特定决策场景提供定制化解决方案。本论文通过第二至第五章的实证研究，揭示不同情境下人机决策的动态机制，探究环境变量对人类行为的影响路径。第六、七章提出两种基于在线数据的信息整合方法，旨在增强决策支持效能。
本论文旨在揭示任务相关情境因素（图1.1 B）及其在人机协作决策中对决策结果的影响机制。任务通常指特定情境下需通过决策流程完成的活动或问题，其相关要素包含决策复杂度、不确定性、信息可及性与质量、风险等级及时间压力等属性。通过解析任务属性B、决策结果ABC、个体/群体行为A与AI系统AC之间的交互关系，本研究深化了对人机决策研究范式的理解，为设计符合决策者需求的AI系统提供理论支撑，从而优化决策流程与结果。需说明，宏观情境因素、AI系统属性或决策者个体特征不在本研究范畴内。
本研究聚焦跨领域非专家决策者群体。此类人群因专业领域知识受限，常面临决策困境：认知偏差、信息获取渠道受限与决策支持工具匮乏进一步制约决策效能。即便信息充足，"选择悖论"[365]仍可能导致决策质量下降——例如缺乏金融知识的投资者在股市中易受网络论坛偏见信息影响，忽视自身目标而盲从他人建议。分析能力不足与高级决策工具缺失加剧次优决策风险。值得注意的是，个体可能在某一领域具备专长，但在其他领域仍属非专家，凸显开发适配多技能水平决策支持系统的必要性。
既有实证研究对多样化决策情境的差异化定义，导致学界对AI系统跨领域效能的认知呈现碎片化。为此，本论文首先提出系统性评估与对比决策任务的理论框架，该框架整合决策情境复杂度分级体系。基于此框架，论文通过文献综述剖析现有研究的优势、局限与改进空间，并开展多维度实证研究验证理论假设。这些研究评估任务相关情境因素对个体行为与绩效的影响机制，通过采集决策支持系统交互数据（信息获取路径、任务时间分配、决策模式等），解析个体决策逻辑。分析结果表明，开发定制化决策支持工具对提升跨领域非专家决策质量具有迫切需求。论文同时提出模块化实证研究框架，增强现实决策场景下研究结论的可推广性与可复现性。
研究进一步提出优化信息获取与交互行为的方法。获取相关信息是决策准备的关键步骤，对常面临信息过载、数据获取受限或时间压力的非专家群体尤为重要。上述因素可能诱发认知偏差，进而损害决策质量。因此，理解个体信息检索、处理与应用模式，对开发实用工具管理认知偏差至关重要。本研究提出增强信息可及性的创新方法，包括提供定制化推荐与设计高效检索界面。通过行为实验与数据采集，对比验证新方法与传统模式的效能差异，揭示工具设计与应用优化的潜在路径。
原文
相关内容
微信扫码咨询专知VIP会员