准确性要求减少启发式使用：以再认启发式研究为例

王效广 王云

摘 要：再认启发式理论认为人们仅依赖再认线索就做出决策。本研究以配对比较任务为决策任务，采用多项式加工树模型分析数据，探讨了准确性任务对决策者再认启发式使用的影响。结果显示：准确性任务条件下，高正确率组被试再认启发式使用显著低于控制组被试。表明准确性任務会减少再认启发式策略的使用。

关键词：策略使用;再认启发式;多项式加工树模型;准确性

再认启发式（recognition heuristic， RH; Goldstein & Gigerenzer， 2002）指的是在比较判断两个对象时，如果人们仅能识别出对象中的其中一个，就会认为再认对象相较于标准有更高的值。再认启发式是快速节俭启发式中最简单的决策策略之一（Gigerenzer， Todd， ABC研究小组， 1999）。

Goldstein和Gigerenzer（2002）使用再认一致率测量RH使用。再认一致率用再认比较配对（比较的对象有且只有一个再认）中选择再认对象的比例来表示。但Pohl（2006）以及Hilbig、Erdfelder和 Pohl（2010）指出再认一致率的测量方式混淆了单纯再认和知识之间的使用，有时人们虽然选择了再认的对象，但选择再认并不是由于仅依赖再认线索作出的，当对再认对象有更多的知识或信息时很难排除这些知识或信息的影响。因此再认一致率通常是有偏的、高估再认使用的程度。

为了区分知识和单纯再认的使用，研究者提出不同的改进方式，比较有代表性的是Hilbig等（2010）基于多项式加工树模型提出的r-model。Batchelder等（1999， 1988）提出的MPT模型能够分析分类数据的作答过程，通过数学建模的方式以不同参数表示相应认知过程并通过数学算法实现对潜在的认知过程的分析。在模型中，不同类别的知识构成了三种类别的比较任务：知识事件（knowledge case，两个比较对象都能够再认）、猜测事件（guessing case，两个比较对象都不能再认）和再认事件（recognition case，只有一个比较对象能够再认）。配对比较任务的回答分配到8个互斥的反应类别。以不同的参数表示不同的认知加工过程，其中参数r表示在再认组的任务比较中单纯使用RH的概率，即在决策时只考虑再认线索忽略其它的信息和知识;互补概率1-r表示知识使用的概率。模型还包括其它3个参数：再认效度a、知识效度b和猜测效度g。模型参数估计可以通过最大似然估计的期望最大值算法实现（Hu & Batchelder， 1994）。同时，r-model允许进行拟合度检验。模型拟合通过拟合优度统计量G2和嵌套模型之间的差异进行检验，并根据χ2差异检验模型拟合的变化（ΔG2）。模型输出参数G2 、p值，当p>0.05时，表示模型很好地拟合实际数据。

再认启发式MPT模型 r-model说明（Hilbig， Erdfelder， & Pohl， 2010）。可观察和不可观察事件在图中分别以矩形和圆角矩形表示。对每一个被试来说，有J=3类配对比较：知识组、猜测组和再认组。每一次作答落到m∈{1，...，M}8种不同反应类别Cjm中的一种。模型参数a代表再认效度、b知识效度、g猜测效度和r再认使用概率。

Payne、Bettman和Luce（1996）提出的努力-准确性框架（effort-accuracy framework）假设努力的投入越多导致行为结果的正确性越高，反之，减少努力意味着正确性的降低，这也是为什么启发式的使用被广泛认为是次优的决策策略（Tversky & Kahneman， 1974）。Gigerenzer和Goldstein（1996）的研究则挑战了这一框架，发现采取快速节俭启发式决策策略并不会因为它加工较少的信息而导致正确率下降，事实上快速节俭启发式做到了即节俭又准确。类似地，Payen等（1996）的研究发现词典编纂策略（lexicographic strategy;一种以固定效度顺序搜索每一条线索的策略，就像词典中按照字母顺序排列词汇一样）有时能够取得相当于加权线性模型的表现。

因此，一个很有意思的问题是在RH任务领域，决策者是如何权衡速度与准确性的不同任务要求的呢。

首先，Pachur和Hertwig（2006）最早观察到时间压力促进RH使用。Hilbig、Erdfelder和 Pohl （2012）则以两个实验研究检验了时间压力对RH使用的影响，发现即使是轻微的时间限制也会增加被试的RH使用。综述两项RH领域的研究结果表明时间压力会增加RH策略的使用。但是，正确率要求或者任务重要性会如何影响被试的再认启发式策略使用，在之前的研究中还没有涉及。不同于时间压力更多是对反应速度的强调，竞争压力和评价都更加强调结果的准确性，而对速度与准确性尤其是对准确作答的追求在我们的日常生活以及在教育场景中更多的发生。

准确率要求会改变人们的决策。认知能量理论（cognitive energetic theory，CET，Pica，Pierro， Bélanger，& Kruglanski，2013）指出认知活动受到驱动力和约束力的影响，驱动力会受到目标重要性和可用的心理资源的影响，约束力受到任务要求、竞争目标或资源保护等因素的影响。CET将认知活动视为一个动态过程，驱动力和约束力相互补偿以完成任务目标，限制因素大小增加必须通过驱动因素的等效增加来抵消。如任务要求改变需要同等地改变目标重要性或资源可用性。因此高的准确率要求将准确率反应作为当前活动的重要目标时会改变个体在认知活动中的重要性认知以及整合可用的心理资源投入到任务活动中，这需要改变个体做出决策的过程，检索更多的信息，抑制快速“闭合”、过早形成结论的倾向，这意味着高的准确性要求会增加个体做出决策的时间，减少启发式策略使用而增加复杂认知策略的使用。

本研究使用配对比较任务（paired-comparison task， Goldstein & Gigerenzer， 2002）对RH使用进行测量，使用r-model对数据进行建模分析，旨在说明准确性任务下的RH策略使用。

研究假設：

假设1高准确性任务条件下，被试的反应速度下降，反应时增多;

假设2高准确性任务条件下，被试的再认一致率降低，被试较少地选择与再认相一致的对象;

假设3高准确性任务条件下，被试的RH策略使用减少，其它策略使用增加。

一、实验方法

（一）被试

通过广告招募的方式招募70名大学生被试参与本研究，其中男生17名，女生53名，随机分配到控制组和实验组。被试的平均年龄19.4岁（SD=1.63;范围17-25）。所有被试视力或矫正视力正常，实验前告知有权选择随时退出实验，所有被试参加完所有测验。实验结束后，被试均收到一定的被试费用作为实验报酬。

（二）实验设计

采用经典的城市规模比较任务（the city-size task， Goldstein & Gigerenzer， 2002）作为实验任务。城市规模比较任务包含了推理任务和再认任务。推理任务需要被试选择呈现的两个城市哪一个规模更大;再认任务需要被试对呈现的城市名称进行是否再认知识判断。共选择18个城市作为实验材料，完全配对比较产生153个比较对。

被试随机分配到实验组或控制组。参照Mayseless和 Kruglanski（1987）增加对无效的恐惧（the fear of invalidity）的方法操纵被试在任务中对正确反应的重视程度。实验组条件，告知被试正确反应的结果被认为与智商高相关，要求被试尽可能正确反应。同时告知被试在实验结束后，实验结果及与他人的比较会通过邮件的方式发送给他们。控制组条件，要求被试尽可能正确反应。两组实验条件下被试反应时间不受限制。

（三）数据删除

通过询问被试对正确结果的重视程度的一道题目进行实验操作有效性检验，要求被试报告实验中正确地判断任务对他来说有多重要进行打分评价（7点评分，1和7是两个极端分别表示“一点都不重要”、“非常重要”，中间数字是4，表示一般）。实验组删除2名报告在4以下的被试，同时实验组另有2名被试因为规律作答被删除。控制组有4名被试因为规律作答被删除。

（四）数据分析方法

采用SPSS17.0软件对传统数据进行分析，Gpower3.0软件（Faul， Erdfelder， Lang， & Buchner， 2007）进行效应量分析。MultiTree软件（Moshagen， 2010）进行r-model模型数据分析。

二、实验结果与分析

（一）实验操作有效性检验

检验实验组和控制组对正确结果重视程度，实验组和控制组t（60）=2.203，p<0.05， Cohens d=0.560。实验组相比控制组报告更高的对结果正确性的重视程度。

（二）反应时数据分析

控制组和实验组反应时数据分析如表1：

独立t检验分析结果显示，t（9484）=4.756，p<0.001，Cohens d=0.098。说明更加强调正确反应的实验组被试相比控制组在反应上用时更多，结果支持假设1。

（三）传统数据分析结果

控制组和实验组城市再认个数、再认比例、再认效度α、知识效度β、猜测组正确率、总体正确率、RH一致率等分析结果见表2。

由表2可知，实验组和控制组被试在城市再认个数、再认比例、再认效度α、知识效度β、总体正确率上都不存在差异。在再认一致率上，两组被试存在中等程度的差异，实验组被试相比较于控制组更低，说明在做判断时，被试更少地选择再认对象。再认一致率的分析结果支持假设2。

（四）模型数据及其分析结果

MultiTree模型拟合结果，实验组G2（1）=0.978，p=0.323，控制组G2（1）=0.395， p=0.530，表明模型较好拟合数据。

模型数据分析结果见表3。实验组参数a、b、g和控制组均无显著差异，说明两组被试在再认效度、知识效度和猜测效度上相当;实验组参数r显著低于控制组参数r，说明高正确率要求任务的被试RH使用降低，结果支持假设3。

三、讨论

强调正确率的实验任务会减少被试启发式策略的使用吗？本研究使用配对比较任务为实验材料发现准确性要求会较少被试RH策略使用。

首先，高准确性反应的任务要求增加了被试的反应时间。高准确性反应任务会增加人们对信息的搜索和思考时间，推迟做出决策。从实验操纵的反应时上看实验组被试不仅表现出更多的平均反应时间，在各个数据点（25%、50%、75%）上的反应时也高于控制组。说明对实验组的操纵是成功的。

其次，数据分析表明实验组和控制组被试除了在RH一致率上存在有差异之外，两组在再认个数、再认效度和知识效度、猜测效度等都不存在差异，说明两组之间的RH一致率的差异是由于不同的实验操纵产生的。模型数据分析的结果同样说明两组之间在RH使用上存在显著差异，将两组RH使用参数r设置为相等时模型拟合显著变差。

最后，比较传统数据和模型数据分析的结果发现，在再认效度和知识效度的结果上，两种数据分析的方法并无显著性差异;但在RH使用上以参数r表示的RH使用相比一致率有较大的下降，实验组和控制组分别下降为0.16、0.11。这种下降是由于在r-model中区分了单纯RH使用和其它策略使用的结果。而且r-model通过分离RH使用和其它策略使用使得在模型数据结果下更容易发现两组在RH使用上的差异。

為什么高准确性任务要求会减少被试的RH使用？从实验任务来说，高的准确性要求会促使被试在做出最终的决策判断前会搜索更多的信息，增加被试在任务上的认知努力投入（Roets， Van Hiel， Cornelis， & Soetens， 2008），实验中更长的加工时间、考虑更多的知识线索意味着高准确性任务条件的被试可能关注到再认对象的特征也会关注到非再认对象的特征并尽可能多地从记忆中提取相关的有关于再认对象非支持性的信息做出决策判断。另外，高准确性任务条件的被试会生成更多的假设，这也意味着他们更可能将非再认对象视为正确的可能选择。研究的结果也支持Pica等（2013）提出的认知能量理论，虽然本研究没有测量动机在测验中的变化但这种变化显然是存在的，在高准确性任务条件下会改变被试对目标任务重要性的感知以及促使被试整合可用的心理资源到认知活动中。

四、研究结论

以再认启发式为例，研究探讨了准确性任务对启发式策略使用的影响。使用配对比较任务对RH使用进行测量，多项式加工树模型r-model对数据进行建模分析，发现在准确性任务条件下，高的正确率要求会减少被试RH使用，增加其它策略使用。

参考文献

[1] Batchelder，W.H.，& Riefer，D.M.（1999）.Theoretical and empirical review of multinomial process tree modeling.Psychonomic Bulletin & Review，6（01）：57-86.

[2] Faul，F.，Erdfelder，E.，Buchner，A.，& Lang， A.Statistical power analyses using G*Power 3.1：Tests for correlation and regression analyses. Behavior Research Methods，2009，41（04）：1149-1160.

[3] Gigerenzer，G.& Goldstein，D.G.Reasoning the fast and frugal way：models of bounded rationality. Psychological Review，1996，103（04）：650-669.

[4] Gigerenzer，G.& Todd，P.M.Fast and frugal heuristics： The adaptive toolbox.Gigerenzer & Todd/abc Group，Simple Heuristics That Make Us Smart，1999，l.115：3-34.

[5] Goldstein，D.G.，& Gigerenzer，G.Models of ecological rationality：the recognition heuristic.Psychological Review，2002，109

（01）：75-90.

[6] Hilbig，B.E.，Erdfelder， E.，& Pohl，R.F.A matter of time： Antecedents of one-reason decision making based on recognition.Acta Psychologica，2012，141（01）：9-16.

[7] Hilbig，B.E.，Erdfelder，E.，& Pohl，R.F.One-reason decision making unveiled：a measurement model of the recognition heuristic.Journal of Experimental Psychology Learning Memory & Cognition，2010，36（01）：123.

[8] Hu，X.，& Batchelder，W.H.The statistical analysis of general processing tree models with the em algorithm.Psychometrika，1994，59（01）：21-47.

[9] Mayseless， O.， & Kruglanski， A. W.What makes you so sure？ Effects of epistemic motivations on judgmental confidence. Organizational Behavior & Human Decision Processes，1987，39（02）：162-183.

[10] Moshagen，M.multiTree：A computer program for the analysis of multinomial processing tree models.Behavior Research Methods，2010，42（01）：42-54.

[11] Pachur，T.，& Hertwig，R.On the psychology of the recognition heuristic：retrieval primacy as a key determinant of its use.Journal of Experimental Psychology Learning Memory & Cognition，2006，32（05）：983.

[12] Payne，J.W.，Bettman，J.R.，& Johnson，E.J.Adaptive strategy selection in decision making. Journal of Experimental Psychology： Learning，Memory，and Cognition，14，1988（03）：534-552.

[13] Payne，J.W.，Bettman，J.R.，& Luce，M.F.When Time Is Money：Decision Behavior under Opportunity-Cost Time Pressure.Organizational Behavior and Human Decision Processes，1996，66（02）：131-152.

[14] Pica，G.，Pierro，A.， Bélanger，J.J.，& Kruglanski，A. W.The motivational dynamics of retrieval-induced forgetting：A test of cognitive energetics theory.Personality and Social Psychology Bulletin，2013，39（11）：1530-1541.

[15] Pohl，R.F.Empirical tests of the recognition heuristic.Journal of Behavioral Decision Making，2006，19（03）：251-271.

[16] Riefer，D.M.，& Batchelder，W.H.Multinomial modeling and the measurement of cognitive processes. Psychological Review，1988，95（03）：318-339.

[17] Roets，A.，Van Hiel，A.，Cornelis，I.，& Soetens，B.Determinants of task performance and invested effort：A need for closure by relative cognitive capacity interaction analysis. Personality and Social Psychology Bulletin，2008，34（06）：779-792.

[18] Tversky，A.，& Kahneman，D.Judgment under uncertainty： Heuristics and biases. Science，1974，185（4157）：1124-131.