Averaging versus sampling in collaborative judgment

doi:10.1016/j.cogpsych.2026.101849

Averaging versus sampling in collaborative judgment

2026-10-01

0

OA

AI

DOI：10.1016/j.cogpsych.2026.101849

原文链接

原文求助

摘要

En 中文

二体如何结合不同成员的信息以达成共识判断？一种观点认为群体以贝叶斯最优方式结合信息：群体计算个体估计的加权平均，权重与每个个体所拥有信息的质量成比例。 alternatively，二体可能寻求识别哪个成员的估计最佳，并将其作为联合判断。这些模型通过要求二体成员对连续量（相干运动刺激的运动方向）进行私人估计，随后做出联合判断来进行检验。联合判断比个体判断更准确，但通常接近于某个个体判断。两个候选模型的拟合表明，二体形成了跨越可能响应的联合概率分布；该分布由于个体分布的厚尾性质而呈现双峰；并且二体从联合分布中采样其联合判断。在两种模型中，当前试验的相对准确性以及历史准确性均预测了在联合判断中哪个个体估计被赋予更大权重。结果并未依赖平均化过程来调和估计以达成共识，而是突出了在连续判断领域中更范畴性解决方法的作用，并且联合判断很好地被解释为由双峰联合分布采样而来。

Keyword:

Collective judgment

Perceptual judgment

Sampling

Optimal integration

Group decision-making

Averaging versus sampling in collaborative judgment

摘要

期刊

机构

引用论文