.png){kind=icon}
返回
Debiasing Judgmental Decisions by Providing Individual Error Pattern Feedback
.png){kind=icon}
PRE
AI
DOI：10.1016/j.datak.2025.102530.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出一个决策支持系统（DSS），该系统基于专家之前的错误模式为其提供关于个人潜在偏见的反馈。反馈通过一个知识数据库计算得出，该数据库包含一个偏见库以及暗示这些偏见的典型错误模式。错误模式是指任何可识别的错误结构。例如，一个推理引擎可能会检测到通过用户界面提交的专家持续过高预测，这些预测经常超过之后观察到的实际数量。引擎随后可能会对指示高估偏见的规则进行正向评估，并提供关于检测到的错误模式和/或假定偏见的反馈，可能包括进一步的解释。由于反馈源于专家自身的错误模式，其旨在增强他们的自我反思，并支持对反馈的明智考虑。我们假设这能让专家获得关于自身有缺陷的判断启发式方法的知识，专家能够系统且选择性地将反馈应用于不同的决策任务，从而减少其潜在偏见和错误。为检验这些假设，我们使用DSS进行了实验。在实验中，受试者提供点估计值以及置信区间，随后根据其之前的回答接收由机器提供的错误反馈。反馈后，受试者回答更多问题。结果表明，受试者会反思自身的错误模式，并选择性地将反馈应用于后续的估计，从而减少整体偏见和错误。
