**

(1.中國科學(xué)院心理研究所，行為科學(xué)重點(diǎn)實(shí)驗(yàn)室，北京 100101；2．中國科學(xué)院大學(xué)，心理學(xué)系，北京 100049；3．University of South Dakota,SD 57069,美國；4．浙江大學(xué)，心理科學(xué)研究中心，杭州 310028；5．浙江大學(xué)，心理與行為科學(xué)系，杭州 310028)

?

應(yīng)用心理學(xué)

互聯(lián)網(wǎng)海量信息環(huán)境對人類決策提出的挑戰(zhàn)及其應(yīng)對方式*

黃元娜1,2魏子晗1,2沈絲楚1,2王曉田3**葛列眾4**何貴兵5**李紓1,2**

(1.中國科學(xué)院心理研究所，行為科學(xué)重點(diǎn)實(shí)驗(yàn)室，北京 100101；2．中國科學(xué)院大學(xué)，心理學(xué)系，北京 100049；3．University of South Dakota,SD 57069,美國；4．浙江大學(xué)，心理科學(xué)研究中心，杭州 310028；5．浙江大學(xué)，心理與行為科學(xué)系，杭州 310028)

如今互聯(lián)網(wǎng)推動(dòng)人類進(jìn)入信息爆炸時(shí)代，有限大腦容量與激增信息量間的巨大反差對人類決策提出了前所未有的挑戰(zhàn)，但已有知識系統(tǒng)卻找不出應(yīng)對它的現(xiàn)成答案。圍繞“互聯(lián)網(wǎng)海量信息環(huán)境對人類決策的挑戰(zhàn)”和“互聯(lián)網(wǎng)海量信息環(huán)境下人類決策的應(yīng)對方式”兩個(gè)關(guān)鍵科學(xué)問題，我們借鑒動(dòng)物選擇“無序個(gè)體單獨(dú)行動(dòng)”和“有序集體統(tǒng)一行動(dòng)”的轉(zhuǎn)換機(jī)制，提出互聯(lián)網(wǎng)海量信息環(huán)境下的內(nèi)外腦應(yīng)對方式，冀增進(jìn)人們對互聯(lián)網(wǎng)環(huán)境下決策行為的理解。

互聯(lián)網(wǎng)海量信息 仿生應(yīng)對方式 內(nèi)腦決策 外腦決策 眼動(dòng)追蹤

Thanks to science and technology,access to actual knowledge of all kinds is rising exponentially while dropping in unit cost....We are drowning in information,while starving for wisdom.

——E.O.Wilson,Consilience

1 引 言

21世紀(jì)是互聯(lián)網(wǎng)的世紀(jì)，互聯(lián)網(wǎng)在全世界40%的人口的日常生活中扮演著不可或缺的角色(Gosling & Mason,2015)。中國已進(jìn)入一個(gè)高速發(fā)展的互聯(lián)網(wǎng)時(shí)代，互聯(lián)網(wǎng)基礎(chǔ)設(shè)施和用戶數(shù)均居世界前列。最新的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》(中國互聯(lián)網(wǎng)絡(luò)信息中心,2017年1月)顯示，截至2016年12月，中國網(wǎng)民規(guī)模達(dá)7.31億，相當(dāng)于歐洲人口總量，互聯(lián)網(wǎng)普及率達(dá)到53.2%，移動(dòng)終端用戶則超過10.6億。

與互聯(lián)網(wǎng)飛速發(fā)展相伴而生的是海量信息?；ヂ?lián)網(wǎng)信息呈現(xiàn)數(shù)量多、種類多、增速快的特點(diǎn)(聶天奇，2015；王玉君，2013)，它推動(dòng)人類進(jìn)入海量信息時(shí)代，從而也催生了信息過載問題。信息過載(information overload)指的是個(gè)體獲得的信息量超過了期限時(shí)間內(nèi)個(gè)體所能處理信息的能力(Huff & Johnson,2014;Schultz & Vandenbosch,1998)。目前，人類文明社會(huì)的信息過載已經(jīng)嚴(yán)重到了足以影響每個(gè)人日常生活的程度。據(jù)調(diào)查，一名美國人每天從電子郵件、互聯(lián)網(wǎng)、電視和其他媒體獲取大約10.05萬個(gè)單詞的信息量，相當(dāng)于大腦平均每天接收約34G信息(每秒接觸23個(gè)單詞)(Bohn & Short,2012)。其后果是，電腦使用者平均需要同時(shí)打開8個(gè)窗口，而辦公人員大約每3分鐘就會(huì)被打斷或干擾一次(Klingberg,2009)。

但是，需要處理這些海量信息的人類大腦，在漫長的進(jìn)化過程中卻保持著容量相對穩(wěn)定不變。約20萬年前，智人的平均腦容量從大約600立方厘米進(jìn)化到了1200～1400立方厘米(Harari,2014)，隨后現(xiàn)代人的腦容量則不再增長。受大腦的容量限制，人類獲取和處理信息的精力和能力是有限的(Simon,1991,2013)，因而在認(rèn)知水平上產(chǎn)生了決策和推理的雙系統(tǒng)。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Kahneman等學(xué)者提出，個(gè)體的決策和推理主要有兩種模式：系統(tǒng)1“啟發(fā)式系統(tǒng)”和系統(tǒng)2“分析式系統(tǒng)”(Kahneman,2011;Stanovich & West,2000;孫彥,李紓,殷曉莉,2007)。啟發(fā)式系統(tǒng)更多地依賴于直覺，采用并行加工模式且加工速度較快，不占用或占用很少的心理資源，反應(yīng)自動(dòng)化。分析式系統(tǒng)主要進(jìn)行更詳細(xì)的信息加工，它更多地依賴于理性，需要較多的心理資源(Kahneman & Frederick,2002;Sloman,1996)。該系統(tǒng)主要基于規(guī)則進(jìn)行，采用串行加工模式且加工速度慢(孫彥,李紓,殷曉莉,2007)。日常生活中的大部分決策主要由啟發(fā)式系統(tǒng)所監(jiān)控(Kahneman,2003)，但在復(fù)雜情境中，個(gè)體沒有足夠的能力來記憶和加工大量的信息(Kleinmuntz,1990;Todd & Benbasat,1992)，因而啟發(fā)式系統(tǒng)易受偏差效應(yīng)的影響，易忽略重要的決策因素(Hammond,1996)。

人類進(jìn)入互聯(lián)網(wǎng)時(shí)代后，海量激增的信息量與有限不變的大腦容量間的巨大反差，對人類的決策與推理構(gòu)成了前所未有的挑戰(zhàn)。人類現(xiàn)有的認(rèn)知系統(tǒng)是在長年累月的進(jìn)化中形成的，是相對穩(wěn)定不變的、容量有限的(Simon,1991,2013)。而互聯(lián)網(wǎng)環(huán)境的信息增長是爆炸式的、海量的、抑或是無限的。這種“有限與無限”的不對稱對人類生存構(gòu)成了前所未有的挑戰(zhàn)。我們越來越深地陷入海量信息，但卻難以處理它們。

在海量信息環(huán)境下，假借兩個(gè)認(rèn)知系統(tǒng)中的任何一個(gè)進(jìn)行決策，都將面臨各種難以克服的嚴(yán)峻挑戰(zhàn)。如果采用分析式系統(tǒng)，憑借有限的腦容量，決策者無法考慮全部可能的備擇方案和選擇，也無法評價(jià)全部知識，因而就更難以準(zhǔn)確地預(yù)見各種方案所可能產(chǎn)生的所有后果。如果采用啟發(fā)式系統(tǒng)，決策者可用的各種啟發(fā)式策略(如模仿啟發(fā)式、代表性啟發(fā)式、易得性啟發(fā)式、錨定和調(diào)整啟發(fā)式等，參見Gigerenzer & Selten,2002)亦會(huì)隨著信息來源的增加而增加(Payne et al.,1993;Svenson,1979)，其策略選擇會(huì)變得更多、更隨機(jī)，人們的決策也就更易受到偏差效應(yīng)的影響，從而使決策穩(wěn)定性更差。

互聯(lián)網(wǎng)海量信息環(huán)境下人類決策者普遍面臨的“無限信息”和“有限認(rèn)知”的矛盾窘境，使得“人類如何在海量信息環(huán)境下做出高質(zhì)量決策”成為擺在科學(xué)家面前的一個(gè)全新課題。它關(guān)乎我們每一個(gè)人，但在我們已有知識系統(tǒng)中卻找不到現(xiàn)成答案。

因此，本文擬圍繞“互聯(lián)網(wǎng)海量信息環(huán)境對人類決策的挑戰(zhàn)”以及“互聯(lián)網(wǎng)海量信息環(huán)境下人類決策的應(yīng)對方式”這兩個(gè)問題，基于行為決策和認(rèn)知科學(xué)有關(guān)理論和方法基礎(chǔ)，試提出海量信息環(huán)境下的仿生決策新理論，發(fā)展基于眼動(dòng)追蹤的實(shí)時(shí)賦權(quán)方法。

2 信息量增加對決策的影響研究

互聯(lián)網(wǎng)環(huán)境下，無限的選擇自由也意味著更容易陷入迷茫(Schwartz,2004)。當(dāng)信息通信技術(shù)以日新月異的速度發(fā)展并為我們提供信息時(shí)，我們大腦的能力極限也越來越明顯。由此可知，限制我們的已經(jīng)不再是技術(shù)，而是我們自身的生物學(xué)特性。

電影《拆彈部隊(duì)》中，當(dāng)一位拆彈專家從伊拉克戰(zhàn)場回到美國時(shí)，第一反應(yīng)是被超市里琳瑯滿目的黃油牌子嚇到。他的恐懼源于面對五花八門的品牌，他無法確定怎么選才好。小至黃油，大至生活的方方面面，他無法承擔(dān)這種突如其來的自由，最終又回到了伊拉克。許多研究報(bào)告了關(guān)于選擇過載(choice overload)的現(xiàn)象，信息量增加造成的選擇過載會(huì)導(dǎo)致個(gè)體延遲決策、選擇滿意度降低、決策質(zhì)量下降等(Iyengar & Lepper,2000;Schwartz,2004)。當(dāng)選項(xiàng)數(shù)量增加時(shí)，選擇滿意度最初會(huì)提高，但到達(dá)某一臨界值時(shí)則開始降低(成凹函數(shù)形狀)?；蛟S這種選擇過載效應(yīng)不僅取決于所提供的選項(xiàng)集中的選項(xiàng)數(shù)量，也取決于選項(xiàng)集中的選項(xiàng)種類(Szrek,2017)。然而，目前鮮有研究真正對海量信息下的決策機(jī)制進(jìn)行研究，多數(shù)研究只是探索了信息量增加對決策的影響。信息量增加對決策的影響研究主要體現(xiàn)在決策質(zhì)量、效率、體驗(yàn)、策略等方面。

2.1 信息量增加對選擇策略的影響

信息量增加，決策策略改變。選項(xiàng)或特征的增多增加了選項(xiàng)集的復(fù)雜度，從而導(dǎo)致不同的決策策略(Payne et al.,1993)。50個(gè)選項(xiàng)和只有2個(gè)選項(xiàng)的選擇過程是不同的，其決策策略也不同。有研究表明，選項(xiàng)數(shù)量越多,決策者的信息搜索深度越低,也越傾向于采用非補(bǔ)償性的決策策略，非補(bǔ)償性策略涉及使用簡化規(guī)則來降低決策問題的復(fù)雜性(于泳紅，汪航，2005)。研究者認(rèn)為，將眾多選項(xiàng)縮減到可管理的范圍內(nèi)時(shí)，啟發(fā)式的簡化策略尤其有效(Payne et al.,1993;Svenson,1979)。值得注意的是，現(xiàn)實(shí)生活中的大部分選項(xiàng)具備大量的不同特征，而以往研究中呈現(xiàn)的選項(xiàng)特征數(shù)量通常極為有限。隨著選項(xiàng)特征數(shù)量的增加，有必要通過特征權(quán)重的排序來評估特征的重要性，以此對相關(guān)特征集進(jìn)行壓縮(narrow)，從而用這種方法來進(jìn)行信息搜索或分配注意力。這種先篩選再挑選的兩階段加工方法是將最初對選項(xiàng)的精減與隨后對剩余選項(xiàng)的詳細(xì)評價(jià)相結(jié)合。

信息量增加，容易出現(xiàn)選擇規(guī)避。有研究者(Hayes,Kapust,Leonard,& Rosenfarb,1981)用動(dòng)物(鴿子)實(shí)驗(yàn)考察了選項(xiàng)數(shù)量與選擇偏好的關(guān)系，結(jié)果表明有時(shí)候擁有“少”的選項(xiàng)會(huì)比擁有更多選擇自由更有價(jià)值。Iyengar和Lepper(2000)在超市貨架上分別擺放6種和24種果醬，以此來觀察顧客的消費(fèi)行為。結(jié)果發(fā)現(xiàn)，在包含6種果醬貨架的條件下，30%的顧客產(chǎn)生實(shí)際購買行為，而包含24種果醬貨架的條件下，僅有不到3%的顧客產(chǎn)生了實(shí)際購買行為。該研究為“少即是多”(less is more)提供了證據(jù)，說明信息量增加會(huì)影響決策選擇，容易產(chǎn)生選擇規(guī)避(Kinjo & Ebina,2015)。Huff和Johnson(2014)的實(shí)驗(yàn)結(jié)果也發(fā)現(xiàn)，隨著鏈接數(shù)量的增多，人們對郵件或網(wǎng)站的點(diǎn)擊可能性在最初是增加的，但隨著鏈接數(shù)量持續(xù)增加，點(diǎn)擊數(shù)量卻反而減少了，這也說明選項(xiàng)過載(choice overload)會(huì)促使人們表現(xiàn)出選擇規(guī)避行為。

2.2 信息量增加對決策質(zhì)量的影響

為探索選項(xiàng)數(shù)量與決策質(zhì)量之間的關(guān)系，有研究(Barbara & McClelland,1999)通過操縱信息板(information display board，IDB)矩陣中備擇項(xiàng)、特征數(shù)量、時(shí)間限制等因素，考察消費(fèi)者在網(wǎng)絡(luò)環(huán)境中的信息檢索能力。結(jié)果發(fā)現(xiàn)，備擇項(xiàng)越多，檢索的信息量越少，信息檢索也更困難。雖然檢索模式更多樣了，但決策的正確率卻降低。Schroder，Diver和Streufert(1967)的研究表明，雖然豐富信息有助于個(gè)體做出更準(zhǔn)確的決策，但過量信息則會(huì)導(dǎo)致決策質(zhì)量降低(圖1)，表現(xiàn)出“少即是多”的傾向。

圖1 信息負(fù)荷與決策質(zhì)量的倒U曲線關(guān)系

2.3 信息量增加對決策效率的影響

信息量增加，決策效率降低。Jacoby,Speller和Berning(1974)的研究發(fā)現(xiàn)，消費(fèi)者在進(jìn)行大米與速凍食品決策時(shí)，其決策時(shí)間會(huì)隨著備選品牌數(shù)量的增加和每個(gè)備選品牌信息量(特征數(shù))的增加而呈線性增長，但其決策準(zhǔn)確性卻并沒有隨之提高，反而有所降低，導(dǎo)致了決策效率的明顯下降。Bawden和Robinson(2009)的研究也發(fā)現(xiàn)，信息過載不僅會(huì)影響組織中員工的工作效率，也會(huì)降低決策者的決策效率。目前關(guān)于信息量增加對決策的影響研究提示我們，在面臨互聯(lián)網(wǎng)海量信息環(huán)境下，決策者的決策質(zhì)量、效率和策略都有可能發(fā)生改變。

3 應(yīng)對信息量增加的反應(yīng)方式探索

截至目前，雖有少量研究考察了信息量增加對決策的影響，但鮮有研究深入探討人類決策者對海量信息的應(yīng)對方式及其有效性。在面臨信息爆炸時(shí)，人類現(xiàn)有的認(rèn)知系統(tǒng)是如何應(yīng)對互聯(lián)網(wǎng)海量信息環(huán)境的？人類現(xiàn)有的認(rèn)知系統(tǒng)在互聯(lián)網(wǎng)海量信息環(huán)境中又是如何工作的？這些問題的答案，我們尚未知曉?；蛟S，“低級生物的小腦容量與豐富的環(huán)境信息量”所形成的反差與“人類不變的大腦容量與互聯(lián)網(wǎng)海量信息量”所形成的反差是相當(dāng)?shù)摹⒕哂锌杀刃缘摹?/p>

因此，當(dāng)我們將目光投向低級生物時(shí)，一些動(dòng)物(如魚類、鳥類、昆蟲)面對環(huán)境變化時(shí)選擇“無序個(gè)體單獨(dú)行動(dòng)”和“有序集體統(tǒng)一行動(dòng)”的轉(zhuǎn)換機(jī)制(ecological patterns)，會(huì)給我們些許啟迪和借鑒。

圖2 魚群的“無序個(gè)體單獨(dú)行動(dòng)”

由此，我們提出以下設(shè)想。類比生物界選擇“無序個(gè)體單獨(dú)行動(dòng)”，在應(yīng)對超出自身處理能力的海量信息時(shí)，作為一種自然生物，人獲取和處理信息的精力和能力總是有限的(Simon,1991,2013)。在認(rèn)知資源有限的情況下，要硬著頭皮應(yīng)對這個(gè)挑戰(zhàn)，用自己的大腦將海量信息進(jìn)行精簡消冗或是選擇一種適應(yīng)性的“個(gè)體單獨(dú)行動(dòng)”的策略。我們姑且將這類單打獨(dú)斗的策略歸類為“使用‘內(nèi)腦’的應(yīng)對方式”。

同理，類比生物界“有序集體統(tǒng)一行動(dòng)”的選擇，在應(yīng)對超出自身處理能力的海量信息時(shí)，人作為一種自然生物，在沒有精力和能力應(yīng)對這個(gè)挑戰(zhàn)的情況下，像魚類、鳥類、昆蟲那樣選擇“集體統(tǒng)一行動(dòng)”也不失為一種生存之道。例如，當(dāng)每平方米的蝗蟲密度超過50只，蝗蟲就會(huì)有統(tǒng)一的意志和統(tǒng)一的行動(dòng)(Buhl et al,2006)。我們姑且將這類搬請?jiān)牟呗詺w類為“借助‘外腦’的應(yīng)對方式”?！肮们摇钡囊馑际牵喝藗兡壳皩τ|發(fā)和促使動(dòng)物選擇統(tǒng)一行動(dòng)的機(jī)制知之甚少，因?yàn)轸~類、鳥類、昆蟲沒有語言，也沒有統(tǒng)一的思維，更沒有一個(gè)超級“大腦/內(nèi)腦”在統(tǒng)一指揮。而互聯(lián)網(wǎng)則為人類像魚群或蝗群那樣步調(diào)一致地采用“有序集體統(tǒng)一行動(dòng)”提供了技術(shù)可能性。

圖3 魚群的“有序集體統(tǒng)一行動(dòng)”

3.1 “內(nèi)腦”的應(yīng)對方式

3.1.1 多學(xué)科的科學(xué)家們?yōu)榫喨哂嘈畔⒆龀龅膰L試

收集和使用有價(jià)值的信息對人類適應(yīng)環(huán)境和生存至關(guān)重要(Hills,Todd,Lazer,Redish,& Couzin,2015;Pirolli,2007;Pirolli & Card,1999)。Miller(1983)認(rèn)為人類就是信息捕食者(informavore)。信息覓食理論(information foraging theory)用動(dòng)物覓食類比人類獲取有價(jià)值信息的過程(Pirolli,2007;Pirolli & Card,1999；Wang,2002)。具體而言，想象鳥兒在叢林中找果子，隨著在同一片叢林中覓食時(shí)間的增加，果子越來越難找，剩下的果子也越來越小，直到鳥兒在單位時(shí)間內(nèi)找到的果子所提供的能量不足以支持它的消耗，鳥兒只能去尋找新的叢林。人類在網(wǎng)上搜索信息，就像鳥兒在叢林中找果子，隨著在同一個(gè)網(wǎng)頁中搜索時(shí)間的增加，獲得有價(jià)值信息的效率越來越低。著名的邊際價(jià)值定律(the marginal value theorem)(Charnov，1976)指出，食物或信息獲取的價(jià)值隨時(shí)間增長而邊際遞減。如圖4所示，在同一地點(diǎn)的資源獲取開始時(shí)效率最高，之后隨著資源的消耗而呈現(xiàn)遞減趨勢。因此，最佳終止時(shí)間應(yīng)該在資源積累曲線達(dá)到其正切點(diǎn)的時(shí)候。在某一網(wǎng)頁處信息資源的消耗也與此相似。另外，由于時(shí)間就是金錢，在一處搜索信息的時(shí)間越長，機(jī)會(huì)損失就越大。

生存壓力促使人類提高信息獲取效率(Pirolli,2007)。面對互聯(lián)網(wǎng)海量信息，人類不可能無休止地搜索下去，如何將有限的認(rèn)知資源進(jìn)行高效分配，以提高信息獲取效率，是進(jìn)化對人類提出的考驗(yàn)，也是目前急需解決的問題(Pirolli,2007)。信息量增大本是對人類生存有利的條件，但是在當(dāng)前的海量信息環(huán)境下，過濾掉大部分冗余信息亦是進(jìn)化適應(yīng)性的必然選擇。

諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主、認(rèn)知心理學(xué)家赫伯特·西蒙(Herbert Simon)在上世紀(jì)60年代的幾次演講中談到信息社會(huì)對人類認(rèn)知能力的挑戰(zhàn)。他通過一個(gè)有關(guān)兔子的比喻，形象地闡述了信息時(shí)代供需關(guān)系的改變。假設(shè)有人把兔子引進(jìn)到自家的莊園，但是對于兔子迅速地大量繁殖始料未及。由于兔子數(shù)量的大增，造成了需求的變化，使得兔子專用的飼料(比如青菜)嚴(yán)重不足。與此相似，在信息時(shí)代由于信息供應(yīng)的爆炸式增長(兔子)，使得處理信息專用的認(rèn)知資源(比如注意力)成為短缺商品(飼料)。更嚴(yán)重的是這種人類認(rèn)知上的短缺幾乎是固化的，難以通過擴(kuò)大產(chǎn)能來獲得緩解。

正是因?yàn)槲覀內(nèi)祟惖恼J(rèn)知資源是相對有限和固定不變的，為應(yīng)對信息負(fù)荷對認(rèn)知功能的挑戰(zhàn)，需要將海量信息進(jìn)行精簡。在認(rèn)知資源稀缺的情況下，精簡冗余信息成為人類適應(yīng)性決策的一個(gè)重要手段。為此，西蒙提出了兩個(gè)基本的應(yīng)對步驟：第一，發(fā)現(xiàn)冗余性；第二，建立一套消冗程序。考慮到人的認(rèn)知資源的局限性，西蒙提出了“有限理性(bounded rationality)”的應(yīng)對機(jī)制；認(rèn)為在現(xiàn)實(shí)的決策中，人們不可能獲得所有的相關(guān)信息并對此進(jìn)行復(fù)雜的加權(quán)整合，因而需要依據(jù)自身的認(rèn)知特性并利用任務(wù)環(huán)境的規(guī)律做出有效的判斷和決策。

為了應(yīng)對信息爆炸和人類認(rèn)知資源有限的挑戰(zhàn)，各個(gè)學(xué)科已經(jīng)在精簡冗余信息(消冗)方面做出了卓有成效的嘗試?？v觀各學(xué)科科學(xué)家為應(yīng)對挑戰(zhàn)所做出的努力，其采用的消冗方法主要是借助自評、數(shù)學(xué)法則等來獲取權(quán)重系數(shù)，以實(shí)現(xiàn)取舍信息的目標(biāo)。權(quán)重在精簡冗余信息過程中扮演著不可或缺的角色，如何給選項(xiàng)和特征賦予權(quán)重也就成了精簡冗余信息的關(guān)鍵。目前，賦予權(quán)重的方法主要包括主觀賦權(quán)法和客觀賦權(quán)法(Wang & Lee,2009)。

主觀賦權(quán)法是指人們對評估對象的各個(gè)因素，按其重要程度，依據(jù)經(jīng)驗(yàn)主觀賦予權(quán)重。主觀賦權(quán)法主要包括自由誘發(fā)法(free-elicitation method)(Van Ittersum,Pennings,Wansink,& Van Trijp,2007)、直接評定法(direct-rating method)(Quaschning,Pandelaere,& Vermeir,2014)、直接排序法(direct-ranking method)、點(diǎn)分配法(point allocation method)(Suk,& Yoon,2012)、層次分析法(analytical hierarchy process)(Wei,Qin,Yan,Hou,& Yuan,2016)、信息板法(Ford,Schmitt,Schechtman,Hults,& Doherty,1989)、多特征態(tài)度法(multi-attribute attitude method)(Wilkie & Pessemier,1973)和兌易法(trade-off method)等。該類方法反映的是決策者的主觀判斷或直覺，所以，基于權(quán)重的分析結(jié)果或選項(xiàng)排序易受決策者的知識或經(jīng)驗(yàn)的限制，通過打分直接給出各指標(biāo)權(quán)重難以保持權(quán)重的合理性。而其最重要的缺陷是：主觀權(quán)重通常不是由決策者在決策之時(shí)直接賦予的，而是在事前或事后通過調(diào)查和分析得出的。

客觀賦權(quán)法是指經(jīng)過對實(shí)際發(fā)生的資料進(jìn)行整理、計(jì)算和分析得出權(quán)重(Kambhatla & Leen,1997)?？陀^賦權(quán)法包括熵值法(entropy method)(Zavadskas,& Podvezko,2016)、主成分分析法(principal components analysis)、因素分析法(factor analysis)、投影追蹤法(projection pursuit)、主曲線法(principal curves)、自組織映射法(self-organizing maps)、局部線性技術(shù)(local linear approach)、神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)法(neural network implementations)等等(Carreira-Perpinn,1997;Choo & Wedley,1985)。這些客觀賦權(quán)法的主要局限在于：過分依賴客觀數(shù)據(jù)，需要足夠的樣本數(shù)據(jù)，通用性差，計(jì)算方法也比較復(fù)雜，忽略了決策者在決策需求、決策經(jīng)驗(yàn)和主觀感受上的個(gè)體差異，不能體現(xiàn)評判者對不同特征指標(biāo)的重視程度，從而導(dǎo)致賦予的權(quán)重會(huì)與特征的實(shí)際重要程度相差較大。

綜合主客觀賦權(quán)法的研究進(jìn)展可以看出，雖然多學(xué)科科學(xué)家們做出了諸多嘗試，但目前各學(xué)科已有的賦權(quán)數(shù)方法都存在不同程度的不足和缺陷。主觀賦權(quán)法反映了決策者的主觀判斷或直覺，但基于權(quán)重的分析結(jié)果或選項(xiàng)排序易受決策者的知識或經(jīng)驗(yàn)的限制，且效度問題一直為學(xué)界所詬病?？陀^賦權(quán)方法通常使用數(shù)學(xué)模型來獲得決策權(quán)重，但卻會(huì)忽略決策者對信息的主觀判斷?？傊喨哂嘈畔?、有用信息取舍都是借助權(quán)重而實(shí)現(xiàn)的。但目前所有方法(主觀客觀)均不能保證所導(dǎo)/算出的權(quán)重即是決策者在決策之時(shí)真正采用的權(quán)重。因此，準(zhǔn)確估算決策者在決策之時(shí)真正采用的權(quán)重成了降減海量信息量時(shí)繞不過去的攔路石。

3.1.2 富有前景的眼動(dòng)賦權(quán)法

Ma，F(xiàn)an和Huang(1999)提出，使用主客觀相結(jié)合的方法賦予權(quán)重或是富有前景的一種方法。它既考慮了人們主觀上對各項(xiàng)指標(biāo)的重視程度，又考慮了各項(xiàng)指標(biāo)原始數(shù)據(jù)之間的相互聯(lián)系及其影響，將會(huì)增強(qiáng)總體評價(jià)結(jié)果的合理性和科學(xué)性。而眼動(dòng)賦予權(quán)重的方法既考慮了人們主觀上對各項(xiàng)指標(biāo)的重視程度，又能實(shí)時(shí)反映各項(xiàng)指標(biāo)客觀數(shù)據(jù)之間的相互聯(lián)系及其影響(汪祚軍,李紓，2012;Sun,Rao,Zhou,& Li,2014)，或能成為富有前景的眼動(dòng)賦權(quán)法。

眼動(dòng)賦權(quán)法：眼動(dòng)追蹤數(shù)據(jù)能夠區(qū)別對待構(gòu)成選項(xiàng)的局部特征(維度/屬性)。決策者對能影響最終選擇的局部特征往往注視更多，這便可作為推論各局部特征所占權(quán)重大小的依據(jù)。已有證據(jù)表明，對于能影響最終選擇的局部特征，決策者會(huì)給予更多的注視次數(shù)，注視時(shí)間更長，并且有更多的回視。這一結(jié)果非常穩(wěn)健，且已被眾多研究所證實(shí)(Gl?ckner & Herbold,2011;Kim et al.,2012;MeiBner & Decker,2010;Reisen,Hoffrage,& Mast,2008;Su,Rao,Li,Wang,& Li,2012;Su et al.,2013;魏子晗,李興珊,2015;Zhou et al.,2016)。例如：在風(fēng)險(xiǎn)選擇中，被試會(huì)給予比平均期望更高的金錢值以更多的注視(Fiedler & Gl?ckner,2012)。Kuo，Hsu和Day(2009)利用眼動(dòng)追蹤技術(shù)對框架效應(yīng)所進(jìn)行的研究發(fā)現(xiàn)，決策者對損失信息的注視更多，這與決策者對損失賦予比等量收益更大權(quán)重的結(jié)論是一致的。在多屬性決策研究中，注視的多少能夠直接、實(shí)時(shí)地反映對特征的加工權(quán)重。例如：Orquin和Loose(2013)報(bào)告，在選擇酸奶時(shí)，人們最看重的是口味這一特征，并對口味這一特征的注視次數(shù)更多，注視時(shí)間也更長。在多屬性決策中，決策者會(huì)對共享特征(shared feature)賦予的權(quán)重較低，幾乎為0，而對獨(dú)有特征賦予較高的權(quán)重。而眼動(dòng)的研究也表明，決策者在進(jìn)行多屬性決策時(shí)對共同特征的注視很少，而對獨(dú)特特征的注視次數(shù)更多，時(shí)間更長(Sütterlin,Brunner,& Opwis,2008;Su,Rao,Li,Wang,& Li,2012)。

值得注意的是，眼動(dòng)反映的權(quán)重是實(shí)時(shí)的，可以反映不同決策情境、不同選項(xiàng)、不同參數(shù)下的權(quán)重變化情況，這是其他權(quán)重測量法所無法做到的。例如：當(dāng)同種特征有不同取值時(shí)，決策者在決策時(shí)可能會(huì)給予不同的權(quán)重。如果選項(xiàng)某特征上的取值比較極端，即該特征非常吸引人或者非常讓人厭惡時(shí)，會(huì)讓決策者對該特征賦予較高的決策權(quán)重，而當(dāng)該特征上的取值較為平庸時(shí)，會(huì)相對降低對該特征的權(quán)重。而眼動(dòng)恰恰能夠反映出隨著特征取值變化而變化的權(quán)重，Sütterlin，Brunner和Opwis(2008)就發(fā)現(xiàn)，當(dāng)選項(xiàng)特征從非常不吸引人到非常吸引人變化時(shí)，被試對特征的注視次數(shù)和注視時(shí)長的變化呈現(xiàn)一個(gè)倒U形曲線。這也說明眼動(dòng)測量方法具有較為廣泛的差異敏感性(劉志方，蘇衡，2016)。類似的結(jié)果在其他決策任務(wù)中也有過報(bào)告(Loose & Orquin,2012；MeiBner et al.,2012)。

綜上可知：注視(次數(shù)、時(shí)長、停留時(shí)間等指標(biāo))越多，構(gòu)成選項(xiàng)的局部特征的權(quán)重越大。據(jù)此，我們便可依據(jù)眼動(dòng)追蹤數(shù)據(jù)，推測、判斷決策者如何在實(shí)際決策情景中對選項(xiàng)或者特征進(jìn)行加權(quán)，并進(jìn)一步推測、判斷決策者如何依據(jù)權(quán)重的大小對海量信息做消冗或取舍處理?；趯鴥?nèi)外研究現(xiàn)狀的分析，我們認(rèn)為：在所有借助權(quán)重“對海量信息做消冗或取舍處理”的嘗試中，眼動(dòng)賦權(quán)法可能是目前最接近真實(shí)的測量。如果能在眼動(dòng)賦權(quán)法上有所突破，不僅能為現(xiàn)代測量理論解決這學(xué)科的老大難問題，而且能為海量信息的消冗提供可靠的依據(jù)或標(biāo)準(zhǔn)。

如上所述，我們?nèi)羰褂谩皟?nèi)腦”方式應(yīng)對互聯(lián)網(wǎng)海量信息環(huán)境對人類認(rèn)知系統(tǒng)和人類決策提出的挑戰(zhàn)，其關(guān)鍵就在于能否有效精簡冗余信息。能夠找出并理解人類如何利用“生態(tài)理性”消冗的途徑和辦法，就能著手處理“信息垃圾”，將“信息爆炸對人類現(xiàn)有的認(rèn)知系統(tǒng)及決策提出的挑戰(zhàn)”化解于無形。

3.2 外腦的應(yīng)對方式

若如英國神經(jīng)生物學(xué)教授科林·布萊克莫爾曾在英國《星期日泰晤士報(bào)》所言，“大腦有生長能力”，互聯(lián)網(wǎng)海量信息可能會(huì)刺激新的神經(jīng)細(xì)胞生成，從而在大腦中生成新的神經(jīng)連接，我們?nèi)祟悇t可能會(huì)朝著“萬物之靈”或“超人”的方向進(jìn)化——將自己的內(nèi)腦演變成超強(qiáng)大腦。這就是以上我們所討論的憑借“內(nèi)腦”的應(yīng)對方式應(yīng)對互聯(lián)網(wǎng)海量信息。

抑或，面對互聯(lián)網(wǎng)海量信息，我們?nèi)祟悤?huì)朝著“魚群”或“蝗群”的方向進(jìn)化——每一個(gè)體的決策既受其他個(gè)體(外腦)的左右，又同時(shí)左右其他個(gè)體，但并不存在一個(gè)超強(qiáng)大腦指揮著整個(gè)社會(huì)的協(xié)同行動(dòng)(見圖5)。

圖5 人類的有序協(xié)同合作隱喻圖

外腦的應(yīng)對方式指的是借助社會(huì)參照、專家意見、計(jì)算機(jī)建議、媒體導(dǎo)向等手段處理海量信息。

圖6 人類平添了另一個(gè)大腦

社會(huì)參照。參照點(diǎn)指個(gè)體在對決策方案進(jìn)行判斷和評價(jià)時(shí)所隱含的一定的評價(jià)參照標(biāo)準(zhǔn)，它通常是個(gè)體的習(xí)慣狀態(tài)，或?yàn)樯鐣?huì)規(guī)范、習(xí)俗，或?yàn)閭€(gè)體期望或抱負(fù)水平(何貴兵，于永菊，2006)。社會(huì)參照是指參考他人的選擇偏好進(jìn)行自己的決策加工，或與他人一致，或與他人適度區(qū)分。在互聯(lián)網(wǎng)海量信息環(huán)境下，當(dāng)個(gè)體無法依靠人腦決策時(shí)，社會(huì)參照(他人/群體等)便成為一種行之有效的決策策略。而社會(huì)參照效應(yīng)的大小亦受到諸多因素的影響，如，楊紅升和黃希庭(2007,2009)認(rèn)為個(gè)體對內(nèi)群體的認(rèn)同是產(chǎn)生群體參照效應(yīng)的必要因素。徐科朋(2014)的研究表明，在個(gè)體內(nèi)部，社會(huì)身份重要程度越高，社會(huì)認(rèn)同度越高，相應(yīng)的群體參照效應(yīng)越大。此外，也有研究表明，社會(huì)參照可以有多種形式。例如，英國劍橋大學(xué)心理測驗(yàn)學(xué)中心的米哈爾·科辛斯基(Michal Kosinski)和他的兩位同事在《美國國家科學(xué)院院刊》上發(fā)表的研究論文證實(shí)，人們的許多個(gè)人特征——諸如政治傾向、宗教信仰、性別、種族和性傾向——都可以通過他在Facebook上的“贊”(like)記錄進(jìn)行預(yù)測，而Facebook等社交工具上的行為亦能夠成為一種典型的社會(huì)參照。

專家意見。建議的提出和采納是一項(xiàng)基本的決策活動(dòng)。我們常向他人征求建議，也常向他人提出建議，以使最終的決策更為準(zhǔn)確或有效(李躍然,李紓,2009)。1995年，Sniezek和Buckley(1995)提出了決策者-建議者系統(tǒng)(judge-advisor system，簡稱JAS)的概念，JAS模型中的成員包括一個(gè)決策者(judge)和一個(gè)或多個(gè)建議者(advisor)。建議者的任務(wù)是根據(jù)決策任務(wù)的信息，向決策者提出建議。決策者綜合考慮各種建議以及自己的觀點(diǎn)，做出最終的決策。決策者往往依賴建議者的信息、觀點(diǎn)，以便做出更為準(zhǔn)確的決策；建議者反過來也從決策的準(zhǔn)確性中獲得收益(如金錢)或損失(如聲譽(yù)或工作保障)。在對決策者信息獲取過程的研究中，Schrah,Dalal和Sniezek(2006)發(fā)現(xiàn)，隨著任務(wù)復(fù)雜程度的增加，決策者趨于更加認(rèn)同建議。專家是對某一事物精通，或者說有獨(dú)到的見解的人，互聯(lián)網(wǎng)海量信息環(huán)境增加了人類決策的復(fù)雜度，可能會(huì)使決策者更傾向于依賴專家意見進(jìn)行決策。

計(jì)算機(jī)建議。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人類的決策系統(tǒng)難以應(yīng)對海量信息。計(jì)算機(jī)產(chǎn)生的海量信息造成了人類的決策選擇困境，但同時(shí)計(jì)算機(jī)又擁有巨大信息存儲(chǔ)和運(yùn)算能力，這使得借助計(jì)算機(jī)這個(gè)“外腦”成為人類決策所必不可少的一步，各領(lǐng)域的計(jì)算機(jī)輔助決策系統(tǒng)也應(yīng)運(yùn)而生。有研究(余貽鑫,王成山,2000)表明，計(jì)算機(jī)輔助決策系統(tǒng)的應(yīng)用能夠顯著提高規(guī)劃的科學(xué)性和精確性，大大降低規(guī)劃工程師的勞動(dòng)強(qiáng)度。

媒體導(dǎo)向。隨著互聯(lián)網(wǎng)的飛速發(fā)展，在傳統(tǒng)媒體(traditional media)基礎(chǔ)上我們迎來了自媒體(we-media)時(shí)代。這個(gè)時(shí)代中，人人都有發(fā)聲的麥克風(fēng)，從而大大降低了信息傳播的門檻。不管什么媒體，最終都扮演了信息提供者的角色。而新媒體興起以來，信息越來越碎片化，人們獲取信息反而更難。在人類日常決策過程中，決策者也更易受媒體的報(bào)道傾向的影響。

綜上，人類獲取和處理信息的精力和能力總是有限的(Simon,1991,2013)。面對互聯(lián)網(wǎng)海量信息，在認(rèn)知資源有限的情況下，除了硬著頭皮采用單打獨(dú)斗策略，借助“內(nèi)腦”應(yīng)對方式應(yīng)對這個(gè)挑戰(zhàn)外，還可以采用搬請?jiān)柚巴饽X”的應(yīng)對方式。而外腦的應(yīng)對方式主要包括社會(huì)參照、專家意見等。而在互聯(lián)網(wǎng)環(huán)境下，人們正越來越多地依賴社會(huì)參照或計(jì)算機(jī)建議等外部輔助手段并借助互聯(lián)網(wǎng)技術(shù)來幫助自己處理海量信息。至于何時(shí)采用“內(nèi)腦”應(yīng)對方式，何時(shí)采用“外腦”應(yīng)對方式，應(yīng)是一個(gè)權(quán)變和自適應(yīng)過程，或取決于決策任務(wù)特征(如時(shí)間壓力、任務(wù)復(fù)雜性等)、個(gè)體特征(如信息貧富、認(rèn)知風(fēng)格等)和決策學(xué)習(xí)等因素。

4 總結(jié)與展望

綜上，互聯(lián)網(wǎng)海量信息環(huán)境對人類決策系統(tǒng)提出了諸多挑戰(zhàn)，但鮮有研究深入探討人類決策者對海量信息的應(yīng)對方式及其有效性。本文類比生物界“無序個(gè)體單獨(dú)行動(dòng)”和“有序集體統(tǒng)一行動(dòng)”的轉(zhuǎn)換機(jī)制(ecological patterns)，首次提出內(nèi)外腦的應(yīng)對方式，具有重要的理論和實(shí)際借鑒意義：(1)理論上，從仿生學(xué)視角提出“仿生決策應(yīng)對方式”來解釋人類應(yīng)對互聯(lián)網(wǎng)海量信息環(huán)境時(shí)“內(nèi)腦-外腦”的協(xié)同關(guān)系；(2)實(shí)際應(yīng)用上，根據(jù)“仿生決策應(yīng)對方式”原理，提出互聯(lián)網(wǎng)海量信息環(huán)境下的決策增強(qiáng)技術(shù)，以改進(jìn)決策質(zhì)量、效率和體驗(yàn)。雖然大量研究已經(jīng)探索了信息量增加環(huán)境下對人類行為決策的影響，多學(xué)科科學(xué)家在精簡冗余信息方面也做出了卓有成效的嘗試，然而卻鮮有研究真正以人們所處的互聯(lián)網(wǎng)海量信息環(huán)境為大背景探索人類的決策行為，也未探索出一種真正“以人為本、實(shí)時(shí)賦權(quán)”的處理冗余信息的方法。在此基礎(chǔ)上，我們認(rèn)為未來研究可從以下幾個(gè)方面著手。

首先，在研究內(nèi)容方面：厘清信息過載界限，并著力探究“兩個(gè)大腦、三個(gè)系統(tǒng)”的適應(yīng)性決策。許多研究(Huff & Johnson,2014;Szrek,2017)報(bào)告了關(guān)于選擇過載(choice overload)的現(xiàn)象。然而，并非所有研究都發(fā)現(xiàn)了該效應(yīng)的存在。目前眾多研究者開始呼吁研究這種效應(yīng)的牢固性和普遍性，并由此確定選擇過多與選擇過載的界限條件(Chernev,Bockenholt& Goodman,2015;Scheibehenne,Greifeneder& Todd,2010)。未來的研究應(yīng)厘清信息過載的界限問題，以免造成概念的混淆。

在非海量(原來)信息環(huán)境下，人類憑借一個(gè)大腦(人腦)和兩個(gè)系統(tǒng)(啟發(fā)式與分析式的雙系統(tǒng))進(jìn)行決策；而在海量(現(xiàn)在)信息環(huán)境下，人類平添了一個(gè)“大腦”(電腦)和“一個(gè)系統(tǒng)”(網(wǎng)絡(luò)系統(tǒng))，變?yōu)閮蓚€(gè)大腦(人腦+電腦)、三個(gè)系統(tǒng)(啟發(fā)式系統(tǒng)+分析式系統(tǒng)+網(wǎng)絡(luò)系統(tǒng))。人類已經(jīng)開始被智能電子設(shè)備(電腦、智能手機(jī)等)附體了。我們原有的大腦是否會(huì)隨之萎縮，其功能是否會(huì)隨之退化，目前還不得而知。但較肯定的是，在兩個(gè)大腦的掌控下，研究人類決策會(huì)變得更加困難、更富有挑戰(zhàn)性(李紓,2017)。未來的決策研究可以以此為切入點(diǎn)，探究人類與互聯(lián)網(wǎng)環(huán)境交互作用下的決策行為。

其次，在研究方法方面：探索有效的實(shí)驗(yàn)方法，發(fā)揮眼動(dòng)追蹤技術(shù)的實(shí)時(shí)賦權(quán)優(yōu)勢和虛擬現(xiàn)實(shí)法的高生態(tài)效度的技術(shù)優(yōu)勢。未來研究可考慮使用不同的方法來探究賦予決策權(quán)重、精簡冗余信息。除了目前賦予權(quán)重的兩種主要方法——主觀賦權(quán)法和客觀賦權(quán)法(Wang & Lee,2009)，眼動(dòng)賦權(quán)法較好地結(jié)合了主客觀賦權(quán)法的優(yōu)勢，并且能夠?qū)崟r(shí)賦予權(quán)重，具有較好的發(fā)展前景。此外，為更逼真地營造互聯(lián)網(wǎng)海量信息的實(shí)驗(yàn)室環(huán)境，未來研究可以考慮借鑒虛擬現(xiàn)實(shí)技術(shù)(virtual reality technique)來模擬實(shí)際購物等任務(wù)，以提高生態(tài)效度。虛擬現(xiàn)實(shí)技術(shù)是結(jié)合計(jì)算機(jī)、人工智能等復(fù)雜的技術(shù)，可模擬出人類在生活環(huán)境中的感官認(rèn)知，讓人處在一種虛擬的世界里進(jìn)行探索，該方法對互聯(lián)網(wǎng)海量信息環(huán)境下的研究具有廣闊的前景。

最后，實(shí)際應(yīng)用方面：重視和發(fā)揮決策研究的實(shí)際應(yīng)用價(jià)值。研究互聯(lián)網(wǎng)海量信息環(huán)境下的行為決策同樣具有重要的現(xiàn)實(shí)意義。例如，對于市場經(jīng)理而言，需要確定在產(chǎn)品線上提供多少選項(xiàng)、異質(zhì)性程度如何；對于零售商而言，需要確定在貨架上展示多少商品，商品是否覆蓋多種不同的屬性；對于公共政策制定者而言，需要確定向市民提供的健康計(jì)劃等政策的選項(xiàng)數(shù)量和種類(Szrek,2017)。為了厘清選項(xiàng)數(shù)量與種類對互聯(lián)網(wǎng)海量信息環(huán)境下商家營銷和消費(fèi)者購物體驗(yàn)之間的關(guān)系，未來的研究應(yīng)該在現(xiàn)實(shí)需求的基礎(chǔ)上探究海量信息與現(xiàn)實(shí)需求的影響作用，并發(fā)展基于互聯(lián)網(wǎng)海量信息環(huán)境的決策增強(qiáng)技術(shù)。

何貴兵,于永菊.(2006).決策過程中參照點(diǎn)效應(yīng)研究述評.心理科學(xué)進(jìn)展,14(3),408-412.

江程銘,張智君,任衍具.(2004).文本結(jié)構(gòu)和個(gè)體認(rèn)知風(fēng)格對網(wǎng)上信息搜索績效的影響.人類工效學(xué),10(1),4-6.

劉志方,蘇衡.(2016).航空環(huán)境中情境意識的個(gè)體差異和任務(wù)難度差異檢測:眼動(dòng)測量技術(shù)的優(yōu)勢.應(yīng)用心理學(xué),22(1),12-25.

李紓.(2017).未來心理學(xué)的前景：當(dāng)人類平添了另一個(gè)大腦.管理視野,1,90-93.

李躍然,李紓.(2009).決策者-建議者系統(tǒng)模型的回顧與前瞻.新華文摘,23,139-142.

聶天奇.(2015).大數(shù)據(jù)時(shí)代信息資源的利用.科技情報(bào)開發(fā)與經(jīng)濟(jì),28(18),119-121.

孫彥,李紓,殷曉莉.(2007).決策與推理的雙系統(tǒng)——啟發(fā)式系統(tǒng)和分析系統(tǒng).心理科學(xué)進(jìn)展,15(5),721-726.

汪祚軍,李紓.(2012).對整合模型和占優(yōu)啟發(fā)式模型的檢驗(yàn)：基于信息加工過程的眼動(dòng)研究證據(jù).心理學(xué)報(bào),44(2),179-198.

王玉君.(2013).大數(shù)據(jù)時(shí)代信息資源利用研究.科技情報(bào)開發(fā)與經(jīng)濟(jì),(22),124-126.

魏子晗,李興珊.(2015).決策過程的追蹤:基于眼動(dòng)的證據(jù).心理科學(xué)進(jìn)展,23(12),2029-2041.

徐科朋,周愛保,夏瑞雪,王大順,李世峰,任德云.(2014).社會(huì)身份重要性和社會(huì)認(rèn)同對群體參照效應(yīng)的影響.心理科學(xué),37(6),1438-1443.

楊紅升,黃希庭.(2007).中國人的群體參照記憶效應(yīng).心理學(xué)報(bào),39(2),235-241.

楊紅升,黃希庭.(2009).群體參照記憶效應(yīng)的跨文化比較研究.心理科學(xué),32(6),1287-1290.

于泳紅,汪航.(2005).選項(xiàng)數(shù)量和屬性重要性對決策中信息加工的影響.應(yīng)用心理學(xué),11(3),222-226.

余貽鑫,王成山.(2000).城網(wǎng)規(guī)劃計(jì)算機(jī)輔助決策系統(tǒng).電力系統(tǒng)自動(dòng)化,24(15),59-62.

Anderson,N.H.(1981).Foundationsofinformationintegration.New York:Academic Press.

Barbara,F.,& McClelland,G.(1999).Tracing decision processes on the web.Paper presented at the Poster Presented at the November 1999 SJDM Annual Meeting,Los Angeles,CA.

Bawden,D.,& Robinson,L.(2009).The dark side of information:Overload,anxiety and other paradoxes and pathologies.JournalofInformationScience,35(2),180-191.

Bohn,R.,& Short,J.E.(2012).Measuring Consumer Information.InternationalJournalofCommunication,6(21),980-1000.

Buhl,J.,Sumpter,D.J.T.,Couzin,I.D.,Hale,J.J.,Despland,E.,Miller,E.R.,& Simpson,S.J.(2006).From disorder to order in marching locusts.Science,312(5778),1402-1406.

Charnov,E.L.(1976).Optimal foraging,the marginal value theorem.TheoreticalPopulationBiology,9(2),129-136.

Chernev,A.,Bockenholt,U.,& Goodman,J.(2015).Choice overload:A conceptual review and meta-analysis.JournalofConsumerPsychology,25(2),333-358.

Choo,E.U.,& Wedley,W.C.(1985).Optimal criterion weights in repetitive multicriteria decision-making.JournaloftheOperationalResearchSociety,36(11),983-992.

Fiedler,S.,& Gl?ckner,A.(2012).The dynamics of decision making in risky choice:An eye-tracking analysis.FrontiersinPsychology,3,1-18.

Ford,J.K.,Schmitt,N.,Schechtman,S.L.,Hults,B.M.,& Doherty,M.L.(1989).Process tracing methods:Contributions,problems,and neglected research questions.OrganizationalBehaviorandHumanDecisionProcesses,43(1),75-117.

Gigerenzer,G.,& Selten,R.(2002).Bounded rationality:The adaptive toolbox.Cambridge,MA:MIT Press.

Gl?ckner,A.,& Herbold,A.K.(2011).An eye-tracking study on information processing in risky decisions:Evidence for compensatory strategies based on automatic processes.JournalofBehavioralDecisionMaking,24(1),71-98.

Gosling,D.S.,& Mason,W.(2015).Internet research in psychology.AnnualReviewofPsychology,66,877-902.

Hammond,K.R.(1996).Humanjudgmentandsocialpolicy:Irreducibleuncertainty,inevitableerror,unavoidableinjustice.New York:Oxford University Press.

Harari,Y.N.(2014).Sapiens:Abriefhistoryofhumankind.Random House.

Hayes,S.C.,Kapust,J.,Leonard,S.R.,& Rosenfarb,I.(1981).Escape from freedom:Choosing not to choose in pigeons.JournaloftheExperimentalAnalysisofBehavior,36(1),1-7.

Hills,T.T.,Todd,P.M.,Lazer,D.,Redish,A.D.,&Couzin,I.D.(2015).Exploration versus exploitation in space,mind,and society.TrendsinCognitiveSciences,19(1),46-54.

Huber,J.,Payne,J.W.,& Puto,C.(1982).Adding asymmetrically dominated alternatives:Violations of regularity and the similarity hypothesis.JournalofConsumerResearch,9(1),90-98.

Huff,S.C.,& Johnson,A.C.(2014).Clicking through overload:When choice overload can actually increase choice.JournalofDirect,DataandDigitalMarketingPractice,16(1),24-35.

Iyengar,S.S.,& Lepper,M.R.(2000).When choice is demotivating:Can one desire too much of a good thing?JournalofPersonalityandSocialPsychology,79(6),995-1006.

Jacoby,J.,Speller,D.E.,& Berning,C.K.(1974).Brand choice behavior as a function of information load:Replication and extension.JournalofConsumerResearch,1(1),33-42.

Kahneman,D.(2003).Maps of bounded rationality:Psychology for behavioral economic.TheAmericanEconomicReview,93(5),1449-1475.

Kahneman,D.(2011).Thinking,fast and slow:Macmillan.

Kahneman,D.,& Frederick,S.(2002).Representativeness revisited:Attribute substitution in intuitive judgment.In T.Gilovich,D.Griffin,& D.Kahneman (Eds.),Heuristicsandbiases(pp.49-81).New York:Cambridge University Press.

Kahneman,D.,Fredrickson,B.L.,Schreiber,C.A.,&Redelmeier,D.A.(1993).When more pain is preferred to less:Adding a better end.PsychologicalScience,4(6),401-405.

Kambhatla,N.,& Leen,T.K.(1997).Dimension reduction by local principal component analysis.NeuralComputation,9(7),1493-1516.

Kim,B.E.,Seligman,D.,& Kable,J.W.(2012).Preference reversals in decision making under risk are accompanied by changes in attention to different attributes.FrontiersinNeuroscience,6, 1-10.

Kinjo,K.,& Ebina,T.(2015).Paradox of choice and consumer nonpurchase behavior.AI&SOCIETY,30(2),291-297.

Kleinmuntz,D.N.(1990).Decomposition and the control of error indecision analytic models.In R.M.Hogarth (Ed.),Insightsindecisionmaking:AtributetoHillelJ.Einhorn(pp.107-126).Chicago:Universityof Chicago Press.

Klingberg,T.(2009).Theoverflowingbrain:Informationoverloadandthelimitsofworkingknowledge.Oxford University Press.

Kuo,F.Y.,Hsu,C.W.,& Day,R.F.(2009).An exploratory study of cognitive effort involved in decision under Framing—an application of the eye-tracking technology.DecisionSupportSystems,48(1),81-91.

Loose,S.M.,& Orquin,J.L.(2012).Howstimulipresentationformataffectsvisualattentionandchoiceoutcomesinchoiceexperiments.In ANZMAC 2012.

Ma,J.,Fan,Z.P.,& Huang,L.H.(1999).A subjective and objective integrated approach to determine attribute weights.EuropeanJournalofOperationalResearch,112(2),397-404.

Meissner,M.,& Decker,R.(2010).Eye-tracking information processing in choice-based conjoint analysis.InternationalJournalofMarketResearch,52(5),593-610.

MeiBner,M.,Musalem,A.,& Huber,J.(2012).Gazecascadeeffectsinrepeatedconjointchoices.In Australian and New Zealand Marketing Academy (ANZMAC) Conference Adelaide.

Miller,G.A.(1983).Informavores.In F.Machlup & U.Mansfield (Eds),Thestudyofinformation:Interdisciplinarymessages(pp.111-113).New York:Wiley.

Orquin,J.L.,& Loose,S.M.(2013).Attention and choice:A review on eye movements in decision making.ActaPsychologica,144(1),190-206.

Payne,J.W.,Bettman,J.R.,& Johnson,E.J.(1993).The adaptive decision maker.Cambridge,England:Cambridge University Press.

Payne,J.W.(1976).Task complexity and contingent processing in decision making:An information search and protocol analysis.OrganizationalBehaviorandHumanPerformance,16(2),366-387.

Pirolli,P.(2007).Information foraging theory:Adaptive interaction with information.New York:Oxford University Press.

Pirolli,P.,& Card,S.K.(1999).Information foraging.PsychologicalReview,106(4),643-675.

Quaschning,S.,Pandelaere,M.,&Vermeir,I.(2014).When and why attribute sorting affects attribute weights in decision-making.JournalofBusinessResearch,67(7),1530-1536.

Reisen,N.,Hoffrage,U.,& Mast,F.W.(2008).Identifying decision strategies in a consumer choice situation.JudgmentandDecisionMaking,3(8),641-658.

Scheibehenne,B.,Greifeneder,R.,& Todd,P.M.(2010).Can there ever be too many options? A meta-analytic review of choice overload.JournalofConsumerResearch,37(3),409-425.

Schrah,G.E.,Dalal,R.S.,& Sniezek,J.A.(2006).No decision-maker is an Island:Integrating expert advice with information acquisition.JournalofBehavioralDecisionMaking,19(1),43-60.

Schultz,U.,& Vandenbosch,B.(1998).Information overload in a groupware environment:Now you see it,now you don’t.JournalofOrganizationalComputingandElectronicCommerce,8(2),127-148.

Schwartz,B.(2004).The paradox of choice.New York,NY:Ecco.

Schroder,H.M.,Driver,M.J.,& Streufert,S.(1967).Human information processing.New York:Holt,Rinehart & Winston.

Shafir,E.(1993).Choosing versus rejecting:Why some options are both better and worse than others.Memory&Cognition,21(4),546-556.

Simon,H.A.(1991).Bounded rationality and organizational learning.OrganizationScience,2(1),125-134.

Simon,H.A.(2013).Administrative behavior:Simon and Schuster.

Simonson,I.(1989).Choice based on reasons:The case of attraction and compromise effects.JournalofConsumerResearch,16(2),158-174.

Sloman,S.A.(1996).The empirical case for two systems of reasoning.PsychologicalBulletin,119(1),3-22.

Sniezek,J.A.,& Buckley,T.(1995).Cueing and cognitive conflict in judge-advisor decision making.OrganizationalBehaviorandHumanDecisionProcesses,62(2),159-174.

Stanovich,K.E.,& West,R.F.(2000).Individual differences in reasoning:Implications for the rationality debate?BehavioralandBrainSciences,23(5),645-665.

Su,Y.,Rao,L.L.,Li,X.,Wang,Y.,& Li,S.(2012).From quality to quantity:The role of common features in consumer preference.JournalofEconomicPsychology,33(6),1043-1058.

Su,Y.,Rao,L.L.,Sun,H.Y.,Du,X.L.,Li,X.,& Li,S.(2013).Is making a risky choice based on a weighting and adding process? An eye-tracking investigation.JournalofExperimentalPsychology:Learning,Memory,andCognition,39(6),1765-1780.

Suk,K.,& Yoon,S.O.(2012).The moderating role of decision task goals in attribute weight convergence.OrganizationalBehaviorandHumanDecisionProcesses,118(1),37-45.

Sun,H.Y.,Rao,L.L.,Zhou,K.,& Li,S.(2014).Formulating an emergency plan based on expectation-maximization is one thing,but applying it to a single case is another.JournalofRiskResearch,17(7),785-814.

Sütterlin,B.,Brunner,T.A.,& Opwis,K.(2008).Eye-tracking the cancellation and focus model for preference judgments.JournalofExperimentalSocialPsychology,44(3),904-911.

Svenson,O.(1979).Process descriptions of decision making.OrganizationalBehaviorandHumanDecisionPerformance,23(1),86-112.

Szrek,H.(2017).How the number of options and perceived variety influence choice satisfaction:An experiment with prescription drug plans.JudgmentandDecisionMaking,12(1),42-59.

Todd,P.,& Benbasat,I.(1992).The use of information in decision making:An experimental investigation of the impact of computer-based decision aids.MisQuarterly,373-393.

Trueblood,J.S.,Brown,S.D.,& Heathcote,A.(2014).The multiattribute linear ballistic accumulator model of context effects in multialternative choice.PsychologicalReview,121(2),3581-3586.

Tversky,A.(1972).Elimination by aspects:A theory of choice.PsychologicalReview,79(4),281-299.

Tversky,A.,& Kahneman,D.(1981).The framing of decisions and the psychology of choice.Science,211(4481),453-458.

Van Ittersum,K.,Pennings,J.M.,Wansink,B.,& Van Trijp,H.C.(2007).The validity of attribute-importance measurement:A review.JournalofBusinessResearch,60(11),1177-1190.

Wallin,A.,Paradis,C.,& Katsikopoulos,K.V.(2016).Evaluative polarity words in risky choice framing.JournalofPragmatics,106,20-38.

Wang,T.C.,& Lee,H.D.(2009).Developing a fuzzy TOPSIS approach based on subjective weights and objective weights.ExpertSystemswithApplications,36(5),8980-8985.

Wang,X.T.(Xiao-Tain) (2002).Risk as reproductive variance.EvolutionandHumanBehavior,23(1),35-57.

Wei,L.,Qin,T.,Yan,Y.,Hou,J.,& Yuan,Z.(2016,May).Competitive ability evaluation for generation enterprises based on combinational weight and improved TOPSIS.InControlandDecisionConference(CCDC),2016Chinese(pp.6497-6501).IEEE.

Wilkie,W.L.,& Pessemier,E.A.(1973).Issues in marketing’s use of multi-attribute attitude models.JournalofMarketingResearch,428-441.

Zavadskas,E.K.,& Podvezko,V.(2016).Integrated determination of objective criteria weights in MCDM.InternationalJournalofInformationTechnology&DecisionMaking,15(02),267-283.

Zhou,L.,Zhang,Y.Y.,Wang,Z.J.,Rao,L.L.,Wang,W.,Li,S.,Li,X.,&Liang,Z.Y.(2016).A scanpath analysis of the risky decision-making process.JournalofBehavioralDecisionMaking,29,169-182.

DecisionMakingintheEnvironmentofInternetMassInformation:ChallengeandResponsePattern

HUANGYuan-na1,2WEIZi-han1,2SHENSi-chu1,2WANGXiao-tian3GELie-zhong4HEGui-bing5LIShu1,2

(1.CAS Key Laboratory of Behavioral Science, Institute of Psychology, Beijing 100101, China;2.Department of Psychology, University of Chinese Academy of Sciences, Beijing 100049, China; 3.University of South Dakota, SD 57069, the United States；4.Center for Psychological Science, Zhejiang University, Hangzhou 310028,China；5.Department of Psychology and Behavioral Sciences, Zhejiang University, Hangzhou 310028, China)

The Internet has carried the world into an era of information explosion. The gap between fixed brain capacity and booming Internet information raises an unprecedented challenge to human judgment and decision-making. This trend impacts everyone, however,there is no ready solution to this challenge. Thus, we attempt to structure an “in-brain and extra-brain” bionic model to deal with the extensive amount of Internet information.By simulating the alternating ecological patterns of “disorderly individual actions” and “orderly group actions” that animals, such as fish, birds, and insects, exhibit, this research intends to study human decision making in the context of Internet massive information. We examined how people utilize the two brains (brain and the Internet) and three systems (heuristic, analysis, and network systems) to make ecologically rational decisions, adapt to information overload, and dispose information garbage, and how they make such decisions with the limited cognitive capacity. The present research aims to deepen our understanding of decision-making mechanisms and provide systematic scientific analysis and theoretical support for making adaptive and effective decisions in the context of Internet mass information.

Internet mass information,bionic response pattern,in-brain decision-making,extra-brain decision-making,eye-tracking

* 中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗(yàn)室自主研究課題(Y5CX052003)項(xiàng)目。

** 通信作者：王曉田，男，心理學(xué)博士，教授，博士生導(dǎo)師，e-mail:XT.Wang@usd.edu；葛列眾，男，心理學(xué)博士，教授，博士生導(dǎo)師，e-mail:topglzh@163.com；何貴兵，男，心理學(xué)博士，教授，博士生導(dǎo)師，e-mail:gbhe@zju.edu.cn；李紓，男，心理學(xué)博士，研究員，博士生導(dǎo)師，e-mail:lishu@psych.ac.cn。

B849

：A

：1006-6020(2017)-03-0195-15