인간의 의사결정

같은 정보, 다른 결정

두 지원자 중 교육 프로그램에서 더 잘 수행할 사람을 고른다고 하자. 세 단서(cue)는 성공을 예측하는 방향으로 이진화되어 있고, 중요도는 다음과 같다.

보상적 과정: 여러 증거를 하나의 값으로 통합

보상적 전략의 전형은 가중가산(weighted additive, WADD) 규칙

1. 관련 단서를 찾는다.
2. 각 대안의 단서값을 얻는다.
3. 단서의 중요도 또는 예측 타당도를 가중치로 부여한다.
4. 단서값을 가중합한다.
5. 총점이 가장 큰 대안을 선택한다.

비보상적 과정: 어떤 차이는 다른 장점으로 상쇄되지 않는다

Take-the-Best: 첫 번째 충분한 이유에서 멈추기:

1. 탐색 규칙: 타당도가 높은 단서부터 본다.
2. 중단 규칙: 처음 판별되는 단서에서 멈춘다.
3. 결정 규칙: 그 단서가 지지하는 대안을 고른다.
4. 끝까지 구분되지 않으면 추측한다.

휴리스틱: 판단을 위해 정보를 단순화하는 방법

휴리스틱과 편향

• Tversky와 Kahneman: 사람들이 불확실한 상황에서 확률을 직접 계산하기보다 소수의 직관적 휴리스틱에 의존
• 휴리스틱은 경제적이고 대체로 효과적이지만, 특정 조건에서는 체계적이고 예측 가능한 편향

휴리스틱이 정보처리 부담을 줄이는 방법

가중가산 규칙을 사용하려면 관련 단서를 모두 찾고, 단서값을 검색·저장하고, 적절한 가중치를 부여하고, 하나의 총점으로 통합한 뒤 모든 대안을 비교해야

휴리스틱과 생태학적 합리성

• 휴리스틱과 편향 연구가 직관적 판단이 확률·통계 규범에서 언제 벗어나는지
• 생태학적 합리성(ecological rationality): 어떤 환경에서 단순한 규칙이 실제 목표를 잘 달성하는지
• 예시:
  • 같은 가용성 휴리스틱도 기억의 접근성이 실제 빈도를 반영하면 정확하고, 매체 노출처럼 접근성을 왜곡하는 요인이 있으면 편향을 만든다.
  • Take-the-Best는 최상위 단서가 나머지를 압도하면 효율적이지만, 여러 약한 단서의 합이 중요하면 정보를 너무 일찍 버린다.
  • 모든 정보를 통합하는 복잡한 모형도 작은 표본에서는 잡음에 과적합할 수 있다. 이때 단순한 규칙의 낮은 분산이 새 자료의 예측에 유리할 수 있다.

전략 선택에 영향을 미치는 요인

• 정보 획득 비용: 단서를 열어보는 데 돈·시간·기억 노력이 들면 적은 정보로 일찍 멈추는 전략이 늘어난다.
• 시간압박: 시간비용이 높아지면 가치가 낮은 계산부터 생략
• 정보의 위치와 표상 형식: 정보가 한눈에 동시에 보이면 보상적 전략이 증가
• 환경의 특성: 최상위 단서가 나머지를 압도하는 환경에서는 비보상적 전략이, 여러 약한 단서의 합이 중요한 환경에서는 보상적 전략이 더 많은 보상을 낸다.
• 결정 문턱: 더 큰 확신을 요구하면 더 많은 증거를 모으고, 빠른 결정을 중시하면 낮은 문턱에서 멈춤
• 주의 배분: 특정 단서에 더 오래 주의를 두면 보상적 통합 안에서도 그 단서의 실질적 가중치가 커질 수 있음
• 인지 능력: 작업기억 부하와 작업기억용량의 단순한 주효과는 발견되지 않음
• 문제의 복잡성: 복잡한 문제라고 복잡하게 접근하는 것은 아님