根据发表的研究报告，当我们评估和比较一系列数据点时 - 无论这些数据与健康结果，人头数或菜单价格有关 - 我们倾向于忽略证据的相对强度，并将其视为简单的二元数据。在心理科学，协会心理科学的杂志。
研究的第一作者，卡内基梅隆大学的心理学家马修·费舍尔说：“人们表现出强烈倾向于将数据分布二分，并忽略实例与显性或推断中点的差异程度的差异。”“这种趋势在各种信息格式和内容领域都非常普遍，我们的研究首次证明了这种普遍趋势。”在一系列六项研究中，费舍尔和耶鲁大学的合着者弗兰克·凯尔(Frank C. Keil)研究了人们如何将连续范围的数据点简化为两类。“特别是在互联网时代，人们可以获得大量的信息，”费舍尔说。“我们一直对人们如何在触手可及的情况下理解所有数据感兴趣。”
Fisher和Keil假设人们会隐含地创建一个“不平衡分数”，分析落在给定边界一侧的数据点与落在另一侧的数据点之间的差异。例如，如果人们正在评估调查咖啡因与健康之间关系的不同研究的数据，他们会很快将数据分类为显示效果与否，无论证据的相对强度如何。在一项在线研究中，Fisher和Keil随机分配了605名参与者，以考虑与科学报告，目击者证词，社会判断或消费者评论相关的特定主题。他们看到了一系列关于两个变量之间关系的17个主张，例如服用某种药物和体验饥饿感(例如，“一组科学家发现新药物使得感觉饥饿的可能性增加2倍”，“一组科学家们发现，新的药物让人感到饥饿感的可能性降低了4倍。
在查看索赔之后，参与者随后总结了证据，选择最能体现其整体印象的评级。正如假设的那样，不平衡得分 - 从强弱证据索赔的数量中减去的强弱证据索引的数量 - 与参与者的简易判断相关联。他们的简易判断也受到他们所看到的第一件证据的影响。在另外两项在线研究中，人们看到了各种形式的数据，包括纵向和横向条形图，饼图，有或没有百分比的口头描述，以及点图，进一步证明了不平衡得分对参与者估计的影响。
二元偏见甚至出现在现实世界决策的背景下：参与者似乎将数据分为两类，无论是评估菜单价格还是确定哪些工厂的二氧化碳排放量更高。在这两个领域中，参与者的判断都受到数据隐含的不平衡得分的影响。“我们对上下文和内容领域的影响普遍存在感到惊讶，”费舍尔说。“二元偏见影响了人们如何解释信息序列和各种图形显示。”偏见如此普遍的事实表明，这不是由于数据可视化或统计信息的特定特征，而是一般的认知错觉。Fisher和Keil怀疑这种认知扭曲可能提供一种认知捷径，使我们能够相对有效地处理大量信息。“我们的工作表明，偏见是一种基本的处理机制，适用于许多背景，包括健康，财务和公共政策决策，”研究人员总结道。
标签： 二进制偏差扭曲
免责声明：本文由用户上传，如有侵权请联系删除！