En ny undersøgelse introducerer Choice Engineering – en kraftfuld ny måde at guide beslutninger ved hjælp af matematik i stedet for gætteri. Ved at anvende omhyggeligt designede matematiske modeller fandt forskere, at de kunne påvirke folks valg mere effektivt end at stole på tarmeinstinkter eller endda traditionel psykologi. Denne opdagelse kunne bane vejen for smartere, mere etiske værktøjer til at forbedre beslutningstagningen inden for områder som uddannelse, sundhed og hverdag.
Den nye undersøgelse, der blev offentliggjort i Naturkommunikationdemonstrerer, at matematiske modeller kan være mere effektive end psykologisk intuition, når det kommer til at påvirke menneskelige beslutninger. Anført af professor Yonatan Loewenstein fra Safra Center for Brain Sciences (ELSC) på Hebrew University, i samarbejde med Dr. Ohad Dan fra Yale University og Dr. Ori Plonsky fra Technion, introducerer forskningen et nyt koncept: valgteknik.
Undersøgelsen skelner mellem to tilgange til at påvirke adfærd. Den første, kendt som Choice Architecture, har fået en bred popularitet, siden en af dens pionerer, Richard Thaler, blev tildelt Nobelprisen i økonomi i 2017 – med adfærdsmæssige indsigter (“skubbe”) hold, der opstod i regeringer over hele verden.
Valgarkitektur er afhængig af psykologiske principper – såsom forrang, forankring eller intuitiv heuristik – til subtilt at styre beslutninger. Den anden tilgang, der er foreslået af forskerne, er Choice Engineering: En metode, der bruger beregningsmodeller og optimeringsteknikker til systematisk at forme adfærd med præcision.
For at sætte disse tilgange til testen lancerede teamet en akademisk konkurrence, hvor internationale akademiske teams fik til opgave at designe en incitiviseringsmekanisme (“belønningsplan”), der ville få folk til at vælge en af to objektivt muligheder for samme værdi.
Mere end 3.000 deltagere deltog i eksperimentet, der hver især blev udsat for en af flere belønningsstrategier. Nogle blev bygget på intuition og psykologisk indsigt, mens andre blev udformet ved hjælp af beregningsmodeller.
Den mest effektive tidsplan var baseret på en beregningsmodel kaldet Catie (kontingent gennemsnit, tendens, inerti og efterforskning), designet af Dr. Ori Plonsky sammen med prof. Ido EREV fra Technion. Modellen integrerer flere adfærdstendenser i en samlet forudsigelig ramme. Denne CATIE-baserede strategi overgik signifikant dem, der var baseret på den vidt anvendte maskinlæringsmodel Q-learning, og dem, der blev informeret af kvalitativ intuition alene.
“Vores undersøgelse viser, at ligesom ingeniører bruger matematiske modeller til at bygge broer eller designfly, kan vi bruge modeller af læring og beslutningstagning til at påvirke adfærd-relativt og effektivt,” sagde professor Loewenstein.
Resultaterne viser, at adfærd kan konstrueres med overraskende nøjagtighed, når de styres af velkalibrerede modeller. Desuden tilbyder undersøgelsen en ny metode til evaluering af kognitive modeller-ikke kun af deres forklarende kraft, men også ved deres effektivitet i udformningen af beslutninger om den virkelige verden.
Konsekvenserne er vidtrækkende. I områder, der spænder fra uddannelse og folkesundhed til digital design og beslutningstagning, kunne valgteknik muliggøre udvikling af empirisk optimerede, skalerbare interventioner. På samme tid bemærker forskerne, at etiske rammer vil være vigtige for at vejlede den ansvarlige anvendelse af disse værktøjer.
Som et bevis på koncept understreger denne undersøgelse det nye potentiale i matematisk modellering i de kognitive videnskaber – ikke kun for at forstå adfærd, men for aktivt at vejlede det.