捕获政策源于工业组织心理学的核心活动。Its origins lie in the work of the Personnel Research Laboratory at Lackland Air Force Base in the 1950s, and it achieved prominence in the broader field of psychology with the publication in 1960 of Paul Hoffman’s Psychological Bulletin paper, “The Paramorphic Representation of Clinical Judgment.” Although policy capturing is not derivative of Egon Brunswik’s probabilistic functionalism, scholars in the Brunswikian tradition have been attracted to policy capturing as a method to address certain research questions.
这种吸引力基于良好政策的实践,捕获了忠实地代表概括的情况的研究。因此,捕获政策通常与社会判断理论松散地联系在一起,社会判断理论是当代的布鲁斯维克理论的体现。
任务
许多认知任务要求决策者根据多个(通常是冲突的信息)做出推论或决策。此类任务包括绩效评估和薪水分配,就业面试,投资决策,医学诊断和预后,评估歧视指控,评估就业合同的可取性,甚至选择最合适的城市警察使用的子弹- 清单是无穷无尽的。此类任务在组织中比比皆是!策略捕获用于研究哪些因素影响决策者,以及每个因素的加权程度。环境成果不是政策捕获程序的一部分。
数据采集
数据收集程序的本质是让个人受访者对多属性捆绑包做出大量判断,通常是纸笔或计算机,但可以对实际人员,档案或文件,档案或文件进行判断文件的摘要或任何可以用一组定量变量表示的内容。通常,属性和判断被视为间隔量表,尽管二分法数据(例如性别)经常在定量变量中发现,包括年龄,经验长度或评分量表。一词个人受访者并不是偶然的,因为该政策捕获的政策需要进行独立分析,然后可能是对描述个人受访者的印记指数的名义分析。
数据分析
适当的数据分析取决于许多因素,包括预测因素和判断的测量水平,函数形成了预测因子与判断,预测指标相互关系,假定的聚合规则等。常见的默认过程是多元回归,但是也可以使用反映非补偿规则(例如结合性或脱节性决策规则)的数学模型。鉴于多重回归是最常用的分析程序,我们将集中精力。
多重回归
考虑到足够数量的多属性判断,研究人员可以使用普通的最小二乘回归来确定每个属性归因于判断的差异的程度。这样做需要回归的基本假设,其中一些可以违反,而不会严重影响研究者的推论。例如,如果在回归算法中假定的线性函数形式与法官使用的线性函数形式不完全相对应,而是单调相关的,则模型错误指定往往是无关紧要的。此外,受试者内的适当交叉验证提供了对违反假设的后果的某种感觉。
性能索引
标准多元回归索引用于描述判断政策。多重相关性或RS至关重要;如果没有实质性的话,研究人员就无法声称没有进一步分析的人对人的判断政策有所了解。除了永远存在的判断力之外,低RS的可能原因之一是,将判断与属性相关的功能形式可能是非线性的。第二个是法官的汇总规则可能是非添加的,并且添加性的假设导致模型错误指定。这两种可能性可能会受到一些数据窥探,例如检查非线性的散点图,拟合二次和乘法术语等。
这些可能性可以通过最喜欢的课程练习来说明:让课堂设计一项策略捕获研究以选择伴侣,充当主题并分析数据。“一个恶毒的神灵已判定您独自在一个岛上度过10年。在最后一刻的仁慈时刻,神灵提出,根据您通过策略捕获评估的偏好来建立伴侣。”学生发展了属性,但是性别和年龄在2至72年之间,必须包括在其中。假设是线性的,年龄的体重可能会很微不足道,但是对年龄的可取性散点图的检查将显示出根本的非线性,并暗示了判断方差的重要来源。如果性别是关键,那么可取性的回归(例如,物理吸引力)将揭示出一个奇怪的数组,一半的点位于散点图的底部,另一半则形成典型的点信封。低R的其他原因包括由于执行任务,疲劳造成的注意力等因素而导致的重要性重量的系统变化。获取有关法官是否系统的信息的一种方法,包括可靠性配置文件和评估重测可靠性(RT)。如果RS和RTT均低,则不太可能对法官进行建模。
假设R很高?然后,我们可以从属性中预测法官的回答,假设线性和添加性。我们可以通过交叉验证保留样本来预测一套新的判断,从而减轻对偶然资本化的担忧。但是,不应认为这个高r表示法官实际上是在使用线性添加剂模型。线性模型的预测能力太著名了。但是,权重确实为我们提供了有关哪些属性对法官很重要的重要信息。比较在同一数据集上提供判断的不同法官的权重可能揭示了冲突的根源或在以冲突为标志的情况下揭示了协议的基本来源。
典型的结果
人们在判断任务中可以明显预测。如果r不超过.70左右,即使考虑了非线性和非依赖性,也不会对结果提出太多信心。在相关任务中,专家法官的RS值为.90或更多,这并不少见。一个重要的发现是,法官通常认为他们正在考虑许多属性,尽管相对较少的属性控制了判断中的所有系统差异。
其他决策模型
进行多运动判断,决策和决策的研究有许多方法。有些人要求决策者直观地分解决策,例如沃德·爱德华兹(Ward Edwards)及其同事的MAUT(多属性效用理论)模型。其他人,例如捕获政策,使决策者做出多个整体判断并采用计算机分解,例如信息整合理论的方差分析方法。判断分析在本文中很重要,因为它通常与策略捕获相混淆。它使用与策略捕获相同的统计机制,但指的是可用环境结果的情况,并且可以在探索法官与环境之间的关系方面带来镜头模型的全部功能。
参考:
- Brehmer,A。和Brehmer,B。(1988)。我们从三十年来捕获政策的判断中学到了什么?在B. Brehmer和C. R. B. Joyce(编辑)中,人类判断:SJT观点(第75-114页)。阿姆斯特丹:Elsevier科学出版商B. V.(北荷兰)。
- Cooksey,R。W.(1996)。判断分析:理论,方法和应用。圣地亚哥:学术出版社。
- 霍夫曼(P. J.)(1960)。临床判断的前态表示。心理公告,57,116-131。
- Roose,J。E.和Doherty,M。E.(1978)。社会判断理论方法在教师薪水中进行性别歧视。组织行为和人类表现,22,193-215。