鸿蒙文学网

手机浏览器扫描二维码访问

第18章 如何让直觉性预测更恰当有效（第2页）

对于儿童时期认知能力这个并不周密的证据进行评估的问题被替换成关于她大学平均绩点问题的答案。

朱莉的平均绩点和她小时候就能阅读这项能力的百分比值是相同的。

·这个问题明确规定答案必须在平均绩点的范围内，这也就要求另一个强度匹配的运作，即将你对朱莉的学术成就的总体印象与能证明她本人天赋的平均绩点这一证据匹配起来。

最后的步骤是转化，将你对朱莉学术水准的印象转化为相应的平均绩点。

通过强度匹配得到的预测结果与支持这个预测的证据一样极端，会导致人们面对两个不同的问题却给出相同的答案：

朱莉的早期阅读能力成绩是多少（百分制）？

朱莉的平均绩点是多少（百分制）？

到目前为止，你应该很容易就能看出所有这些运作都是系统1的特点，我按照不同步骤依次将它们列在这里，当然联想记忆的大量激活并不遵循这一顺序。

你应该将这种记忆大量激活的过程想象为以下几步：由信息和问题激发起联想记忆，然后自我反馈，最后选定最具连贯性的合理性方案。

我与阿莫斯曾经在一个实验中要求受试者对8位大学新生的相关描述作出判断，这个描述是由一名辅导老师根据对新班级的访谈而写成的。

每个描述由5个形容词组成，如下例所示：

聪明、自信、笃学、勤奋、好问

我们问了受试者下面两个问题：

这个描述对你关于学术能力的想法有多大影响？

你认为这些关于新生的描述令你印象深刻的可能性有多大（百分制）？

这两个问题要求你根据自己的标准对新生进行描述，将自己的描述与辅导老师的描述进行对比，进而评估上述描述。

你自身的评判标准存在着重大影响。

虽然你根本不知道自己如何形成这一评判标准的，但你对这条描述承载的热情程度非常清楚：辅导老师认为这个学生是优秀的，但还算不上是最棒的，因为我们还有很多比“聪明”

程度更深的形容词（杰出、有创造力），也有很多比“笃学”

程度更深的词（博学的、渊博的），更有许多程度超过“勤奋”

的形容词（积极的、力求完美的）。

由此可以推测，（该生）成绩很有可能在前15%，但不太可能在前3%。

人们在类似的判断中得到的结果出奇地一致，至少在相同文化背景的人群中是这样。

我们问了实验中另一组受试者不同的问题：

你估计这个学生的平均绩点是多少？

新生中取得较高平均绩点的学生占多大比例？

你需要再三思考才能看出这两组问题的微小差别。

这种不同本该很明显，但事实却并非如此。

第一组问题只要求你作出评估，第二组问题则与第一组不同，包含了很大的不确定性。

这个问题指的是在大学一年级期末的真实表现。

自访谈后，这一年发生了什么呢？你怎样才能以5个形容词来预测这个学生在大学第一年的真实表现呢？如果这只是辅导老师本人通过与该生的访谈而作出的平均绩点预测，那么她的预测会准确无误吗？

这项研究旨在比较两个判断结果（百分比成绩）：受试者通过评估一个案例中的描述做出的判断结果（百分比成绩）和另一个案例中的最终预测结果。

结论很明显：两个判断结果完全相同。

尽管两组问题不同（一组关于该生的描述，另一组关于该生未来的学术表现），但受试者将这两个问题看成了一个。

与朱莉的例子相同，受试者并没有将对未来的预测和对当前信息的估测区别开来—预测与估测相匹配。