最新研究挑战了传统观点,即人类行为中的变异性(通常被视为“噪音”)仅仅是一种需要最小化的误差。研究人员认为,噪音为认知过程(从决策到道德推理)提供了宝贵的洞察。通过应用计算模型,他们展示了不同类型的噪音如何反映不同的认知机制,而非随机错误。这一视角可能重塑心理学研究,并改进医学、决策科学和伦理学等领域的干预措施。 关键事实
来源:美国心理科学协会(APS) 研究背景人类行为的变异性是心理学家长期关注的现象,并已开发出统计方法来分析这种变异性。人类行为不仅在个体之间存在差异,即使在同一个体的不同情境下也会有所不同。这种个体变异性被称为“噪音”,是2025年3月《心理科学视角》特刊的焦点。 噪音的历史研究乌普萨拉大学的Joakim Sundh及其合著者首先回顾了噪音在心理学研究中的历史。他们认为,噪音通常被视为需要最小化的外部因素,而非可以提供研究过程信息的内部因素。他们指出:“所有噪音都有其来源,不同的噪音来源可能导致不同的表现形式。如果这些不同的噪音来源与不同的过程相关,那么我们可以利用数据中噪音的表现形式来推断这些过程。” PNP模型的应用Sundh团队开发了“精确/非精确”(PNP)模型,以帮助确定不同噪音来源与不同心理过程之间的关系。他们将该模型应用于三项实验,展示了如何通过研究噪音的分布来分析理性和直觉推理方式(Sundh等,2025)。作者总结道,特刊中的其他三篇论文“展示了将噪音作为信息来源以推动科学研究的潜力”。 噪音在认知中的作用华威大学的Adam Sanborn团队进一步探讨了噪音在人类思维过程中的作用。他们指出:“即使任务在时间上非常接近,要求参与者在多个场合执行相同任务也会产生令人惊讶的噪音行为。”他们讨论了噪音在信息处理各个阶段(从感知到计算再到反应)的作用,认为噪音应被视为认知处理的一个特征,而非干扰其运行的故障(Sanborn等,2025)。Sanborn写道:“噪音不仅是认知中的一个特征,甚至是一个必不可少的特征,它支撑了我们应对复杂且不确定世界的能力。” 噪音的减少与分类巴塞尔大学的Florian Seitz及其团队研究了如何在信息分类过程中减少噪音。他们通过模拟分析了感知和处理信息过程中可能的行为变异性来源。研究使用了两种常见的分类结构:(1)基于单一特征的规则结构;(2)基于多个特征同时考虑的信息整合结构。研究人员认为,通过将连续数据整合到分类实验中,可以更好地识别行为噪音的来源并分类相关认知过程(Seitz等,2025)。Seitz团队写道:“以连续方式评估人们的分类信念可能有助于区分感知和过程相关的行为变异性来源。” 道德判断中的噪音受COVID-19大流行和持续错误信息传播等事件的启发,伊利诺伊大学厄巴纳-香槟分校的APS Fellow Michel Regenwetter团队探讨了非理性道德判断中的噪音。他们以“传递性”概念为基础,研究了参与者是否能在行为高度变异的情况下仍遵循传递性道德思维。研究包括28名参与者,每人都完成了126个道德情景调查。结果显示,尽管行为存在显著异质性,参与者仍遵循了传递性道德思维(Regenwetter等,2025)。Regenwetter团队总结道:“尽管我们周围的行为存在惊人的异质性,但混乱之下可能隐藏着秩序。”
结论 |