捷思与偏误取向的研究

1、 由Amos Tversky与Daniel Kahneman首开风气之先的捷思与偏误取向研究，想探讨的是一般人在判断与决策上的思考方式。根据捷思的观点，我们的日常推理活动不可能像统计学家那样，进行严谨而耗费心力的计算，而是使用一些简便而通常有效的捷思法（见本章内文的说明）。然而，在正常的情况下，捷思法与严谨的计算方法所得的结果，并不会有太大的差异（否则捷思法不会这么有用）。在这个情况下，研究者事实上无法区辨推理的人实际使用的方法是什么。 为了确定推理的人所使用的方法，研究者必须设计一些特别的推理问题，针对这些问题，使用捷思法与正统的计算方法，会得出不一样的结果，因此，研究者便可以根据受试者最后

2、的判断或决策与哪一种方法的结果相符，而得知受试者使用的方法。以Tversky与Kahneman（1973）的研究为例。实验者播放两段录音给受试者听，第一段录音录的是19个有名的男士（如总统尼克森）与20个比较不那么有名的女士（如影星娜拉透纳）的名字；第二段录音则录有19个有名的女士（如影星伊丽沙白泰勒）与20位较不出名的男士（如国会议员威廉傅尔布莱特）的名字。受试者的工作是，在听完录音后，判断录音中的人名男士较多，还是女士较多？ 假如受试者的判断依据的是人数的计算，则他们会说，在第一段的录音中女士多于男士，第二段的录音则反是。然而，实验结果确是，80%的受试者认为，在第一段录音中，男士多于女士

3、；而在第二段录音中，女士多于男士恰与实际的计算结果相反。其后，对受试者所做的记忆测验显示，平均来说，受试者在听过录音后，对其中名人名字的记忆，比之于对较无名气者的记忆，高出50%。因此，事情似乎很明白：受试者是根据记忆多寡对两性的人数作判断的。这正是可得性捷思法的做法。证据显然支持捷思法的观点。 在前述的实验中，所谓严谨的计算方法当然是十分直接了当的。然而，当研究的方向指向代表性捷思时，情况就要复杂多了。譬如说，在Tversky与Kahneman（1983）的一个实验中，实验者给受试者看如下的故事： 琳达31岁、单身，直率而聪明。她主修哲学。当年在学校唸书的时候，非常关心歧视问题与社会正义，也

4、参加反核游行。 在读完这段简短的描述后，受试者被问及，琳达可能是怎样的人：小学教师、书店员工且加入瑜珈班等等，共有八个选项。其中有三项是实验者感兴趣的：活跃的女性主义者（F）、银行行员（T）、银行行员兼活跃的女性主义者（TF）。受试者必须估计的这八个选项是正确答案的机率，并据以将这八个选项依其可能性的大小排序。根据机率原理，琳达如果是个银行行员兼活跃的女性主义者，则她必是个银行行员。换句话说，琳达是银行行员的可能性不会小于她是银行行员兼活跃的女性主义者的可能性。用机率符号来表示，即P(T)3P(T&F)。因此，如果受试者式的思考方式符合机率原理， 他们就会将银行行员的可能性排序，排得比银行行员兼女性主义者高。然而，实验结果显示，不论受试者有没有修过基础统计学（里面含有机率的概念），乃至于修过进阶课程，有85-90%的人，在排序上违反了上述的机率法则。换句话说，受试者显然并未以合于机率法则的方式思考。 显然，由于琳达的个性看起来很像典型的女性主义者喜欢谈哲学、对关心公平正义、勇于表达等等，因此她当然比较像在银行工作的女性主义者，比较不像小心谨慎、按规矩办事的典型银行行员。准此而论，假如受试者根据琳达看起来像哪类人去做反应，他自然会觉得，琳达是银行行员兼女性主义者的可能性高于她是银行行员的可能性。这正是运用代表性捷思法的具体表现。因此，这个实验结