恋上数据结构与算法
2022-05-03 09:41:13
xudabang
全国代表性调查得到了许多有关人们想法的信息,但它也提出了很多问题。为何在中性条件下和在“系统2助推显著高效”的条件下得到了基本相同的结果?为何不管是否使用相当可观的数据对系统1助推的好处进行描述,都会得到相同的结果?以及为什么有些人支持系统1助推,有些人支持系统2助推,确切的原因是什么?
为了回答这些问题,我利用亚马逊土耳其机器人进行了一系列后续研究。由于样本并不具有全国代表性,因此应当有保留地看待这些结果。[1]同时,中性条件下的数据与全国代表性调查的数据和其他数据基本相同。认为我在这里进行调查的具体问题与全国代表性样本调查得到的结果应当保持一致是合理的。
利用被试内设计验证偏好
回忆一下,我们之前的讨论都是基于被试间设计得到的结论,不同组的被试观察到的条件并不相同,他们并没有同时观察到所有条件。这一设计具有明显的优势,因为它消除了之前的问题可能带来的影响。如果孤立地来看这些问题,被试不会受到顺序效应的影响,也不会因为与前一个问题明显不同而使得某个特定的因素变得异常明显。在某种意义上,被试间设计得到的结论比较纯粹,因为某个因素(例如,比较有效性)不会比人们同时知道所有条件时更为明显。
然而,被试内设计也具有一定的优势,即参与者可以同时了解并回答调查中的所有问题。根据目前的目的,被试内设计的主要优势是,它能够测试当人们了解到比较有效性的全部信息后,他们的初始答案是否会改变。这一问题值得检验,因为它揭示了人们是否对系统1助推或系统2助推有稳定的偏好:即使他们明确了解了比较有效性的信息后,也不会改变自己的偏好。利用组内调查