嵌入式开发 朱有鹏
我们有理由质疑,在回答这个问题时,被试究竟是不是选了他们认为在减少堕胎上“更高效”的政策。这个结果看起来更像是人们出于自己的价值取向选择了他们更“喜欢”的助推。
需要明确的一点是,参加有关效率问题调查的样本并非全国代表性样本,我们也不能确定在全国代表性样本中,无论是被试间设计还是被试内设计,有关效率问题的评价和偏好是否会与本调查所示结果相同。尽管如此,我们已经看到,在“中性条件”以及在“显著高效”的条件下,亚马逊土耳其机器人调查得到的结果同全国代表性样本调查结果基本一致。有关效率问题的调查有力地证实了有一部分人会坚定支持系统2助推,即使他们认为它是低效的。
比较系统1助推“显著高效”以及“出奇高效”的假设
在被试间设计中,条件1和条件3结果之间的差异不是非常大。但在被试内设计中,这种差异相当大。因此一个值得思考的问题是,当看到数据显示系统1助推“出奇高效”时,会不会有更多人偏好系统1助推?为了检验这个问题,我在被试内设计中利用四个标准问题进行了调查,但提供了异常生动的关于效果差异的说明。
●戒烟行动:假设(1)明显比(2)有效,(1)每年能够阻止15 000例过早死亡,而(2)仅能阻止500例。在这个假设下,您更喜欢哪种政策?
●鼓励退休金储蓄:假设(1)明显比(2)有效,(1)能够使90%的雇员加入储蓄计划,然而(2)仅能使30%的雇员加入。在这个假设下,您更喜欢哪种政策?
●减少污染:假设(1)明显比(2)有效,(1)能够降低50%的空气污染(并每年减少至少2 000人死亡),然而(2)仅能降低5%的空气污染(并每年减少至少200人死亡)。在这个假设下,您更喜欢哪种政策?
●鼓励节水:假设(1)明显比(2)有效,(1)能够使酒店用水量减少10%,然而(2)仅能使用水量减少1%。在这个假设下,您更喜欢哪种政策