估算认知中的审慎思考：人类在不确定性决策中的策略优化与校准研究

这篇开创性研究通过双响应范式实验，深入探讨了人类解决估算问题（guesstimation）的认知策略。研究发现审慎思考（deliberation）能显著提升估算准确度（log10误差降低0.74），但参与者普遍存在过度自信（overconfidence）现象。研究系统识别了本体相似性（ontological similarity）等7种核心策略，为提升STEM教育中的问题解决能力和现实决策质量提供了重要启示。

　　

估算问题的认知机制解析

1 引言

在现实决策场景中，个体常需面对信息不完整的估算挑战。从商业计划制定到健康风险评估，这种被称为"估算"（guesstimation）的认知过程，要求在不依赖精确量化模型的情况下进行判断。著名物理学家费米（Fermi）提出的"芝加哥钢琴调音师数量"等经典问题，揭示了通过问题分解（problem decomposition）解决复杂估算的智慧。

教育研究发现，解决估算问题能显著提升学生的创造性思维（creativity）和STEM综合能力。然而现有研究多聚焦专家预测或简单任务，对普通人解决真实估算问题的认知过程缺乏系统探索。

2 实验1：估算问题的解决策略

通过10名参与者的有声思维实验，研究揭示了7种核心策略：

• •

  规模计划（Size Plan）：计算对象集合的总体规模

• •

  本体相似性（Ontological Similarity）：将难题替换为语义相关的简化问题

• •

  比例调整（Proportion）：通过百分比规则进行密度转换

• •

  探索性信息搜索：通过背景知识获取建立解题框架

典型案例如参与者将"达姆施塔特工业大学申请人数"替换为"曼海姆大学申请人数"进行估算。数据分析显示，审慎思考使估算误差从log₁₀=-1.03提升至-0.07，62.9%的案例获得显著改善。

3 实验2：估算中的信心校准

48名在线参与者的研究表明：

• •

  总体呈现低估倾向（58.3%案例）

• •

  z分数分布显著偏离标准正态（Shapiro-Wilk p<0.01）

• •

  不同问题存在系统性偏差模式

参与者虽能通过调整正态分布宽度表达不确定性，但普遍存在校准不足（miscalibration）现象。这种过度自信（overconfidence）在复杂策略应用中尤为明显。

4 教育与实践启示

研究发现的问题解决策略为STEM教育提供了方法论指导，特别是本体相似性策略的创造性应用价值。在公共卫生决策等现实场景中，研究建议采用结构化审慎思考流程，并建立偏差校正机制以提升估算质量。未来研究可探索人工智能辅助工具在支持估算决策中的应用潜力。