基于论证的建议整合:关于正性建议与负性建议结构差异的评价性生态视角

《Judgment and Decision Making》:Integration of argument-based advice: An evaluative ecological perspective on the structural differences between?positive and negative advice

【字体: 大 中 小 】 时间:2026年07月24日 来源:Judgment and Decision Making 2.5

编辑推荐:

  基于论证的建议(argument-based advice)是人们生活中重要的一类建议类型。然而,它在建议采纳研究中代表性不足。本研究调查了以自然生成的正性理由(positive reasons)和负性理由(negative reasons)形式呈现的基于论证

  
基于论证的建议(argument-based advice)是人们生活中重要的一类建议类型。然而,它在建议采纳研究中代表性不足。本研究调查了以自然生成的正性理由(positive reasons)和负性理由(negative reasons)形式呈现的基于论证建议的结构特性,这些理由分别支持或反对某个决策选项,重点聚焦于建议相似性(advice similarity)。在三个预注册实验中,参与者(总N=623)完成了一项空间排列任务(spatial arrangement task,SpAM),在该任务中,他们将屏幕上的理由进行组织以指示建议相似性。之后,参与者对理由进行效价(valence,实验1-3)、信息性(informativeness,实验2)以及相关性和新颖性(relevance and novelty,实验3)的评分。在实验2和实验3中,参与者额外报告了他们在接收建议前后认为自己会参与决策选项的可能性(perceived likelihood)。所有实验均证实,正性建议(positive advice)被认为比负性建议(negative advice)更相似。此外,实验2揭示正性建议被认为更具信息性。实验3澄清了这种信息性效应源于更高的个人相关性(personal relevance),而非新颖性(novelty),而负性建议的新颖性更高。在实验2中,建议相似性并未显著影响最终判断,但实验3的显著模式表明,一致性(consistency)对建议整合(advice integration)在最终判断中发挥作用。通过针对以支持或反对决策选项的理由形式呈现的建议,本研究为基于论证建议的结构特性及其在建议整合中的作用提供了新颖的见解。
**论文解读文章**

**研究背景与问题**

在重要决策中,人们常常寻求建议。然而,建议采纳研究主要集中于数值型建议(numerical advice),例如估计卡路里或概率,而忽略了基于论证的建议(argument-based advice)——即建议者分享支持或反对某个决策选项的理由。这种忽视构成了理论上的重大空白:例如,人们常因自身理由的可及性更高而过度依赖自己的判断(egocentric discounting),而建议者分享理由可能缓解这一现象。此外,实际生活中,建议往往来自多个来源,形成建议样本(advice sample),其结构特性(如相似性)可能影响整合。数值建议研究已表明,多个建议者之间的方差(variance)会影响其总影响力,但对于非数值、基于论证的建议,其样本分布特性如何影响整合尚不清楚。因此,本研究旨在探究正性建议与负性建议的结构差异及其对建议感知和整合的影响。

**研究内容与结论**

研究人员基于评价性信息生态模型(Evaluative Information Ecology, EvIE)提出假设:正性信息比负性信息更频繁、更相似。在三个预注册实验中,研究人员通过空间排列任务(SpAM)测量参与者对建议样本的相似性感知,并评估建议的效价、信息性、相关性和新颖性,以及建议整合(即最终估计的改变)。实验1(N=139)发现,正性建议比负性建议更相似,但未发现记忆回忆差异。实验2(N=200)复制了相似性差异,并发现正性建议被认为更具信息性。实验3(N=284)进一步区分了相关性和新颖性:正性建议被认为更相关,负性建议被认为更新颖。在建议整合方面,实验2未发现相似性的显著影响,但实验3显示负性建议相似性显著影响最终估计:负性建议越不相似,参与者参与决策选项的可能性越高;探索性分析还发现,正性建议相似性与负性建议相似性之间存在交互作用。此外,建议相关性显著影响整合,而新颖性则通过与负性建议相似性的交互作用间接影响。论文发表在《Judgment and Decision Making》。

**关键技术方法**

本研究主要采用空间排列任务(SpAM)测量建议相似性,参与者需将屏幕上的理由卡片按语义相似性排列,距离越近表示越相似,距离通过像素距离计算并标准化为0-1的分数。实验材料通过在线问卷调查获得:12名参与者为20个决策选项各生成正性和负性理由,最终选取19个选项,每选项10条正性理由和10条负性理由。参与者样本来源:实验1和实验2为大学学生样本(在线招募),实验3为Prolific平台上的德语母语者(有资格限制)。使用多水平模型(multilevel model)分析数据,并采用预注册的假设检验程序。

**研究结果**

**实验1:**
- 通过空间排列任务(SpAM)发现,正性建议的欧氏距离(Mpos=0.18)显著小于负性建议(Mneg=0.21),b=?0.02, p<0.001, d=?0.33,支持正性建议更相似的假设。
- 自由回忆(free recall)任务显示,正性建议(Mpos=18.64)与负性建议(Mneg=18.79)的回忆数量无显著差异,b=?0.00, p=0.673。

**实验2:**
- 复制了相似性差异:正性建议距离(Mpos=0.16)小于负性建议(Mneg=0.17),b=?0.01, p<0.001, d=?0.15。
- 建议信息性:正性建议(Mpos=59.53)显著高于负性建议(Mneg=51.41),b=8.12, p<0.001, d=0.26。
- 建议整合:初始估计(IE)显著预测最终估计(FE),bIE=0.94, p<0.001;但正性建议相似性(bpos_sim=0.02, p=0.315)和负性建议相似性(bneg_sim=?0.02, p=0.179)均不显著。

**实验3:**
- 复制了相似性差异:正性建议距离(Mpos=0.14)小于负性建议(Mneg=0.16),b=?0.02, p<0.001, d=?0.23。
- 建议相关性与新颖性:正性建议相关性(Mpos=68.49)显著高于负性建议(Mneg=48.92),b=19.57, p<0.001, d=0.61;正性建议新颖性(Mpos=19.17)显著低于负性建议(Mneg=24.18),b=?5.02, p<0.001, d=?0.18。
- 建议整合:初始估计显著预测最终估计,bIE=0.94, p<0.001;负性建议相似性显著影响最终估计,bneg_sim=0.04, p=0.006(不相似性增加导致参与可能性增加);正性建议相似性不显著,bpos_sim=?0.02, p=0.129。探索性分析中,正性与负性建议相似性的交互作用显著(b=0.02, p=0.017),表明正性建议相似性的影响依赖于负性建议的一致性(consistency)。此外,相关性显著影响整合(正性:bpos_rel=0.03, p=0.006;负性:bneg_rel=?0.06, p<0.001),而新颖性仅通过与负性建议相似性的交互作用显著(b=0.03, p=0.010)。

**讨论与结论**

研究讨论指出,本研究扩展了建议采纳的概念,从数值建议转向基于论证的建议,并证实了EvIE模型在建议情境中的适用性。正性建议更相似、更相关,而负性建议更新颖,这种权衡影响了建议整合。一致性(similarity)在建议样本层面的重要性得到了支持,与数值建议研究中关于方差影响的结果一致。研究局限性包括:样本间相关性的差异、可能的多重共线性问题,以及测量顺序可能影响关系。未来研究可进一步操纵建议属性以分离因果作用。

**结论部分翻译:** 以往建议采纳研究主要关注数值建议的提供,很大程度上忽略了非数值建议(如支持或反对决策选项的理由集合)作为核心建议被分享的情境。本研究调查了基于论证的建议及其分布特征作为建议采纳的潜在调节变量。研究发现,支持或反对一组决策选项的理由在感知效价、相似性、相关性和新颖性方面存在显著差异。此外,研究结果展示了建议信息性在建议相关性与新颖性之间的有趣权衡:正性建议被认为更相关,而负性建议被认为更新颖。本研究因此表明,诸如建议相似性和新颖性等结构特性对建议整合具有影响。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号