Nadmiar informacji powoduje podjęcie gorszych decyzji

Osoby, które muszą podjąć trudną decyzję, zwykle zaczynają od zebrania jak największej ilości informacji. Jednak jak sugerują nowe wyniki badań opublikowanych w piśmie „Cognitive Research: Principles and Implications”, większość ludzi podejmuje w rzeczywistości gorsze, a nie lepsze decyzje, gdy podaje im się dodatkowe fakty i szczegóły. – To sprzeczne z intuicją, ponieważ wszyscy lubimy myśleć, że mądrze wykorzystujemy informacje do podejmowania mądrych decyzji. Ale jeśli chodzi o informacje, więcej niekoniecznie znaczy lepiej – podkreśla profesor Samantha Kleinberg, główna autorka artykułu i informatyk w Stevens Institute of Technology w Hoboken (USA).

Aby zbadać, w jaki sposób ludzie podejmują decyzje, naukowcy zazwyczaj tworzą proste diagramy – lub modele przyczynowe – które pokazują, jak różne czynniki logicznie oddziałują na siebie, dając określone wyniki. Jeśli chodzi o opisywanie abstrakcyjnych, hipotetycznych scenariuszy, np. starcia kosmitów na imprezie tanecznej, większość ludzi może skutecznie uzasadnić takie modele, jako że nie mają żadnych uprzedzeń ani z góry wyrobionych opinii na temat potańcówek z kosmitami. Ludzie podejmują dobre decyzje, ponieważ skupiają się na przekazywanych im informacjach.

Jak jednak wykazały badania Samanthy Kleinberg, gdy chodzi o codzienne scenariusze, np. podejmowanie zdrowych decyzji dotyczących odżywiania, zdolność ludzi do skutecznego rozumowania prawie zanika. – Uważamy, że wcześniejsza wiedza i przekonania ludzi odwracają ich od modelu przyczynowego. Jeśli np. zastanawiam się nad tym, co zjeść, mogę mieć różnego rodzaju uprzedzenia na temat tego, co jest najlepsze do jedzenia, a to utrudnia efektywne wykorzystanie informacji, które posiadam – wskazuje badaczka.

Aby zweryfikować tę hipotezę, Kleinberg i współautorka, Jessecae Marsh, psycholog poznawczy z Uniwersytetu Lehigh, oparły się na badaniu przeprowadzonym w 2020 r. i przeprowadziły serię eksperymentów sprawdzających, jak zmienia się proces decyzyjny ludzi, którym przedstawiono modele przyczynowe dotyczące codziennych decyzji – od zakupu domu i utrzymywania właściwej masy ciała po wybór uczelni i zwiększenie frekwencji wyborczej. Szybko stało się jasne, że ludzie wiedzą, jak korzystać z modeli przyczynowych, ale nawet bardzo prosty model szybko stał się prawie bezużyteczny, gdy tylko dodano trochę dodatkowych szczegółów, wykraczających poza informacje absolutnie niezbędne do podjęcia dobrej decyzji. – Naprawdę niezwykłe jest to, że nawet niewielka nadwyżka informacji ma duży negatywny wpływ na nasz proces decyzyjny. Jeśli zdobędziesz zbyt dużo informacji, twoje decyzje szybko staną się tak złe, jak gdybyś nie miał żadnych informacji – zaznacza Samantha Kleinberg.

Jeśli model przyczynowy pokazuje, że spożywanie słonej żywności podnosi ciśnienie krwi, ale pokazuje również poboczne informacje, np. że picie wody zmniejsza pragnienie, ludziom znacznie trudniej jest dokonywać skutecznych wyborów dotyczących najlepszego sposobu utrzymania zdrowia. Kiedy jednak zespół Kleinberg podkreślił istotne informacje przyczynowe, zdolność ludzi do podejmowania dobrych decyzji szybko powracała. – To istotne, ponieważ pokazuje, że problem nie polega tylko na tym, że ludzie są przytłoczeni samą ilością informacji, ale raczej na tym, że mają trudności z określeniem, na które części modelu powinni zwrócić uwagę – wyjaśnia Samantha Kleinberg.

Zdaniem autorek uzyskane wyniki maja znaczące implikacje w takich dziedzinach jak zdrowie publiczne, ponieważ oznaczają, że przekazy edukacyjne należy streścić do najważniejszych części i starannie przedstawić, aby wywarły pozytywny wpływ. – Jeśli dajesz ludziom listę rzeczy do rozważenia, kiedy podejmują decyzję, czy nosić maseczkę, poddać się testowi na obecność wirusa COVID-19 albo co jeść lub pić, w rzeczywistości utrudniasz im podejmowanie dobrych decyzji – wskazuje badaczka. Jednym ze sposobów wspomagania podejmowania decyzji może być wykorzystanie chatbotów AI do dostosowywania informacji zdrowotnych lub porad żywieniowych do poszczególnych osób indywidualnie, zasadniczo wprowadzając złożony model przyczynowy do modelu AI oraz umożliwiając mu wykrywanie i podkreślanie tylko tych konkretnych informacji, które są najbardziej istotne dla konkretnej osoby.

fot. freepik.com
oprac. /kp/