随机决策中个体的信念调整模型与检验 ——以科技期刊网络文献检索行为为例的研究

论文摘要

本文的研究源自这样一个现实的问题:以CNKI为代表的科技期刊网站为用户们提供了众多的资源产品,但多数产品却被用户很少用到,造成这种情况原因何在?本文认为应着力于研究用户的信息搜寻行为,而这一行为的特征与构成随机决策问题的要素可以一一对应起来,因此,使用决策理论或博弈理论中的分析方法应该是可行的。经过相关文献的消化和研究,本文确定的研究对象是一个问题的两个方面:(1)行为人在随机决策中经历的学习规则如何;(2)行为人的认知进化是以何种方式进行的。为此,本文通过用学习模型来拟合实验数据,目的在于检验实验被试检索网络文献的行为,是符合强化学习模型的收敛特征,还是可以由基于贝叶斯推断的信念学习模型来指导更好。在这里,学习模型的选择和构建是重要的环节,因为其涉及到对现实的抽象和实验的控制变量设计。解决这一问题,首先较容易的是在现有的学习模型中选择合适的模型。考虑场景特征和各种学习理论要求的最低信息条件,只有强化模型可以在本文中使用。由于强化模型是一个较弱意识的学习模型,为了对被试的主观信念和认知有一个更好的了解,所以本文还构建了一个模拟随机决策问题的信念学习模型(BBAM),同时这种建模的方法对于解决同一类决策问题也具有借鉴意义。用两个模型来拟合一组实验数据,其处理方式也是不同的。强化学习模型的检验借鉴了“经验加权吸引力学习模型”(EWA)拟合若干行为博弈模型数据的实证方法,通过参数分析、样本内外预测来计算模型的拟合优度;BBAM则是从实验被试组和模拟被试组里采集样本,通过非参数检验来考察实际行为中发生的3个学习特征,从而考察了行为的调整、绩效的差异和认知的进化。通过实证分析可以得出以下结论:(1)强化模型和BBAM在一定程度、一定条件内都能较好的刻画用户网络文献检索行为;(2)学习的发生是与特定的外部场景相联系的,在通常的非强外在约束下,有限理性个体进行随机决策时,其行为同时包含了有意识的理性计算和无意识的规则遵循:(3)在随机决策过程中,个体可能发生的认知进化应是有意识指导的结果,但收敛的方向却受到至少三个因素的影响:初始的信念状态、对反馈信号的主观判断能力、试错的次数。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 1 绪论
• 1.1 一项调查研究引出的现实问题
• 1.2 现实问题与理论点的对应
• 1.2.1 关于情报用户检索行为的现有研究方法
• 1.2.2 文献检索中的决策问题和学习行为
• 1.3 本文的研究对象界定
• 1.3.1 行为人在决策中的信念调整规则
• 1.3.2 个体认知进化的方式
• 1.4 研究工具与方法
• 1.4.1 个体学习理论与学习模型
• 1.4.2 实验室控制实验与计算机模拟
• 1.5 本文的创新与不足之处
• 1.6 本章小结
• 2 文献综述:决策信息的处理与学习场景特征
• 2.1 随机性决策的应用与行为决策理论
• 2.1.1 随机性决策的若干基本问题
• 2.1.2 决策过程中人的行为
• 2.1.3 行为决策理论对规范性决策理论的作用
• 2.2 心理学及相关社会科学对个体信息行为研究的作用
• 2.2.1 基于成本-收益的消费者搜寻理论
• 2.2.2 营销管理学中的信息搜寻模型
• 2.2.3 信息经济学的搜寻理论
• 2.2.4 现代消费心理学的研究与发展对本文的启示
• 2.2.5 本文对科技用户网络文献搜寻方式的界定
• 2.3 学习理论的研究进展
• 2.3.1 学习的心理学基础
• 2.3.2 解读诺思的个体学习理论
• 2.4 决策场景特征和学习模型的分类
• 2.4.1 无意识学习和有意识学习的启动场景
• 2.4.2 场景信息条件决定的学习过程
• 2.4.3 支付信息结构对决策的影响
• 2.4.4 各类学习模型的研究进展及模型选择标准
• 2.5 本章小结
• 3 实证研究中理论模型的选择与构建思想
• 3.1 强化学习模型的参数解释及计算方法
• 3.1.1 选择强化模型的理论依据
• 3.1.2 基于EWA的强化学习模型的估计方法
• 3.2 基于贝叶斯推断的个体行动调整模型
• 3.2.1 "知其然而不知其所以然"的问题
• 3.2.2 主观概率
• 3.2.3 贝叶斯法则及其应用方式
• 3.2.4 有限试错次数下基于贝叶斯推断的个体行动调整模型
• 3.2.5 BBAM指导下行为的学习特征
• 3.3 实验流程与控制条件设计
• 3.3.1 以往的实验与结论
• 3.3.2 实验的目的与问题细化
• 3.3.2 关于被试行为的若干假设
• 3.3.3 实验流程描述
• 3.3.4 实验变量设计与提取方法
• 3.3.5 实验控制点
• 3.4 本章小结
• 4 科技期刊网站文献检索中的随机决策问题的实验研究结果
• 4.1 实验数据的描述统计
• 4.2 强化学习模型估计
• 4.2.1 模型估计方法
• 4.2.2 参数估计结果与模型判别
• 4.2.3 强化模型的拟合优度分析
• 4.3 基于贝叶斯推断的信念学习模型模拟及其行为特征检验
• 4.3.1 行动调整和绩效提高的检验
• 4.3.2 信息受限条件下个体的认知进化
• 4.3.3 BBAM的运行特征评价
• 4.4 本章小结
• 5 结论和展望
• 5.1 基于理论假设的实证研究结论
• 5.1.1 先验信念的重要性
• 5.1.2 模拟随机决策问题的信念学习模型的讨论
• 5.2 研究结论的现实含义
• 5.3 所涉问题的若干讨论
• 5.3.1 认知局限下的个体行事方式
• 5.3.2 个体认知进化的特征
• 5.3.3 实验方法和技术
• 致谢
• 参考文献
• 附录
• 附录A 实验资料汇总
• 附A.1 被试调研问卷
• 附A.2 实验指导书
• 附A.3 实验任务说明书
• 附录B 软件程序代码
• 附B.1 强化学习模型部分
• 附B.2 基于贝叶斯推断的个体行动调整模型
• 附录C 实验结果汇总
• 附录D 攻读博士学位期间开展的研究项目及成果