本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
將多個非專家意見匯總成集體估計可以提高許多情況下的準確性。然而，有兩個錯誤來源可能會削弱集體智慧：個人估計偏差和個人之間的資訊共享。在這裡，我們在涉及數百名執行經典數量估計任務的個體的多個實驗中測量個體偏差和社會影響規則。我們首先研究現有的聚合方法（例如計算算術平均值或中位數）如何受到這些誤差來源的影響。我們表明，對於大範圍的數值，平均值往往會高估真實值，而中位數往往會低估真實值。量化估計偏差，並將個人偏差映射到集體偏差，使我們能夠開發和驗證三種新的聚合措施，以有效應對集體估計誤差的來源。此外，我們也提出了進一步實驗的結果，該實驗量化了個人在將個人估計與社會資訊結合時所採用的社會影響規則。我們表明，校正後的平均值對於社會影響非常穩健，在存在或不存在社會影響的情況下，跨數值和不同的平均社會資訊方法，都保持高精度。因此，利用估計偏差和社會影響規則的知識可能是提高群體智慧的一種廉價且通用的策略。