대표성 편향(Heuristics)으로 인한 채용 실수

휴리스틱(고대 그리스어)은 인간이 결단에 도달하기 위해 정신적인 지름길을 사용하는 프로세스입니다. 휴리스틱이란 인간, 동물, 조직, 기계까지도 신속하게 판단을 형성하고 의사결정을 하며 복잡한 문제의 해결책을 찾기 위해 사용하는 단순한 전략입니다. 대부분의 경우, 여기에는 문제나 상황의 가장 관련성이 높은 측면에 초점을 맞추어 해결책을 책정하는 것이 포함됩니다. 휴리스틱 프로세스는 가장 잘 될 가능성이 높은 답이나 해결책을 찾기 위해 사용되지만 반드시 올바른 것은 아닙니다. 휴리스틱에 기반한 판단이나 결정은 정보가 불완전한 불확실성의 상황에서 임박한 요구를 충족시키기에 충분합니다. 그런 의미에서는 논리와 확률에 따라 주어지는 대답과는 다를 수 있습니다. 경제학자이자 인지심리학자인 허버트 A입니다. 사이먼은 1950년대에 휴리스틱의 개념을 도입하여 합리적인 의사결정에는 한계가 있음을 시사했습니다. 1970년대 심리학자 에이모스 토바스키와 다니엘 카네만은 인지 편향에 관한 연구로 이 분야에 참여했습니다. 그 이후 확대된 분야인 특정 휴리스틱 모델을 도입한 것은 그들의 연구였습니다. 순수한 게으름은 휴리스틱 한 과정의 배후에 있다고 주장하는 사람도 있지만, 이는 사람들이 왜 우리가 기대한 것처럼 행동하지 않는지를 쉽게 설명하기 위한 것일 수 있습니다. 다른 이론에서는 더 적은 효과 등 알려진 모든 요인과 결과에 기초한 결정보다 더 정확할 수 있다고 주장합니다.

 

대표성 편향(휴리스틱)

허버트 사이먼은 만족으로 알려진 휴리스틱의 첫 번째 모델 중 하나를 공식화했습니다. 그의 보다 일반적인 연구 프로그램은 합리적 선택 이론의 조건이 충족되지 않을 때 인간이 어떻게 결정을 내릴 것인가 하는 문제를 제기했습니다. 사이먼은 또한 휴리스틱과 의사결정 환경 사이의 일치 또는 불일치에 대한 연구로 이해한 경계 합리성의 아버지로도 알려져 있습니다. 이 프로그램은 나중에 생태학적 합리성 연구로 확대되었습니다. 1970년대 초 심리학자 에이모스 토바스키와 다니엘 카네만은 휴리스틱과 인지 편향을 연결하는 다른 접근법을 취했습니다. 그들의 전형적인 실험 설정은 논리적이거나 확률적인 규칙으로 구성되어 판단 문제의 구두 설명에 포함되어 사람들의 직관적인 판단이 규칙에서 벗어나고 있음을 입증했습니다. 아래의 린다 문제가 그 예를 보여줍니다. 그 후, 그 편차는 휴리스틱에 의해 설명됩니다. 휴리스틱 앤드 바이어스 프로그램이라고 불리는 이 연구는 인간이 합리적인 행위자라는 생각에 이의를 제기해 1974년 사이언스 페이퍼 '불확실성 하에서의 판단: 휴리스틱과 바이어스, 당초 제안되었던 휴리스틱은 시간의 경과에 따라 세련되어 왔지만, 이 연구 프로그램은 연구 과제를 항구적으로 설정하는 것으로 분야를 바꾸었습니다. 허버트 사이먼의 오리지널 아이디어는 1990년대에 Gerd Gigerenzer 등에 의해 채택되었습니다. 그들의 관점에 따르면 휴리스틱 연구에는 행동 예측을 사전에 가능하게 하는 형식적인 모델이 필요합니다. 이 프로그램에는 세 가지 측면이 있습니다. 특히 이 프로그램은 휴리스틱이 불확실성을 특징으로 하는 많은 현실 세계 상황에서 신속하고 절약적이며 정확한 결정으로 이어진다는 것을 보여줍니다. 이 두 가지 다른 연구 프로그램은 휴리스틱의 두 종류의 모델, 공식 모델과 비공식 모델로 이어지고 있습니다. 형식 모델은 수학적 증명과 컴퓨터 시뮬레이션을 가능하게 하는 알고리즘의 관점에서 의사결정 프로세스를 기술합니다. 대조적으로 비공식적인 모델은 구두 설명입니다.

 

사이먼 만족 전략

허버트 사이먼의 만족스러운 휴리스틱은 불확실한 상황에서 일련의 선택지 중 하나의 선택지를 선택하는 데 사용될 수 있습니다. 여기서 불확실성이란 대안과 그 결과의 전체적인 세트가 알려지지 않았거나 알 수 없다는 것을 의미합니다. 예를 들어, 전문적인 부동산 기업가는 새로운 상업 분야를 개발하기 위해 어느 장소에 투자할지 결정하는 것에 만족하고 있습니다. 만약 적어도 몇 년 안에 x의 리턴을 얻을 수 있다고 믿는다면 선택지를 택하겠습니다. 일반적으로 만족하는 것은 다음과 같이 정의됩니다.

• Step 1. 흡인 레벨α를 설정합니다.
• Step 2. α를 만족시키는 첫 번째 선택지를 선택합니다. 다른 선택지를 찾을 수 없는 경우에는 흡입 수준을 적응시킬 수 있습니다.
• Step 3. 시간 경과 후 대체 수단이 α를 만족하지 않는 경우에는 δ, α를 어느 정도 줄여 스텝 1로 돌아갑니다.

예를 들면, 중고 BMW의 가격 설정에 휴리스틱 한 자동차 딜러가 사용하고 있는 등, 많은 분야에서 만족스러운 것이 보고되고 있습니다. 측면 배제 만족스러운 것과 달리 Amos Tversky의 측면별 배제 휴리스틱은 모든 대안이 동시에 이용 가능한 경우에 사용할 수 있습니다. 의사결정자는 특정 속성(또는 측면)의 열망 수준을 충족하지 않는 대안을 배제함으로써 대안의 수를 점차 줄입니다. 일련의 선택 동안 사람들은 불확실성을 경험하고 모순을 보이는 경향이 있습니다. 선택에 직면할 때, 측면에 의한 소거를 사용할 수 있습니다. 일반적으로 측면에 의한 제거 프로세스는 다음과 같습니다.

• 1단계: 의사결정과 관련된 속성을 하나 선택합니다.
• 2단계: 이 특정 속성을 제외한 모든 선택사항을 삭제합니다.
• 3단계: 대안을 더 제거하려면 다른 속성을 사용합니다.
• 4단계: 3단계를 반복하여 하나의 옵션만 남기고 그 후 결정이 내려집니다.

측면에 의한 배제는 대안을 선택하는 것이 소비자의 효용을 극대화하는 데 도움이 된다고는 추측하지 않습니다. 반대로 선택은 대안을 서서히 배제하는 확률론적 프로세스의 결과라고 생각합니다. Amos Tversky에 의해 간단한 예가 나타납니다. 누군가 신차를 구입하고 싶을 때, 그들이 가장 먼저 고려하는 것은 자동 변속기일지도 모릅니다. 그러면 그러한 측면을 포함하지 않는 모든 대체 수단이 배제됩니다. 그 후 이 기능이 없는 대체품이 모두 배제되면 3000달러 가격 제한 등의 다른 측면이 주어집니다. 모든 대안이 배제될 때까지 배제 과정은 계속됩니다. 측면에 의한 배제는 비즈니스 에인절의 의사결정 프로세스의 초기 단계에서 자주 사용되고 있습니다. 이는 신속한 의사결정 도구를 용이하게 하기 위해서입니다. 투자자가 잠재적인 기회의 중대한 결함을 발견할 경우 대안은 배제됩니다. 또 다른 연구에서는 측면에 의한 배제가 전력 계약 선택에 널리 사용되고 있다는 것도 실증되었습니다. 이 두 가지 예의 배후에 있는 논리는 일련의 복잡한 선택에 직면했을 때 측면에 의한 배제가 의사결정에 도움이 된다는 것입니다.

 

인식휴리스틱

예를 들어 2003년 윔블던 테니스 대회에서는 앤디 로딕이 토미 로브레도와 맞붙었습니다. 로딕에 대해 들어본 적이 있지만 로브레도에 대해서는 없다면 인식 휴리스틱은 로딕이 이길 것이라는 예측으로 이어집니다. 인식 휴리스틱은 부분적인 무지를 악용합니다. 플레이어 양쪽에 대해 들어본 적이 있거나 들어본 적이 없는 경우는 다른 전략이 필요합니다. 윔블던 2003과 2005의 연구에 따르면 반무식 아마추어 플레이어에 의해 적용된 인식 휴리스틱은 윔블던 전문가(모든 플레이어에 대해 들어본 적이 있음)의 시드링과 ATP 랭킹보다 모든 신사의 싱글 게임 결과를 예측한다는 것을 보여줍니다. 인식 휴리스틱은 생태학적으로 합리적입니다. 즉, 인식의 타당성이 실질적으로 가능성을 초과하는 경우, 선수의 이름 인식은 승리 가능성과 높은 상관관계가 있습니다. 마찬가지로 심리학적 연구에 따르면 최선의 섭취가 생태학적으로 합리적인 상황에서는 많은 사람들이 그것에 의존하는 경향이 있는 것으로 나타났습니다. 여기에는 공항 세관 직원에 의한 의사 결정, 전문 절도범과 경찰관, 학생 집단에 의한 의사 결정이 포함됩니다. 최고의 테이크 더 베스트가 생태학적으로 합리적인 조건은 대부분 알려져 있습니다. Take-the-best는 정보의 일부를 무시하는 것은 일반적으로 불합리하다는 이전 견해가 틀렸음을 보여줍니다. 적은 분들이 많을 수도 있어요. 신속하고 견고한 트리는 심한 흉통을 가진 환자가 심장 발작을 일으킬 가능성이 있는지, 또는 검문소에 접근하는 차량이 테러리스트 또는 민간인일 가능성이 있는지 등 분류를 할 수 있는 휴리스틱 한 것입니다. 신속하고 검약이라고 불리는 것은 테이크 더 베스트와 마찬가지로 사소한 단서나 속성으로 신속한 의사결정을 가능하게 하기 때문입니다. 일련의 질문을 하는 의사결정트리처럼 표현할 수 있기 때문에 트리라고 불립니다. 그러나 완전한 의사결정 트리와는 달리, 그것은 시간을 절약하고 오버핏의 위험을 줄이기 위한 불완전한 트리입니다.