人与机器,谁的建议更容易被采纳?不同决策情境下建议者类型对建议采纳的影响研究

在数字经济时代,人类会更加面临“有限处理能力”和“无限增长信息”的矛盾,而利用机器帮助提高决策者决策质量是解决或缓解这一矛盾的途径之一。本研究从接纳建议的角度研究人们对于人机工作的态度,通过引入“机器”作为建议者,比较人们在接纳机器和人提出建议上的差别以及重要的认知条件。研究的主要发现包括:(1)决策者在主观决策情境中会倾向于人的建议,而在客观决策情境中则倾向于机器的建议;(2)在客观决策情境中,高认知闭合需要的个体对人和机器建议的采纳无显著差异,而低认知闭合需要的个体会更倾向于采纳机器的建议;(3)在客观预测情境中,决策者在困难任务时更倾向于采纳机器的建议,而在简单任务时,对人和机器建议的采纳无显著差异;(4)在主观决策情境中,对人的建议的采纳不受建议框架的影响,但对于机器提出的建议在负性建议框架描述更容易采纳。研究的理论贡献在于:丰富和完善了不同决策情境下建议者类型(人/机器)对建议采纳的影响的理论体系;研究的实践意义是:帮助决策者更充分地利用机器来辅助决策,更全面地了解机器建议过程中的作用机制与路径,提高了决策质量。