Three articles on a decision support system providing individual error pattern feedback versus automated debiasing of judgments

Kurzfassung/Abstract

Das Ziel dieser kumulativen Dissertation ist es, kognitive Verzerrungen in menschlichen Expertenurteilen zu verringern, um die Genauigkeit der Urteile zu erhöhen. Letzteres ist wichtig, da die Genauigkeit von Entscheidungen wesentlich für den Geschäftserfolg ist. Zu diesem Zweck werden die Stärken von Menschen und Maschinen kombiniert, indem Experten Feedback gegeben wird, das von einem statistischen Modell (der Maschine) auf der Grundlage vorheriger Fehler des Experten erstellt wird. Basierend auf diesem Konzept der kollaborativen Intelligenz wird ein Entscheidungsunterstützungssystem entwickelt und in mehreren Experimenten getestet. Die kumulative Dissertation besteht aus drei Artikeln.

Artikel 1 und Artikel 2 untersuchen verschiedene Aspekte des Entscheidungsunterstützungssystems und Artikel 3 fasst die Aussagen zusammen und untermauert sie. Artikel 1 untersucht den Einfluss von Feedback basierend auf einem persönlichen Fehlermuster auf weitere Punktschätzungen. Das Feedback basiert auf bisherigen persönlichen Schätzungen, die aus verschiedenen Kategorien stammen, wobei angenommen wird, dass Experten das Feedback selektiv anwenden und in der Lage sind, Verzerrungen und Fehler zu reduzieren. Dabei wird untersucht, wie das Feedback genutzt wird, um die Richtung des Fehlers zu korrigieren und Verzerrungen und Fehler zu reduzieren. Dies wird sowohl allgemein unter Vernachlässigung von Kategorien als auch selektiv hinsichtlich der Unterschiede zwischen Kategorien untersucht. Artikel 1 befasst sich auch mit dem Vergleich zwischen menschlich korrigierter Verzerrung und maschinell automatisch korrigierter Verzerrung.

Artikel 2 behandelt Experimente mit demselben Entscheidungsunterstützungssystem, wobei der Schwerpunkt auf der Schätzung von Konfidenzintervallen und der Verringerung von Selbstüberschätzung sowie Über- und Unterschätzungsfehlern liegt. Hier fordert das Entscheidungsunterstützungssystem die Benutzer auf, ein 90%iges Konfidenzintervall als Antwort auf Schätzungsfragen anzugeben. Es wird untersucht, wie das Feedback auf der Grundlage eigener Fehlermuster dazu beitragen kann, Selbstüberschätzung durch Erweiterung der Konfidenzintervalle zu reduzieren. Darüber hinaus werden Verschiebungen der Intervalle analysiert, um herauszufinden, ob Über- und Unterschätzungsfehler abgeschwächt werden. Artikel 3 untermauert die Aussagen von Artikel 1 und Artikel 2, indem er zusätzliche Experimente mit einer größeren Stichprobengröße mit denselben Kategorien sowie neuen Kategorien berücksichtigt, um die Ergebnisse robuster und allgemein gültig zu machen. Artikel 3 enthält auch eine weitere Analyse zum Vergleich zwischen menschlich korrigierter Verzerrung und maschinell automatisch korrigierter Verzerrung