认知偏差 · aiwiki.page

认知偏差是判断、记忆或决策中系统性偏离相关准确性、证据评估或理性标准的倾向。与偶发的错误不同，偏差指的是在特定条件下反复出现的模式。心理学和认知科学研究通过涉及推理、不确定性、信息搜索和选择的任务来考察这些模式。识别偏差既需要关注观察到的行为，也需要关注用来评估该行为的标准。(annualreviews.org)

认知偏差可能源于简化的信息处理策略、有限的认知资源、动机因素的影响，或问题的呈现方式。启发式方法本身并不一定构成偏差：一种简便策略可能在某种环境中产生准确判断，却在另一种环境中导致系统性错误。阿莫斯·特沃斯基和丹尼尔·卡尼曼关于不确定条件下判断的研究，推动了启发式与偏差研究纲领的形成；这一研究纲领在行为经济学及其他关注人类决策的领域产生了重要影响。(doi.org)

这一领域涵盖概率估计、信念形成、回忆、社会判断和价值评估中的偏差。相关研究还涉及个体差异、实验测量、专业决策，以及旨在改善判断的干预措施。不同的解释强调认知局限与环境要求之间的不同关系；因此，如何解释经研究证实的偏差，以及这种偏差具有怎样的实际意义，取决于任务、情境和证据质量。(pubmed.ncbi.nlm.nih.gov)

定义、范围与相关概念

认知偏差是判断、推理、回忆或选择中系统性偏离某一明确的准确性标准或恰当推断标准的倾向。“系统性”是指反应呈现出反复出现的方向或结构，例如估计值向一个无关的初始值偏移，而不只是偶尔出错。衡量基准可以是一个已知的量、概率规则、逻辑有效性的要求，或决策理论中的一致性条件。仅凭一个错误答案并不能认定存在偏差：一次孤立的计算错误，或围绕目标值的随机波动，都不同于反应中可预测的偏移。因此，这一分类关注的是特定条件下的反应模式，而不只是结果不理想，或与观察者的看法不一致。(csc2.ncsu.edu)

启发式是一种信息处理策略，而偏差则是依据某一基准评判的结果模式。启发式通过减少信息搜寻，或用更容易完成的操作替代困难的评估，来简化任务。例如，根据实例浮现于脑海的容易程度来判断发生频率，在提取难易确实反映实际频率时可能很有用；但如果媒体报道或事件的生动性使罕见事件格外容易被想起，这种判断就可能产生误导。阿莫斯·特沃斯基和丹尼尔·卡尼曼在1974年的论文《不确定性下的判断：启发式与偏差》中，将这类策略描述为省力且通常有效，同时也记录了它们带来的可预测错误。另一方面，格尔德·吉仁泽和沃尔夫冈·盖斯迈尔在2011年的综述中说明了为什么忽略信息未必会降低准确性：表现取决于任务和环境。使用捷径或减少计算投入，本身都不能作为存在偏差的证据。(csc2.ncsu.edu)

谬误涉及论证或论证过程中的缺陷；认知偏差则涉及信息处理或反应产生过程中的倾向。两者可以重叠，但所要解释的对象不同。文本中可以出现谬误推断，却没有证据表明作者惯常如此推理；而估计或失真的回忆也可能表现出偏差，却不包含明确的论证。蓄意欺骗同样是另一回事：明知答案错误却仍然报告，并不能证明判断本身有误。同样，缺乏知识可能解释某个不准确的反应，却不能据此认定存在系统性歪曲。这些区分对实验研究很重要：证明存在偏差，不能仅靠发现错误陈述；而对任务的理解和可获得的信息，也会影响某种表面上的偏离是否确实属于错误。(plato.stanford.edu)

在统计学中，估计量的偏差有一个更为狭义的数学定义：

\operatorname{Bias}_{\theta}(\hat{\theta}) =\mathbb{E}_{\theta}[\hat{\theta}]-\theta.

其中， $\hat{\theta}$ 是参数 $\theta$ 的估计量，期望值是在指定统计模型下对重复抽样取期望得到的。即使不涉及任何人的判断，计算程序也可以具有这一性质。认知偏差并不限于数值估计，也不限于平均误差不为零的情况：它还包括对以不同方式呈现的信息所作反应之间的系统性差异，以及对事件的记忆中具有方向性的歪曲。因此，共用“偏差”一词，并不意味着心理学概念与统计学概念可以互换。(nist.gov)

认知偏差的范围涵盖不确定情境下的判断、对理由的评估、记忆重构和选择，但并非每一种认知局限都属于偏差。丹尼尔·沙克特在1999年对七类记忆失误的论述中，将遗忘——包括易逝性、心不在焉和阻塞——与涉及错误归因、暗示性和偏差的记忆歪曲区分开来。在这种较狭义的记忆研究用法中，偏差包括回忆受到当前知识或信念的重塑，而不只是信息丢失。相应地，注意力有限、计算缓慢以及难以想起某个名字，本身都不足以证明存在方向性歪曲。偏差名称描述的是可识别的反应模式；它们并不一定意味着所有受影响的人都具有同一种底层机制，也不一定意味着一个人在所有情境中都会表现出相同倾向。(sites.harvard.edu)

偏差研究的历史发展

关于判断中系统性错误的研究，源于此前对推理与决策的几种研究路径。沃德·爱德华兹在1954年的综述《决策理论》中，将经济学关于偏好与风险选择的理论引入实验心理学，推动建立了将实际选择与形式化模型进行比较的框架。在《理性选择的行为模型》（1955）中，赫伯特·西蒙对那些假定决策者拥有广泛知识和强大计算能力的模型提出了质疑。他对有限理性的论述考察了人们如何简化选择、寻找令人满意的备选方案，而不是穷尽计算以求得最优解。这一研究路径将信息与计算能力的局限置于解释决策行为的核心位置。(tandfonline.com) 与此同时，另一条研究路径着眼于假设检验：彼得·沃森在1960年的规则发现实验中发现，29名参与者中，只有6人在未先提出错误结论的情况下找到了正确规则。这项研究使人们开始关注：在检验自己的假设时，人们如何选择证据。(tandfonline.com)

阿莫斯·特沃斯基和丹尼尔·卡尼曼在20世纪70年代初的研究，将反复出现的判断错误与可辨识的认知策略联系起来。《对小数定律的信念》（1971）考察了人们对小规模随机样本能够充分代表总体的过高预期，这种预期甚至也存在于熟悉统计学的研究人员之中。他们随后发表的论文包括《主观概率：一种代表性判断》（1972）、《论预测心理学》（1973）以及《可得性：一种判断频率与概率的启发式方法》（1973）。这些研究探讨了相似性以及实例在记忆中被提取的容易程度，如何影响概率判断与预测。由此，这一研究计划不再只是记录错误答案，而是进一步解释：为什么在表述不同的任务中，某些特定错误会反复出现。(stats.org.uk)

他们的综合性论文《不确定性下的判断：启发式与偏差》于1974年9月27日发表于《科学》。论文围绕三种启发式策略组织证据：代表性、可得性，以及从锚点出发进行调整。作者指出，这些策略省时省力，而且往往有效，但也表明它们可能导致对统计学原则的可预测偏离。这项研究的一个重要特点，是采用简短、可重复的判断题，而不是笼统地声称人们不善于推理。例如，接触到任意给定的起始数字10或65的参与者，随后对非洲国家占联合国成员国比例的估计，其中位数分别为25%和45%。这类实验展示使所提出的判断策略影响能够通过实验被观察到。(doi.org)

此后，这一研究计划从概率判断扩展到风险条件下的偏好。1979年3月，卡尼曼和特沃斯基在《计量经济学》发表了《前景理论：风险条件下的决策分析》。前景理论提出了一种形式化的描述性理论，作为期望效用理论的替代方案，将实验中观察到的选择模式与明确的数学模型联系起来，而非仅仅罗列异常现象。(ideas.repec.org) 他们于1981年在《科学》发表的论文《决策的框架与选择心理学》表明，当等价的结果以不同方式呈现时，人们的偏好会发生逆转。在其中的疾病应对实验中，以挽救生命的方式描述结果时，72%的参与者选择了结果确定的方案；而以等价的死亡人数描述结果时，78%的参与者选择了有风险的方案。这些发现使决策问题的表述方式成为理性选择讨论的一部分。(stanford.edu)

由卡尼曼、保罗·斯洛维克和特沃斯基主编的1982年论文集《不确定性下的判断：启发式与偏差》，体现了这一研究领域的不断拓展。该书涵盖了过度自信、风险感知和纠偏方法等主题；其中，戴维·M. 埃迪关于临床医学中概率推理的章节，展示了这些研究在专业判断中的应用。(cambridge.org) 这一研究领域与行为经济学的联系于2002年10月9日获得了学术制度层面的认可：卡尼曼被宣布为诺贝尔经济学奖得主之一，以表彰他将心理学研究融入经济学，尤其是在不确定性下的判断与决策方面所作的贡献。他与弗农·L. 史密斯共同获奖，后者则因实验经济学方法方面的贡献而受到表彰。获奖公告明确肯定了卡尼曼与特沃斯基的合作；特沃斯基已于1996年去世。(nobelprize.org)

评估判断与选择的标准

研究区分了判断与选择模型的三种作用。规范性模型规定用于评估推断或偏好的标准；描述性模型刻画人们实际如何行动；指导性方法则制定程序，旨在帮助人们在现实约束下达到相关标准。这些作用不能相互替代：一个模型可能准确预测行为，却不能据此证明该行为是恰当的；同样，一项规范性原则也不必描述产生某种反应的心理过程。例如，在决策理论中，期望效用最大化可以作为评估基准，但这并不意味着人们在做出选择前会明确计算效用和概率。(plato.stanford.edu)

逻辑学的评估基准关注的是结论能否从前提中推出，而不是结论听起来是否合理。按照经典演绎标准，有效论证不可能在前提为真的同时得出假结论；因此，评估时须将前提视为给定条件，考察推理过程。概率论为不确定性判断提供了相应的一致性要求：概率介于零与一之间，互斥事件的概率可以相加，而包含于另一事件之内的事件，其概率不能高于包含它的事件。这些约束用于评估各项判断之间的关系，无须事先知道最终会出现哪一种结果。埃尔达·沙菲尔与罗宾·A. 勒伯夫在2002年的综述《理性》中，考察了推理、判断和选择中偏离规范性要求的现象，同时讨论了有关实验假设和任务解读的争议。(annualreviews.org)

贝叶斯推断为获得证据后如何修正信念提供了评估基准。对于假设 $H$ 和证据 $E$ ，当 $P(E)>0$ 时，贝叶斯定理给出 $P(H\mid E)=P(E\mid H)P(H)/P(E)$ 。后验概率由先验概率和证据的似然共同决定，而不只是取决于证据与假设的相似程度。以一个检测问题为例：假设有1%的零部件存在缺陷，警报能检出90%的缺陷零部件，同时也会对5%的无缺陷零部件发出警报。那么，在警报响起的条件下，零部件存在缺陷的概率为 $0.009/(0.009+0.0495)$ ，约为15.4%，而不是90%。只有当所给比率适用于所考察的零部件总体和检测程序时，这一计算才能作为评估基准；定理本身并不能独立证实这些假设。(stat.berkeley.edu)

期望效用理论将概率与决策者对后果的价值评估相结合，以此评价选择。对于离散结果，该理论依据 $EU(a)=\sum_i P(o_i\mid a)u(o_i)$ 对行动 $a$ 进行排序，其中 $u(o_i)$ 表示结果 $o_i$ 的效用（经济学）。期望效用最大化不一定等同于期望金钱收益最大化：相比于金钱期望值更高、但风险更大的选项，偏好一笔确定的收入，也可能符合这一理论。因此，评估是否存在偏差时，必须明确当事人的信念和目标，而不能把研究者偏好的结果视为唯一理性的选择。(plato.stanford.edu)

不利的结果本身并不能证明此前的决策存在偏差。有充分依据的选择也可能导致小概率的不利结果，正如依据不足的选择也可能偶然成功。乔纳森·巴伦与约翰·C. 赫尔希在1988年发表的五项研究中，展示了这一区分对评估的重要性：本科生在评价涉及医疗情境或金钱赌博的决策时，尽管已经获得了做出决策时可用的相关信息，仍会在得知结果有利时给予决策更高的评价。这些实验考察的是评估决策质量时的结果偏差，并非证明原先的决策者推理有误。(bear.warrington.ufl.edu)

因此，要将某种反应判定为有偏差，就必须明确：当时有哪些信息可用，参与者如何理解任务要求，哪些目标与任务相关，以及存在哪些约束。日常措辞可能引导人们做出不同于其形式逻辑含义的解读；未给出的概率可能需要依靠假设，而非计算；时间或信息搜寻成本也可能改变某种程序是否可行。有限理性将这些资源限制纳入分析。这些考量并不会自动为不一致的判断开脱，而是用于确定所提出的评估基准是否适用于实际任务，以及观察到的偏离究竟反映了推理、解读、偏好，还是约束条件。(annualreviews.org)

认知与动机机制

选择性加工可能源于资源限制：关注每一条线索、提取所有相关知识并比较每一个备选方案，会超出可用的时间和计算资源。在有限理性的框架下，启发式通过简化特定操作来降低这些要求，而不只是为了迅速给出答案。阿努杰·沙阿和丹尼尔·奥本海默于2008年提出的努力削减框架，区分了启发式可以简化的五种操作：考察线索、提取线索值、为线索赋予权重、整合信息，以及考察备选方案。因此，一条决策规则可能只考虑少数几个属性，为这些属性赋予相同权重，或在出现可接受的选项时停止搜索。这些捷径未必会导致错误；只有当被省略或简化的信息对当前判断具有重要意义时，才会出现方向性的歪曲。因此，选择性加工是一种被提出的解释机制，其本身并不足以证明存在偏差。(pages.ucsd.edu)

双重加工理论区分了相对自主的加工与需要持续认知控制的加工。在2013年的理论表述中，乔纳森·埃文斯和基思·斯坦诺维奇将类型1加工描述为产生默认反应的过程，而类型2加工则支持假设性思考，并高度依赖工作记忆——即在任务进行过程中保持和操作信息的能力。一个人在评估论证时，起初可能会对其熟悉或看似合理的结论作出反应，随后再单独检查该结论是否能从前提中推出。这一区分涉及的是加工的性质，而不是指大脑中确实存在两个解剖学系统；类型1涵盖了多种自主加工过程。这一区分也并不意味着自动产生的答案必然错误，或经过深思熟虑的答案必然正确。深思熟虑提供了核查的机会，但其结果仍取决于执行任务时所运用的知识、规则和目标。(psychologicalscience.org)

目标既能影响哪些理由会进入思考，也能影响这些理由如何受到评估。齐娃·昆达在1990年对动机性推理的论述中，区分了准确性目标与方向性目标：寻求一个经得起辩护的答案，不同于为自己偏好的结论寻找支持。方向性动机可能使人更倾向于提取符合自身倾向的记忆、构建支持性的解释，并对不合心意的证据进行更苛刻的审查。这并不要求推理者明知答案不实而加以捏造。推理者可能觉得所选证据很有说服力，因为选择过程本身就存在倾向性。昆达强调，偏好的结论受到一个条件的约束：推理者必须能够构建出看似合理的论证。因此，投入更多努力既可以用于检验最初的判断，也可以用于详尽论证为何应当保留这一判断；仅凭努力的多少，无法确定推理的目的或质量。(bear.warrington.ufl.edu)

情感也能通过特定的评估方式改变判断，而不只是通过单一的积极—消极心境维度发挥作用。在詹妮弗·勒纳和达契尔·凯尔特纳2001年的研究中，恐惧与更悲观的风险估计及规避风险的选择相关，而愤怒则与更乐观的估计及寻求风险的选择相关。这种相反的模式既出现在自然产生的情绪中，也出现在实验诱发的情绪中。尽管恐惧和愤怒都具有负性效价，但与之相关的评估有所不同：恐惧涉及不确定性和较低的控制感，而愤怒则涉及更高的确定性和感知控制。对确定性和控制的评估调节了研究所报告的效应，而感知控制在其中发挥了中介作用。这些发现揭示了特定情绪导致判断差异的一条路径；仅有情绪影响，并不足以证明判断偏离了规范性基准。(pubmed.ncbi.nlm.nih.gov)

因此，描述性的偏差标签不能替代对加工过程的解释。例如，某项估计受到初始值的吸引，既可能是因为需要付出努力的调整过早停止，也可能是因为优先提取了与该初始值一致的信息。尼古拉斯·埃普利和托马斯·吉洛维奇在2005年的锚定研究中区分了这些被提出的机制，并报告指出，对于自行生成的锚点和外部提供的锚点，激励措施和预先警告会产生不同的影响。他们在2006年的实验发现，从自行生成的锚点出发进行的调整，往往在估计值刚进入合理范围时就停止。因此，相同的方向性模式可能通过不同的加工路径产生，并且对动机或任务要求的变化作出不同反应。(onlinelibrary.wiley.com)

认知偏差的组织与分类

功能性分类依据判断偏离特定基准时所涉及的活动，将偏差分组。概率推断包括估计概率时忽视基础概率和犯合取错误；信息搜寻包括优先寻找支持既有假说的证据；记忆重构包括后续信息或当前信念对回忆造成的扭曲；社会判断包括解释他人行为或评价自身时产生的偏差；偏好或选择包括框架效应以及对沉没成本的敏感性。这些分组标示的是主要受影响的任务，而非彼此独立的心理模块。例如，与证实有关的效应既可能涉及证据收集，也可能涉及证据解释，而记忆扭曲则可能改变后续决策所能利用的信息。(frontiersin.org)

按观察到的效应分类，是描述反应中的规律：估计值向锚点靠拢，或在等价选项采用不同描述时，偏好发生变化。按提出的机制分类，则是依据解释对效应进行分组，例如依赖启发式、选择性加工，或维持既有信念的动机。阿莫斯·特沃斯基和丹尼尔·卡尼曼在1974年提出的论述，以代表性、可得性以及锚定与调整为核心，组织了众多判断错误。沙乌尔·奥雷格和马赫穆特·巴亚齐特于2009年提出了另一种框架，根据假定的深层动机，区分验证偏差、简化偏差和调节偏差。这些分类方案所作的理论承诺并不相同：将两种效应归入同一功能类别，并不能证明它们由同一过程引起；而基于机制的分类，则需要超出结果相似性之外的证据。(psy.ucsd.edu)

目前没有一种得到普遍认可的统一分类体系，各种分类往往服务于特定的研究目的。埃万西娅·迪马拉及其同事于2020年发表了一套基于任务的分类体系，将154种偏差划分为七个类别，以便将偏差研究与信息可视化活动联系起来。相比之下，文森特·贝尔泰和文森特·德加尔代勒在2023年编制的《启发式与偏差量表》，有意不以某一种理论分类体系统摄其测量内容。术语的具体程度也各不相同。雷蒙德·尼克森在1998年的综述中，将确认偏差视为一大类搜寻或解释证据的方式，其共同特点是偏向支持既有信念、预期或假说。因此，一项测量选择性搜寻的任务，只是在测量这一类偏差的一种表现，并不一定涵盖该名称所包含的所有过程。所以，统计目录中的名称数量，并不能确定有多少种不同的认知机制。(research-portal.uu.nl)

特定领域的分类不必与一般性的认知偏差目录一致。丹尼尔·沙克特于1999年对记忆错误进行分类，区分出七种“罪”：易逝、心不在焉、阻塞、错误归因、易受暗示、偏差和持续。前三种涉及遗忘，接下来的三种涉及失真，最后一种则涉及侵入性回忆。在这里，偏差指的是记忆研究中一个范围较窄的类别，并非涵盖全部七种现象。这一区分也说明，为什么不能简单地将认知局限的分类改称为偏差的分类：无法提取信息与记忆信息发生方向性改变，是两种不同的结果，即使它们都会损害表现。(pubmed.ncbi.nlm.nih.gov)

还需要进一步区分跨参与者观察到的实验效应与稳定的个体差异。比较结果若显示，一种框架条件比另一种引发了更多冒险选择，仅凭这一点，并不能识别哪些参与者会一贯地受到框架影响。贝尔泰2021年的研究体现了这一区别：在其第一个包含157名参与者的样本中，锚定效应的标准化效应量为 $d=1.05$ ，而相应得分的分半信度为 $0.68$ 。效应大小与个体层面测量的信度，回答的是不同的问题。要确立一种持久的个体倾向，还需要各题项之间的一致性、随时间保持的稳定性，以及证明该测量确实反映预期构念的证据。贝尔泰和德加尔代勒2023年的综述，在108项研究中识别出了41种被测量的偏差，但仍发现可靠测量方面存在缺口。因此，一份列有具名效应的目录，既不是经过验证的诊断清单，也不足以据此认定某个人具有普遍“易受偏差影响”的人格。(frontiersin.org)

概率与统计判断中的偏差

代表性启发式以相似程度代替概率判断：一个人若看起来符合工程师的刻板印象，就可能被认为很有可能是工程师，而判断者却未充分考虑工程师在相关人群中所占的比例。丹尼尔·卡尼曼和阿莫斯·特沃斯基关于预测的研究，将这种匹配过程与综合考虑先验概率及证据诊断价值的推断区分开来。相似性可以提供信息，但本身并不是概率。根据贝叶斯定理，某人属于一个类别的概率，既取决于该类别的基础比率，也取决于在该类别中观察到所述特征的可能性；当人们给予前者的权重不足时，就会出现基础比率忽视。(scholarsbank.uoregon.edu)

合取谬误说明，一种更具代表性的描述，所对应的事件反而可能更不容易发生。在特沃斯基和卡尼曼于1983年提出的“琳达问题”中，琳达被描述为一名关注歧视和社会正义的哲学专业毕业生。参与者需要对几种可能的描述进行排序，其中包括“银行出纳员”和“积极参与女权运动的银行出纳员”。在卡尼曼2003年的论述所讨论的概率排序组中，89%的参与者将这两个条件同时成立的描述排在单独的“银行出纳员”描述之前。然而，两个事件同时发生的概率不可能高于其中任一事件的概率： $P(A\cap B)\leq\min\{P(A),P(B)\}$ 。每一位参与女权运动的银行出纳员都必然是银行出纳员；增加第二个条件只会缩小，而不会扩大符合条件的情形集合。这一约束并不要求两个事件相互独立。(bear.warrington.ufl.edu)

对样本量不敏感，涉及的是样本的变异程度，而不仅仅是样本结果的平均水平。在1974年报告的“医院问题”中，参与者比较了两家每天分别约有45名和15名婴儿出生的医院，并判断哪家医院会有更多天出现男婴比例超过60%的情况。在95名回答者中，53人认为两家医院出现这种情况的频率大致相同，另有21人选择较大的医院，21人选择较小的医院。按照任务设定的抽样假设，较小的医院应该更容易出现极端比例。特沃斯基和卡尼曼在1971年使用“对小数定律的信念”这一表述，描述人们错误地期待即使很小的样本也能高度复现总体特征。与大数定律不同，这并非数学上的保证，而是对小样本代表性的夸大。(psy.ucsd.edu)

对均值回归的误解会造成另一种统计错误。当连续测量结果之间并非完全相关时，因初次得分极端而被选中的个案，其后续得分往往不那么极端。特沃斯基和卡尼曼曾描述一些飞行教官：他们把批评后表现改善、表扬后表现变差的现象，视为批评比表扬更有效的证据。然而，批评发生在异常糟糕的表现之后，表扬发生在异常出色的表现之后，因此，即使这两种干预都没有导致表现变化，均值回归也可能产生这种模式。均值回归并不意味着每一个极端结果都必然反转；它指的是在这些经过筛选的个案中，预期会出现的整体模式。(psy.ucsd.edu)

对代表性的期待也会影响人们对随机序列的判断。赌徒谬误将近期结果的不平衡视为一种促使相反结果出现的压力，仿佛随机过程会在短期内自行纠偏。然而，对于一枚已知公平、且各次抛掷具有统计独立性的硬币，无论此前出现了什么序列，下一次正面朝上的概率始终是 $1/2$ 。长期收敛并不要求出现补偿性的结果。这些结论取决于结果的生成过程：如果硬币是否公平尚不清楚，观察到的结果就能为判断其是否存在偏向提供依据；如果事件之间存在依赖关系，先前的结果就可能影响后续概率。因此，必须将对序列的错误判断，与针对不确定或变化中的机制所作的合理推断区分开来。(stats.org.uk)

估计中的可得性与锚定

可得性启发式根据回忆相关事例或想象相关情境的难易程度，来估计事件发生的频率或可能性。阿莫斯·特沃斯基和丹尼尔·卡尼曼在1973年的论述中，将这种提取的容易程度与实际发生率区分开来：频繁发生的事件往往能提供容易回忆的事例，但提取的难易也取决于信息的组织方式。他们的词频实验说明了这一区别。参与者往往认为，以某个指定字母开头的单词，比第三个字母为该字母的单词更常见，但对于实验所测试的字母，实际情况恰好相反。按首字母搜索记忆，比按单词内部的字母位置搜索更容易。(noorsiddiqui.com)

生动性、近期性和熟悉度都可能改变信息提取的容易程度，而不改变事件的普遍程度。在特沃斯基和卡尼曼于1974年描述的一项实验中，参与者听取由男性和女性姓名组成的名单，随后高估了姓名更为知名的那个性别在名单中所占的人数比例。两位作者还指出，近期发生的事件和引人注意的经历——例如亲眼目睹火灾，而非阅读火灾报道——也会影响可得性。这些因素改变了哪些事例更容易浮现在脑海中，却不能据此确定相应事件究竟有多常见。(psy.ucsd.edu)

可得性可能涉及提取记忆时的主观体验，而不仅仅是所回忆事例的数量或内容。1991年，诺伯特·施瓦茨及其同事要求参与者回忆自己表现得果断或不果断的六个或十二个事例。回忆十二个事例更为困难。尽管回忆十二个果断行为事例的参与者提供了更多支持性例证，他们随后对自身果断程度的评价，却低于只回忆六个事例的参与者。对于不果断行为，则出现了相反的模式。后续实验考察了参与者是否将提取困难视为具有信息价值，结果表明，这种困难的影响取决于参与者如何理解这一体验。(roar-assets-auto.rbl.ms)

当数值估计向某个初始值靠拢时，就出现了锚定效应。在1974年报告的经典实验中，一个幸运转盘给出了0到100之间的数字。参与者先判断联合国成员国中非洲国家所占的百分比高于还是低于该数字，再估计具体的百分比。初始值为10和65的两组参与者，给出的估计中位数分别为25%和45%。这个随机数字并未提供任何有关联合国成员国构成的信息，但估计值仍向它靠拢。特沃斯基和卡尼曼将锚定解释为：人们从一个初始值出发进行调整，却在作出充分修正之前就停止了。(psy.ucsd.edu)

后来的研究将这一解释与其他机制区分开来。尼古拉斯·埃普利和托马斯·吉洛维奇在2006年的实验中发现，对于自行生成的锚点，一旦估计进入一个合理范围，调整往往就会停止，除非参与者有能力且愿意继续探索。外部提供的锚点未必以相同方式起作用。弗里茨·施特拉克和托马斯·穆斯韦勒在1997年提出的选择性可及性解释认为，回答比较问题会使与锚点一致的知识更容易被提取，进而影响对具体数值的估计。因此，估计向锚点靠拢，本身并不能证明人们经历了一连串有意识的数值调整。(pubmed.ncbi.nlm.nih.gov)

信息易于提取或依赖初始值，都不一定构成错误。如果接触到的事件能够反映相关事件的实际分布，那么记忆中的事例就可能提供有用的信息；只有当与频率无关的提取优势取代了关于频率的证据时，回忆的容易程度才会产生误导。同样，一个与问题相关的初步估计，也可能合理地限定判断范围。因此，评估锚定效应，需要区分锚点所提供的信息，与它仅仅作为一个被呈现的数字所产生的影响；而评估可得性，则需要将所回忆事例的证据内容，与提取这些事例的难易程度区分开来。(sciencedirect.com)

确认、信念维持与推理

确认偏误可能出现在推理的多个阶段。选择性搜索涉及获取哪些信息：人们可能会寻找预期能够支持现有假设的案例、问题或信息来源，而不考察其他可能性。不对称解读涉及如何理解证据的含义：人们可能会将含糊的观察结果理解为符合自己偏好的解释。选择性赋权涉及证据对判断的影响：支持性发现可能未经仔细审查就被接受，而反对性发现则在方法、可信度或相关性方面面临更严格的要求。这些过程可以同时存在，但不能相互等同；接触相同的信息，并不意味着会作出同等的评价。雷蒙德·尼克森在1998年的综述中区分了这些表现形式，但并未将其视为某种单一机制的证据，也未认定它们必然属于有意的歪曲。(psy.ucsd.edu)

彼得·沃森在1960年开展的规则发现实验，在一个相对简单的情境中考察了信息搜索。29名参与者收到一组符合某条未公开规则的三元数组 $2,4,6$ ，随后提出其他三元数组，并获得每组是否符合规则的反馈。实际规则是任意三个严格递增的数。较窄的假设，例如“连续的偶数”，同样会预测 $4,6,8$ 能被接受，因此这一反馈无法区分该假设与更宽泛的规则。相比之下， $1,2,8$ 被接受，就与较窄的假设相矛盾，却仍然符合实际规则。只有6名参与者在未先宣布错误规则的情况下识别出了正确规则；13人曾宣布一次错误规则，9人曾宣布两次或更多错误规则，另有1人没有宣布任何结论。这些数字描述的是参与者宣布规则的先后情况，并不是说最终只有6人解决了这项任务。(bear.warrington.ufl.edu)

正向检验策略，即考察预期符合某项假设的案例，本身并不等同于确认偏误。约书亚·克莱曼和夏永元在1987年强调了这一区别：正向检验也可能产生否证性反馈，其信息价值取决于假设中的类别与实际类别之间的关系。在沃森的任务中，猜测出的较窄规则所涵盖的范围包含在目标规则的范围内，因此正例尤其难以区分这两种规则。在其他情境中，检验一个预测为正例的案例，可以高效地揭示某项预期属性并不存在。这种策略描述的是如何选择检验对象；确认偏误描述的则是一种缺乏正当依据、偏向支持某个信念的倾向。要推断后者是否存在，需要考察其他假设、可能的结果，以及检验所提供的信息。(bear.warrington.ufl.edu)

当既有信念影响人们对新呈现证据的评价时，就会发生偏向性同化。在1979年的一项实验中，查尔斯·洛德、李·罗斯和马克·莱珀向48名支持或反对死刑的本科生展示了两项虚构研究，这两项研究对死刑的威慑效果报告了相反的结论。研究方法与所报告结果之间的对应关系经过了平衡安排。两组参与者都认为，支持其既有立场的研究更有说服力，开展得也更好。参与者报告的态度变化表明，在考察这些结论相互冲突的证据后，他们的立场进一步两极分化。因此，这项实验考察的是人们如何对经过控制的研究描述作出不同评价；它既没有提供有关该政策有效性的事实证据，也没有证明每次接触相互冲突的信息都会加剧分歧。(nuovoeutile.it)

信念固着是指某项判断最初所依据的证据已被否定后，该判断仍然持续存在。1975年，罗斯、莱珀和迈克尔·哈伯德让参与者完成一项区分真实与伪造遗书的任务，并给予预先设定的成功或失败反馈。实验后的说明明确告知参与者，这些反馈与实际表现无关，但参与者随后对自身能力及未来表现预期的评估，仍保留着最初反馈的影响。第二项实验发现，观察者的判断也存在这种持续效应。作者提出，最初印象会促使人们形成因果解释，并调用看似与之相符的信息，使这些解释在最初证据被撤回后仍能延续。这比仅仅抗拒一项相反的观察结果更能说明问题：实验操纵消除了原始证据本身与判断的相关性。(researchgate.net)

信念偏误涉及对论证的评价，而非对证据的选择。在演绎推理中，有效性要求：如果前提为真，结论就必须成立；结论在日常经验中是否看似合理，则是另一回事。乔纳森·埃文斯、朱莉·巴斯顿和保罗·波拉德在1983年的实验中，将论证有效性与结论可信性进行交叉组合，发现两者都会产生影响，而且信念对无效论证的影响更大。例如，“所有狗都是哺乳动物；所有猫都是哺乳动物；因此，所有猫都是狗”是无效论证，但将结论换成一个可信的结论，也无法修正这种推理形式。信念偏误任务检验的是：人们的判断是否依据前提与结论之间的逻辑关系，而不是依据他们是否认同单独看待的结论。(core.ac.uk)

记忆重构与回溯性判断

重构性记忆将保留下来的经历信息与提取记忆时可用的知识、预期和线索结合起来；它并非只是重播一份固定不变的记录。因此，当下的信念可能影响人们对以往经历的记忆，包括过去的态度和情绪反应。丹尼尔·L. 沙克特在1999年对记忆错误所作的分类中，将遗忘（例如记忆随时间推移而越来越难以提取）与错误归因、易受暗示性以及与信念有关的记忆扭曲区分开来。重构本身并不能证明存在偏差：关键在于记忆是否系统性地向当前信念、暗示的细节或已知结果偏移，而不只是信息缺失。(sites.harvard.edu)

即使早先的反应已有记录，当前的评价仍可能影响回忆。在琳达·J. 莱文1997年的研究中，227名罗斯·佩罗的支持者报告了自己在佩罗于1992年7月退出美国总统竞选后的情绪和对这一事件的解读。11月大选结束后，147名参与者回忆了最初的反应，并报告了当前的评价。他们对情绪的记忆错误往往表现为与后来的评价趋于一致，而不是普遍夸大情绪强度。与当时报告的对比显示，记忆重构具有方向性：后来的回忆部分反映了参与者如今如何理解这一事件，而不只是他们最初如何经历这一事件。(researchgate.net)

当记忆中的内容被归于错误的来源时，就会发生来源错误归因。例如，人们可能把事后叙述中接触到的信息，记成自己亲眼所见的事。对某个细节的熟悉感与对其来源的记忆可能彼此分离。易受暗示性指诱导性问题或其他事件发生后获得的信息对回忆的影响；如果暗示的细节随后被归于原始经历，它就可能与错误归因重叠。这些错误不同于蓄意编造，因为当事人可能真诚地相信，记忆中的内容就是事件的一部分。沙克特将错误归因和易受暗示性视为可以区分的两种记忆扭曲，而不是用来泛指所有不准确记忆、可以互换的标签。(sites.harvard.edu)

伊丽莎白·F. 洛夫特斯和约翰·C. 帕尔默在1974年的两项实验中使用汽车事故影片，展示了事后信息的影响。第一项实验有45名学生参加。当问题用“猛烈相撞”描述两车碰撞时，平均估计车速为每小时40.8英里；使用“撞上”时为34.0英里，使用“接触”时则为31.8英里。第二项实验将150名学生分成三组，每组50人。一周后，先前被问及“猛烈相撞”的参与者中，有16人报告看到了实际上并不存在的碎玻璃；被问及“撞上”的参与者中有7人作此报告，而未被询问车速的参与者中有6人作此报告。这些延迟出现的虚假细节报告支持了记忆重构的解释，其意义不止于数值估计的即时变化。不过，作者仍将记忆改变与反应偏差区分开来：措辞可以影响回答，却未必能证明原始记忆已被抹去或替换。(gwern.net)

后见之明偏差是指在得知结果后，对原先预测的记忆或对事先可预测程度的判断发生偏移。在1975年的一项研究中，巴鲁赫·菲施霍夫和露丝·贝思要求参与者回忆自己在理查德·尼克松总统访问北京和莫斯科之前所作的概率判断。对于参与者认为已经发生的事件，回忆中的概率通常更高；对于他们认为没有发生的事件，回忆中的概率则更低。菲施霍夫在1975年进行的另一项研究显示，获知所报告的历史事件结果，会提高人们在回顾时对该结果发生可能性的评估，并改变他们对哪些背景细节具有相关性的判断。参与者大多没有意识到这些影响。因此，后见之明既可能表现为错误地记住实际作出的预测，也可能表现为重新构想在不知道结果的情况下，据称本来能够预测到什么。(sciencedirect.com)

确信程度和鲜明程度本身并不能证明回忆准确。詹妮弗·M. 塔拉里科和戴维·C. 鲁宾在2003年的研究中，于2001年9月12日记录了54名杜克大学学生的两类记忆：一类是听闻前一天袭击事件的经历，另一类是一件日常事件。参与者在一周、六周或32周后接受了再次测试。两类记忆的一致性都以相近的程度下降，但只有日常事件记忆的确信程度和鲜明程度有所下降。这些比较衡量的是后续回忆与最初报告的一致程度，并非对每个细节的准确性进行独立核实。尽管如此，研究仍表明，即使回忆发生了变化，强烈的主观确信也可能持续存在；这与单纯遗忘细节是不同的现象。(psychologicalscience.org)

社会判断与自我评估

对应偏差是指观察者根据行为推断一个人持久的态度或人格特质，却没有充分考虑情境中的制约因素。与之密切相关的基本归因错误则强调，在解释他人的行为时，人们过度重视个人倾向，而低估环境因素的作用。在爱德华·E.·琼斯与维克托·A.·哈里斯于1967年开展的实验中，参与者接触到支持或反对菲德尔·卡斯特罗的言论后，需要判断演讲者或作者的态度。即便这些立场是被指定的，而非自由选择的，参与者的判断仍会偏向言论所表达的立场。关键的比较不在于参与者是否注意到立场是被指定的，而在于他们推断作者态度时，是否充分扣除了这一安排的影响。(pubmed.ncbi.nlm.nih.gov)

这类判断未必源自单一机制。丹尼尔·T.·吉尔伯特与帕特里克·S.·马隆在1995年的综述中区分了导致对应偏差的四条路径：未能识别情境制约因素；对人在这些制约下的行为抱有不切实际的预期；夸大行为表面上所体现的个人倾向；以及未能充分修正最初基于个人倾向作出的推断。因此，观察者即使知道某人承受着压力，也可能低估这种压力对行为的影响程度。按照修正不充分的解释，识别行为并据此推断特质，可能先于需要更多心力的情境调整过程；了解情境，并不保证这种调整就会充分。(pubmed.ncbi.nlm.nih.gov)

自利性归因关注的是人们如何解释自身经历的结果，而非主要关注如何解读他人的性格。其典型模式是：与负面结果相比，人们更倾向于将正面结果归于内部原因，有时还会认为正面结果体现了更稳定、适用于更多情境的个人特质。艾米·H.·梅祖利斯及其同事于2004年开展的一项元分析汇总了266项研究，获得503个独立效应量，报告的平均标准化效应量为 $d = 0.96$ 。这种对结果的归因不对称，本身并不能确定其背后的动机：戴尔·T.·米勒与迈克尔·罗斯在1975年的综述中提出，对成功的预期以及对努力与结果之间关系的认识，也可能产生看似有利于提升自我评价的解释。因此，证明存在某种方向性模式的证据，必须与证明该模式由保护自尊所驱动的证据区分开来。(pubmed.ncbi.nlm.nih.gov)

社会投射则以自身的反应为依据，估计他人的反应。在1977年发表的四项研究中，李·罗斯、戴维·格林和帕梅拉·豪斯发现，参与者认为自己作出的选择较为常见，而其他选择则较为少见。他们还认为，与自己不同的反应更能揭示作出反应者独特的人格。这种“虚假共识效应”将对群体的估计与归因联系起来：一种被认为不寻常的选择，会显得更能证明某种个人倾向。与自利性归因不同，这里的核心比较涉及对自己与他人意见一致程度的推断，而不是对个人成功或失败的解释。(sciencedirect.com)

偏差盲点是指人们对自身和他人易受偏差影响程度的认识存在不对称：相较于自身的偏差，人们更容易识别他人的偏差。艾米莉·普罗宁、丹尼尔·Y.·林和李·罗斯于2002年记录了这一模式。普罗宁与马修·B.·库格勒于2007年发表的研究表明，这一现象与人们对内省和可观察行为赋予不同权重有关。参与者评估自身偏差时，更看重自己有意识的想法和意图；评估他人时，则更多依赖行为。即便让参与者了解另一个人的内省内容，这种不对称也未消失。因此，即使相关影响无法通过内省察觉，人们仍可能把没有意识到自己抱有偏颇意图，当作自身公正无偏的证据。(philosophy.rutgers.edu)

内隐社会态度研究与上述问题有所交集，但探讨的是不同的构念。安东尼·G.·格林沃尔德与马扎林·R.·巴纳吉在1995年的论述中，探讨了过去的经验如何在个体无法通过内省觉察的情况下，影响其态度、自尊和刻板印象，并由此推动了间接测量方法的使用。认知偏差研究通常考察判断相对于某一特定基准的方向性偏离；内隐态度研究则考察可能无法通过明确的自我报告捕捉到的评价与联想。因此，“内隐”指的是一种影响或测量方式，并不自动意味着推断错误。两者的交集在于，社会判断的决定因素可能是自动起作用或无法被觉察的，而不是把每一种内隐态度都视为对应错误，或把每一种归因偏差都视为偏见。(pubmed.ncbi.nlm.nih.gov)

框架、估值与经济选择

当对相同结果的不同描述改变了人们的偏好时，就出现了框架效应。在阿莫斯·特沃斯基和丹尼尔·卡尼曼于1981年开展的疾病应对实验中，参与者需要考虑一场预计会导致600人死亡的疫情。在以收益表述的版本中，152名受访者中有72%倾向于选择确定挽救200人，而不是选择有三分之一概率挽救全部600人、三分之二概率无人获救的风险方案。在以损失表述的版本中，155名受访者中只有22%倾向于选择确定有400人死亡，而不是选择有三分之一概率无人死亡、三分之二概率600人全部死亡的风险方案。按照实验设计所预期的理解，两种确定性选项描述的是同一结果，两种风险方案也是如此。因此，偏好的反转涉及的是描述框架，而不是后果或期望值的差异。这些选择来自不同的参与者群体，并不能证明每个个体内部都发生了偏好反转。(stanford.edu)

卡尼曼和特沃斯基于1979年提出的前景理论，通过依赖参照点的价值评估和决策权重，对选择行为进行描述性建模。人们将结果评估为相对于某个参照点的收益或损失，而不只是依据最终财富进行评估。该理论提出的价值函数通常在收益区间呈凹形，在损失区间呈凸形：随着与参照点的距离增大，相同增量带来的心理影响逐渐减弱。这可能使人们在面对收益时偏好确定性，在面对损失时偏好冒险，但概率加权也会影响这一预测。决策权重表示某个事件对一项前景吸引力的影响；它们并不简单等同于人们报告的概率，也不一定遵循概率公理。对小概率赋予过高权重，既可能使小概率中奖的机会具有吸引力，也可能使防范低概率损失的措施具有吸引力。因此，该模型并不预测人们在面对收益时一概规避风险，或在面对损失时一概寻求风险。(web.mit.edu)

损失厌恶是一个附加命题，认为在参照点附近，损失的影响大于相应收益的影响。它不同于敏感性递减：后者涉及收益区间或损失区间内部的曲率，而损失厌恶涉及收益与损失分界两侧的不对称性。与禀赋相关的估值是这一命题的一种可能应用。在丹尼尔·卡尼曼、杰克·克内奇和理查德·塞勒于1990年开展的实验中，将咖啡杯随机分配给参与者后，实际交易量远低于不依赖所有权的估值模型所预测的交易量；而对于由实验赋予货币价值的代币，市场表现则有所不同。如果将所有权视为参照点，放弃杯子就是损失，而获得杯子就是收益。不过，仅凭观察到的接受意愿价格与支付意愿价格之间的差距，并不能认定损失厌恶就是其原因。(web.mit.edu)

估值程序也可能影响这种差距。查尔斯·普洛特和凯瑟琳·泽勒于2005年开展的实验发现，在结合培训、练习以及旨在减少误解的控制措施的程序下，接受意愿价格与支付意愿价格之间并不存在差距。然而，2015年的一项重复研究发现，杯子的估值差距依然存在，即使在练习中的选择未显示出明显误解的参与者中也是如此。这些相互对照的结果说明，观察到某种估值模式，并不等于已经确定了唯一的成因：所有权、对估值引出程序的理解以及实验条件，都必须分别考虑。(swlb2.aeaweb.org)

对现状的偏好同样不一定只有一种解释。威廉·萨缪尔森和理查德·泽克豪泽于1988年开展的实验，比较了指定和未指定既有选项时的选择，发现参与者保留被指定选项的比例偏高。他们的分析区分了两类因素：一类是心理机制，包括损失厌恶和对先前选择的承诺；另一类是可能具有理性依据的考量，例如转换成本和对替代方案的不确定性。因此，维持既有安排并不足以证明存在偏差：关键在于比较，将某个选项指定为现状，是否会引起超出实际后果差异所能解释的偏好变化。(web.mit.edu)

当无法收回的支出影响了是否继续投入的决策时，就出现了沉没成本效应。哈尔·阿克斯和凯瑟琳·布卢默于1985年开展的剧院研究发现，为演出季套票支付较高价格的顾客，在随后六个月内观看了更多场演出；他们的实验表明，不愿显得浪费是其中的一个因素。承诺升级则指在收到不利反馈后仍继续投入更多资源。在巴里·斯托于1976年开展的一项有240名商学院学生参与的模拟投资研究中，当参与者需要亲自对负面后果负责时，继续投入的承诺程度最高。这些效应有所重叠，但并不相同：先前的责任可能独立于支出发挥作用。经济学上的区别在于，过去无法收回的支出与未来后果应当分开看待。从先前投资中获得的信息、完成项目尚需付出的成本、可收回的资产以及机会成本，都可以合理地影响是否继续投入的决策；无论选择哪个方案都无法改变的支出，本身并不构成继续投入的额外收益。(sciencedirect.com)

实验方法与测量

受控比较可以分离出由特定操纵引起的判断变化。在被试间实验设计中，通过随机化将参与者分配到不同版本的任务中，例如将等价的选择分别表述为收益或损失，同时保持其他信息不变。被试内设计则比较同一个人在不同版本中的反应。这类设计能够提供个体层面的对照，但也可能引入记忆效应、顺序效应和需求特征效应：参与者一旦意识到两个问题等价，后续回答就可能发生变化。将配对问题分隔呈现，并对呈现顺序进行平衡，可以应对这些问题；不过，将用于演示某种效应的任务改造为测量个体差异的工具，也会改变其测量属性。概率估计任务要求参与者给出数值判断或信心评分；选择实验则记录参与者在备选方案之间的选择或不同程度的偏好。每种任务都需要明确的任务说明和规定的评分规则。(apa.org)

测量方式取决于目标是有方向性的误差、不一致性，还是判断与实际表现的符合程度。例如，过度自信的测量可以用各题的平均信心百分比减去答题正确率。框架效应的测量可以比较相互匹配的损失表述与收益表述下的偏好评分。取差值的绝对值，测量的是不分方向的不一致性；保留差值的正负号，则可检验所研究的解释所预测的方向。这些分数不能相互替代。在文森特·贝尔泰（Vincent Berthet）2021年的研究中，调整任务内容、题目数量和评分方法改善了若干测量工具：修订后的框架效应测量工具达到的内部一致性为 $\alpha = 0.74$ ，而修订后的过度自信和结果偏差测量工具分别达到 $0.81$ 和 $0.85$ 。这些系数描述的是在特定程序下获得的特定分数，而不是某个偏差名称所代表的永久属性。(frontiersin.org)

识别认知过程需要最终答案之外的证据。反应时间有助于限定对选择形成过程的解释，尤其是在将其与准确率及信息获取情况联合分析时。眼动追踪和基于鼠标操作的信息呈现界面，可以记录参与者查看了哪些属性，以及查看的先后顺序。在 Mouselab-MDP 规划范式中，参与者先通过点击揭示各个可能目的地的奖励，再选择路线；由此生成的记录包含所查看地点的顺序、揭示的信息以及选定的计划。重复试次能够揭示搜索方式和策略使用的变化，而不仅仅是平均表现。计算认知建模将这些观察结果与明确的候选机制联系起来。例如，与之相关的“计算显微镜”会将观察到的搜索序列与79种规划策略的预测进行比较。其分类结果仍取决于所纳入的候选策略，以及将点击行为与规划操作联系起来的假设；可观察的行为并不能唯一确定某种心理过程。(sciencedirect.com)

多题项测量工具可以区分反复出现的倾向与对单一情境的反应。内部一致性评估的是同一次施测中，各题项对某一分数的贡献是否一致；重测信度评估的是不同次施测之间的一致性，并需明确施测间隔及其间发生的经历。两者都不能单独证明某项测量确实捕捉到了预期的构念。贝尔泰最初用于测量八种偏差的成套测验说明了逐一检查每种工具的重要性：在157名参与者中，框架效应分数的克朗巴赫系数为 $\alpha = 0.15$ ，而基础比率忽视分数的系数达到 $0.70$ 。因此，将不同类型的偏差问题相加得到一个总分，不能代替对各组成部分信度及其含义的考察。(frontiersin.org)

可重复的群体效应未必能为个体提供可靠的排序。克雷格·赫奇（Craig Hedge）、乔治娜·鲍威尔（Georgina Powell）和彼得罗克·萨姆纳（Petroc Sumner）在发表于2018年卷《行为研究方法》的研究中展示了这一区别。在涉及七种经典认知任务的三项研究中，重测信度系数介于 $0$ 和 $0.82$ 之间。尽管这些任务主要测量注意和认知控制，而非构成认知偏差量表，但它们说明了一个普遍的测量问题：实验条件间的差异可以稳定地为正，而人与人之间在这一差异上的变异却很小。当稳定的个体间变异相对于测量误差较小时，个体排序就会变得不稳定。因此，平均差异的稳健性并不能证明该测量适用于相关研究或个体评估。(pubmed.ncbi.nlm.nih.gov)

研究报告必须使实验操纵和测量方法都能够被重建。美国心理学会2018年的定量研究报告标准要求报告参与者特征、招募方式、样本量确定方法、分配程序、材料、排除情况以及心理测量信息。对于偏差实验，任务的确切措辞、作答选项、呈现顺序、反馈、报酬，以及与表现挂钩的激励，都有助于明确参与者实际接触到了什么。报告结果时，除了描述性统计和所用分析方法，还需要提供效应量与置信区间，而不能仅报告显著性阈值。报告还必须区分预先计划的分析与探索性分析，并考虑其他可能的解释，包括任务理解、构念重叠和作答形式效应，而不是将每一个观察到的差异都视为能够唯一确证所提出偏差机制的证据。(apa.org)

个体差异与情境变异

认知能力会调节某些偏差，但并不能使人普遍免受偏差影响。在2008年发表的七项研究中，基思·斯坦诺维奇和理查德·韦斯特发现，所检验的若干效应，包括锚定效应、框架效应和结果偏差，与认知能力无关；而认知能力较高，则与较少出现分母忽视、信念偏差，以及采用概率匹配而非最大化策略有关。这些发现针对的是特定任务和样本，并不是说智力在任何情况下都不重要。在2008年另一项涉及1,200多名参与者的研究中，他们没有发现证据表明，较高的认知能力能减少我方偏差或单方面思考：有效推理的能力，与公正评估各种立场的倾向，是可以区分的。(pubmed.ncbi.nlm.nih.gov)

数字素养和反思性思维体现了更具体的个体差异。埃伦·彼得斯及其同事在2006年开展的四项研究发现，计算能力较强与更多运用恰当的数值原则、较少受到数值框架影响有关；这种关系不能用一般智力来解释。计算能力较强的参与者也能从数值比较中提取更精确的情感意义，但这种倾向并不总是有益。肖恩·弗雷德里克于2005年提出的认知反思测验，考查受测者能否抵制一个乍看合理的答案。其中的球棒与球问题是：这两件物品总价为1.10美元，球棒比球贵1美元。直觉上容易给出的答案是球价为10美分，但正确答案是5美分。因此，测验成绩反映的既包括相关计算能力，也包括重新审视最初回答的能力或倾向，而不是衡量一个人抵抗所有偏差的能力。(pubmed.ncbi.nlm.nih.gov)

专业能力不仅取决于积累的经验，也取决于学习条件。丹尼尔·卡尼曼和加里·克莱因在2009年的分析中指出，形成娴熟直觉有两个核心条件：环境中存在足够可预测的关系，以及有充分机会通过反馈学习这些关系。国际象棋中会反复出现受稳定规则支配的局面；识别这些局面，有助于作出快速而准确的判断。仅仅熟悉某个领域，并不能证明一个人能够准确估计概率，尤其是在结果难以预测，或反馈迟缓、含糊不清、具有选择性的情况下。他们的分析明确区分了主观信心与经验证实的判断准确性：即使强烈地觉得自己知道答案，也不能据此证明自己已经掌握了相关规律。(bear.warrington.ufl.edu)

不同发展阶段之间的比较，也取决于回答类别和任务说明。保罗·克拉钦斯基2001年的研究包括28名青春期早期青少年、31名青春期中期青少年和31名年轻成年人，平均年龄分别约为12.8岁、16.8岁和21.7岁。尽管符合规范标准的正确回答总体上随年龄增长而增加，但所检验的典型谬误并未一致减少；部分改善体现为其他类型的错误减少。要求参与者从逻辑角度作答后，各年龄组回答中分母忽视的比例从约53%降至33%。因此，正确作答随发展发生的变化，与某种特定方向性偏差的变化，并不是可以互相替代的衡量指标。此外，所选取的中学和大学样本，也限制了将结果推广至总体人群的可能性。(gwern.net)

同样，跨文化研究也需要匹配任务条件，而不是给不同人口群体排出高低。在崔仁哲和理查德·尼斯贝特1998年的实验中，韩国和美国参与者即使知道文章作者的立场是被指定的，在推断作者态度时仍表现出对应偏差。当情境约束变得更加显著时，例如让参与者亲自体验按指定立场写作，韩国样本中的偏差有所减轻，美国样本中却没有。因此，观察到的差异取决于情境信息的呈现方式。只有采用可比的措辞、约束条件和回答指标，才能区分对情境关注程度的差异与对任务理解的差异。(journals.sagepub.com)

信息格式和激励措施可以改变一个人的表现，而不改变其基础能力。格尔德·吉仁泽和乌尔里希·霍夫拉格1995年的实验发现，采用标准自然频数格式时，46%的回答体现了贝叶斯推理；采用相应的概率格式时，这一比例为16%。频数表示方式降低了计算要求。科林·卡默勒和罗宾·霍加斯在1999年对74项实验的综述发现，基于表现的金钱激励最常见的结果是平均表现不变，不过更高的报酬通常会降低表现的变异程度。激励效果与任务要求及可用知识存在交互作用。这些结果揭示的是个体与任务之间的交互作用，而不是一种普遍的“易偏差”人格；后者意味着，无论信息表示方式、奖励和学习环境如何变化，同一个人都会犯下相同的错误。(pages.ucsd.edu)

专业决策与机构流程

在临床诊断中，如果尚未充分评估其他可能解释便接受某种解释，过早停止寻找证据，就会出现“过早定论”。此后出现的发现可能会被纳入最初的解释框架，而不是促使人们重新考虑。美国医疗保健研究与质量局（AHRQ）2024 年的一篇入门文章用一例已报道的病例说明了这一模式：在最终确诊心内膜炎之前，多次血培养检出的棒状杆菌属细菌都被当作污染而排除。这类病例体现了推理失误，但诊断错误也涉及卫生系统层面的条件，包括工作被打断、工作负荷、文书记录要求、设计不佳的电子病历，以及未能沟通或跟进检查结果。因此，AHRQ 的诊断安全综述将诊断视为一个涉及临床医务人员、患者、团队和信息系统的社会技术过程，而不只是个人的心理活动。这些条件会影响哪些证据能够被获取，以及这些证据得到多少关注；仅凭漏诊本身，并不能断定存在某种特定的认知偏差。(psnet.ahrq.gov)

在法庭科学中，背景信息可能在不改变物证本身的情况下影响对物证的解读。有关嫌疑人身份、据称作出的供述或案件整体叙述的信息，可能形成与范围明确的比对任务无关的预期。在 2006 年的一项研究中，伊蒂尔·德罗尔、戴维·查尔顿和阿莉萨·佩龙让同一批专家重新检验他们此前检查过的指纹对，同时提供暗示指纹不匹配的误导性背景信息。大多数检验人员作出了与此前认定相矛盾的判断。这项小规模研究表明，在其设定的实验条件下，判断会受到背景信息的影响，但并未测定整个检验人员群体的错误率。另一个机构层面的隐患是接触其他检验人员的结论：如果复核时已经能看到该结论，复核就并非完全独立，因为预期答案可能影响解读。美国国家标准与技术研究院（NIST）2020 年关于笔迹检验的报告区分了与任务相关的信息和可能引入偏差的背景信息，并讨论了信息管理和盲法复核等程序性应对措施。(eprints.soton.ac.uk)

法律领域的实验研究考察了人们偏好的结果如何影响其对法律标准的解释。在阿瓦妮·梅赫塔·苏德 2015 年的研究《认知净化》中，没有法律专业背景的参与者扮演法官，依据任务中说明的“必然发现”例外，评估非法取得的证据。当其他方面完全相同的非法搜查发现了向高中生出售海洛因的证据时，参与者更倾向于将这些证据通过合法途径被发现视为必然，从而允许采纳证据。当搜查发现的是向癌症患者非法出售大麻的证据时，参与者排除证据的可能性则是前一种情形的三倍以上。这些发现将惩罚偏好与对程序性例外的判断联系起来，而不只是与公开拒绝既定规则联系起来。研究涉及的是参与者作出的假设性决策，不能据此确定任何具体法官在真实案件中作出了怎样的裁决，或为何如此裁决。(papers.ssrn.com)

组织内的讨论可能通过共享信息偏差放大对信息的选择性使用。加罗尔德·斯塔瑟和威廉·泰特斯在 1985 年的实验中，向四人小组提供了学生会主席候选人的相关信息。在各实验条件下，完整信息都支持候选人 A；不同之处在于，有利信息是所有人都掌握，还是分散在不同成员手中。在信息完全共享的 18 个小组中，83% 选择了候选人 A；而在信息未完全共享的 38 个小组中，只有 18% 选择了候选人 A。讨论过多地涉及成员已经共同掌握的信息，以及支持既有偏好的信息。因此，即使小组成员合起来掌握了充分的证据，也不能保证这些证据会进入讨论，或改变最初多数人的倾向。(uni-muenster.de)

激励机制和群体议事程序也会影响信息处理。卡斯滕·德德勒、伯纳德·奈斯塔德和丹·范克尼彭贝赫 2008 年提出的模型，区分了两种动机：一种关乎要促进谁的利益，另一种则是形成准确、深入理解的动机；二者会影响成员寻找、保留和披露哪些信息。关于集体绩效激励而非个人绩效激励的研究，描述了激发合作动机的一种途径。在 2007 年的一项实验中，洛特·斯霍尔滕及其同事操控了过程问责要求，即要求小组说明其作出决策的过程及理由。需要说明决策过程的小组更频繁地重复提及未共享的信息，也更常选出正确选项。这一结果揭示了一种针对特定任务的机制，说明机构程序如何约束受偏好驱动的讨论，而不是证明问责或更强的激励必然能够消除偏差。(repub.eur.nl)

数字信息与人类—人工智能交互

相信某项说法与选择分享它，是两种不同的判断。在一项发表于 2021 年的研究中，Gordon Pennycook、Ziv Epstein、Mohsen Mosleh、Antonio Arechar、Dean Eckles 和 David Rand 发现，新闻标题的真实性对准确性判断的影响，远大于对分享意愿的影响，尽管大多数参与者都表示重视所分享内容的准确性。他们的实验支持一种基于注意力的解释：用户可能具备相关知识，也倾向于追求准确性，却未能在决定向社交媒体发布什么内容时，将这一偏好纳入考量。因此，仅凭一个人分享了虚假标题，并不能认定其相信该标题；同样，研究中观察到的这种分离现象，也不能证明所有误导性帖子都源于注意力不足，而非错误信念或有意传播。(nature.com)

研究者通过四项将注意力重新引向准确性的调查实验，以及一项涉及 5,379 名 Twitter 用户的实地实验，检验了这一解释。这些用户此前曾分享过与误导性内容有关的网站链接。在实地实验中，用户收到一条私信，请他们评估一则非政治新闻标题的准确性。研究者将这些用户在随后 24 小时内分享的新闻来源质量，与尚未收到私信的用户所分享的新闻来源质量进行比较。这一提示没有对用户正在分享的政治新闻提供纠正信息，却提高了他们随后分享的新闻来源质量。这一结果涉及的是选择内容时的注意力，而不一定意味着深层信念发生了改变。其适用范围也有明确限制：实地实验衡量的是短时间内所分享新闻链接的来源质量，而不是每条被分享陈述的真实性，也不是用户信念是否发生了持久转变。(moodle2.units.it)

界面中的位置同样可以在不改变答案内容的情况下，改变用户表现出来的偏好。Keith Burghardt、Tad Hogg 和 Kristina Lerman 在 2018 年开展的一项问答实验中，请亚马逊 Mechanical Turk 平台上的工作者，从 Stack Exchange 的英语学习者论坛中抽取的十个问题里，选出最正确的答案。参与者看到的答案按随机顺序排列，数量为两个或八个；另一项实验操纵则是展示人为设定的受欢迎程度分数。在各种实验条件下，排列靠前的答案都更受青睐，注意力、感知到的受欢迎程度以及备选答案的数量，都对位置效应有所贡献。由于随机排序将展示位置与具体答案分离开来，这些结果说明，不能简单地将答案被选择的次数视为其内在质量的独立指标。在信息检索中，用户对某个答案表现出的偏好，可能部分反映了他们看到并仔细查看该答案的机会，以及答案展示时所附带的社会性线索。(ojs.aaai.org)

人类与人工智能协作时，可能出现另一种相互作用：系统的错误输出可能强化人类最初的错误判断。在一篇 2024 年预印本报告的研究中，Emely Rosbach 及其同事招募了 28 名受过专业训练的病理学专家，请他们估计 20 个组织图像局部区域中的肿瘤细胞百分比。参与者先独立作出判断，间隔两周后，再在人工智能辅助下重复这项任务。当人工智能的错误估计与参与者最初的错误估计一致时，参与者会赋予这些人工智能估计更大的权重；研究者将这种模式操作性地定义为“错误确认”。时间压力增加了参与者对人工智能建议的总体依赖，却削弱了“人工智能估计与初始估计一致”同“后续判断向系统结果靠拢”之间的关联。因此，在这项实验中，选择性接受与自身判断一致的建议，与普遍依赖自动化系统，是可以区分的。这些发现涉及的是一个规模较小的专家样本、基于图像的百分比估计任务，以及一种特定的决策支持设置；它们并不能确定这一机制在临床实践或对话式人工智能使用中出现的频率。(arxiv.org)

这些人类反应模式应与计算系统的属性区分开来。美国国家标准与技术研究院（NIST）在 2022 年对人工智能偏差的论述中，将人类认知偏差与统计偏差、计算偏差加以区分；后两者包括由缺乏代表性的训练数据、建模选择，以及无法泛化到训练环境之外等因素造成的问题。人工智能幻觉，即生成内容中的事实错误，是另一个类别，在 NIST 的生成式人工智能概况文件中被称为虚构（confabulations）：流畅的输出可能是错误的，却既不代表人类的信念，也不代表某种方向性的偏好。因此，大语言模型生成的答案即使呈现出类似人类锚定效应或确认效应的特征，也只是体现了一种输出模式，单凭这一点并不能证明其具有等同的心理机制。要进行此类比较，需要分别明确界定的基准、受控的提示，以及有关这种模式如何产生的证据。(nvlpubs.nist.gov)

去偏：训练与决策环境

去偏干预的区别在于，它们改变的是决策者的推理方式，还是作出判断时所处的条件。个体层面的方法教授统计学原理、生成备选方案的策略或评估证据的方法，有时还结合练习与反馈。环境层面的方法则改变信息的呈现方式、激励机制，或引导人们作出判断并汇总这些判断的程序。这些方法针对不同的误差来源：更强的动机未必能弥补统计知识的缺失，而信息呈现方式可以降低计算要求，却不一定能教会人们一项可重复运用的技能。杰克·索尔、凯瑟琳·米尔克曼和约翰·佩恩在综述《去偏使用指南》中，按照这种个体与环境的区分梳理了各类干预，并指出金钱激励和问责并非消除偏差的万能药。(katymilkman.com)

2015年，凯里·莫尔韦奇及其同事报告了两项纵向实验，比较观看一段教学视频与参与一款交互式电脑游戏的效果。视频时长约为30分钟，游戏时长约为60分钟。实验1针对偏差盲点、确认偏差和基本归因错误；实验2针对锚定效应、代表性偏差和社会投射。两种形式都解释了这些偏差及其缓解策略，而游戏还要求参与者作出判断，提供个性化反馈，并安排练习。在实验1和实验2中，游戏组参与者在训练后即刻测得的偏差平均分别减少了46.25%和31.94%；视频组对应的降幅分别为18.60%和25.70%。两三个月后的随访中，游戏组的降幅分别为34.76%和23.57%，视频组则分别为20.10%和19.20%。这些数字反映的是实验中偏差测量指标的变化，而不是具有实际后果的决策中有多少比例变得完全无误。(journals.sagepub.com)

迁移关注的是，学习是否能改善教学所用示例或形式之外的表现。2015年的实验发现，偏差在不同的问题情境以及某些未经训练的任务形式中都有所减少，这支持了针对特定偏差的学习迁移，但并未证明所有形式的推理都得到了改善。随后，安娜-洛尔·塞利耶、伊雷妮·斯科佩利蒂和莫尔韦奇在2019年的一项研究中考察了290名商科研究生；这些学生在一项事先未通知的课堂商业案例任务之前或之后接受了游戏式训练。受过训练的参与者选择较差但能印证假设的方案的可能性降低了29%。参与者是否在案例任务之前接受训练，由训练日程而非随机分组决定。这一结果将证据扩展到了教育情境，而且参与者并未得到运用所学训练的明确提醒；不过，研究考察的结果仍是案例解决方案，而非具有财务后果的真实商业决策。(decisiontimes.org)

信息呈现可以通过另一种机制改善表现。格尔德·吉仁泽和乌尔里希·霍弗拉格在1995年的实验中表明，以自然频数呈现信息，即使没有事先教学，也能帮助人们进行贝叶斯推断。这种呈现方式并非分别给出基础率与条件概率，而是保留同一样本中的计数：将同时满足两个条件的数量除以满足已观察到的条件的总数量，即可算出相应的后验比例。这减少了整合证据所需的运算。因此，作为决策辅助工具的信息展示，可以在使用时提高准确性，但这并不能证明使用者已经掌握了一项可迁移的统计技能。(pages.ucsd.edu)

结构化程序也需要针对具体任务进行评估。在一项模拟临床情境的人格判断实验中，一种按诊断相关性对线索排序的“考虑相反可能性”程序减少了单一线索引发的锚定效应，但仅仅在逐条查看线索时做笔记，也取得了相近的效果。这一比较很重要，因为不能直接将改善归因于干预所冠名的策略：系统性地关注证据可能解释了部分效果。因此，评估需要区分识别偏差与改变判断、即时收益与持久收益，以及借助辅助工具时的表现与不借助辅助工具时的迁移。描述某项程序在特定实验中取得成功，并不能证明它对信息条件、时间限制或结果标准各不相同的专业决策同样有效。(pubmed.ncbi.nlm.nih.gov)

相互竞争的解释与生态理性

启发式与偏差研究取向依据概率规则等既定标准来评估判断，并通过代表性或可得性等过程解释系统性偏离。这一取向并不认为每一种启发式都会导致错误：丹尼尔·卡尼曼和阿莫斯·特沃斯基在1996年对格尔德·吉格伦泽的回应中，既捍卫了启发式的实用价值，也主张系统性错误的存在仍可得到证明。生态理性则将重点转向策略与环境之间的适配程度。这一取向与有限理性相联系，关注哪些信息结构能使特定的搜索规则、停止规则和决策规则取得成功，而不是认为减少计算必然意味着表现更差。(scispace.com)

一个具体例子是吉格伦泽和丹尼尔·戈尔德斯坦于1996年形式化的“择优”启发式（take-the-best）。为了推断两个对象中哪一个的效标值更高，例如哪座城市的人口更多，这一规则按照预测效度从高到低依次查找线索，在遇到第一条能够区分两者的线索时停止，并选择该线索所支持的对象。它会忽略其余线索，而不是将所有线索合并为一个加权分数。其成功与否部分取决于环境结构：当一条强线索不容易被多条较弱线索抵消时，它尤其适用。因此，忽略信息是一项实质性的建模选择，而不只是某种未加说明的捷径。(web.mit.edu)

较少的信息也可能通过降低对抽样噪声的敏感性来改善预测。在样本量较小时，估计大量预测变量的权重可能会捕捉到无法推广的偶然关系。较简单的规则或许不能那么紧密地拟合已观测数据，却能更准确地预测新案例。吉格伦泽和沃尔夫冈·盖斯迈尔在2011年的综述中指出，小样本和低可预测性是可能出现这种“少即是多”效应的条件。他们的论点还涉及关系发生变化时的稳健性：复杂的加权方法可能依赖于不再可靠的估计值。这并不意味着简单方法普遍占优；比较哪种方法更准确，必须结合相关环境和预测任务来确定。(annualreviews.org)

另一项分歧涉及参与者如何理解实验问题的含义。拉尔夫·赫特维希和吉格伦泽在1999年对合取谬误的研究中指出，日常语言中的“概率”可能表达的是合理性或证据支持程度，而非数学意义上的概率。因此，语用学层面的会话理解可能影响参与者对琳达问题的回答：受访者未必一开始就将研究者提供的选项理解为明确的嵌套集合。他们的实验表明，鼓励数学解释的语境会提高回答符合合取规则的程度。这质疑的是对某些回答的分类，而不是规则本身：当 $A$ 和 $B$ 表示同一概率测度下的事件时， $P(A \cap B) \leq P(A)$ 。(onlinelibrary.wiley.com)

信息的呈现形式提供了另一种可通过实验操纵的解释。1995年，吉格伦泽和乌尔里希·霍弗拉格发现，自然频数形式的呈现能够在没有教学指导的情况下促进贝叶斯推断。这种呈现方式保留了同一抽样群体中的各项计数：如果有10个对象具有某种属性，其中8个产生阳性信号，另有95个不具有该属性的对象也产生了该信号，那么所需的比例直接就是 $8/(8+95)$ 。若分别给出百分比，则需要重新推算这些联合数量。不过，卡尼曼和特沃斯基在1996年的回应中记录了频数判断中的系统性偏差；后续实验则将自然频数解释与另一种假说进行了比较，即表现的改善源于清晰呈现的嵌套集合关系。因此，用频数表述既不是自动消除偏差的良方，也不是独立于任务结构的解释。(pages.ucsd.edu)

这些争论区分了两类评价基准：数学上的一致性与预测上的成效。生态理性的检验会在具有不同线索效度、冗余程度和可用数据量的环境中比较策略；会话解释的检验则在保持底层事件关系不变的同时操纵措辞。计算上的成功也需要与描述上的准确性区分开来：一种算法可能预测得很好，却不能由此证明参与者实际上使用了它。例如，尼克·查特、迈克·奥克斯福德和理查德·库珀在1997年的批评中，将择优启发式与其他学习算法进行比较，并质疑它在心理层面的普遍适用性。因此，这些相互竞争的主张涉及的是可明确辨识的模型、解释和表现条件，而不是简单地断言人类要么不理性，要么完全不受偏差影响。(annualreviews.org)

证据质量与尚未解决的研究问题

可复现性关注的是特定条件下的特定效应，而不是将“认知偏差”视为单一现象。复现出实验条件之间的差异，既不能确立这种差异的普遍性，也不能证实研究者提出的心理机制。理查德·克莱因及其同事于2018年开展的 Many Labs 2 项目，在来自36个国家和地区、共计15,305名参与者的125个样本中，检验了28项心理学研究发现。其中14项发现呈现出与原研究方向一致的统计显著效应；效应大小的变异更多取决于所检验的研究发现，而非样本或研究情境。由于这些研究发现是经过选择的，而非随机抽取的，因此这一比例不能作为所有认知偏差的复现率估计。该项目说明，在得出结论时，必须区分各项效应是否存在、效应大小、在不同情境中的稳健性，以及对效应的解释。(journals.sagepub.com)

抽样和发表惯例以不同方式限制了研究结果的推广。学生样本或在线便利样本并不自然代表专业决策者，也不自然代表教育经历不同的人群。例如，文森特·贝尔泰2021年开展的测量研究中，第一项研究招募了163名法国本科生，其中137名为女性，平均年龄为18.52岁。这样的样本可以用于检验任务的测量属性，却不足以建立适用于整个人群的常模。与此同时，选择性发表阳性结果，可能使某种效应看起来比完整证据所支持的更大或更一致。约瑟夫·西蒙斯、莱夫·纳尔逊和尤里·西蒙松在2011年证明，在停止数据收集、排除观测值、选择结果指标及分析方法等方面未披露的灵活处理，可以大幅增加假阳性发现。预注册研究方案并披露所有实验条件和测量指标，有助于评估这些不确定性来源；除了显著性检验，仍然需要报告效应量和置信区间。(pmc.ncbi.nlm.nih.gov)

测量还要求进一步区分可靠的实验效应与可靠的个体排序。一项任务可能稳定地改变群体的平均反应，却无法稳定地估计任一参与者受偏差影响的程度。单题测量还会使目标偏差与具体措辞、背景知识或对题目的理解混杂在一起。贝尔泰2021年的研究对先前确定的八种偏差中的六种获得了具有内部一致性的测量结果，但按照所复现的研究程序，对沉没成本偏差和信念偏差的测量未能获得令人满意的信度。该研究评估的是内部一致性，而非重测稳定性。其中，由四个题项构成的确认偏差测量关注的是对证据的权重分配，因此，信息搜寻与信息解读是否属于同一个个体差异维度，仍未得到解答。由此可见，某一种操作化方式得到的可靠分数，并不能证明它全面测量了所指称的偏差。(pmc.ncbi.nlm.nih.gov)

现有证据也对一种观点提出了挑战：将理性视为单一能力，并以这种能力的缺失解释所有偏差。2015年，普雷德拉格·特奥瓦诺维奇、戈兰·克内热维奇和拉扎尔·斯坦科夫对243名本科生实施了涵盖七种偏差的多题项测量。这些测量涉及锚定效应、信念偏差、过度自信、后见之明偏差、基率忽视、结果偏差和沉没成本效应。除后见之明偏差外，所有测量的内部一致性系数均高于 $0.70$ ，但不同偏差之间的相关关系通常低于 $0.20$ 。探索性分析得出了两个因子，但其稳健性存疑。这些发现挑战的是对这组测验的单因子解释，而不是证明每一种偏差都彼此独立。相比之下，万迪·布鲁因·德布鲁因、安德鲁·帕克和巴鲁克·菲施霍夫2007年开发的七任务决策能力测验组，支持构建一个综合指标，且该指标与较少的自报负面生活事件相关。这种对比表明，任务选择和效标效度是尚未解决的核心问题。(sciencedirect.com)

仍待解答的问题包括：实验室测量能预测什么，以及它们识别出了哪些过程。测量结果与受试者报告的生活结果存在关联，并不能确立因果关系，也不能证明其能够准确预测未来；不同的人遭遇某种结果的机会也不一样。跨文化比较必须将目标过程的变化与语言、任务熟悉度和理解方式的差异区分开来：仅在多个国家复现结果，并不能确立测量的等价性。干预研究面临着一个相关的迁移问题。凯里·莫尔韦奇及其同事2015年的实验发现，训练效果至少持续了两个月，并且扩展到了未经训练的问题形式。这些结果证明了效果在所测试的评估任务中的持续性和迁移性，却不能证明它能在影响重大的职场决策或日常决策中带来持久改善。对于这一领域的现有证据而言，更长期的随访、独立的结果测量，以及能够区分相互竞争的过程解释的检验，仍是重要的研究问题。(cmu.edu)

参考来源

Judgment under Uncertainty: Heuristics and Biasescsc2.ncsu.edu
Judgment under Uncertainty: Heuristics and Biases - PubMedpubmed.ncbi.nlm.nih.gov
Fallacies (Stanford Encyclopedia of Philosophy)plato.stanford.edu
Investigating Bias in Maximum Likelihood Quantum State Tomographynist.gov
The Seven Sins of Memorysites.harvard.edu
Judgment under Uncertainty: Heuristics and Biasespsy.ucsd.edu
Prospect Theory: An Analysis of Decision under Riskideas.repec.org
Prospect Theory: An Analysis of Decision under Riskweb.mit.edu
The Framing of Decisions and the Psychology of Choicestanford.edu
Contents — Judgment under Uncertaintycambridge.org
Probabilistic reasoning in clinical medicine: Problems and opportunitiescambridge.org
Bounded Rationalityplato.stanford.edu
Descriptive Decision Theoryplato.stanford.edu
Glossary of Statistical Termsstat.berkeley.edu
Normative Theories of Rational Choice: Expected Utilityplato.stanford.edu
Decision Theoryplato.stanford.edu
Outcome Bias in Decision Evaluationbear.warrington.ufl.edu
Heuristics Made Easy: An Effort-Reduction Frameworkpages.ucsd.edu
Dual-Process Theories of Higher Cognitionpsychologicalscience.org
The case for motivated reasoningpubmed.ncbi.nlm.nih.gov
The Case for Motivated Reasoningbear.warrington.ufl.edu
Fear, anger, and risk.pubmed.ncbi.nlm.nih.gov
The Measurement of Individual Differences in Cognitive Biases: A Review and Improvementfrontiersin.org
Prone to Bias: Development of a Bias Taxonomy From an Individual Differences Perspectivecris.huji.ac.il
A Task-Based Taxonomy of Cognitive Biases for Information Visualizationresearch-portal.uu.nl
The seven sins of memory. Insights from psychology and cognitive neuroscience.pubmed.ncbi.nlm.nih.gov
The heuristics-and-biases inventory: An open-source tool to explore individual differences in rationalityfrontiersin.org
The heuristics-and-biases inventory: An open-source tool to explore individual differences in rationalitypubmed.ncbi.nlm.nih.gov
On the Psychology of Prediction, No. 4scholarsbank.uoregon.edu
Maps of Bounded Rationality: Psychology for Behavioral Economicsbear.warrington.ufl.edu
Availability: A Heuristic for Judging Frequency and Probabilitynoorsiddiqui.com
Ease of Retrieval as Information: Another Look at the Availability Heuristicroar-assets-auto.rbl.ms
The anchoring-and-adjustment heuristic: why the adjustments are insufficient.pubmed.ncbi.nlm.nih.gov
Explaining the Enigmatic Anchoring Effect: Mechanisms of Selective Accessibilitybear.warrington.ufl.edu
Confirmation Bias: A Ubiquitous Phenomenon in Many Guisespsy.ucsd.edu
On the failure to eliminate hypotheses in a conceptual taskbear.warrington.ufl.edu
Confirmation, Disconfirmation, and Information in Hypothesis Testingbear.warrington.ufl.edu
Biased Assimilation and Attitude Polarization: The Effects of Prior Theories on Subsequently Considered Evidencenuovoeutile.it
Reconstruction of automobile destruction: An example of the interaction between language and memorygwern.net
Hindsight ≠ Foresight: The Effect of Outcome Knowledge on Judgment Under Uncertaintyweb.mit.edu
Confidence, Not Consistency, Characterizes Flashbulb Memoriespsychologicalscience.org
The correspondence biaspubmed.ncbi.nlm.nih.gov
The Correspondence Biasdtg.sites.fas.harvard.edu
Is there a universal positivity bias in attributions? A meta-analytic review of individual, developmental, and cultural differences in the self-serving attributional biaspubmed.ncbi.nlm.nih.gov
Self-Serving Biases in the Attribution of Causality: Fact or Fiction?bulidomics.com
The Bias Blind Spot: Perceptions of Bias in Self Versus Othersphilosophy.rutgers.edu
Valuing thoughts, ignoring behavior: The introspection illusion as a source of the bias blind spotprivacycasebook.com
Implicit social cognition: attitudes, self-esteem, and stereotypespubmed.ncbi.nlm.nih.gov
Implicit Social Cognition: Attitudes, Self-Esteem, and Stereotypesbanaji.sites.fas.harvard.edu
Experimental Tests of the Endowment Effect and the Coase Theoremweb.mit.edu
The Willingness to Pay-Willingness to Accept Gap, the "Endowment Effect," Subject Misconceptions, and Experimental Procedures for Eliciting Valuationsswlb2.aeaweb.org
Status quo bias in decision makingweb.mit.edu
Measuring Individual Differences in Decision Biases: Methodological Considerationsfrontiersin.org
A computational process-tracing method for measuring people’s planning strategies and how they change over timecocosci.princeton.edu
The reliability paradox: Why robust cognitive tasks do not produce reliable individual differencespubmed.ncbi.nlm.nih.gov
Journal Article Reporting Standards for Quantitative Research in Psychologyapa.org
On the relative independence of thinking biases and cognitive abilitypubmed.ncbi.nlm.nih.gov
Numeracy and decision makingpubmed.ncbi.nlm.nih.gov
Conditions for Intuitive Expertise: A Failure to Disagreebear.warrington.ufl.edu
Framing effects on adolescent task representations, analytic and heuristic processing, and decision making: Implications for the normative/descriptive gapgwern.net
How to Improve Bayesian Reasoning Without Instruction: Frequency Formatspages.ucsd.edu
The Effects of Financial Incentives in Experiments: A Review and Capital-Labor-Production Frameworkauthors.library.caltech.edu
Diagnostic Errorspsnet.ahrq.gov
Results | Agency for Healthcare Research and Qualityahrq.gov
Forensic Handwriting Examination and Human Factors: Improving the Practice Through a Systems Approachnvlpubs.nist.gov
Applying Empirical Psychology to Inform Courtroom Adjudication—Potential Contributions and Challengesharvardlawreview.org
Pooling of Unshared Information in Group Decision Making: Biased Information Sampling During Discussionuni-muenster.de
Motivated information processing in group judgment and decision makingrepub.eur.nl
Motivated information processing and group decision-making: Effects of process accountability on information processing and decision qualityresearch.rug.nl
Shifting attention to accuracy can reduce misinformation onlinenature.com
Shifting attention to accuracy can reduce misinformation onlinemoodle2.units.it
Quantifying the Impact of Cognitive Biases in Question-Answering Systemsojs.aaai.org
Quantifying the Impact of Cognitive Biases in Question-Answering Systemsojs.aaai.org
“When Two Wrongs Don’t Make a Right” — Examining Confirmation Bias and the Role of Time Pressure During Human-AI Collaboration in Computational Pathologyarxiv.org
Towards a Standard for Identifying and Managing Bias in Artificial Intelligencenvlpubs.nist.gov
Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profilenvlpubs.nist.gov
A User’s Guide to Debiasingkatymilkman.com
Debiasing Decisions: Improved Decision Making With a Single Training Interventiondecisiontimes.org
Debiasing Training Improves Decision Making in the Fieldurisohn.com
Procedural debiasing of primacy/anchoring effects in clinical-like judgmentspubmed.ncbi.nlm.nih.gov
On the Reality of Cognitive Illusionsscispace.com
Reasoning the Fast and Frugal Way: Models of Bounded Rationalityweb.mit.edu
Rationality the Fast and Frugal Wayescholarship.org
The Measurement of Individual Differences in Cognitive Biases: A Review and Improvementpmc.ncbi.nlm.nih.gov
Individual Differences in Adult Decision-Making Competencecmu.edu