PMC

Dans ce commentaire, je vais essayer de résumer les arguments que j’ai déjà avancés (Baron, 1985, 1994, 2004, 2006, 2008). Ces arguments sont ma tentative d’énoncer le point de vue standard dans le domaine du jugement et de la prise de décision (JDM).

JDM est une psychologie appliquée. Le but ultime est d’améliorer les jugements et les décisions, ou de les empêcher de s’aggraver. Pour atteindre cet objectif, nous devons savoir ce que sont les bons jugements et les bonnes décisions. C’est-à-dire que nous avons besoin de critères d’évaluation, afin que nous puissions recueillir des données sur la qualité des jugements, découvrir ce qui les rend meilleurs ou pires, et tester la méthode pour les améliorer lorsqu’il y a place à l’amélioration. C’est la fonction principale des modèles normatifs.

Des exemples de modèles normatifs en JDM sont:

1. Pour les jugements quantitatifs (par exemple, les populations de villes, les proportions de lancers de pièces qui étaient des têtes): le modèle normatif est simplement la bonne réponse. Cela s’applique également aux jugements relatifs (quelle ville a plus de gens?) ou des jugements d’appartenance à une catégorie. Nous pouvons également quantifier les écarts par rapport aux bonnes réponses de différentes manières.

2. Pour les jugements sur la probabilité d’événements uniques, un type de modèle normatif, qui est appliqué à un groupe de tels jugements, note les jugements par distance de 0 (non) ou 1 (oui) et applique une formule à ces scores. Une approche connexe consiste à agréger les jugements avec la même probabilité déclarée (par exemple, tous ceux avec 80%), et à demander si la proportion est correcte (étalonnage, la proposition doit être vraie 80% du temps).

3. Alternativement, pour les probabilités d’événements uniques liés, nous pouvons évaluer leur cohérence, leur accord les uns avec les autres. Si vous dites que la probabilité est de 0,6 que X gagne une compétition et de 0,7 que Y gagne, vous n’êtes pas cohérent.

4. Pour les décisions, nous pouvons parfois évaluer leur cohérence avec les principes de base de la prise de décision, tels que la domination (si A est meilleur que B à certains égards et pire à aucun égard, choisissez A).

5. Plus généralement, nous évaluons la cohérence des ensembles de décisions, en utilisant un modèle mathématique pour définir la cohérence, comme la théorie de l’utilité attendue ou l’actualisation exponentielle (pour les décisions au fil du temps). « Utilité » est une mesure sommaire du « bien (ness). »

Nous pourrions, en principe, définir des modèles normatifs en termes d’étapes comportementales impliquées dans la prise d’un bon jugement ou d’une bonne décision. Par exemple, nous pourrions définir le modèle normatif des problèmes de soustraction en termes d’étapes de soustraction de chiffres, de regroupement, etc. Mais, comme cela vient d’être illustré, la plupart des modèles normatifs en JDM ne le font pas et ne sont donc pas computationnels, au sens où ils sont spécifiés comme des procédures.

Notez que certains modèles normatifs concernent la cohérence des réponses entre elles tandis que d’autres concernent la correspondance avec le monde, une distinction faite en premier par Hammond (1996). Les modèles de type correspondance sont généralement difficiles à appliquer aux décisions, de sorte qu’ils sont principalement utilisés pour les jugements. Cela parce que la « bonne réponse » à une question de décision dépend généralement des valeurs du décideur.

JDM distingue trois types de modèles : normatif, descriptif et prescriptif. La distinction à trois voies est clairement apparue dans les années 1980 (Freeling, 1984; Baron, 1985; Bell et al., 1988 – qui ont tous écrit indépendamment les uns des autres), bien que diverses parties de celui-ci aient été implicites dans l’écriture d’Herbert Simon et de nombreux philosophes (tels que J. S. Mill).

Les modèles normatifs, comme indiqué, sont des normes d’évaluation. Ils doivent être justifiés indépendamment des observations des jugements et des décisions des gens, une fois que nous en avons suffisamment observé pour définir de quoi nous parlons. Lorsqu’elles ne sont pas évidentes, comme dans le cas de la correspondance simple (la « bonne réponse »), elles sont généralement justifiées par des arguments philosophiques et mathématiques (Baron, 2004). En particulier dans les cas où nous voulons quantifier les écarts par rapport à la meilleure réponse unique, plusieurs modèles normatifs peuvent s’appliquer au même cas (par exemple, des règles de notation pour les jugements de probabilité).

Les modèles descriptifs sont des théories psychologiques qui tentent d’expliquer comment les gens prennent des jugements et des décisions, généralement dans le langage de la psychologie cognitive, qui comprend des concepts tels que les heuristiques et les stratégies, ainsi que des modèles mathématiques formels. Dans le cadre des trois modèles, les modèles descriptifs sont les plus utiles lorsqu’ils expliquent les écarts par rapport aux modèles normatifs, de sorte que les chercheurs se concentrent souvent sur la recherche de telles explications. De tels modèles nous permettent de déterminer si, et, si oui, comment, nous pourrions améliorer les jugements et les décisions. Lorsqu’un écart par rapport à un modèle normatif s’avère systématique, et pas seulement le résultat d’une erreur aléatoire, nous appelons cela un biais. Par exemple, les gens ont tendance à choisir des options par défaut, même lorsque d’autres sont normativement égaux ou meilleurs.

Les modèles prescriptifs sont des conceptions à améliorer. Si les modèles normatifs relèvent du domaine de la philosophie (au sens large) et les modèles descriptifs du domaine de la science psychologique empirique, alors les modèles prescriptifs relèvent du domaine de l’ingénierie (encore une fois, au sens large). À l’origine, ils ont été conçus comme comprenant des outils mathématiques utiles pour l’analyse formelle des décisions. Ceux-ci constituent le domaine de l’analyse décisionnelle, qui comprend plusieurs méthodes (et qui a une société et une revue sous ce nom). Mais les modèles prescriptifs peuvent aussi être des interventions éducatives (Larrick, 2004), qui, par exemple, enseignent aux gens des heuristiques alternatives, pour contrer les heuristiques qui conduisent à des biais.

Un ajout récent à l’arsenal des méthodes prescriptives est l’idée d ‘ »architecture de décision » (Thaler et Sunstein, 2008), qui consiste à concevoir la présentation des décisions à ceux qui les prendront de manière à aider les gens à faire le choix normativement meilleur. Un exemple classique est d’utiliser le fait que les gens sont biaisés vers la valeur par défaut pour les aider à choisir judicieusement en faisant de ce qui est généralement le choix judicieux la valeur par défaut. Par exemple, utilisez un portefeuille diversifié comme régime de retraite par défaut pour les nouveaux employés (par opposition, par exemple, aux actions de l’entreprise).

Ainsi, le plan idéal pour JDM, parfois réellement réalisé (Baron, 2008; Thaler et Sunstein, 2008), est d’appliquer des modèles normatifs aux jugements et aux décisions, à la recherche de biais possibles, puis d’utiliser les outils de la psychologie pour comprendre la nature de ces biais, puis, à la lumière de cette compréhension, de développer des approches pour améliorer les choses. Bien sûr, dans la vraie vie, ces étapes ne sont pas séquentielles, mais sont informées les unes par les autres. Par exemple, l’analyse de décision s’avère nécessiter la mesure de la probabilité et de l’utilité personnelles, de sorte qu’une grande entreprise descriptive et normative est maintenant consacrée à ce problème de mesure, qui a produit de meilleures méthodes de mesure, qui, à leur tour, sont utilisées pour améliorer les modèles prescriptifs originaux.

Ce plan exige clairement que les trois éléments restent distincts. Supposons, par exemple, que nous fassions des arguments pour des modèles normatifs sur la base d’observations (descriptives) de ce que font les gens, sous l’hypothèse que les gens sont rationnels. Ensuite, nous sommes susceptibles de conclure que les gens sont rationnels et qu’aucune intervention normative n’est nécessaire. Le domaine du JDM tendrait à disparaître. On peut soutenir que l’économie en tant que domaine a fait cette hypothèse de rationalité et n’a donc jamais été soucieuse d’aider les gens à faire de meilleurs choix économiques, jusqu’à récemment, lorsque l’économie a commencé à prendre très au sérieux les conclusions de JDM.

Un autre danger que JDM tente d’éviter est de concevoir des interventions prescriptives sans au moins une certaine clarté sur les modèles normatifs et descriptifs. Plus précisément, nous essayons d’éviter de « réparer des choses qui ne sont pas cassées. »Ce genre de prescription est arrivé en psychologie. Par exemple, on a supposé que la créativité était limitée par un manque de pensée divergente (« penser en dehors des sentiers battus »), et de nombreux programmes visant à améliorer la créativité l’ont supposé, malgré le fait que les preuves indiquent très clairement que ce n’était pas un problème commun.

Une grande partie du débat au sein de JDM porte sur la gravité de divers prétendus préjugés. Bien que de puissants défenseurs d’un côté ou de l’autre aient tendance à penser soit que les gens sont désespérément biaisés, soit que nous sommes parfaitement adaptés à notre environnement, les gens plus modérés pensent que, même si tout dépend de la personne, de la situation et de la tâche, il y a vraiment des situations où les gens peuvent être aidés, parfois beaucoup, grâce à l’approche JDM (Thaler et Sunstein, 2008).

Nous devons également séparer les modèles normatifs et normatifs. Si nous supposons que les modèles normatifs sont également prescriptifs, ils peuvent devenir autodestructeurs. Dans la prise de décision, la principale norme normative est la maximisation de l’utilité (attendue), et le temps requis pour le calcul réduit généralement l’utilité. Si les modèles normatifs nécessitent un calcul élaboré, alors, lorsqu’une personne réelle tente d’en appliquer un à une décision, la perte d’utilité du temps passé peut être supérieure au gain de l’utilisation du modèle, par opposition à une heuristique plus simple. Dans de nombreux cas, les modèles normatifs sont donc appliqués par les chercheurs, et les personnes réelles peuvent utiliser diverses heuristiques pour améliorer leurs jugements tels qu’évalués par les modèles normatifs (par exemple, Davis-Stober et al., 2010).

D’autre part, les versions sommaires des modèles normatifs peuvent ne nécessiter aucun calcul et peuvent servir à focaliser l’attention uniquement sur ce qui est pertinent. Par exemple, l’utilitarisme, une variante de la théorie de l’utilité qui s’applique aux décisions qui affectent de nombreuses personnes, dit que le but de telles décisions est de maximiser l’utilité totale. Une personne réelle peut souvent gagner du temps en demandant simplement: « Quelle option produit le meilleur résultat dans l’ensemble, compte tenu des effets sur tout le monde? » (Baron, 1990). Une telle question est souvent facile à répondre, et elle peut éviter un raisonnement plus élaboré lorsque, par exemple, ce principe simple doit être mis en balance avec un autre principe non utilitaire, tel que « N’utilisez pas une personne comme moyen d’aider une autre. »Ce conflit peut survenir dans les décisions d’avorter ou non un fœtus, qui mourrait de toute façon, afin de sauver la vie de la mère. Lorsque la mort fœtale est causée par l’avortement, alors c’est un moyen, et la doctrine morale catholique a été interprétée comme interdisant l’avortement pour cette raison, malgré son avantage utilitaire évident. La solution utilitaire est plus simple car elle n’implique qu’un seul principe et le décideur n’a pas besoin de résoudre le conflit avec un autre.