Modelli decisionali: modello Brunswik e Bayes

Esistono diversi modelli normativi per le decisioni individuali che differiscono in termini di enfasi e complessità. Il modello che presenteremo in dettaglio è quello che è stato utilizzato con molto successo nello studio delle caratteristiche di base del processo decisionale. Fornisce anche una buona cornice concettuale per la visualizzazione e l'apprezzamento del processo decisionale.

1. Modello di lenti Brunswik:

Un modo di vedere le decisioni che le persone prendono e come le fanno è attraverso il Lens Model di Brunswik (1956). Un diagramma del modello di lente è mostrato nella figura 15.3.

Il modello assume che il processo decisionale sia composto da tre elementi essenziali:

(1) Le informazioni di base nella situazione decisionale,

(2) La decisione effettiva presa dal decisore, e

(3) La decisione ottimale o corretta che avrebbe dovuto essere presa in quella particolare situazione.

Ognuno di questi è mostrato nella Figura 15.3.

Informazioni di base:

Ogni volta che una persona prende una decisione, ha a sua disposizione una serie di spunti o indicatori che può o meno utilizzare come aiuti nel processo. Ad esempio, ogni mese affronta un dirigente con il problema di provare a decidere quante unità del prodotto X produrre. Ci sono ovviamente una grande varietà di variabili decisionali che potrebbe potenzialmente usare per aiutarlo a prendere una decisione positiva, come l'inventario attuale, gli ordini correnti, gli indicatori generali di mercato, i consigli dei suoi subalterni immediati, ecc. Queste sono le potenziali variabili d'azione mostrato nella Figura 15.3.

Decisione osservata:

Naturalmente, qualsiasi processo decisionale deve concludersi con una risposta di qualche tipo, anche se la risposta è semplicemente la decisione di non dare una risposta, è probabilmente sicuro dire che è stata fatta una risposta di sorta. Il prendere una decisione implica sempre una scelta di azione. Quindi "comportamento decisionale" e "comportamento di scelta" sono in realtà fenomeni del tutto indistinguibili. La casella sul lato destro della Figura 15.3 rappresenta il corso dell'azione a cui il decisore si impegna infine.

Decisione corretta:

Proprio come c'è una linea di condotta osservata da parte del decisore, così c'è una risposta o una scelta ottimale associata a qualsiasi decisione. Questa decisione ottimale rappresenta la migliore scelta possibile di azione che potrebbe essere stata scelta dal decisore in quella particolare situazione. In un senso molto reale rappresenta il criterio ultimo rispetto al quale la decisione effettiva dovrebbe essere valutata.

In molte situazioni decisionali è difficile determinare o sapere realmente quale sia questa decisione ottimale o in un determinato momento. Tuttavia, almeno in teoria, esiste sempre una risposta ottimale da parte del decisore. Nella Figura 15.3 questo valore è mostrato nella casella a sinistra come la decisione "corretta".

Dinamica del modello:

Dopo aver definito gli ingredienti essenziali del modello, diventa ora possibile esaminare le interrelazioni tra questi elementi. Queste interrelazioni ci forniscono un'indicazione della complessità e delle caratteristiche dinamiche del processo decisionale.

Valori di validità reali Il vero valore di ogni singolo segnale disponibile per il decisore è rappresentato dal "potere" diagnostico o predittivo di quel segnale. In altre parole, quanto è utile avere quel suggerimento disponibile durante il processo decisionale. La correlazione tra la stecca e la decisione corretta, vale a dire la vera validità della cue, è l'indice che rappresenta questo potere predittivo.

Ad esempio, riprendi il caso del nostro dirigente che si trova continuamente di fronte al problema di prendere una decisione su quante unità di prodotto X dovrebbe produrre ogni mese. Un indizio che probabilmente avrebbe usato è la dimensione del suo inventario attuale. Supponiamo anche che, guardando indietro nel passato, sia possibile specificare, durante ogni mese, il numero di unità X che avrebbero dovuto essere prodotte. La Tabella 15.1 fornisce un esempio ipotetico che mostra, per ogni mese del 1966,

(a) La dimensione dell'inventario corrente,

(b) Il numero di unità X che il nostro esecutivo ha deciso di produrre, e

Se tracciamo la correlazione tra le colonne (a) e (c) come mostrato in figura 15.4, scopriamo che la tendenza è che i valori di inventario bassi corrispondano a un numero elevato di unità che dovrebbero essere prodotte. In effetti, la correlazione tra (a) e (c) è un meno 0 869! Questo ci dice che la dimensione dell'inventario presente è altamente, ma negativamente, in relazione al numero di unità necessarie. In altre parole, questo è un eccellente spunto, un aspetto che il decisore dovrebbe seguire con molta attenzione.

Validità osservata delle osservazioni La prossima domanda che potremmo porre in merito al processo decisionale è "Quanto bene, o in quale misura, il decisore ha utilizzato una determinata indicazione? A questo viene dato uno spunto a sua disposizione, tende a usarlo? Ciò può essere determinato esaminando la correlazione tra i valori di cue e ciò che il decisore ha effettivamente fatto su un certo numero di decisioni, cioè le colonne (a) e (b) nella Tabella 15.1. Questa correlazione è anche riportata nella Figura 15.4, dove possiamo vedere che ha un valore di 0, 377. Quindi, il nostro dirigente ha apparentemente usato la stecca, ma non nella misura in cui avrebbe dovuto essere usato (almeno aveva la direzione della vera relazione stimata correttamente).

Realizzazione del decisore :

La terza e forse più rilevante domanda che dovremmo porre è la domanda su quanto bene il decisore abbia svolto il suo compito. Ha conseguito un alto livello di risultati nella misura in cui le decisioni che ha effettivamente preso erano vicine alle decisioni che, in retrospettiva, avrebbero dovuto essere prese? Questo può essere determinato osservando il grado di correlazione tra le colonne (b) e (c) nella Tabella 15.1.

La correlazione tra il numero di unità che l'esecutivo ha deciso di produrre (colonna b) e il numero che avrebbe dovuto decidere di produrre (colonna c) nella nostra illustrazione risulta essere pari a 0.165, un risultato non molto buono secondo nessuno standard. Il nostro decisore ovviamente non sta facendo il meglio che poteva con uno spunto che potrebbe essergli molto utile in queste particolari circostanze.

Risultati della ricerca :

Il Lens Model è fondamentalmente una concettualizzazione descrittiva del processo decisionale umano che fornisce un numero di indici matematici mediante il quale possiamo studiare il processo decisionale nell'uomo. Gran parte della ricerca basata sul modello è stata una ricerca di laboratorio piuttosto astratta: non è stata applicata in molte impostazioni di attività realistiche. Tuttavia, i risultati della ricerca hanno indicato alcune cose piuttosto interessanti sulla capacità delle persone di utilizzare gli stes in una situazione decisionale, quindi verrà fornito un breve riepilogo di questi risultati.

Prima un certo numero di studi (Schenck e Naylor, 1965, 1966, Dudycha e Naylor 1966, Summers, 1962, e Peterson, Hammond, e Summers, 1966) hanno tutti dimostrato che i decisori possono imparare a utilizzare gli stes in modo appropriato. Cioè, tendono ad apprendere quali segnali sono buoni e quali sono cattivi e a dare ai segnali positivi più attenzione di quanto non facciano i segnali negativi.

Tuttavia, lo studio di Dudycha-Naylor ha mostrato la scoperta molto interessante che se un decisore ha una stecca molto buona e poi gli dai una seconda stecca che è più povera ma ha ancora qualche valore predittivo aggiuntivo, la sua prestazione diminuirà i risultati se avesse appena avuto la stecca! Cifre apparentemente povere aggiungono più staticità o "rumore" al processo decisionale di quanto non aggiungano valore predittivo. D'altra parte, se lo spunto iniziale è solo nella media della sua forza predittiva e date al decisore una seconda, molto buona stecca, la sua prestazione migliora notevolmente.

Un'altra interessante scoperta è stata recentemente riportata da Clark (1966). Ha mostrato che gli spunti con validità negativa non sono così utili per un decisore come sono gli spunti che hanno una relazione diretta o positiva. Per qualche ragione gli umani sembrano avere un tempo più difficile imparare ad usare come fonti di informazione l'aiuto che danno una validità negativa. Il lettore ricorderà che per i suoi scopi predittivi il segno di una relazione non è importante, vale a dire, uno spunto con una validità di - 0.80 è altrettanto utile, potenzialmente, come una stecca che ha una validità di + 0, 80.

Altre informazioni che sono state ottenute sui responsabili delle decisioni umane usando il modello della lente sono: (1) gli esseri umani sono più bravi nell'imparare a utilizzare gli indizi che hanno relazioni lineari con la decisione corretta rispetto a quelli che hanno una relazione non lineare (Dickinson e Naylor, 1966; Hammond and Summers, 1965) e (2) gli umani tendono a usare gli spunti sistematicamente anche quando i segnali non possiedono alcun vero potere predittivo (Dudycha e Naylor, 1966). Quest'ultima constatazione significa semplicemente che se un decisore si trova in una situazione in cui nessuno degli elementi a sua disposizione ha alcun valore, tenderà comunque a scegliere e utilizzare alcuni di essi come se avessero un valore.

2. Modello di decisione di Bayes :

Un altro modello matematico che attualmente sta entrando in un uso maggiore nello studio del processo decisionale umano è noto come il teorema di Bayes.

Questo è il seguente:

P (A | B) = P (B | A) P (A) / P (B | A) P (A) + P (B | A) P (Â)

Dove P (A | B) = probabilità di A dato che B si è verificato

P (B | A) = probabilità di B dato che A si è verificato

P (A) = probabilità di A

P (Ā) = probabilità di non A, cioè 1 - A

P (B | À) = probabilità di B dato non A

Dal momento che espressioni come il Teorema di Bayes tendono spesso ad essere confuse, consideriamo un esempio di un compito di decisione pratico e vediamo come potrebbe applicarsi il Modello di Bayes.

Un tipo di tipico compito decisionale affrontato da tutte le imprese è quello di decidere chi scegliere e chi rifiutare da un pool di candidati di lavoro. Considera la situazione in cui un'azienda ha deciso di provare un nuovo test di selezione. Considera inoltre che l'esperienza ha dimostrato che solo il 60 percento degli impiegati che si candidano effettivamente risulta soddisfacente. Supponiamo anche che la pratica della società in passato fosse quella di assumere tutti e dare loro la possibilità di allenarsi.

Tra gli uomini che risultano essere soddisfacenti, l'80 percento si è rivelato superiore al punteggio limite nel nuovo test di selezione, mentre solo il 40 percento di quelli che si rivelano essere un punteggio insoddisfacente sopra il cut-off. Ora, se usiamo questo test per la selezione, e se assumiamo solo quegli uomini al di sopra del punteggio limite, qual è la probabilità che una persona sopra il cut-off risulti soddisfacente?

Se definiamo nuovamente i nostri simboli, abbiamo:

P (A) = probabilità di successo = 0, 60

P (B) = probabilità di superare il test

P (B | A) = probabilità di superare il test dato che il dipendente ha successo = 0, 80

P (B | À) = probabilità di superare il test dato che il dipendente non ha successo = 0, 40

P (B | A) = probabilità di non superare il test dato che il dipendente ha successo = 0, 20

P (B | A) = probabilità di non superare il test dato che il dipendente non ha successo = 0, 60

Vogliamo conoscere P (A | B), cioè la probabilità che una persona abbia successo visto che ha superato il test.

Il teorema di Bayes mostra:

P (A | B) = (0, 80) (0, 60) / (0, 80) (0, 60) + (0, 40) (0, 40)

= 0, 48 / 0, 48 + 0, 16 = 0, 75

In altre parole, se selezioniamo solo coloro che superano il nostro test di screening, finiremo con il 75% di successi nelle assunzioni, rispetto al 60% senza il test. L'applicazione del teorema di Bayes al processo decisionale nell'industria sta diventando più frequente. È uno strumento molto potente e il suo uso dovrebbe aumentare notevolmente negli anni futuri.