社会情報が人間のグループの推定精度を改善する方法

デジタルおよび接続された社会では、ソーシャルネットワーク、オンラインショッピング、および評判システムの開発は、個人がソーシャル情報をどのように使用し、それが意思決定にどのように影響するかという疑問を提起します。フランスと日本で行われた実験を報告します。この実験では、被験者は他の被験者から情報を受け取った後に見積もりを更新できます。私たちは、個人および集団のスケールでのこの社会情報の影響を測定し、モデル化します。個人が量に関する事前知識がほとんどない場合、推定値の対数の分布がコーシー分布に近いことを観察し、正当化します。社会的影響は、グループが適切に定義された集団の精度を改善するのに役立つことがわかりました。被験者には知られていない、追加の制御された信頼できる情報が提供されている場合、グループ推定の改善を定量化します。社会的影響に対する被験者の感受性により、5つの堅牢な行動特性を定義することができることを示しています。個人とグループの推定値の違いとともに増加します。次に、データを使用して、集団推定のモデルを構築および調整して、個人が受け取った情報の量と品質のグループパフォーマンスへの影響を分析します。このモデルは、推定値の分布と、実験で観察された集合的パフォーマンスと精度の改善を定量的に再現します。最後に、私たちのモデルは、個人に中程度の量の誤った情報を提供することで、人間の認知バイアスを相殺して体系的に量を過小評価し、それによって集合的なパフォーマンスを改善できると予測しています。

In our digital and connected societies, the development of social networks, online shopping, and reputation systems raises the questions of how individuals use social information and how it affects their decisions. We report experiments performed in France and Japan, in which subjects could update their estimates after having received information from other subjects. We measure and model the impact of this social information at individual and collective scales. We observe and justify that, when individuals have little prior knowledge about a quantity, the distribution of the logarithm of their estimates is close to a Cauchy distribution. We find that social influence helps the group improve its properly defined collective accuracy. We quantify the improvement of the group estimation when additional controlled and reliable information is provided, unbeknownst to the subjects. We show that subjects' sensitivity to social influence permits us to define five robust behavioral traits and increases with the difference between personal and group estimates. We then use our data to build and calibrate a model of collective estimation to analyze the impact on the group performance of the quantity and quality of information received by individuals. The model quantitatively reproduces the distributions of estimates and the improvement of collective performance and accuracy observed in our experiments. Finally, our model predicts that providing a moderate amount of incorrect information to individuals can counterbalance the human cognitive bias to systematically underestimate quantities and thereby improve collective performance.