近期，，，，，，j9九游会悉尼工商学院卞亦文教授团队在决议者数据可视化图表的认知机制领域取得主要突破，，，，，，研究效果在《美国国家科学院院刊》（《PNAS》）正刊揭晓
。。

近年来，，，，，，卞亦文教授团队一直致力于数字平台运营治理与数据要素价值挖掘领域的研究事情，，，，，，取得系列研究效果；；；；该效果的揭晓是j9九游会经济治理学科在国际综合性顶级期刊的主要突破，，，，，，对数字经管学科建设具有主要推行动用
。。

数据可视化图表是政府部分、市场主体（包括生产商、供应商、终端消耗者等）之间举行有用相同的要害数据要素，，，，，，也是治理决议的主要参考依据
。。例如，，，，，，农业主管部分通过数据可视化图表来明确气温与作物产量、降雨与病虫害等之间的关联，，，，，，以便实时制订响应的对策；；；；生产商通过解读市场价钱波动趋势与销量数据之间的关联，，，，，，以实时调解生产供应妄想；；；；消耗者通过电商平台的销量排行图和评分可视化图表判断产品受接待水平，，，，，，以便做出购置决议
。。这些看似简朴的“看图语言”，，，，，，却可能爆发系统性的决议误差
。。这些误差可能并非源于人们统计推断能力的缺陷，，，，，，而是源于大脑对视觉信息的“有偏采样”——基于不完整的有偏信息，，，，，，即便大脑能做出完善的统计推断，，，，，，人们仍难以阻止认知谬误
。。

围绕上述问题，，，，，，j9九游会悉尼工商学院卞亦文教授团队联合华东师范大学、宾夕法尼亚大学相助者配合开展研究
。。效果“InformationSampling and Bayesian Belief Formation in Statistical Judgment”揭晓在《美国国家科学院院刊》（PNAS），，，，，，提出了一个全新的贝叶斯认知理论框架，，，，，，深度揭秘人类决议者解读可视化图表的焦点认知机制
。。该研究获得国家自然科学基金项目资助
。。

决议者视觉采样模式决议其认知误差

研究接纳了“信息采样直接丈量+实时在线盘算更新”的立异实验范式，，，，，，通过眼动追踪手艺监测决议者现实注重到的数据点，，，，，，并整合到贝叶斯信心更新模子中（图1）
。。贝叶斯模子则可以实时精准预测人们的统计推断和响应的认知误差
。。

图1：“信息采样直接丈量+实时在线盘算更新”实验范式示意图

破解认知误差及其治理启示

研究团队通过眼动追踪手艺发明，，，，，，认知误差源于两种系统性的注重分配模式（图2）
。。第一种是“集中陷阱”：人们倾向于太过关注某些数据点而忽略其他点，，，，，，导致信息采样的不匀称
。。第二种是“中心偏好”：视察者更倾向于将注重力集中在图表中心区域的数据点，，，，，，而系统性地忽略边沿的极端值
。。图表的泛起名堂会显著影响注重力分配模式，，，，，，进而改变判断的准确性
。。这些发明为治理实践中的“数据可视化工程”提供了认知科学基
。。和氖，，，，，，差别的泛起方式，，，，，，可能导致截然差别的决议结论
。。

图2：眼动追踪直接视察到的注重分配模式与盘算模子仿真重构的注重分配模式

推动打造以治理者为中心的决议支持系统

研究还通过盘算模子重构决议者的信息采样微观历程，，，，，，实现了对治理者信息加工的全历程仿真（图3），，，，，，买通了从以数据为中心的可视化到以人为中心的决议支持系统的要害环节
。。

图3：信息采样盘算模子复现微观认知历程

该研究从理论上深度解密了人们怎样从数据可视化图表中“误读”统计信息，，，，，，有用展现了数据可视化图表中认知误差的内在机理
。。这一框架可以扩展到更重大的应用场景，，，，，，为刷新数据可视化设计与决议支持情形提供了科学的参考依据，，，，，，有助于推动数据要素在决议领域的深入应用
。。

本文以j9九游会为第一完成单位，，，，，，悉尼工商学院何黎胜副教授是本文第一作者、卞亦文教授以及华东师范大学王弘毅副教授和美国宾夕法尼亚大学Sudeep Bhatia副教授为配合通讯作者，，，，，，硕士研究生张秀玉人士（已结业）联合署名
。。

原文链接：https://doi.org/10.1073/pnas.2517302122.