近期，上海大学悉尼工商学院卞亦文教授团队在决策者数据可视化图表的认知机制领域取得重要突破，研究成果在《美国国家科学院院刊》（《PNAS》）正刊发表。
近年来，卞亦文教授团队一直致力于数字平台运营管理与数据要素价值挖掘领域的研究工作，取得系列研究成果；该成果的发表是上海大学经济管理学科在国际综合性顶级期刊的重要突破，对数字经管学科建设具有重要推动作用。
数据可视化图表是政府部门、市场主体（包括生产商、供应商、终端消费者等）之间进行有效沟通的关键数据要素，也是管理决策的重要参考依据。例如，农业主管部门通过数据可视化图表来理解气温与作物产量、降雨与病虫害等之间的关联，以便及时制定相应的对策；生产商通过解读市场价格波动趋势与销量数据之间的关联，以及时调整生产供应计划；消费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欢迎程度，以便做出购买决策。这些看似简单的“看图说话”，却可能产生系统性的决策误差。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，即便大脑能做出完美的统计推断，人们仍难以避免认知谬误。
围绕上述问题，上海大学悉尼工商学院卞亦文教授团队联合华东师范大学、宾夕法尼亚大学合作者共同开展研究。成果“InformationSampling and Bayesian Belief Formation in Statistical Judgment”发表在《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，深度揭秘人类决策者解读可视化图表的核心认知机制。该研究得到国家自然科学基金项目资助。
决策者视觉采样模式决定其认知偏差
研究采用了“信息采样直接测量+实时在线计算更新”的创新实验范式，通过眼动追踪技术监测决策者实际注意到的数据点，并整合到贝叶斯信念更新模型中（图1）。贝叶斯模型则可以实时精准预测人们的统计推断和相应的认知偏差。
图1：“信息采样直接测量+实时在线计算更新”实验范式示意图
破解认知偏差及其管理启示
研究团队通过眼动追踪技术发现，认知偏差源于两种系统性的注意分配模式（图2）。第一种是“集中陷阱”：人们倾向于过度关注某些数据点而忽略其他点，导致信息采样的不均匀。第二种是“中心偏好”：观察者更倾向于将注意力集中在图表中心区域的数据点，而系统性地忽略边缘的极端值。图表的呈现格式会显著影响注意力分配模式，进而改变判断的准确性。这些发现为管理实践中的“数据可视化工程”提供了认知科学基础：同样的数据，不同的呈现方式，可能导致截然不同的决策结论。
图2：眼动追踪直接观测到的注意分配模式与计算模型仿真重构的注意分配模式
推动打造以管理者为中心的决策支持系统
研究还通过计算模型重构决策者的信息采样微观过程，实现了对管理者信息加工的全过程仿真（图3），打通了从以数据为中心的可视化到以人为中心的决策支持系统的关键环节。
图3：信息采样计算模型复现微观认知过程
该研究从理论上深度解密了人们如何从数据可视化图表中“误读”统计信息，有效揭示了数据可视化图表中认知偏差的内在机理。这一框架可以扩展到更复杂的应用场景，为改进数据可视化设计与决策支持环境提供了科学的参考依据，有助于推动数据要素在决策领域的深入应用。
本文以上海大学为第一完成单位，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副教授为共同通讯作者，硕士研究生张秀美女士（已毕业）联合署名。
原文链接：https://doi.org/10.1073/pnas.2517302122.
