Мы обращаемся к данным лабораторных экспериментов
Почти таким же способом, которым узнали о людях,
Столетия назад, обратившись к авторитету
Аристотеля или Томаса Аквинского.
Alphonse Chapanis [1]

9. ГОМЕОСТАЗ РИСКА В ЛАБОРАТОРИИ

Не все эмпирические доказательства, которые мы пока обсудили, говорят в пользу ТГР с совершенной ясностью. Официальные статистические данные, типа упомянутых в Гл. 5, страдают от неполноты, особенно по авариям без гибели людей. Данные не собирали специально для проверки ТГР, и они не содержат достаточной информации для принятия однозначного решения о справедливости теории. Главный недостаток существующих доказательств - недостаточное количество или вообще отсутствие сведений о путях поведенческой адаптации к изменяющимся физическим, образовательным или юридическим условиям. Многие работы страдают от методологических проблем.

Нет никаких концептуальных трудностей в проектировании эксперимента по проверке ТГР при хорошо управляемых условиях, но есть этические и практические ограничения к преднамеренному созданию условий, в которых теоретические прогнозы можно проверить. Это - истина для поведенческих наук. Например, гипотезы по наследованию индивидуальных различий в интеллекте или чертах личности могли быть четко проверены, если бы выборочное размножение людей в управляемом режиме было реально и этически допустимо, как нынешние эксперименты с животными. Подобно наследственности у людей, гомеостазис риска трудно проверить, но не из-за неустранимой нечеткости в теории.

Лихой экспериментатор, например, мог бы разработать простой проект следующим образом. Выбираем несколько разных регионов и случайным образом принимаем меры. В регионе A, осуществляем нестимулирующее вмешательство, например, в форме модернизации дорог. Модернизация сопровождаются рекламой в средствах массовой информации, эффективно пропагандирующей изменения, как большую выгоду безопасности. В регионе B, те же самые изменения производим, но объявляем их слабо влияющими на безопасность. Регионы C и D получают те же изменения дорог, но объявляем их как большую и незначительную угрозу безопасности, соответственно. Этот проект позволяет подтвердить следующие ожидания: В регионе А будет больший рост аварий, чем в регионе B. В регионе C будет большее падение аварийности, чем в регионе D. Во всех регионах число аварий спустя некоторое время возвратится к старым величинам. Общественное мнения можно изучить для проверки того, как долго продолжалось восприятие безопасности или рискованности вмешательств, а наблюдения на обочине использовать для контроля поведенческой адаптации.

Как ни странно, мы фактически делаем многие из этих вещей в реальной жизни, например, принуждаем к ремню безопасности в регионе А и оборудуем автомобили дневными огнями в регионе B. Мы внедряем изменение от лево- к правостороннему движению в регионе C и прекращаем субсидии на обучения на шофера в средних школах в регионе D. Мы делаем все эти вещи как политические деятели, администраторы, защитники безопасности или законодатели, но не как исследователи, которые лучше подготовлены для сбора данных и их оценке с научной точки зрения. Но, конечно, исследователи не могли бы получить этического одобрения некоторых из подобных вмешательств из-за включенных в них опасностей.

Нет вопроса: экспериментирование в лаборатории предоставляет более простые возможности для включения эталонных групп, для контроля за независимыми переменными, и для более точной оценки зависимых переменных. Однако, лабораторное экспериментирование вводит собственные ограничения к однозначной интерпретации результатов. Вот что видный эргономист говорит на эту тему: [1]:

1) Из всех возможных независимых переменных, которые могут оказывать влияние на поведение в любой практической ситуации, лабораторный эксперимент выбирает для тестирования только некоторые. В результате, сложные и скрытые взаимодействия, существующие в реальной жизни, исчезают или дают к противоположный эффект. 2) Переменные всегда изменяются при переносе их в лабораторию. 3) Влияя на управление посторонними переменными в лаборатории следует увеличить точность эксперимента, но лабораторный реальный риск настолько мал, что не имеет никакого практического значения. 4) Зависимые переменные (или критерии) используемые в лабораторных экспериментах – переменные, выбираемые из соображений удобства. Редко когда они выбраны из-за их уместности в практически важно ситуации. 5) Методы, использованные для представления переменных в лаборатории, часто искусственны и нереалистичны. Самое безопасное и наиболее честное заключение, следующее из этих соображений: выводы из результатов лабораторных экспериментов нужно делать с критическими предосторожностями при переносе их на решение практических проблем.

Добавим, что экспериментатор должен использовать добровольцев, чтобы сделать предложенные стандарты эксперимента этически приемлемыми. Добровольцы входят в эксперимент со своими собственными побуждениями, ожиданиями и восприятием. Они могут делать, что их просят, поступать наперекор, или проявлять безразличное поведение. Как оказалось, люди вовлекаемые в эксперименты, отличаются от не- добровольцев, тем что чаще оказываются женщиной, обычно молодой, с большим интеллектом и потребностями в социальном поощрении, нестандартной, со слабыми политическими предпочтениями [2]. В лаборатории добровольцы оказываются в условиях, в которые они вряд ли попали самостоятельно с их собственного согласия - особенно в ситуациях реальной жизни при отсутствии защиты или давления со стороны экспериментатора (например, выпивка до высокой концентрации алкоголя в крови).

Следует рассмотреть еще один частный случай экспериментирования в области рискованного поведения. Риск, по определению, не может моделироваться. Дело в том, что выбор цели моделирования и метода лабораторного эксперимента управляется экспериментатором и меньше риска падает на участника. Таким образом, и степень, ожидаемого влияния некоторого фактора в исследовании на такие зависимые переменные, как восприятие или принятие риска, и степень, с которой моделирование успешно устранило риск из экспериментальных условий, необходимо оценить для внесения необходимых поправок при тестировании воздействия этого фактора на эти зависимые переменные. Задача "моделирования риска" - задача "восстановления оригинала". Поэтому, если связанное с риском поведение должно изучаться в лаборатории, риск должен быть привнесен в нее.

Следует также отметить, что ТГР - множество находящихся во взаимосвязи гипотез, разработанных, для объяснения числа аварий при больших числах (часто - миллионах) социально взаимодействующих дорожных пользователей в течение значительного отрезка времени. Поломка управления вовлекает некоторых людей в аварии. Эти аварии затем служат сигналами опасности другим и помогают избегать ее. Напротив, лабораторные эксперименты обычно включают небольшое число участников, которые выступают соло, или в малочисленной группе участников, если участникам позволяют взаимодействовать. Временные рамки лабораторных экспериментов обычно ограничивается несколькими часами.

Перед лицом этих трудностей, может казаться смешной попытка создания лабораторных условий с целью основания ТГР [3]. Это напоминает историю студента, который вошел в научно-исследовательскую лабораторию однажды ночью, где нашел уважаемого профессора, ищущего что-то во всех углах лаборатории. Когда студент спросил, что он ищет, профессор, объявил, что он потерял свои перчатки в парке. "Но, профессор" - говорит студент, - "почему Вы не ищете их в парке?" Поступил ответ: "Молодой человек, в парке темно. А здесь светло".

Риск насмешки был бы нулевым, если бы мои студенты и я решили не продолжать эти эксперименты. Но мы также потеряли бы удовольствие от этих экспериментов, обеспеченных многочисленными студентами, дипломниками, аспирантами и др. Некоторое возвращались за большими знаниями, а другие спонтанно просились участвовать. Кое-чему мы научились.

Ни один тип человеческого поведения не дает полную уверенность в результате. Любое действие, из-за ограничений навыка и неточностей управления, может или не может быть выполнено в соответствии с намерением. Последствия действия, даже если оно выполнено в полном соответствии с намерением, могут отличаться от ожидавшихся. Из-за этого двойного источника неопределенности, любое человеческое действие может быть определено как рискованное действие.

Поясню несколькими примерами: молодая пианистка стремится к эффектному представлению сонат Бетховена. Она имеет множество собственных целей в терминах темпа, тембра, громкости и мелодичности выражения. Но она не может быть уверенной, достигнет ли она своих целей. Кроме того, она не знает реакции аудитории и рецензентов музыки. Они найдут ее исполнение, слишком медленным или слишком быстрым, слишком резким или слишком мягким, слишком громким или слишком тихим, слишком романтичным или слишком решительным. Точно так же, водитель точно не знает может ли он управлять своим автомобилем с нужным быстродействием, описывая нужную кривую на влажном асфальте. Если он теряет управление, он не знает насколько серьезными будут последствия, погибнет ли он, будет травмирован, или уйдет без царапины. Для противопоставления этих двух источников риска, первый назовем "неопределенностью эффективности", а второй "неопределенностью последствий".

Очевидно тогда, что все поведение - рискованное поведение, независимо от того, осознает это действующий человек или нет. Очевидно, также, что сложная задача жизни не должна устранить риски. "Нулевой риск" - бессмысленная опция, так как может существовать только в отсутствии действия - после смерти, другими словами. Сложная задача состоит в оптимизации уровня риска, с выбором пути, при котором полные ожидаемые выгоды, накапливаемые им, являются максимальными (см. Гл. 4 и Рис. 4.2). Сложная задача психологии определить не то, является ли человек рискователем или нет, ибо все всегда рискуют, а берет ли человек слишком много риска, слишком мало, или ровно столько, сколько нужно, для максимального удовлетворения своих целей. Другая сложная задача психологии должна обеспечить людей способом, оптимизации принимаемого ими риска.

Рассмотрим поведение водителя на автомагистрали. Вождение быстрее среднего шофера, с малым отрывом от впереди идущей машины, при слушании радио или пассажира, или при отвлечение от задачи вождения связано с большей вероятностью и/или серьезностью аварии. Подобное поведение может также привести к увеличению потребления бензина и нарушениям правил движения. Таким образом, сумма ожидаемых потерь увеличится. В то же время, ведущий так себя водитель ожидает выгоды от сокращения времени пути и уменьшения скуки. Несомненно, что при нулевой скорости существует нулевой риск дорожного происшествия. Но нулевая скорость означает нулевой пробег. Поэтому сложная задача любого водителя, который желает сдвинуться с места, состоит в выборе количества движения и такого способа вождения, чтобы набор выгод его от экспозиции в риске был по возможности максимальным. Этот уровень отмечен стрелкой на Рис. 4.2 Гл. 4.

При оценке риска, интерпретация наблюдаемых данных может быть проблемой Например, водитель, который обычно ездит быстрее других водителей, не обязательно имеет риск аварии "больше среднего", если он более квалифицирован в предотвращении катастроф, чем средний водитель. Чтобы оценить вероятность аварии такого шофера, необходим независимый критерий навыка. Требуется работа, чтобы установить, был ли у этого водителя - даже если его целевой уровень риска был выше среднего - риск аварии больше оптимального.

Подведем итоги: нам необходима лабораторная задача, которая позволила бы провести отдельную идентификацию навыка человека и степени риска, который он допускает. Должна быть возможность определения, берет ли этот человек слишком много или слишком мало риска, или нужное количество для получения максимального набора выгод. Задача должна быть достаточно трудна, что человек испытал значительную степень неопределенности эффективности. Некоторые отклики должны иметь результаты, обеспечивающие неопределенность последствий. Некоторые результаты должны быть приятны, так, чтобы человек имел мотивацию для выполнения задачи. Некоторые потенциальные результаты должны быть неприятны, так, чтобы задача воспринималась как рискованная. Взятие риска определено здесь как создание откликов с данной вероятностью неприятных последствий, эта вероятность задается экспериментатором и сообщается испытуемому. Наконец, неприятные последствия должны быть достаточно неприятны, чтобы участники предпочитали избегать их, но все же достаточно безвредными, чтобы быть практически и этически допустимыми.

Ниже мы опишем некоторые из разных, но концептуально связанных, "компьютерных игр", которые разработаны с учетом вышеизложенных соображений [4]. Для удобства, методы обозначены прозвищами вроде "Баланс на грани" и "Угадай-ка".

Участие испытуемых всегда вознаграждалось или деньгами, в соответствии с заработанными очками, или социальным признанием в форме поздравления игроков в порядке их эффективности [5]. В некоторых случаях люди конкурировали за денежные призы и только лучшие три игрока объявлялись победителями. В других – участники сами платили экспериментатору за право играть. Тогда деньги добавляли к призам, вручаемым за первые места, и таким образом возвращали участникам, то есть к некоторым из них [6]. Не удивительно, что люди сами просились участвовать в экспериментах. Поэтому экспериментаторы имели причины полагать, что испытуемые сильно заинтересованы в своем поведением в ходе экспериментов и стараются исполнить все, что могут - важное преимущество такого способа вербовки участников.

9.1 Баланс на грани

Вообразите, что Вы сидите перед компьютерным экраном. Ваша задача состоит в том, чтобы вовремя удалить яркий квадрат размером 3*3 см, нажимая любую клавишу на клавиатуре. Квадрат высвечивается в центре монитора, и остается, пока Вы не удалите его. Он загорается снова в непредсказуемый момент времени спустя 700 - 1500 миллисекунд (мс) после отмены старого. Вы должны отменить квадрат своевременно, т.е. как можно ближе к 1500 мс (1.5 секунды) после его появления (не раньше и не позже!). Это трудно, потому что Вы не знаете точно, когда наступят эти 1500 мс. 1500 мс реакция награждается максимальным числом балов. Более медленные реакции зарабатывают пропорционально меньшее количество баллов; за 3000 мс и хуже - выплата нулевая. Однако, реакции быстрее 1500 мс, «недолет», могут сопровождаться штрафом, который происходит случайно. Эти штрафы дают в определенном соотношении недолета, например, в 20%, 50% или 80% случаев. Прежде, чем Вы начнете, Вам говорят какова их вероятность. Вероятности изменяют после отдельных наборов, обычно от 25 до 100 испытаний каждого. Не оштрафованные реакции при 1499 мс или быстрее дают нулевой балл. Компьютер ручается в точности 1 мс. До начала эксперимента, вам предоставляется возможность предпринять несколько попыток для освоения ситуации. Каждое испытание сопровождается обратной связью высвечивая номер испытания, время реакции в этом испытании, среднее отклонение от 1500 мс на всех предшествующих испытаниях, плюс накопленные числа перелетов и недолетов. В течение реальной игры (с оплатой), каждая отдельная реакция сопровождается обратной связью, когда число полученных баллов или штрафов добавляется к заработанным до этого испытания. Кроме того, динамик компьютера дает одиночный гудок за неоштрафованные недолеты, и двойной гудок за оштрафованные.

Эта задача - экспериментальный аналог понятия "балансирования на грани войны", т. е. чем больше Вы смеете, тем больше Вы извлекаете пользы, но только, если Вы смеете не слишком много. Вы должны сбалансировать желание получить баллы с опасением потери баллов, и попытаться оптимизировать свою среднюю реакцию на время.

Очевидно, число игровых баллов, которые Вы зарабатываете, зависит от вашей реакции на время, т.е. от точности ваших "часов в уме". Заметьте, однако, это использование максимально быстрой для Вас реакции не является объектом игры. Если Вы делаете так, Вы будете проявлять только опасные реакции, и не наберете никаких баллов. Очевидно, также, что число баллов, которые Вы зарабатываете, зависит от принятого вами риска. Если Вы уклоняетесь от "края" слишком сильно, Вы никогда не подвергнетесь штрафу, но ваша прибыль будет мала. Если, с другой стороны, Вы делаете слишком много недолетов, Вы можете как получить большое число баллов, так и заработать много штрафов. Навык реакции на время может быть измерен разными способами: 1) среднее отклонение от 1500 мс в ходе игры; 2) среднее отклонение от собственной средней реакции на время участника в ходе испытаний с выплатой. Более низкое среднее отклонение (разброс данных) - лучше навык.

С помощью компьютера, среднее время реакции, при котором доходные баллы участника были бы максимизированы, определяют для каждого участника, пока остаточная дисперсия (отклонение) распределения реакции участника не перестанет изменяться. Это - оптимальное среднее время реакции участника. Оно рассчитывается следующим образом. Сначала, компьютер прибавляет 1 мс к времени реакции в каждом испытании и вычисляет набор доходов во всех испытаниях. Затем прибавляет 2 мс к каждому проявленному времени реакции, вычисляя, каков набор доходов был бы, затем добавляется 3 мс и так далее, до 300 мс. Также вычитает значение между 1 и 300 мс, одно за это время, из каждого фактического времени реакции. Это - идеальная работа для компьютера; люди нашли бы ее слишком утомительной задачей. Среднее время реакции, за которое участник заработал бы самое высокое значение потенциального дохода баллов - оптимальное средняя время реакции для этого участника. Сравнивая оптимальное среднее время реакции участника с его фактическим средним временем реакции, мы можем вывести количественный критерий принятия риска.

Оптимальное среднее время реакции минус фактическое среднее время реакции называется "отклонением (девиацией) от оптимума", или DFO для краткости. Мы можем использовать DFO для обнаружения трех типов принятия риска. Положительный DFO указывает, что участник, в среднем, отвечал слишком быстро, чтобы максимизировать набор доходов и насколько быстро. Этот человек называется "любящим риск" или "ищущим риск", потому что он жертвует баллами, будучи слишком смелым и ошибающимся на рисковой стороне. "Нейтралитет риска" или "оптимальность риска" достигается при DFO = 0 результата, так как игрок не увеличивает и не уменьшает количество риска относительно количества целевого риска, являющегося оптимальным. Наконец, "несклонные к риску" или "избегающие риска" участники показывают отрицательное DFO; они теряют баллы будучи слишком осторожными и ошибающиеся на безопасном фланге. Заметьте, что, чтобы получить набор выгод, человек должен брать риск больше нулевого и что правильная степень "баланса на грани" ведет к самому большому набору доходов.

Как эту задачу можно использовать для проверки теории гомеостазиса риска? Следующие девять пунктов дают возможность разобраться в этом вопросе:

1) Вы ожидали, что, если вероятность штрафа за опасную (рискованную) реакцию высока, игроки уклонятся от края и их средней время реакции будет большее, чем то, когда вероятность штрафа низка. Это есть. 2) Вы ожидали, что, если штраф за опасную реакцию повышен, в то время как вероятность штрафа осталась той же, люди ответят замедлением и среднее время реакции возрастет. Это действительно найдено. 3) Вы ожидали, что, когда человек на данном испытании оштрафован за создание опасной реакции, то реакция на следующем испытании будет осторожней. В Гл. 4.7 мы писали, "у человека рост осторожности происходит после опасной ситуации или после того, как услышит о какой-то аварии. Но уменьшение осторожности произойдет, если все идет хорошо в течение некоторого периода времени". В перефразированном в терминах машинной игры, это - действительно найдено. 4) Вы ожидали, что критерий принятия риска (DFO) не будет изменен увеличением или уменьшением вероятности штрафа за опасные реакции. Фактическое среднее время реакции, изменит (это - первое ожидание, см. выше) оптимальное среднее время реакции, но не разность между двумя (DFO). Это - действительно найдено. 5) Когда участникам игры говорят, что их игровые баллы будут удвоены, если они сумеют играть без одиночного штрафа, Вы ожидали, что они будут играть намного более безопасней, делать меньшее количество опасных реакций и увеличат свое среднее время реакции. Это действительно так. 6) Вы ожидали, что навык и тенденция принятия риска независимы, потому что нет никаких оснований для подозрения, что квалифицированные игроки должны быть более или менее наклонны к риску, чем менее квалифицированные. Высоко квалифицированные шофера в Джорджии имели большее количество аварий (см. Гл. 6.2), но не все ожидают, что подобные случаи являются правилом. Только в нескольких случаях, менее квалифицированные игроки были найдены более любящими риск. Возможно они чувствовали, что принятие риска - единственный способ получить приз, как лучшему игроку. Эти случаи - исключение: Навык и принятие риска оказались независимыми друг от друга. 7) Вы ожидали, что, с опытом, игроки извлекут пользу из навыка по времени реакции. Это было исследовано путем сравнения дисперсии их реакций в серии блоков испытаний. Не удивительно, что это обнаружилось. 8) Вы ожидали, что игроки станут более компетентными в принятии риска через какое-то время. Они должны пробовать оптимизировать уровень риска, который они берут, не свертывать его, и тем более - не развертывать его. Трусы, т. е. с отрицательным DFO, и Храбрецы должны стать способными к оптимизации их целевого уровня риска. Другими словами, DFO должен, в среднем, стремиться все ближе и ближе к нулю, поскольку игроки накапливают опыт. Что и найдено. 9) Затрагивает ли вероятность потери, управляемая экспериментатором и сообщаемая игроку, среднее количество баллов, заработанных игроком? Вы ожидали, что игрок уклонится от создания опасных реакций, если вероятность наказания высока. Среднее время реакции должно увеличится. Это и случилось (см. первое ожидание). Если прибыль за реакцию более низка то и среднее количество игровых баллов должно быть низким, и это - то, что найдено.

Тривиальное открытие? И да и нет: тривиальное, потому что это открытие содержит мало неожиданного; не тривиальное, потому что оно соответствует предложению что, когда риск инцидента на км пробега высок, люди будут ездить на меньшее расстояние при том же самом риске аварии на человека, и таким образом их полная выгода - здесь представленная как игровые баллы - будет ниже, чем была, когда риск аварии на км пробега являлся высоким.

9.2 Переоценен или недооценен риск - как определить?

Некоторые из вышеупомянутых результатов были получены с различными версиями компьютерных игр в нашей лаборатории. Баланс на грани можно также запускать с дополнительными знаниями типа:

Вопросы выбраны так, чтобы мало кто знал точный ответ, но чтобы многие были способны сделать предположение. Чем ближе ответ приближается к правильному (выраженный, например, как процент от верного числа), тем больший доход у участника. Если, однако, данный ответ превышает правильное значение, бросается монета, чтобы определить, будет ли штраф применяться или нет. Еще раз, чем точнее ваша оценка, тем больше Вы извлекаете пользы, но только если ваша оценка не слишком высока.

В другой версии, участнику показывают полоски бумаги с вертикальной линией на каждой. Ниже линии - точка, и испытуемого просят провести (проходящую через точку) горизонтальную линию той же самой длины, как вертикальная линия. Снова, участнику указывают, что "чем ближе Вы приближаетесь к истине, тем большее количество баллов Вы наберете, но Вы подвергнетесь штрафу, если ваша линия окажется длиннее вертикальной". Другие примеры баланса на грани представлены на Рис. 9.1.

Принцип «Баланса на грани» может применяться к всем видам квалифицированной эффективности, на компьютере и в другом месте, но если компьютер используется, вычисление DFO, и других переменных не имеет проблем.

Это - также верно и для игры, которую мы назвали "Избавление лишь по счастливой случайности". Это - другая методика, которая нацелена на одновременное выявление в игроке противоположных стимулов "страха" и "жадности", т. е. беспокойство относительно потери баллов и желания получения их. Вопросы имеют следующую форму: " Сколько миллионов жителей в Венгрии?", "Во сколько раз Нью-Йорк больше Майами?" В дополнение к предоставлению оценочных баллов (например, "десять", "двенадцать" или "двадцать" - только целые числа допускаются), игрока просят указать "полосу неопределенности", например, "плюс или минус три", "плюс или минус пять".

Рис. 9.1: Примеры «Баланса на грани». Поверхность области рисунка слева равна 100. Чему равна поверхностность области на рисунке справа?

Баллы зарабатываются, если правильный ответ находится в пределах полосы неопределенности - в пределах запаса прочности - тогда как число баллов, заработанных на любом вопросе при превышении запаса прочности, меньше. В одной версии этой методики, число заработанных баллов - просто дополнение запаса прочности; суммарный запас прочности и заработанных баллов всегда составляет десять. Поэтому если игрок выбирает запас прочности " плюс или минус три " и правильный ответ лежит в пределах полосы неопределенности, семь баллов будут предоставлены. Если бы игрок выбрал запас прочности "плюс или минус восемь" - получил два балла. Самый большой запас прочности, который позволяют игроку - плюс или минус девять, самый маленький - нулевой. Если правильный ответ лежит вне полосы неопределенности, игрок не теряет и не получает никаких баллов.

Следовательно, участники могут уменьшить свое опасение остаться без баллов, расширяя запас прочности. С другой стороны, чтобы удовлетворять желание получить большое количество баллов, запас прочности должно быть взят узким - и правильный ответ должен лежать между точками, оценивающими плюс или минус запас прочности. Мы назвали эту игру "Избавление лишь по счастливой случайности", потому что искусство игры хорошо должно совпадать с истиной, причем настолько близко, насколько возможно.

Компьютерная программа определяет по реакции участника, нужно ли и до какой степени, выбранные запасы прочности уширить или заузить для набора максимального числа баллов. Операция этой программы аналогична вычислению отклонения (девиации) от оптимума (DFO) описанного выше. Не любящие риск (неуверенные) выбирают слишком широкие запасы прочности, в то время как ищущие риск (самонадеянные) выбирают слишком узкий запас прочности, чтобы набор баллов был максимальным. Оптимизация риска реализуется, если баллы, заработанные игроком, равны потенциальному максимуму, т. е. когда игрок не может увеличить заработанные баллы сужая или расширяя запасы прочности.

Если Вы хотите определить собственную тенденцию принятия риска, ваших друзей или членов семьи, нужен подход, который делает ненужным использование компьютерных программ для вычисления отклонения от оптимальности. Все, в чем Вы нуждаетесь для следующей игры, это - консультация с двумя таблицами (приведенными здесь) и небольшим использованием простой арифметики. Игра называется ""Угадай-ка", потому что искусство игры - искусство сильного предположения перед лицом неопределенности. Только ответы "да или нет" допускаются. Участник отвечает на множество, скажем 100, вопросов типа:

Если игрок отвечает правильным "Нет", уверенные баллы заработаны. Если игрок отвечает неправильным "Нет", никакие баллы не заработаны и не потеряны. Если игрок отвечает правильным "да", уверенные баллы заработаны. Если однако, игрок отвечает неправильным "да", штраф применяется, основанный на случае (то есть иногда игрок штрафуется, иногда нет). Поэтому ответ "Нет" безопасен; если ответ верен – баллы получены, и если неверен - баллы не потеряны. "Да" ответ опасен: если ответ верен - баллы заработаны, но если нет - баллы могут быть потеряны. Игрок, который всегда отвечает "Нет", никогда не теряет никаких очков - но не получает баллы за вопросы, где правый ответ - "Да". Из этого следует, что уход от "Да" реакции в целом - не обязательно лучший интерес игрока.

Тогда очевидно, что сколько баллов игрок получит, зависит не только от знаний игрока, сколько от стратегического навыка принимать решения в условиях неопределенности: говорить "Да" или говорить "Нет". Поэтому два человека с одинаковыми знаниями не обязательно получат одинаковую сумму баллов. Причем возможно получение более хорошо осведомленным человеком более низкого итогового счета, чем у хуже осведомленного конкурента, потому что последний воспользовался лучшей риск-стратегией.

Для ходе определения критерия стратегии принятия риска, сначала удостоверяются, что в половине всех вопросов, правильный ответ - "Да", и сообщают это игрокам, потому что упрощаются ответы. Затем введите баллы, и сообщите игрокам, каковы они, например, следующим образом:

Для вычисления уровня знаний игрока и тенденции принятия риска, обратитесь к Табл. 9.1 и 9.2. Они используют некоторый жаргон статистики, относящийся к нормальной "колоколообразной" кривой, которая здесь не нуждается в дальнейшем обсуждении. Статистический жаргон действительно довольно странен, что Вы сами, возможно, заметили. Статистика говорит "нормальное отклонение"; в остальной же части мира - отклонения аварийные. Статистически "существенный", не означает важный, значительный или значащий, но просто, это - вероятность, что частное событие произошло случайно, очень мала, скажем, меньше 1 из 100, или 5 из 100. Для непосвященного, термин "стандартное отклонение", так же как "нормальное отклонение", может казаться подобно оксюморону (типа "грозовая тишина", "глубокая поверхностность" или "гражданская война"), и нет ничего ребяческого в "регрессии", ни даже в многократной регрессии.

Оксиморон – (греч. остроумно-глупое) стилистическая фигура, сочетание противоположных по значению слов («живой труп» Л.Н.Толстой, «жар холодных чисел» – А.А.Блок).

Но вернемся к расчетам. Критерий навыка или знания в основном зависит от пропорции вопросов на которые дан правильный ответ, но рассматривается два вида вопросов (те, где правильный ответ - "Да" и те, где ответ - "Нет"; см. Раздел в Табл. 9.1).

Теперь о методике расчета тенденции принятия риска. Она включает количественное сравнение двух типов погрешностей, которые человек может сделать: частота высказывания "Нет", когда правильный ответ "Да", по сравнению с частотой высказывания "Да" когда правильный ответ "Нет" (Шаги 6 - 10 в Табл. 9.1). Осторожный человек предпочтет давать безопасный ответ, когда сомневается, и таким образом первый тип ошибок более чаще встречается, чем второй. Это очевидно. Но насколько безопасный ответ достаточно безопасен? Каков оптимальный уровень безопасности? Или, сформулируем по-другому, что является оптимальным уровнем риска?

В Гл. 4.1 мы показали, что оптимальный (или целевой) уровень риска зависит от затрат и выгод из-за безопасных и опасных альтернатив поведения. В игре Угадай-ка затраты даются в терминах потерянных баллов или полученных за неправильные "Нет" или за неправильные ответы "Да", в то время как выгоды даются в терминах баллов, полученных для правильного "Нет" и корректные ответы "Да". Поэтому, оптимальный уровень риска можно легко рассчитать (Шаги 11 - 13 в Табл. 9.1) и единственной оставшейся задачей является сравнение тенденции принятия риска человека с оптимальной тенденцией принятия риска (Шаг 14). Так, игрок, идущий в игре Угадай-ка на риск больше оптимального - "ищущий риск", игрок с уровнем принятого риска - меньше оптимального – «избегающий риска», а при равенстве фактически принятого риска оптимальному – «оптимизирующий риск.

Табл. 9.1: Процедура расчета уровня единичного знания и степени риска принимаемого в игре Угадай-ка.

A. ВЫИГРЫШ ЗНАНИЯ:
1. Определите процент ответов в которых игрок отвечал "Да" на вопросы с правильным - "Да".
2. Посмотрите эквивалент "нормального отклонения" этого процента.
3. Определите процент ответов "Нет" на вопросы, где правильный ответ - "Нет".
4. Посмотрите эквивалент "нормального отклонения" этого процента.
5. Сложите значения, полученные в Шагах 2 и 4. Этот критерий знания будет варьироваться между нулем и 4.6 или около того.
B. ВЫИГРЫШ ТЕНДЕНЦИИ ПРИНЯТИЯ РИСКА:
6. Определите процент случаев, в которых игрок сказал "Нет", где правильный ответ - "Да".
7. Посмотрите "ординату" этого процента.
8. Определите процент случаев, в которых игрок сказал "Да", при правильном - "Нет".
9. Посмотрите "ординату" этого процента.
10. Разделите значение, полученное в Шаге 7 на значением, полученное в Шаге 9.
11. Прибавьте значение баллов правильного "Нет" к стоимости неправильных "Да".
12. Прибавьте значение баллов правильных "Да" к стоимости неправильных "Нет".
13. Разделите сумму, полученную в Шаге 11 на сумму, полученную в Шаге 12.
14. Вычтете отношение, полученное в Шаге 10 из отношения, полученного в Шаге 13. Поиска риска тенденция дает положительную разность, предотвращения риска - отрицательную.

Табл. 9.2: Нормальные отклонения и ординаты для процентов в пределах от 99 до 50; Для процентов погрешности (p) меньший чем 50, смотрите значения для 100-p.

% нормальное
отклонение
ордината  % нормальное
отклонение
ордината % нормальное
отклонение
ордината
99 2.326 0.027 82 0.915 0.263 65 0.385 0.371
98 2.054 0.048 81 0.878 0.272 64 0.358 0.374
97 1.881 0.068 80 0.842 0.280 63 0.332 0.378
96 1.751 0.086 79 0.806 0.288 62 0.305 0.381
95 1.645 0.103 78 0.772 0.296 61 0.279 0.384
94 1.555 0.119 77 0.739 0.304 60 0.253 0.386
93 1.467 0.134 76 0.706 0.311 59 0.228 0.389
92 1.405 0.149 75 0.674 0.318 58 0.202 0.391
91 1.341 0.162 74 0.643 0.325 57 0.176 0.393
90 1.282 0.176 73 0.613 0.331 56 0.151 0.394
89 1.227 0.188 72 0.583 0.337 55 0.126 0.396
88 1.175 0.200 71 0.553 0.342 54 0.100 0.397
87 1.126 0.212 70 0.524 0.348 53 0.075 0.398
86 1.080 0.223 69 0.496 0.353 52 0.050 0.398
85 1.036 0.233 68 0.468 0.358 51 0.025 0.399
84 0.994 0.243 67 0.440 0.362 50 0.000 0.399
83 0.954 0.253 66 0.412 0.367      

Заметьте, что самое маленькое значение столбца процента в Табл. 9.2 равно 50. Любой процент меньше 50 указал бы, что эффективность игрока хуже чем, была бы исключительно случайно. Подразумевается, что эта методика будет работать только для игроков, давших по крайней мере половину правильных ответов, то есть по крайней мере на половину из обоих типов вопросов: тех, где правильный ответ - "Да" и тех, где правильный ответ - "Нет". Методика не может применяться к людям с "отрицательным знанием". Это бесполезно также для людей, которые дают на каждый вопрос всегда правильный ответ; никакое отношение двух типов ошибок нельзя рассчитать, если ли число ошибок в одном или обоих типах вопросов равно нулю. Если отношение числа вопросов, где правильный ответ - "Нет" к числу вопросов, где правильный ответ - "Да", отличается от единицы, оптимальное отношение ошибок должно быть умножено на это отношение (Табл. 9.1, Шаг 10). Интуитивно очевидно: мудрецу следует сказать "Нет" учитывая, что шанс больше единицы, если имеет дело с вопросом, где правильный ответ - "Нет". Другие строки в вычислении оптимального отношения ошибки не менее правдоподобны: нужно говорить "Нет" более часто, если значение правильного "Нет" и/или стоимость неправильных "Да" больше, и если значение правильных "Да" меньше, и/или стоимость неправильного "Нет" меньше.

Методы, описанные в этой главе могут быть полезны для цели преодоления риска и понимания, что риск должен быть оптимизирован, не минимизирован, для получения максимальной выгоды. Они могут также обеспечить эмпирическое испытание определенных гипотез типа ТГР, а также для зондирования различных других вопросов, например:

Студенты и я зондировали эти вопросы в ходе десятков студенческих научно-исследовательских работ, включающих приблизительно 2500 игроков/участников. Некоторые из них были студенты; другие - шоферы такси, тюремные служители, клиенты торгового центра, мотоциклисты. Мы обсудим некоторые из результаты экспериментов в следующей главе. К нашему удовлетворению, мы нашли, что люди обычно весьма мотивированы, к участию в задачам, описанных выше, и остро заинтересованы в их эффективности, а также стремятся сравнить себя с другими. Мы чувствуем, что мы выявляем поведение относительно высокого уровня участия, поведение, которое является интересным участникам непосредственно и поэтому пригодно для изучения человеческого поведения.

Вместо преодоления трудностей в вербовке достаточного количества безразличных или ленивых испытуемых, мы время от времени пополнялись людьми, которые спонтанно вызвались принять участие. Даже, когда мы потребовали несколько долларов с человека для привилегии участия в наших экспериментах, мы не испытали больших трудностей в привлечении испытуемых.

Большинство задач, описанных выше, высоко портативно. Они выполнимы в лаборатории, дома в семейной комнате, в торговых центрах, в пабах, на берегу и других местах.

Следует указать на одно большое теоретическое ограничение. Вышеупомянутыми методами, степень оптимизации риска людьми может быть рассчитана только по точно установленным критериям (типа денежно-кредитных отношений или социального развития), а не по другим критериям, например, удовлетворение любопытства, сохранение удобного психофизического возбуждения, психомоторная проблема приближения насколько возможно к 1500 мс, независимо от полученных баллов или потерь, желание быстро закончить эксперимент. Это понятно, поэтому что человек фактически оптимизирует степень риска, принимаемого им поведения по сложному критерию всех его целей, хотя расчетное отклонение от оптимальности по критерию денежно-кредитного отношения, по существу отлично от нуля. Мы не будем знать, оптимизирует ли человек фактически риск, пока мы не разработаем методы, которые позволят нам определить степень принятия риска в поведении, нацеленном на удовлетворение этих дополнительных мотивов, и степень полученного удовлетворения. Следует признать, что мы не можем даже получить верный критерий риска человека, принимаемого в лаборатории, уж не говоря - в реальной жизни.

Важное следствие этого - то, что мы не можем убедиться, является ли уровень целевого риска, отражающийся на национальном числе дорожных происшествий слишком высоким, слишком низким или оптимальным. Как узнать: мы все вместе берем слишком много риска или слишком мало? Пока мы это не выясним, будет полностью не верным назвать гибель на дорога- "бесполезной смертью", как делают некоторые [7]. Смерть на дороге - печальная, отвратительная, прискорбная, но называть ее бесполезной, высокомерно и оскорбительно по отношению к жертвам ради спасения населения в риске.

Hosted by uCoz