Professional Documents
Culture Documents
vigencias de referencia (la frecuencia con una seal indica una decisin
correcta), los tipos de discriminacin (la frecuencia con una seal que distingue
entre alternativas de decisin, con independencia de su correccin), y los
despidos (correlaciones entre los valores de referencia a travs de
alternativas). Patrones en la ocurrencia de eventos en el tiempo y en el espacio
tambin son importantes: La gente usa satisficing heurstica que establecen
niveles de aspiracin (por ejemplo, un salario mnimo o trabajo aceptable un
precio mximo aceptable compra de casa) para buscar a travs de secuencias
de opciones cuando es difcil regresar a las opciones vistas anteriormente y
decirle qu opciones quedan por delante (como el empleo, la vivienda, o
incluso el apareamiento mercados Gigerenzer et al., 1999). Y los seres
humanos y otros animales en busca de recursos que se producen en los
parches (como frutas en arbustos o informacin en los sitios Web) hacen mejor
uso de reglas de incremento o decremento, que aumenta o disminuye la
tendencia a permanecer en un parche con cada elemento de los recursos
encontrados, dependiendo de si los parches tienen una amplia variedad o
aproximadamente el mismo nmero de recursos (Hutchinson & Gigerenzer,
2005). Probablemente lo ms importante para el ser humano son las
estructuras y de los ambientes sociales. Podemos utilizar la heurstica
satisficing para tomar decisiones ecolgicamente racionales acerca de otras
personas como compaeros potenciales basados en el patrn secuencial de la
gente que nos hemos encontrado anteriormente (Gigerenzer et al., 1999).
Podemos utilizar la regla de la mayora (lo que simplifica el clculo con slo
recuento s / no juicios en lugar de, por ejemplo, la ponderacin segn la
importancia de los diferentes jueces) y otras heursticas para la toma de
decisiones del grupo de la gente que los empleados potenciales, en base a la
distribucin de informacin dentro de nuestro grupo (Todd et al., en prensa).
Los patrones de los conocimientos adquiridos por el reconocimiento de las
personas a travs de intercambio social puede ser explotado con xito por la
heurstica del reconocimiento mencionado anteriormente (Gigerenzer et al.,
1999) para decidir cul de los dos elementos es mayor (por ejemplo, ciudades)
o ms xito (por ejemplo, jugadores de tenis o acciones), y estos patrones de
reconocimiento tambin se les da protagonismo en la toma de decisiones en
grupo (Reimer y Katsikopoulos, 2004). Pero la gente no utiliza la heurstica del
reconocimiento ciegamente-que ms bien parecen evaluar intuitivamente su
racionalidad ecolgica para una situacin dada (a travs de los mecanismos
que se han asociado con particulares estructuras neurales-ver Gigerenzer,
2007). Por ejemplo, algunas personas se basan en el reconocimiento del
nombre cuando saben que han odo hablar de una ciudad (por ejemplo,
Chernobyl) por una razn que no est correlacionada con su tamao.
Estructuras de Medio Ambiente tambin se crean especficamente por las
culturas o instituciones para influir en el comportamiento de los dems, como
en el ejemplo de rganos de donantes antes. A veces esto es acertada, ya que
cuando las leyes de trfico que determinan interseccin derecho de paso estn
TABLA 1
Heurstica de ejemplo, estructuras ambientales que los hacen ecolgicamente
racional, y predicciones sorprendentes
Heurstico
definicin
Reconocimiento
Ecolgicamente
racional si
El reconocimiento
es una seal
vlida (es decir,
conduce a
corregir las
decisiones de
ms de la mitad
predicciones
sorprendentes
Contradiciendo la
informacin sobre
objetos
reconocidos se
ignora;
reconociendo
menos opciones
Recuento (modelo
lineal unidad de
peso)
Trate - a - docena
(satisficing)
reconoce, que
elegir uno.
de las veces)
validaciones de
referencia varan
altamente;
moderada a alta
redundancia
entre las seales
validaciones de
referencia varan
poco, bajo la
redundancia de
seal (Hogarth y
Karelaia, 2006).
Desconocido
distribucin de los
valores de opcin,
sin volver a las
opciones vistas
anteriormente
puede conducir a
una mayor
precisin.
Se puede decidir
con mayor
precisin que la
regresin
mltiple, las
redes neuronales
y modelos
ejemplares al
generalizar los
nuevos datos
Rendimiento casi
ptima en un
amplio rango de
longitudes de
secuencia (es
decir, el nmero
de opciones
disponibles, poco
importa)