現(xiàn)有的研究表明，人們可以通過學(xué)習(xí)專家在面對相同問題時的注意事項來提高自己的決策技能。

然而，在金融教育等領(lǐng)域，有效的指導(dǎo)需要在決策時提供頻繁的、個性化的反饋，這使得專家提供信息非常耗時，因此成本高得令人望而卻步。

我們通過演示一個自動化的反饋機(jī)制來解決這個問題，這個機(jī)制是這樣的：它允許業(yè)余的決策者從其他同伴、而不是專家那里了解應(yīng)該關(guān)注哪些信息。

在第一個實驗中，100名受試者重復(fù)執(zhí)行一項標(biāo)準(zhǔn)的行為金融投資任務(wù)，同時記錄他們的眼球運動。與之前的研究一致，我們發(fā)現(xiàn)很大一部分受試者受到?jīng)Q策偏差的影響。

在第二個實驗中，另一組100名受試者面臨同樣的任務(wù)，但在每個選擇之后，他們會收到由機(jī)器學(xué)習(xí)生成的反饋，這些反饋是關(guān)于他們在做決定前的眼部運動是否與實驗1中受試者在做出正確決定前的眼部運動相似。

結(jié)果，實驗二的受試者學(xué)會了像成功的同伴那樣分析信息，這反過來又減少了他們的決策偏差。

此外，在認(rèn)知反思測試中得分較低的那些人，從所提出的過程反饋形式中獲得的信息，要多于從基于決策結(jié)果的標(biāo)準(zhǔn)行為反饋中獲得的信息。

參考文獻(xiàn)：

Król M,?Król M.Learning From Peers' Eye Movements in the Absence of Expert Guidance: A Proof?of Concept Using Laboratory Stock Trading, Eye Tracking, and Machine Learning. Cogn Sci. 2019 Mar;43(2):e12716. doi: 10.1111/cogs.12716.