Accueil🇫🇷Chercher

Heuristique de reconnaissance

L’heuristique de reconnaissance, provenant du terme des principes de reconnaissance, a été utilisé comme un modèle dans la psychologie du jugement et de la prise de décisions et comme un heuristique en intelligence artificielle. L'objectif est de faire des déductions sur un critère qui n'est pas directement accessible au décideur, sur la base d'une reconnaissance retrouvée par la mémoire. Cela est possible si la reconnaissance des alternatives est pertinente pour le critère. Pour 2 alternatives, l’heuristique est définie comme [1] - [2] - [3]:

« Si l'un des deux objets est reconnu et que l'autre ne l'est pas, on en déduit que l'objet reconnu a la valeur la plus élevée par rapport au critère. »

L'heuristique de reconnaissance fait partie de la "boîte à outils adaptative" des heuristiques "rapides et frugales" proposées par Gigerenzer et Goldstein. C'est l'une des plus frugales d'entre elles, ce qui signifie qu'elle est simple ou économique [3] - [4] - [5]. Dans leur expérience originale, Daniel Goldstein et Gerd Gigerenzer ont interrogé des étudiants en Allemagne et aux États-Unis sur les populations des villes allemandes et américaines. Les participants ont reçu des paires de noms de villes et devaient indiquer quelle ville avait le plus d'habitants. Dans cette expérience et dans d'autres expériences similaires, l'heuristique de reconnaissance décrit généralement environ 80-90% des choix des participants, dans les cas où ils reconnaissent un objet mais pas l'autre (voir la critique de cette mesure ci-dessous). De manière surprenante, les étudiants américains ont obtenu de meilleurs résultats sur les villes allemandes, tandis que les participants allemands ont obtenu de meilleurs résultats sur les villes américaines, bien qu'ils n'aient reconnu qu'une fraction des villes étrangères. Ce phénomène a été baptisé "l'effet moins est plus" et a été formalisé mathématiquement[6].

Spécificités du domaine


L'heuristique de reconnaissance est considérée comme une stratégie d'inférence spécifique à un domaine. Il est tout à fait rationnel de s'appuyer sur l'heuristique de reconnaissance dans les domaines où il existe une corrélation entre le critère et la reconnaissance. Plus la justesse de la reconnaissance α pour un critère donné est élevée, plus il est rationnel de s'appuyer sur cette heuristique et plus les gens sont susceptibles de s'y fier. Pour chaque individu, α peut être calculé comme suit:

α = C/(C+W)


C’est le nombre d'inférences correctes que l'heuristique de reconnaissance ferait, calculé sur toutes les paires dans lesquelles une alternative est reconnue et l'autre non, et W est le nombre d'inférences erronées. Les domaines dans lesquels l'heuristique de reconnaissance a été appliquée avec succès comprennent la prédiction de propriétés géographiques (telles que la taille des villes, des montagnes, etc.)[1] - [2], d'événements sportifs (tels que les championnats de Wimbledon et de football[7] - [8] - [9]) et d'élections[10]. Les recherches montrent également que l'heuristique de reconnaissance est pertinente pour la science du marketing. Les heuristiques basées sur la reconnaissance aident les consommateurs à choisir les marques à acheter dans les catégories fréquemment achetées[11]. Un certain nombre d'études se sont penchées sur la question de savoir si les gens se fient à l'heuristique de reconnaissance d'une manière rationnelle. Par exemple, la reconnaissance du nom des villes suisses est un prédicteur valable de leur population (α = 0,86) mais pas de leur distance par rapport au centre de la Suisse (α = 0,51)[12].Pohl a rapporté que 89% des inférences s'accordaient avec le modèle dans les jugements de la population, contre seulement 54% dans les jugements de la distance. Plus généralement, il existe une corrélation positive de r = 0,64 entre la validité de reconnaissance et la proportion de jugements conformes à l'heuristique de reconnaissance dans 11 études[13]. Une autre étude de Pachur[14] suggère que l'heuristique de reconnaissance est plus probablement un outil pour explorer la reconnaissance naturelle plutôt que provoquée (c'est-à-dire non provoquée dans un cadre de laboratoire) lorsque les inférences doivent être faites à partir de la mémoire. Dans l'une de ses expériences, les résultats ont montré qu'il y avait une différence entre les participants dans un cadre expérimental et ceux dans un cadre non expérimental.

L’effet «  moins c’est plus  »

L'effet "moins, c'est plus" (provenant de l'expression anglaise "Less is more effect") est Ă  ne pas confondre avec l'effet "moins c'est mieux".

Si α > β, et α, β sont indépendants de n, alors un effet "moins, c'est plus" sera observé. Ici, β est la validité de la connaissance, mesurée comme C/(C+W) pour toutes les paires dans lesquelles les deux alternatives sont reconnues, et n est le nombre d'alternatives qu'un individu reconnaît. Un effet "moins, c'est plus" signifie que la fonction entre la précision et n’est en forme de U inversé plutôt que d'augmenter de façon monotone. Certaines études ont rapporté empiriquement des effets "moins, c'est plus" parmi deux, trois ou quatre alternatives[1] - [2] - [15] et dans des décisions de groupe[16], tandis que d'autres ne l'ont pas fait, peut-être parce que l'effet est censé être faible (voir Katsikopoulos[17]).

 

Smithson a exploré "l'effet moins, c'est plus" ou "Less is more effect" (LIME) avec l'heuristique de reconnaissance et remet en question certaines des hypothèses initiales. Le LIME se produit lorsqu'un "agent dépendant de la reconnaissance a une plus grande probabilité de choisir le meilleur élément qu'un agent plus averti qui reconnaît plus d'éléments". Un modèle mathématique est utilisé pour décrire le LIME et l'étude de Smithson l'a utilisé et a tenté de le modifier. L'étude avait pour but de fournir une compréhension mathématique du moment où le LIME se produit et d'expliquer les implications des résultats. La principale implication est "que l'avantage de l'indice de reconnaissance dépend non seulement de la validité de l'indice, mais aussi de l'ordre dans lequel les éléments sont appris"[18].

Preuves neuropsychologiques

L'heuristique de reconnaissance peut également être décrite à l'aide de techniques de neuro-imagerie. Un certain nombre d'études ont montré que les gens n'utilisent pas automatiquement l'heuristique de reconnaissance lorsqu'elle peut être appliquée, mais évaluent sa validité écologique. La manière dont ce processus d'évaluation peut être modélisé est toutefois moins claire. Une étude d'imagerie par résonance magnétique fonctionnelle a testé si les deux processus, reconnaissance et évaluation, peuvent être séparés sur une base neuronale[19]. Les participants ont été soumis à deux tâches; la première impliquait uniquement un jugement de reconnaissance ("Avez-vous déjà entendu parler de Modène? Milan?"), tandis que la seconde impliquait une inférence dans laquelle les participants pouvaient s'appuyer sur l'heuristique de reconnaissance ("Quelle ville a la plus grande population: Milan ou Modène?"). Pour les simples jugements de reconnaissance, on a signalé une activation dans le précunéus, une zone connue par des études indépendantes pour répondre à la confiance en la reconnaissance[20]. Dans la tâche d'inférence, l'activation du précunéus a également été observée, comme prévu, et une activation a été détectée dans le cortex antérieur frontomédian (aFMC), qui a été lié dans des études antérieures aux jugements évaluatifs et au traitement autoréférentiel. L'activation de l'aFMC pourrait représenter la base neuronale de cette évaluation de la rationalité écologique.

 

Certains chercheurs ont utilisé les potentiels liés aux événements (dit ERP) pour tester les mécanismes psychologiques derrière l’heuristique de reconnaissance. Rosburg, Mecklinger et Frings ont utilisé une procédure standard avec une tâche de comparaison de la taille d'une ville, similaire à celle utilisée par Goldstein et Gigerenzer. Ils ont utilisé cet ERP et ont analysé la reconnaissance basée sur la familiarité survenant 300-450 millisecondes après l'apparition du stimulus, afin de prédire les décisions des participants. Les processus de reconnaissance basés sur la familiarité sont relativement automatiques et rapides. Ces résultats prouvent donc que des heuristiques simples comme l'heuristique de reconnaissance utilisent des processus cognitifs de base[21].

Controverses

La recherche sur l'heuristique de reconnaissance a suscité un certain nombre de controverses.

Compromis

L'heuristique de reconnaissance est un modèle qui repose uniquement sur la reconnaissance. Cela conduit à la prédiction vérifiable selon laquelle les personnes qui s'appuient sur cette heuristique ignorent les indices forts et contradictoires (c'est-à-dire qu'elles ne font pas de compromis, ce que l'on appelle les inférences non compensatoires). Dans une expérience menée par Daniel M. Oppenheimer, les participants se sont vus présenter des paires de villes, dont des villes réelles et des villes fictives. Bien que l'heuristique de reconnaissance prédise que les participants jugeraient les villes réelles (reconnaissables) plus grandes, les participants ont jugé les villes fictives (non reconnaissables) plus grandes, ce qui montre que la reconnaissance n'est pas le seul facteur qui joue un rôle dans ces déductions[22].
Newell & Fernandez[4] ont réalisé deux expériences pour tenter de vérifier les affirmations selon lesquelles l'heuristique de reconnaissance se distingue de la disponibilité et de la fluidité par un traitement binaire de l'information et par l'inconséquence des connaissances supplémentaires.
Les résultats de leurs expériences n'ont pas soutenu ces affirmations. Newell & Fernandez et Richter & Späth ont testé la prédiction non compensatoire de l'heuristique de reconnaissance et ont déclaré que "l'information de reconnaissance n'est pas utilisée de manière "tout ou rien" mais est intégrée à d'autres types de connaissances dans le jugement et la prise de décision"[23].
Une nouvelle analyse de ces études au niveau individuel a toutefois montré qu'en général, environ la moitié des participants suivaient systématiquement l'heuristique de reconnaissance dans chaque essai, même en présence de jusqu'à trois indices contradictoires[24]. En outre, en réponse à ces critiques, Marewski et al[25] ont souligné qu'aucune des études susmentionnées n'a formulé et testé une stratégie compensatoire contre l'heuristique de reconnaissance, laissant les stratégies sur lesquelles les participants s'appuyaient inconnues. Ils ont testé cinq modèles compensatoires et ont constaté qu'aucun ne pouvait prédire les jugements mieux que le modèle simple de l'heuristique de reconnaissance.

Mesure

Une critique majeure des études sur l'heuristique de reconnaissance qui a été soulevée est que la simple conformité à l'heuristique de reconnaissance n'est pas une bonne mesure de son utilisation. Comme alternative, Hilbig et al. ont proposé de tester l'heuristique de reconnaissance de manière plus précise en concevant un modèle d'arbre de traitement multinomial pour l'heuristique de reconnaissance. Un modèle d'arbre de traitement multinomial est un modèle statistique simple souvent utilisé en psychologie cognitive pour les données catégorielles[26]. Hilbig et al. claimed that a new model of recognition heuristic use was needed due to the confound between recognition and further knowledge. The multinomial processing tree model was shown to be effective and Hilbig et al. claimed that it provided an unbiased measure of the recognition heuristic[27].


Pachur [28]a déclaré qu'il s'agit d'un modèle imparfait mais qu'il reste actuellement le meilleur modèle pour prédire les inférences des gens basées sur la reconnaissance. Il estime que les tests précis ont une valeur limitée, essentiellement parce que certains aspects de l'heuristique de reconnaissance sont souvent ignorés et que les résultats pourraient donc être sans conséquence ou trompeurs.

Stratégie intuitive

Hilbig et al.[27] affirment que les heuristiques sont censés réduire l'effort et que l'heuristique de reconnaissance réduit l'effort dans la formulation de jugements en s'appuyant sur un seul indice et en ignorant les autres informations. Dans leur étude, ils ont constaté que l'heuristique de reconnaissance est plus utile dans la pensée délibérée que dans la pensée intuitive. Cela signifie qu'elle est plus utile lorsque les pensées sont intentionnelles et non impulsives, par opposition à la pensée intuitive, qui repose davantage sur l'impulsion que sur le raisonnement conscient[29]. En revanche, une étude de Pachur et Hertwig[30] a révélé que ce sont en fait les réponses plus rapides qui sont plus conformes à l'heuristique de reconnaissance. De plus, les jugements s'accordaient plus fortement avec l'heuristique de reconnaissance sous la pression du temps. Dans la lignée de ces résultats, les preuves neuronales suggèrent que l'heuristique de reconnaissance peut être utilisée par défaut[19].

Soutien

Goldstein et Gigerenzer[31] affirment qu'en raison de sa simplicité, l'heuristique de reconnaissance montre dans quelle mesure et dans quelles situations le comportement peut être prédit. Certains chercheurs suggèrent que l'idée de l'heuristique de reconnaissance devrait être abandonnée, mais Pachur pense qu'une approche différente devrait être adoptée pour la vérifier. Certains chercheurs pensent que l'heuristique de reconnaissance devrait être étudiée à l'aide de tests précis de l'utilisation exclusive de la reconnaissance.
Une autre étude de Pachur[14] suggère que l'heuristique de reconnaissance est plus probablement un outil d'exploration naturelle plutôt qu’induit de la reconnaissance (c'est-à-dire non provoquée dans un cadre de laboratoire) lorsque des inférences doivent être faites à partir de la mémoire. Dans l'une de ses expériences, les résultats ont montré qu'il y avait une différence entre les participants dans un cadre expérimental et ceux dans un cadre non expérimental.

Synopsis

Grâce à une approche de collaboration contradictoire, trois numéros spéciaux de la revue en libre accès "Judgment and Decision Making" ont été consacrés à l'examen des soutiens et des problèmes de l'heuristique de reconnaissance, fournissant ainsi le résumé le plus récent et le plus complet du statu quo épistémique. Dans leur éditorial du numéro III, les trois rédacteurs invités prônent une théorie cumulative d'intégration[32].

Notes et références

  1. Daniel G. Goldstein et Gigerenzer, Gerd, « Models of ecological rationality: The recognition heuristic. », Psychological Review, vol. 109, no 1,‎ , p. 75–90 (PMID 11863042, DOI 10.1037/0033-295X.109.1.75, hdl 11858/00-001M-0000-0025-9128-B) Full text (PDF).
  2. Gerd Gigerenzer, Todd, Peter M. et Group, the ABC Research, Simple heuristics that make us smart, New York, Oxford University Press, , 1st Ă©d. (ISBN 978-0195143812)
  3. Gerd Gigerenzer et Daniel G. Goldstein, « Reasoning the fast and frugal way: Models of bounded rationality », Psychological Review, vol. 103, no 4,‎ , p. 650–669 (PMID 8888650, DOI 10.1037/0033-295x.103.4.650)
  4. Ben R. Newell et Fernandez, Duane, « On the binary quality of recognition and the inconsequentiality of further knowledge: two critical tests of the recognition heuristic », Journal of Behavioral Decision Making, vol. 19, no 4,‎ , p. 333–346 (DOI 10.1002/bdm.531)
  5. T. Rosburg, Mecklinger, A. et Frings, C., « When the Brain Decides: A Familiarity-Based Approach to the Recognition Heuristic as Evidenced by Event-Related Brain Potentials », Psychological Science, vol. 22, no 12,‎ , p. 1527–1534 (PMID 22051608, DOI 10.1177/0956797611417454, S2CID 41101972)
  6. K. V. Katsikopoulos, « The less-is-more effect: Predictions and tests », Judgment and Decision Making, vol. 5, no 4,‎ , p. 244–257
  7. Serwe S, Frings C, « Who will win Wimbledon? The recognition heuristic in predicting sports events », J. Behav. Decis. Mak., vol. 19, no 4,‎ , p. 321–32 (DOI 10.1002/bdm.530)
  8. Scheibehenne B, Bröder A, « Predicting Wimbledon 2005 tennis results by mere player name recognition », Int. J. Forecast., vol. 23, no 3,‎ , p. 415–26 (DOI 10.1016/j.ijforecast.2007.05.006, lire en ligne)
  9. Pachur, T. et Biele, G., « Forecasting from ignorance: the use and usefulness of recognition in lay predictions of sports events », Acta Psychol, vol. 125, no 1,‎ , p. 99–116 (PMID 16904059, DOI 10.1016/j.actpsy.2006.07.002, hdl 11858/00-001M-0000-0024-FE80-F)
  10. W. Gaissmaier et J. N. Marewski, « Forecasting elections with mere recognition from lousy samples », Judgment and Decision Making, vol. 6,‎ , p. 73–88
  11. J. Hauser, « A marketing science perspective on recognition-based heuristics (and the fast-and-frugal paradigm) », Judgment and Decision Making, vol. 6, no 5,‎ , p. 396–408
  12. Pohl R, « Empirical tests of the recognition heuristic », J. Behav. Decis. Mak., vol. 19, no 3,‎ , p. 251–71 (DOI 10.1002/bdm.522)
  13. Pachur T, Todd PM, Gigerenzer G, Schooler LJ, Goldstein DG, Ecological Rationality: Intelligence in the World, New York, Oxford Univ. Press, , « When is the recognition heuristic an adaptive tool? »
  14. Thorsten Pachur, Bröder, Arndt et Marewski, Julian N., « The recognition heuristic in memory-based inference: is recognition a non-compensatory cue? », Journal of Behavioral Decision Making, vol. 21, no 2,‎ , p. 183–210 (DOI 10.1002/bdm.581, hdl 11858/00-001M-0000-0024-FB80-1)
  15. Frosch C, Beaman CP, McCloy R, « A little learning is a dangerous thing: an experimental demonstration of ignorance-driven inference », Q. J. Exp. Psychol., vol. 60, no 10,‎ , p. 1329–36 (PMID 17853241, DOI 10.1080/17470210701507949, S2CID 31610630)
  16. Reimer T, Katsikopoulos K, « The use of recognition in group decision-making », Cogn. Sci., vol. 28, no 6,‎ , p. 1009–1029 (DOI 10.1207/s15516709cog2806_6)
  17. Katsikopoulos KV, Schooler LJ, Hertwig R, « The robust beauty of ordinary information », Psychol. Rev., vol. 117, no 4,‎ , p. 1259–66 (PMID 20822293, DOI 10.1037/a0020418, hdl 11858/00-001M-0000-0024-F605-0, lire en ligne)
  18. M. Smithson, « When less is more in the recognition heuristic », Judgment and Decision Making, vol. 5, no 4,‎ , p. 230–243 (lire en ligne)
  19. KG Volz, LJ Schooler, RI Schubotz, M Raab, G Gigerenzer et DY von Cramon, « Why you think Milan is larger than Modena: neural correlates of the recognition heuristic », J. Cogn. Neurosci., vol. 18, no 11,‎ , p. 1924–36 (PMID 17069482, DOI 10.1162/jocn.2006.18.11.1924, hdl 11858/00-001M-0000-0025-8060-3, S2CID 15450312)
  20. AP Yonelinas, LJ Otten, KN Shaw et MD Rugg, « Separating the brain regions involved in recollection and familiarity in recognition memory », J. Neurosci., vol. 25, no 11,‎ , p. 3002–8 (PMID 15772360, PMCID 6725129, DOI 10.1523/jneurosci.5295-04.2005, lire en ligne)
  21. T. Rosburg, A. Mecklinger et C. Frings, « When the brain decides: A familiarity-based approach to the recognition heuristic as evidenced by event-related brain potentials », Psychological Science, vol. 22, no 12,‎ , p. 1527–1534 (PMID 22051608, DOI 10.1177/0956797611417454, S2CID 41101972)
  22. D. M. Oppenheimer, « Not so Fast! (and not so Frugal!): Rethinking the Recognition Heuristic », Cognition, vol. 90, no 1,‎ , B1–B9 (PMID 14597272, DOI 10.1016/s0010-0277(03)00141-0, S2CID 16927640, lire en ligne)
  23. T. Richter et P. Späth, « Recognition is used as one cue among others in judgment and decision making », Journal of Experimental Psychology: Learning, Memory, and Cognition, vol. 32, no 1,‎ , p. 150–162 (PMID 16478347, DOI 10.1037/0278-7393.32.1.150, lire en ligne)
  24. Pachur T, Bröder A, Marewski JN, « The recognition heuristic in memory-based inference: Is recognition a noncompensatory cue? », J. Behav. Decis. Mak., vol. 21, no 2,‎ , p. 183–210 (DOI 10.1002/bdm.581, hdl 11858/00-001M-0000-0024-FB80-1)
  25. Marewski JN, Gaissmaier W, Schooler LJ, Goldstein DG, Gigerenzer G, « From recognition to decisions: extending and testing recognition-based models for multi-alternative inference », Psychon. Bull. Rev., vol. 17, no 3,‎ , p. 287–309 (PMID 20551350, DOI 10.3758/PBR.17.3.287, S2CID 1936179, lire en ligne)
  26. W. H. Batchelder et D. M. Riefer, « Theoretical and empirical review of multinomial process tree modeling », Psychonomic Bulletin & Review, vol. 6, no 1,‎ , p. 57–86 (PMID 12199315, DOI 10.3758/BF03210812)
  27. Benjamin E. Hilbig, Erdfelder, Edgar et Pohl, Rüdiger F., « One-reason decision making unveiled: A measurement model of the recognition heuristic. », Journal of Experimental Psychology: Learning, Memory, and Cognition, vol. 36, no 1,‎ , p. 123–134 (PMID 20053049, DOI 10.1037/a0017518)
  28. T. Pachur, « The limited value of precise tests of the recognition heuristic », Judgment and Decision Making, vol. 6, no 5,‎ , p. 413–422 (lire en ligne)
  29. B. E. Hilbig, S. G. Scholl et R. F. Pohl, « Think or blink—Is the recognition heuristic an "intuitive" strategy? », Judgment and Decision Making, vol. 5, no 4,‎ , p. 300–309
  30. Pachur T, Hertwig R, « On the psychology of the recognition heuristic: retrieval primacy as a key determinant of its use », J. Exp. Psychol. Learn. Mem. Cogn., vol. 32, no 5,‎ , p. 983–11002 (PMID 16938041, DOI 10.1037/0278-7393.32.5.983, hdl 11858/00-001M-0000-0024-FF00-5, lire en ligne)
  31. G. Gigerenzer et Goldstein, D. G., « The beauty of simple models: Themes in recognition heuristic research », Judgment and Decision Making, vol. 6, no 5,‎ , p. 392–395
  32. J. N. Marewski, R. F. Pohl et O. Vitouch, « Recognition-based judgments and decisions: What we have learned (so far) », Judgment and Decision Making, vol. 6, no 5,‎ , p. 359–380 (lire en ligne)

Voir aussi

Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplémentaires peuvent s’appliquer aux fichiers multimédias.