Исследователи объяснили, почему люди при недостатке данных выбирают простые объяснения

Канадские исследователи объяснили, в каких случаях люди прибегают к простым объяснениям. Их работа опубликована в журнале Cognitive Psychology.

Учёные провели семь онлайн-экспериментов с 2820 участниками, привлечёнными с помощью таких краудсорсинговых платформ, как Prolific и CloudResearch. Испытуемым нужно было решить небольшой тест, выбрав из предложенных вариантов объяснение какого-либо природного явления. Как правило, в задачах описывали явления, с которыми участники, скорее всего, не встречались в реальной жизни, — например, почему мухи определённого вида могут изменить цвет.

Среди предложенных вариантов ответа в тестах были как простые объяснения (например, мухи могут питаться особым минералом и менять цвет из-за этого), так и более комплексные. В последних говорилось о взаимодействии нескольких факторов.

В некоторых экспериментах участникам дополнительно давали статистическую информацию о вероятности того или иного явления или о том, как часто в природе встречаются упомянутые в задаче факторы.

В результате экспериментов выяснилось, что участники обычно выбирали простые объяснения. Исследователи предположили, что склонность к простым объяснениям связана с общей тенденцией к эффективности в работе мозга человека. Похоже, люди интуитивно предпочитают методы, которые позволяют добиться большего с меньшими когнитивными затратами.

В ответах участников всегда преобладали простые решения, если в условии задачи отсутствовали статистические данные. Но когда участникам предоставляли конкретную статистику, их предпочтения менялись в пользу более сложных объяснений. Например, участники выбирали сложный процесс (две причины изменения цвета вместо одной), если у них была информация о высокой вероятности совпадения этих причин.

Как считают исследователи, это подчёркивает гибкость человеческого познания и важность контекста в принятии решений.

Результаты более раннего российского исследования показали, что чёткие инструкции и подробные объяснения помогают учащимся обрабатывать новую информацию. Очень важно при проектировании обучения учитывать уровень знаний учащихся — это поможет структурировать материал таким образом, чтобы минимизировать внешнюю нагрузку. Рекомендуется не оставлять студента один на один с новыми для него задачами, а давать им алгоритм решения.