مدل هستهای، مدل تصمیمگیری مبتنی بر شناخت (RPD) است که توسط گری کلین در حدود ۱۹۸۵ توسعه یافتهاست: کارشناسان یک موقعیت را با الگوهای تجربهشده مطابقت میدهند، آن را به عنوان معمولی شناسایی میکنند، یک مسیر اقدام که قبلاً کارساز بودهاست را بازیابی میکنند و قبل از عمل، آن را در ذهن شبیهسازی میکنند. کلین، کالدرود و کلینتون-سیروکو در مطالعه آتشنشانی، با ۲۶ فرمانده آتشنشانی با تجربه مصاحبه کردند و در کمتر از ۱۲ درصد موارد، مقایسه دو یا چند گزینه را یافتند. در یک همکاری مشهور در سال ۲۰۰۹، دانیل کانمن و گری کلین به این نتیجه رسیدند که شهود کارشناسی فقط در محیطهای با اعتبار بالا با نشانههای پایدار، قابلآموزش و بازخورد کافی قابلاعتماد است — شرایطی که آتشنشانی، شطرنج و بیهوشی را برآورده میکند، اما پیشبینی سیاسی یا بازار سهام را نه. تصمیمگیری طبیعیگرایانه برای شرایط سریع، قابلشناسایی و تککارشناس مناسب است؛ تصمیمات عمدی، باحاشیه، نو و چندذینفه به ساختار نیاز دارد. Argumentree از این تصمیمات عمدی با درختان استدلال پرو/کن، رتبهبندی چندبعدی که به امتیاز اجماعی میانجامد، استخراج استدلال با هوش مصنوعی و یک مسیر بازرسی کامل که استدلال کارشناسی را قابلبررسی میکند، حمایت میکند.

چگونه کارشناسان در یک ساختمان در حال سوختن، با ثانیهها وقت، تصمیم میگیرند؟ نه با وزن دادن به گزینهها — با شناخت الگو و عمل. این تصمیمگیری طبیعیگرایانه است.
تصمیمگیری طبیعیگرایانه (NDM) مطالعه چگونگی تصمیمگیری کارشناسان در جهان واقعی — تحت فشار زمان و عدم قطعیت — و نشان میدهد که آنها شناسایی میکنند، نه مقایسه میکنند. مدل تصمیمگیری مبتنی بر شناخت گری کلین هسته مرکزی است. اما این شهود کارشناسی فقط در دامنههای قابلپیشبینی با بازخورد خوب قابلاعتماد است. در خارج از آن، به ساختار عمدی نیاز دارید — که جایی است که ابزارهایی مانند Argumentree وارد میشوند.
در یکی از موارد مشهور گری کلین (منابع قدرت، ۱۹۹۸)، یک ستوان فرماندهی گروه خود را به یک آتشسوزی آشپزخانه وارد کرد که به نظر میرسید یک آتشسوزی معمولی باشد. اما آب هیچ تأثیری نداشت، اتاق بسیار داغتر از یک آتشسوزی آشپزخانه بود — و به طرز عجیبی ساکت بود. او که احساس ناخوشایندی داشت و نمیتوانست بگوید چرا، به همه دستور خروج داد. لحظاتی بعد کف اتاق نشیمن فروریخت: آتش واقعی در پایین بود که هیچ کس از وجود آن خبر نداشت.
ستوان ابتدا یک «ششمین حس» را به آن نسبت داد. مصاحبه کلین حقیقت را فاش کرد — رفتار آتش با مدل ذهنی او مطابقت نداشت، و شناسایی الگوی کارشناسی او این ناسازگاری را قبل از اینکه بتواند آن را به صورت آگاهانه توضیح دهد، شناسایی کرد. این تصمیمگیری مبتنی بر شناخت در عمل است.
توسعهیافته توسط گری کلین در حدود ۱۹۸۵، RPD مسیر سریع کارشناسی را توصیف میکند:
هماهنگی وضعیت با الگوهای سالها تجربه و دیدن آن به عنوان یک مورد معمولی.
یادآوری یک مسیر عمل که در شرایط مشابه قبلا کار کرده است.
پیشبینی ذهنی — 'آیا این کار در اینجا کار میکند؟' — قبل از تعهد.
اگر شبیهسازی خوب به نظر برسد، عمل کنید. اگر نه، آن را تنظیم کنید یا گزینه بعدی را امتحان کنید — یکی در یک زمان، نه به طور موازی.
تیم کلین ۲۶ فرمانده آتشنشانی (~۲۳ سال تجربه) را در ۱۵۶ نقطه تصمیم واقعی مطالعه کرد. در کمتر از ۱۲% کسی دو یا چند گزینه را مقایسه کرد. کارشناسان شناسایی میکنند؛ آنها به تفکر عمدی نمیپردازند. این پاسخ تجربی به مدل کلاسیک تصمیمگیری عقلانی است.
سکپتیک دانیل کانمن و مدافع شهود گری کلین سالها در یک «همکاری خصمانه» گذراندند و پاسخ مشترک خود را در سال ۲۰۰۹ منتشر کردند. نتیجه آنها این بود: شهود فقط در شرایطی قابلاعتماد است که هر دو شرط برآورده شود.
سیگنالهای پایدار، قابل یادگیری و منظم — نه آشفتگی. آتشنشانی، شطرنج، بیهوشی واجد شرایط هستند.
تکرار کافی با بازخورد سریع و دقیق برای یادگیری سیگنالها.
جایی که این شرایط برآورده نمیشود — پیشبینی بلندمدت، انتخاب سهام، استراتژی نو و یکبار — شهود با اطمینان توهم اعتبار است، و به جای آن به استدلال عمدی و ساختاریافته نیاز دارید.
NDM برای کارشناس تنها است که در یک حوزه که به خوبی می شناسد به سرعت عمل می کند. اکثر تصمیمات سازمانی برعکس هستند: نو، پرخطر، غیرقابل بازگشت و در میان افراد زیادی به اشتراک گذاشته می شود — دقیقا شرایطی که در آن شهود کمتر قابل اعتماد است و ساختار مهم ترین است — قلمرو تصمیم گیری عمدی تصمیم گیری و تصمیم گیری مشارکتی. Argumentree برای آنها ساخته شده است، بر اساس نقشه برداری استدلال:
تبدیل یک تماس شهودی یک متخصص به استدلالهای صریح pro/con که دیگران میتوانند بررسی کنند — بنابراین "من فقط میدانم" به استدلال تبدیل میشود که گروه میتواند آزمایش کند.
وقتی محیط بیش از حد غیرقابل پیشبینی برای شهود قابل اعتماد است، رتبهبندی و وزن استدلالها برای پایهگذاری تصمیم بر شواهد، نه اعتماد.
استخراج AI الگوهای استدلال متخصصان از جلسات و اسناد، بنابراین دانش الگوی سخت به دست آمده ثبت میشود، نه از دست میرود وقتی آنها اتاق را ترک میکنند.
هر تصمیم یک رکورد از استدلال پشت آن را حفظ میکند — قابل بررسی بعدا در برابر اینکه چگونه واقعاً اتفاق افتاد.
شهود مطمئن شکل گرفته در دامنههای غیرقابل پیشبینی احساس میکند همانطور که واقعی هستند، اما قابل اعتماد نیستند.
شناسایی شکست میخورد وقتی یک وضعیت فقط به ظاهر به یک مورد آشنا شباهت دارد.
ادامه دادن با یک خوانش اولیه علیرغم سیگنالهای مخالف آن — برعکس ستوانی که از تعهد خارج شد.
تصمیمگیری طبیعی (NDM) مطالعه میکند که افراد با تجربه چگونه در شرایط واقعی تصمیم میگیرند — تحت فشار زمان، عدم قطعیت، خطر بالا و اطلاعات ناقص — نه در انتخابهای آزمایشگاهی مصنوعی. یافته اصلی آن این است که متخصصان به ندرت گزینهها را مقایسه میکنند؛ آنها یک situación را به عنوان آشنا شناسایی میکنند و بر اساس اولین مسیر عمل قابل کار اقدام میکنند.
RPD، توسط روانشناس تحقیقاتی گری کلین در حدود 1985 توسعه یافته، توضیح میدهد که چگونه متخصصان تصمیم میگیرند: آنها situación فعلی را با الگوهای تجربه مطابقت میدهند، آن را به عنوان معمولی شناسایی میکنند، یک مسیر عمل که قبلا کار کرده است را بازیابی میکنند و آن را به صورت ذهنی شبیهسازی میکنند. اگر شبیهسازی خوب به نظر برسد، عمل میکنند؛ اگر نه، آن را تنظیم میکنند یا گزینه بعدی را امتحان میکنند. این یک مدل سریال است — یکی در یک زمان — نه یک مقایسه موازی.
کلین، کالدرود و کلینتون-سیروکو 26 فرمانده آتشنشانی تجربه با میانگین 23 سال تجربه را در مورد 156 نقطه تصمیمگیری واقعی و غیرعادی مصاحبه کردند. در کمتر از 12٪ از موارد شواهدی از مقایسه دو یا چند گزینه وجود داشت. فرماندهان به طور غالب situación را به عنوان معمولی شناسایی کردند و مستقیماً به یک عمل مناسب رفتند — در تضاد با مدل کلاسیک 'هر گزینه را وزن کنید'.
در یک همکاری مشهور 'همکاری خصمانه،' شکاک دانیل کانمن و قهرمان شهود گری کلین توافق کردند (2009) که شهود متخصص فقط در دو شرایط قابل اعتماد است: (1) یک محیط با اعتبار بالا با سیگنالهای پایدار و قابل یادگیری، و (2) تمرین کافی با بازخورد سریع و دقیق برای یادگیری سیگنالها. آتشنشانی، شطرنج و بیهوشی واجد شرایط هستند؛ پیشبینی سیاسی و بازار سهام درازمدت واجد شرایط نیستند — که این دلیل آن است که 'شهود متخصص' آنها اغلب شکست میخورد.
نه. شهود متخصص (NDM) سریع است، اما بر اساس سالها شناسایی الگو با بازخورد ساخته شده است — به نظر میرسد لحظهای است، اما به sâu آموزش دیده است. تصمیمگیری تکانشی سریع است، اما بدون این پایه: عمل کردن بر اساس احساس یا اولین علاقه بدون شناسایی الگوی یادگیری. تفاوت در این است که آیا سرعت بر اساس تخصص واقعی در یک دامنه قابل پیشبینی است یا نه.
وقتی یک تماس جدید، پرخطر و به اشتراک گذاشته شده باشد، ساختار برbasis غلبه می کند. استدلال تیم خود را صریح کنید و با اطمینان در Argumentree تصمیم بگیرید.
شروع رایگان