面向一次性集体决策聚合的元学习方法：正确选择如何正确地选择

将多个集体成员就给定决策问题所作的选择成功聚合为单一解，对于发挥集体智慧与有效众包至关重要。现有多种聚合技术，其中一些可归结为简单且有时有效的确定性聚合规则。然而，已有研究表明，这些技术的效率在不同条件与领域中并不稳定。其他方法主要依赖从决策者既往响应或其附加信息中学习。本研究提出两种基于一次性机器学习的聚合方法。第一种基于关于集体选择的多种特征（含元认知特征）预测何种聚合方法对给定情形最佳；第二种直接预测何种决策最优，其输入除其他外还包括各方法所作选择。我们提出一种元认知特征工程方法，以情境敏感方式刻画集体决策案例。此外，我们提出一种新的聚合方法—— Devil's-Advocate 聚合器，以应对标准聚合方法被预测将失败的情形。实验结果表明，与统一应用各基于规则的聚合方法相比，使用我们所提任一方法均显著提升成功聚合案例的比例（即返回正确答的情形）。我们也展示了 Devil's Advocate 聚合器的重要性。