数据与认知偏差在危机信息管理中的相互作用——一项关于流行病应对的探索性研究

人道主义危机，如 2014 年西非埃博拉疫情，对信息管理提出挑战，从而威胁应对组织的数字韧性。危机信息管理(CIM)的特点是在局势不确定的情况下仍需紧急响应。结合高风险、有限资源和高认知负荷，危机易于在数据分析师和决策者的数据及认知过程中诱发偏差。当偏差在 CIM 中未被发现和处理时，可能导致基于偏差信息做出的决策，增加响应低效的风险。文献表明，危机响应需要通过适应可用的最新更好信息来应对初始不确定性与可能的偏差。然而，我们对于自适应方法是否能缓解数据与认知偏差的相互作用知之甚少。我们在一个关于流行病应对的三阶段探索性实验中研究了这一问题。我们的参与者是危机决策与信息分析领域的经验丰富从业者。我们发现，即使偏差被检测到，分析师也未能成功对数据去偏，并且这一失败可归因于低估去偏努力而偏好快速结果。这一失败导致形成传达给决策者的偏差信息产品，后者进而基于偏差信息做出决策。确认偏差强化了对基于偏差数据所得结论的依赖，导致一个恶性循环，其中偏差假设未被纠正。我们提出正念去偏(mindful debiasing)作为对抗 CIM 中这些偏差效应的一种可能反制策略。