Weisheit der Menge

In diesem Artikel geht es um die kollektive Meinung. Für das Buch von James Surowiecki siehe Die Weisheit der Menschenmenge. Für die TV -Serie siehe Weisheit der Menge.

Das Weisheit der Menge ist die kollektive Meinung einer vielfältigen unabhängigen Gruppe von Personen und nicht der eines einzelnen Experten. Dieser Prozess, obwohl nicht neu in der Informationszeitalterwurde von sozialen Informationsstellen wie soziale Informationsstellen wie z. Quora, Reddit, Stapelaustausch, Wikipedia, Yahoo! Antwortenund andere Webressourcen, die auf kollektivem menschlichen Wissen beruhen.[1] Eine Erklärung für dieses Phänomen ist, dass mit jedem individuellen Urteilmaschine eigenwillige Geräusche verbunden sind, und der Durchschnitt über eine große Anzahl von Antworten wird einen Weg zur Aufhebung der Wirkung dieses Rauschens leisten.[2]

Der Prozess der Jury kann als zumindest teilweise auf Weisheit der Menge angewiesen werden, verglichen mit dem Bankversuch, der auf einem oder wenigen Experten beruht. In der Politik manchmal Sortition wird als Beispiel dafür gehalten, wie die Weisheit der Menge aussehen würde. Entscheidung fällen würde von einer vielfältigen Gruppe statt von einer ziemlich homogenen politischen Gruppe oder Partei passieren. Forschung innerhalb Kognitionswissenschaft hat versucht, die Beziehung zwischen der Weisheit der Menscheneffekte und der individuellen Wahrnehmung zu modellieren.

Die aggregierten Antworten einer großen Gruppe auf Fragen, die eine Menge Schätzung, das allgemeine Weltwissen und das räumliche Denken beinhalten, wurden im Allgemeinen gefunden[zweifelhaft – diskutieren] so gut wie, aber oft überlegen sein, die Antwort, die eines der Personen innerhalb der Gruppe gegeben hat.

Jury Theorems aus Theorie der sozialen Wahl Legen Sie formelle Argumente für die Weisheit der Menge vor, angesichts einer Vielzahl von mehr oder weniger plausiblen Annahmen. Sowohl die Annahmen als auch die Schlussfolgerungen bleiben kontrovers, obwohl die Theoreme selbst dies nicht sind. Das älteste und einfachste ist Condorcet's Jury Theorem (1785).

Beispiele

Aristoteles wird als erste Person zugeschrieben, die über die "Weisheit der Menge" in seiner Arbeit schrieb Politik.[3][4] Laut Aristoteles ist es möglich, dass die vielen, wenn auch nicht individuell guten Männer, aber wenn sie zusammenkommen, können nicht einzeln, aber gemeinsam besser sind als diejenigen, die so sind, genauso wie öffentliche Abendessen, zu denen viele beitragen als diese sind besser als diese zu den Kosten eines Mannes geliefert ".[5]

Sir Francis Galton durch Charles Wellington Furse, gegeben an die Nationale Porträtgalerie, London im Jahr 1954

Die klassische Erkenntnis der Kreuze beinhaltet die Punktschätzung einer kontinuierlichen Menge. Auf einer Ländermesse von 1906 in Plymouth800 Menschen nahmen an einem Wettbewerb teil, um das Gewicht eines geschlachteten und gekleideten Ochsen zu schätzen. Statistiker Francis Galton beobachtete, dass die Median Vermutlich war 1207 Pfund innerhalb von 1% des wahren Gewichts von 1198 Pfund genau.[6] Dies hat zur Einsicht in die kognitive Wissenschaft beigetragen, dass die individuellen Urteile einer Menge als modelliert werden können Wahrscheinlichkeitsverteilung der Antworten mit dem Median, der in der Nähe des tatsächlichen Wertes der zu schätzenden Menge zentriert ist.[7]

In den letzten Jahren wurde die "Weisheit der Menge" Phänomen in Geschäftsstrategie und Werberäumen genutzt. Firmen wie Servietkinlabors aggregieren Verbraucher -Feedback und Markenimpressionen für Kunden. In der Zwischenzeit rufen Unternehmen wie Trada Menschen auf, um Werbung auf der Grundlage der Kundenanforderungen zu entwerfen.[8]

Nicht-menschliche Beispiele sind weit verbreitet. Zum Beispiel die goldener Shiner ist ein Fisch, der zwielichtige Bereiche bevorzugt. Der einzelne Shiner hat es sehr schwierig, schattige Regionen in einem Gewässer zu finden, während eine große Gruppe viel effizienter darin ist, den Schatten zu finden.[9]

Höherdimensionale Probleme und Modellierung

Obwohl die Erkenntnisse der klassischen Wisdom-of-the-Crowds-Erkenntnisse auf Punktschätzungen einzelner kontinuierlicher Größen zentrieren, skaliert das Phänomen auch zu höherdimensionalen Problemen, die sich nicht für Aggregationsmethoden wie die Einnahme des Mittelwerts eignen. Für diese Zwecke wurden komplexere Modelle entwickelt. Einige Beispiele für höherdimensionale Probleme, die Weisheit der Crowds-Effekte aufweisen, umfassen:

  • Kombinatorische Probleme wie z. Mindestüberschreitende Bäume und die Problem mit reisenden Verkäufern, in dem die Teilnehmer die kürzeste Route zwischen einer Reihe von Punkten finden müssen. Modelle dieser Probleme unterteilen das Problem entweder in gemeinsame Stücke (die Lokale Zersetzungsmethode der Aggregation) oder Lösungen finden, die den einzelnen menschlichen Lösungen am ähnlichsten sind (die Globale Ähnlichkeit Aggregation Methode).[2][10]
  • Bestellung von Problemen wie der Ordnung der US -Präsidenten oder der Weltstädte nach Bevölkerung. Ein nützlicher Ansatz in dieser Situation ist Thurstonian Modeling, was jeder Teilnehmer Zugang zur Grundwahrheitsordnung hat, aber mit unterschiedlichem Grad von stochastisch Lärm, führt zu Varianz in der endgültigen Ordnung, die von verschiedenen Personen angegeben wurde.[11][12][13][14]
  • Mehr bewaffneter Bandit Probleme, bei denen die Teilnehmer aus einer Reihe von Alternativen mit festen, aber unbekannten Belohnungsraten wählen, um die Rendite nach einer Reihe von Versuchen zu maximieren. Mischungen von Entscheidungsprozessen und individuellen Unterschiede in den Wahrscheinlichkeiten von Mischungen von Entscheidungsprozessen und individuellen Unterschieden Gewinnen und bleiben mit einer bestimmten Alternative versus verlieren und verschieben zu einer anderen Alternative, Hierarchische Bayes'sche Modelle wurden verwendet, die Parameter für einzelne Personen enthalten Gaußscher Verteilungen[15]

Überraschend beliebt

Um die Wege zur Verbesserung der Ergebnisse weiter zu untersuchen, ist eine neue Technik, die als "das" namens "überraschend beliebt"Wurde von Wissenschaftlern des Sloan Neuroeconomics Labs von MIT in Zusammenarbeit mit der Princeton University entwickelt. Für eine bestimmte Frage werden die Menschen gebeten, zwei Antworten zu geben: Was sie für die richtige Antwort halten und was sie für die populäre Meinung halten. Die beiden geben die richtige Antwort an. Es wurde festgestellt Antworten und 22,2 Prozent im Vergleich zu fortgeschrittenen Konfidenzstimmen, bei denen man die Antworten nur mit dem höchsten Durchschnitt verwendet.[16]

Definition der Menge

Im Kontext der Weisheit der Menge nimmt der Begriff "Publikum" eine breite Bedeutung an. Eine Definition charakterisiert eine Menge als Gruppe von Personen, die von einem offenen Aufruf zur Teilnahme zusammengestellt wurden.[17] Während Menschenmengen häufig in Online -Anwendungen genutzt werden, können sie auch in Offline -Kontexten verwendet werden.[17] In einigen Fällen können Mitgliedern einer Menge Geldanreize für die Teilnahme angeboten werden.[18] Bestimmte Anwendungen der "Weisheit der Menge", wie z.[19]

Analoga mit individueller Wahrnehmung: Die "Menge innen"

Die Einsicht, dass die Publikumsprüfung auf eine Schätzaufgabe als Probe von a modelliert werden kann Wahrscheinlichkeitsverteilung lädt Vergleiche mit individueller Wahrnehmung ein. Insbesondere ist es möglich, dass die individuelle Wahrnehmung in dem Sinne wahrscheinlich ist, dass einzelne Schätzungen aus einer "internen Wahrscheinlichkeitsverteilung" stammen. Wenn dies der Fall ist, sollte zwei oder mehr Schätzungen derselben Menge derselben Person durchschnittlich zu einem Wert, der näher an der Bodenwahrheit als eines der einzelnen Urteile liegt, da die Wirkung von Statistisches Geräusch Innerhalb jeder dieser Urteile wird reduziert. Dies beruht natürlich auf der Annahme, dass das mit jedem Urteil verbundene Geräusch (zumindest etwas) ist statistisch unabhängig. Daher muss die Menge unabhängig, aber auch diversifiziert sein, um eine Vielzahl von Antworten zu ermöglichen. Die Antworten an den Enden des Spektrums stornieren sich gegenseitig und ermöglichen es, dass die Weisheit der Publikumsphänomene ihren Platz einnehmen. Eine andere Einschränkung ist, dass die individuellen Wahrscheinlichkeitsurteile häufig gegenüber extremen Werten (z. B. 0 oder 1) voreingenommen sind. Daher ist jeder vorteilhafte Effekt mehrerer Urteile aus derselben Person wahrscheinlich auf Stichproben aus einer unvoreingenommenen Verteilung beschränkt.[20]

Vul und Pashler (2008) baten die Teilnehmer nach Punktschätzungen kontinuierlicher Mengen, die mit allgemeinem Weltwissen verbunden sind, wie z. B. "Wie viel Prozent der weltweiten Flughäfen sind in den USA?" Ohne im Voraus auf das Verfahren aufmerksam zu machen, wurde die Hälfte der Teilnehmer sofort gebeten, eine zweite, unterschiedliche Vermutung als Antwort auf dieselbe Frage zu machen, und die andere Hälfte wurde gebeten, dies drei Wochen später zu tun. Der Durchschnitt der beiden Vermutungen eines Teilnehmers war genauer als beide Einzelraten. Darüber hinaus waren die Durchschnittswerte der im dreiwöchigen Verzögerungsbedingung vorgenommenen Vermutungen genauer als in unmittelbarer Folge vorgenommene Vermutungen. Eine Erklärung für diesen Effekt ist, dass Vermutungen im unmittelbaren Zustand weniger unabhängig voneinander waren (a Verankerung Wirkung) und somit (einigen) der gleichen Art von Rauschen ausgesetzt waren. Im Allgemeinen deuten diese Ergebnisse darauf hin, dass die individuelle Wahrnehmung tatsächlich einer internen Wahrscheinlichkeitsverteilung ausgesetzt sein kann, die durch stochastisches Rauschen gekennzeichnet ist, anstatt die beste Antwort auf der Grundlage des Wissens, das eine Person hat, konsequent zu erzeugen.[20] Diese Ergebnisse wurden hauptsächlich in einer hochregistrierten Replikation mit hoher Leistung bestätigt.[21] Das einzige Ergebnis, das nicht vollständig repliziert wurde, war, dass eine Verzögerung in der zweiten Vermutung eine bessere Schätzung erzeugt.

Hourihan und Benjamin (2010) testeten die Hypothese, dass die von Vul und Pashler im verzögerten reagierenden Zustand beobachteten Schätzverbesserungen das Ergebnis einer erhöhten Unabhängigkeit der Schätzungen waren. Zu diesem Hourihan und Benjamin nutzten Variationen in Errinerungsspanne Unter ihren Teilnehmern. Zur Unterstützung stellten sie fest, dass die Mittelung wiederholter Schätzungen der Menschen mit niedrigeren Speicherspannen höhere Schätzverbesserungen zeigten als die Mittelung der wiederholten Schätzungen der Menschen mit größeren Speicherspannen.[22]

Rauhut und Lorenz (2011) erweiterten diese Forschung, indem sie die Teilnehmer erneut aufforderten, Schätzungen von kontinuierlichen Mengen im Zusammenhang mit dem Wissen über reale Welt vorzunehmen. In diesem Fall wurden die Teilnehmer jedoch darüber informiert, dass sie fünf aufeinanderfolgende Schätzungen vornehmen würden. Dieser Ansatz ermöglichte es den Forschern, zuerst festzustellen, wie oft man sich fragen muss, um die Genauigkeit zu entsprechen, andere zu fragen, und dann die Rate, mit der Schätzungen von sich selbst vorgenommen wurden, im Vergleich zu anderen die Frage nach anderen. Die Autoren kamen zu dem Schluss, dass es nicht die Genauigkeit übertrifft, nur eine andere Person zu fragen. Insgesamt fanden sie wenig Unterstützung für eine sogenannte "mentale Verteilung", aus der Individuen ihre Schätzungen ziehen; Tatsächlich stellten sie fest, dass in einigen Fällen, die sich mehrmals um sich selbst fragen, die Genauigkeit tatsächlich reduziert. Letztendlich argumentieren sie, dass die Ergebnisse von Vul und Pashler (2008) die Weisheit der "Menge innerhalb" überschätzen - wie ihre Ergebnisse zeigen, dass sich das mehr als das Dreimal die Genauigkeit auf Niveaus verringert forderte die Teilnehmer auf, zwei Schätzungen vorzunehmen).[23]

Müller-Trede (2011) versuchte, die Arten von Fragen zu untersuchen, bei denen die Verwendung der "Menge innerhalb" am effektivsten ist. Er stellte fest, dass die Genauigkeitsgewinne zwar kleiner waren als erwartet, wenn die Schätzungen von durchschnittlich diejenigen mit einer anderen Person zu erwarten waren, wiederholte Urteile zu einer Erhöhung der Genauigkeit bei beiden Jahresschätzungsfragen (z. B. wann wurde das Thermometer erfunden?) Und Fragen zu geschätzten Prozentsätzen (z. , Wie viel Prozent der Internetnutzer verbinden sich aus China?). Allgemeine numerische Fragen (z. B. wie hoch ist die Geschwindigkeit des Klangs in Kilometern pro Stunde?) Zeigte jedoch keine Verbesserung mit wiederholten Urteilen, während die durchschnittlichen individuellen Urteile mit denen eines zufälligen anderen die Genauigkeit verbesserten. Dies sei das Ergebnis der Grenzen, die nach Jahr und prozentualen Fragen impliziert sind, dies ist das Ergebnis der Grenzen.[24]

Van Dolder und Van Den Assem (2018) untersuchten die "Crowd Within" mit einer großen Datenbank aus drei von Holland Casino organisierten Schätzungswettbewerben. Für jeden dieser Wettbewerbe stellen sie fest, dass die Aggregation innerhalb der Person tatsächlich die Genauigkeit der Schätzungen verbessert. Darüber hinaus bestätigen sie auch, dass diese Methode besser funktioniert, wenn eine Zeitverzögerung zwischen nachfolgenden Urteilen besteht. Selbst wenn zwischen den Schätzungen eine erhebliche Verzögerung auftritt, verblasst der Nutzen gegenüber der der Aggregation zwischen der Person: Der Durchschnitt einer großen Anzahl von Urteilen derselben Person ist kaum besser als der Durchschnitt von zwei Urteilen verschiedener Personen.[25]

Dialektisches Bootstrapping: Verbesserung der Schätzungen der "Menge innerhalb"

Herzog und Hertwig (2009) versuchten, die "Weisheit vieler in einem Geist" (d. H. Die "Menge innerhalb") zu verbessern, indem sie die Teilnehmer aufforderten, dialektische Bootstrapping zu verwenden. Dialektisches Bootstrapping beinhaltet die Verwendung von Dialektik (begründete Diskussion, die zwischen zwei oder mehr Parteien mit entgegengesetzten Ansichten stattfindet, um die beste Antwort zu bestimmen) und Bootstrapping (sich ohne die Unterstützung externer Kräfte voranzutreiben). Sie stellten fest, dass Menschen in der Lage sein sollten, ihre ursprünglichen Schätzungen mehr Verbesserungen vorzunehmen, indem sie die zweite Schätzung auf Basi antithetisch Information. Daher würden diese zweiten Schätzungen, die auf unterschiedlichen Annahmen und Kenntnissen basieren, als die zur Erzeugung der ersten Schätzung auch einen anderen Fehler (beide systematisch und zufällig) als die erste Schätzung - Erhöhung der Genauigkeit des durchschnittlichen Urteils. Aus einer analytischen Perspektive sollte die dialektische Bootstrapping die Genauigkeit erhöhen, solange die dialektische Schätzung nicht zu weit entfernt ist und die Fehler der ersten und dialektischen Schätzungen unterschiedlich sind. Um dies zu testen, forderten Herzog und Hertwig die Teilnehmer auf, eine Reihe von Datumsschätzungen in Bezug auf historische Ereignisse vorzunehmen (z. B. wenn Strom entdeckt wurde), ohne zu wissen, dass sie gebeten würden, eine zweite Schätzung vorzunehmen. Als nächstes wurde die Hälfte der Teilnehmer einfach gebeten, eine zweite Schätzung vorzunehmen. Die andere Hälfte wurde gebeten, eine beachtliche Strategie zu verwenden, um dialektische Schätzungen vorzunehmen (unter Verwendung ihrer anfänglichen Schätzungen als Referenzpunkt). Insbesondere wurden die Teilnehmer gebeten, sich vorzustellen, dass ihre anfängliche Schätzung ausgeschaltet war, überlegen, welche Informationen möglicherweise falsch waren, was diese alternativen Informationen darauf hindeuten würden, wenn dies ihre Schätzung zu einer Überschätzung oder einer Unterschätzung gemacht hätte, und schließlich basierend auf dieser Perspektive, was Ihre neue Schätzung wäre. Die Ergebnisse dieser Studie zeigten, dass zwar dialektisches Bootstrapping die Weisheit der Menge nicht übertroffen hat (im Durchschnitt die erste Schätzung der einzelnen Teilnehmer mit der eines zufälligen anderen Teilnehmers), aber es machte bessere Schätzungen, als nur Personen zu bitten, zwei Schätzungen vorzunehmen.[26]

Hirt und Markman (1995) stellten fest, dass die Teilnehmer nicht auf eine beachtliche Strategie beschränkt sein müssen, um die Urteile zu verbessern. Die Forscher forderten die Teilnehmer auf, ein Alternativ zu erwägen-operationalisiert wie jede plausible Alternative (anstatt sich einfach nur auf die "entgegengesetzte" Alternative zu konzentrieren), die festgestellt hat, dass sie eine Alternative einfach verbessert haben.[27]

Nicht alle Studien haben die Unterstützung der "Crowd innerhalb" der Verbesserung der Urteile gezeigt. Ariely und Kollegen forderten die Teilnehmer auf, Antworten auf der Grundlage ihrer Antworten auf wahre Elemente und ihr Vertrauen in diese Antworten zu liefern. Sie stellten fest, dass zwar gemittelte Beurteilungsschätzungen zwischen Personen signifikant verbesserte Schätzungen erheblich verbesserten, aber die durchschnittlich wiederholten Beurteilungsschätzungen derselben Personen schätzten die Schätzungen nicht signifikant.[28]

Probleme

Die Forschungsforschung der Weisheit der Kreuze führt routinemäßig die Überlegenheit der Massen-Durchschnittswerte gegenüber individuellen Urteilen auf die Beseitigung von individuellem Rauschen zurück,[29] eine Erklärung, die annimmt Unabhängigkeit der individuellen Urteile voneinander.[7][20] So trifft die Menge ihre besten Entscheidungen, wenn sie sich aus verschiedenen Meinungen und Ideologien zusammensetzt.

Mittelung kann eliminieren Zufällige Fehler Das wirkt sich auf andere Weise auf die Antwort jeder Person aus, aber nicht die Antwort systematische Fehler Dies wirkt sich auf die gleiche Weise auf die Meinungen der gesamten Menge aus. Zum Beispiel wird beispielsweise eine Weisheit der Crowd-Technik nicht erwartet, dass sie kompensiert kognitive Voreingenommenheit.[30]

Scott E. Seite stellte den Theorem der Diversity -Vorhersage ein: "Der quadratische Fehler der kollektiven Vorhersage entspricht dem durchschnittlichen quadratischen Fehler abzüglich der prädiktiven Vielfalt". Wenn die Vielfalt in einer Gruppe groß ist, ist der Fehler der Menge klein.[31]

Miller und Stevyers reduzierten die Unabhängigkeit individueller Reaktionen in einem Experiment der Weisheit der Kreuze, indem sie eine begrenzte Kommunikation zwischen den Teilnehmern ermöglichte. Die Teilnehmer wurden gebeten, die Bestellfragen für allgemeine Kenntnisfragen wie die Reihenfolge der US -Präsidenten zu beantworten. Für die Hälfte der Fragen begann jeder Teilnehmer mit der Bestellung, die von einem anderen Teilnehmer eingereicht wurde (und auf diese Tatsache aufmerksam wurde), und für die andere Hälfte begannen sie mit einer zufälligen Bestellung und wurden in beiden Fällen gebeten, sie neu zu ordnen (falls erforderlich). zur richtigen Reihenfolge. Antworten, bei denen die Teilnehmer mit dem Ranking eines anderen Teilnehmers begannen, waren im Durchschnitt genauer als die aus dem zufälligen Startzustand. Miller und Steyvers kommen zu dem Schluss, dass unterschiedliche Kenntnisse auf Gegenstandsebene unter den Teilnehmern für dieses Phänomen verantwortlich sind und dass die Teilnehmer das Wissen früherer Teilnehmer mit ihrem eigenen Wissen integriert und erweiterten.[32]

Die Menschenmengen tendieren in der Regel am besten, wenn die Frage auf die Frage korrekt ist, wie eine Frage zu Geographie oder Mathematik.[33] Wenn es keine genaue Antwort gibt, können Menschenmassen zu willkürlichen Schlussfolgerungen kommen.[34]

Die Weisheit des Publikumseffekts ist leicht zu untergraben. Der soziale Einfluss kann dazu führen, dass der Durchschnitt der Menge, die die Antworten auf die Menge sind, wild ungenau sind, während der geometrische Mittelwert und der Median weitaus robuster sind.[35] (Dies stützt sich auf die Unsicherheit und das Vertrauen. Ergo -Erfahrung einer Bekanntschaft einer Personen. Eine bekannte Wahrheit existiert und es ist falsch, nur die Gesamtbevölkerung von Meinungen zu mischen, unter der Annahme, dass alle gleich sind, da dies die Auswirkungen des Signals von den gelehrten Individuen auf das Rauschen der Unausgebildeten fälschlicherweise verdünnt.)

Experimente des Schweizer Federal Institute of Technology stellten fest, dass eine Gruppe von Menschen, die gemeinsam eine Frage beantworten sollten, versuchen würden, zu einem Konsens zu kommen, der häufig die Genauigkeit der Antwort zur Abnahme des Verfalls verursachen würde. Z.B. Was ist die Länge einer Grenze zwischen zwei Ländern? Ein Vorschlag, diesem Effekt entgegenzuwirken, besteht darin, sicherzustellen, dass die Gruppe eine Bevölkerung mit unterschiedlichem Hintergrund enthält.[34]

Forschung aus dem Gutes Urteilsvermögen zeigten, dass Teams, die in Vorhersageumfragen organisiert sind, vorzeitigen Konsens vermeiden und aggregierte Wahrscheinlichkeitsschätzungen erzeugen können, die genauer sind als die, die in Vorhersagemärkten produziert werden.[36]

Siehe auch

Verweise

  1. ^ Baase, Sara (2007). Ein Geschenk des Feuers: soziale, rechtliche und ethische Fragen für das Computer und das Internet. 3. Auflage. Prentice Hall. S. 351–357. ISBN0-13-600848-8.
  2. ^ a b Yi, Sheng Kung Michael; Steyvers, Mark; Lee, Michael D.; Dry, Matthew J. (April 2012). "Die Weisheit der Menge bei kombinatorischen Problemen". Kognitionswissenschaft. 36 (3): 452–470. doi:10.1111/j.1551-6709.2011.01223.x. PMID 22268680.
  3. ^ Ober, Josiah (September 2009). "Ein aristotelischer Mittelweg zwischen Überlegungen und Aggregation für unabhängige Beschäftigung" (PDF). Princeton/Stanford Working Papers in Klassikern. Stanford, Kalifornien: Universität in Stanford.
  4. ^ Landemore, Hélène (2012). "Kollektive Weisheit - mold und neu" (PDF). In Landemore, Hélène; Elster, Jon (Hrsg.). Kollektive Weisheit: Prinzipien und Mechanismen. Cambridge, England: Cambridge University Press. ISBN 9781107010338. OCLC 752249923.
  5. ^ Aristoteles (1967) [4. Jahrhundert v. Chr.]. "III". Politik. Übersetzt von Rackham, H. Cambridge, Massachusetts: Loeb Classical Library. p. 1281b. WIE IN B00JD13IJW.
  6. ^ Galton, Francis (1907). "Vox Populi". Natur. 75 (1949): 450–451. Bibcode:1907natur..75..450g. doi:10.1038/075450a0.
  7. ^ a b Surowiecki, James (2004). Die Weisheit der Menschenmenge. Doubleday. p. 10. ISBN 978-0-385-50386-0.
  8. ^ Rich, Laura (4. August 2010). "Auf die Weisheit der Menge tippen". Die New York Times. ISSN 0362-4331. Abgerufen 3. April, 2017.
  9. ^ Yong, Ed (31. Januar 2013). "Die wahre Weisheit der Menschenmenge". Phänomene. Abgerufen 2. April, 2017.
  10. ^ Yi, S.K.M., Steyvers, M., Lee, M. D. und Dry, M. (2010). Weisheit der Menschenmengen bei minimalen Spannungsbaumproblemen. Verfahren der 32. Jahreskonferenz der Cognitive Science Society. Mahwah, NJ: Lawrence Erlbaum.
  11. ^ Lee, Michael D.; Steyvers, Mark; De Young, Mindy; Miller, Brent J. (Januar 2012). "Abschluss von Fachkenntnissen in Bezug auf Wissens- und Vorhersageranking -Aufgaben". Themen in der kognitiven Wissenschaft. 4 (1): 151–163. Citeseerx 10.1.1.303.822. doi:10.1111/j.1756-8765.2011.01175.x. PMID 22253187.
  12. ^ Lee, Michael D.; Steyvers, Mark; De Young, Mindy; Miller, Brent J. Carlson, L.; Hölscher, C.; Shipley, T. F. (Hrsg.). "Ein modellbasierter Ansatz zur Messung von Fachkenntnissen bei Ranking-Aufgaben". Verfahren der 33. Jahreskonferenz der Cognitive Science Society. Austin, Texas: Cognitive Science Society.
  13. ^ Steyvers, Mark; Lee, Michael D.; Miller, Brent J.; Hemmer, Pernille (Dezember 2009). "Die Weisheit der Menschenmengen in der Erinnerung an Auftragsinformationen". Fortschritte in den neuronalen Informationsverarbeitungssystemen. Cambridge, Massachusetts: MIT Press (22): 1785–1793.
  14. ^ Miller, Brent J.; Hemmer, Pernille; Steyvers, Michael D.; Lee, Michael D. (Juli 2009). "Die Weisheit der Menschenmengen bei der Bestellung von Problemen". Verfahren der neunten Internationalen Konferenz über kognitive Modellierung. Manchester, England: Internationale Konferenz über kognitive Modellierung.
  15. ^ Zhang, S. und Lee, M. D. (2010). "Kognitive Modelle und die Weisheit der Menschenmenge: eine Fallstudie mit dem Banditenproblem". In R. Catrambone und S. Ohlsson (Hrsg.), Verfahren der 32. Jahreskonferenz der Cognitive Science Society, S. 1118–1123. Austin, TX: Cognitive Science Society.
  16. ^ Prelec, Dražen; Seung, H. Sebastian; McCoy, John (2017). "Eine Lösung für das Problem der Einfragemuge Weisheit". Natur. 541 (7638): 532–535. Bibcode:2017Natur.541..532p. doi:10.1038/nature21054. PMID 28128245. S2CID 4452604.
  17. ^ a b Prpić, John; Shukla, Prashant P.; Kietzmann, Jan H.; McCarthy, Ian P. (2015-01-01). "Wie man eine Menge arbeitet: Entwicklung von Crowd Capital durch Crowdsourcing". Geschäftshorizonte. 58 (1): 77–85. Arxiv:1702.04214. doi:10.1016/j.bushor.2014.09.005. S2CID 10374568.
  18. ^ "Weisheit der Menge". Natur. 438 (7066): 281. 2005. Bibcode:2005Natur.438..281.. doi:10.1038/438281a. PMID 16292279.
  19. ^ [email protected], Michael H. O'Donnell. "Richter extoliert die Weisheit der Jurys". Idaho State Journal. Abgerufen 2017-04-03.
  20. ^ a b c Vul, e.; Pashler, H. (2008). "Messen Sie die Menge innerhalb: probabilistische Darstellungen innerhalb von Individuen". Psychologische Wissenschaft. 19 (7): 645–647. Citeseerx 10.1.1.408.4760. doi:10.1111/j.1467-9280.2008.02136.x. PMID 18727777. S2CID 44718192.
  21. ^ Steagen, s; Dewitte, l; Tuerlinckx, f; Vanpaemel, W (2014). "Messen Sie die Menge wieder in: Eine vorregistrierte Replikationsstudie". Grenzen in der Psychologie. 5: 786. doi:10.3389/fpsyg.2014.00786. PMC 4112915. PMID 25120505.
  22. ^ Hourihan, K. L.; Benjamin, A. S. (2010). "Kleiner ist besser (wenn die Menge von der Menge innen Stichproben probiert): Niedrige Gedächtnis-Spann-Personen profitieren mehr von mehreren Schätzmöglichkeiten.". Journal of Experimental Psychology: Lernen, Gedächtnis und Erkenntnis. 36 (4): 1068–1074. doi:10.1037/a0019694. PMC 2891554. PMID 20565223.
  23. ^ Rauhut, H; Lorenz (2011). "Die Weisheit der Menschenmengen in einem Geist: Wie Einzelpersonen das Wissen verschiedener Gesellschaften simulieren können, um bessere Entscheidungen zu treffen." Zeitschrift für mathematische Psychologie. 55 (2): 191–197. doi:10.1016/j.jmp.2010.10.002.
  24. ^ Müller-Trede, J. (2011). "Wiederholter Urteilsabtastung: Grenzen". Urteils- und Entscheidungsfindung. 6: 283–294.
  25. ^ Van Dolder, Dennie; Versammlung, Martijn J. van Den (2018). "Die Weisheit der inneren Menge in drei großen natürlichen Experimenten". Natures menschliches Verhalten. 2 (1): 21–26. doi:10.1038/s41562-017-0247-6. HDL:1871.1/E9DC3564-2C08-4DE7-8A3A-E8E74A8D9FAC. ISSN 2397-3374. PMID 30980050. S2CID 21708295. SSRN 3099179.
  26. ^ Herzog, S. M.; Hertwig, R. (2009). "Die Weisheit vieler in einem Geist: Verbesserung der individuellen Urteile mit dialektischer Bootstrapping". Psychologische Wissenschaft. 20 (2): 231–237. doi:10.1111/j.1467-9280.2009.02271.x. HDL:11858/00-001M-0000-002E-575D-B. PMID 19170937. S2CID 23695566.
  27. ^ Hirt, E. R.; Markman, K. D. (1995). "Multiple Erklärung: Eine überlegte Alternative Strategie zur Debiasierung von Urteilen". Zeitschrift für Persönlichkeit und Sozialpsychologie. 69 (6): 1069–1086. doi:10.1037/0022-3514.69.6.1069.
  28. ^ Ariely, D.; Au, W. T.; Bender, R. H.; Budescu, D. V.; Dietz, C. B.; Gu, H.; Zauberman, G. (2000). "Die Auswirkungen der Mittelung subjektiver Wahrscheinlichkeitsschätzungen zwischen und innerhalb von Richtern". Journal of Experimental Psychology: angewendet. 6 (2): 130–147. Citeseerx 10.1.1.153.9813. doi:10.1037/1076-898x.6.2.130.
  29. ^ Benhenda, Mostapha (2011). "Ein Modell der Überlegung, das auf Rawls 'politischem Liberalismus basiert". Soziale Wahl und Wohlfahrt. 36: 121–178. doi:10.1007/s00355-010-0469-2. S2CID 9423855. SSRN 1616519.
  30. ^ Marcus Buckingham; Ashley Goodall. "Der Feedback -Irrtum". Harvard Business Review. März-April 2019.
  31. ^ Page, Scott E. (2007). Der Unterschied: Wie die Kraft der Vielfalt bessere Gruppen, Unternehmen, Schulen und Gesellschaften schafft. Princeton, NJ: Princeton University Press. ISBN 978-0-691-13854-1.
  32. ^ Miller, B. und Steyvers, M. (im Druck). "Die Weisheit der Menschenmenge mit Kommunikation". In L. Carlson, C. Hölscher & T.F. Shipley (Hrsg.), Verfahren der 33. Jahreskonferenz der Cognitive Science Society. Austin, TX: Cognitive Science Society.
  33. ^ "Die Weisheit der Menschenmenge". randomhouse.com.
  34. ^ a b Ball, Philip. ""Weisheit der Menge": Die Mythen und Realitäten ". Abgerufen 2017-04-02.
  35. ^ "Wie sozialer Einfluss die Weisheit des Publikumseffekts untergraben kann". Proc. Natl. Acad. Sci., 2011.
  36. ^ Atanasov, Pavel; Rescober, Phillip; Stein, Eric; Swift, Samuel A.; Servan-Schreiber, Emile; Tetlock, Philip; Ungar, Lyle; Mellers, Barbara (2016-04-22). "Destillation der Weisheit der Menschenmengen: Vorhersagemärkte gegen Vorhersageumfragen". Managementwissenschaft. 63 (3): 691–706. doi:10.1287/mnsc.2015.2374. ISSN 0025-1909.

Externe Links

Die Weisheit der Menge (mit Professor Marcus du Sautoy) an Youtube