跳去內容

行為科學

出自維基百科,自由嘅百科全書
斯金納箱:二十世紀行為科學成日用到噉嘅實驗設置,將大鼠困喺透明嘅箱入便觀察。

行為科學粵拼hang4 wai4 fo1 hok6 )係研究行為科學領域。行為科學可以係研究人類行為,但亦可以包埋對其他動物嘅行為做嘅研究,佢哋仲會留意呢啲行為點樣受生理認知社會等因素影響。行為科學結合咗心理學社會學動物行為學人類學等學科嘅知識,並且將得到嘅知識用喺公共健康商學教育等嘅工作嗰度。[1]

學科定位

[編輯]
睇埋:學習

行為科學屬於跨學科嘅領域,介乎於自然科學社會科學之間,研究對象主要係人類以及第啲動物嘅可觀察行為,仲有係呢啲行為背後嘅認知動機生理機制。相比舊陣時嘅單一學科研究,行為科學則較強調整合唔同層次嘅解釋,會講到個體層面嘅嘢,好似係感知學習決策等,又會諗埋群體層面嘅嘢,比如係社會嘅規範同制度呀噉,亦會講埋生物層面嘅嘢,例如係神經系統遺傳因素對行為有乜嘢影響。

喺實際研究上,行為科學經常會同心理學經濟學腦神經學人類學同埋統計學交叉發展,例如係行為經濟學噉,就講到非理性嘅行為傾向會左右人嘅經濟決策,並且深入探討呢啲行為傾向對經濟現象嘅相關研究有咩啟示[2]

研究方法

[編輯]
睇埋:心理實驗

行為科學研究,好多時都會用到實驗嘅做法。

例如操作制約嘅實驗就相當出名。操作制約最基本嗰個諗頭係,個體嘅行為會因為行為帶嚟嘅後果而改變出現嘅頻率,帶嚟獎勵嘅行為頻率會升,而帶嚟懲罰嘅行為頻率則會跌;設想依家研究者擺一隻老鼠斯金納箱裡便,箱內有一個掣,隻老鼠撳咗可以有食物;若果有次隻老鼠偶然撳到個掣,知道撳咗會有嘢食,經過多次重複後,佢會識得肚餓就主動去撳掣[3];研究者跟住可以進一步操控實驗條件,比如係改變獎勵出現嘅頻率、延遲時間等,再觀察隻老鼠嘅撳掣行為會點樣改變,當中撳掣行為可以透過撳掣頻率同埋速度等嘅指標嚟量度。做到將研究緊嘅現象量化,研究者就可以科學化噉分析行為點樣受環境條件影響,再郁手建立可以客觀檢驗嘅行為理論模型


習得型失助實驗嘅圖解:將一隻狗擺入去實驗盒裡便,電佢;假如佢著住件好緊嘅衫,點郁都逃離唔到痛楚,佢通常就會進入「失助」嘅狀態。


應用研究

[編輯]

商業上,企業成日都會想知道,同一隻產品嘅唔同款邊隻比較好,當中用到嘅 A/B 測試相當接近行為科學實驗[4]:譬如依家間企業嘅網頁開發人員要設計佢哋嘅新版官網,設計咗兩個版本出嚟;企業研究員可以行 A/B 測試,將官網設定成係一半嘅客人會見到版本一,另外嗰半嘅客人則會見到版本二;然後佢哋再搵一啲特定嘅指標,例如係某條超連結點擊率[註 1],嚟清楚界定點先謂之成功[5],再對比兩個版本邊個比較成功;呢種做法用於流動應用程式以至係產品嘅設計都得,而且非常似行為科學上嗰啲用咗實驗操作嘅行為實驗。


A/B 測試嘅圖解:入嚟睇官網嘅客人,系統將佢哋分左右兩組,兩組各睇個網頁嘅其中一個版本,結果發現第二組(右)點擊 Learn more(知多啲噉解)嘅機率較高。


輕推理論講嘅係輕推(nudge )概念,呢套諗法嘅核心理念係透過微調選擇環境,同時唔硬性限制選擇嘅自由,以此為前題,引導人做出較符合長遠利益嘅決策;輕推個諗頭建基於行為經濟學對人類認知偏誤同埋相關偏誤嘅研究,呢種思考法唔似得舊時嘅經濟學假設個體係理性嘅,而係結合咗行為科學同相關研究上講到嘅有限理性損失規避等現象,運用呢啲行為原則嚟左右人嘅行為[6]。輕推相關嘅研究同實作,對於政策嘅制定嚟講相當有用。

預測分析係喺大數據下興起嘅技術,講緊要運用數據統計模型機器學習方法,對各種事件作出機率性質嘅預測,當中各種事件可以包括客人嘅行為,於是就成日都會用到行為科學概念。預測分析通常會結合多種統計方法,比如係迴歸分析聚類分析時間序列分析等等,將行為性質嘅變數設成應變數,用嚟預測客人嘅重要行為,尤其係佢哋嘅消費行為,例如係某某消費者有幾大機率會購買某件產品呀噉[7]。此外,呢類分析喺公共衛生之中亦可以用嚟預測疾病發生嘅機率。

數據處理

[編輯]
睇埋:統計假設

行為性質嘅數據,往往具有幾個特徵,比如係存在個體差異同埋係分佈呈非常態呀噉,會違反好多統計分析方法常有嘅假設,所以要經過一啲特別處理,先至可以動手做分析。

睇埋

[編輯]

引咗

[編輯]
  1. Hallsworth, M. (2023). A manifesto for applying behavioural science. Nature Human Behaviour, 7(3), 310-322.
  2. Kahneman, D. (2003). Maps of bounded rationality: Psychology for behavioral economics. American economic review, 93(5), 1449-1475.
  3. Cooper, JO; Heron, TE; Heward, WL (2019). Applied Behavior Analysis (第3版). Pearson Education (US). p. 33. ISBN 978-0-13-475255-6.
  4. Kohavi, Ron, and Stefan Thomke. "The Surprising Power of Online Experiments: Getting the Most Out of A/B and Other Controlled Tests." Harvard Business Review 95, no. 5 (September–October 2017): 74-82.
  5. 要達致整體化(holistic)嘅理解:呢個 point,可以睇睇 Learn about A/B testing,佢哋噉講:"a robust testing programme will track a portfolio of key business metrics to gain a holistic understanding of impact."
  6. Thaler, R. H., Sunstein, C. R. (2008). Nudge: Improving Decisions about Health, Wealth, and Happiness. Yale University Press.
  7. IBM 講預測分析

註解

[編輯]
  1. 喺實際應用上,企業要睇勻多個唔同指標,達致整體化嘅理解,否則就有指標執著之虞。