How do people use information presentation to make decisions in Bayesian reasoning tasks?

انسانها اغلب برای درک شرایط احتمالی مشکوک، که تفسیر بسیاری از روشهای مهم از جمله آزمایشات پزشکی را در بر میگیرد، تلاش می کنند. تجسم در ارتباط با خطر در تنظیمات سلامت اثبات شده است، اما نقش آن در تسهیل استدلال بیزی پیچیده است، با شواهد متناقض در مورد کاربرد آن و عدم درک در مورد چگونگی آن بهترین استفاده می شود. این مقاله هر دو تکنیک های مبتنی بر و روش جدید برای تجسم احتمالات شرطی را مورد بررسی قرار می دهد، نه تنها بررسی اینکه آیا آنها درک را آسان می کنند، بلکه چگونه مردم از نحوه ارائه اطلاعات برای تفسیر داده ها استفاده می کنند. ما گزارش یک مطالعه کنترل شده با مقایسه تجربیات مختلف از یک مشکل شناخته شده بیزی، مشکل ماموگرافی، به شرح متنی آن است. ما از ردیابی چشم استفاده می کنیم، همراه با یک روش جدید برای اندازه گیری فرایند استدلال (که ما متریک استفاده استفاده می کنیم)، همراه با اندازه گیری کارایی، کارآیی و رضایت، برای نشان دادن فرآیندهای شناختی که درک فهم انسان را نشان می دهند. نتایج نشان می دهد که نادر بودن یک رویداد به شدت تحت تاثیر قرار می گیرد که برآورد کسینی از ارزش واقعی خطر متفاوت است و رویدادهای نادر که منجر به انحراف بیشتر از رویدادهای معمول می شود. نتایج همچنین نشان می دهد که شیوه ارائه داده ها بر سرعت و دقت تفسیر تأثیر می گذارد و افراد دارای ترجیحات هستند که نمی توانند به تنهایی با داده های عملکرد توضیح داده شوند. در حالی که نمودارهای ون به نظر می رسد برابر با نمودار درخت از لحاظ عملکرد وظیفه، مردم می یابد که دومی را آسان تر به تفسیر. آرایه آیکون، که معمولا برای ارائه اطلاعات ریسک استفاده می شود، در انتقال اطلاعات در مورد احتمالات شرطی بسیار ضعیف است.