주파수 형식 가설

이 글은 일반적인 참고문헌 목록을 포함하고 있지만, 그에 상응하는 인라인 인용구가 충분하지 않다. 좀 더 정밀한 인용구를 도입하여 이 기사를 개선할 수 있도록 도와주십시오.(2011년 11월) (이 템플릿 메시지를 제거하는 방법과 시기 알아보기)

주파수 형식 가설은 뇌가 숫자 형식이나 확률 형식이 아닌 주파수 형식으로 제시했을 때 정보를 더 잘 이해하고 처리한다는 생각이다.따라서 가설에 따르면 20%가 아닌 5명 중 1명으로 정보를 제시하면 이해도가 높아진다.이 아이디어는 1976-1997년 수집한 자료를 편집하고 비교한 후 독일의 과학자 게르트 기게렌저에 의해 제안되었다.

기원

자동 인코딩

자신의 경험에 대한 어떤 정보는 종종 암묵적인 인코딩 과정을 사용하여 기억 속에 저장된다.지난 수업 시간에 어디에 앉았니?인사나 카리스마라는 말을 더 많이 하십니까?사람들은 그러한 질문에 대해 적극적으로 생각하지 않거나 애초에 어떻게 그 정보를 얻었는지 알지 못한 채 대답하는 데 매우 능숙하다.이것이 해셔와 잭스의 1979년 주파수 연구로 이어진 관찰이었다.

하셔와 잭스는 그들의 연구를 통해 주파수에 대한 정보가 그 사람의 의도 없이 저장된다는 것을 알아냈다.^[1]또한 훈련과 피드백은 주파수를 인코딩하는 능력을 증가시키지 않는다.^[2]주파수 정보도 나이, 능력, 동기 등에 관계없이 메모리에 지속적으로 등록되는 것으로 나타났다.^[1][3]또한 노령, 우울증 또는 다중 작업 요건에 따라 빈도를 인코딩할 수 있는 능력도 감소하지 않는다.^[4]그들은 주파수 인코딩의 이러한 특성을 자동 인코딩이라고 불렀다.^[2]

유아 연구

그 가설에 대한 또 다른 중요한 증거는 유아에 대한 연구를 통해 나왔다.한 연구에서 40명의 신생아가 점 2개 대 점 3개, 점 4개 대 점 6개를 구별할 수 있는 능력을 시험받았다.^[5]유아들은 2점 대 3점을 구별할 수 있었음에도 불구하고 4점과 6점을 구별할 수 없었다.검사를 받은 신생아는 21시간에서 144시간밖에 되지 않았다.

다른 연구에서와 마찬가지로, 유아가 숫자 서신을 인식할 수 있는지 여부를 시험하기 위해, 스타키 외 연구진은 생후 6~8개월 유아에게 두 개의 물체를 표시하거나 세 개의 물체를 표시하는 일련의 실험을 설계했다.^[6]디스플레이가 여전히 보이는 동안, 유아들은 두세 개의 드럼 소리를 들었다.외관 시간을 측정한 결과, 유아는 소리 수와 일치하는 표시장치 쪽으로 상당히 길게 보였다.

만일의 사태에 대비한 규칙

나중에 바바라 A.텍사스 대학의 스펠맨은 인과관계를 결정하는데 있어서 인간의 성과를 다음과 같이 정의되는 우발적 규칙 ΔP로 설명한다.

P = P(E C) - P(E ~C)

여기서 P(E C)는 제안된 원인의 존재에 따른 효과의 확률이고 P(E ~C)는 제안된 원인의 부재에 따른 효과의 확률이다.^[7]비료의 성능을 평가한다고 가정합시다.비료를 사용할 때 20번 중 15번 꽃이 피었고 비료가 없을 때 20번 중 5번만 피었다면.이 경우

P(E C) = 15/20 = 0.75 P(E ~C)= 5/20 = 0.25 ΔP = P(E C) - P(E ~C) ΔP = 0.75 - 0.25 = 0.50

결과적으로 ΔP 값은 항상 -1과 1 사이에 구속된다.우발적 규칙은 인간이 다른 사건의 한 사건 인과관계를 예측하는 데 있어서 좋은 모델이지만, 복수의 원인을 가진 사건의 결과를 예측하는 것에 있어서는 큐-상호작용-효과라고 하는 우발적 규칙으로부터 큰 편차가 존재한다.

큐 인터랙션 효과

1993년 베이커 머서와 그의 팀은 이러한 효과를 보여주기 위해 비디오 게임을 사용했다.각 시험 대상자에게는 때로는 위장할 때 제대로 작동하고 때로는 그렇지 않은 버튼을 사용하여 탱크가 지뢰밭을 가로질러 이동할 수 있도록 돕는 과제가 주어진다.^[8]두 번째 원인으로는, 친구나 적이 가끔 탱크 위를 날아다닐 때가 있었다.시험 대상자들에게 40번의 시험 후, 위장술과 기체가 지뢰밭을 통과하는 데 도움이 되는 비행기의 효과를 평가하도록 했다.그들은 그것을 -100에서 100 사이의 숫자로 만들어 달라는 요청을 받았다.

수학적으로 평면에 가능한 보정값은 두 가지가 있다. 즉, 평면은 탱크의 성공과 무관했고, ΔP=0(.5/0 조건), 평면은 평면의 성공과 관련이 있었다. ΔP=1(.5/1 조건).어느 조건에서나 위장용 ΔP가 0.5이지만, 시험 대상자들은 위장용 ΔP가 .5/1 조건보다 .5/0 조건에서 훨씬 더 높다고 평가했다.결과는 아래 표에 나와 있다.

조건	ΔPplane	ΔPcamouflage	위장 등급 부여
0.5/0	0	.5	49
0.5/1	1	.5	-6

각각의 경우에, 시험 과목들은 두 사건이 함께 일어날 때를 알아채는데 매우 뛰어나다.^[9]비행기가 위장 성공과 관련이 있을 때는 위장 성공을 높게 표시하고, 비행기가 위장 성공에 영향을 미치지 않을 때는 위장 성공가치를 낮게 표시한다.

기렌저 기부금

특히 베이시안 추론 퀴즈의 경우 일반인이거나 때로는 숙련된 사람들이 기본적인 확률론적 오류를 범한다는 것을 보여주는 여러 실험이 수행되었다.^{[10][11][12][13]}Gigerenzer는 관찰된 오류들이 인간의 진화 과정 동안 우리가 수학적 능력을 습득한 방식과 일치한다고 주장한다.^[14][15]Gigerenzer는 이러한 퀴즈의 문제는 정보가 제시되는 방식이라고 주장한다.이 퀴즈 동안 정보는 백분율로 제시된다.^[16][17]Gigerenzer는 정보를 빈도 형식으로 제시하면 이러한 퍼즐을 정확하게 해결하는 데 도움이 될 것이라고 주장한다.그는 진화론적 뇌가 확률 정보보다 주파수 정보를 더 잘 이해하도록 생리학적으로 진화했다고 주장한다.따라서 만약 베이시안 퀴즈가 빈도 형식으로 출제되었다면, 시험과목이 더 잘 출제될 것이다.Gigerenzer는 "좋은 판단의 심리: 주파수 형식과 단순한 알고리즘"^[14]이라는 제목의 논문에서 이 아이디어를 주파수 형식 가설이라고 부른다.

지지 인수

진화론적 관점

기가렌저는 진화론적 관점에서 볼 때 확률형식으로 정보를 전달하는 것에 비해 주파수 방식이 쉽고 전달이 쉽다고 주장했다.^[14]그는 확률과 백분율은 빈도와는 달리 오히려 최근의 표현 형태라고 주장한다.백분율의 대표적인 형태의 최초의 알려진 존재는 17세기에 있다.^[18]빈도표현의 경우 더 많은 정보가 제공된다고도 주장한다.예를 들어, 확률 형식을 사용하여 50%를 말하는 것이 아니라 주파수 형식을 사용하여 데이터를 100점 만점에 50점으로 전달하면 표본 크기에 대한 정보를 사용자에게 더 많이 제공할 수 있다.이는 결과적으로 데이터와 결과를 더욱 신뢰할 수 있고 매력적으로 만들 수 있다.

정교한 인코딩

사람들이 접점 빈도를 선택하는 이유에 대해 설명한 것은 주파수의 경우 피험자에게 생생한 설명이 주어지는 반면, 확률로 피험자에게 건수만 주어지는 것이다.^[19]따라서 빈도의 경우 피험자에게 더 많은 회수 단서가 주어진다.이것은 확률 숫자의 경우보다 빈번한 만남이 뇌에 의해 더 자주 기억된다는 것을 의미할 수 있다.따라서 이것은 일반적으로 사람들이 확률에 기초한 선택보다 주파수와의 접촉 선택을 직관적으로 선택하는 이유일 수 있다.

순차입력

그러나 저자들이 제시한 또 다른 설명은 한 번에 주어진 확률 값에 비해 빈도의 경우 사람들이 여러 번 우연히 만나 순차적인 입력을 하는 경우가 많다는 사실이다.^[19]John Medina의 두뇌 규칙에서 순차 입력은 정시 입력보다 더 강한 기억으로 이어질 수 있다.이것은 인간이 확률보다 빈도 만남을 선택하는 주된 이유가 될 수 있다.^[20]

간편한 스토리지

주파수 형식 가설을 정당화하면서 제공되는 또 다른 근거는 주파수를 사용하면 이벤트의 데이터베이스를 추적하고 업데이트하기가 더 쉽다는 것이다.예를 들어, 어떤 사건이 6번 중 3번 발생하면, 확률 형식은 이것을 50%로 저장하는 반면, 주파수 형식은 6번 중 3번으로 저장된다.이제 그 사건이 이번에는 일어나지 않는다고 상상해보라.주파수 형식은 7점 만점에 3점으로 업데이트할 수 있다.그러나 확률형식의 업데이트는 매우 어렵다.

정보 분류

빈도표현은 또한 계층과 통계 정보를 추적하는데 도움이 될 수 있다.1000명 중 500명 꼴로 폐암으로 죽는 시나리오를 그려보자.그러나 1000명 중 40명은 흡연자였고, 40명 중 20명은 폐암에 걸릴 가능성이 있는 유전적 질환을 가지고 있었다.이러한 등급분할과 정보 저장은 폐암에 걸릴 확률이 0.05%로 높으면 어떠한 정보도 제공하지 못하거나 그러한 정보를 계산할 수 없기 때문에 주파수 형식만을 사용하여 수행할 수 있다.

인수 반박

내포 집합 가설

주파수 형식 연구는 혼돈을 공유하는 경향이 있다. 즉, 주파수 정보를 제시할 때 연구자들은 자신이 언급하고 있는 기준 등급도 명확히 한다.예를 들어, 다음과 같은 세 가지 다른 방법으로 동일한 문제를 공식화하십시오.^[21][10]

확률 형식

"주어진 미국인이 걸릴 확률이 1000분의 1인 병을 발견하기 위한 실험을 고려해 보십시오.이 병에 걸리지 않은 사람은 양성반응이 나올 확률이 1000분의 50이다.그 병에 걸린 사람은 분명히 양성반응을 보일 것이다.

당신이 그 사람의 증상이나 징후에 대해 아무것도 모른다고 가정했을 때, 양성 결과가 나온 사람이 실제로 그 병에 걸렸을 가능성은 얼마나 될까?_____%"

주파수 형식

"미국인 1000명 중 1명은 질병 X를 앓고 있다.X병에 걸린 때를 알아내는 검사가 개발되었다.이 병에 걸린 사람에게 검사를 할 때마다 양성 반응이 나온다.하지만 때때로 그 테스트는 완전히 건강한 사람에게 주어질 때 양성으로 나오기도 한다.특히, 완벽하게 건강한 1000명당 50명이 이 병에 양성 반응을 보인다.

우리가 1000명의 미국인을 무작위로 추출했다고 상상해보라.그들은 추첨으로 뽑혔다.복권을 실시한 사람들은 이러한 사람들의 건강 상태에 대한 정보를 가지고 있지 않았다.

위의 정보를 볼 때, 평균적으로, 그 질병에 대해 양성 반응을 보이는 사람들은 실제로 얼마나 많은 사람들이 그 병에 걸렸는가?____out______."

문제의 집합-하위 집합 구조를 강조하는 확률 형식

"미국인들 사이에 X병의 유병률은 1000분의 1이다.X병에 걸린 때를 알아내는 검사가 개발되었다.이 병에 걸린 사람에게 검사를 할 때마다 양성 반응이 나온다.하지만 때때로 그 테스트는 완전히 건강한 사람에게 주어질 때 양성으로 나오기도 한다.특히, 완벽하게 건강한 사람이 그 질병에 양성반응을 보일 확률은 1000분의 50이다.

우리가 방금 무작위적인 미국인의 표본에게 그 시험을 주었다고 상상해 보라.그들은 추첨으로 뽑혔다.복권을 실시한 사람들은 이러한 사람들의 건강 상태에 대한 정보를 가지고 있지 않았다.

양성 반응이 나온 사람이 실제로 그 병에 걸릴 확률은 얼마인가?_____%"

세 가지 문제 모두 이 병에 걸린 미국인의 1000분의 1이 완벽한 민감도를 가지고 있으며(이 병에 걸린 사람의 100%가 양성 테스트를 받게 됨), 건강한 사람의 50/1000이 양성 테스트(예: 잘못된 양성)를 받게 됨을 명확히 한다.그러나, 후자의 두 형식은 추가로 모집단 내의 별도 분류(예: 양성 테스트(질병/무병), 음성 테스트(질병 없음)를 강조하므로 (양성 테스트가 있는 사람)가 양성에 가까운 것을 생성하는 것으로 추론하기 쉽도록 한다.nswer -- 1/51/~2%).설정 서브셋 구조를 강조하는 빈도와 확률 형식 모두 정답률이 비슷한 반면, 확률 형식만으로도 정답 수가 줄어든다(이 경우 사람들이 잘못된 클래스에 의존할 가능성이 높기 때문이다).또한 문제(표준 확률 형식과 마찬가지로)에서 세트 서브셋 관계를 위장하여 주파수 형식의 성능을 저하시킬 수 있다는 연구 결과도 있어, 사실상 주파수 형식이 아니라 판단을 개선하는 세트 서브셋 구조의 강조를 증명하고 있다.^[10]

비교 용이성

주파수 형식 가설을 비판하는 사람들은 확률 형식이 데이터의 주파수 형식 표현보다 훨씬 더 쉽게 비교할 수 있다고 주장한다.어떤 경우에는 주파수 형식을 사용하면 실제로 쉽게 비교할 수 있다.A팀이 29경기 중 19경기를 이기고, 다른 B팀이 29경기 중 10경기를 이기면 A팀이 B팀보다 훨씬 낫다는 것을 분명히 알 수 있다.그러나 주파수 형식의 비교가 항상 이렇게 명확하고 쉬운 것은 아니다.A팀이 29경기 중 19경기를 이기면 이 팀을 11경기 중 6승을 거둔 B팀과 비교하면 주파수 형식이 훨씬 어려워진다.그러나 확률형식에서는 65.6%(19/29)가 54.5%보다 크기 때문에 두 가지를 훨씬 쉽게 비교할 수 있다.

메모리 부담

Tooby와 Cosmides는 주파수 표현이 새로운 데이터를 얻을 때마다 데이터를 더 쉽게 업데이트하는 데 도움이 된다고 주장했었다.^[22]그러나 이것은 두 숫자를 업데이트하는 것을 포함한다.팀의 예를 들어 A팀이 31번째 경기에서 승리할 경우 승리한 경기 수(20->21)와 경기 수(30->31)를 모두 업데이트해야 한다는 점에 주목한다.확률의 경우 업데이트되는 유일한 숫자는 단일 백분율 수입니다.또한 이 숫자는 각 게임을 업데이트하는 대신 10개의 게임 코스에 걸쳐 업데이트될 수 있는데, 주파수 형식의 경우 할 수 없다.

참조