La importancia de mirar el mundo para entender la mente siempre ha sido apreciada por algunos pensadores prominentes. Charles Darwin sostuvo que las fuerzas ambientales haban formado el comportamiento humano a travs de la seleccin natural, lo que lleva a la llamada moderna por los psiclogos evolutivos que mirar a nuestro mundo ancestral de los problemas de nuestras mentes est diseado para resolver. Hace ms de 50 aos, Egon Brunswik inst a los psiclogos para estudiar la textura de los entornos naturales y la estructura correspondiente de seales de la mente depende de inferir el estado de su entorno. Roger Shepard habl de la mente como un espejo, reflejando aspectos fsicos de larga duracin del mundo, tales como el ciclo de luz-oscuridad de 24 horas. Herbert Simon propone la metfora de la conexin mente y el mundo juntos, como las aspas de un par de tijeras, los dos deben estar bien adaptados para el comportamiento real de ser producido, y con slo mirar la hoja cognitiva no se explica cmo cortar las tijeras. En cada caso, el mundo es una clave para la comprensin del funcionamiento de la mente (Todd & Gigerenzer, 2001). Sin embargo, prevalecen las explicaciones de la conducta estn siendo expresados con ms frecuencia en trminos de los rasgos de personalidad, estilos cognitivos, los patrones de activacin cerebral-regin, las preferencias y los servicios pblicos y otras entidades asumidas'''' dentro de la mente. El programa de investigacin sobre la racionalidad ecolgica tiene como objetivo explicar las interacciones mente-mundo que subyacen a tomar buenas decisiones. Nos basamos en las bases de Darwin, Brunswik, Simon, y otros para crear un marco para entender cmo el ambiente de estructura en forma de patrones de informacin til disponible en el mundo-puede ser explotado por la heurstica de la cabeza para producir una conducta adaptativa (Gigerenzer, Todd, y el Grupo ABC Research, 1999; Todd, Gigerenzer, y el Grupo de Investigacin de ABC, en prensa). Algoritmos de decisin heurstica-simples que pueden funcionar bien en ambientes apropiados a generar tanto el comportamiento rutinario y decisiones importantes, por inferencia, la eleccin, las deliberaciones del grupo, e incluso cuestiones morales. Por ejemplo, considere la observacin sorprendente que slo el 28% de los estadounidenses convertirse en potenciales donantes de rganos, pero el 99,9% de los franceses lo hacen. Para saber por qu, se podra administrar tests de personalidad, medir las actitudes morales, agregue un examen de conocimientos, y luego realizar la regresin mltiple en el lote de encontrar algunos predictores significativos, pero no es la respuesta. Por el contrario, la mayora de los estadounidenses y franceses parecen depender de la misma simple heurstica: Si hay una opcin por defecto, palo con ella'' La diferencia est en el entorno de configuracin predeterminada externo (en este caso institucional) en cada pas: En la mayora estados de EE.UU. hay un defecto no-donacin de rganos, por lo que uno tiene que optar activamente en ser donante, mientras que en Francia hay que optar por no ser un donante (Johnson & Goldstein, 2003). Es la interaccin entre una heurstica y su entorno social, institucional, o fsica que explica el comportamiento. Este punto de vista adaptativo tiene consecuencias polticas: Se explica por qu las campaas de informacin a favor de los donantes slo han tenido un xito limitado, e indica que el cambio de defecto legal debera ser ms eficaz.O pensemos en la tarea de inferencia de predecir cul de los dos jugadores de tenis ganar prximo partido Wimbledon. Esta decisin puede ser tomada sobre la base de elementos de informacin, o seales, que pueden ser consultados acerca de cada jugador, como si son los campeones del pasado, la cantidad de juegos que han ganado esta temporada, lo que su siembra por los expertos de Wimbledon es, y as sucesivamente. Ms simplemente, se puede ignorar toda esta informacin y slo se basan en la heurstica de reconocimiento: Si reconoces un jugador y no a la inversa, entonces predecir el reconocido ganar'' (Gigerenzer, 2007). Tenis novatos hacen predicciones de acuerdo con esta heurstica a menudo (90% de las veces). Ms sorprendentemente, su reconocimiento colectivo puede ser an ms preciso (por ejemplo, corregir el 72% de los partidos de los hombres de 2003) que las calificaciones de los expertos de Wimbledon "(69%). Pero la heurstica del reconocimiento slo funcionar tan bien en ambientes que se adapta a saber, aquellos en los que se discuten con frecuencia los'' grandes'' objetos (como los grandes ganadores en los deportes) y por lo tanto puedan ser reconocidos. Nuestro programa de investigacin tiene dos componentes que se corresponden con las dos cuchillas de las tijeras de Simon:(A) El estudio de la caja de herramientas'''' adaptacin de los mecanismos de toma de decisiones en la mente (vase la Tabla 1 para ver ejemplos). El objetivo es descubrir y entender la heurstica para la inferencia y la preferencia (por ejemplo, las tareas de categorizacin, la estimacin, y la eleccin), los bloques de construccin, las pocas piezas de informacin que utilizan, y las habilidades desarrolladas explotan. Los mtodos empleados son tericos y experimentales.(B) El estudio de la racionalidad ecolgica de los mecanismos de decisin. El objetivo es determinar cules son las estructuras ambientales permiten una heurstica dada tenga xito, y en el que se producir un error. Los mtodos incluyen la simulacin por ordenador y anlisis matemtico.El primer componente es explicativo, pidiendo, por ejemplo, cmo las personas toman decisiones acerca de la donacin de rganos o de los competidores deportivos ganadores. La segunda es normativa, determinar cules son las estructuras ambientales aumentar las tasas de donacin de rganos o ayudar a la heurstica del reconocimiento de predecir con exactitud los resultados de los partidos. El estudio de la racionalidad ecolgica, nuestro objetivo aqu, requiere una definicin clara de las dos heursticas y entornos.ESTUDIAR racionalidad ecolgica EN LA TOMA DE DECISIONESEl estudio moderno de la toma de decisiones se inici con el ideal normativo que las buenas decisiones siguen las prescripciones de matemticas de la regla de Bayes, o la maximizacin de la utilidad esperada. En estos puntos de vista, no es slo una herramienta mental, y la cuestin de la racionalidad ecolgica, su ajuste de esta herramienta para diferentes entornos-no se plantea. Pero ahora hay una gran cantidad de evidencia experimental que muestra que la gente suele tomar decisiones de una manera totalmente diferente: Los seres humanos dependen de mltiples simples heursticas de decisin, ni un clculo de propsito general de la racionalidad (por ejemplo, Br der y Schiffer, 2003; Gigerenzer, 2007). Las personas que sin duda pueden ser inducidos a utilizar heursticas particulares en entornos inadecuados y, por tanto cometer errores, ya que los heursticos y sesgos-tradicin de investigacin destacada (). El estudio de la racionalidad ecolgica va ms all de este principio: Por(A) el diseo de los modelos computacionales de la heurstica, que(B) especifica que los entornos son apropiados para los que la heurstica, y viceversa.La gente a menudo se basa en una sola razn para tomar decisiones, pero se est heurstica especial enfoque de restriccin de uso de la informacin tanto como sea posible-siempre ser razonable? Para responder respalda la solicitud primero definir modelos especficos de heursticas que utilizan una sola razn y luego compararlos con los enfoques racionales tradicionales, que utilizan varios. Hemos propuesto una clase de'' heursticos'' que se basan en el principio de una sola razn por la toma de decisiones, como el tomar las mejores heurstico (Gigerenzer y Goldstein, 1996. Gigerenzer et al, 1999; ver fig. 1). Tomar las mejores bsquedas de claves con el fin de su validez, es decir, su tasa de toma de decisiones correctas y la bsqueda se detiene tan pronto como se encuentra una seal que distingue entre las alternativas (que puede ser la primera seal, o el segundo, o uno ms abajo en la lista), lo que es la seal nica'' mejor'' disponible que la heurstica se necesita para tomar una decisin.Tomar las mejores y otras heursticas de decisin de una sola razn por la que son frugales en cuanto a que no buscan ms informacin que se necesita para hacer una inferencia. Tales heursticas tambin son rpidas porque no implican ningn complejo clculo, ni siquiera la multiplicacin y la suma requerida por los mecanismos de aditivos ponderados (modelos de decisin estndar que se suman todos los valores de referencia multiplicada por el peso de referencia importancia de encontrar un valor global para cada opcin eleccin). Adems, funciona bien para hacer inferencias correctas en determinados tipos de ambientes. Por ejemplo, tomar lo mejor ser que no les va bien en comparacin con el aditivo de peso o mecanismos de cmputo en ambientes donde la distribucin de la importancia cue es uniforme (es decir, las piezas de informacin disponibles son ms o menos iguales en su utilidad). Sin embargo, muchos entornos, tales como las de la eleccin del consumidor o la eleccin de pareja, se caracterizan no por una distribucin de importancia seal que cae rpidamente (una distribucin en forma de J''''), de manera que la seal ms influyente es considerablemente ms importante que la segunda, que es considerablemente ms importante que el tercero, y as sucesivamente. En tales ambientes, tomar lo mejor puede superar el modelo aditivo ponderado, sobre todo cuando la generalizacin de las nuevas decisiones (Gigerenzer et al, 1999; Hogarth y Karelaia, 2006). Cuando los ambientes son moderadamente impredecibles y muestras de aprendizaje son pequeas, como en muchas situaciones sociales y econmicas,Tomar lo mejor tambin tiende a hacer inferencias con la mayor precisin o mejor que la regresin mltiple, las redes neuronales, y otros modelos de aprendizaje automtico (Chater, Oaksford, Nakisa, y Redington, 2003). As, en entornos difciles con alta variabilidad y baja predictibilidad, y pocas oportunidades para el aprendizaje, buenas decisiones, sin embargo, pueden ser hechas con ms frecuencia por mecanismos simples que por los complejos. Adems, debido a que la mente humana ha sido moldeada por los procesos de adaptacin de la evolucin y el aprendizaje, podemos predecir que las personas tienden a ser ecolgicamente racional de s mismos, a menudo usando heursticas de decisin simples que le confieren la doble ventaja de la velocidad y la precisin en ambientes particulares. Esta prediccin se ha apoyado en numerosos estudios, por ejemplo, se ha informado uno mecanismos de decisin razn para ser utilizado cuando las personas tienen que pagar por la informacin (Newell, Weston, y Shanks, 2003), tienen que buscar informacin en la memoria (Bro der y Schiffer, 2003), o se encuentran bajo presin-tiempo todas las situaciones en las que es ventajoso para limitar la bsqueda de informacin. Ms encima, las personas son sensibles a la distribucin de seales en un entorno, aplicando apropiadamente ya sea tomar el mejor o un mecanismo de aditivo ponderada, en funcin de que ser ms precisa (Rieskamp y Otto, 2006). Exactamente cmo la gente es capaz de determinar qu tipo de ambiente que se encuentran, y luego que la heurstica ser apropiado aplicar, sigue siendo una cuestin abierta.ESTRUCTURA RELEVANTE EN ENTORNOSLos patrones de informacin que los mecanismos de decisin pueden (o no) ser emparejados pueden surgir a partir de una variedad de procesos ambientales, incluyendo factores fsicos, biolgicos, sociales y culturales. En primer lugar, los cerebros de este planeta probablemente han evolucionado ms largo para hacer frente a los patrones en el medio fsico (por ejemplo, como seales visuales, tales como la disparidad binocular, el tamao de la proyeccin en la retina, oclusin o se pueden utilizar para decidir cul de los dos objetos est ms cerca). Muchos de estos patrones puede ser caracterizada en trminos de vigencias de referencia (la frecuencia con una seal indica una decisin correcta), los tipos de discriminacin (la frecuencia con una seal que distingue entre alternativas de decisin, con independencia de su correccin), y los despidos (correlaciones entre los valores de referencia a travs de alternativas). Patrones en la ocurrencia de eventos en el tiempo y en el espacio tambin son importantes: La gente usa satisficing heurstica que establecen niveles de aspiracin (por ejemplo, un salario mnimo o trabajo aceptable un precio mximo aceptable compra de casa) para buscar a travs de secuencias de opciones cuando es difcil regresar a las opciones vistas anteriormente y decirle qu opciones quedan por delante (como el empleo, la vivienda, o incluso el apareamiento mercados Gigerenzer et al., 1999). Y los seres humanos y otros animales en busca de recursos que se producen en los parches (como frutas en arbustos o informacin en los sitios Web) hacen mejor uso de reglas de incremento o decremento, que aumenta o disminuye la tendencia a permanecer en un parche con cada elemento de los recursos encontrados, dependiendo de si los parches tienen una amplia variedad o aproximadamente el mismo nmero de recursos (Hutchinson & Gigerenzer, 2005). Probablemente lo ms importante para el ser humano son las estructuras y de los ambientes sociales. Podemos utilizar la heurstica satisficing para tomar decisiones ecolgicamente racionales acerca de otras personas como compaeros potenciales basados en el patrn secuencial de la gente que nos hemos encontrado anteriormente (Gigerenzer et al., 1999). Podemos utilizar la regla de la mayora (lo que simplifica el clculo con slo recuento s / no juicios en lugar de, por ejemplo, la ponderacin segn la importancia de los diferentes jueces) y otras heursticas para la toma de decisiones del grupo de la gente que los empleados potenciales, en base a la distribucin de informacin dentro de nuestro grupo (Todd et al., en prensa). Los patrones de los conocimientos adquiridos por el reconocimiento de las personas a travs de intercambio social puede ser explotado con xito por la heurstica del reconocimiento mencionado anteriormente (Gigerenzer et al., 1999) para decidir cul de los dos elementos es mayor (por ejemplo, ciudades) o ms xito (por ejemplo, jugadores de tenis o acciones), y estos patrones de reconocimiento tambin se les da protagonismo en la toma de decisiones en grupo (Reimer y Katsikopoulos, 2004). Pero la gente no utiliza la heurstica del reconocimiento ciegamente-que ms bien parecen evaluar intuitivamente su racionalidad ecolgica para una situacin dada (a travs de los mecanismos que se han asociado con particulares estructuras neurales-ver Gigerenzer, 2007). Por ejemplo, algunas personas se basan en el reconocimiento del nombre cuando saben que han odo hablar de una ciudad (por ejemplo, Chernobyl) por una razn que no est correlacionada con su tamao. Estructuras de Medio Ambiente tambin se crean especficamente por las culturas o instituciones para influir en el comportamiento de los dems, como en el ejemplo de rganos de donantes antes. A veces esto es acertada, ya que cuando las leyes de trfico que determinan interseccin derecho de paso estn diseadas jerrquicamente para que coincida con los mecanismos de decisin de una sola razn (Todd et al., En prensa). En otros casos, las instituciones crean estructuras de entorno que no encajan bien con los mecanismos de decisin de las personas y las mentes en lugar de nubes y conducen a decisiones porciones. Por ejemplo, la informacin acerca de los tratamientos mdicos se representa a menudo en trminos de los riesgos relativos errneas (por ejemplo, diciendo que la mamografa reduce el riesgo de mortalidad en un 25%), mientras que los riesgos absolutos podran conducir a una mayor comprensin (por ejemplo, explicando que la reduccin de la mortalidad del 25% significa pasar de 4 muertes por cncer por cada 1.000 sin apantallamiento a 3 de 1000 con la investigacin, vase Todd et al, en prensa)... Por ltimo, algunas formas de estructura entorno emergen sin diseo a travs de las interacciones sociales de varios tomadores de decisiones. Por ejemplo, las personas que eligen la ciudad para pasar a menudo se sienten atrados por las grandes metrpolis, vibrante, por lo que'' los grandes se hacen ms grandes'', lo cual puede resultar en una distribucin en forma de J (o ley de potencia) de la poblacin de la ciudad (es decir, unos burgs repletas, una serie de los medianos, y numerosos pueblos pequeos). Tal distribucin emergente se puede ver en muchos mbitos en los que las personas toman decisiones activas, tales como la compra de libros (que conduce a unos mejores vendedores y muchos ttulos que languidecen) o visitar sitios Web (unos Yahoos contra innumerables pginas Web personales de bajo trfico). Esta estructura puede a su vez ser explotada por la heurstica de la eleccin o la estimacin que, por ejemplo, se basan en el hecho de que la mayora de los objetos no son grandes (Gigerenzer et al., 1999). Del mismo modo, los conductores pueden elegir una plaza de aparcamiento utilizando una heurstica satisficing particular, que crea un patrn de manchas tomadas y todava-disponible que sirve como el medio ambiente para los futuros conductores de bsqueda a travs con su propia heurstica (Hutchinson & Gigerenzer, 2005). En estos casos, las personas que, por los efectos de sus propias decisiones, formando esencialmente el medio ambiente en el que ellos y los dems deben hacer nuevas elecciones, creando la posibilidad de un bucle coadapting entre la mente y el mundo.MIRANDO AL FUTUROEl estudio de la racionalidad ecolgica como la adecuacin entre las estructuras de los mecanismos de procesamiento de informacin en la mente y las estructuras de informacin en el mundo nos da tres cosas que se centran en: la mente (heursticas de decisin), el mundo (patrones de informacin), y cmo pueden coincidir. Hasta el momento, se han explorado slo un modesto conjunto de las heursticas simples contenidas en el cuadro de herramientas de adaptacin de la mente. Para descubrir ms de su contenido, se puede proceder en dos direcciones. Profundizando hacia abajo, tenemos que ampliar nuestra comprensin del conjunto de bloques de construccin y habilidades ms desarrolladas (por ejemplo, las capacidades de reconocimiento o de la confianza) que pueden combinarse para crear mecanismos de decisin. Conexin de arriba, es necesario considerar cmo la caja de herramientas de adaptacin de heursticas para la inferencia y los lazos preferentes en con otros sistemas de motor cognitivo, la memoria, la percepcin, y para producir la conducta adaptativa (como se ha hecho en la aplicacin de la heurstica de reconocimiento dentro de una modelizacin cognitiva ms amplia marco-ver Schooler y Hertwig, 2005).Los investigadores tambin han comenzado a elaborar un vocabulario para describir las estructuras del entorno, por ejemplo, en trminos de vigencias de referencia y la distribucin de los objetos. Este esfuerzo es an tristemente incompleta y cohesionado, sin embargo. Formas tiles para describir los aspectos psicolgicos relevantes de la estructura espacial, los patrones temporales y los entornos sociales (entre otros) deben ser desarrollados o importados de otras disciplinas. Sin embargo, el mayor reto es atar los dos tipos de estructura, mentales y ambientales, juntos. Los investigadores pueden explorar la racionalidad ecolgica de los mecanismos de decisin en particular mediante la prediccin de su desempeo sobre la base de qu tan bien sus bloques de construccin se ajustan a ciertos patrones de informacin, y luego probar el partido a travs de la experimentacin, simulacin y anlisis matemtico en diferentes ambientes. Pero una cuenta terico ms profundo de las razones por las que ciertos patrones ambientales encajan con ciertos mecanismos heursticos an debe desarrollarse. Saber cundo y qu estructuras de la mente en forma de estructuras en el mundo es necesario para la comprensin de la racionalidad ecolgica de nuestras heursticas de decisin y los entornos que nos hacen inteligentes.

TABLA 1Heurstica de ejemplo, estructuras ambientales que los hacen ecolgicamente racional, y predicciones sorprendentesHeurstico definicinEcolgicamente racional sipredicciones sorprendentes

Reconocimiento Para decidir cul de las dos opciones es mayor en algn criterio, aunque slo sea una opcin se reconoce, que elegir uno.El reconocimiento es una seal vlida (es decir, conduce a corregir las decisiones de ms de la mitad de las veces)Contradiciendo la informacin sobre objetos reconocidos se ignora; reconociendo menos opciones puede conducir a una mayor precisin.

Tomar las mejores(ver fig. 1)Como arriba, pero si se reconocen las dos opciones,(1) buscar a travs de seales con el fin de validez(2) Bsqueda de parada en la primera seal de discriminacin(3) elegir la opcin preferida por esta sealvalidaciones de referencia varan altamente; moderada a alta redundancia entre las sealesSe puede decidir con mayor precisin que la regresin mltiple, las redes neuronales y modelos ejemplares al generalizar los nuevos datos

Recuento (modelo lineal unidad de peso)Para estimar criterio de algn objeto, contar el nmero de favorecer a las seales.validaciones de referencia varan poco, bajo la redundancia de seal (Hogarth y Karelaia, 2006).puede decidir con la mayor precisin de regresin mltiple

Trate - a - docena(satisficing)Para seleccionar una opcin de alto valor a partir de una secuencia desconocida, fij un nivel de aspiracin en el valor ms alto observado en primeras 12 opciones, a continuacin, seleccione la siguiente opcin que supera aspiracin.Desconocido distribucin de los valores de opcin, sin volver a las opciones vistas anteriormenteRendimiento casi ptima en un amplio rango de longitudes de secuencia (es decir, el nmero de opciones disponibles, poco importa)

Figura 1. Etapas de procesamiento de la informacin en la heurstica de la clase de unos mecanismos de decisin razn. Muchas clases de heursticas consisten en la construccin de bloques, que incluyen: (1) una regla de bsqueda que determina qu tipo de informacin (seales o caractersticas, en la memoria o el ambiente externo) se busca, en qu orden, (2) una regla de detencin que termina bsqueda de seales, y (3) una regla de decisin que toma una decisin utilizando las seales encontradas. En la clase de heursticas que se muestran aqu, el tercer bloque de construccin utiliza slo una seal -una razn - para tomar la decisin. Los diferentes tipos de una sola razn por la heurstica se pueden construir mediante la seleccin de bloques de construccin que se adaptan a la estructura particular del medio ambiente. Por ejemplo, si se sabe que las seales son ms o menos vlidos (individual exacta) en un dominio concreto, la bsqueda de validez ordenada utilizado como el primer elemento en el tomar las mejores heurstica funciona bien, mientras que si se tiene poco conocimiento sobre entorno, bsqueda aleatoria a travs de las seales puede ser adaptativo (que se concreta en la heurstica minimalista, que selecciona las seales para comprobar en un orden aleatorio).