共同知识效应：团队决策中的一种有害偏差

总结:  相较于个人，团队往往会作出更差的决策，因为它会过度依赖普遍掌握的数据，而忽视那些仅为少数个体所了解的信息。

“没有人能比我们所有人聪明”是管理顾问肯尼斯·布兰查德（Kenneth Blanchard）的一句名言。它总结了一种普遍、直观的看法：团队比个人更有智慧和能力。团队拥有更多的脑力、知识和经验。当面临一个困难的决定时，你需要的是一个团队——而不仅仅是一个个体——来分析、深思熟虑并解决问题。

但团队决策的优越性是现实还是迷思？行为心理学的研究表明，答案并不像看起来那么简单。

1. 共同知识效应

心理学家加罗德·斯塔瑟（Garold Stasser）和威廉·泰特斯（William Titus）发现，团队常常不能完全发挥其决策潜力。团队往往未能利用成员的集体资源做出强有力的决策，而是花费大部分时间讨论他们都已经知道的信息，而未花足够时间来关注团队成员各自持有的独特信息，因此导致决策质量低下。这一妨碍团队决策的现象（仅是团队决策里众多问题中的一个，其他的还有诸如群体盲思）已在过去四十年间被心理学研究者一致证实。

定义：共同知识效应是一种决策偏差，即团队过分强调绝大多数团队成员早已理解的信息，而不是追寻并融合团队成员所拥有的独特知识。

让我们通过一个场景来演示共同知识效应是如何阻碍团队决策的。

2. 场景

假设您是一家软件公司的用户体验负责人。您和同事们必须决定在明年从三个可能的项目中选择一个执行：A、B 或 C 项目。由于这是一个需要跨部门协调和大量投资的战略决策，每个项目都经过了广泛研究。每个项目都有多个已知的事实。

为构建这个场景，我们使用 ChatGPT 为每个软件项目生成了合理的事实陈述。这些陈述聚焦于研发、产品管理或用户体验主题。每个陈述都可能是正面或负面的：正面陈述表明一个项目将是有优势的、能够盈利，或对组织有益。负面陈述表明一个项目将是具有挑战性的、成本高昂，或对组织不利。在生成这些陈述的提示词中，我们要求 ChatGPT 使用情感分析，使其生成的陈述在积极性或消极性的幅度上大致相当。（例如，我们不希望出现像“这个项目预计将产生数十亿收入”的陈述，因为这将使选择一个项目变得太容易。）

基于这些陈述的分布，我们很容易能确定项目 B 是最佳选择：与其他项目相比，它有最多的积极陈述和最少的消极陈述。

3. 个人决策

我们随后在 2023 年 4 月使用了这个场景，对 307 名参与者进行了一项线上调查。大多数参与者是设计师或用户研究员。

个人决策调查中回答者的岗位分布

我们呈现了上述场景，并给予参与者 10 分钟时间来审阅每个项目的所有陈述。为了确保评估时间的标准化，我们让调查工具要求所有参与者在提交关于执行哪个项目的决定之前，先查看这些陈述 10 分钟。所有陈述都按随机顺序列在各自项目下，没有标明这些陈述是正面还是负面的。我们还告知参与者，在三个可选项目中，有一个与其他项目相比是客观上最佳的，他们应该专注于基于所提供的陈述确定这个理想解决方案。

当呈现所有可被用于评估的项目陈述时，80％的参与者选择了项目 B 作为推荐项目，这确实是最佳选择。当然，在现实世界中，我们决策时从来不会拥有完美和完整的信息，但这个反馈让我们确信，如果人们确实分析了所有这些项目陈述，那么项目 B 通常被认为是最佳的。

在个人分析了所有项目陈述时，他们绝大多数正确地选择了项目 B 作为最佳执行项目（误差线表示 95%置信区间）。这一比例非常接近斯塔瑟和泰特斯研究发现的 83％。

4. 团队决策

当这个场景呈现给团队时，则发生了一个有趣的现象。如果每个团队成员都获得了所有的项目陈述，那么团队可以达到与个人相当的决策效果（大约 80%）。但如果信息在团队成员之间并没有被平等共享的情况下呢？ 信息不对称在 UX 工作中很常见。不同部门及其领导者拥有不同的专业领域，按照不同的指标和目标进行评估，并可能有各种各样的议程，从而影响他们向他人透露的信息数量。此外，组织可能在通过研究获取新数据方面不够熟练，或者其企业文化可能促进保密，并阻碍知识共享。

此外，团队成员通常有先入为主的偏好，并影响其高风险决策。人们会根据他们对情况的了解进行评估，并受到他们的动机和偏见（无论是意识到的还是无意识的）的影响，并在与他人协商之前形成自己的意见。

基于这种理解，我们在我们的《设计权衡和 UX 决策》课程中向参与者呈现了以下调整后的场景，模拟了现实世界中基于团队的决策过程：

1. 每个团队成员被给予了部分项目陈述。（所有陈述与个人决策调查中使用的仍然相同。）
2. 项目陈述分配不均：
   • 项目 A 和项目 C 的所有积极陈述都与所有团队成员共享。它们的消极陈述在团队成员之间分配。
   • 项目 B 的所有消极陈述都与所有团队成员共享。它的大部分积极陈述在团队成员之间分配。
3. 每个团队成员都有时间私下审阅他们被分到的项目陈述，并决定哪个项目是最佳的。团队成员可以做个人笔记，并在随后的团队讨论中使用它们。
4. 之后，团队成员聚在一起，有 10 分钟的时间分享、讨论并确定最佳项目。

如果团队促进知识共享并从每个成员的独特信息中学习——就像理想的团队决策过程应该进行的那样——它们很可能会识别并选择项目 B 作为最佳选择。然而，如果团队倾向于不成熟的共识并过于强调普遍理解的事实，它可能会选择次优的项目 A 或 C。

项目 B 的缺陷在所有团队成员中广为人知，而其许多优点只为一些个人所知。这种分布使得项目 B 对个人来说看起来不太吸引人，但实际上，它是团队的最佳选择。

当我们在我们的《设计权衡和 UX 决策》课程中给出这个场景时，每次课程中团队选择的百分比虽有所不同，但结果总体上是相同的：绝大多数团队无法有效地进行决策讨论。相较于个人决策，团队选择最佳项目的比例显著下降。

与个人相比，团队选择最佳项目的比率显著降低。在我们的设计权衡课程中，每个团队包含 3-4 名参与者的 29 个团队使用该场景进行了互动。参与者倾向于坚持先入为主的观点，未讨论个人特有的陈述，而专注于所有团队成员都知道的陈述。因此，团队选择最佳项目 B 的比率远低于个人决策者（误差条表示 95%置信区间）。团队选择项目 C 的比率也高于个人。这两种差异在 p < .05 的统计学上都是显著的。

5. 为什么会出现共同知识效应？

决策本质上是复杂的，而它在涉及更多人则会更加复杂：在多人参与时，个人特质、群体动力学和社会层级等因素的混合都可能导致共同知识效应。沟通专家格温·威滕伯格（Gwen Wittenbaum）提出了一个框架，对影响群体信息共享的众多因素进行了分类：

5.1 信息的可得性与记忆

• 我们更可能回忆和讨论近期或印象深刻的信息。
• 由于多个团队成员持有共有信息，因此它们有更多机会为所团队共享。独特信息依赖于个人的分享。
• 一旦信息与团队共享，它往往会被其他人重复，从而提高其感知上的可信度。

5.2 偏好偏见

• 我们更可能讨论与我们最初偏好或先入之见相符的信息。
• 即使所有信息都与团队共享，我们仍然根据我们的初始偏好处理这些信息。

5.3 社会比较

• 我们寻求社会认同，避免与队友发生冲突。在不清晰的情况下评估信息时，我们倾向于采纳团队的普遍观点。
• 多名团队成员熟悉的信息会在社交中得到验证，从而更有可能被重复和确认。

6. 共同知识效应对 UX 的重要性

共同知识效应对用户体验从业者有着切实影响，原因有几个：

• 我们经常要做团队决策。即使是小规模的战略决策，用户体验也需要与其他部门合作，从而获取洞见或实施设计。创造数字体验依赖于团队合作。
• 我们通常寡不敌众。与其他群体（如开发人员）相比，用户体验从业者通常人数较少。因此，除非我们定期分发、社交化所拥有的 UX 知识，这些信息往往是独特的、并不为其他团队成员所理解。
• 我们通常是外来者。特别是在 UX 成熟度较低的组织，或新设立的用户体验岗位或部门中，用户体验可能是一个“认知边缘”的群体，意味着它可能缺乏其他团队成员所拥有的知识。苏珊娜·阿贝勒（Susanne Abele）及其同事的研究发现，与其他团队成员共享更多知识的成员在讨论中被视为“认知中心”，他们被认为更有可信度和影响力。而拥有较多独特知识的团队成员在说服他们的同事时往往会遇到困难。

7. 如何减轻共同知识效应

以下是一些关于 UX 从业者如何在团队决策中减轻共同知识效应的建议：

• 促进心理安全感。用户研究的发现可能会让组织对其现状感到失望或不安——尽管这是一个极佳的学习机会。如果组织的大环境不欢迎这种发现，分享这类不同意见的信息就会很有挑战性。领导者必须以身作则，与团队建立相互尊重、开放沟通的文化。
• 注意角色权力不平衡。领导者插手团队决策会扭曲信息共享；应将探索复杂决策的任务委托给平等的团队。
• 面对面讨论并不比线上更优。根据西蒙·拉姆（Simon Lam）和约翰·肖布洛克（John Schaubroeck）的研究，线上团队比面对面讨论的团队更有可能克服共同知识效应，这可能是因为线上团队能更方便地使用笔记和材料。
• 忽略过去的意见。强烈鼓励同事（特别是你自己）抛开对最佳选择的成见。这种方法相当困难，但托尔斯滕·雷蒙（Torsten Reimer）、安德利亚·雷蒙（Andrea Reimer）和维尔林·B·辛兹（Verlin B. Hinsz）的研究表明，过早的判断会破坏我们的决策能力。在他们的研究中，那些在讨论前避免匆忙判断的团队成员更有可能克服共同知识效应并做出最佳决策。
• 围绕共同目标团结。由于派系斗争是人类的天性，作为 UX 从业者，我们可以预见跨部门的竞争。但即便重复利用最多的代码、首先发布新产品、完全以像素级精确实现设计，产品团队也不一定能取得成功。提醒团队成员相关的 KPI，制定与所有人都有关的目标，来打破孤立思维和可能阻碍信息共享的议程。
• 提醒团队成员他们的个人专长。公开认可具有领域专长的团队成员，以促使其分享他们拥有的独特知识。例如，开发人员非常适合提供有关潜在的技术复杂性的相关知识。
• 警告过度自信偏见。提醒团队成员，尽管他们拥有专业知识，但我们对复杂主题的理解往往是不完整和过度简化的。
• 不要急于达成共识。永远不要通过投票或收集参与者（即使是匿名形式）的意见来开启重要决策会议。这些活动减少了信息共享和处理，并使整合新知识变得困难。
• 优先考虑数据收集。指导团队成员在决策讨论会议前进行头脑风暴，并准备好立即分享他们的信息。当决策失败会带来很严重的后果时，应当为这个过程分配更多时间。
• 可视化数据。任何一个在团队讨论中使用了原型的 UX 从业者，都体验过让大家避免空想、聚焦于所有人都能看到的共同理解的力量（这是用户体验交付物的一个宝贵作用）。优先识别、而非回忆：使用白板，写下所有被提出的信息，以减轻认知负担。
• 减轻社会懈怠。当团队成员从讨论中退出时，他们就会停止贡献其独特的知识。对表现出这种行为的成员直接发问，重新吸引他们参与。
• 邀请他人参与用户研究活动。让同事参与用户研究的一个优势是，他们能获得第一手的知识。这种做法将用户研究结果从独特知识转变为共有知识。
• 谨慎使用恶魔代言人。恶魔代言人，指的是被指定来批判性审查提议，以揭露问题或未被发现的机会成本的团队成员。查尔斯·施文克（Charles Schwenk）和理查德·科西尔（Richard Cosier）的研究表明，这种策略的效果不一。恶魔代言人可以提高批判性思维，但也会可能降低团队成员在未来合作的意愿。

8. 结论

尽管这听起来违反直觉，但在困难决策中增加参与人数很可能会降低决策质量。那些个体能为讨论提供的独特知识，经常未能被分享，或直接被忽视。在进行高风险决策时，不要让您宝贵的 UX 见解成为共同知识效应的牺牲品。做一名警觉的团队协作者，确保我们所有人至少要像我们每个人一样聪明。 🆃

参考文献

• Garold Stasser and William Titus. Pooling of unshared information in Group Decision making: Biased information sampling during discussion.Journal of Personality and Social Psychology 48, 6 (1985), 1467–1478. DOI:http://dx.doi.org/10.1037/0022-3514.48.6.1467
• Susanne Abele, Garold Stasser, and Sandra Vaughan-Parsons. Information Sharing, Cognitive Centrality, and Influence Among Business Executives During Collective Choice.ERIM Report Series Reference No. ERS-2005-037-ORG, (2005).
• Torsten Reimer, Andrea Reimer, and Verlin B. Hinsz. 2010. Naïve groups can solve the hidden-profile problem.Human Communication Research 36, 3 (2010), 443–467. DOI:http://dx.doi.org/10.1111/j.1468-2958.2010.01383.x
• Gwen M. Wittenbaum, Andrea B. Hollingshead, and Isabel C. Botero. 2004. From cooperative to motivated information sharing in groups: moving beyond the hidden profile paradigm.Communication Monographs 71, 3 (September 2004), 286–310. DOI:https://doi.org/10.1080/0363452042000299894
• Charles R. Schwenk and Richard A. Cosier. 1993. Effects of Consensus and Devil’s Advocacy On Strategic Decision-Making.Journal of Applied Social Psychology 23, 2 (January 1993), 126–139. DOI:https://doi.org/10.1111/j.1559-1816.1993.tb01056.x
• Simon S. K. Lam and John Schaubroeck. 2000. Improving group decisions by better pooling information: A comparative advantage of group decision support systems. Journal of Applied Psychology 85, 4 (2000), 565–573. DOI:https://doi.org/10.1037/0021-9010.85.4.565