📈 economics

Nondistortionary belief elicitation

تحدد هذه الورقة الشروط الضرورية والكافية التي يمكن للباحث بموجبها استقاء معتقدات صانع القرار حول خيار سابق بصدق دون تشويه ذلك الخيار، مع توصيف كامل للأسئلة القابلة للتحفيز في ثلاث فئات من المشكلات النموذجية باستخدام متغيرات من آلية بيكر-ديغروت-مارشاك.

المؤلفون الأصليون: Marcin Pęski, Colin Stewart

نُشر 2026-04-03

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Marcin Pęski, Colin Stewart

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك معلم تقدم اختبار رياضيات صعبًا لطلابك. تريد معرفة شيئين:

كيف كان أداؤهم فعليًا؟ (الخيار الذي اتخذوه).
ما مدى ثقتهم في إجاباتهم؟ (اعتقادهم).

المشكلة هي أنه إذا وعدت بمكافأة لكونهم "واثقين"، فقد يبدأ الطلاب في التصرف بغرابة؛ قد يخطئون عمدًا في الإجابات لمجرد أن يقولوا: "كنت أعرف أنني مخطئ!" وبالتالي يحصلون على مكافأة لصدقهم هذا. هذا يفسد نتائج الاختبار الخاصة بك لأن خياراتهم لم تعد تتعلق بالحصول على الإجابة الصحيحة، بل تتعلق بالتلاعب بنظام المكافآت.

هذه الورقة البحثية التي كتبها مارسين بانسكي وكولين ستيوارت تطرح سؤالًا بسيطًا ولكنه عميق: كيف يمكننا سؤال الناس عن ثقتهم دون خداعهم لتغيير إجاباتهم؟

المشكلة الجوهرية: "السلاح ذو الحدين"

تخيل الباحث كأنه طاهٍ والطرف الآخر كأنه زبون.

الوجبة (القرار): يختار الزبون طبقًا (الفعل أ).
التقييم (الاعتقاد): بعد الأكل، يسأل الطاهي: "ما مدى احتمالية أن يكون هذا الطبق هو الأفضل من بين المتاح؟"

إذا قال الطاهي: "إذا أخبرتني أنك كنت متأكدًا بنسبة 90% أنه كان الأفضل، فسأعطيك بقشيشًا ضخمًا"، فقد يبدأ الزبون في طلب أسوأ طبق عن قصد. لماذا؟ لأنه إذا طلب أسوأ طبق، يمكنه أن يقول بصدق: "أنا متأكد بنسبة 90% أن هذا الطبق سيء!" ويحصل مع ذلك على البقشيش الضخم.

يريد الباحثون نظامًا يجعل الزبون دائمًا مدفوعًا لاختيار أفضل طبق وإخبار الحقيقة حول مدى تأكده، دون أن يفسد أحد الحافزين الآخر.

الأداة السحرية: آلية "BDM"

تقترح الورقة استخدام خدعة ذكية تسمى آلية بيكر-ديغروت-مارشاك (BDM).

تخيل برنامج مسابقات. تختار طبقًا. ثم يقوم مولد أرقام عشوائية باختيار رقم بين 0 و100.

إذا قلت إنك متأكد بنسبة 80% أن طبقك هو الأفضل، وكان الرقم العشوائي هو 50، فستفوز بجائزة.
إذا كان الرقم العشوائي 90، فستخسر.

السحر يكمن في أن الطريقة الوحيدة لتعظيم فرصك في الفوز بهذه اللعبة المحددة هي قول النسبة المئوية التي تؤمن بها حقًا. إذا كذبت وقلت 90% بينما أنت تشعر بـ 80% فقط، فقد تفوز بشكل أقل. وإذا قلت 60%، ستفوز أيضًا بشكل أقل.

الاختراق الكبير للباحثين هو اكتشاف متى تنجح خدعة برنامج المسابقات هذه دون إفساد القرار الأصلي (اختيار أفضل طبق).

القواعد الثلاث للعبة

وجد المؤلفون أن نجاح هذه الخدعة يعتمد كليًا على "شكل" مشكلة القرار. لقد حددوا ثلاثة سيناريوهات:

1. سيناريو "الشجرة" (السلم)

تخيل سلمًا حيث يمكنك التحرك للأعلى أو للأسفل درجة واحدة فقط في كل مرة. يحدث هذا عندما تكون الخيارات مرتبة (مثل تخمين درجة الحرارة: 60، 61، 62...).

القاعدة: يمكنك السؤال عن الثقة، ولكن "قواعد" ما يعتبر ثقة يمكن أن تتغير قليلاً أثناء صعودك السلم. لست بحاجة إلى قاعدة واحدة مثالية للسلم بأكمله.
التشبيه: الأمر يشبه تسلق جبل. يمكنك الحصول على خريطة مختلفة للنصف السفلي وخريطة مختلفة للنصف العلوي، طالما أنهما يلتقيان في نقطة معينة.

2. سيناريو "الشبكة" (الرسم البياني الكامل)

تخيل اختبارًا من متعدد حيث يمكن لأي إجابة أن تكون صحيحة، وأي إجابة يمكن أن تكون خاطئة. كل خيار متصل بكل الخيارات الأخرى.

القاعدة: هذا هو السيناريو الأكثر صرامة. لكي تسأل عن الثقة دون إفساد الأمور، يجب أن يكون سؤالك مرتبطًا مباشرة بالدرجة.
ما ينجح: "ما هي درجتك المتوقعة؟" (مثلاً: "أعتقد أنني سأحصل على 8/10").
ما يفشل: "ما هي احتمالية حصولي على 8/10 على الأقل؟"
لماذا؟ إذا سألت عن عتبة معينة (مثل "الحصول على امتياز")، فقد يحاول الطالب "التلاعب" بالنظام عبر اختيار إجابات تضمن له أن يكون فوق الخط مباشرة، بدلاً من اختيار الإجابات التي يعتقد أنها صحيحة بالفعل.

3. سيناريو "الحزمة" (مشكلات الضرب)

تخيل اختبارًا يتكون من 10 أقسام مختلفة. درجتك النهائية هي مجموع كل الأقسام.

القاعدة: يمكنك السؤال عن الثقة، ولكن عليك توخي الحذر بشأن كيفية دمج الأقسام.
ما ينجح: "ما مدى تحسن أدائي في النصف الثاني من الاختبار مقارنة بالنصف الأول؟" (هذا هو المجموع المرجح).
ما يفشل: "ما هي فرصة حصولي على إجمالي درجة أعلى من 80؟"
التشبيه: إذا سألت عن إجمالي الدرجة، فقد يحاول الطالب "موازنة" إجاباته (الخطأ عمدًا في بعض الأسئلة) للوص‌ل إلى إجمالي محدد. لكن إذا سألت عن الفرق بين جزأين، تظل الحوافز واضحة ونقية.

الخلاصة الكبرى

تقدم الورقة للباحثين "ورقة غش" لتصميم التجارب:

لا تسأل عن العتبات: السؤال بـ "هل نجحت؟" أو "هل أنا ضمن أفضل 10%؟" يخلق عادةً حوافز سيئة. سيتغير سلوك الناس للوصول إلى ذلك الخط المحدد.
اسأل عن المتوسطات: السؤال بـ "ما هي درجتي المتوقعة؟" أو "ما مقدار الندم الذي أشعر به؟" هو أمر آمن عادةً. هذه الأسئلة تتماشى تمامًا مع هدف الأداء الجيد.
تحقق من الروابط: إذا كانت خياراتك كلها مترابطة (مثل اختبار متعدد الخيارات)، فيجب أن تكون صارمًا للغاية. إذا كانت خياراتك خطية (مثل السلم)، فلديك حرية أكبر.

باختصار

بنى المؤلفون "شبكة أمان" رياضية. لقد أظهروا أنه إذا كنت تريد معرفة ما يفكر فيه الناس دون تغيير ما يفعلونه، فعليك طرح النوع الصحيح من الأسئلة.

سؤال سيء: "هل أنت متأكد من أنك نجحت؟" (يشجع على التلاعب بالنظام).
سؤال جيد: "ما هي الدرجة التي تتوقع الحصول عليها؟" (يشجع على الصدق وبذل أقصى جهد).

باستخدام آلية "BDM" الخاصة بهم واتباع قواعدهم، يمكن للباحثين أخيرًا الحصول على إجابات صادقة حول الثقة دون تحويل تجاربهم بالخطأ إلى لعبة استراتيجية بدلاً من كونها اختبارًا للمعرفة.

إليك ملخص تقني مفصل لورقة البحث "استقاء المعتقدات غير المشوهة" (Nondistortionary Belief Elicitation) للباحثين مارسين بينسكي وكولين ستيوارت.

1. بيان المشكلة

تتناول الورقة تحديًا جوهريًا في الاقتصاد التجريبي ونظرية القرار: كيف يمكن استقاء معتقدات الفرد حول خيار اتخذه دون تشويه الحوافز الخاصة بذلك الخيار الأصلي.

السياق: غالبًا ما يطلب الباحثون من المشاركين الإبلاغ عن معتقداتهم فيما يتعلق بأدائهم (على سبيل المثال، "ما هو احتمال أن تكون إجابتك صحيحة؟" أو "ما هو توقع درجتك؟"). ولضمان الصدق، يستخدم الباحثون عادةً آليات محفزة (مثل آلية بيكر-دي جرووت-مارساك (BDM) أو قواعد التسجيل التربيعية).
الصراع: إذا كانت آلية استقاء المعتقدات تكافئ المشارك بناءً على المعتقد المُبلغ عنه، وكان هذا المعتقد مرتبطًا بالإجراء المتخذ في المهمة الرئيسية، فقد يقوم المشارك بتغيير إجرائه الأولي لتعظيم إجمالي العائد المتوقع لمشكلة القرار ومرحلة استقاء المعتقدات معًا، بدلاً من تعظيم عائد مشكلة القرار وحدها.
الهدف: يسعى المؤلفان إلى تحديد الشروط الضرورية والكافية التي يمكن للباحث من خلالها تصميم مخطط دفع:
1. يحفز المشارك على الإبلاغ بصدق عن التوقع الذاتي لدالة معينة $X(a, \theta)$ .
2. يترك مجموعة الإجراءات المثلى في مشكلة القرار الأصلية دون تغيير (أي أن استقاء المعتقدات هو غير مشوه).

2. المنهجية والنموذج

يبني المؤلفان نموذجًا رسميًا يجمع بين مشكلة قرار ومرحلة لاستقاء المعتقدات.

مشكلة القرار: تُعرف بالزوج $(\Theta, A, u)$ ، حيث $\Theta$ هي مجموعة محدودة من الحالات، و $A$ هي مجموعة محدودة من الإجراءات، و $u: A \to \mathbb{R}^\Theta$ هي دالة المنفعة.
استقاء المعتقدات: بعد اختيار إجراء $a$ ، يقدم المشارك تقريرًا برقم $r$ يمثل التوقع الذاتي $E_p[X(a; \theta)]$ لملف سؤال $X: A \to \mathbb{R}^\Theta$ .
القابلية للتحفيز: يكون السؤال $X$ قابلًا للتحفيز إذا وجد أسلوب استقاء $V$ بحيث تكون مجموعة الإجراءات المثلى في المشكلة المشتركة (التي تعظم $E_p[V]$ ) مطابقة لمجموعة الإجراءات المثلى في المشكلة الأصلية (التي تعظم $E_p[u]$ )، ويكون التقرير الصادق هو الاستراتيجية المثلى الوحيدة للتقرير $r$ .
المفهوم الرئيسي: رسم بياني للمجاورات (Adjacency Graph): يقدم المؤلفان الرسم البياني للمجاورات لمشكلة القرار. يُعت-بر الإجراءان $a$ و $b$ متجاورين إذا وجد معتقد $p$ يكون فيه $\{a, b\}$ هما الإجراءان الأمثلان الوحيدان. هيكل هذا الرسم البياني (الأشجار، الدورات، الرسوم البيانية الكاملة) يحدد القيود المفروضة على الأسئلة القابلة للتحفيز.
المفهوم الرئيسي: المحاذاة (Alignment): يكون السؤال $X$ محاذيًا للمنفعة $u$ إذا كان $X(a)$ عبارة عن تحويل خطي (affine transformation) لـ $u(a)$ مضافًا إليه ثابت يعتمد على الحالة. وتحديدًا، $X(a) \sim u(a) + d(\theta)$ .

3. المساهمات والنتائج الرئيسية

تقدم الورقة توصيفًا كاملاً للأسئلة القابلة للتحفيز عبر ثلاثة أصناف نموذجية من مشكلات القرار، والمحددة بهيكل رسومها البيانية للمجاورات.

أ. الشرط الضروري العام: تمهيدية المجاورات (Adjacency Lemma)

يستنتج المؤلفان شرطًا ضروريًا أساسيًا لأي سؤال قابل للتحفيز.

تمهيدية المجاورات (Lemma 1): إذا كان $X$ قابلًا للتحفيز، فلكل زوج من الإجراءات المتجاورة $a$ و $b$ ، يجب أن يكون السؤال $X$ محاذيًا لـ $u$ على الزوج $\{a, b\}$ .
رياضياً، بالنسبة لـ $a, b$ المتجاورين، يوجد ثوابت $\rho, \sigma$ بحيث أن $\bar{X}(b) = \rho \Delta^b_a + \sigma \bar{X}(a)$ ، حيث $\Delta^b_a$ هو متجه فرق العائد و $\bar{v}$ يمثل إسقاط المتجه $v$ على المستوي الذي مجموعه صفر.
وهذا يعني أن العلاقة بين قيم السؤال وقيم المنفعة يجب أن تكون متسقة عبر جميع "نقاط عدم التساوي" بين الإجراءات.

ب. التوصيف حسب هيكل المشكلة

تصنف الورقة مشكلات القرار إلى ثلاثة أنواع بناءً على رسومها البيانية للمجاورات وتوفر شروطًا محددة لكل منها:

1. أشجار المجاورات (مثل المشكلات الرتيبة، أو الحالات المرتبة)

الهيكل: الرسم البياني للمجاورات لا يحتوي على دورات (شجرة).
النتيجة (Theorem 1): يكون السؤال قابلًا للتحفيز إذا وفقط إذا كان محاذيًا جزئيًا (piecewise aligned) لـ $u$ .
الآثار: يمكن أن تختلف معاملات المحاذا (القياس والإزاحة) بين أزواج مختلفة من الإجراءات المتجاورة. لا يحتاج الباحث إلى محاذاة عالمية واحدة؛ فالاتساق المحلي عبر الشجرة كافٍ.

2. المجاورات الكاملة (مثل أسئلة الاختيار من متعدد، مشكلات المطابقة)

الهيكل: كل زوج من الإجراءات متجاور (رسم بياني كامل). يحدث هذا عندما يخمن المشارك حالة ويحصل على مكافأة فقط إذا كان محقًا.
النتيجة (Theorem 2): تحت افتراضات الثراء الطفيف (الاستقلال الخطي لمتجهات العائد)، يكون السؤال قابلًا للتحفيز إذا وفقط إذا كان محاذيًا عالميًا لـ $u$ .
الآثار: في هذه المشكلات شديدة الاتصال، تكون القيود صارمة. الأسئلة مثل "ما هو احتمال أن تكون إجابتك صحيحة؟" (والتي غالبًا لا تكون محاذية للمنفعة في السياقات المعقدة) ليست قابلة للتحفيز بشكل عام. ومع ذلك، فإن أسئلة مثل "الندم المتوقع" أو "العائد المتوقع" هي قابلة للتحفيز.

3. مشكلات المنتج (مثل الاختبارات متعددة الأسئلة، المهام المتتالية)

الهيكل: تتكون مشكلة القرار من $I$ من المهام المستقلة. الرسم البياني للمجاورات هو حاصل ضرب الرسوم البيانية للمهام الفردية. يكون الإجراءان متجاورين فقط إذا كانا يختلفان في مهمة واحدة بالضبط.
النتيعة (Theorem 3): يكون السؤال قابلًا للتحفيز إذا وفقط إذا كان محاذيًا موزونًا (weighted aligned).
التعريف: يكون $X$ محاذيًا موزونًا إذا كان تحويلًا خطيًا لمجموع موزون لمنفعات المهام الفردية: $X(a) \sim d(\theta) + \sum \tau_i u_i(a_i, \theta_i)$ .
الآثار: يسمح هذا بقدر أكبر من المرونة مقارنة بالمحاذاة العالمية. على سبيل المثال، يمكن للباحث تحفيز سؤال حول الفرق في الأداء بين جزأين من اختبار (حيث يكون لـ $\tau_i$ إشارات متضادة)، رغم أن هذا ليس محاذيًا للمنفعة الكلية. ومع ذلك، فإن الأسئلة المتعلقة باحتمالية تجاوز عتبة معينة (مثل "هل حصلت على درجة > 50؟") ليست قابلة للتحفيز عمومًا لأنها غير خطية وليست محاذية موزونة.

ج. بناء الآلية

لكل الأسئلة القابلة للتحفيز، يوضح المؤلفون كيفية بناء مخطط دفع باستخدام متغيرات من آلية بيكر-دي جرووت-مارساك (BDM).

تتضمن الآلية تطبيع السؤال إلى فاصل $[0,1]$ ومقارنة تقرير المشارك بسحب عشوائي.
والأهم من ذلك، يوضح المؤلفون أنه من خلال إضافة عائد مشكلة القرار الأصلية إلى عائد استقاء المعتقدات (أو تعديل الأوزان)، تظل حوافز اختيار الإجراء غير مشوهة.

4. الأهمية والآثار العملية

حل معضلة التشويه: توفر الورقة "قائمة مرجعية" صارمة للتجريبيين. قبل تصميم مهمة استقاء معتقدات، يمكن للباحثين تحديد ما إذا كان سؤالهم المحدد (مثل الثقة، الندم، احتمال النجاح) يمكن تحفيزه دون إفساد المهمة الرئيسية.
نقد الممارسات الشائعة: يوضح المؤلفون أن العديد من الأسئلة القياسية المستخدمة في الأدبيات (مثل "ما هو احتمال أن تكون إجابتك صحيحة؟" في اختبارات الاختيار من متعدد، أو "ما هو احتمال أن تكون درجتك فوق المتوسط؟") ليست قابلة للتحفيز في السياقات العامة. استخدام قواعد BDM أو قواعد التسجيل التربيعية لهذه الأسئلة يخلق تشوهات خفية حيث قد يختار المشاركون عمدًا إجراءات غير مثلى للتلاعب بتقارير معتقداتهم.
المقاييس البديلة: تقترح الورقة أن ينتقل الباحثون نحو المقاييس القابلة للتحفيز، مثل:
- الندم المتوقع: قابل للتحفيز دائمًا.
- العائد المتوقع: قابل للتحفيز إذا كان محاذيًا للمنفعة.
- الفروق الموزونة: قابلة للتحفيز في مشكلات المنتج (مثل التحسن بمرور الوقت).
التقدم النظري: يربط هذا العمل بين تصميم الآليات (الاستقاء) ونظرية القرار (الأمثلية)، مقدمًا مفهوم "الرسم البياني للمجاورات" كأداة هيكلية لتحليل التوافق مع الحوافز في استقاء المعتقدات المعتمد على الإجراء.

5. الخاتية

يؤكد بينسكي وستيوارت أن استقاء المعتقدات غير المشوه ممكن فقط لفئة محددة من الأسئلة التي يحددها هندسة مشكلة القرار. وبينما تعتبر الأسئلة البسيطة حول المنفعة المتوقعة أو الندم آمنة دائمًا، فإن الأسئلة المعقدة حول احتمالات العتبات أو الصحة غالبًا ما تشوه السلوك. تقدم الورقة إطارًا بنائيًا لتصميم تجارب تحافظ على نزاهة مهمة القرار الأساسية مع قياس اليقين المعرفي بدقة.