Information, entropy and the paradox of choice: A model for understanding human choice behavior

Résumé Technique : Information, Entropie et le Paradoxe du Choix

Énoncé du Problème
L'article traite du « paradoxe du choix » ou de la « surcharge de choix », un phénomène où l'abondance d'alternatives conduit à une diminution de la satisfaction décisionnelle plutôt qu'à une augmentation de l'utilité. Bien que les preuves comportementales démontrent systématiquement une relation en forme de U inversé entre la taille de l'ensemble de choix et la satisfaction (où la satisfaction culmine à un nombre intermédiaire d'options et décline à mesure que les options augmentent), les cadres quantitatifs liant le traitement de l'information à cette expérience subjective restent sous-développés. Les modèles existants reposent souvent sur des compromis qualitatifs entre bénéfices et coûts, mais manquent d'une base rigoureuse issue de la théorie de l'information pour expliquer la dépendance non monotone générique de la satisfaction par rapport à la taille de l'ensemble.

Méthodologie
Les auteurs proposent un cadre théorique fondé sur la théorie de l'information, utilisant spécifiquement l'entropie de Shannon et l'entropie relative (divergence de Kullback-Leibler).

1. Modèle Théorique :

   • Représentation des Préférences : Les préférences individuelles au sein d'un ensemble de choix de taille $N$ sont modélisées comme une distribution de probabilité $P = \{p_1, p_2, ..., p_N\}$, dérivée de évaluations subjectives via une fonction softmax.
   • État de Référence : Un état d'« indifférence » est défini où toutes les options sont équiprobables ($p_i = 1/N$), correspondant à une entropie de Shannon maximale ($H_{max} = \log_2 N$) et une satisfaction minimale.
   • Information Effective ($I$) : Les auteurs définissent la satisfaction du choix comme de l'information effective, quantifiée par l'entropie relative entre la distribution de choix observée ($P'$) et la distribution d'indifférence de référence ($P$). Mathématiquement, $I = H_{max} - H_{obs}$, où $H_{obs}$ est l'entropie observée des préférences de l'individu.
   • Taille de l'Ensemble Optimal ($m$) : Le modèle introduit un paramètre de contrainte cognitive $m$, représentant le nombre maximal d'alternatives qu'un individu peut évaluer efficacement.
     • Pour $N \leq m$ : L'individu peut discriminer entre les options, menant à une distribution non uniforme où $H_{obs} < H_{max}$. À mesure que $N$ augmente, $H_{max}$ croît plus rapidement que $H_{obs}$, faisant augmenter $I$ (la satisfaction).
     • Pour $N > m$ : Les limitations cognitives empêchent une évaluation complète. Le modèle suppose que les options non traitées ($s = N - m$) se voient assigner des probabilités égales (choix manqués), ce qui fait que la distribution tend vers l'uniformité. Par conséquent, $H_{obs}$ approche $H_{max}$, et l'information effective $I$ décline.
   • Simulation : Le modèle a été implémenté en C++11 pour simuler les distributions de probabilité et calculer l'information effective à travers diverses tailles d'ensembles (paramètres $m$, et paramètres $a, b$ régissant la masse de probabilité des choix manqués).

2. Expérience Comportementale :

   • Participants : 240 étudiants ont été divisés en six groupes ($N=4, 8, 12, 16, 20, 24$).
   • Tâche : Les participants ont évalué des tasses en céramique (variations de design/couleur) sur une échelle de Likert à 7 points.
   • Mesures :
     • Sondage 1 : Les évaluations ont été transformées en probabilités de choix pour calculer les entrées du modèle.
     • Sondage 2 : Quatre items sur échelle de Likert mesuraient l'abondance perçue, le sentiment de submersion, la confusion et la satisfaction du choix (spécifiquement : « Si je devais acheter une tasse, j'aurais choisi ma priorité numéro un »).
   • Analyse : Des comparaisons statistiques (ANOVA, tests t) ont été effectuées sur les réponses aux sondages. Le modèle de prédiction de l'information effective a été ajusté à une fonction quadratique pour comparer avec les données expérimentales de satisfaction.

Principales Contributions

• Métrique Quantitative de la Satisfaction : L'article introduit l'information effective (la réduction de l'incertitude par rapport à une base d'indifférence) comme une métrique quantitative robuste de la satisfaction du choix.
• Explication Mécaniste : Il fournit une dérivation fondée de la relation en forme de U inversé. Le modèle démontre que la satisfaction est non monotone car elle est un équilibre entre le bénéfice informationnel d'avoir plus d'options (augmentation de $H_{max}$) et le coût cognitif du traitement (augmentation de $H_{obs}$ vers $H_{max}$ en raison des choix manqués).
• Validation Empirique : L'étude valide le cadre théorique par rapport aux données comportementales, montrant que l'information effective dérivée des évaluations des participants correspond étroitement au profil en U inversé observé de la satisfaction subjective.

Résultats

• Résultats Expérimentaux :
  • L'abondance perçue, le sentiment de submersion et la confusion ont augmenté de manière monotone avec la taille de l'ensemble de choix.
  • La satisfaction du choix a présenté une dépendance significative en forme de U inversé par rapport à la taille de l'ensemble ($F(5, 234) = 7,13, p < 0,001$). La satisfaction était significativement plus élevée à $N=12$ qu'à $N=4$ et $N=24$.
• Performance du Modèle :
  • Le modèle a reproduit avec succès la courbe en U inversé.
  • Un ajustement quadratique aux prédictions d'information effective du modèle a produit un coefficient de détermination $R^2 = 0,947$.
  • Le modèle a prédit un pic de satisfaction à $N^* \approx 13,39$, ce qui concorde étroitement avec le pic expérimental à $N=12$.
  • L'analyse a confirmé que la structure des probabilités de choix (spécifiquement la tendance vers l'uniformité dans les ensembles larges en raison des limites cognitives) est le déterminant clé de la courbe de satisfaction.

Signification et Revendications
L'article affirme offrir un « compte rendu théorique fondé » du paradoxe du choix en liant directement la satisfaction subjective à la structure informationnelle des préférences.

• Valeur Théorique : Il dépasse les modèles de compromis qualitatifs pour fournir un cadre mathématique où la satisfaction est définie par la capacité à différencier les options d'un état d'indifférence.
• Généralisabilité : Le cadre est présenté comme un mécanisme général applicable à divers domaines (des biens de consommation aux décisions de vie), suggérant que la forme en U inversé est une tendance au niveau de la population découlant d'hétérogénéités des contraintes cognitives.
• Implication Pratique : Les auteurs suggèrent que les environnements de décision ne doivent pas être optimisés en maximisant la variété, mais en structurant l'information pour faciliter la comparaison efficace dans la capacité de traitement d'un individu.
• Modestie : Les auteurs reconnaissent explicitement les limites, notant que le modèle traite la taille optimale de l'ensemble ($m$) comme un paramètre fixe plutôt que dynamiquement émergent, suppose une représentation simplifiée des alternatives (ignorant les attributs multidimensionnels) et ne distingue pas actuellement les environnements physiques des environnements en ligne. Ils présentent le modèle comme un point de départ parcimonieux pour comprendre la prise de décision dans des environnements dotés d'alternatives abondantes.