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

Resumo Técnico: Informação, Entropia e o Paradoxo da Escolha

Definição do Problema
O artigo aborda o "paradoxo da escolha" ou "sobrecarga de escolha", um fenômeno onde uma abundância de alternativas leva a uma diminuição na satisfação com a tomada de decisão, em vez de um aumento na utilidade. Embora evidências comportamentais demonstrem consistentemente uma relação em forma de U invertido entre o tamanho do conjunto de escolhas e a satisfação (onde a satisfação atinge o pico em um número intermediário de opções e declina à medida que as opções aumentam), estruturas quantitativas que liguem o processamento de informação a essa experiência subjetiva permanecem subdesenvolvidas. Os modelos existentes frequentemente dependem de trocas qualitativas entre benefícios e custos, mas carecem de uma base rigorosa da teoria da informação para explicar a dependência não monotônica genérica em relação ao tamanho do conjunto.

Metodologia
Os autores propõem um arcabouço teórico fundamentado na teoria da informação, utilizando especificamente a entropia de Shannon e a entropia relativa (divergência de Kullback-Leibler).

1. Modelo Teórico:

   • Representação de Preferência: As preferências individuais dentro de um conjunto de escolhas de tamanho $N$ são modeladas como uma distribuição de probabilidade $P = \{p_1, p_2, ..., p_N\}$, derivada de avaliações subjetivas via função softmax.
   • Estado de Linha de Base: Um estado de "indiferença" é definido onde todas as opções são equiprobáveis ($p_i = 1/N$), correspondendo à entropia de Shannon máxima ($H_{max} = \log_2 N$) e satisfação mínima.
   • Informação Efetiva ($I$): Os autores definem a satisfação da escolha como informação efetiva, quantificada como a entropia relativa entre a distribuição de escolha observada ($P'$) e a distribuição de indiferença de linha de base ($P$). Matematicamente, $I = H_{max} - H_{obs}$, onde $H_{obs}$ é a entropia observada das preferências do indivíduo.
   • Tamanho Ótimo do Conjunto ($m$): O modelo introduz um parâmetro de restrição cognitiva $m$, representando o número máximo de alternativas que um indivíduo pode avaliar efetivamente.
     • Para $N \leq m$: O indivíduo consegue discriminar entre as opções, levando a uma distribuição não uniforme onde $H_{obs} < H_{max}$. À medida que $N$ aumenta, $H_{max}$ cresce mais rápido que $H_{obs}$, fazendo com que $I$ (satisfação) aumente.
     • Para $N > m$: Limitações cognitivas impedem a avaliação completa. O modelo assume que as opções não processadas ($s = N - m$) recebem probabilidades iguais (escolhas perdidas), fazendo com que a distribuição se torne mais uniforme. Consequentemente, $H_{obs}$ aproxima-se de $H_{max}$, e a informação efetiva $I$ declina.
   • Simulação: O modelo foi implementado usando C++11 para simular distribuições de probabilidade e calcular a informação efetiva através de diferentes tamanhos de conjunto (parâmetros $m$ e parâmetros $a, b$ que regem a massa de probabilidade das escolhas perdidas).

2. Experimento Comportamental:

   • Participantes: 240 estudantes foram divididos em seis grupos ($N=4, 8, 12, 16, 20, 24$).
   • Tarefa: Participantes avaliaram canecas de cerâmica (variando em design/cor) em uma escala Likert de 7 pontos.
   • Medições:
     • Levantamento 1: As avaliações foram transformadas em probabilidades de escolha para computar as entradas do modelo.
     • Levantamento 2: Quatro itens de escala Likert mediram a abundância percebida, sobrecarga, confusão e satisfação de escolha (especificamente: "Se eu fosse comprar uma caneca, eu teria escolhido minha primeira prioridade").
   • Análise: Comparações estatísticas (ANOVA, testes t) foram realizadas nos dados de levantamento.

Principais Contribuições

• Métrica Quantitativa para Satisfação: O artigo introduz a informação efetiva (a redução da incerteza em relação a uma linha de base de indiferença) como uma métrica robusta e quantitativa para a satisfação de escolha.
• Explicação Mecanística: Fornece uma derivação fundamentada da relação em forma de U invertido. O modelo demonstra que a satisfação é não monotônica porque é um equilíbrio entre o benefício informacional de ter mais opções (aumentando $H_{max}$) e o custo cognitivo de processá-las (aumentando $H_{obs}$ em direção a $H_{max}$ devido às escolhas perdidas).
• Validação Empírica: O estudo valida o arcabouço teórico contra dados comportamentais, mostrando que a informação efetiva derivada das avaliações dos participantes corresponde estreitamente ao padrão observado de U invertido da satisfação subjetiva.

Resultos

• Achados Experimentais:
  • A abundância percebida, a sobrecarga e a confusão aumentaram monotonicamente com o tamanho do conjunto de escolhas.
  • A satisfação de escolha exibiu uma dependência significativa em forma de U invertido em relação ao tamanho do conjunto ($F(5, 234) = 7,13, p < 0,001$). A satisfação foi significativamente maior em $N=12$ comparado tanto a $N=4$ quanto a $N=24$.
• Desempenho do Modelo:
  • O modelo reproduziu com sucesso a curva em forma de U invertido.
  • Um ajuste quadrático às previsões de informação efetiva do modelo resultou em um coeficiente de determinação $R^2 = 0,947$.
  • O modelo previu um pico de satisfação em $N^* \approx 13,39$, o que se alinha de perto com o pico experimental em $N=12$.
  • A análise confirmou que a estrutura das probabilidades de escolha (especificamente a tendência à uniformidade em conjuntos grandes devido a limites cognitivos) é o determinante chave da curva de satisfação.

Significância e Alegações
O artigo afirma oferecer um "relato teórico fundamentado" do paradoxo da escolha ao ligar a satisfação subjetiva diretamente à estrutura informacional das preferências.

• Valor Teórico: Move-se além de modelos de trocas qualitativas para fornecer um arcabouço matemático onde a satisfação é definida pela capacidade de diferenciar opções de um estado de indiferença.
• Generalização: O arcabouço é apresentado como um mecanismo geral aplicável a diversos domínios (de bens de consumo a decisões de vida), sugerindo que o formato de U invertido é uma tendência populacional decorrente de heterogeneidades nas restrições cognitivas.
• Implicação Prática: Os autores sugerem que os ambientes de decisão devem ser otimizados não maximizando a variedade, mas estruturando a informação para facilitar a comparação efetiva dentro da capacidade de processamento de um indivíduo.
• Modéstia: Os autores explicitamente reconhecem as limitações, observando que o modelo trata o tamanho ótimo do conjunto ($m$) como um parâmetro fixo em vez de algo que emerge dinamicamente, assume uma representação simplificada de alternativas (ignorando atributos multidimensionais) e não distingue atualmente entre ambientes físicos e online. Eles apresentam o modelo como um ponto de partida parcimonioso para compreender a tomada de decisão em ambientes com abundância de alternativas.