原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，多年来，试图理解人类如何基于过往经验做出选择的科学家们，就像是在彼此隔离的房间里工作的侦探。每位侦探都拥有一堆线索（数据），但这些线索用不同的语言书写，记录在不同的笔记本中，并以令人困惑的方式组织。正因如此，几乎不可能将一位侦探的发现与另一位进行比较，以看清全局。
本文介绍了一个名为DfE-DB（经验决策数据库）的全新大型工具，它就像是为所有这些分散的线索提供的一座巨型通用翻译器和档案柜。
以下是他们所做工作的简要分解：
1. 大清理
研究人员收集了来自168 项不同研究中近12,000 人做出的惊人的380 万次个人决策。此前，这些数据杂乱无章且支离破碎。研究团队将所有这些原始、未整理的信息片段进行了“协调统一”。这就像是从不同的盒子里取出成千上万个不同的拼图，将每一块碎片都分类整理，然后放入一个巨大的、有组织的盒子中，使每一块碎片都能完美契合。
2. 通用地图
他们并非简单地将数据堆砌其中，而是绘制了一张详细的地图。他们根据13 项具体的设计特征对每项研究进行了分类。想象一下，如果你试图理解人们为何选择不同的冰淇淋口味。你不仅会关注口味本身，还会记录房间的温度、勺子的颜色，以及此人是否饥饿。DfE-DB 对决策研究正是这样做的，它为每项实验打上标签，注明诸如：
- 参与者是否获得了即时反馈？
- 结果是可预测的还是随机的？
- 游戏规则是保持不变还是发生了变化？
3. 他们的发现
一旦拥有了这张统一的地图，他们终于能够看到此前隐藏的规律。他们发现，人们的选择方式——是倾向于冒险、求稳，还是追求平均结果——会根据“游戏规则”（即设计特征）发生剧烈变化。
例如，任务的设置方式（例如是立即告知结果还是需要等待）会强烈影响一个人是表现得大胆还是谨慎。该数据库表明，这些具体的设计特征解释了不同研究之间观察到的巨大差异。这就像意识到，人们在不同的实验中表现不同，并非因为人类本身不一致，而是因为他们所玩的“游戏”存在微妙但强大的差异。
4. 成果
本文的主要目标是为科学提供一个统一的、开放获取的基础。通过为研究人员提供一个单一、可靠的数据比较场所，它使他们能够检验在一项研究中发现的人类行为规则是否在另一项研究中同样成立。它将一系列混乱的孤立实验，转化为关于人类如何从经验中学习的连贯、整合的科学。
简而言之，这篇论文不仅仅建立了一个更大的图书馆；它构建了一个系统，让我们能够同时阅读该图书馆中的所有书籍，从而理解人类决策的全貌。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。