群组决策动态过程的建模和数据挖掘方法研究

Group decision making is the decision process accomplished by the collective participation of multiple members. Group decision making exists in a variety of fields such as strategic decision making, product development, situation judgment, medical diagnosis, and resource allocation. Members in a group often hold diverse opinions, knowledge and behavioral dispositions, making the dynamics of group decision making complex and variable. As a result, group decision making poses great challenges for researchers in the fields of decision and organization sciences. This study aims to combine analytic modeling and behavioral data mining to depict the dynamics of group decision making. First, we model and analyze the solution generating process, as well as verifying the benefits of value-focused brainstorming. Second, we specify the dynamics of conflicts in limited resource allocation tasks, aiming to capture the interaction between group conflicts and resource allocations. Finally, we investigate the information sharing behavior in hidden profile tasks, and test the hypotheses that time pressure and public threat would affect information processing in groups.

群组决策（或称群决策）是指由多个参与者共同完成的决策过程，广泛存在于战略制定、产品研发、情势研判、医疗诊断、资源分配等各个领域。群组决策中参与者的利益诉求、知识背景和行为倾向通常具有多样性，进而使多人决策的动态过程具有复杂多变的特点。本研究拟针对三类典型的群组决策问题，建立描述群组决策动态过程的数学模型，定义基于模型的群组和成员行为特征参数，提出能够用于模型验证和参数估计的群组行为数据挖掘方法，并研究行为特征参数与群组表现之间的关系。研究内容包括：群组决策中解决方案产生阶段动态过程的建模与分析，进一步研究价值聚焦的头脑风暴对解决方案产生过程和结果的作用；有限资源分配任务中冲突发生发展动态过程的建模与分析，进一步研究冲突与分配方案之间的动态关系；隐藏档案任务中信息选择和传递过程的建模与分析，进一步选取特定的决策场景（如应急决策），研究环境因素（如时间压力）对信息选择和传递过程的影响。

群组决策是指由多个参与者共同完成的决策过程，由于参与者的利益诉求、知识背景和行为倾向具有多样性，群组决策的动态过程通常具有复杂多变的特点。本研究采用数据驱动和模型分析结合的研究范式，面向三类典型的群组决策场景开展研究。建立描述群组决策动态过程的数学模型，定义基于模型的群组和个体行为特征参数，设计参数估计算法。通过自然决策条件下或受控实验环境中的行为数据验证模型的有效性，并分析行为特征参数与群组表现之间的关系。具体而言，针对群组头脑风暴的想法生成过程，建立多维Hawkes过程模型，通过行为参数估计衡量各成员的投入度、话题敏感度和生产力阻塞程度，并分析群组构成对生产力阻塞的影响。针对公共资金分配的社会考量过程，建立话题激活与选择的随机过程模型，估计各成员的参与度、信息利用程度和利他水平，并分析个体行为参数对决策质量的影响。针对多专家多问题的分位数预测任务，提出考虑专家行为特征和问题特征的信息处理模型，分离主观概率判断中的抽样误差和认知误差，并根据专家行为特征聚类大幅减少所需专家的数量。同时，理解公众在社群中的风险决策行为有助于公共部门在制定政策时量化地预测公众的反应。本研究基于公众的社交行为建模，建立博弈论和马尔可夫决策过程模型，分析公共部门在应对自然灾害时的最优补贴策略，以及在公共卫生应急事件中的风险沟通策略。作为基础性支撑，本研究还针对公众的自然灾害风险感知、不确定时限下的风险偏好设计行为实验，建立和验证能够刻画启发式策略和认知偏差的行为模型。总结风险决策中人的认知偏差，分析人与人工智能在风险决策场景下应对不确定性时的互补性，综述人机协同风险决策研究的挑战与未来研究路径。本研究聚焦人的认知决策行为的解析化建模，充分利用自然决策的海量行为数据和受控行为实验的背景环境可操控性，挖掘兼具解释性和预测准确性的决策行为模型，研究方法具有创新性，在公共政策、应急管理、人才测评等领域的应用前景广阔。