相关实验视频
Updated: Jan 8, 2026

The HoneyComb Paradigm for Research on Collective Human Behavior
Published on: January 19, 2019
促进集体情报的个人激励措施
Guocheng Wang1,2, Qi Su3,4, Long Wang1
1Center for Systems and Control, College of Engineering, Peking University, Beijing 100871, China.
集体智能通过社会学习在群体中出现,即使没有中央控制. 奖励减少集体错误的个人 (改革者) 比奖励准确的个人 (专家) 更有效,因为他们促进了群体解决问题.
科学领域:
- 计算社会科学 计算社会科学
- 行为经济学是一种行为经济学.
- 进化游戏理论 进化游戏理论
背景情况:
- 集体智能,即群体的表现优于个体,在自然界中可以观察到,但不完全通过需要中央控制的算法来解释.
- 通过模仿进行的社会学习通常会减少多样性,并阻碍自然人群中的集体智力.
- 现有的模型很难解释在缺乏复杂的中央计划的系统中集体智能的演变.
研究的目的:
- 研究如何通过社会学习在没有中央控制的情况下在自然人群中出现集体智能.
- 提出和分析促进集体智力的新型奖励结构.
- 为了比较不同奖励机制在促进小组解决问题的有效性.
主要方法:
- 一个预测任务模拟,个人观察一个连续结果的一个因素.
- 开发两个奖励结构:一个用于个人准确性 (专家) 和一个用于减少集体错误 (改革者).
- 数学分析以证明这些奖励计划下的集体智力和多样性的出现.
主要成果:
- 专家和改革者奖励结构都能证明保持多样性并建立集体智能.
- 基于集体错误 (改革者) 的奖励在各种问题设置中比基于个人准确性 (专家) 的奖励更强大.
- 识别和奖励改革者比识别专家更有效地促进集体智能.
结论:
- 集体智能可以通过通过适当的奖励结构引导的社会学习在自然人群中演变.
- 关注集体利益,而不是个人准确性的奖励机制,对于培养强有力的小组解决问题来说是优越的.
- 这些发现提供了对设计系统的见解,这些系统可以在复杂的预测任务中增强组别性能.
更多相关视频
06:18The Collective Trust Game: An Online Group Adaptation of the Trust Game Based on the HoneyComb Paradigm
Published on: October 20, 2022
10:26Problem-Solving Before Instruction PS-I: A Protocol for Assessment and Intervention in Students with Different Abilities
Published on: September 11, 2021
相关概念视频
Impact of Individuals on a Group
Incentive Theory: Pull Theory of Motivation
The theory differentiates between...
Social Loafing
Intelligence
Environmental Influences on Intelligence
Social Proof