知道自己的心理偏差，为什么通常还不足以改变它？

证据状态：有条件支持 去偏差教育平均能小幅改善实验测量，2025 年系统综述与元分析提供支持；效果在偏差类型和教学形式间差异较大，迁移到新情境及长期行为的证据有限。了解术语可能有帮助，却不等于在真实时刻识别和改正。本文为第 0.1 版研究稿。

《日常心理是怎样形成的》· 第一季“我们为什么会这样想？”· 第 12 篇

一个人读过锚定效应，知道最先看到的数字会影响后续估计。买房谈价时，他仍从卖方报价开始调整。另一个人能解释确认偏差，却在搜索资料时只打开支持自己判断的页面。事后指出偏差很容易；在偏差正在形成决定的时刻，情况完全不同。

心理学知识因此遇到一个令人不舒服的问题：如果我们已经能给错误命名，为什么错误还会发生？一种悲观回答认为偏差无法改变。另一种乐观回答把阅读一张清单当作理性升级。现有研究位于两者之间——训练可以产生改进，但平均效果不大、差异明显，转移到新任务尤其困难。

关键不只在于知道更多，而在于知识是否能进入判断发生的结构。

认识一个定义并不等于识别一次事件

“锚定”在书上有清楚例子：先给一个无关数字，再让参与者估计某个数值。真实谈判中的起点却可能同时包含市场信息、策略信号和权力。判断者要先发现自己正在受起点影响，然后区分合理信息与不合理牵引，最后找到更好的估计方法。

这个过程至少需要触发、诊断和替代。触发是意识到现在需要检查；诊断是判断哪种偏差可能在起作用；替代则要有可执行的方法。只记得术语，没有任何一项自动完成。

后见之明尤其说明困难。知道结果以后，先前的不确定性已经在记忆中被重建。一个人可以熟练说出“这是后见偏差”，却无法仅靠意志恢复当时没有记录的概率。需要事前预测、时间戳或独立记录，才能把被改写的过去重新约束起来。

许多偏差也不是简单错误按钮。启发式在某些环境中节省时间并表现良好。要减少偏差，先得知道何时捷径与任务结构失配，而不是要求人永远不用直觉。

去偏差训练实际有多大效果

2025 年《Nature Human Behaviour》发表一项针对学生群体教育干预的系统综述与元分析。研究者筛选随机对照研究，最终纳入 54 项研究、总样本 10,941 人，其中 41 项进入元分析。与控制条件相比，去偏差教学对减少测量中的偏差产生小幅正效应，Hedges’ g 为 0.26，95% 置信区间为 0.14 至 0.39。

平均数字不是普遍保证。研究间异质性很高；不同偏差显著调节结果。混合偏差测量和过度自信出现较清楚改善，锚定、代表性等单项结果在相应分析中并不显著。教育游戏的平均效果较大，但研究数量少，形式本身也不能保证成功。

综述还指出，纳入研究均存在不明确或较高的偏倚风险，漏斗图提示可能有发表偏差。许多研究测量学生是否在类似测试中进步，而不是数月后是否作出更好的医疗、职业或财务决定。知识从训练任务迁移到不同情境，是目前最重要的限制之一。

因此，“培训无效”不符合综合结果；“教过偏差就能纠正”同样不符合。

为什么我们更容易看见别人的偏差

偏差盲点研究发现，人倾向于承认一般人会受偏差影响，却认为自己相对客观。我们可以观察别人的结论和动机，看不到对方完整思考过程；对自己则能感受到理由，于是把这种可接近性当成无偏证据。

内省并不能直接显示某个初始数字影响了多少，熟悉感贡献了多少，或一个分类怎样改变注意。许多过程没有以“我现在施加了偏差”的形式进入意识。努力保持公正是有价值的动机，却不能测量自己的实际误差。

术语还可能成为攻击语言。“你只是确认偏差”经常用来结束争论，而非检查证据。对方选择了支持材料，不等于其结论必错；提出偏差的人也可能只注意到对方的选择。一个心理机制的名称不能代替事实论证。

什么比单纯提醒更有效

研究和实践共同指向一条原则：在偏差可能出现之前改变任务，通常比事后要求自我纠正更可靠。

需要估计数值时，先独立形成基准，再接触他人的数字。团队讨论中，让成员分别记录判断和理由，随后比较，可以减少最先发言者塑造所有人的起点。重大预测应保存概率和条件，结果出现后再回读。

考虑替代解释也要具体。“想想反面”若只是口号，很容易快速完成。可以要求写出最可能使当前结论错误的证据，指定一名成员寻找反例，或用预先商定的标准评价双方资料。对于重复流程，检查表、结构化字段和强制暂停能把提醒放在需要它的时刻。

反馈不可缺少。人若不知道自己的判断怎样偏离结果，就无法校准。反馈还必须及时、可解释，并与可控行动相连。某些领域的结果噪声很大或多年后才出现，直觉难以仅靠经验变准；这时统计记录和外部审计更重要。

Morewedge 等人 2015 年的实验显示，教学视频和严肃游戏可以在实验任务中降低若干偏差，部分效果延续数周。它们不只给定义，还让参与者练习、获得反馈，并在不同例子中识别。后来的综合证据提醒我们，这种成功不能自动外推，但它说明训练设计为何比阅读清单更有希望。

个人修正为什么还需要制度

招聘、医疗、信贷和公共政策中的偏差不会只存在于一个人脑内。数据选择、流程顺序、绩效目标和申诉机制决定哪些判断得到放大。要求员工参加一次“无意识偏差培训”，若组织仍奖励速度、没有记录理由，也不检查群体结果，知识很难改变结构。

制度性方法并非自动正确。结构化评分可能把旧偏差固定进标准，算法可能从历史数据学习不公平。它们的优势在于过程可以被记录、比较和审计；前提是有人检查测量是否有效，并允许受影响者纠正资料和挑战结果。

个体仍有责任，但责任形式发生变化。理性不只是努力让头脑变得中立，还包括主动选择能暴露错误的程序：让别人独立检查，保存决定前的信息，为反对意见留位置，并在结果出来后更新方法。

AI 会帮助去偏差，还是复制偏差

AI 可以提示遗漏的选项、生成反方论证、把非结构化资料整理成相同字段。它也会顺从提问方式，把用户的前提写得更流畅，或制造看似全面的虚假平衡。让模型“检查我的偏差”没有独立事实来源时，可能只得到另一段有说服力的语言。

更好的用法是赋予可验证任务：列出当前结论依赖的假设，指出哪些需要外部数据；用同一标准比较方案；区分已知、推断和未知。模型输出随后仍需核实。AI 可以成为程序中的一个异议生成器，不能成为无偏的最终观察者。

此外，系统自己也需要校准、审计和申诉。把人的判断替换成不透明评分，不是去偏差，只是改变了偏差可能出现的位置。

第一季最后留下的判断

知道偏差为什么通常不够？因为术语存在于记忆中，而偏差发生在特定时刻的注意、任务顺序、动机、数据与社会关系中。知识若没有触发条件、替代步骤和反馈，就很难进入那一刻。即使进入，也未必适合所有偏差和场景。

这并不使心理学知识失去价值。了解效应帮助我们识别风险，训练可以产生小幅但真实的平均改善。更成熟的目标不是成为一个“没有偏差的人”，而是建立一种能够让错误被看见、被挑战和被修正的判断方式。

本季十二篇从舌尖状态、后见之明、体验记忆写到 AI、情绪和去偏差。它们共同显示，心理现象不是藏在个人内部、等待一个标签发现的东西。记忆受提取和记录影响，判断借用环境线索，情绪在身体与意义中形成，人与工具共同承担认知任务。心理知识真正有用的时刻，不是我们能说出一个著名效应，而是它帮助我们重新安排下一次判断怎样发生。

主要研究资料

• Swaryandini, G. et al. (2025), “Systematic review and meta-analysis of educational approaches to reduce cognitive biases among students”.
• Morewedge, C. K. et al. (2015), “Debiasing Decisions: Improved Decision Making With a Single Training Intervention”.
• Pronin, E., Lin, D. Y., & Ross, L. (2002), “The Bias Blind Spot: Perceptions of Bias in Self Versus Others”.
• Larrick, R. P. (2004), “Debiasing”.
• Korteling, J. E. H., Gerritsma, J. Y. J., & Toet, A. (2021), “Retention and Transfer of Cognitive Bias Mitigation Interventions”.
• Milkman, K. L., Chugh, D., & Bazerman, M. H. (2009), “How Can Decision Making Be Improved?”.

系列导航：《日常心理是怎样形成的》第一季总览