Mundo

Tener mucha información no ayuda a tomar una decisión, según un estudio

Cada día la gente toma decisiones a todas horas sobre temas complejos, como la salud o las finanzas personales; o simples, sobre qué comer o cómo ir a un determinado sitio. A la hora de preguntarse por las alternativas para tomar una decisión, sobre todo cuando es una decisión difícil, el primer instinto suele ser reunir la mayor cantidad de información posible.

MADRID, 8 (EUROPA PRESS)

Lo cierto es que tomamos muchas decisiones sobre temas que podemos no comprender del todo. Algunas decisiones, como qué desayunar, pueden tener consecuencias a corto plazo (que se acumulan con el tiempo), mientras que otras, como qué casa comprar, pueden afectar nuestras vidas en las próximas décadas. Para evitar equivocarnos buscamos información activamente, el problema es que puede no ser la mejor solución.

Precisamente, una investigación publicada la semana pasada en 'Cognitive Research: Principles and Implication', muestra que la toma de decisiones de la mayoría de las personas en realidad empeora, no mejora, cuando se les brindan datos y detalles adicionales.

"Es contradictorio, porque a todos nos gusta pensar que usamos la información sabiamente para tomar decisiones inteligentes", afirma la profesora de la Cátedra Farber y autora principal del artículo, Samantha Kleinberg, quien afirma que "la realidad es que cuando se trata de información, más no es necesariamente mejor".

Para estudiar cómo las personas toman decisiones, los investigadores suelen crear diagramas simples (o modelos causales) que muestran cómo los diferentes factores interactúan lógicamente entre sí para producir resultados específicos. Cuando se trata de describir escenarios hipotéticos abstractos, como cómo los extraterrestres se enfrentan en una fiesta de baile, la mayoría de las personas pueden razonar eficazmente sobre tales modelos porque no tienen prejuicios ni ideas preconcebidas sobre los bailes extraterrestres. En este caso, las personas toman buenas decisiones porque se concentran en la información que reciben.

Pero el trabajo de Kleinberg muestra que cuando se trata de escenarios cotidianos, como descubrir cómo tomar decisiones saludables en torno a la nutrición, por ejemplo, la capacidad de las personas para razonar de manera efectiva prácticamente se evapora. "Creemos que el conocimiento y las creencias previas de las personas las distraen del modelo causal que tienen delante", señala Kleinberg.

"Si estoy razonando sobre qué comer, por ejemplo, es posible que tenga todo tipo de ideas preconcebidas sobre las mejores cosas para comer, y eso hace que sea más difícil utilizar eficazmente la información que se me presenta", afirma.

EL PROBLEMA ES QUE MUCHA INFORMACIÓN DISTRAE

Simplificando mucho la razón por la que demasiada información no suele llevarte a tomar buenas decisiones es que distrae. Para verificar esa hipótesis y aprovechar su estudio de 2020, Kleinberg y el coautor Jessecae Marsh, psicólogo cognitivo de la Universidad de Lehigh, llevaron a cabo una serie de experimentos que exploran cómo varía la toma de decisiones de las personas cuando se les presentan diferentes tipos de modelos causales. Una amplia gama de temas de la vida real, desde comprar una casa y controlar el peso corporal hasta elegir una universidad y aumentar la participación electoral.

Rápidamente se hizo evidente que la gente sabe cómo utilizar modelos causales, pero incluso un modelo muy simple rápidamente se vuelve prácticamente inútil cuando se añade a la mezcla un pequeño detalle adicional, más allá de la información estrictamente necesaria para tomar una buena decisión. Es decir que, cuando la decisión es simple, aunque la respuesta sea clara, si le añadimos una pequeña información más de la necesaria, la decisión puede ser fallida.

"Lo que es realmente notable es que incluso una pequeña cantidad de información excedente tiene un gran efecto negativo en nuestra toma de decisiones. Si obtienes demasiada información, tu toma de decisiones rápidamente se vuelve tan mala como si no hubieras recibido ninguna información", afirma al respecto la investigadora.

Si un modelo causal muestra que comer alimentos salados aumenta la presión arterial, pero también muestra información extraña como, por ejemplo, que beber agua reduce la sed, resulta mucho más difícil para las personas tomar decisiones efectivas sobre la mejor manera de mantener su salud. Sin embargo, cuando el equipo de Kleinberg destacó la información causal más destacada para tomar una decisión, la capacidad de las personas para tomar buenas decisiones regresa rápidamente.

"Eso es significativo porque muestra que el problema no es sólo que las personas están abrumadas por la enorme cantidad de información, sino que están luchando por determinar a qué partes del modelo deberían prestar atención", explica Kleinberg.

Este trabajo tiene implicaciones importantes en campos como la salud pública porque significa que los mensajes educativos deben reducirse a sus partes más esenciales y presentarse cuidadosamente para que tengan un impacto positivo. "Si le estás dando a la gente una larga lista de cosas a considerar cuando deciden si usar una mascarilla o hacerse una prueba de Covid-19, o qué comer o beber, entonces en realidad les estás haciendo más difícil tomar buenas decisiones", explica la investigadora.

Incluso cuando Kleinberg y Marsh dieron a los participantes la opción de recibir más o menos información, aquellos que pidieron más información tomaron peores decisiones que aquellos que pidieron menos. "Si se le da a la gente la oportunidad de pensar demasiado, incluso cuando piden información adicional las cosas van mal. La gente necesita modelos causales simples y cuidadosamente específicos para poder tomar buenas decisiones", explican en su investigación.

Este enfoque para ayudar en la toma de decisiones podría ser utilizar chatbots de IA para adaptar la información de salud o los consejos nutricionales a las personas caso por caso, esencialmente alimentando un modelo causal complejo en el modelo de IA, y permitiéndole detectar y resaltar solo los factores información específica que es más relevante para un individuo en particular.

DV Player placeholder

Tags


Lo Último

Te recomendamos