黄致焕-Eliciting Thinking Hierarchy without a Prior

当我们利用群众的智慧时，我们通常根据答案的受欢迎程度进行排名，尤其是当我们无法验证正确答案时。但是，当大多数人犯系统性错误时，这可能非常危险。因此，我们提出一个问题：能否在没有任何先验的情况下给这些答案一个等级，使得高等级的答案来自于更专业的人，而不是更多的人？为了解决这个问题，我们提出 1) 一种描述人们思维层次的新模型； 2) 两种在没有先验的情况下学习思考等级的算法； 3）基于上述理论框架的一种新颖的众包方法。除了理论论证，我们进行了四项实验，结果表明：a）我们的方法学习到的排名第一的答案的准确率高于多数投票（在一个问题中，多数答案得到了 74 名被试的支持）但正确答案只有 3 位被试支持。我们的方法将正确答案排在首位，没有任何先验）； b）我们的模型具有很高的拟合优度，特别是对于我们的顶级答案正确的问题。