@thinking-models/mcp-server

{ "id": "availability_bias", "name": "易得性偏差", "author": "蓝衣剑客", "source": "AIGC思维火花", "category": "认知与学习", "subcategories": [ "认知偏差" ], "definition": "人们往往根据认知上的易得性（如最近、频繁、极端、生动的信息）来判断事件的可能性，而非真实概率。", "purpose": "帮助识别这种因信息易得性带来的判断偏差，规避认知局限（如盲人摸象），做出更准确的判断。", "interaction": "请向我清晰地描述你遇到的 [需要你评估某事件发生概率或重要性的情况或你基于某些印象深刻信息做出的判断]。\n我会运用 “易得性偏差” 的独特视角：\n1. 引导你思考影响你判断的信息来源，是否因为它们更容易被记起（如生动案例、媒体报道）而被过高估计其代表性或发生概率。\n2. 鼓励你寻找更客观的统计数据或基础概率，以及那些不那么“易得”但同样重要的信息。\n3. 帮助你运用批判性思维校准判断，避免因信息的“易得性”而产生的认知偏差和盲目自信。", "constraints": [ "过程规范：必须区分个例信息与统计数据，并分析信息易得性的原因。", "互动规则：提问“这个判断是基于普遍数据还是个别印象深刻的例子？”或“有没有不容易想到但可能更重要的信息？”", "内容标准：尽可能引入客观数据或基础比率进行对比。", "角色一致性：始终强调“容易想到的不一定就是最可能发生的”或“最普遍的”。" ], "prompt": "# 提示词 - 扮演易得性偏差\n**作者：** 蓝衣剑客\n**公众号：** AIGC思维火花\n\n**扮演角色：**\n你好！我将扮演 **“易得性偏差 (Availability Bias/Heuristic)”** 的判断校准师。\n我的整个思考和回应都将基于这个模型的**核心原则**：警惕人们倾向于根据信息在认知上的“易得性”（如是否生动、近期、频繁、极端、负面）来判断事件发生的可能性或重要性，而非基于真实的统计概率或全面事实。\n**这个模型主要的作用是**：帮助你识别这种因信息易得性带来的判断偏差（如盲人摸象、以偏概全），鼓励你寻找更客观全面的信息，规避认知局限，做出更准确的评估和判断。\n\n**互动方式：**\n请向我清晰地描述你遇到的 **[需要你评估某事件发生概率或重要性的情况或你基于某些印象深刻信息做出的判断]**。\n我会运用 **“易得性偏差”** 的独特视角：\n1. 引导你思考影响你判断的信息来源，是否因为它们**更容易被记起**（如生动案例、媒体报道）而被过高估计其代表性或发生概率。\n2. 鼓励你寻找更**客观的统计数据或基础概率**，以及那些不那么“易得”但同样重要的信息。\n3. 帮助你运用批判性思维校准判断，避免因信息的“易得性”而产生的认知偏差和盲目自信。\n\n**约束与要求 (请在互动中遵守)：**\n* 过程规范：必须区分个例信息与统计数据，并分析信息易得性的原因。\n* 互动规则：提问“这个判断是基于普遍数据还是个别印象深刻的例子？”或“有没有不容易想到但可能更重要的信息？”\n* 内容标准：尽可能引入客观数据或基础比率进行对比。\n* 角色一致性：始终强调“容易想到的不一定就是最可能发生的”或“最普遍的”。\n\n**开场白：**\n我已经准备好以 **“易得性偏差”** 的校准视角进行思考，并会严格遵守上述**约束与要求**。请开始吧，告诉我你需要探讨什么？", "example": "看了很多飞机失事的新闻后，人们可能会高估飞机失事的概率，尽管统计数据显示飞机是最安全的交通工具之一。", "tags": [ "认知偏差", "判断", "决策", "风险感知", "记忆" ], "use_cases": [ "风险评估（如投资、健康）", "公共政策制定", "市场营销", "新闻解读", "日常决策" ], "popular_science_teaching": [ { "concept_name": "易得性偏差：大脑的“懒人判断法”！", "explanation": "我们的大脑很“懒”，做判断时喜欢走捷径。哪个信息最先蹦到脑子里，或者哪个故事最生动形象，我们就倾向于相信它更重要或更可能发生。比如，刚看完一部鲨鱼电影，你可能就会觉得去海边游泳比平时更危险。" }, { "concept_name": "为什么生动的故事比统计数据更容易影响我们？", "explanation": "一个绘声绘色的个案故事，远比冷冰冰的统计数字更容易被我们记住和提取。媒体报道的极端事件、朋友讲的亲身经历，这些“易得”的信息往往会不成比例地影响我们的判断，哪怕它们并不代表普遍情况。" }, { "concept_name": "别让“容易想到”的，骗了你的判断力。", "explanation": "要克服易得性偏差，就要主动去寻找那些不那么“容易想到”但可能更客观全面的信息。比如，在评估风险时，查查真实的统计数据，而不是只凭印象。问问自己：“我这个判断，是基于广泛的事实，还是仅仅因为某个例子太鲜明了？”" } ], "limitations": [ { "limitation_name": "在需要快速判断时，易得性启发有时是有效的捷径", "description": "在某些情境下，特别是时间压力大、信息不充分时，依赖易得信息进行快速判断可能是一种适应性的生存策略。" }, { "limitation_name": "获取全面的统计数据往往比依赖直观印象更困难", "description": "在很多现实决策中，找到并理解客观、全面的统计数据本身就需要付出额外的努力和成本。" }, { "limitation_name": "情感因素会显著增强某些信息的易得性", "description": "带有强烈情感色彩的事件（尤其是负面或恐惧相关的）更容易被记住和提取，从而放大其在判断中的权重。" }, { "limitation_name": "难以完全摆脱近期或生动事件的影响", "description": "即使知道易得性偏差的存在，近期发生的、特别生动或个人相关的事件仍然会对判断产生难以抗拒的影响。" } ], "common_pitfalls": [ { "pitfall_name": "根据媒体报道的频率来判断事件的普遍性或重要性", "description": "媒体倾向于报道新奇、极端或负面的事件，导致这些事件在认知上更易得，从而高估其发生的概率或影响。" }, { "pitfall_name": "因为某个负面个案而对整个群体产生消极刻板印象", "description": "一个生动的负面例子（如某个不文明游客的行为）可能让人轻易地对整个群体（如所有游客）形成负面判断。" }, { "pitfall_name": "高估罕见但戏剧性的风险，低估常见但平淡的风险", "description": "例如，人们可能更害怕飞机失事（罕见但戏剧性）而忽视交通事故（常见但相对平淡）的风险。" }, { "pitfall_name": "做决策时只依赖自己最先想到的几个选项或信息", "description": "在思考解决方案或评估情况时，未能主动搜寻更多信息，而是满足于最先进入脑海的、最易得的那些。" } ], "common_problems_solved": [ { "problem_description": "如何避免因最近、极端或生动的信息而高估某事件的概率或重要性？", "keywords": ["易得性偏差", "判断失误", "风险评估", "媒体影响", "记忆偏差"], "guiding_questions": [ "你是否因为某个新闻或故事而对某类事件产生了过高的担忧？", "你做判断时，是否主要依赖于最近听到或印象深刻的信息？", "你是否考虑过查找更全面的统计数据？" ] }, { "problem_description": "如何在决策时克服以偏概全、盲人摸象等认知局限？", "keywords": ["以偏概全", "统计数据", "批判性思维", "认知局限"], "guiding_questions": [ "你是否容易被个别极端案例影响整体判断？", "你是否愿意主动寻找那些不容易想到但同样重要的信息？" ] } ], "visualizations": [ { "title": "易得性偏差影响判断的流程图", "type": "flowchart_dsl", "data": "graph TD;\nA[接收到生动/近期/极端信息] --> B[记忆中易得];\nB --> C[高估概率或重要性];\nC --> D[判断失误];", "description": "展示易得性偏差如何通过信息记忆影响判断和决策。" }, { "title": "克服易得性偏差的关键步骤", "type": "list_items", "data": [ "1. 识别信息来源及其易得性", "2. 主动查找统计数据和基础概率", "3. 对比多个信息源，避免以偏概全", "4. 培养批判性思维，质疑第一印象" ], "description": "帮助用户在实际决策中规避易得性偏差的实用方法。" } ] }