论文部分内容阅读
决策学研究一直得到以美军为代表的西方军队的高度重视与大力支持，从Von Neumann的效用理论到H. Simon的有限理性模型和决策的人工智能研究，再到D. Kahnemann的前景理论研究等，无一例外地全部都是在美军的规划与资助下进行的，其主要研究目的和成果中自然包括为军方建立军用决策模型，以实现军事决策优化等部分，而这些决策科学家也常常都兼有军方顾问或是兰德公司等智库的研究人员等身份。然而，重视实效的美军发现，尽管这些研究在理论方面取得了很大的进展，但对于军事情境下的现实决策活动的实际指导意义却很有限。
在这种背景下，关注现实决策情境的自然主义决策研究作为一种新型研究范式开始兴起，其正式诞生的标志是1989年在美国俄亥俄州代顿市召开的由美国陆军行为与社会科学研究中心发起的一次决策学学术会议，会上30名来自不同领域的行为科学研究者发现在他们的决策研究中存在着一些大家所共同关注的主题，其一是强调以时间压力、不确定性、目标不明、高个体投入和其他种种复杂性为特点的难以在实验室中复现的现实决策情境；第二点是重视对不同领域专家决策的研究，认为在专家与新手的决策之间存在值得研究的本质差异，尤其是在某些高风险的、重大的决策情境下；第三点是强调在现实决策中人们对所处决策情境的认识和评估比选择行动方案更为重要［1］。在这些共识的基础上，与会者们提出了自然决策的研究框架，随后由G. Klein, J. Orasanu, R. Calderwood等人在1993年编辑出版了专门著作［2］。其后自1994年至今，自然决策研究者们每两至三年在欧洲或美国召开一次大会。同时，自然决策研究的兴起也得到了美国心理学会（APA）、人因与人类工效学联合会（HFES）的支持，1995年成立的认知工程与决策技术组就是遵循自然决策研究路径诞生的研发分支，并已发展为HEFS联合会内成员最多、活动最活跃的组织之一。
一、自然主义范式的基本思想
在对于决策的认识和人的基本假设上，自然主义范式采取了与传统决策研究截然不同的观点，兼具H. Simon的有限理性与进化论决策范式的生态理性的特色。自然决策认为人们不是生成决策选项集并从中选择，而是运用图式（schema）或原型（prototype）等过去已有认知经验的某种综合形式，迅速对面临的情境做出判断，进行归类，而不同的归类带来相应的适当的行为过程。同时，自然决策范式认为作为决策主体的人类是活跃的有机体，在其不断地认识所处情境并生成行动的过程中，环境、自身以及过往经验因素都会纳入进来发挥作用。人的行为是持续的涌现性过程，在此过程中会出现错误、纠错以及学习，而最优化行为在人类行为中并不占据主要地位。在自然主义视角下，人们基于经验之上的直觉、由认知所驱动的意向以及对个体变化情境的持续评估是构成人类行为过程的基础，而不是经典理性学说中妨害人类做出理性行为的绊脚石。这种观点实际上就是进化论范式的达尔文主义者关于有机体适应性行为的论调，在哲学上自然主义范式的源头来自前苏格拉底学派（pre-Socratics）①，同时也在近世的实用主义、批判理性主义、符号互动论和现象学的思想中吸取了大量营养。
二、自然主义范式的研究方法与关注对象
在方法论层面，由于自然主义范式关注现实中的决策活动和动态涌现的人类决策行为过程，因此其研究方法融合、应用了多种学科的研究方法与技术，包括心理学、社会学、人类学、工效学、神经科学、认知科学等，注重对决策过程的整体把握，而不仅仅是某些局部环节。相对于传统的决策研究范式，自然决策更加突出了质化研究的重要性，比如应用人类学的田野作业等方法深入研究不同特殊领域的专家决策过程与规律。在客观描述现实决策的质化研究基础上，再通过量化研究工具如计算机技术等提取模型。随着近年来神经生理学和脑科学的快速发展，自然主义决策研究者们在运用脑成像、神经递质等方面的技术去探究现实决策活动中人大脑活动规律方面也取得了许多成果。因此，现实决策情境下的跨学科研究路径是自然决策研究的核心模式。而对于实验室研究，自然决策研究者也并不排斥，前提是实验能够反映真实情境中的关键因素，结论的效度能够经受真实情境中的检验。
因此，自然决策的研究对象是具体决策情境和具有领域专业性质的人员的完整的决策活动，比如自然决策关注研究了消防指挥官、空中交通管制人员、海军舰长、陪审团成员、核电站操作人员、陆军小型单位领导、飞行员、外科医生、护士、高速公路工程师等，而不是过去那样在实验室或问卷中研究人在非现实决策情境下的表现。自然决策认为不同专业领域的决策必然受到其领域知识和专业情境等因素的极大影响，并使得研究者对人类决策的认识从过去的那种独立于领域（domain-independent）的通用性路径转到基于领域知识（knowledge-based）的路径上来［3］。领域专家能够又快又准确地进行决策，并不是他们掌握了什么决策论方法，而是因为他们在如何理解问题、使用什么策略、调用什么信息、对关键信息的记忆、对决策情境的表征等方面存在着异于非专家的特征。在领域决策问题面前，专家能够看出深层的原因，对问题有更复杂的认识。这是源于他们长期实践所得的知识与经验，其中涉及大量的程序记忆、内隐学习（implicit learning）以及默会知识（tacit knowledge）等，这些因素在传统决策研究很少得到关注，但却在现实决策中发挥着至关重要的作用。事实证明，与决策问题相关的领域知识以及经验在决策中起着举足轻重的作用。自然决策范式利用认知心理学的进展（如知识表征、认知脚本、图式、心理模型等）对领域专家与新手在决策中的区别进行了大量的研究，Klein就曾指出他的研究思路得益于Adrian de Groot以及Chase和Simon对象棋手认知过程的开创性研究。
在自然决策范式研究中，所关注的决策情境具有以下8个方面的特点（Orasanu & Connolly, 1993）：1）非结构化的决策问题（ill-structured problems），即决策问题本身不明确，决策者往往要做大量的工作才能搞清发生了什么，继而提出可能的处理方案；如何提问决定了如何思考，而且通常不存在唯一正确的方案。2）不确定的动态决策环境（uncertain dynamic environments），决策者获取的信息可能总是不完整甚至不正确的，决策的同时环境也在快速变化，而且如果信息是对手给出的，那么信息更加难以确认真伪。3）持续变化的、模糊的、矛盾的决策目标（shifting, ill-defined, or competing goals），决策所要达到的目标多种多样，不是所有决策情境的目标都是明确的，有时目标之间甚至是相互冲突的，在现实决策中这个问题可能将花费决策者大量精力。4）行动-反馈循环（action/feedback loops），实际的决策活动往往是系列的长期事件，一次决策将会带来后续决策，很少存在能够单次决策一劳永逸的情况，决策者需要总结错误的原因以纠正后面的行动。5）时间压力（time stress），决策需要在极短的时间内做出，决策者必须放弃周密推理的思维方式。6）高风险（high Stakes），风险源于决策后果的重大性以及难以预测性，决策失误甚至可能导致生命的损失。7）多人决策（multiple players），决策工作由多人团队共同完成，群体心理因素进一步增加了影响决策的复杂性因素，比如责任扩散、从众效应、群体极化等。8）组织目标与规范的影响（organizational goals and norms），决策发生在一个组织中，组织文化与规范等影响决策者的价值观、原则和目标［4］。尽管有时可能不会所有8个方面都达到最极端的水平，但正是这些特点共同构画出了自然决策所关注的决策情境。其他研究者也提出了另外一些自然决策说关注的情境特征，如决策复杂性、信息量、专家技能等（Cannon-Bowers et al., 1996）［5］。
三、自然主义范式的部分主要理论
迄今为止，自然决策范式已发展出多种决策模型和理论，比较著名的包括：
J. Rasmussen（1983）的认知控制模型（model of cognitive control）［6］，该模型发展了一种包含启发式捷径使用过程的决策梯（decision-ladder）概念，并区分了在此基础上运作的基于技能、基于规则、和基于知识（skill-/ rule-/knowledge-based）的决策行为。
K. R. Hammond等人（1987）的认知连续体理论（cognitive continuum theory）［7］，认为决策行为是一个从分析性加工到直觉性加工的连续体，具体的决策行为因其直觉性成分与分析性成分的多寡而不同，而诸如可获取的信息量和决策时间等条件将决定一个决策行为落在认知加工连续体上的位置，而这又将影响人们做决策是更多地依赖认知模板还是效用函数公式。
G. Klein（1989）的再认启动决策模型（recognition-primed decision model）［8］，其对决策过程的描述为：首先对决策的情境进行识别，看是否熟悉或者属于典型情况。情境识别使得决策者能够确定哪些决策目标是合理的，有哪些线索与之相关，可以预期到的结果，以及哪些行动可以发挥作用，进而实施行动，而不再进一步花费时间和精力细化优化。当情形复杂、不熟悉时，决策者通过情节建构（story building）与在头脑中形成情形和初始方案，并运用心理模拟（mind simulation）去模拟和预测实施决策方案的结果，从而得到决策结果评估。如果可行，决策会立即被实施，而不是再产生更多的方案并进行比较与择优。
Beach和Mitchell（1990）的决策映象理论（Image Theory）［9］，主要内容是决策者将备选方案与头脑中的理想映象进行比较，决定采纳或者拒绝该方案。决策者的映象包括三类：价值映象（value image）主要指决策者的原则，包括价值观、伦理道德、信念等；轨迹映象（trajectory image）代表决策者的目标；策略映象（strategic image）包括决策者的策略和预测、达到目标的途径，是决策者的计划集。
Cannon-Bowers和Salas等（1993）提出的团队决策中的共享心理模型理论（shared mental model，也译为共享心智模
型）［10］，认为共享的心理模型是自然群体决策的核心和关键，其主要内容是：团队成员形成对任务的共同理解，清楚谁应该负责什么，需要哪些信息。也就是说，在认知方面，每名成员都互相了解各自的特长，同时也了解任务要求与各自的分工协作。具备共享心理模型的团队能够更好地沟通协调，改善团队绩效。Cannon-Bowers认为共享心理模型不仅包括认知成分，还包括意动和情绪成分。他们以美国海军飞行团队为案例分析了专家团队决策过程，提出四种心理模型：设备模型（equipment model）、任务模型（task model）、团队交互模型（team interaction model）、团队模型（team model）。前面两种偏重于与任务有关的技术认知方面，后面两种则包含了团队过程中的行为和情感因素。在面临时间压力大和难以结构化的决策任务时，能否形成一致的心理模型是团队成功的关键。
Lipshitz和Strauss（1997）的RAWFS模型［11］，在大量以色列军事人员决策案例研究基础上确定了五种现实决策中军人的策略：简化（Reduction）、假设推理（Assumption-based reasoning）、权衡利弊（Weighing pros and cons）、先手预防（Forestalling）、压制（Suppression）。分析了这五种策略与“信息缺乏、理解不充分、决策方案模糊”三种不确定性来源类型之间的关系。当不确定性被认为是由于信息缺乏造成的，决策者更多地运用假设推理和预防策略；当不确定的来源是理解不充分时，决策者更多运用简化和预防策略；当不确定性来自决策方案模糊时，决策者更多地采用权衡和预防策略。RAWFS模型描述了决策者如何调整策略，以应对决策中不同的主观不确定性。
除了以上几种理论和模型之外，自然决策研究者们还发展了多种其他的决策模型，其中最具影响力的是再认启动决策模型、映象模型和共享心智模型理论。
军事诞生背景及其与生俱来的各种特点，使得自然决策范式非常适合用于研究军事情境下的决策活动，美军已经将自然决策的研究成果写入了其战场条令，比如美陆军指挥控制战场条令（FM 101-5）的最新版本中就已加入了关于直觉性决策的部分，这在很大的程度上是受到了再认启动决策模型的影响。Schmitt和Klein（1999）［12］在再认启动模型基础上发展的军队策划指南，在不降低决策质量的前提下减少了20%决策所需时间，已成为瑞典军队法定战术决策基本参照。另外，自然决策研究在决策能力及相关认知技能培训方面取得了很大进展。Canon-Bowers和Salas（1998）［13］以自然决策范式为美国海军开展了应激情境下战术决策（TADMUS, Tactical Decision Making Under Stress）项目的研究，并总结了包括应激免疫等在内的用于个人和小组的决策培训路径，之后他们又开发了许多实际应用于军队战术级单位的决策培训系统。在军事决策领域卓有成效的工作使得自然决策研究受到了军方前所未有的重视，1997年Zsambok统计了自1989年以来自然决策研究获得的美国国防部投资，粗略数字就达3500万美
元［14］。2001年，一个由自然决策研究的顶尖学者与一些支持自然决策研究的计算机科学家所组成的研究组织又获得了美陆军研究实验室价值高达6000万美元的合同。一向崇尚把钱花在刀刃上的美军对自然主义决策研究的青睐从另一个角度体现了这一研究范式在现实决策情境研究，尤其是军事决策、危机决策等研究领域中的适用性、有效性和优越性，值得我们更多地去关注和研究。
注释：
① 约公元前6世纪前半期至苏格拉底时期的希腊思想家统称为前苏格拉底学派。包括米利都学派、毕达戈拉斯学派、埃利亚学派、恩培多克勒、阿那克萨戈、德谟克利特等。他们的思想和学说都没有受过苏格拉底和柏拉图的影响。又因为他们绝大多数都致力于找到可以解释自然界的原则，故也被叫做自然哲学家。
参考文献：
［1］Lipshitz, R., Klein, G., Orasanu, J., & Salas, E. (2001). Focus article: Taking stock of naturalistic decision making. Journal of Behavioral Decision making, 14, 331-352
［2］Klein, G., Orasanu, J., Calderwood, R., and Zsambok, C.E. (1993) Decision Making in Action: Models and Methods. Ablex Publishing Co., Norwood, NJ.
［3］Klein, G. (2008). Naturalistic Decision Making. Human Factors, 50(3), 456-460.
［4］Orasanu, J., & Connolly, T. (1993). The reinvention of decision making. In G. A. Klein & J. Orasanu & R. Calderwood & C. E. Zsambok (Eds.), Decision making in action: Models and methods. Norwood, NJ: Ablex, 3-20.
［5］Cannon-Bowers, J. A., Salas, E., & Pruitt, J. S. (1996). Establishing the boundaries of a paradigm for decision-making research. Human Factors, 38(2), 193-205.
［6］Rasmussen, J. (1983). Skill, rules and knowledge: Signals, signs, and symbols, and other distinctions in human performance models. IEEE Transactions on Systems , Man and Cybernetics, SMC-13(3), 257-266.
［7］Hammond, K. R., et al. (1987). Direct comparison of the efficacy of intuitive and analytical cognition in expert judgment. Proceedings of IEEE Transactions on Systems , Man and Cybernetics, SMC-17, 753-770.
［8］Klein, G. A.(1989). Recognition-primed decisions. In W. B. Rouse (Ed.), Advances in man-machine systems research (5). Greenwich, CT: JAI Press, 47-92
［9］Beach, L. R., Mitchell, T. R. (1990). Image Theory: A Behavioral Theory of Decision Making in Organizations. Research in Organizational Behavior, 12, 1-41.
［10］Cannon-Bowers, J. A., Salas, E., Converse, S. (1993). Shared Mental Models in Expert Team Decision Making. IN Castellan N J, Hillsdale (Eds.), Individual and Group Decision Making. New Jersey: Lawrence Erlbaum Associates, 221-246.
［11］Lipshitz, R., Strauss, O. (1997). Coping with Uncertainty: A Naturalistic Decision- Making Analysis. Organizational Behavior and Human Decision Processes, 69(2), 149-163.
［12］Schmitt, J. F., & Klein, G. (1999). How we plan. Marine Corps Gazette, 83(10), 18-26
［13］Cannon-Bowers, J. A., & Salas, E. (1998). Making decisions under stress: Implications for individual and team training. Washington, DC: American Psychological Association.
［14］Zsambok, C. E. (1997). Naturalistic decision making: Where are we now? In C. Zsambok & G. Klein (Eds.), Naturalistic decision making. Mahwah, NJ: Lawrence Erlbaum Associates, 3-16.
在这种背景下，关注现实决策情境的自然主义决策研究作为一种新型研究范式开始兴起，其正式诞生的标志是1989年在美国俄亥俄州代顿市召开的由美国陆军行为与社会科学研究中心发起的一次决策学学术会议，会上30名来自不同领域的行为科学研究者发现在他们的决策研究中存在着一些大家所共同关注的主题，其一是强调以时间压力、不确定性、目标不明、高个体投入和其他种种复杂性为特点的难以在实验室中复现的现实决策情境；第二点是重视对不同领域专家决策的研究，认为在专家与新手的决策之间存在值得研究的本质差异，尤其是在某些高风险的、重大的决策情境下；第三点是强调在现实决策中人们对所处决策情境的认识和评估比选择行动方案更为重要［1］。在这些共识的基础上，与会者们提出了自然决策的研究框架，随后由G. Klein, J. Orasanu, R. Calderwood等人在1993年编辑出版了专门著作［2］。其后自1994年至今，自然决策研究者们每两至三年在欧洲或美国召开一次大会。同时，自然决策研究的兴起也得到了美国心理学会（APA）、人因与人类工效学联合会（HFES）的支持，1995年成立的认知工程与决策技术组就是遵循自然决策研究路径诞生的研发分支，并已发展为HEFS联合会内成员最多、活动最活跃的组织之一。
一、自然主义范式的基本思想
在对于决策的认识和人的基本假设上，自然主义范式采取了与传统决策研究截然不同的观点，兼具H. Simon的有限理性与进化论决策范式的生态理性的特色。自然决策认为人们不是生成决策选项集并从中选择，而是运用图式（schema）或原型（prototype）等过去已有认知经验的某种综合形式，迅速对面临的情境做出判断，进行归类，而不同的归类带来相应的适当的行为过程。同时，自然决策范式认为作为决策主体的人类是活跃的有机体，在其不断地认识所处情境并生成行动的过程中，环境、自身以及过往经验因素都会纳入进来发挥作用。人的行为是持续的涌现性过程，在此过程中会出现错误、纠错以及学习，而最优化行为在人类行为中并不占据主要地位。在自然主义视角下，人们基于经验之上的直觉、由认知所驱动的意向以及对个体变化情境的持续评估是构成人类行为过程的基础，而不是经典理性学说中妨害人类做出理性行为的绊脚石。这种观点实际上就是进化论范式的达尔文主义者关于有机体适应性行为的论调，在哲学上自然主义范式的源头来自前苏格拉底学派（pre-Socratics）①，同时也在近世的实用主义、批判理性主义、符号互动论和现象学的思想中吸取了大量营养。
二、自然主义范式的研究方法与关注对象
在方法论层面，由于自然主义范式关注现实中的决策活动和动态涌现的人类决策行为过程，因此其研究方法融合、应用了多种学科的研究方法与技术，包括心理学、社会学、人类学、工效学、神经科学、认知科学等，注重对决策过程的整体把握，而不仅仅是某些局部环节。相对于传统的决策研究范式，自然决策更加突出了质化研究的重要性，比如应用人类学的田野作业等方法深入研究不同特殊领域的专家决策过程与规律。在客观描述现实决策的质化研究基础上，再通过量化研究工具如计算机技术等提取模型。随着近年来神经生理学和脑科学的快速发展，自然主义决策研究者们在运用脑成像、神经递质等方面的技术去探究现实决策活动中人大脑活动规律方面也取得了许多成果。因此，现实决策情境下的跨学科研究路径是自然决策研究的核心模式。而对于实验室研究，自然决策研究者也并不排斥，前提是实验能够反映真实情境中的关键因素，结论的效度能够经受真实情境中的检验。
因此，自然决策的研究对象是具体决策情境和具有领域专业性质的人员的完整的决策活动，比如自然决策关注研究了消防指挥官、空中交通管制人员、海军舰长、陪审团成员、核电站操作人员、陆军小型单位领导、飞行员、外科医生、护士、高速公路工程师等，而不是过去那样在实验室或问卷中研究人在非现实决策情境下的表现。自然决策认为不同专业领域的决策必然受到其领域知识和专业情境等因素的极大影响，并使得研究者对人类决策的认识从过去的那种独立于领域（domain-independent）的通用性路径转到基于领域知识（knowledge-based）的路径上来［3］。领域专家能够又快又准确地进行决策，并不是他们掌握了什么决策论方法，而是因为他们在如何理解问题、使用什么策略、调用什么信息、对关键信息的记忆、对决策情境的表征等方面存在着异于非专家的特征。在领域决策问题面前，专家能够看出深层的原因，对问题有更复杂的认识。这是源于他们长期实践所得的知识与经验，其中涉及大量的程序记忆、内隐学习（implicit learning）以及默会知识（tacit knowledge）等，这些因素在传统决策研究很少得到关注，但却在现实决策中发挥着至关重要的作用。事实证明，与决策问题相关的领域知识以及经验在决策中起着举足轻重的作用。自然决策范式利用认知心理学的进展（如知识表征、认知脚本、图式、心理模型等）对领域专家与新手在决策中的区别进行了大量的研究，Klein就曾指出他的研究思路得益于Adrian de Groot以及Chase和Simon对象棋手认知过程的开创性研究。
在自然决策范式研究中，所关注的决策情境具有以下8个方面的特点（Orasanu & Connolly, 1993）：1）非结构化的决策问题（ill-structured problems），即决策问题本身不明确，决策者往往要做大量的工作才能搞清发生了什么，继而提出可能的处理方案；如何提问决定了如何思考，而且通常不存在唯一正确的方案。2）不确定的动态决策环境（uncertain dynamic environments），决策者获取的信息可能总是不完整甚至不正确的，决策的同时环境也在快速变化，而且如果信息是对手给出的，那么信息更加难以确认真伪。3）持续变化的、模糊的、矛盾的决策目标（shifting, ill-defined, or competing goals），决策所要达到的目标多种多样，不是所有决策情境的目标都是明确的，有时目标之间甚至是相互冲突的，在现实决策中这个问题可能将花费决策者大量精力。4）行动-反馈循环（action/feedback loops），实际的决策活动往往是系列的长期事件，一次决策将会带来后续决策，很少存在能够单次决策一劳永逸的情况，决策者需要总结错误的原因以纠正后面的行动。5）时间压力（time stress），决策需要在极短的时间内做出，决策者必须放弃周密推理的思维方式。6）高风险（high Stakes），风险源于决策后果的重大性以及难以预测性，决策失误甚至可能导致生命的损失。7）多人决策（multiple players），决策工作由多人团队共同完成，群体心理因素进一步增加了影响决策的复杂性因素，比如责任扩散、从众效应、群体极化等。8）组织目标与规范的影响（organizational goals and norms），决策发生在一个组织中，组织文化与规范等影响决策者的价值观、原则和目标［4］。尽管有时可能不会所有8个方面都达到最极端的水平，但正是这些特点共同构画出了自然决策所关注的决策情境。其他研究者也提出了另外一些自然决策说关注的情境特征，如决策复杂性、信息量、专家技能等（Cannon-Bowers et al., 1996）［5］。
三、自然主义范式的部分主要理论
迄今为止，自然决策范式已发展出多种决策模型和理论，比较著名的包括：
J. Rasmussen（1983）的认知控制模型（model of cognitive control）［6］，该模型发展了一种包含启发式捷径使用过程的决策梯（decision-ladder）概念，并区分了在此基础上运作的基于技能、基于规则、和基于知识（skill-/ rule-/knowledge-based）的决策行为。
K. R. Hammond等人（1987）的认知连续体理论（cognitive continuum theory）［7］，认为决策行为是一个从分析性加工到直觉性加工的连续体，具体的决策行为因其直觉性成分与分析性成分的多寡而不同，而诸如可获取的信息量和决策时间等条件将决定一个决策行为落在认知加工连续体上的位置，而这又将影响人们做决策是更多地依赖认知模板还是效用函数公式。
G. Klein（1989）的再认启动决策模型（recognition-primed decision model）［8］，其对决策过程的描述为：首先对决策的情境进行识别，看是否熟悉或者属于典型情况。情境识别使得决策者能够确定哪些决策目标是合理的，有哪些线索与之相关，可以预期到的结果，以及哪些行动可以发挥作用，进而实施行动，而不再进一步花费时间和精力细化优化。当情形复杂、不熟悉时，决策者通过情节建构（story building）与在头脑中形成情形和初始方案，并运用心理模拟（mind simulation）去模拟和预测实施决策方案的结果，从而得到决策结果评估。如果可行，决策会立即被实施，而不是再产生更多的方案并进行比较与择优。
Beach和Mitchell（1990）的决策映象理论（Image Theory）［9］，主要内容是决策者将备选方案与头脑中的理想映象进行比较，决定采纳或者拒绝该方案。决策者的映象包括三类：价值映象（value image）主要指决策者的原则，包括价值观、伦理道德、信念等；轨迹映象（trajectory image）代表决策者的目标；策略映象（strategic image）包括决策者的策略和预测、达到目标的途径，是决策者的计划集。
Cannon-Bowers和Salas等（1993）提出的团队决策中的共享心理模型理论（shared mental model，也译为共享心智模
型）［10］，认为共享的心理模型是自然群体决策的核心和关键，其主要内容是：团队成员形成对任务的共同理解，清楚谁应该负责什么，需要哪些信息。也就是说，在认知方面，每名成员都互相了解各自的特长，同时也了解任务要求与各自的分工协作。具备共享心理模型的团队能够更好地沟通协调，改善团队绩效。Cannon-Bowers认为共享心理模型不仅包括认知成分，还包括意动和情绪成分。他们以美国海军飞行团队为案例分析了专家团队决策过程，提出四种心理模型：设备模型（equipment model）、任务模型（task model）、团队交互模型（team interaction model）、团队模型（team model）。前面两种偏重于与任务有关的技术认知方面，后面两种则包含了团队过程中的行为和情感因素。在面临时间压力大和难以结构化的决策任务时，能否形成一致的心理模型是团队成功的关键。
Lipshitz和Strauss（1997）的RAWFS模型［11］，在大量以色列军事人员决策案例研究基础上确定了五种现实决策中军人的策略：简化（Reduction）、假设推理（Assumption-based reasoning）、权衡利弊（Weighing pros and cons）、先手预防（Forestalling）、压制（Suppression）。分析了这五种策略与“信息缺乏、理解不充分、决策方案模糊”三种不确定性来源类型之间的关系。当不确定性被认为是由于信息缺乏造成的，决策者更多地运用假设推理和预防策略；当不确定的来源是理解不充分时，决策者更多运用简化和预防策略；当不确定性来自决策方案模糊时，决策者更多地采用权衡和预防策略。RAWFS模型描述了决策者如何调整策略，以应对决策中不同的主观不确定性。
除了以上几种理论和模型之外，自然决策研究者们还发展了多种其他的决策模型，其中最具影响力的是再认启动决策模型、映象模型和共享心智模型理论。
军事诞生背景及其与生俱来的各种特点，使得自然决策范式非常适合用于研究军事情境下的决策活动，美军已经将自然决策的研究成果写入了其战场条令，比如美陆军指挥控制战场条令（FM 101-5）的最新版本中就已加入了关于直觉性决策的部分，这在很大的程度上是受到了再认启动决策模型的影响。Schmitt和Klein（1999）［12］在再认启动模型基础上发展的军队策划指南，在不降低决策质量的前提下减少了20%决策所需时间，已成为瑞典军队法定战术决策基本参照。另外，自然决策研究在决策能力及相关认知技能培训方面取得了很大进展。Canon-Bowers和Salas（1998）［13］以自然决策范式为美国海军开展了应激情境下战术决策（TADMUS, Tactical Decision Making Under Stress）项目的研究，并总结了包括应激免疫等在内的用于个人和小组的决策培训路径，之后他们又开发了许多实际应用于军队战术级单位的决策培训系统。在军事决策领域卓有成效的工作使得自然决策研究受到了军方前所未有的重视，1997年Zsambok统计了自1989年以来自然决策研究获得的美国国防部投资，粗略数字就达3500万美
元［14］。2001年，一个由自然决策研究的顶尖学者与一些支持自然决策研究的计算机科学家所组成的研究组织又获得了美陆军研究实验室价值高达6000万美元的合同。一向崇尚把钱花在刀刃上的美军对自然主义决策研究的青睐从另一个角度体现了这一研究范式在现实决策情境研究，尤其是军事决策、危机决策等研究领域中的适用性、有效性和优越性，值得我们更多地去关注和研究。
注释：
① 约公元前6世纪前半期至苏格拉底时期的希腊思想家统称为前苏格拉底学派。包括米利都学派、毕达戈拉斯学派、埃利亚学派、恩培多克勒、阿那克萨戈、德谟克利特等。他们的思想和学说都没有受过苏格拉底和柏拉图的影响。又因为他们绝大多数都致力于找到可以解释自然界的原则，故也被叫做自然哲学家。
参考文献：
［1］Lipshitz, R., Klein, G., Orasanu, J., & Salas, E. (2001). Focus article: Taking stock of naturalistic decision making. Journal of Behavioral Decision making, 14, 331-352
［2］Klein, G., Orasanu, J., Calderwood, R., and Zsambok, C.E. (1993) Decision Making in Action: Models and Methods. Ablex Publishing Co., Norwood, NJ.
［3］Klein, G. (2008). Naturalistic Decision Making. Human Factors, 50(3), 456-460.
［4］Orasanu, J., & Connolly, T. (1993). The reinvention of decision making. In G. A. Klein & J. Orasanu & R. Calderwood & C. E. Zsambok (Eds.), Decision making in action: Models and methods. Norwood, NJ: Ablex, 3-20.
［5］Cannon-Bowers, J. A., Salas, E., & Pruitt, J. S. (1996). Establishing the boundaries of a paradigm for decision-making research. Human Factors, 38(2), 193-205.
［6］Rasmussen, J. (1983). Skill, rules and knowledge: Signals, signs, and symbols, and other distinctions in human performance models. IEEE Transactions on Systems , Man and Cybernetics, SMC-13(3), 257-266.
［7］Hammond, K. R., et al. (1987). Direct comparison of the efficacy of intuitive and analytical cognition in expert judgment. Proceedings of IEEE Transactions on Systems , Man and Cybernetics, SMC-17, 753-770.
［8］Klein, G. A.(1989). Recognition-primed decisions. In W. B. Rouse (Ed.), Advances in man-machine systems research (5). Greenwich, CT: JAI Press, 47-92
［9］Beach, L. R., Mitchell, T. R. (1990). Image Theory: A Behavioral Theory of Decision Making in Organizations. Research in Organizational Behavior, 12, 1-41.
［10］Cannon-Bowers, J. A., Salas, E., Converse, S. (1993). Shared Mental Models in Expert Team Decision Making. IN Castellan N J, Hillsdale (Eds.), Individual and Group Decision Making. New Jersey: Lawrence Erlbaum Associates, 221-246.
［11］Lipshitz, R., Strauss, O. (1997). Coping with Uncertainty: A Naturalistic Decision- Making Analysis. Organizational Behavior and Human Decision Processes, 69(2), 149-163.
［12］Schmitt, J. F., & Klein, G. (1999). How we plan. Marine Corps Gazette, 83(10), 18-26
［13］Cannon-Bowers, J. A., & Salas, E. (1998). Making decisions under stress: Implications for individual and team training. Washington, DC: American Psychological Association.
［14］Zsambok, C. E. (1997). Naturalistic decision making: Where are we now? In C. Zsambok & G. Klein (Eds.), Naturalistic decision making. Mahwah, NJ: Lawrence Erlbaum Associates, 3-16.