L'Hypothèse
Résoudre le Problème
Vous vous souvenez des deux problèmes méthodologiques ? Enjeux et probabilités différents. Niveaux d'incertitude non appariés.
La Solution :
Même pari. Source différente. Si vous voyez les mêmes probabilités exactes dans les deux jeux, toute différence de comportement doit provenir de qui ou quoi prend la décision—pas des mathématiques.
L'Innovation : Le Jeu de Confiance Inversé
Le Jeu de Confiance de Berg (1995) a un problème : vous ne connaissez pas les probabilités. Vous savez juste que quelqu'un pourrait vous trahir. C'est un risque de second ordre—l'incertitude sur l'incertitude.
Ma modification vous donne des probabilités explicites. Risque de premier ordre. Vous voyez exactement ce qui pourrait arriver et quelle est la probabilité. La seule question : est-ce un humain qui fait ce choix, ou un ordinateur ?
Condition Sociale (Confiance)
Investir 5 jetons avec Joueur MarVis
Montant quadruplé → 20 jetons
Vous voyez : 65% de chance qu'ils retournent 10 jetons, 35% de chance qu'ils retournent 0
Condition Non-Sociale (Risque)
Investir 5 jetons dans Loterie XQZRTY
Montant quadruplé → 20 jetons
Vous voyez : 65% de chance que vous obteniez 10 jetons, 35% de chance que vous obteniez 0
Le Point Critique
Probabilités identiques. Enjeux identiques. Structure identique. La seule différence est l'étiquette : le nom d'une personne vs une chaîne de caractères absurde. Si les paramètres de la Théorie des Perspectives diffèrent, c'est parce que le contexte social change la façon dont vous traitez le risque.
Comment Ça Fonctionne
300 Essais, Deux Conditions
Structure
- 20 mini-blocs (15 essais chacun)
- Alternance Social/Non-Social
- 150 essais par condition
Paramètres
- Investissement : 1–10 jetons
- Probabilités : 5%–95% (par pas de 5%)
- Résultats : 0–39 jetons
- Facteur de multiplication : 4
Ce Que Nous Testons : 16 Modèles Imbriqués
La Théorie des Perspectives a quatre paramètres clés : α (sensibilité aux résultats), λ (aversion aux pertes), γ⁺ (pondération des probabilités de gain), δ⁻ (pondération des probabilités de perte).
La question : ces paramètres diffèrent-ils entre Confiance et Risque ? Nous testons 16 modèles—toutes les combinaisons possibles de "identique" vs. "différent" pour chaque paramètre.
Aversion à la Trahison
Est-ce que λconfiance ≠ λrisque ? Perdre de l'argent face à une personne pourrait faire plus mal que face au hasard.
Traitement des Résultats Spécifique au Domaine
Est-ce que αconfiance ≠ αrisque ? Peut-être êtes-vous plus sensible aux différences quand l'argent vient d'une personne.
Différenciation de la Pondération des Probabilités
Est-ce que γ⁺confiance ≠ γ⁺risque ou δ⁻confiance ≠ δ⁻risque ? Déformez-vous les probabilités différemment quand vous faites confiance aux gens ?
Nous comparons les 16 modèles en utilisant des tests de rapport de vraisemblance et des critères d'information (AIC, BIC). Les données nous diront quels paramètres diffèrent réellement—et lesquels ne diffèrent pas.
Ensuite : Construire la Machine
Cette conception est théoriquement motivée. Mais 300 essais avec des centaines de combinaisons de paramètres possibles—comment choisir les essais les plus informatifs ?
Explorer la Phase 3 : Optimisation