希腊开放大学组织心理学家和人的因素专家
收到日期:20/01/2016;接受日期: 12/02/2016;发表日期:16/02/2016
更多相关文章请访问研究与评论:社会科学杂雷竞技苹果下载志
关于决策的研究结果表明，许多类型的决策都不是最优的，并且容易产生某些偏见和错误，从而产生潜在的严重后果。本文概述了技术可以建设性地应用，以帮助决策者在战略规划期间做出更好的决策，基于一项探索性研究，该研究比较了中小企业管理者的辅助和无辅助绩效。决策过程被分解为不同的阶段，以更好地评估技术对管理任务认知方面的贡献。结果表明，决策支持鼓励决策过程的合理化，特别是在SWOT评估和备选方案评估阶段，导致决策效率的整体提高。
管理决策、战略规划、决策有效性、认知决策支持。
人类的决策并非绝对正确，这是一个共同点。许多研究人员将次优表现归因于人类思维固有的认知局限性[1-3.]，决策者不愿意参与分析推理所涉及的费力但计算能力强大的过程[4，5]以及偏见和启发式的使用[6，7]这限制了对问题结构进行潜在有利可图的探索、分析和评估。决策支持系统在商业领域已经使用了三十多年，旨在提高经理的决策绩效，特别是在对公司生存至关重要的任务中。其中一项任务是战略规划，其目标是制定一套行动计划，以在选定的规划期内实现可持续的竞争优势。然而，决策支持系统的研究主要集中在运营控制上，而不是战略决策上[8]因此，决策支持服务对个人和组织绩效的提升潜力和有效性受到了限制[9，10］．因此，提高高层管理人员的决策支持系统的有效性仍然是从业者和学术界关注的关键问题。决策支持系统设计最重要的考虑因素之一是其使用的认知方面。事实上，认知科学已经被认为是决策支持系统研究中最具活力的维度之一。为了为决策支持系统的设计和评估提供有用的指导，设计、实现和用户界面管理是重要的研究领域[11，12］．为决策支持系统增加新功能的创新工具的开发为改进人类决策提供了新的机会。但是，如果这些实用的工具和技术不能证明它们在解决导致次优决策的特定认知问题方面的有用性，那么它们注定不会得到充分利用。这种方法需要描述工作领域的特定应用认知活动[13-15］．管理任务决策支持的认知方面的研究相当少[16］．大多数研究集中在决策的行为和计算/分析方面。因此，教学辅助和决策支持系统在减轻现实生活中复杂任务，特别是战略决策中认知局限性的后果方面的有效性仍不清楚[17-19］．为对抗认知局限性而开发的信息技术举措提供了好坏参半的结果，[20.］．一些研究表明，决策支持系统用户在战略决策任务中使用简化启发式方法的需求减少，并坚持更理性的过程[21，22]，这与更好的表现有关，而其他研究未能证明已知决策偏差的减少[23］．此外，当涉及到诸如战略规划等复杂的管理任务时，需要采取可操作的有效性措施，以调查发展支助事务的贡献，并促进确定各个研究工作之间的共同对话。本研究的总体目标是评估旨在支持战略规划中涉及的管理战略决策的决策支持系统的有效性。这是通过将决策过程分解为不同的阶段，并探索不同级别的计算机支持(从完全辅助到完全无辅助)对中小型公司有经验的经理和/或高级行政人员的表现的影响来实现的。提出这种研究方法的原因是为了找出人类判断和决策的一些缺点，并确定计算机决策辅助工具在多大程度上可以帮助人类法官做出更好的决策。本研究的新颖之处在于，对专家在使用决策支持系统和不使用决策支持系统的情况下如何做出此类决策以及制定决策质量的综合衡量标准进行了实证评估。
在确定性条件下做出的决策中，已经证明存在许多偏见。西蒙(24)介绍了有限理性的概念，以解释在许多决策者身上观察到的倾向，即把他们的决策建立在一个简化的世界模型上。研究已经为决策者在处理复杂任务时所采用的认知简化决策过程提供了证据[25-27］．例如，研究表明，人们很少考虑其他行动过程的所有可能属性，因为这种处理需要认知努力。相反，在面对多属性、多选项的优先选择问题时，被试倾向于使用连接策略[28］．当决策困难时，例如涉及战略规划的决策，对理性决策模型的违反更加系统化，尽管这一过程减少了处理负荷，但也会导致最优选择的消除。研究结果表明，尽管决策者似乎理解使用所有可用信息的潜在价值，但实际使用的信息比例随着收集成本和认知努力的增加而减少[29]，决策者在努力和准确性或决策质量之间进行权衡，使努力具有相当大的优势(对于努力准确性权衡的彻底审查[30.］．综合利用所有信息既费时又繁琐，决策者往往诉诸于信息的非补偿性利用。对于决策者采用的减负策略，有一种解释是，减负策略实际上增加了信息访问和使用的比例，或者更强调减少工作量，因为对工作量支出的反馈是相对即时的，而对准确性或决策质量的反馈则受到延迟和模糊性的影响[5］．此外，在多属性任务中缺乏明确的“最佳”决策[31使这些任务更倾向于认知简化策略和启发式。来自经验和模拟工作的证据表明，当认知努力最小化时，决策者可以被诱导使用更规范导向的策略来搜索问题空间[4，32］．认知努力与信息的存储、检索和处理有关。在他们的文章中，Benbasat和Todd [4]将优先选择策略中的决策努力分为三个基本类别:
1.在不同的选择之间进行比较和计算，
2.与检索属性信息相关的召回工作，以及
3.与备选方案信息的存储和后续检索相关的跟踪工作。
基于决策者倾向于使用较少努力的策略这一发现，将研究工作导向设计决策辅助工具，使迫使个人使用简化策略和启发式的努力组件的需求最小化，将有助于优化绩效。两个主要的研究方向是最小化工作量需求:一个是关注处理机制，另一个是关注处理的元素，即信息本身。后者关注的问题是，使用努力支出和决策质量之间的权衡来改进决策所必需的信息属性的数量。卡里姆等人[33]表明，使用部分信息(只使用相关信息维度的上半部分)只会在决策质量上产生很小的损失，而在认知努力和信息收集成本方面的节省是相当可观的。其他研究人员则关注诸如消除偏见和使决策合理化等问题。决策支持系统的主要角色之一是面向“了解”。因此，“知道”中涉及的认知策略和偏见应该是任何提出的形式化的关键组成部分。换句话说，如果人类的判断和决策需要改进，就必须清楚地暴露出它失败的条件，以便确定技术可以在哪里以及如何提供帮助。2，11，34］．关于战略规划支持系统的实证测试尚不成熟，特别是在研究决策支持系统在实际终端用户的战略决策认知方面的影响方面[20.，35，36］．许多研究已经认识到，管理决策不遵循理性模型，也是由于决策努力的高成本和决策者信息处理的局限性，以及由于采用的决策程序和管理者持有的价值观的差异[37，38］．有人认为，管理者和企业家使用偏见和启发式方法来简化决策不仅很普遍，而且在环境不确定性和复杂性的条件下也很有用，因为它们提供了一种有效的方法来近似适当的决策[39］．在全面和谨慎地处理所有必要信息的基础上作出决策，需要资源和时间的可用性，而这在重视快速反应和及时利用机会的商业世界中是很少存在的。事实上，在某些竞争环境中，在确定和评估战略选择时，“满足”可能比优化更合适[40］．启发式的使用也被发现与创新性有关。然而，尽管这些明显偏离理性决策的行为在某些情况下可能是有益的，但在其他情况下却可能导致重大错误。8］．因此，在现实生活中，管理人员必须在彻底分析决策问题所带来的一致性和整合的好处与不作为、管理时间和财务资源的成本之间取得平衡。研究管理行为对于理解战略决策以及执行思维过程的认知差异至关重要，以便相应地调整决策支持。根据Chen和Lee [9]，管理决策支持应:“帮助丰富决策者的心智模型，促进心智模型的验证和整合，支持决策者的后向思维和前向思维，减轻由于人类有限的信息处理能力而导致的判断错误。”战略规划中的决策过程通常非常复杂，经常被划分为子阶段。一个被广泛接受和使用的战略决策过程的表示是一个五个阶段的过程。这五个阶段分别是:环境扫描、目标设定、备选方案的产生、备选方案的评估和实施。本研究将集中于前四个阶段，因为这四个阶段构成了战略制定阶段。为了评估决策支持系统的使用是否以及如何改善决策，应该有一个用于比较的标准。文献中对决策有效性的评估似乎遵循两个主要方向:a)对决策后果(经济绩效)的评估，b)对导致具体决策的决策过程的评估(例如，对新信息的正确吸收，对替代策略的彻底调查等)。然而，显然，除非将用于评估有效性的两种方法结合起来，否则积极的结果可能会转化为良好的过程(第一种方法)，或者由于遵循了适当的过程而忽视消极的结果。这种误读的危险在结构程度较低的决策任务中更大，例如战略规划，缺乏任务执行的标准化程序，缺乏客观的有效性指标[41]，目标很多且相互矛盾，决策的后果模糊不清[36］．在这项研究中，已经开发了一种衡量决策有效性的方法，试图将决策过程的全面性与经济绩效联系起来，因为决策支持系统应该根据其对实践的影响进行评估。作为评估决策过程全面性的基础，Janis和Mann [33]已被使用。他们提出了一系列成功决策的行为，这已被战略规划研究人员广泛接受。这些行为包括:(a)研究广泛的备选方案，(b)调查全面的目标，(c)权衡各种后果的成本和风险，(d)搜索信息以评估备选行动，(e)评估关于备选行动的信息或专家判断，(f)检查所有已知备选方案的后果，以及(g)制定实施所选行动的详细计划。基于本研究的实验数据，在讨论部分提出了决策有效性的测量方法。总之，研究表明，决策辅助工具通过采用与更有效的选择相关的策略，促进与决策结果相关的决策相关认知机制。然而，目前还不清楚决策辅助的哪些组成部分在不同的工作领域中最有效。为了设计更有效的决策辅助工具，使用详细的决策策略模型是很重要的，该模型概述了所涉及的行动和努力。本研究的具体目标是比较管理者和高管在战略规划期间的辅助和无辅助绩效，为他们所使用的认知简化策略提供经验证据，并评估DSS使用对其缓解的影响。约翰逊及佩恩[34]是第一批展示了如何将决策策略分解为基本的人类信息过程，提供了一种识别和理解几个变量对实际决策行为的潜在影响的方法。因此，为了达到本研究的目的，战略规划过程被分解为四个阶段，以便更好地分析和理解决策辅助的具体特征的影响，因为其阶段具有不同的认知需求。此外，为了评估决策支持系统的使用是否提高决策绩效，基于战略规划理论开发了决策质量的衡量标准。在每个阶段评估决策支持系统对决策者认知和任务绩效的贡献，以及对整体战略决策过程的贡献，并根据这些结果提供对决策支持系统设计的启示。
实验方法
对于本研究，选择了实验室实验的方法，并基于一家真实公司的数据开发了一个商业游戏。实验对象是35位中小企业的经理或高管，在为期三年的实验期间，他们被要求在产品线、营销政策、厂房和设备投资以及购买或出售股票等方面做出决策，以实现利润最大化。八名受试者在没有帮助的情况下进行;11名受试者使用了完全支持，而其余的16名受试者使用了同一战略规划支持系统(SMPS)的两种变体:在环境扫描阶段不支持或在替代方案生成阶段不支持。
计算机辅助
所使用的系统是战略管理规划系统(SMPS)，该系统由比雷埃夫斯大学开发，旨在支持中小企业经理进行战略规划。SMPS基于一个规划模型，该模型将规划活动分解为:环境扫描、生成替代方案、评估替代方案、设定目标和行动计划。它包括13个独立的阶段，每个阶段由一个或两个显示组成(附录A)。系统中还包含一个知识库，主要由产生式规则组成，即条件-动作对，当它所描述的条件被匹配时执行其操作。
研究数据
收集的数据分为两类:在执行业务游戏期间收集的数据和从关于计算机系统易用性的结构化问卷中收集的数据，因为它显示在系统程序提出的现实程度和所呈现信息的特异性程度上。为了使战略管理规划系统在现实主义上得分高，它必须在涉及问题的内部表示的阶段进行，因为它是由经理-用户理解的，因此，表现出与用户任务的内部模型的认知兼容性。特异性的维度是指所显示的信息以及每条信息反映或唤起适当信息集群的程度，即所显示的项目是否能从用户的记忆中检索到相关的数据项目，这些数据项目共同产生了对认知模型元素的完整和准确的描述。下面几节描述业务游戏数据的分析和结果。在结果部分的讨论中，只要有可能，调查结果都以问卷数据加以补充。
数据简化
对商业游戏数据的分析揭示了46个因变量(表1）.通过因素分析，这些变量被减少到一个可管理和有意义的10个变量集，使用Varimax程序，占原始46个项目总方差的86%。使用Cornbrash的alpha方法测试每组的内部一致性。七组变量在剔除五组中的一项后，信度系数在0.86至0.99之间，并将其纳入以下分析。这七个变量是:分析的长度，目标的复杂性，SWOT分析(扫描优势，劣势，机会，威胁)和决策信心。为了进一步测试项目是否正确地包含在各自的集合中，使用了Nunnaly方法[42］．根据该方法，将每个项目的值与每个集合的平均值进行关联，以确定其是否属于正确的组。从集合中剔除低相关性项。表2表示决策质量的七个变量(F1, F2，…F7)与因子中所包含的每一项的相关性。如A18项与7个因子的相关系数分别为。84、。43、。11、。17、。08、002、004。由于因子F1(分析长度)是由纳入项目的平均值组成，因此预期项目A18具有较高的相关性。然而，A18似乎与其他因素不相关的事实提供了正确纳入的证据。所有其他项目都以同样的方式进行了测试。因此，Nunnaly方法的使用揭示了项目被正确地包含在各自的集合中。因此，保持原有变量不变进行进一步处理。在这些试验之后，对这些措施的有效性进行了审查。有人认为，七个复合变量具有内容有效性，因为项目的选择是基于对文献的详尽审查。为了评估标准相关效度，即衡量标准与相关标准的独立衡量标准相关的程度，七个变量使用与经济绩效指标的多重相关系数进行比较。 The results showed that the correlation coefficient was 0.65, thus the seven variables possessed high criterion validity. Finally, to test the construct validity i.e. the extent to which every variable measures the theoretical construct it was designed to measure, each variable was factor analyzed. The existence of only one central factor which explains for more than 86% of the total variance in the six variables can be regarded as a strong evidence for construct validity (表3）.只有一个变量(分析长度)被分为两个因素:a)第一年的分析长度(A19, A20, A22, A23, A26, A27)， b)第二年和第三年的分析长度(A18, A24, A25, A28)。
| A1 | 经济表现 | A24 | 分支总数 |
| A2 | # of theats (1)圣年) | 25 | # of twigs (1圣年) |
| A3 | # of theats (2nd年) | A26 | #小树枝(2nd年) |
| A4 | # of theats (3理查德·道金斯年) | A27 | # of twigs (3理查德·道金斯年) |
| A5 | 威胁的准确性 | 25 | 总数#细枝 |
| A6 | 机会#圣年) | A29 | 战术效用(1圣年) |
| A7 | 2 .答案为bnd年) | 故事本来 | 确定度(1圣年) |
| A8 | 3 .答案为c理查德·道金斯年) | A31 | 确定度(2)nd年) |
| A9 | 机会的准确性 | A32 | 确定度(3)理查德·道金斯年) |
| A1 | #优势(1)圣年) | A33 | 准备时间 |
| 0 | |||
| A1 | #优势nd年) | A34 | 解决时间(1)圣年) |
| 1 | |||
| A1 | #优势(1)圣年) | A35 | 解决时间(2)nd年) |
| 2 | |||
| A1 | 强度精度 | A36 | 解决时间(3)理查德·道金斯年) |
| 3. | |||
| A1 | #弱点(1圣年) | A37 | 总时间 |
| 4 | |||
| A1 | #弱点nd年) | A38 | 决策过程(1圣年) |
| 5 | |||
| A1 | #弱点(3理查德·道金斯年) | A39 | 决策过程(2)nd年) |
| 6 | |||
| A1 | 弱点的准确性 | 钠 | (3)决策过程理查德·道金斯年) |
| 7 | |||
| A1 | #战术(1圣年) | A41 | 决策过程的复杂性 |
| 8 | |||
| A1 | #战术(2nd年) | A42 | 决策过程的复杂性(2nd年) |
| 9 | |||
| A2 | #战术(3理查德·道金斯年) | A43 | 决策过程的复杂性(3)理查德·道金斯年) |
| 0 | |||
| A2 | #分支(1圣年) | A44 | 目标复杂度(1圣年) |
| 1 | |||
| A2 | #分支(2nd年) | A45 | 目标复杂度(2nd年) |
| 2 | |||
| A2 | #分支(3理查德·道金斯年) | 命名的 | 目标复杂度(3)理查德·道金斯年) |
| 3. |
表1:商业游戏的因变量。
| 因素 | 变量 | 事实上的 | 事实上的 | 事实上的 | 事实上的 | 事实上的 | 事实上的 | 事实上的 |
|---|---|---|---|---|---|---|---|---|
| 分析长度(因子1) | 年代 | R 1 | R 2 | R 3 | R 4 | R 5 | R 6 | R 7 |
| 那么 | 点* | 点 | 厚 | 。 | 。08 | 〇〇 | 〇〇 | |
| A19 | .90 * | 23) | 。31 | .35点 | 。 | .10 | .04点 | |
| A20 | 点* | .19 | .35点 | 二十五分 | 07 | .09点 | . 01 | |
| A22 | .87点* | 。31 | 低位 | .33 | 口径。 | 酒精含量 | . 01 | |
| A23 | 点* | 29 | 38 | 。 | 03 | 06 | 02 | |
| A24 | 点* | 的相关性 | .33 | 点 | .09点 | 酒精含量 | . 01 | |
| 25 | 点* | 点 | 厚 | 。 | 。08 | 〇〇 | 〇〇 | |
| A26 | .90 * | 23) | 。31 | 36 | 二十五分 | .10 | 0。 | |
| A27 | 点* | .19 | 38 | 低位 | .09点 | .09点 | 〇〇 | |
| 25 | .90 * | .30 | 陈霞 | 收 | 16 | 厚 | 06 | |
| 工艺精深(因素二) | A44 | 点 | 1.0 * | .14点 | .20 | .19 | 点 | 收 |
| A45 | 点 | 1.0 * | .14点 | .20 | .19 | 点 | 收 | |
| 命名的 | 点 | 1.0 * | .14点 | .20 | .19 | 点 | 收 | |
| 机会扫描(因子3) | A6 | 。31 | 酒精含量 | .97点* | .46 | .33 | 56 | 。31 |
| A7 | 收 | 13。 | 0 * | 。45 | 36 | 50 | .30 | |
| A8 | 收 | .14点 | 0 * | 。45 | .37点 | .51 | .30 | |
| 强度扫描(因子4) | A10 | 点 | 16 | 的相关性 | iseq指数* | 点 | .20 | . 21 |
| A11 | 点 | . 21 | 。45 | .98 * | 2 | 点 | 。 | |
| A12 | .33 | . 21 | 。45 | .98 * | 2 | 点 | 。 | |
| 弱点扫描(因子5) | 阿 | 厚 | 。 | 点 | 点 | 总收入* | .37点 | 。31 |
| A15 | .19 | 酒精含量 | .35点 | .68点 | .98 * | 。 | .33 | |
| 系 | 只要 | 酒精含量 | 点 | 正 | .98 * | 16 | .33 | |
| 威胁扫描(因子6) | A2 | 02 | 点 | .51 | 收 | 点 | .90 * | 07 |
| A3 | 厚 | .37点 | 的相关性 | 36 | 23) | .95 * | 06 | |
| A4 | .19 | 报 | .46 | 。 | .20 | 点* | 。9 | |
| 决策确定性(因素7) | 故事本来 | . 01 | 36 | .30 | 。 | .37点 | 〇〇 | 公布 |
| A31 | 07 | 23) | .30 | .20 | 二十五分 | 酒精含量 | .92 | |
表2:根据Nunnaly方法，各因素之间的相关性。
| 实验因素 | 特征值 | 因子载荷 |
|---|---|---|
| 因子1 | ||
| 1 | 7.49 | 75.0 |
| 1 b | 1．1 | 11.5 |
| 因子2 | 3. | One hundred. |
| 因子3 | 2.9 | 97.3 |
| 因子4 | 2.7 | 93.2 |
| 因素5 | 2.8 | 94.3 |
| 因子6 | 2.5 | 85.9 |
| 因子7 | 3. | One hundred. |
表3:因子分析的七个综合值。
由于数据的性质，选择了方差分析方法。这里提出的分析的目的是检验:支持程度的影响和因变量相互作用的影响，即哪组因变量会影响四个支持程度。使用方差分析方法的先决条件是在所选用户样本中的方差同质性。采用Cochran C和Bartlett - Box f两种分析方法检验方差齐性。分析表明，大多数案例通过检验。综上所述，统计分析表明，支持程度影响18个因变量。接下来，Scheffe的多重比较程序应用于子组，以确定差异所在。所有统计检验均采用0.95置信水平。图1，显示了本研究中使用的统计程序。
。
图1:统计程序遵循数据分析。
决策过程被分成不同的阶段，并为决策过程制定了一般的有效性标准，例如复杂程度(决策过程中包含的阶段数量)，以及为过程的每个单独阶段制定了如下标准:
1)。在环境扫描阶段，测试扫描完整性(考虑的内部和外部环境变量的数量)和准确性(正确识别为SWOT变量的变量的数量)。
2)。在备选方案生成阶段，不仅要考察分析的长度，即所选策略的数量，还要考察分析的深度。由于这个原因，由所有主题产生的战术形成了一个树，并在商业计划战术专家的帮助下被分配到主要类别(分支)。每个主要类别被进一步分解为行动(小枝)，这有助于实现现有的战术。
3)。在评估备选方案阶段，重点是分析是基于定量数据还是定性数据(表4）.
| 实验 | 平均分数 | (n) |
|---|---|---|
| 条件 | ||
| 无助的 | 2.1 b | 8 |
| 全面辅助 | 3.4 b | 11 |
| 无辅助扫描 | 3.1 | 8 |
| 在没有帮助的情况下产生替代方案 | 2.8 | 8 |
表4:支持对经济绩效分数的影响。
4)。最后，在目标设定阶段，研究了目标设定的性质(定性的、定量的)以及目标是在战术生成阶段之前还是之后进行的(表5）.
| 实验 | 平均分数 | 平均分数 | (n) |
|---|---|---|---|
| 条件 | (分钟) | (分钟) | |
| 1年 | 总计 | ||
| 无助的 | 17一个 | 46.8 | 8 |
| 全面辅助 | 47.9 | 83.9 | 11 |
| 无辅助扫描 | 32.2 | 61.8 | 8 |
| 在没有帮助的情况下产生替代方案 | 19.3 | 52.8 | 8 |
表5:支持对时间的影响。
分析显示，最显著的差异出现在用户和非用户的行为上。因此，计算机用户遵循更复杂的流程，比非用户包含更多的阶段。特别是在试验的第一年，所有用户都经历了决策过程的所有阶段。在接下来的两年实验中，虽然某些阶段被取消了(通常是环境扫描阶段)，但他们所遵循的过程仍然比非用户的过程包含更多的阶段。在阅读初步信息后，最新的措施似乎立即付诸行动(产生替代方案)。然而，在前两年实验期间的规划过程中发现了统计学上的显著差异(p=0.001和p=0.01)。在个体规划阶段，特别是环境扫描阶段和替代方案生成阶段，用户与非用户之间的关系再次呈现出显著的统计学意义。作为非使用者，在这里，被认为是使用了计算机辅助版本的受试者，该版本不包括在测试阶段的支持。这些受试者的行为与没有支持的受试者的行为相似。在目标设定阶段，分析表明，非用户很少设置定量目标，而计算机用户在所有实验条件下都设置定量和定性目标，因此，用户和非用户之间观察到显著的关系(p=0.001)。 In the evaluation of alternatives stage no significant differences were observed mainly due to the fact that most subjects, users and non-users, skipped this stage.
有效性的标准
本研究以其他研究者为例，考察了参与本研究的管理者的经济绩效。在所有实验条件下，计算机支持对经济绩效的积极影响都很明显，特别是在无支持和完全支持条件之间。此外，为了开发一种综合的绩效衡量方法，从商业游戏中收集的数据与经济绩效相关联。统计分析显示了7个与经济绩效高度相关的综合因素(r >0.65):分析的长度、目标的复杂性、SWOT分析(优势扫描、劣势扫描、机会扫描、威胁扫描)和决策信心。本文认为，这七个变量构成了决策质量的维度，并表征了规划有效性。这些变量中的每一个的意义也得到了文献的验证。因此，一些研究人员指出了孤立因素对决策有效性的重要性，如基于合理标准的替代方案选择、环境扫描、目标量化和明确的目标陈述，[12，17，24，43］．其他研究人员建议使用更复杂的标准，如Janis和Man提出的标准(见文献综述部分)，其中列出了决策过程应该满足的七个理想标准。这些标准强调了决策者的心理过程，并关注于备选方案的产生和评估。然而，尽管这些标准揭示了决策质量的某些方面，但它们没有考虑到它们对使用客观数据的决策成功的综合影响[41］．本研究中提出的因素的优势在于，它们既包括环境因素(SWOT)，也包括认知因素(管理者在产生替代方案时的能力)，是可测量的，具有很强的效度。
支持水平对决策的影响
为了便于检查支持对决策的影响，选择了“微观”方法，并将该过程分析为四个不同的阶段(环境扫描、生成替代方案、评估替代方案、目标设定)，这些阶段的执行对用户提出了不同的认知要求。
总的来说，对数据的分析表明，未得到帮助的受试者在阅读提供的信息后立即开始生成替代方案，而得到帮助的受试者则遵循更复杂的过程。因此，在实验的第一年，即使根据实验条件，在某些阶段缺乏支持，被辅助对象也会经历所有(四个)决策阶段。在实验的第二年，完全支持条件下的受试者再次经历了所有四个阶段，而其他实验条件下的受试者通常取消了环境扫描和替代品评估的阶段。在实验的第三年，辅助和未辅助的受试者都遵循了类似的决策过程，在阅读提供的信息后立即产生替代方案。这些发现表明，在没有得到帮助的情况下，被试在读完商业问题后立即着手解决问题，而不需要寻求更多的信息。在分析决策时间时，这种行为也很明显。有辅助的受试者要比没有辅助的受试者花更多的时间做出决定，这是由于他们遵循的多阶段决策过程。这里有趣的一点是，没有帮助的受试者没有要求更多的信息，尽管他们有一个可用信息的目录，但他们使用自己公司的数据和经验来填补可能的空白，并证明他们的选择是正确的。因此，尽管有可以免费提供给他们的信息，但未经帮助的受试者故意限制了他们对信息的搜索。可以解释这种行为的一些原因要么是信息处理过程中的认知需求，44或者是由于获取信息的困难而尽可能利用每一种信息的习惯。根据机会主义的思想，人们不期望他们所有的问题都有答案，而是在他们已经知道的基础上采取行动。这种倾向在专家型管理者身上尤其明显，他们习惯于根据极少的数据得出推论。31］．因此，与信息获取和处理相关的认知努力可能是在无辅助受试者中观察到的非最佳行为以及扫描选择性的原因[8，21］．在没有完全支持的情况下，认知理论也可以解释被试的行为。这些受试者往往在第一年之后就放弃了环境扫描和替代方案评估阶段。可能的解释是，这些阶段被取消是因为系统对它们的表示与受试者用于执行它们的方式不兼容，这种解释应该被拒绝，因为这些阶段在完全支持的条件下被受试者使用时没有问题，并且在问卷中的用户回答和评论中得到了明显的积极评价。现实主义和具体性的积极程度，特别是环境扫描阶段的特征，指向更多的认知解释。这两个阶段被认为在认知努力方面要求很高，因为执行它们需要大量的信息和复杂的处理。在某些实验条件下，在环境扫描阶段缺乏支持，使得信息的搜索和评估更加困难。由于这个原因，受试者在不完整的信息(在实验年初收到的信息)的基础上立即采取行动(在没有评估的情况下产生替代策略)。接下来的决策过程可能被认为与理性模型提出的过程有很大不同。然而，对受试者所遵循的过程进行更仔细的检查，就会发现与理性模型有某些相似之处，特别是在战略和目标设定阶段。 Thus, the same subjects who applied heuristics took time and effort to thoroughly set strategies and determine quantitative targets. These findings point towards more flexible theories for explaining the cognitive strategies that entrepreneurs use during the execution of their tasks. For example, Isenberg [30.]观察到管理者根据有限和不完整的信息(非理性战略)制定应急计划(理性战略)。在同样的方向上，有人认为管理者使用的策略包括逻辑和直觉[1，19］．其他研究人员观察到，这种行为在快速变化的环境中更有效。因此，文献和研究结果都同意，管理者达成决策的方式并不总是相同的(理性或非理性)，但它会调整，以包括理性和直觉元素，因为启发式的使用并不一定排斥理性方法的使用。这种行为可能在不断变化和不确定的环境中更有效，并通过这种方式做出的决策来解释公司的生存。换句话说，除了决策者的认知风格和分析能力外，决策情境的结构特征也可能在战略决策中对采取理性的、全面的策略发挥重要作用[8，37］．支持条件下的结果比较表明，在完全支持条件下，理性策略的使用更频繁，但消退时间更晚。因此，系统地使用计算机系统似乎会极大地影响用户行为，甚至可能改变用户习惯。然而，在做出结论性的结论之前，还需要进一步的研究。
支持水平对规划阶段的影响
环境扫描
计算机辅助的使用不仅对SWOT的数量有积极的影响，而且对其准确性也有积极的影响，即正确识别SWOT的数量。从文献中可以明显看出，大多数管理者将注意力集中在他们认为重要的环境变量上。11]或觉得自己对[有必要的了解]。8]冒着排除潜在相关和重要信息的风险[21］．计算机支持以用户应该研究和优先考虑的外部和内部环境因素的列表的形式，帮助管理人员以更系统和全面的方式进行环境扫描，并将注意力集中在关键信息上，而不给他们的认知系统带来负担。这样的程序考虑了西蒙的满意与优化原则[45，46以及与进一步搜索信息相关的成本。
目标设置
对结果的分析表明，无辅助受试者所遵循的决策过程不包括这样一个阶段，但目标(主要是定性的)来自所选择的策略的结果，并根据这些结果进行调整。相反，在对环境数据和历史数据进行处理和评估后，辅助受试者至少为前两年的实验设定了定量和定性目标。在环境扫描阶段，没有支持的用户根据提供的历史数据设定目标。研究对象似乎调整了他们的决策过程，以便只包括容易获得的信息。这种行为可以指向强调有限理性的理论。然而，他们设定量化目标(理性行为)的事实不仅表明了采用更灵活的理论来解释人类行为，而且表明了在特定阶段所需支持的性质。因此，应集中努力以这样一种方式提出有关数据，以促进更全面和彻底的分析，并便利制订目标。
替代方案的产生
计算机支持不仅显著影响了分析的长度(可选战术的数量)，而且还影响了分析的深度，即生成的可选方案涵盖了更广泛的范围，并被分解为更详细的战术。支持条件之间的比较表明，尽管使用计算机辅助会导致更综合的战术集，但在生成备选方案阶段，用户可以从中选择的战术列表的存在有助于观察到的显著差异。在具有高度结构特征的问题中产生替代方案通常是典型的:使用者在他的记忆中拥有一系列成功的策略，他从中选择最适当的或回忆起类似的问题及其伴随的解决方案。然而，当问题是非结构化的，比如在战略规划中遇到的问题时，这些替代策略就会失败。在这种情况下，当记忆搜索没有带来适当的解决方案时，用户应该继续进行进一步的问题分析和制定，但由于认知限制，努力受到限制，例如，在现有和以前的情况之间的第一个相似迹象时，搜索不足和过早终止努力[22，25，36，47］．战术列表的存在减轻了用户的记忆负担，帮助他们在没有任何额外成本的情况下丰富他们的曲目。另一种可能的解释是Zmud [9］．他认为计算机辅助应侧重于在问题和机会的识别和诊断中为高管提供思想支持，而不是为选择阶段提供支持。然而，本研究的实证结果表明，所提供的策略列表对绩效有积极的影响。这也许也可以归因于这种能力在开始一个新的思维周期时所提供的支持，在这个周期中，各种不同的策略可以作为发现机会的刺激因素。这种心理活动不一定局限于特定的任务阶段，而可能贯穿于整个决策过程。
备选方案评估
对结果的分析表明，很少有经理人，无论有无帮助，会评估所选择的战术。对于辅助管理人员来说，这可归因于这一阶段在计算机系统中的表现方式，以及对定量数据的需求，而这些数据要么无法获得，要么需要付出过多的努力才能提供[25］．但最重要的是，评估备选战术需要生成至少两套战术进行比较。然而，大多数管理者只产生一套策略，并且评估的形式是选择验证，而不是选择正确性评估。在文献中也观察到这一阶段的消除[29，30.，36，38］．这一阶段似乎与前一阶段紧密相连，替代方案的产生在一定程度上包括它们在思维-行动对中的评估。管理者根据学习-反应周期在实践中评估所选择的策略，并仅在必要时修改它们。因此，为了更好地支持这一阶段，重点不应放在量化数据上，而应放在战术选择所依据的数据的呈现上，如SWOT分析、目标分析等，这些数据可以促进战术的实际评估，并支持对成功组合的学习。
支持水平对决策时间的影响
总体而言，辅助管理者比无辅助管理者花更多的时间在决策上，尽管完全支持和无支持条件之间存在显著差异。这在为每一个实验年度以及总体上达成决策所花费的时间中是显而易见的。在文献中也观察到类似的结果[28，39］．这些结果可以归因于当计算机辅助被引入决策制定过程时所必需的熟悉期，以及使用更复杂的决策制定方法:比无辅助的受试者更彻底地执行更多的计划阶段。
支持水平对决策信心的影响
管理者对决策正确性的主观评价不受计算机使用的影响。这些评价相当高，大多数经理用70%以上的百分比表达了他们的信心。因此，当管理者表达他们对生产规则或结果(替代策略)的确定性时，他们使用非常高或非常低的百分比，这表示接受或拒绝[48］．当有疑问时，管理者会选择拒绝替代策略，因此，剩下的策略具有很强的信心水平。
人类的决策倾向于偏见，人们在努力处理复杂性时，倾向于采用启发式和经验法则，尽管这可能不会不可避免地阻止做出良好的决策，但却会导致严重的判断问题。战略规划中的这种错误的后果可能是代价高昂的，导致经济绩效低于最佳水平，从长远来看，危及公司的生存。有人认为，支持复杂任务的计算机系统表现出合理性，与任务效率的提高呈正相关。49-55］．这项研究的结果指出了计算机系统的可取性，它支持不同的决策制定阶段，更加强调数据收集和评估阶段(SWOTs的评估)和替代方案的生成(战术)。研究结果表明，系统施加的决策过程作为一个记忆提示，总结了任务执行过程中的所有相关信息。这些提示减少了决策过程中的认知负荷，并确保管理者-使用者的判断是基于更完整的信息，而不是基于记忆评估和/或有偏见的细节[41，56-60］．中小企业经理的使用，作为本研究的参与者，提供了对最终用户的反应和决策支持系统对实践影响的评估的额外一瞥。很明显，管理者使用的策略包括逻辑和直觉，因此，启发式的使用并不一定排除理性过程的使用，考虑到商业决策的性质，理性过程可能构成了一种进化特征，使他们能够迅速反应并抓住机会[61-64］．根据文献，另一个发现是，系统地使用计算机系统可能会影响用户的行为，使他们采取更理性的策略。然而，使用决策支持系统的全部影响只能在现实生活中评估。所提议的研究的一个局限性是所选择的方法方法，即使用实验室研究，以及难以将决策者的动机联系起来，以便在现实生活情况和模拟实验环境中做出更好的质量决策和表现。这项研究的一个有趣的延伸是，在开发有效的设计建议之前，在日常工作环境和问题中测试这样的系统。
菜单