Todos los días tomamos decisiones sobre temas complejos como la salud, las finanzas personales o el medio ambiente. A veces lo hacemos a sabiendas, pero otras veces nos dejamos llevar por intuición, emociones o información que nos llega de fuentes no confiables. ¿Qué determina si tomamos buenas o malas decisiones? ¿Qué factores influyen en nuestro proceso de selección?

Un estudio reciente publicado en la revista Investigación cognitiva: principios e implicaciones ha analizado esta cuestión y ha llegado a una conclusión sorprendente: menos es más.

Modelos causales: una herramienta para mejorar nuestras decisiones

Los autores del estudio, Samantha Kleinberg y Jessecae K. Marsh, son expertos en el uso de modelos causales para ayudar a las personas a tomar decisiones. Los modelos causales son representaciones gráficas que muestran las relaciones entre las variables involucradas en un problema.

Por ejemplo, un modelo causal de obesidad podría incluir factores como la dieta, el ejercicio, el metabolismo, el estrés, el sueño, etc. Estos modelos pueden usarse para predecir las consecuencias de diferentes acciones o para explicar los efectos de diferentes causas.

Sin embargo, los modelos causales no siempre son útiles para las personas. Según los autores del estudio, los modelos más simples y complejos tienen ventajas y desventajas. Por un lado, los modelos simples son más fáciles de entender y utilizar, pero pueden omitir información relevante o ser demasiado generales. Por otro lado, los modelos complejos son más completos y precisos, pero pueden resultar difíciles de procesar y provocar confusión o sobrecarga cognitiva.

¿Qué tipos de modelos causales nos ayudan más a decidir?

Para descubrir qué tipo de modelos causales son más eficaces para tomar decisiones, los autores realizaron cinco experimentos con más de 1.000 participantes. En cada experimento, los participantes tuvieron que responder una serie de preguntas sobre temas como salud, el medio ambiente o las finanzas personales. Para ello podrían consultar alguno de los siguientes tipos de modelos causales:

• Modelos simples: Sólo incluyeron variables directamente relacionadas con la pregunta.
• Modelos complejos: Incluyeron todas las variables posibles relacionadas con el tema.
• Modelos sin información: No incluyeron ninguna variable ni relación causal.

Los resultados mostraron que los participantes que utilizaron los modelos simples obtuvieron mejores puntuaciones, así como que estaban más satisfechos y confiados con sus respuestas que los demás.

¿Sabe la gente qué información necesita para decidir?

El último experimento del estudio reveló que sólo el 38% de los participantes se decidió por el modelo simple, mientras que el 31% prefirió el modelo complejo y el otro 31% no quiso ver ningún modelo. Esto sugiere que la gente no siempre tiene un buena intuición sobre qué tipo de información deben consultar para tomar decisiones.

Los autores concluyen que su estudio tiene implicaciones importantes para el diseño y la comunicación de modelos causales. Según ellos, es necesario crear modelos simples y personalizados para cada decisión, y resaltar las relaciones causales más importantes. Esto puede ayudar a las personas a tomar mejores decisiones sobre cuestiones complejas que afectan sus vidas.

Referencias:

• Kleinberg, S., Marsh, JK Menos es más: necesidades de información, deseos de información y qué hace que los modelos causales sean útiles. Cogn. Investigación 8, 57 (2023). https://doi.org/10.1186/s41235-023-00509-7