[!info] related notes

• 所属 MOC: cognitive-biases-moc
• 前置概念:
• 并列概念:
• 易混淆概念:
• 关系笔记:

框架效应

一句话定义

框架效应（framing effect）是：同一组实质信息，仅因为被表述成不同参照、收益或损失形式，就可能系统性改变人的判断和选择。

也就是说：

事实内容近似相同
+
表达框架不同
→ 决策可能不同

经典结构：存活率 vs 死亡率

比较：

手术后 90% 的患者能存活五年。

和：

手术后 10% 的患者会在五年内死亡。

在简单条件下，两者描述的是同一统计事实，但人们的情绪和选择可能不同。

这就是为什么风险沟通应该尽量同时呈现互补框架。

收益框架与损失框架

面对风险选择，人们对：

“保住 200 人”

和：

“400 人会死亡”

的反应可能不同，即使底层人数结构等价。

前景理论中，收益域和损失域的风险偏好常出现系统差异。

技术产品中的框架

同一性能数据：

99.9% 请求成功

也可以写成：

每 1000 个请求约有 1 个失败

前者容易让人感到“非常可靠”，后者在超大流量场景下更容易让人注意真实失败数量。

因此 SLO 讨论最好同时给：

成功率
+
错误预算 / 绝对失败量

而不是只选最漂亮的框架。

默认项也是框架

如果选项设计为：

☑ 允许自动续费

与：

☐ 启用自动续费

即使用户理论上都能自由选择，默认状态也会改变实际行为。

这说明框架不仅是句子措辞，也可以是 UI、默认值和选择架构。

AI 回答中的框架效应

模型回答：

“这个方案能减少 30% 成本。”

和：

“即使采用该方案，仍保留 70% 当前成本。”

事实可能等价，但读者感受到的价值不同。

因此涉及推荐时，好的 AI 应尽量提供：

• 收益；
• 剩余成本；
• 风险；
• 替代方案；

而不是只选最有说服力的一边描述。

与 Cherry-picking 的区别

选择性证据通常是：

从不同证据中只展示有利部分。

框架效应可以发生在完全没有隐藏数据时：

同一个数字，换一种表述，判断就变了。

当然，两者也可以一起用于营销。

与损失厌恶的关系

框架效应为什么在“得到 vs 失去”上特别明显，与 损失厌恶 有关。

同样结果如果被编码成“损失”，心理重量常高于被编码成“未获得收益”。

什么情况不是不当操纵

任何信息都必须以某种方式表达，所以“有框架”本身不可避免。

关键问题是：

• 是否故意隐藏等价的另一面；
• 框架是否导致重要信息被系统低估；
• 用户能否理解绝对风险和基准；
• 是否存在利益冲突。

去偏方法

1. 主动重写成反向框架

看到：

成功率 95%。

同时写：

失败率 5%。

2. 百分比与绝对数一起看

风险降低 50%

可能是：

从 2% 降到 1%

也可能：

从 80% 降到 40%

相对变化一样，实际意义差很多。

3. 找参照点

问：

这个“增长”“节省”“损失”相对于什么基线？

4. 决策前用中性表格重写

把宣传语言转成：

方案 | 未来收益 | 未来成本 | 风险 | 概率

可以显著降低语言框架影响。

快速自测

A：

新模型正确率达到 98%。

B：

新模型每 1000 次判断平均仍有约 20 次错误。

如果场景是低风险文本分类，A 可能已经很好；如果是高风险自动决策，B 的框架会迫使你关注错误的绝对后果。

一句记忆

同一个事实换一副画框，不该偷偷变成另一个事实，但它确实可能让你的选择像看到了另一个世界。