test

*
1.
您目前的学科背景属于？
*
2.
您目前的受教育阶段？
*
3.
[情境一] 在一个抽奖游戏中，有三扇门。一扇门后是汽车，另外两扇后是山羊。你选择了1号门。主持人（知道门后情况）特意打开了3号门，展示了一只山羊。现在只剩1号和2号门。 问题：如果主持人给你机会换选2号门，你会换吗？
不换：我相信我的直觉/运气，或者觉得换不换概率都一样（50/50）。
换：我认为换门会增加中奖概率。
不确定：我无法判断。
*
4.
承上题，请为您上述判断的“确信程度”打分：
很不确信
很确信
*
5.

 [情境二] 某种罕见病在人群中的患病率是 0.1%（即1000人中有1人得病）。现有一种试纸，如果人真的患病，试纸 100% 呈阳性；如果人没病，试纸也有 5% 的概率误报为阳性（假阳性）。 问题：如果您去检测，结果呈“阳性”，您觉得您“真正患病”的概率大概是多少？

95% 以上
68% 左右
5%以下
不确定
*
6.
承上题，请为您上述判断的“确信程度”打分：
很不确信
很确信
*
7.
[情境三] 抛一枚公正的硬币，前5次的结果由于巧合竟然全是“正面”。 问题：您直觉上觉得第6次抛出“反面”的概率会？
大于 50%
等于 50%
小于 50%
*
8.
承上题，请为您上述判断的“确信程度”打分：
很不确信
很确信
*
9.
[情境四] 某城市有两家医院，大医院每天出生约45个婴儿，小医院每天出生约15个婴儿。已知男孩出生的概率约为50%。但在某一天，其中一家医院发现，出生的婴儿中**超过60%**是男孩。 问题：您直觉上认为这更有可能发生在？
大医院
小医院
两家医院概率差不多
不确定
*
10.
承上题，请为您上述判断的“确信程度”打分：
很不确信
很确信
*
11.
[情境五] Li Hua今年31岁，单身，性格直率，非常聪明。ta主修哲学。在学生时代，ta深切关注歧视和社会正义问题，还参加过反核示威。 问题：请根据直觉判断，以下哪种情况的可能性更高？
Li Hua是一名银行出纳员。
Li Hua是一名银行出纳员，并且活跃于平权运动。
*
12.
承上题，请为您上述判断的“确信程度”打分：
很不确信
很确信
*
13.
回顾刚才的答题过程，您主要的决策依据是？(单选)
直觉驱动： 凭第一感觉或生活经验快速判断（如：“反正都只剩两扇门了，概率就是一半一半”）。
记忆驱动： 我以前好像看过类似的题目或视频，依稀记得答案。
逻辑计算： 我尝试在脑海中列算式或画图推导。
情感驱动： 我讨厌犹豫或后悔，所以坚持最初的选择。
*
14.
如果告诉您，第5题(医疗检测)的正确答案是 C (仅有2%左右)，这与大多数人的直觉(95%)截然相反。导致这种误判的主要原因，您认为是？
数字太抽象： 我无法在脑海中构建出“1000个人”的具体分布图像，只有百分比。
情绪干扰： “阳性”两个字带来恐慌感，导致我急于完成该题。
忽略基础概率： 我只关注了试纸的准确率(95%)，完全忽略了没病的人数基数极其庞大。
不信任数学： 我觉得这种数学计算在现实生活中没有意义，现实就是非黑即白。
*
15.
您之前通过视频（如B站、YouTube）或文章学习过类似的“反直觉概念”吗？
经常看
偶尔看过
从未看过
*
16.
既然您看过相关视频，为什么在遇到类似变体问题时（或在现实决策中）可能依然会感到犹豫或出错？(多选)
遗忘快： 视频只是“过眼云烟”，当时听懂了，过两天就忘了。
缺乏互动： 视频是被动观看，我没有亲手操作过，很难将知识内化为直觉。
缺乏反馈： 看视频时我以为我懂了，但没有机会让我通过“犯错”来检验自己是否真懂。
场景单一： 视频里的例子是固定的，一旦换了数字或场景，我就不会迁移了。
*
17.
如果我们要开发一款工具，帮助您彻底修正这些容易犯错的直觉，以下哪种功能对您最有用？
更生动的动画讲解： 像科普视频一样，把原理讲得更清楚。
文字版数学证明： 列出详细的贝叶斯公式推导过程。
交互式模拟器： 让我能快速模拟玩1000次游戏，并实时看到胜率统计图表。
专家问答： 可以直接向统计学教授提问。
*
18.
在一个理想的“直觉训练系统”中，您更倾向于哪种学习方式？
“先教后练”模式： 先看教学视频，学会了再做题。
“先猜后看”模式 (Prediction-based)： 系统先逼我下注预测，然后立刻通过模拟结果告诉我猜错了，再解释原因。
“沙盒探索”模式 (Exploratory)： 给我一组滑块（参数），让我自己随意调整数字，观察结果如何变化。
*
19.
如果系统要为您展示“1000次模拟结果”，您更倾向于哪种视觉呈现方式？
拟人化图标 (Isotype)： 用1000个小人图标排列，红色的代表生病，灰色的代表健康。（更具象，更有情感冲击）
抽象点阵 (Dot Matrix)： 用简单的圆点或方块密集排列。（更简洁，能展示更大数量级）
动态统计图 (Charts)： 不需要看到个体，直接给我看柱状图或饼图的变化动画。（重逻辑，轻视觉干扰）
物理隐喻 (Metaphor)： 类似“弹珠机”或“倒水”的物理动画效果。（更有趣味性）
*
20.
我们的系统计划采用“预测-打脸”模式（即先诱导您犯错，再展示真相）。如果系统连续3次证明您的直觉是错的，您当下的真实反应可能是？
兴奋/好奇： “哇，原来我错得这么离谱，快告诉我为什么！”
怀疑/防御： “这系统是不是算法有问题？或者是题目故意刁难？”
沮丧/放弃： “我可能不适合学这个，太受打击了。”
无所谓： 继续做下一题。
*
21.
如果您掌握了这套修正直觉的方法，您最希望将其应用到现实生活的哪个领域？
投资理财： 理解股市波动、风险对冲、幸存者偏差。
医疗健康： 看懂体检报告、理解药物副作用概率。
日常生活： 识破营销陷阱、彩票概率、抽卡游戏机制。
职业决策： 评估项目风险、职业规划中的沉没成本。
科研与学术： 理解实验数据统计（如P值陷阱）、量子力学现象、复杂的物理模型推演。
*
22.
为了让您坚持完成一系列枯燥的概率训练，以下哪种机制对您最有效？
虚拟货币： 给我想象中的100万，看我最后能剩下多少（损失厌恶）。
段位/排行榜： 显示我比90%的用户更理性（社交比较）。
收集要素： 每攻克一个思维谬误，就解锁一个徽章或图鉴（成就感）。
不需要游戏化，只要工具好用就行。
*
23.
您更倾向于在什么设备上使用这个系统？
手机竖屏： 碎片时间刷一刷。
电脑/平板大屏： 专门花时间沉浸式学习
两者皆可。
*
24.
(后续意愿) 您是否愿意在我们的系统原型开发完成后，作为首批内测用户体验并提供反馈？(这将对我们的研究非常有帮助)
A. 是
否
问卷星提供技术支持
举报