你有没有过这样的体验？朋友刚跟你聊完某件商品，结果五分钟不到，你的手机购物APP上就出现了这件商品的广告；明明已经很注意清理浏览记录了，但互联网推给你的仍是最近你非常感兴趣的内容，令你沉迷其中。
这些看似“巧合”的体验，在大数据时代下的今天都不足为奇。因为手机监听、大数据杀熟、针对性营销等已成常态，我们的个人特征与偏好等数据，早已暴露。此时，你可能会想：“大不了我关闭手机监听权限，搜产品、看视频时定期换换风格，让大数据分析工具无法判断我真正的个人偏好。”
但你以为这样就能守住你的“秘密”吗？
近日，yl23411永利“百人计划”研究员陈发动与其博士生朱芝，联合上海外国语大学沈强教授、俄亥俄州立大学Ian Krajbich教授、苏黎世大学Todd Hare教授共同在国际顶级期刊Management Science（管理学UTD24期刊之一）上发表了一项研究——Intrachoice Dynamics Shape Social Decisions。
论文于2023年3月23日在线发表
该研究发现，你做决策时稍不留神产生的“鼠标移动轨迹”，也会暴露你的个人偏好，因为透过鼠标移动轨迹可以解构出你做决策时的思考过程。这是怎么做到的？本期【“科研”ZJUSOM】系列专题，一起来揭秘这项“重要发现”。
他们发现你的鼠标移动轨迹藏着关于你的“秘密”
研究中，陈发动团队将鼠标移动轨迹追踪技术与现实社会中普遍存在的亲社会行为（利他行为）相结合，通过将决策科学、行为科学、认知科学、数据科学等不同领域的方法和技术进行交叉融合，设计了一系列实验。
首先，他们设计了一个金钱分配方案选择实验。在实验的每个决策情形中，被试需要从两个选项中选择一个。每个决策中被试都面临着利己和利他的冲突与权衡。
如图1所示，被试可以选择左上角的利己选项（自己收益89，他人收益13），也可以选择右上角的利他选项（自己收益77，他人收益74）。该类决策反映了日常生活中常见的亲社会行为，例如是否为他人捐款，是否关注公平等等。
图1实验中决策情形及鼠标移动轨迹示例
实验任务共包含300种不同的决策情形和3种不同的时间约束条件：时间压力，时间延迟和时间自由。 该实验不仅记录了被试针对每个决策情形的选择结果和反应时间，还实时记录了被试在每个决策中的鼠标移动轨迹，即记录被试从显示器底端中间开始移动鼠标至选择其中一个选项的动态过程（如图1中红色或蓝色轨迹所示）。
实验结果显示，人们的社会偏好存在很强的异质性，有的人更利己，选择了更多的利己选项；有的人更利他，选择了更多的利他选项。而且，具有不同社会偏好的人，其偏好在时间压力和时间延迟条件下也发生了不同的变化。
陈发动团队从时间和空间维度对鼠标移动轨迹作了进一步分析。具体而言，他们将每个决策的鼠标移动轨迹和反应时间100等分，分别计算这100个时间点上鼠标位置相对于原点（下端中间）的角度（如图2所示）。然后，研究在每个时间点上自己收益和他人收益两个属性如何影响鼠标位置相对于原点（0, 0）的角度变化，即自己收益和他人收益如何影响鼠标移动过程。
图2鼠标位置相对于原点的角度示例
鼠标轨迹数据解析发现，对于具有不同亲社会偏好的人来说，自己收益和他人收益对鼠标移动轨迹的影响大小和开始影响鼠标轨迹的起始时间，是不同的。
他们将所有被试按照亲社会偏好强弱分为四组：特别自私、自私、利他和特别利他，如图3所示。结果发现，越自私的人，自己收益对鼠标轨迹的影响程度越大；而越亲社会的人，他人收益对鼠标轨迹的影响程度越大。
图3自己收益和他人收益对鼠标轨迹的影响程度之差在时间维度上的变化
同时，通过鼠标轨迹解析，可以识别出自己收益和他人收益两个属性开始显著影响鼠标移动的时间点。两个时间点之差（Mouse Trajectory–Derived Self-Onset Delay, MTSOD）被定义为“属性潜伏”（attribute latency）。结果发现，MTSOD与被试的亲社会偏好高度相关（如图4所示），即越利己的人通过大脑处理“自己收益”这一信息的时间越早，越利他的人通过大脑处理“他人收益”这一信息的时间越早。
图4亲社会偏好与MTSOD的相关性
由此可见，通过对鼠标移动轨迹数据的解析，可以很好地揭示个体偏好。
利用“鼠标移动轨迹”可更好地揭示和改变人的偏好
那么，鼠标轨迹为什么可以揭示个体偏好呢？因为鼠标轨迹可以帮助我们解构人们行为背后大脑的动态认知加工过程。而上述鼠标轨迹数据解析，揭示出亲社会行为背后的认知机制遵从“属性间序贯比较”认知加工过程，并解构出该认知加工机制中的关键认知成分——属性潜伏。
面向该“属性间序贯比较”认知加工机制，陈发动团队构建了一个“带有起始时间的认知计算模型”，通过刻画行为背后的动态认知加工过程来更好地描述和预测人的行为，如图5所示。
该模型中，时间段t1（SOD）刻画了属性潜伏这一关键认知成分，即在该时间段内，大脑先加工一个属性，t1时间段结束后，大脑才开始同时加工两个属性。在加工两个属性时，大脑不断地累积证据，当累积的证据达到上边界或下边界时，被试做出选择。
图5带有起始时间的漂移扩散模型示意图
他们基于反应时间和决策结果数据，拟合了该模型。该模型拟合出的属性潜伏（response-time-derived self-onset delay，RTSOD）与基于鼠标轨迹数据估计出的属性潜伏（MTSOD）高度一致（如图6所示），这进一步证明了上述认知机制解构和认知模型构建的合理性。
图6基于鼠标轨迹的属性潜伏（MTSOD）和基于反应时间的属性潜伏（RTSOD）高度相关
同时，该研究也进一步验证：同其它模型相比，“带有起始时间的漂移扩散模型”可以更好地解释和预测人的偏好以及偏好在不同条件下的相对变化。
该研究还通过一个纯行为实验和一个额外的鼠标轨迹追踪实验验证了上述结论的稳健性。最后，该研究利用机器学习方法证明了属性潜伏这一认知成分具有较强的被试间预测能力。在被试间预测上，同其它的模型相比，“带有起始时间的漂移扩散模型”也具有更强的解释和预测能力。
这项研究的价值与意义，并非让你小心使用鼠标
我们都知道，作为使用计算机时最频繁的动作之一，鼠标动作几乎是我们无意识进行的，难以避免。依托于计算机上的网站和应用程序所进行的经济和社会活动，都需要依靠一系列的鼠标动作来完成。因此，陈发动团队这项研究的意义并非在于揭秘，也并非让大众不用或小心使用鼠标，防止泄露个体偏好。
事实上，随着互联网与科技的发展，作为时常接触网络的我们，几乎无法避免个人隐私数据的部分泄露，比如个人特征、偏好等。
正因为这样，我们才会发现近年来各个网站或APP的推送内容更加“深得我心”，搜索相关产品也更加方便，这在信息爆炸时代也为忙碌的我们省下了不少信息搜索的时间。
当然，前提是这些数据能得到规范且有价值地使用。
作为受国家自然科学基金和科技部重大项目资助的项目，陈发动团队的这项研究极具学术价值与应用价值，能帮助政府、企业及学者更有价值地使用用户的“鼠标移动轨迹”数据。
具体而言，过去的研究认为人的偏好是在决策之前就有的，是固定的，而陈发动团队的研究表明，大脑中的动态认知加工过程是决定偏好的重要因素，而鼠标移动轨迹数据是解构行为背后认知加工过程的重要窗口。
也就是说，他们发现人的偏好是大脑对信息动态加工之后的结果，基于此，可以通过干预其大脑动态认知加工过程来改变人的偏好。
基于这一发现，政策制定者或企业管理者可通过不同的干预方案来改变人们决策时大脑的认知加工过程，在此基础上助推人的行为往预期方向改变，进而推动人类社会的美好进步。
另外，传统经济、管理研究中的行为模型都是建立在效用理论基础上，但效用是假设存在的，而陈发动团队的研究直接从人大脑加工信息的动态过程来构建其行为模型，是基于认知计算的，且这个模型和传统的模型比起来，能更好地解释与预测人的行为。
在数字经济时代下，这项发现能启发经济管理学者和数字经济相关企业充分利用鼠标轨迹数据来预估个体偏好，推动决策科学与数据管理研究的深入开展，帮助企业更精确地把握用户偏好、做好个性化服务，让数据真正发挥价值。
附：论文摘要
Do people have well-defined social preferences waiting to be applied when making decisions? Or do they have to construct social decisions on the spot? If the latter, how are those decisions influenced by the way in which information is acquired and evaluated? These temporal dynamics are fundamental to understanding how people trade off selfishness and prosociality in organizations and societies. Here, we investigate how the temporal dynamics of the choice process shape social decisions in three studies using response times and mouse tracking. In the first study, participants made binary decisions in mini-dictator games with and without time constraints. Using mouse trajectories and a starting time drift diffusion model, we find that, regardless of time constraints, selfish participants were delayed in processing others’ payoffs, whereas the opposite was true for prosocial participants. The independent mouse trajectory and computational modeling analyses identified consistent measures of the delay between considering one’s own and others’ payoffs (self-onset delay, SOD). This measure correlated with individual differences in prosociality and predicted heterogeneous effects of time constraints on preferences. We confirmed these results in two additional studies, one a purely behavioral study in which participants made decisions by pressing computer keys, and the other a replication of the mouse-tracking study. Together, these results indicate that people preferentially process either self or others’ payoffs early in the choice process. The intrachoice dynamics are crucial in shaping social preferences and might be manipulated via nudge policies (e.g., manipulating the display order or saliency of self and others’ outcomes) for behavior in managerial or other contexts.
