مقاله غلبه بر سوگیری های شناختی برنامه ریزان مالی از طریق دیجیتالی سازی: یک مطالعه کیفی

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سایت ناشر خرید ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

غلبه بر سوگیری های شناختی برنامه ریزان مالی از طریق دیجیتالی سازی: یک مطالعه کیفی

عنوان انگلیسی:

Overcoming financial planners’ cognitive biases through digitalization: A qualitative study

کد محصول: M1390

سال نشر: 2023

نام ناشر (پایگاه داده): الزویر

نام مجله: Journal of Business Research

نوع مقاله: علمی پژوهشی (Research articles)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:   ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 20 صفحه PDF

تعداد صفحه ترجمه فارسی:   74 صفحه WORD

قیمت فایل ترجمه شده:  98000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده

هدف این مقاله مطالعه سوگیری‌های شناختی در بین برنامه‌ریزان مالی است و در صورت وجود این سوگیری بررسی می کنیم که چگونه تحول دیجیتال از طریق هوش مصنوعی (AI) می‌تواند به غلبه بر این سوگیری ها کمک کند. ادبیات مرتبط نشان می دهد که سرمایه گذاران و مشتریان خدمات مالی می توانند سوگیری های شناختی از خود نشان دهند. با این حال، مشخص نیست که آیا برنامه‌ریزان مالی سوگیری‌های شناختی مشتریان را درک کرده و تشخیص می‌دهند و آیا در حین ارائه خدمات برنامه‌ریزی مالی، اصلاً سعی می‌کنند این سوگیری‌ها را برطرف کنند یا خیر. در این مقاله با استفاده از تئوری اسناد، به بررسی شکاف در تحقیقات مرتبط با سوگیری‌های شناختی در بین برنامه‌ریزان مالی می پردازیم و یک دستور کار تحقیقاتی آینده را برای رفع این شکاف، از طریق یک بررسی کیفی ارائه می‌کنیم. مطالعه ما در دو مرحله طراحی شده که در هر دو مرحله مصاحبه های عمیق انجام دادیم. مرحله اول شامل مصاحبه های عمیق با 21 برنامه ریز مالی و تکرار 10 مصاحبه با برنامه ریزان مالی منتخب، با سناریوهای تعیین شده در مرحله دوم بود. در مجموع، ما 31 مصاحبه برای بررسی سوگیری های شناختی در بین برنامه ریزان مالی و نحوه کمک  هوش مصنوعی برای رفع این سوگیری ، انجام دادیم. یافته‌های ما نشان می‌دهد که در میان برنامه‌ریزان مالی سوگیری‌های شناختی در حین ارائه خدمات برای افرادی که به خدمات نیاز دارند ،وجود دارد که چالشی بزرگ برای آنهاست.یافته‌های ما همچنین نشان می‌دهد که تحول دیجیتال با استفاده از فناوری‌های هوش مصنوعی ممکن است به غلبه بر این سوگیری های موجود کمک کند، البته فناوری‌های هوش مصنوعی باید با هوش انسانی ترکیب شوند. بر اساس دانش ما، هیچ تحقیقی در مورد ارتباط بین سوگیری های شناختی و هوش مصنوعی در بین برنامه ریزان مالی وجود ندارد.

کلیدواژه ها: سوگیری های شناختی، تصمیم گیری، هوش مصنوعی، برنامه ریزان مالی

Abstract The purpose of this paper is to investigate cognitive biases among financial planners and, if and how, digital transformation through Artificial Intelligence (AI) can help overcome biases. The literature establishes that investors and financial services clients can exhibit cognitive biases. However, it is not evident whether the financial planners understand and detect cognitive biases among the clients and if they at all ’attempt’ to address the biases whilst providing financial planning services. Utilizing the attribution theory, our paper contributes by exploring the gap in research related on cognitive biases among financial planners and provides a future research agenda for addressing the gap, through a qualitative investigation. Our study was designed over two stages, wherein we conducted in-depth interviews in both stages. The first stage included in depth interviews with 21 financial planners and a repeat 10 interviewers with select financial planners, with scenarios in the second stage. In total, we conducted 31 interviews to investigate cognitive biases among financial planners and how Artificial Intelligence can assist. Our findings suggest that cognitive biases exist among financial planners while providing services for the people in need, which is a major challenge for them. Our findings further suggest that digital transformation by using the Artificial Intelligence technologies might help overcome this existing biases, albeit, AI technologies ought to be combined with human intelligence. To the best of our knowledge, there exists no existing research on the association between cognitive biases and artificial intelligence among financial planners.

Keywords: Cognitive biases, Decision making, Artificial Intelligence, Financial planners

1.مقدمه

تحقیقات نشان می‌دهد که سوگیری‌های روان‌شناختی که بر برنامه‌ریزان مالی تاثیر می گذازند می‌تواند منجر به تصمیم‌گیری‌های ناقص شود (بیکر، فیلبک و ریچاردی، 2017). به گفته هامفریس (1979)، توانایی شناختی یک فرد به عنوان «پیامد فرآیندهای اکتساب، ذخیره سازی در حافظه، بازیابی، ترکیب، مقایسه و استفاده در زمینه های جدید مهارت های اطلاعاتی و مفهومی …» تعریف می شود (ص. 115). توانایی شناختی فردی کارکنان ممکن است تحت تأثیر سوگیری های شناختی در فرآیندهای تصمیم گیری آنها قرار گیرد که به طور بالقوه منجر به خطاهای سیستماتیک به دلیل وجود نقاط کور می شود (کانمن، 2011). این مسئله یک نگرانی جدی در رابطه با تصمیم گیری های مالی است. توانایی های شناختی می تواند توسط ادراکات محل کار و حالات عاطفی تصمیم گیرندگان مختل شود. خطای بنیادین اِسناد (FAE) به عنوان ” تمایل افراد به تأکید بیش از حد بر ویژگی های شخصی و نادیده گرفتن عوامل موقعیتی در قضاوت رفتار دیگران است ” تعریف می شود (راس، آمابیل و استاینمتز، 1977، صفحه 491) که همچنین از طریق سوگیری های شناختی بر فرآیندهای مختلف تصمیم گیری در محیط کار تأثیر می گذارد. بنابراین، استفاده از مکانیسم‌ها یا تکنیک‌های مناسب برای غلبه یا کاهش هرگونه سوگیری که عمدتاً  ناآگاهانه ، چه هنگام تصمیم‌گیری یا هنگام ابراز عقاید بر تفکر انسان تأثیر می‌گذارد ، مهم است…

1.Introduction Research suggests that the psychological biases affecting financial planners can lead to flawed decisions (Baker, Filbeck, & Ricciardi, 2017). According to Humphreys (1979), an individual’s cognitive ability is defined as “the resultant of the processes of acquiring, storing in memory, retrieving, combining, comparing, and using in new contexts information and conceptual skills…” (p. 115). The individual cognitive ability of employees may be swayed by cognitive biases in their decision-making processes, potentially leading to systematic errors (Kahneman, 2011) due to blind spots. This is a serious concern in relation to making financial decisions. Cognitive abilities can be impaired by the decision makers’ workplace perceptions and emotional states. The fundamental attribution error (FAE) defined as “the tendency to underestimate the role of situational determinants and overestimate the degree to which social actions and outcomes reflect the dispositions of relevant actors” (Ross, Amabile, & Steinmetz, 1977, pg. 491) also affects various decision-making processes in the workplace through cognitive biases. Therefore, it is important to employ mechanisms or techniques suited to overcome or mitigate any biases that predominantly and unknowingly influence human thinking, whether while arriving at decisions or voicing opinions…

2.5. جمع آوری داده ها

 برای این مطالعه، ما داده های مصاحبه را از 31 برنامه ریز و مشاور مالی در استرالیا جمع آوری کردیم. فرآیند جمع آوری داده ها که به تایید کمیته اخلاق پژوهش انسانی (HREC) رسیده بود، در دو مرحله و از طریق دو مجموعه مصاحبه عمیق انجام شد. در مرحله اول، 21 مصاحبه عمیق در ژوئیه 2020 با برنامه ریزان مالی برای به دست آوردن درک درستی از سوگیری های شناختی که در هنگام تصمیم گیری های مالی با آن مواجه بودند، انجام شد. برای جمع‌آوری پاسخ‌ها از یک سبک مصاحبه نیمه ساختاریافته استفاده شد، اما در صورت نیاز به وضوح بیشتر، از کاوش‌ها و یادآوری ها نیز استفاده شد. یک دستورالعمل مصاحبه بر اساس بررسی ادبیات انتقادی و عمیق تهیه شد. سوالات مربوط به سوگیری های شناختی، فرآیندهای تصمیم گیری و هوش مصنوعی بود. این دستورالعمل شامل (1) سؤالات مقدماتی (به عنوان مثال، سالهای تجربه کار در بخش)، (2) سؤالات کلی در مورد سوگیری شناختی (به عنوان مثال، ” برخی از سوگیری هایی که برنامه ریزان مالی دارند چیست؟”)، و (3) سؤالات خاص در مورد استفاده از هوش مصنوعی (به عنوان مثال، “هوش مصنوعی چگونه می تواند در سوگیری های خاص برای مثال، فرآیندهای عاطفی کمک کند؟”، “هوش مصنوعی چگونه به غلبه بر سوگیری و کمک به بهبود عملکرد روانشناسی سرمایه گذار کمک می کند؟”، و “چگونه هوش مصنوعی می تواند در غلبه بر سوگیری ها و کمک به تفکر منطقی که سوگیری های روان شناختی را به حداقل می رساند، کمک کند؟). در مرحله دوم، 10 مصاحبه عمیق با سؤالات سناریو در ژانویه 2022، با برنامه ریزان مالی نمونه ما انجام شد تا پاسخ های دقیقی در مورد اینکه آیا و چگونه هوش مصنوعی در غلبه بر سوگیری های شناختی کمک می کند ، انجام شد. با توجه به ماهیت مطالعه ما، شرکت کنندگان خود را به طور هدفمند (پاتون، 2002) بر اساس تجربه گسترده آنها به عنوان برنامه ریزان مالی انتخاب کردیم. ما این کار را برای به دست آوردن اطلاعات قابل اعتماد در مورد سوگیری های شناختی انجام دادیم، زیرا مشاوران مالی بی تجربه ممکن است درک کمتری از آنها داشته باشند. یکی از راه‌های تعیین حجم نمونه، شناسایی عددی است که برای رسیدن به هدف مطالعه کافی باشد (کوزل، 1999، پاتون، 2014). با این حال، با توجه به مالترود، سیرزما، و گواسورا (2016)، حجم نمونه کوچکتر برای مطالعه با هدف محدود، ویژگی متراکم، نظریه کاربردی، گفتگوی مصاحبه قوی و تجزیه و تحلیل موردی عمیق کافی است. بنابراین، ما حجم نمونه خود را بر اساس دانش و تجربه خود تعیین کردیم. ما از 31 مصاحبه خود اطلاعات کافی برای به دست آوردن یافته های تئوری حمایت شده جمع آوری کردیم. مشاوران مالی نمونه ما همگی بین 14 تا 31 سال تجربه در این بخش داشتند که میانگین آن 19 بود. مدارک تحصیلی برنامه ریزان مالی نمونه ما متفاوت بود و از دیپلم تا مدارک تحصیلات تکمیلی متغیر بود. از میان شرکت کنندگان ما، 25 مرد(77٪) و شش زن بودند که نماینده صنعت خدمات مالی استرالیا بودند. از نظر توزیع جغرافیایی، 42 درصد از New South Wales ، 26 درصد از ویکتوریا، 16 درصد از کوئینزلند، 10 درصد از استرالیای غربی و 6 درصد از استرالیای جنوبی بودند. شکل 1 (زیر) فرآیند کلی جمع آوری داده ها را خلاصه می کند…

2.5. Data collection For this study, we collected interview data from 31 financial planners and advisors in Australia. The data collection process, which was approved by the Human Research Ethics Committee (HREC), was held in two stages through two sets of in-depth interviews. In stage one, 21 indepth interviews were conducted in July 2020, with financial planners to gain an understanding of the cognitive biases they faced while taking financial decisions. A semi-structured interview style was employed to collect the responses, but probes and prompts were also employed when greater clarity was needed. An interview guide was developed based on a thorough critical and in-depth literature review. The questions were related to cognitive biases, decision making processes, and AI. The guide included (1) introductory questions (e.g., the years of experience working in the sector), (2) general questions about cognitive bias (e.g., “What may be some biases that financial planners carry?”), and (3) specific questions about the use of AI (e.g., “How can AI help in specific biases for e.g., emotional processes?”, “How will AI help in overcoming biases and aid in an improved undertaking of investor psychology?”, and “How can AI help in overcoming biases and aid rational thinking that minimize psychological/cognitive biases?). In stage two, 10 in-depth interviews with scenario questions were conducted in January 2022, with our sample financial planners to elicit detailed responses about whether and how AI would help in overcoming cognitive biases. Considering the nature of our study, we selected our participants purposively (Patton, 2002) based on their extensive experience as financial planners; we did so in order to get reliable data on cognitive biases, as inexperienced financial graduates may have a lesser understanding of them. One way of determining a sample’s size is by a identifying a number that will be sufficient to achieve a study’s aim (Kuzel, 1999, Patton, 2014) and reach saturation. However, according to Malterud, Siersma, & Guassora (2016), a smaller sample size is sufficient for a study with a narrow aim, dense specificity, applied theory, strong interview dialogue, and in-depth case analysis; therefore, we determined our sample size based on our knowledge and experience. From our 31 interviews, we gathered sufficient information to obtain theoretically supported findings. The financial advisors in our sample all had between 14 and 31 years of experience in the sector, with an average of 19. Our sample financial planners’ academic qualifications varied, and ranged from advanced diplomas to postgraduate qualifications. Among our participants, 25 were male and six female, which is representative of the Australian financial service industry and of the high percentage of males in the industry (77 %). In terms of their geographical distribution, 42 % were from New South Wales, 26 % from Victoria, 16 % from Queensland, 10 % from Western Australia, and 6 % from South Australia. Fig. 1 (below) summarizes the overall data collection process..

5.بحث و نتیجه گیری

در این مطالعه با بررسی های خود در زمینه غلبه بر سوگیری های شناختی در برنامه ریزان مالی، سعی کردیم به سه سوال تحقیق پاسخ دهیم. بدین وسیله تمام سوالات را مورد بحث قرار می دهیم. هدف اول درک چگونگی تأثیر سوگیری های شناختی بر فرآیندهای تصمیم گیری بود. اول، ما تشخیص دادیم که تقریباً همه برنامه‌ریزان مالی نمونه ما تحت تأثیر سوگیری ها قرار گرفتند (کوردل و همکاران، 2011؛ ​​نوفسینگر، 2017) اگرچه تعداد کمی از آنها این موضوع را نپذیرفتند. برخی از متداول‌ترین سوگیری‌هایی که برنامه‌ریزان مالی از آن‌ها آگاه بودند عبارت بودند از: سوگیری تأیید، همانندگرایی ، ناخودآگاه، آماده سازی، اعتماد به نفس بیش از حد، چارچوب‌بندی، خود خدمتی، باور، تکیه گاه یابی ، و سوگیری تجسم‌یافته، که فهرستی از سوگیری‌ها و عوامل شخصیتی ارائه شده توسط چوداری و همکاران (2021) را گسترش می‌دهد..

5.Discussion and conclusion With our investigation on overcoming cognitive biases in financial planners, we tried to answer three research questions. We hereby discuss them one by one. The first was aimed at understanding how cognitive biases influence decision making processes. First, we identified that virtually all our sample financial planners were affected by biases (Cordell et al., 2011; Nofsinger, 2017), although a few of them did not accept this. Some of the most common biases of which the financial planners were aware were the confirmation, affinity, unconscious, priming, overconfidence, framing, self-serving, belief, anchoring, and embodied biases, which extends the list of biases and personality factors laid down by Choudhary et al. (2021). Of these, confirmation bias was found to be the most prominent, which is in line with the findings of previous research (Talluri et al., 2018; Rollwage et al., 2020). This shows that financial planners are subject to cognitive biases, which leads them to make investment decisions that may be based on their prior experience or to the best of their knowledge, being thus potentially not actually based on their clients’ profiles but on their own ideas of the future. Financial planners should therefore have healthy discussions with their clients regarding any biases involved and investments planned (Pompian, 2017)…