Abstract
Although people frequently rely on intuition in managing activities, they rarely use it in developing effective decision-making support systems. In this paper, we investigate and compare the correlations between such characteristics as cognition and emotion characteristics and judgmental time-series forecasting accuracy by using a self-organizing neural network, and eventually aim to help build efficient decision-making atmosphere. The neural network used in this paper employs a self-supervised adaptive algorithm, and the feature of which is that it inherently can use correlation between input vectors by exchanging information between neuron clusters in the self-organizing layer during the training. Our experiments showed that both cognition and emotion characteristics had correlations with judgmental time-series forecasting, and that cognition characteristics had larger correlation than emotion characteristics. We also found that conceptual style had larger correlation than behavioral and analytical styles, and displeasure-sleepiness style had larger correlation than pleasure-arousal style with the forecasting.
직관력은 의사결정시 자주 의존되나, 효과적인 의사결정지원 시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지특성 및 감성특성과 시계열 직관 예측 간의 상관성을 자기조직 인공신경망에 의해 확인하고 비교함으로써, 시계열 직관 예측에 영향을 주는 의사결정자의 인지적 특성과 감성적 특성을 도출하고 궁극적으로는 효과적인 의사결정 환경을 조성하는데 공헌하고자 한다. 이 실험에 사용하는 인공신경망은 자기감독적응 알고리듬을 이용하는데, 이의 특징은 학습 기간 중 자기조직 층의 뉴런 클러스터 간에 정보를 교류함으로써 본질적으로 입력 벡터간의 상관성을 이용할 수 있다는 것이다. 실험결과, 인지 특성과 감성 특성이 모두 시계열 예측과 상관성이 있는 것으로 나타났으며, 또한 인지 특성이 감성 특성보다 상관성이 높은 것으로 나타났다. 유형별로는, 개념적 인지유형이 분석적 또는 행동적 인지유형보다, 불쾌-이완 감성유형이 쾌활-각성 감성유형보다 시계열 직관 예측의 상관성이 높은 것으로 관찰되었다.
