认知反思测试：为什么聪明人也会掉进简单的陷阱

有一道题，已经出现在数百篇论文、书籍和课堂里：

一根球拍和一个球一共 1.10 美元。球拍比球贵 1.00 美元。球多少钱？

大多数人还没读完题，答案就已经冒出来了：10 美分。这个答案感觉理所当然，但它是错的。如果球是 10 美分，球拍就是 1.10 美元，两样加起来是 1.20 美元。正确答案是 5 美分：5 美分的球加上 1.05 美元的球拍，正好 1.10 美元，而球拍恰好比球贵 1.00 美元。

这道题一点也不难，会基本算术的成年人都能解出来。真正有意思的是：为什么那么多能力很强的人会答错？认知反思测试正是为研究这个问题而设计的。

读下去之前先提醒一句：如果你打算做我们的认知反思测试，建议先做题再读这篇文章。下文会讲到，事先了解这类题目的套路，会明显改变得分。

测试从哪里来

认知反思测试（Cognitive Reflection Test，简称 CRT）由经济学家、心理学家 Shane Frederick 在 2005 年的一篇论文中提出（Frederick, 2005）。原版只有三道题：除了球拍与球，还有一道关于机器生产零件的题，以及一道关于每天面积翻倍的睡莲的题。

三道题的共同点在于设计方式：每道题都有一个立刻浮现的答案，而这个答案是错的。一旦意识到不对劲，算出正确答案很容易；难的是意识到不对劲本身。

Frederick 认为，这个测试衡量的是一种能力或倾向：不急于说出脑中冒出的第一个答案。他让数千人做了这套题，其中很多是知名大学的学生，结果发现即使在高学历群体中，答错也很常见。而且错误并不是随机的：多数错误答案恰恰是题目引诱人说出的那个直觉答案（Frederick, 2005）。

Frederick 还报告，CRT 得分与人们做其他决定的方式有关。在他的数据中，得分高的人在“现在拿钱还是以后拿更多钱”的选择上往往更有耐心，在风险选择上也与得分低的人有所不同（Frederick, 2005）。正因如此，这三道小题不仅引起了心理学家的兴趣，也引起了经济学家的关注。

快思考与慢思考

人们通常用“双过程”理论来解释 CRT。在丹尼尔·卡尼曼（Daniel Kahneman）推广的版本中，“系统 1”快速、自动地运作，几乎不费力气就给出印象和答案；“系统 2”缓慢而费力，可以检查、有时也会推翻系统 1 的结果（Kahneman, 2011）。卡尼曼就用球拍与球的问题举例：系统 1 给出“10 美分”，而很多人的系统 2 没有检查就接受了它。

按照这种看法，CRT 恰好抓住了快速直觉与仔细检查发生冲突的那一刻。答对说明检查发生了；选了那个诱人的错误答案，说明第一印象未经审视就通过了。

对“双系统”说法的批评

这种解释流行且好用，但并不是定论，也有分量不轻的批评者。

双过程理论的两位代表人物 Jonathan Evans 和 Keith Stanovich 承认，这一理论受到了来自多个方向的批评。他们在回应中指出，人们常常附加在两个“系统”上的许多特征（快与慢、无意识与有意识、情绪与逻辑）并不总是同时出现，不应被当作定义。他们更倾向于使用“类型 1”和“类型 2”加工的说法，并把工作记忆视为两者的关键区别（Evans & Stanovich, 2013）。

Arie Kruglanski 和 Gerd Gigerenzer 走得更远。他们认为，直觉判断和深思熟虑的判断遵循同一套基于规则的原理，根本没有必要把心智分成两个独立系统（Kruglanski & Gigerenzer, 2011）。

对答题的人来说，无论哪种理论正确，实际意义都一样：有些答案来得很快、感觉很对，而检查一下有时会改变答案。仍有争议的是，这背后是两个不同的心理系统，还是同一个系统在不同条件下运作。

CRT 得分与什么有关

测试只有寥寥几道题，能预测的东西却不少，这让研究者颇感意外。

• 认知偏差。Maggie Toplak、Richard West 和 Keith Stanovich 让参与者同时完成 CRT 和一系列经典的启发式与偏差任务。CRT 能预测这些任务的表现，而且在控制了认知能力、思维倾向和执行功能等指标之后依然如此（Toplak et al., 2011）。换句话说，它似乎捕捉到了标准智力测验遗漏的东西：不图省事、不偷懒思考的倾向。
• 虚假信息。Gordon Pennycook 和 David Rand 让参与者判断真实与虚假新闻标题的准确性。CRT 得分较高的人更善于区分真假标题，而且无论标题是否符合自己的政治立场，这一规律都成立（Pennycook & Rand, 2019）。作者认为，相信假新闻更多是因为没有仔细思考，而不是出于党派立场的动机性推理。

这里有两点需要注意。第一，这些都是群体层面的相关：得分高并不意味着某个人就不会掉进偏差、不会相信假标题。第二，这些关联的强弱在不同研究和样本中并不一致，而且 CRT 测到的东西可能有一部分并不是反思，这就引出了下一个争论。

测的是反思，还是数学？

Frederick 的三道题，以及后来的许多题目，都是算术应用题。这自然引出一个质疑：CRT 也许主要测的是数学能力（即处理数字的能力），而不是停下来检查的倾向。

Andrew Sinayev 和 Ellen Peters 直接检验了这一点。他们把 CRT 拆成“反思”和“计算”两部分，同时用独立量表测量数学能力。在他们的研究中，CRT 预测更好决策的能力主要来自数学能力，反思本身几乎没有额外贡献（Sinayev & Peters, 2015）。

也有人不同意。Gordon Pennycook 和 Robert Ross 重新分析了相关数据，认为换一种计分方式，认知反思才是稳定的预测因素，计算则不是（Pennycook & Ross, 2016）。这场争论尚无定论。比较公允的概括是：经典 CRT 把反思和数学能力混在了一起，仅凭三道数学题很难把两者完全分开。

这也是后来的研究者编写几乎不需要算术的 CRT 题目的原因之一。Keela Thomson 和 Daniel Oppenheimer 开发了一套以文字题为主的替代版本 CRT-2。他们发现，它对数学能力的依赖低于原版，同时看起来测量的仍是密切相关的能力（Thomson & Oppenheimer, 2016）。

熟悉度问题

CRT 有一个大多数心理测验没有的弱点：一旦知道了窍门，陷阱就失灵了。

如今球拍与球的问题随处可见：科普书、网络小测验、求职面试、课堂讲座。Stefan Stieger 和 Ulf-Dietrich Reips 研究了一个 2,272 人的大型社区样本，发现约 44% 的人以前见过 CRT 或类似题目，而这些人的得分明显更高（Stieger & Reips, 2016）。以前是否接触过这类题目，连同受教育程度，属于预测高分最有力的几个因素。作者建议使用题目更新、题量更多的新版本。

Thomson 和 Oppenheimer 对经常参加在线研究的被试也提出了同样的担忧，并报告说，见过 CRT-2 题目的人比见过原版题目的人少得多（Thomson & Oppenheimer, 2016）。

道理很简单：在一道著名题目上得高分，可能说明你反思了，也可能只说明你记得答案。这也是我们建议先做测试再读本文的原因，也是我们的题目采用原创改写、而非那几道著名原题的原因。

让自己慢下来的实用习惯

快速直觉关不掉，你也不会想关掉，因为大多数时候它都很好用。目标是识别出那些值得再看一眼的时刻。下面这些是常识性的做法，并不是经过验证的训练方案，但它们针对的正是 CRT 所关注的东西。

• 把“显然”当作信号。当一道看起来像陷阱的题目的答案瞬间出现、而且感觉十分确定时，正是该检查的时候，而不是跳过检查。
• 把答案代回去验算。遇到数字题，用你的答案去核对题目里的每一个条件。只要把 10 美分和 1.10 美元加一加，球拍与球的错误就会消失。
• 重读原文措辞。很多陷阱靠的是你一眼扫过的某个词，比如“多出”“至少”“一共”。下结论之前，慢慢再读一遍题目。
• 问问自己忽略了什么基础比率。当一段生动的描述把你引向某个方向时，先想想每种可能性本来有多常见。
• 把“故事”和“概率”分开。细节更多的故事可能更有说服力，但可能性反而更低，因为每多一个细节，就多一件必须成立的事。
• 转发之前停一停。面对网上的标题和说法，花几秒钟问问“这真的准确吗？”，就是日常生活版的球拍与球检查。

我们的测试如何运作

我们的认知反思测试是一个简短、不限时的自我反思工具，不是临床或诊断性评估。它的具体做法如下：

• 共 10 道题。全部是对 CRT 文献及经典启发式与偏差任务中已发表题型的原创改写，并非那几道著名原题。
• 三类陷阱。4 道数字陷阱（填写数字），2 道语言陷阱和 4 道概率陷阱（从选项中选择）。
• 没有时间限制。我们请你不要使用计算器，也不要上网搜索答案。
• 满分 10 分的反思得分。即你答对的题目数量。
• 直觉答案次数。我们还会统计 10 道题中，你有几次选了每道题专门设下的那个诱人错误答案，与其他错误答案分开计算。
• 按陷阱类型细分，显示你在数字、语言和概率三类陷阱上的表现。
• 等级与百分位。9–10 分为“高度反思型”，7–8 分为“反思型”，4–6 分为“平衡型”，0–3 分为“直觉型”。在足够多的人完成这一版本之前，百分位使用临时常模，请把它当作粗略参考。

我们不会在这里公布答案，原因正如熟悉度研究所揭示的：提前知道答案，会让你的得分失去意义。

常见问题

球拍与球问题的答案是什么？

球 5 美分，球拍 1.05 美元。直觉答案“10 美分”之所以不对，是因为那样球拍只比球贵 90 美分，而且总价会变成 1.20 美元。

CRT 得分低，是不是说明我不聪明？

不是。CRT 得分与认知能力有关，但这个测试的设计初衷是捕捉另一种东西：你会不会停下来检查一个快速得出的答案（Frederick, 2005；Toplak et al., 2011）。很多能力很强的人也会答错这些题。在一个只有 10 道题的简短测试上得分偏低，只是提醒你自我反思的契机，而不是对你头脑的定论。

我能提高得分吗？

如果你以前见过类似题目，得分几乎肯定会提高，这正是原版 CRT 变得不那么有用的原因（Stieger & Reips, 2016）。至于练习能否让你在日常决定中变得更善于反思，则是另一个问题，而且确定性要低得多。上面那些习惯是一个合理的起点。

快速、直觉式的思考不好吗？

完全不是。人们处理日常生活的大部分事情都靠快速判断，而且它们常常是对的。CRT 用的是专门设计成“第一反应就错”的题目。真正有用的能力不是一概不信直觉，而是识别出哪些问题值得再看一眼。