研究《小联盟棒球运动员的职业期望与乐观更新偏差》的学术报告
一、 作者、机构与发表信息
本研究的作者是 Christopher M. McLeod（第一作者，通讯作者）、N. David Pifer 和 Emily P. Plunkett。Christopher M. McLeod 和 Emily P. Plunkett 来自美国佛罗里达大学（University of Florida），N. David Pifer 来自美国佛罗里达州立大学（Florida State University）。这项研究发表于 Journal of Vocational Behavior 期刊第129卷（2021年），文章号为103615，于2021年7月26日在线发布。
二、 学术背景与研究目标
本研究属于职业行为心理学与认知偏差研究的交叉领域，特别是聚焦于职业期望形成与更新的认知过程。长期以来，研究观察到运动员——尤其是追求职业体育生涯的个体——普遍存在不切实际的乐观（unrealistic optimism），高估了自己取得顶级成功的概率。这种现象不仅限于运动员，也常见于学生对其毕业后薪资的预期等领域。不准确的职业期望可能导致不利的决策，如运动员接受低薪酬、忽视职业规划，并在面临突然的职业生涯终结时产生负面心理后果。
尽管关于职业成功率的信息（如成为职业运动员的统计数据）是公开可得的，但人们似乎并未理性地利用这些信息来调整自己的预期。贝叶斯更新（Bayesian updating）理论作为信念更新的规范性（normative）标准，主张个体在面对新信息时应根据其修正先验概率以得到后验概率。然而，大量研究表明，人们在信息处理过程中存在系统性偏差，例如对积极信息比消极信息反应更强烈的“不对称更新”（asymmetric updating）。
本研究旨在填补这一研究空白，探究当运动员接触到新的、个性化的职业信息时，他们如何更新自己的职业期望。具体而言，研究提出了三个研究问题： 1. 运动员在看到职业信息时如何更新他们的期望？ 2. 运动员的更新行为在哪些方面与规范性理论（如贝叶斯更新）的建议不同？ 3. 运动员给出的哪些理由、辩护或解释可以说明其更新行为与规范性理论存在差异？
研究者选择小联盟棒球运动员作为研究对象，原因在于：1) 小联盟体系具有清晰的、逐级递进的职业路径，便于测量期望；2) 存在大量关于球员表现和职业轨迹的公开数据，可以生成个性化的职业预测；3) 小联盟的低薪酬和艰苦条件意味着，如果球员知道自己晋升无望，转向其他职业可能更符合其经济利益，这使得他们对了解真实职业前景有潜在动机。
三、 详细研究流程与方法
本研究采用了一种结合定量（概率估计差异分析）与定性（半结构化访谈）的混合方法，具体流程如下：
1. 参与者招募与样本 研究招募了22名小联盟棒球运动员作为参与者。招募邮件通过一个球员倡导组织发送给约250名球员。最终样本剔除了1名在小联盟时间过长（>6年）导致模型无法预测的球员，有效样本为21人。样本涵盖了小联盟系统的各个级别：3A（14%）、2A（24%）、长期A级（24%）、短期A级（24%）和新秀级（14%），具有良好的层级代表性。参与者平均年龄23.8岁，种族构成以白人为主（81%）。
2. 研究工具与数据收集 数据收集主要通过视频会议软件 Zoom 进行一对一访谈，访谈平均时长61分钟，过程被录音并转录。研究使用了三种核心工具： * C5.0 机器学习生成的职业路径树（Career Tree）： 这是研究的关键创新工具。研究者收集了2003年至2011年间所有在美国职业棒球大联盟（MLB）选秀中被签下球员的数据（来自TheBaseballCube.com），包括选秀顺位、生物信息、表现统计数据（2003-2018）以及在小联盟的层级变动。使用 R 统计软件中的 C5.0 机器学习算法，为每个受访球员创建一个个性化的“职业路径树”。该树预测了球员在未来三个赛季（最多六年）内可能处于的七种状态的概率：大联盟（MLB）、小联盟各级别（3A， 2A， 长期A级， 短期A级）、离开小联盟系统（Out， 包括被淘汰、受伤或退出），以及某个赛季未参赛但之后回归（DNP）。模型输入变量包括选秀顺位、大学经历、惯用手、身高体重、过往达到的最高层级、年龄以及上赛季相关表现统计数据。该模型经过交叉验证，对样本外数据的正确分类率在50%至85%之间。 * 球员自绘职业路径树： 在向球员展示算法生成的树之前，研究者要求他们基于自己的判断，绘制一个同样结构的职业路径树，估算自己未来三年在不同层级的晋升概率。这代表了球员的“先验”期望。 * 半结构化访谈指南： 访谈分为四部分：1) 了解球员背景和职业期望；2) 球员绘制自己的职业路径树；3) 向球员展示并解释为其个性化生成的C5.0职业路径树，引导其进行比较和评论；4) 提出一系列核心问题，探究其更新意愿和行为，例如：“如果你有机会重新绘制你的职业路径树，你会改变什么吗？”“这些关于职业轨迹的信息是否改变了你的期望？以何种方式？”“这些信息是否改变了你的抱负或目标？”“你认为这些信息对小联盟棒球球员重要或有用吗？为什么？”
3. 数据分析流程 数据分析分为四个步骤： * 步骤一（定量数据提取）： 从球员自绘树和C5.0树中分别提取三个关键概率值：a) 未来三年内进入MLB的总概率；b) 未来三年内离开小联盟系统（Out）的总概率；c) 每个赛季平均晋升到更高层级的概率。 * 步骤二（差异分数计算）： 将C5.0树的预测概率从球员自绘树的估计概率中减去，得到差异分数。正值表示球员高估，负值表示低估。研究者设定5%为界，将差异小于5%的归类为“准确”，差异≥5%的为“高估”，差异≤-5%的为“低估”。 * 步骤三（访谈内容编码）： 对访谈转录文本进行编码分析。首先基于现有更新理论和乐观偏差研究（如不对称更新、不切实际的乐观）建立先验编码类别。同时采用开放式编码，允许新主题浮现。两位研究者独立编码部分访谈，讨论并达成共识后形成最终编码手册，然后独立完成全部编码并计算评分者间信度（Krippendorff‘s α = 0.91，信度很高）。 * 步骤四（综合分析与主题提炼）： 结合定量分组（高估、低估、准确）和定性编码内容，分析不同组别球员的更新行为模式。特别关注那些与贝叶斯更新原则不一致的行为（如面对消极信息反而更乐观），并通过定性数据深入探究其原因。
4. 伦理考量与可信度保证 研究考虑了伦理问题，重点保护球员身份。研究动机源于之前与球员的合作发现：球队常向球员隐瞒信息，而球员渴望获得更多关于自身发展的客观信息。因此，提供信息被视为一种改善球员自主决策的“助推”。研究者也明确说明了C5.0模型的局限性，避免夸大其预测能力。为保障研究可信度，除了高评分者信度外，作者团队还相互咨询验证数据解读，并将研究发现与球员倡导组织的现任及前任球员管理人员分享讨论，获得了他们的认同。
四、 主要研究结果及其逻辑关系
1. 球员先验期望的普遍乐观与不准确性 在接触C5.0信息之前，球员的先验期望普遍存在显著的乐观偏差和不准确性。数据显示，76%的球员高估了自己进入MLB的总概率，76%的球员低估了自己被淘汰出系统（Out）的总概率，76%的球员高估了自己的平均晋升概率。仅有10%到19%的球员的估计值与模型预测的差异在5%以内（即相对准确）。这表明绝大多数球员的初始期望都需要根据新信息进行修正。所有球员都表示渴望进入MLB，并承认如果知道自己毫无机会，他们会考虑其他职业，这显示他们具有了解真实信息的动机。
2. 更新行为的整体模式与不对称性 在展示C5.0职业树之后，67%的运动员修改了他们的自绘职业树，这表明新信息确实触发了某种形式的认知调整。最常见的更新是增加被淘汰（Out）的概率，这与许多球员最初忽略或低估此概率的情况相符。然而，更新行为呈现出明显的“不对称性”： * 悲观信息更新不足： 当C5.0信息比球员自己的估计更悲观时（这是大多数情况），球员虽然可能更新，但更新的幅度往往小于模型建议的幅度。例如，一个球员在面对模型预测其未来几年被淘汰概率高达83%、96%、99%时，仅在自己的树中为最后一年增加了被淘汰的可能性。 * 乐观信息更新充分甚至过度： 当C5.0信息包含积极成分（如显示有微小但非零的晋升MLB概率）时，球员更倾向于将期望更新至与模型一致甚至更乐观的水平。 * 期望声明的变化更偏向乐观： 尽管多数人收到了悲观信息，但只有19%的球员表示这些信息“改变”了他们的期望。值得注意的是，在这少数表示改变期望的人中，有一半是变得更加乐观。例如，有球员看到模型给出的低成功率反而说“这给了我更乐观的理由”。球员们倾向于从悲观的整体信息中挑选出积极的细节（如“至少不是零概率”）来强化信念。
3. 违反规范性更新原则的“反向更新”案例 研究发现了更极端的行为，即与贝叶斯更新原则直接相悖的“反向更新”。例如： * 两名球员在C5.0模型预测其进入MLB概率低于其自身先验估计的情况下，反而在事后表示会提高自己估计的MLB概率，其中一人甚至声称会将第三年进入MLB的概率设为100%。 * 三名球员将悲观的C5.0预测树视为一种激励工具，要求保存图片用作手机壁纸，声称渺小的成功概率反而会激发他们更努力地工作去“击败这些数字”。 这些行为完全不符合信息作为客观证据用于修正信念的规范性角色。
4. 解释非理性更新行为的三大定性主题 通过对访谈数据的深度分析，研究者提炼出三个核心主题，用以解释上述不对称和反向更新行为： * 主题一：必要的乐观（Necessary Optimism）： 球员普遍相信乐观不仅是有益的，而且是棒球职业生涯必不可少的心理技能。他们将棒球描述为“失败的游戏”，认为缺乏乐观精神，负面想法会摧毁表现。因此，他们主动选择保持乐观，甚至回避思考被淘汰的可能性，因为他们相信“想到消极面就会吸引消极事情发生”。这是一种有意识的、工具性的乐观，被视为成功的先决条件。 * 主题二：参照群体忽视（Reference Group Neglect）： 球员在承认C5.0数据整体准确的同时，普遍将自己视为“例外”或“ outlier”。他们通过刻板印象化其他球员（如认为他人“懒惰”、“不够投入”、“不切实际”）和强调自身独特的心理品质（如“更强的职业道德”、“更坚韧”），来否定数据对自己的适用性。他们忽略了其他球员很可能也拥有同样的自认为独特的品质，从而无法将自己正确置于参照群体中进行概率评估。 * 主题三：信息的情感属性（Information as Affect）： 球员不仅仅将信息视为描述世界状态的客观事实（统计学视角），更将其视为具有情感影响力的事物。他们认为，信息（特别是概率数字）会直接影响他们的心态和后续行动。接受一个低概率意味着“没有给自己机会（心态上）”。因此，悲观的统计信息被一些人重构为需要被挑战和克服的“对手”，或转化为努力的动力。这种将信息情感化的认知方式，导致他们完全绕过了基于信息客观内容进行信念更新的理性过程。
五、 研究结论与价值意义
结论： 小联盟棒球运动员在更新职业期望时，其行为以规范性更新原则为基础，但表现出显著的系统性偏差。主要表现为对乐观信息反应过度、对悲观信息反应不足的“不对称更新”，以及少数但明确的、与贝叶斯原则相悖的“反向更新”。这些偏差由“必要的乐观”、“参照群体忽视”和“信息的情感属性”三大心理机制驱动。这些机制共同作用，使得运动员即使在获得准确职业信息的情况下，仍能维持甚至强化不切实际的职业期望。
科学价值与应用价值： 1. 理论贡献： * 扩展职业决策理论： 研究明确挑战了传统职业决策模型中“理性人”的假设，为将认知偏差系统整合进职业理论（如社会认知职业理论、期望-价值理论）提供了实证依据和概念框架。 * 深化对更新偏差的理解： 不仅验证了“不对称更新”在自然主义职业情境中的存在，更首次识别并理论化了“反向更新”现象及其解释机制（特别是“必要乐观”和“信息的情感属性”）。 * 提供跨领域解释框架： 研究结论可推广至其他具有“赢家通吃”特性的职业领域（如音乐、演艺、电子竞技），解释为何从业者普遍维持高期望。 2. 实践意义： * 对职业发展从业者的启示： 研究揭示了仅提供信息可能不足以矫正不切实际的期望，尤其是当个体持有“必要乐观”信念时，信息甚至可能产生反效果。这提示职业顾问和运动员发展专家需要设计更具创造性的干预措施，例如“并行职业规划”，帮助人们在追求主要目标的同时为替代职业做准备，而不必强迫他们放弃乐观。 * 提供实用工具： “职业路径树”协议本身可作为一种有效的干预工具，帮助任何具有递进式职业路径的个体可视化并反思其职业期望。 * 伦理与政策意涵： 研究指出，体育组织（如MLB及其附属球队）可能从维持运动员的盲目乐观中获益，因为这有助于维持一个廉价的劳动力蓄水池。研究建议，如果运动员要求，组织有责任提供准确的职业信息。
六、 研究亮点
七、 其他有价值的内容