인식-촉발 결정
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
인식-촉발 결정(RPD) 모델은 상황 인식과 정신적 시뮬레이션을 통해 의사 결정을 내리는 방식이다. RPD 모델은 경험 유무에 따라 전문가와 초심자의 결정 과정에 차이를 보이며, 상황의 복잡성과 경험 수준에 따라 전형적인 상황, 불확실한 상황, 새로운 상황 등 세 가지 변형으로 나타난다. 전문가는 축적된 경험을 바탕으로 신속하고 정확하게 상황을 인식하여 빠른 결정을 내리는 반면, 초심자는 다양한 가능성을 고려하며 시행착오를 겪는다. RPD 모델은 소방관, 경찰 등 응급 서비스 분야에서 활용되며, 생명을 구하는 중요한 상황에서의 의사 결정에 영향을 미친다.
RPD 모델은 의사결정을 내리기 위한 두 가지 과정이 결합된 것이다. 첫째는 어떤 행동이 적절한가에 대한 인식이고, 둘째는 이 행동이 초래하는 결과에 대한 상상을 통해 평가하는 과정이다. 그러나 이러한 결정 과정에서 경험 유무가 크게 작용한다.
RPD 모델은 상황의 복잡성과 의사결정자의 경험 수준에 따라 세 가지 변형으로 나타난다.
2. RPD 모델의 작동 원리
RPD는 어떤 상황이 주어질 때 경험 많은 전문가와 초심자 간의 결정적인 차이를 보여준다. 경험이 많은 사람은 이전에 경험해봤던 상황과 맞기 때문에 보다 빨리 결론을 내릴 수 있다. 반면 초심자는 이러한 경험이 없어 여러 다른 가능성에 대한 고려를 하게 되며 적절하게 작동할 만한 첫 번째 행동 코스를 선택하는 경향이 있다. 초심자 또한 상상 속에서 시도와 오류를 테스트해보는 경향이 있다.
개리 클레인은 1989년 소방관의 화재 현장에서의 결정 연구를 통해 RPD 모델을 제시하였다. 전문 소방관은 관찰된 여러 징후를 모아 신속하고 자동적으로 화재의 종류를 분석하고 패턴을 재인하였으며, 아주 심한 시간적 압력과 위험성 하에서 적절한 전문적 결정을 내릴 수 있었다.
2. 1. 상황 인식
2. 2. 정신적 시뮬레이션
3. RPD 모델의 변형
변형 1의사 결정자는 상황을 전형적인 것으로 인식한다. 즉, 상황적 세부 사항과 관련 행동 과정의 세부 사항이 모두 알려진 시나리오이다. 이는 "만약... 그렇다면..." 반응과 유사하다. 주어진 상황은 상황의 전형성에 따라 즉각적인 행동 과정을 이끌 것이다. 경험이 풍부한 의사결정자일수록 이러한 유형의 상황에 빠르게 대처할 수 있는데, 이는 RPD 전략이 변형 1으로 자격을 갖추는 데 필요한 전형적인 상황과 확립된 행동 과정에 대한 지식을 가질 가능성이 더 높기 때문이다.
변형 2의사 결정자가 알려진 일련의 행동 과정 중에서 선택하기 위해 알려지지 않은 상황을 진단할 때 발생한다. 이 변형은 "만약(???)... 그렇다면..."의 형태를 취하며, 의사 결정자는 사용 가능한 행동 과정에 대한 구체적인 지식은 있지만 상황의 매개변수에 대한 지식이 부족함을 의미한다. 상황적 복잡성과 잘못된 정보 축적을 방지하기 위해 의사 결정자는 상황의 가능한 세부 사항을 신중하게 모델링한 다음 가장 관련성이 높은 알려진 행동 과정을 선택한다. 경험이 풍부한 의사 결정자는 상황을 더 정확하게 모델링할 가능성이 높으므로 더 적절한 행동 과정을 더 빠르게 선택할 가능성이 높다.
변형 3의사 결정자는 상황에 대해 알고 있지만, 적절한 행동 과정을 알지 못하는 경우가 있다. 따라서 의사 결정자는 정신적인 시행착오 시뮬레이션을 통해 가장 효과적인 행동 과정을 개발한다. 이는 "만약... 그렇다면...(???)"의 형태를 취하며, 의사 결정자는 새롭거나 흔하지 않은 행동 과정의 결과를 모델링한다. 의사 결정자는 상황의 목표와 우선 순위에 적합해 보이는 행동 과정이 나타날 때까지 다양한 행동 과정을 반복한다. RPD 모델의 기본인 시간 제약으로 인해, 의사 결정자는 상황에 적합해 보이는 첫 번째 행동 과정을 선택한다. 경험이 풍부한 의사 결정자는 부적절한 행동 과정을 신속하게 실격 처리하기 위해 전문 지식을 사용할 수 있으므로, 실행 가능한 행동 과정을 더 빨리 개발할 가능성이 높다.
3. 1. 변형 1: 전형적인 상황
의사결정자가 상황을 전형적인 것으로 인식하는 경우이다. 즉, 상황적 세부 사항과 관련 행동 과정의 세부 사항이 모두 알려진 시나리오이다. 이는 "만약... 그렇다면..." 반응과 유사하다. 주어진 상황은 상황의 전형성에 따라 즉각적인 행동 과정을 이끌 것이다. 경험이 풍부한 의사결정자일수록 이러한 유형의 상황에 빠르게 대처할 수 있는데, 이는 RPD 전략이 변형 1으로 자격을 갖추는 데 필요한 전형적인 상황과 확립된 행동 과정에 대한 지식을 가질 가능성이 더 높기 때문이다.
3. 2. 변형 2: 불확실한 상황
RPD 전략의 두 번째 변형은 의사결정자가 알려진 일련의 행동 과정 중에서 선택하기 위해 알려지지 않은 상황을 진단할 때 발생한다. 이 변형은 "만약(???)... 그렇다면..."의 형태를 취하며, 의사결정자는 사용 가능한 행동 과정에 대한 구체적인 지식은 있지만 상황의 매개변수에 대한 지식이 부족함을 의미한다. 상황적 복잡성과 잘못된 정보 축적을 방지하기 위해 의사결정자는 상황의 가능한 세부 사항을 신중하게 모델링한 다음 가장 관련성이 높은 알려진 행동 과정을 선택한다. 경험이 풍부한 의사 결정자는 상황을 더 정확하게 모델링할 가능성이 높으므로 더 적절한 행동 과정을 더 빠르게 선택할 가능성이 높다.
3. 3. 변형 3: 새로운 상황
의사결정자는 상황에 대해 알고 있지만, 적절한 행동 과정을 알지 못하는 경우가 있다. 따라서 의사결정자는 정신적인 시행착오 시뮬레이션을 통해 가장 효과적인 행동 과정을 개발한다. 이는 "만약... 그렇다면...(???)"의 형태를 취하며, 의사결정자는 새롭거나 흔하지 않은 행동 과정의 결과를 모델링한다. 의사결정자는 상황의 목표와 우선 순위에 적합해 보이는 행동 과정이 나타날 때까지 다양한 행동 과정을 반복한다. RPD 모델의 기본인 시간 제약으로 인해, 의사결정자는 상황에 적합해 보이는 첫 번째 행동 과정을 선택한다. 경험이 풍부한 의사결정자는 부적절한 행동 과정을 신속하게 실격 처리하기 위해 전문 지식을 사용할 수 있으므로, 실행 가능한 행동 과정을 더 빨리 개발할 가능성이 높다.
4. 전문성과 RPD
인식-촉발 결정(RPD) 모델은 전문성과 밀접하게 관련되어 있다. 숙련된 전문가는 다양한 상황에 대한 경험을 바탕으로 빠르고 정확하게 패턴을 인식할 수 있다. RPD와 같은 직관적인 진단은 특출한 단서에 편향되는 현출성 편향이나 단서가 차별적으로 가중적 조정을 거치지 못하는 편향에 전문성이 영향을 주지만, 단서들이 서로 상관있고 비교적 동등하게 가중되는 상황이라면 직관적 형태의 정보 통합이 이루어질 수 있다. 이러한 일관된 상관이나 공통 출현 등의 직관적 상관 패턴은 학습된 전문가에 의해 신속하고 자동적으로 재인될 수 있다.
RPD 모델은 즉시 고려되는 합리적인 반응을 식별한다. RPD는 어떤 행동 방침이 타당한지 인식하고, 상상력을 통해 해당 행동 방침의 결정으로 인한 행동이 타당한지 평가하는 두 가지 방식을 결합한다.
반복되는 상황에 직면했을 때 전문가는 초보자에 비해 더 빠른 결정을 내리는 경향이 있는데, 이는 이전에 겪었던 전형적인 상황과 일치하는 패턴을 인식할 수 있기 때문이다. 반면 경험이 부족한 초보자는 다양한 가능성을 반복적으로 시도해야 하며, 효과가 있다고 믿는 첫 번째 행동 방침을 사용하는 경향이 있다. 또한, 시행 착오를 통해 문제를 해결하려는 경향을 보인다.
5. RPD 모델의 응용
RPD 모델은 소방관, 수색 및 구조대, 경찰 및 기타 응급 서비스와 관련된 조직의 리더 또는 장교에게 매우 적합하다. 숙련된 사람과 미숙련된 사람 모두에게 적용되며, 그들이 어떻게 의사 결정 프로세스를 관리하는지에 대한 것이다. 인식-촉발 의사 결정 모델은 중요한 결정이 생명을 구하거나 앗아갈 수 있는 중요한 상황에 어떻게 영향을 미칠 수 있는지에 대한 조직의 사례로 개발되었다. 개발된 모델은 조직이 격차를 메우고 어떤 유형의 RPD 변형이 조직에 더 적합한지 결정하기 위한 연구로 사용될 수 있다.
예를 들어, 한국의 소방관들은 RPD 모델을 활용하여 화재 현장에서 신속하게 상황을 판단하고 인명 구조 및 화재 진압 작전을 수행할 수 있다.
6. 비판 및 한계
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com