Герд Гігеренцер: евристики, екологічна раціональність і рішення за невизначеності
Автор: Український психологічний ХАБ · Опубліковано: 20 вересня 2026 · Редакційна політика
Герд Гігеренцер — німецький психолог і дослідник рішень, чия робота змінила спосіб, у який психологія говорить про евристики, раціональність і поведінку за невизначеності. Його центральна ідея проста, але радикальна для традиційних моделей вибору: добрий розум не обов’язково збирає всю доступну інформацію й не завжди обчислює оптимальний варіант. У багатьох реальних середовищах він використовує небагато релевантних ознак, зупиняє пошук рано й завдяки цьому може діяти швидше, прозоріше та інколи точніше.
У цій дослідницькій програмі евристика — не ярлик для «помилки мислення», а формалізована стратегія, яка навмисно ігнорує частину інформації. Її якість оцінюють не за складністю, а за відповідністю структурі завдання. Саме це лежить в основі екологічної раціональності: стратегія є раціональною настільки, наскільки вона допомагає досягати мети в конкретному середовищі. Огляд Гігеренцера і Вольфганга Гайсмаєра визначає евристики як ефективні когнітивні процеси, що ігнорують частину інформації, та підкреслює залежність їхньої успішності від середовища. Науковий огляд
Гігеренцер не запропонував універсального правила «довіряйте інтуїції». Його програма вимагає протилежного за змістом запитання: яка стратегія працює для якого класу проблем, за яких інформаційних структур і з якою ціною помилки? Це робить його роботи важливими для психології судження, медицини, права, менеджменту, комунікації ризику та сучасних дискусій про прозорі алгоритми.
Хто такий Герд Гігеренцер
Герд Гігеренцер народився 1947 року у Валлерсдорфі, Німеччина. У 1974 році він здобув психологічну освіту в Мюнхенському університеті, 1977 року захистив докторську дисертацію з психології, а 1982 року пройшов габілітацію. У різні роки працював у Мюнхені, Констанці, Зальцбурзі та Чиказькому університеті. З 1997 до 2017 року очолював Центр адаптивної поведінки та пізнання в Інституті людського розвитку Товариства Макса Планка в Берліні. Офіційне CV
Станом на 2026 рік Гігеренцер є директором-емеритом Інституту людського розвитку Товариства Макса Планка та директором Harding Center for Risk Literacy при Потсдамському університеті, факультеті наук про здоров’я Бранденбурга. В офіційному профілі серед його дослідницьких інтересів названо обмежену раціональність, рішення за невизначеності й дефіциту часу, ризик-компетентність і стратегії рішень менеджерів, суддів та лікарів. Профіль Max Planck
Його академічна траєкторія поєднала психологію, статистичне мислення, історію науки та прикладну комунікацію ризику. Тому праці Гігеренцера не зводяться до одного «ефекту» або однієї евристики. Вони утворюють програму дослідження: описувати реальні процеси пошуку, зупинки та вибору; визначати структуру середовища; порівнювати прості стратегії зі складнішими моделями поза вибіркою; а також навчати людей розуміти ризики.
Від обмеженої раціональності до екологічної раціональності
Інтелектуальним попередником програми Гігеренцера був Герберт Саймон. У класичній моделі обмеженої раціональності Саймон відмовився від образу агента з необмеженим часом, інформацією та обчислювальною потужністю. Людина шукає рішення в умовах реальних обмежень і часто припиняє пошук, коли знаходить достатньо добрий варіант. Його модель раціонального вибору 1955 року стала однією з основ подальших досліджень поведінкових стратегій. Оригінальна праця Саймона
Гігеренцер розвинув цю лінію через метафору «ножиць Саймона»: одна леза — когнітивні можливості й правила, друга — структура середовища. Поведінку не можна зрозуміти, досліджуючи лише «внутрішні обмеження» людини. Треба також знати, які закономірності є у світі й що конкретна стратегія може з них використати.
Звідси походить поняття екологічної раціональності. Воно не стосується екології чи довкілля в побутовому значенні. У науці про рішення йдеться про відповідність когнітивної стратегії інформаційній структурі середовища. У книзі Todd і Gigerenzer та в пізніших працях ця відповідність розглядається як ключ до пояснення ситуацій, у яких просте правило може дорівнювати складній моделі або перевершувати її. Oxford Academic
У статті про аксіоматичну та екологічну раціональність Гігеренцер проводить важливе розрізнення між «малими світами», де можливі стани й наслідки відомі або принципово перелічувані, та ситуаціями справжньої невизначеності, де такого повного опису немає. Він пропонує оцінювати стратегії за точністю передбачення, швидкістю, ощадливістю та відповідністю меті, а не лише за формальною узгодженістю. Synthese
Ризик і невизначеність — не одне й те саме
У працях Гігеренцера «ризик» зазвичай означає ситуацію, де можливі наслідки та їхні ймовірності відомі або достатньо добре оцінювані. Лотерея з фіксованими шансами — типове наближення до такого «малого світу». Невизначеність виникає тоді, коли майбутні стани, їхні ймовірності або навіть релевантні змінні неможливо повністю перелічити. У різних дисциплінах слова risk, uncertainty та ambiguity використовують не однаково, тому це розрізнення варто читати як частину конкретної теоретичної програми, а не як єдину термінологію для всіх наук.
Для прийняття рішень це має практичний наслідок. Якщо задача добре визначена, дані стабільні, а ймовірності надійні, складні моделі можуть бути доречними. Якщо ж даних мало, середовище змінюється, параметри оцінюються з великим шумом, а наслідки частково невідомі, додаткова складність може збільшити помилку оцінювання. Тоді прості правила інколи мають перевагу завдяки робастності.
У 2026 році Гігеренцер знову сформулював цей перехід у статті «From bounded rationality to ecological rationality», наголошуючи на процесах реального вибору, невизначеності та взаємному пристосуванні стратегій і середовищ. Industrial and Corporate Change
Що таке евристика у програмі Гігеренцера
У повсякденній мові евристику часто називають «ментальним скороченням». Для дослідницької програми Гігеренцера цього замало. Евристика має бути описана так, щоб з неї можна було отримати перевірювані передбачення: яку інформацію людина шукає, в якому порядку, коли припиняє пошук і як перетворює знайдене на рішення.
Багато швидких й ощадливих евристик можна розкласти на три компоненти: правило пошуку, правило зупинки та правило рішення. Саме така формалізація відрізняє наукову модель від ретроспективного пояснення на кшталт «людина просто діяла інтуїтивно».
Інша ключова ідея — adaptive toolbox, або адаптивний набір інструментів. Замість одного універсального алгоритму мислення люди можуть мати репертуар стратегій. Раціональність тоді полягає не в тому, щоб завжди використовувати найскладніший інструмент, а в тому, щоб добирати інструмент до структури проблеми. Огляд 2022 року поширює цю рамку на окремих людей, команди та організації й прямо розрізняє описове питання «якими евристиками користуються?» та нормативне «коли конкретна евристика працює добре?». Annual Review
Евристика «обери найкращу ознаку»
Take-the-best — одна з найвідоміших формальних моделей цієї школи. Якщо потрібно вибрати між двома об’єктами, стратегія впорядковує ознаки за їхньою передбачувальною валідністю, перевіряє їх послідовно і зупиняється на першій ознаці, яка розрізняє альтернативи. Вона не додає всі докази й не обчислює оптимальні ваги. Її перевага можлива там, де кілька ознак значно інформативніші за решту, а оцінювання великої кількості ваг створює зайву варіативність.
Важливо, що take-the-best не є універсальною моделлю людського вибору. Експериментальні роботи показували, що частина людей застосовує ощадливі стратегії, але далеко не всі строго дотримуються саме цієї евристики. У дослідженнях Newell, Weston і Shanks лише близько третини учасників поводилися повністю відповідно до її правил пошуку, зупинки та вибору. Empirical tests
Евристика впізнавання
Евристика впізнавання використовує асиметрію знання: якщо з двох об’єктів один впізнається, а інший ні, і впізнавання корелює з потрібним критерієм, можна зробити висновок на користь впізнаваного об’єкта. Наприклад, популярність назви може бути непрямим сигналом розміру міста, спортивного успіху або ринкової присутності — але лише тоді, коли медіаекспозиція справді пов’язана з критерієм.
Огляд Pachur, Todd, Gigerenzer, Schooler і Goldstein показує, що впізнавання часто має особливий статус у рішеннях, але також описує чіткі межі: люди не завжди сліпо дотримуються впізнавання, можуть враховувати додаткові ознаки, а ефект «менше знання — більше точності» виникає лише за певної структури середовища. Огляд recognition heuristic
Швидкі й ощадливі дерева
Fast-and-frugal trees — прості дерева класифікації, у яких майже на кожному кроці одна відповідь веде до негайного рішення. Вони особливо цікаві в медицині, безпеці та організаційних рішеннях, де час і прозорість мають власну цінність. Принцип не в тому, щоб робити дерево якомога коротшим, а в тому, щоб знайти порядок ознак і пороги, які відповідають структурі конкретного середовища.
Чому «менше» інколи може бути «більше»
Найвідоміша теза Гігеренцера — less-is-more — не означає, що менша кількість інформації завжди корисна. Йдеться про умови, за яких ігнорування частини даних зменшує загальну помилку. У статистичному прогнозуванні складніша модель може краще підлаштуватися до навчальної вибірки, але гірше працювати на нових даних. Простіша стратегія може мати більший систематичний зсув, зате меншу варіативність оцінок.
Це пов’язано з компромісом bias–variance. Коли вибірка мала, параметрів багато, сигнали шумні або середовище нестабільне, точне оцінювання великої кількості ваг стає ненадійним. Евристика, яка взагалі не оцінює частину цих параметрів, може виявитися робастнішою. Gigerenzer і Brighton розглядають саме такі механізми як одне з пояснень того, чому «упереджена» проста модель іноді дає кращі позавибіркові прогнози. Homo heuristicus
Звідси випливає принципова вимога: порівнювати стратегії треба на релевантних даних і бажано поза тією вибіркою, на якій вони були налаштовані. Фраза «проста евристика перемогла складну модель» без опису середовища, критеріїв і способу валідації нічого не доводить.
Природні частоти та ризик-компетентність
Окрема лінія робіт Гігеренцера стосується того, як формат статистичної інформації змінює здатність людей міркувати про ймовірності. Разом з Ульріхом Гоффраге він показав, що байєсівські задачі стають для багатьох людей доступнішими, коли інформацію подано у вигляді природних частот, а не лише абстрактних відсотків або умовних ймовірностей. Psychological Review
Наприклад, замість «поширеність хвороби 1%, чутливість тесту 90%, хибнопозитивний результат 9%» можна уявити групу зі 1000 людей й підрахувати, скільки з них мають хворобу, скільки отримають позитивний тест серед хворих і скільки — серед здорових. Такий формат зберігає структуру вкладених множин і часто зменшує обчислювальне навантаження.
Подальші дослідження показали перевагу природних частот і в складніших завданнях з кількома ознаками або гіпотезами. У роботі Hoffrage та співавторів медичні студенти частіше давали коректні байєсівські висновки, коли дані подавали як природні частоти; навчання також переносилося на складніші задачі. Frontiers in Psychology
Сучасний висновок тут точніший за гасло «люди добре розуміють частоти». Формат представлення справді може різко змінювати результат, але дослідники дискутують, чому саме: через природне вибіркове подання, спрощення арифметики, візуальну структуру множин, числову грамотність чи комбінацію механізмів. Огляд Brase і Hill підтверджує, що природні частоти та візуальні засоби покращують байєсівське міркування, водночас пояснення ефекту залишаються предметом дискусії. Review
Де підхід Гігеренцера застосовують
У медицині ця програма вплинула на комунікацію діагностичних ризиків, користі й шкоди скринінгу та інтерпретацію тестів. Її практична цінність полягає не в заміні клінічних рекомендацій «інтуїцією», а в тому, щоб подавати статистичні дані так, аби лікарі та пацієнти могли бачити базові частоти, абсолютні ризики й наслідки рішень. Це особливо важливо там, де відносні ризики або позитивні результати тестів легко переоцінити.
У менеджменті екологічна раціональність використовується для аналізу рішень, коли прогнозна модель нестабільна, даних мало або потрібна швидка прозора процедура. Luan, Reb і Gigerenzer описують умови, за яких швидкі й ощадливі евристики можуть бути корисними в управлінських рішеннях за невизначеності. Academy of Management Journal
У праві й державному управлінні сильна сторона простих правил — перевірюваність. Якщо процедура складається з кількох зрозумілих ознак, її легше навчати, оскаржувати та контролювати, ніж непрозору модель з великою кількістю параметрів. Однак прозорість сама по собі не гарантує справедливості або точності: правила треба перевіряти на реальних наслідках, різних групах і зміні середовища.
Гігеренцер, Канеман і Тверскі: у чому насправді суперечка
Популярні перекази часто малюють просту дуель: Деніел Канеман і Амос Тверскі нібито доводили, що евристики роблять людей ірраціональними, а Гігеренцер — що евристики завжди мудрі. Наукова історія значно цікавіша.
У класичній статті 1974 року Tversky і Kahneman описали репрезентативність, доступність та якорування як економні стратегії, що часто є ефективними, але за певних умов спричиняють систематичні та передбачувані помилки. Science Тобто сама традиція heuristics-and-biases не стверджувала, що кожна евристика завжди погана.
Гігеренцер заперечував передусім універсальність деяких нормативних стандартів і практику оцінювати людське судження без достатньої уваги до формату задачі та середовища. Якщо експериментальна задача подана незвично або двозначно, відхилення від формальної відповіді може частково відображати інтерпретацію задачі. Якщо ж середовище невизначене й оптимальна модель недоступна, порівнювати поведінку з ідеальним оптимізатором теж може бути малоінформативно.
Різниця добре видно поруч із теорією перспектив. Вона моделює систематичні закономірності вибору під ризиком, зокрема залежність від точки відліку та нелінійне зважування ймовірностей. Екологічна раціональність натомість питає, яка процесуальна стратегія працює в конкретному середовищі й чому. Це різні рівні аналізу, які можуть конкурувати в окремих поясненнях, але не зводяться до одного взаємовиключного вибору.
Так само ефект фреймінгу показує, що формулювання еквівалентних варіантів може змінювати вибір. Екологічний підхід не скасовує такого факту. Він додає запитання про те, чи містить спосіб подання інформації реальні сигнали середовища, як люди їх інтерпретують і який критерій має визначати «краще» рішення.
Що підтримує дослідницьку програму
Сильна сторона програми — формалізація. Евристики можна реалізувати як алгоритми, перевірити на даних і порівняти з альтернативами. Це робить твердження на кшталт «ігнорування інформації інколи допомагає» емпірично перевірюваним, а не лише філософською тезою.
Огляд Gigerenzer і Gaissmaier 2011 року узагальнив великий масив досліджень і показав, що прості евристики можуть бути точними, коли використовують регулярності середовища. Пізніші організаційні огляди та прикладні роботи підтвердили, що цей напрям залишається активним, але його доказова база нерівномірна між різними евристиками та сферами. Annual Review of Psychology
Для евристики впізнавання існують експериментальні та теоретичні дані про її адаптивне використання і про межі ефекту less-is-more. Для природних частот ефект поліпшення байєсівського міркування відтворювався в різних задачах. Для швидких дерев та інших простих моделей є приклади високої позавибіркової точності, але їхня перевага залежить від структури ознак, вибірки, цільової метрики та порівнюваних моделей.
Тому найстійкіший висновок цієї традиції формулюється умовно: складність не є синонімом раціональності, а простота не є синонімом помилки. Якість стратегії визначається тим, що вона робить у конкретному середовищі.
Критика, обмеження та відкриті питання
Одна з центральних емпіричних проблем — визначити, чи люди справді використовують конкретну формальну евристику, а не іншу стратегію, яка випадково дає той самий вибір. Сам результат «учасник обрав варіант A» часто сумісний із кількома когнітивними процесами. Тому потрібні процесуальні вимірювання, маніпуляції доступною інформацією та конкурентне порівняння моделей.
Hilbig у критичному огляді 2010 року стверджував, що наявні дані не виправдовують висновок про повсюдне використання швидких й ощадливих евристик: для окремих стратегій підтримка сильніша, для інших — слабша, а точність евристики не доводить, що люди нею користуються. Psychonomic Bulletin & Review
Newell, Weston і Shanks також показали, що учасники часто шукають більше інформації, ніж передбачає сувора модель take-the-best. Це не спростовує саму можливість ощадливих стратегій, але обмежує описову претензію про те, що конкретна евристика автоматично є типовим механізмом поведінки. OBHDP
Bröder і Newell звернули увагу на ще одне питання: вибір стратегії може залежати від метарівня — від того, як людина вирішує, «як саме вирішувати». Просте пояснення через когнітивну дешевизну не завжди достатнє; компенсаторні стратегії можуть бути не настільки дорогими, як припускають деякі версії toolbox-підходу. Judgment and Decision Making
Є й теоретична проблема селекції: якщо в «наборі інструментів» багато евристик, потрібен механізм, який обирає одну з них. Якщо цей метамеханізм сам вимагає складного оцінювання, економія може частково зникати. Сучасні моделі намагаються формалізувати навчання, контекстні сигнали та вибір стратегії, але це залишається відкритою ділянкою досліджень.
Нарешті, екологічна раціональність завжди прив’язана до мети. Одна й та сама стратегія може бути доброю для швидкості, прийнятною для точності та поганою для рідкісних, але катастрофічних помилок. У медицині або безпеці критерій «середня точність» може бути недостатнім: важливі чутливість, специфічність, пропущені небезпечні випадки, нерівність наслідків і можливість перегляду рішення.
Сучасні дослідження: від інтуїції до аналітичних моделей
Дослідницька програма Гігеренцера продовжується. У статті Katsikopoulos і Gigerenzer, опублікованій у випуску IMA Journal of Management Mathematics за 2026 рік, швидкі й ощадливі евристики розглядаються як аналітичні моделі інтуїції. Це показує важливий зсув: інтуїцію не потрібно трактувати як містичне «шосте чуття» — її можна моделювати через конкретні правила пошуку, зупинки та вибору. IMA Journal of Management Mathematics
Програма також перетинається з машинним навчанням. Питання «коли простий алгоритм узагальнює краще за складний?» є спільним для когнітивної психології та статистичного навчання. Водночас психологічна евристика й модель машинного навчання — різні об’єкти: перша претендує також на опис або припис людського процесу рішення, тоді як друга може бути суто прогнозним інструментом.
Саме тому успіх простого алгоритму не є доказом того, що мозок використовує такий самий алгоритм. І навпаки, опис того, як люди реально обирають, не робить цю процедуру автоматично нормативно доброю. Розрізнення описового, прогнозного та нормативного рівнів — одна з найкорисніших дисциплін, які дає ця дискусія.
Як застосовувати ідеї Гігеренцера без перетворення їх на гасло
Перший крок — визначити тип задачі. Чи відомі можливі результати й надійні ймовірності, чи ви маєте справу з відкритою невизначеністю? Чи середовище стабільне, чи швидко змінюється? Чи є велика вибірка для оцінювання моделі? Без цього неможливо обґрунтовано вирішити, яка складність потрібна.
Другий крок — визначити ціну різних помилок. У задачах, де помилковопозитивний і хибнонегативний результат мають різні наслідки, одна загальна метрика точності приховує важливу інформацію. Евристика має оцінюватися за тим критерієм, який відповідає реальній меті.
Третій крок — шукати структуру середовища. Якщо одна або дві ознаки домінують, а решта переважно шумні, просте правило може бути сильним кандидатом. Якщо багато незалежних ознак несуть стабільну додаткову інформацію, агресивне ігнорування даних може погіршити рішення.
Четвертий крок — порівнювати, а не вірити. Варто тестувати просту евристику поряд із статистичною моделлю, експертним рішенням та базовим правилом на нових даних. Екологічна раціональність — це програма про умови успіху, а не дозвіл оголошувати просте рішення кращим без перевірки.
П’ятий крок — робити правило прозорим. Формалізована евристика корисна тим, що її можна описати, повторити й перевірити. Якщо «інтуїція» не має зрозумілих умов застосування та критеріїв помилки, вона не стає науковою моделлю лише через посилання на Гігеренцера.
Що з робіт Гігеренцера не випливає
З них не випливає, що більше інформації завжди шкодить. Less-is-more — умовний ефект, а не загальний закон. Коли додаткові дані надійні, релевантні й модель має достатньо спостережень для їх використання, інформація може суттєво покращувати прогноз.
З них не випливає, що когнітивних упереджень не існує. Систематичні ефекти, які вивчали Канеман, Тверскі та багато інших дослідників, мають велику емпіричну літературу. Дискусія стосується того, як інтерпретувати окремі відхилення, які норми застосовувати та наскільки результат залежить від формату й середовища.
З них також не випливає, що «перше відчуття» є кращим за аналіз. Евристика у науковому сенсі — це не будь-яка швидка реакція. Вона має структуру, умови застосування та перевірювану продуктивність. Інтуїтивне рішення може бути досвідченим і добре налаштованим, а може бути випадковим, упередженим або сформованим нерелевантними сигналами.
Чому Герд Гігеренцер важливий для психології рішень
Внесок Гігеренцера полягає не в тому, що він «реабілітував інтуїцію», а в тому, що зробив прості стратегії предметом суворого аналізу. Його програма змушує дослідника формулювати евристику як модель, описувати середовище, визначати метрику успіху й перевіряти передбачення.
Це змістило дискусію про раціональність від абстрактного питання «чи відповідає людина ідеальній нормі?» до конкретнішого: «який механізм дозволяє обмеженому агенту досягати мети в цьому середовищі?». Саме через це його праці залишаються важливими у 2026 році — і для психології, і для наук про рішення, і для дослідження алгоритмів.
Найсильніша версія цієї спадщини — методологічна. Не варто плутати складність із якістю, а відхилення від однієї формальної норми — з універсальною ірраціональністю. Треба порівнювати стратегії, середовища та наслідки. У цьому сенсі екологічна раціональність не скасовує науку про помилки судження, а розширює питання про те, коли простота є обмеженням, а коли — адаптацією.
Часті запитання
Хто такий Герд Гігеренцер?
Герд Гігеренцер — німецький психолог, директор-емерит Інституту людського розвитку Товариства Макса Планка та директор Harding Center for Risk Literacy при Потсдамському університеті. Він відомий дослідженнями евристик, обмеженої та екологічної раціональності, рішень за невизначеності й комунікації ризику. Офіційний профіль
Що таке екологічна раціональність?
Це підхід, у якому якість стратегії оцінюють через її відповідність структурі середовища та меті. Просте правило може бути раціональним у середовищі, закономірності якого воно ефективно використовує, і невдалим в іншому середовищі.
Чи вважає Гігеренцер, що евристики завжди кращі за складні моделі?
Ні. Його теорія пояснює умови, за яких прості стратегії можуть мати перевагу, особливо за невизначеності, малих вибірок або структурованих ознак. У інших умовах складніші моделі можуть бути точнішими.
Чим підхід Гігеренцера відрізняється від підходу Канемана і Тверскі?
Традиція heuristics-and-biases значну увагу приділяє систематичним відхиленням від нормативних стандартів у судженнях. Програма Гігеренцера більше фокусується на формальних процесуальних моделях евристик і на відповідності стратегії середовищу. Між напрямами є реальні теоретичні суперечки, але вони поділяють інтерес до того, як люди фактично судять і вирішують.
Що таке природні частоти?
Це спосіб подання статистичної інформації через кількості випадків у вкладених групах, наприклад «10 із 1000 мають хворобу; 9 із цих 10 отримають позитивний тест». Такий формат часто полегшує байєсівське міркування порівняно з абстрактними умовними ймовірностями.
Чи можна використовувати евристики у важливих рішеннях?
Так, якщо конкретна евристика перевірена для відповідного середовища, а наслідки її помилок відомі й прийнятні. У медицині, праві або безпеці простота не звільняє від валідації: правила мають порівнюватися з альтернативами на релевантних даних і не повинні підміняти професійні стандарти.
Пов’язані статті
Джерела / References
Brase, G. L., & Hill, W. T. (2015). Good fences make for good neighbors but bad science: a review of what improves Bayesian reasoning and why. Frontiers in Psychology, 6, 340. https://doi.org/10.3389/fpsyg.2015.00340
Bröder, A., & Newell, B. R. (2008). Challenging some common beliefs: Empirical work within the adaptive toolbox metaphor. Judgment and Decision Making, 3(3), 205–214. https://sjdm.org/~baron/journal/bn2/bn2.html
Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684–704. https://doi.org/10.1037/0033-295X.102.4.684
Gigerenzer, G., & Brighton, H. (2009). Homo heuristicus: Why biased minds make better inferences. Topics in Cognitive Science, 1(1), 107–143. https://doi.org/10.1111/j.1756-8765.2008.01006.x
Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62, 451–482. https://doi.org/10.1146/annurev-psych-120709-145346
Gigerenzer, G. (2021). Axiomatic rationality and ecological rationality. Synthese, 198, 3547–3564. https://doi.org/10.1007/s11229-019-02296-5
Gigerenzer, G., Reb, J., & Luan, S. (2022). Smart heuristics for individuals, teams, and organizations. Annual Review of Organizational Psychology and Organizational Behavior, 9, 171–198. https://doi.org/10.1146/annurev-orgpsych-012420-090506
Gigerenzer, G. (2026). From bounded rationality to ecological rationality. Industrial and Corporate Change, 35(3), 688–707. https://doi.org/10.1093/icc/dtag017
Hilbig, B. E. (2010). Reconsidering “evidence” for fast-and-frugal heuristics. Psychonomic Bulletin & Review, 17(6), 923–930. https://doi.org/10.3758/PBR.17.6.923
Hoffrage, U., Krauss, S., Martignon, L., & Gigerenzer, G. (2015). Natural frequencies improve Bayesian reasoning in simple and complex inference tasks. Frontiers in Psychology, 6, 1473. https://doi.org/10.3389/fpsyg.2015.01473
Katsikopoulos, K. V., & Gigerenzer, G. (2026). Fast-and-frugal heuristics: analytical models of intuition. IMA Journal of Management Mathematics, 37(1), 17–33. https://doi.org/10.1093/imaman/dpaf041
Luan, S., Reb, J., & Gigerenzer, G. (2019). Ecological rationality: Fast-and-frugal heuristics for managerial decision making under uncertainty. Academy of Management Journal. https://doi.org/10.5465/amj.2018.0172
Max Planck Institute for Human Development. Gerd Gigerenzer — profile, curriculum vitae and publications. Профіль · CV · Publications
Newell, B. R., Weston, N. J., & Shanks, D. R. (2003). Empirical tests of a fast-and-frugal heuristic: Not everyone “takes-the-best”. Organizational Behavior and Human Decision Processes, 91(1), 82–96. https://doi.org/10.1016/S0749-5978(02)00525-3
Pachur, T., Todd, P. M., Gigerenzer, G., Schooler, L. J., & Goldstein, D. G. (2011). The recognition heuristic: A review of theory and tests. Frontiers in Psychology, 2, 147. https://doi.org/10.3389/fpsyg.2011.00147
Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852
Todd, P. M., & Gigerenzer, G. (Eds.). (2012). Ecological Rationality: Intelligence in the World. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780195315448.001.0001
Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124