推文作者：周梓渊

编者按

行为研究，或“Behavioral operations management”（简称BOM）是一门研究人在面临复杂决策问题时主体人的行为与情绪以及二者在组织系统中的影响和讨论制定对策的学科。它是一门相对较新的研究领域，但随着人们越来越认识到其在运营中的重要性以及它在不同类型问题中的普适性，它正在迅速发展。实践中，BOM的研究通常与博弈论、运营管理、公共政策制定、医疗运营、算法设计、欺诈行为等领域相联系，在MS、OR、MSOM等期刊上也常见到它的身影。

本期选取的几篇文章研究的主体多种多样，从比较常见的消费者和公司职员，到赌徒与公共政策中的难民均有涉及；研究方向除了人员管理与配置之外，还包括如何加强AI与员工的合作以及减少顺风车司机对算法的厌恶等，均具有较强的时效性和问题意识，相关从业人员可以从中得到一定启示。

文章1

Dynamic Placement in Refugee Resettlement

难民再安置中的动态布局

基本信息

● 作者：Mohammad Zhalechian , Esmaeil Keyvanshokooh , Cong Shi , Mark P. Van Oyen

● 发表时间：2023-09-28

● 原文链接：https://pubsonline.informs.org/doi/10.1287/opre.2021.0534

● 关键词：

• Policy Modeling and Public Sector OR: 政策建模与公共部门运筹学

• Refugee Resettlement: 难民再安置

• Matching: 匹配

• Stochastic Optimization: 随机优化

• Integer Optimization: 整数优化

• Humanitarian Operations: 人道主义行动

主要内容

• 难民再安置的就业结果在很大程度上取决于他们最初在寄宿国内的安置地点

• 每周，美国政府会将一组难民分配给一个再安置机构。该机构必须将这些难民安置在其当地的分支机构中，同时尊重分支机构的年度容量限制。本文开发了一种分配系统，提出有关在何处安置来的难民家庭的建议，以提高总体的就业成功率。

• 本文的算法结合了对于难民再安置过程中的行为主体人各种实际特征的研究，包括家庭的分离因素、批量招募和对未来不确定性的反应等等。此后本文基于两阶段随机规划进进行问题的建模，与目前的贪婪型方法相比，实现了超过98%的事后最佳就业结果，而贪婪型方法仅能实现不到90%。

• 本文的算法现在已经成为美国领先的难民再安置机构使用的Annie™ MOORE优化软件的一部分。

文章2

Friend or Foe? Teaming Between Artificial Intelligence and Workers with Variation in Experience

朋友还是敌人？在经验不同的工作者与人工智能之间的协作

基本信息

● 作者：Weiguang Wang, Guodong (Gordon) Gao, Ritu Agarwal

● 发表时间：2023-10-11

● 原文链接：https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2021.00588

● 关键词：

• Artificial Intelligence: 人工智能

• Human-AI Teaming: 人工智能与人类的团队合作

• Worker Experience: 工作者经验

• Productivity: 生产力

• Healthcare: 医疗保健

• Medical Coding: 医疗编码

主要内容

• 随着人工智能（AI）应用越来越普及，了解不同水平和类型经验的知识工作者如何与AI合作以提高生产力至关重要，因此行为学的研究将提供帮助。

• 本文关注两种主要类型的工作经验（基于具体任务的狭窄经验和基于资历的广泛经验）对人工智能与人类团队动态的影响。

• 本文为一家上市公司开发了一种医疗记录编码的AI解决方案，并在员工中进行了实地工作研究。基于对医疗记录层面的详细分析，本文发现AI有益于那些具有更多基于任务的经验的工作者，但有资深资历工作者从AI中获益较少（相较于更加年轻的同事）。

• 进一步的研究揭示了相对较低的AI生产力提升不是资历本身的结果，而是与这些员工对AI的信任较低有关，本文提出这可能是由于资深工作者更广泛的工作职责引发的。

• 这项研究结合行为学与当下AI热点，为AI与知识工作者之间的协作动态中工作者经验的不同作用提供了新的实证见解，这对于有志将AI引入工作场景的管理者具有一定启示。

文章3

Managing Volunteers and Paid Workers in a Nonprofit Operation

在非营利组织运作中管理志愿者和有薪工作人员

基本信息

● 作者：Gemma Berenguer, William B. Haskell, Lei Li

● 发表时间：2023-10-06

● 原文链接：https://pubsonline.informs.org/doi/full/10.1287/mnsc.2023.4923

● 关键词：

• Volunteers: 志愿者

• Staffing Problem: 人员配置问题

• Nonprofit Operations Management: 非营利组织运营管理

• Stochastic Dynamic Programming: 随机动态规划

主要内容

• 一些非营利组织（NPOs）管理一个由志愿者、兼职工作人员和全职工作人员混合组成的复杂劳动力，从而也会延伸出一些行为研究的问题以辅助人员管理和配置。

• 本文研究了NPO的有限时间跨度的人员配置问题，以确定在预算、容量约束和志愿者以及兼职工作人员不确定供应的情况下，最佳的初始员工规划决策和每个时期的最佳招聘和分配决策。本文的主要目标是以一种有效且易于实施的方式解决这个问题，并获得有趣的管理见解。

• 为此，本文首先证明了一般情况下很难确定最佳的人员配置政策。然而，一个兼职工作人员的优先分配政策和一个按需雇佣政策可以方便地应用并且接近最优解。实际上，无论是在人员短缺还是在人员充足的情况下，这些政策都是可取的。

• 在本文的数值分析中，研究了把兼职工作人员的灵活性和流动性行为考虑在内的一般最佳解决方案的价值和影响，并与考虑了灵活性和流动性行为的优先分配政策和恒定的按需雇佣政策进行比较。本文进一步提出了两种易于实施的启发式方法，并进行了理论分析和数值性能研究。

• 在行为学与管理学的相关面向上，本文通过研究在三种不同的实际考虑下最佳政策如何变化来扩展提出的分析，三种情况分别是：非凸的社会价值目标，非零的志愿者成本和动态志愿者行为（具体分析见全文内容）。

文章4

Debtors at Play: Gaming Behavior and Consumer Credit Risk

债务者的娱乐行为与消费者信用风险

基本信息

● 作者：Shuaishuai Gong, Ross Levine, Chen Lin, Wensi Xie

● 发表时间：2023-10-05

● 原文链接：https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2023.4931

● 关键词：

• Behavioral Finance: 行为金融

• Video Game: 视频游戏

• Self-Control: 自我控制

• Credit Risk: 信用风险

主要内容

• 利用独特的高频率个体级数据库，本文（1）构建了基于视频游戏行为的个体级、激励兼容的冲动性代理，并且（2）使用这些代理来评估关于冲动性如何塑造个体对放松信用约束的反应的预测，这些反应可以通过获得个体信用卡使用状况来捕捉。

• 本文发现，卡前游戏强度——按游戏支出的频率和金额衡量——与以下方面强烈且正相关：（a）未来信用卡债务违约的概率，（b）获得信用卡后对奢侈品和成瘾性物品的支出，（c）在获得信用卡后立即发生的消费支出激增，以及（d）获得信用卡后债务迅速积累。而财务素养、收入、收入波动性、教育和人口统计学的差异不是这些结果的驱动因素。

• 本文的研究结果还与以下理论相一致（1）神经学和心理学研究强调，过度游戏与冲动控制不足相关，以及（2）行为理论强调，冲动性，即对即时满足的时间不一致偏好和无效的策略以避免短视提示和诱惑，当流动性约束得到放松时，会在很大程度上影响个体的支出模式和借贷决策。

文章5

Algorithm Aversion: Evidence from Ridesharing Drivers

算法厌恶：来自顺风车司机的证据

基本信息

● 作者：Meng Liu, Xiaocheng Tang, Siyuan Xia, Shuo Zhang, Yuting Zhu, Qianying Meng

● 发表时间：2023-10-03

● 原文链接：https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2022.02475

● 关键词：

• Algorithm Aversion: 算法厌恶

• AI Algorithms: 人工智能算法

• Contextual Experience: 上下文经验

• Herding: 群体行为

• Ridesharing: 顺风车服务

主要内容

• 人类用户采纳率低往往妨碍了AI算法实现其预期的效率提升。这对那些优先考虑系统整体目标的算法尤为关键，因为它们可能导致激励的不一致性和潜在用户的困惑。

• 本文通过在一个大型顺风车平台上推出算法推荐的大规模实地行为研究，提供了有关算法厌恶的研究成果。本文确定了上下文经验和群体行为作为解释顺风车司机对旨在帮助司机做出更好地位置选择的算法厌恶的两个重要因素。

• 具体来说，本文发现，当算法推荐与他们在给定位置-时间单元的过去经验不一致，以及当他们的同行的行为与算法推荐相矛盾时，司机更不可能遵循算法。

• 文中还提供了对于这些行为研究结果带来管理启示的相关讨论。

文章6

Is Full Price the Full Story When Consumers Have Time and Budget Constraints?

当消费者有时间和预算约束时，全价是否就是全部的故事

基本信息

● 作者：Meng Liu, Xiaocheng Tang, Siyuan Xia, Shuo Zhang, Yuting Zhu, Qianying Meng

● 发表时间：2023-10-11

● 原文链接：https://pubsonline.informs.org/doi/10.1287/msom.2022.0357

● 关键词：

• Service Operations: 服务运营

• Pricing and Revenue Management: 定价和收入管理

• Economic Models: 经济模型

主要内容

• 问题定义：服务管理中的经典模型假设消费者的服务购买决策是基于其全价，即货币价格和预期时间承诺的线性组合。尽管这在分析上十分便利，但这一假设何时成立是一个未被探讨的问题。

• 方法和结果：本文提出了一个模型，描述了消费者在工作、不提供效用的日常活动、连续的休闲活动和离散的服务之间分配他们的时间和金钱。连续的休闲活动和离散的服务都会增加效用，消费者可以分配任何非负的时间或金钱给休闲活动，而消费离散服务需要特定的时间和金钱。

• 本文研究了购买离散服务的决策是否仅依赖于其全价。证明了全价的假设在特定情况下成立。确切地说，它取决于消费者如何获得报酬。如果消费者完全控制他们工作的时间并获得固定的工资，他们的购买决策是基于全价的。然而，如果他们必须工作一定长度的固定班次，那么这一假设就不成立，全价不能足以决定消费者的行动。这导致了在为具有不同报酬结构的消费者提供服务时，卖方策略的系统性差异。如果消费者必须工作的时间超过了他们控制自己的时间表并以相同的小时工资工作时的最佳时间，即消费者是过度就业的轮班工人，那么卖方会限制销售（相对于销售给控制工作时间的消费者），系统不会拥挤。如果消费者愿意以提供的工资工作更长的时间，即消费者是失业的轮班工人，情况正好相反。

• 管理启示：本文通过行为研究结合服务运营的知识，展示了不考虑服务社区的现行报酬结构的卖方将经受显著的收入损失；从某些角度来说，本文还揭示了消费者剩余和社会福利的损失。