在参与式设计或对齐中，本地成对比较是学习人们希望决策规则如何工作的标准工具。然而，其使用建立在两个强假设上：一是本地比较足以提供关于个人希望自动决策规则行为的证据；二是人们总能果断地回答这些比较。
我们研究了这些假设在内部多元化下可能受到的影响：即个体根据多个权威优先级评估决策规则的想法。我们提供了一个形式化的模型来描述这种对决策规则的多元偏好，这使我们能够识别强制本地成对比较数据的两个不同失效。
首先，诸如比例、公平和同等对待等优先级本质上是全局性的：它们在一个案例中的含义可能依赖于其他地方的情况，因此本地比较可能无法捕捉到它们。其次，即使优先级可以在本地表示，强烈优先级之间的紧张关系也可能产生内部冲突，在强制比较时造成潜在的成本行为扭曲。
接着，我们利用模型研究了另一种选择——允许人们报告犹豫——我们的发现表明，这样可以显著减少准确学习偏好的查询数量。最后，我们描述了我们的模型如何指向直接引导这些优先级的偏好学习方法，从而提供更真实和可解释的个人价值观。
博主点评： 本文深入探讨了成对比较方法的局限性，尤其是在处理个体多元化偏好时的挑战。提出的模型不仅为理解决策优先级的复杂性提供了新视角，也为未来的偏好学习方法指明了方向，具有重要的理论与实践意义。