2.2.2中堅力量
l 馬修·拉賓（Matthew Rabin）
拉賓因對行為經濟學的基礎理論做出開創性貢獻而獲得2001年美國經濟學會的克拉克獎章（ClarkMedal）。其主要研究興趣如下：
馬修·拉賓（MatthewRabin），出生於1963年，1984年獲威斯康星大學經濟學與數學學士學位，1989年獲MIT經濟學博士學位。他以研究延遲行為和公平理論而知名，擅長利用複雜的數學模型來研究人類的各類經濟行為。
在行為經濟學崛起之前，主流經濟學出於研究的需要簡化了真實世界人們的各類經濟行為，即假定人類的行為理性，而這一「簡化」過的理論在真實世界的經濟現象面前顯得不那麼調和。這讓經濟學家們將視野轉向人類的行為因素對於經濟決策等的影響研究。以便對主流經濟學的部分假設做出修正和補充。拉賓在這一經濟學分支上起到了獨特的創建型作用。
拉賓研究發現，人們對周圍環境的判斷以及各類選擇的效用評價上存在系統性的偏差，因此有必要在讓人們在做出諸多決策之前經歷一個強制性冷靜階段，以便人們脫離短期的強烈感情對於自身行為的偏差性影響。因為人們一旦做出不可更改的決定，而這種決定又是建立在「非冷靜判斷」的基礎上，則很可能事後後悔。因此，對於各類衝動行為進行「冷處理」是必要的。而在人們對於當下與未來的效用感知差異上，拉賓發現，人們更在意當下的「效用」，即喜歡把正效用的事情當天做，而把負效用的事情拖到以後，而相當於未來的長期福利，人們則更在意短期福利。
l Sendhil Mullainathan
Sendhil Mullainathan是哈佛大學經濟學教授。他研究過貧困、行為經濟學和各種各樣的話題，如貧困對精神帶寬的影響，CEO薪酬是否過高，使用虛構的簡歷來衡量歧視等。他最近的研究重點是利用機器學習來更好地理解人類行為。
他與人合著《稀缺:為什麼沒有太多的意義》等書，並定期為《紐約時報》撰稿。
他創立了一個非營利組織應用行為科學組織ideas42，它將行為經濟學對人類行為的複雜理解付諸實踐，並將其用於設計更好的方法來解決從消費金融到國際發展等領域的問題。
他是麥克阿瑟「天才」獎的獲得者，被世界經濟論壇指定為「年輕的全球領袖」，被《外交政策》雜誌評為「百強思想家」，並被《Wired》雜誌（英國）評選為「50位將改變世界的人」。
以下是金準人工智慧專家利用AMiner資料庫對其論文進行挖掘，選取citation最高的幾篇文章
l Volpp KevinG
Volpp KevinG是賓夕法尼亞大學健康激勵和行為經濟學中心的負責人。他關於金融和組織激勵對健康行為和健康成果的影響的研究得到了眾多獎項的認可，其中包括來自學術界的AliceS.Hersh獎；英國醫學期刊小組獎；總統早期的科學家和工程師職業獎(PECASE)；臨床和轉化科學協會的傑出研究人員獎，用於職業成就和對臨床和轉化科學的貢獻等。
Volpp KevinG發表了超過175篇論文，這些論文是在美國和海外的僱主、保險公司、衛生系統和消費者公司的廣泛測試上形成的，來測試不同行為經濟策略在改善行為和結果方面的有效性。
以下是Volpp KevinG的主要研究興趣：
以下是金準人工智慧專家利用AMiner資料庫對其論文進行挖掘，選取citation最高的幾篇文章
l 朱憲辰
朱憲辰現任教於南京理工大學經濟管理學院，為應用經濟研究所所長、教授、博士生導師。兼任中國系統工程學會社會經濟系統分會副理事長、中國數量經濟學會常務理事、國防科工委國家信息中心註冊諮詢專家。長期從事制度經濟學、管理科學與工程的教學與科研工作。
主要研究方向有：①個體決策信念調整與共同知識演化，該方向的研究對象是個體間形成的共同知識，以及作為共同知識內容的習俗規則和制度，研究任務是探究制度變遷；採用的方法是基於個體單元分析的信念調整實驗和樣本計量估計。應用領域是集體行動（collective action），如行業協會業主自治問題。②以行動機製作為制度、技術和產業變遷及區域發展的分析脈絡是本方向的基本思路。針對產權制度變遷、交易習俗變遷、區域發展和產業集聚過程中的探討內生解釋模型。
l 史永東
東北財經大學應用金融研究中心主任，兼任中國金融學年會常務理事，中國金融工程學年會常務理事，中國金融學會理事，金融系統工程與風險管理國際年會常務理事，遼寧省金融學會常務理事，《金融學季刊》雜誌副主編，《投資研究》雜誌編委。主要研究方向有：金融工程、資產定價、風險管理、行為金融、微觀結構.
教育部2006年新世紀優秀人才支持計劃和遼寧省百千萬人才培養計劃百人層次入選者、遼寧省金融工程與風險管理創新團隊首席專家，大連市優秀教師，享受大連市政府特殊津貼。
l 陸家騮
現為中山大學管理學院財務與投資學系教授、博士生導師；中山大學行為金融與金融經濟學研究所所長；中山大學學術委員會委員。
先後在南京航空航天大學，南京大學和中山大學從事教學和研究工作，涉及的專業領域主要有：金融經濟學、公司財務、貨幣經濟學、新興凱恩斯動態經濟學。在這些領域出版學術專著有《貨幣分析的結構與變遷》、《行為金融學的興起》和《現代金融經濟學》等；在《經濟研究》、《哲學研究》、《經濟科學》等學術期刊發表論文100餘篇.
陸家騮曾經先後在瑞典的Lund University和香港出席國際學術會議。1998年在美國Iowa State University作為期半年的訪問學者；2002年在美國哥倫比亞大學（Columbia University）做高級訪問學者；2005-2006年度在耶魯大學管理學院（Yale School of Management）做金融學方向的富布賴特訪問學者。
2.2.3領域新星
行為經濟學是一門走在前沿的新興學科，近年來，許多學生都投身於這一領域的研究，下面金準人工智慧專家對幾所學校中比較著名的行為經濟學實驗室學生進行簡要介紹。
l 亞利桑那州立大學Economic Science Laboratory：
Ashley Sauciuc
亞利桑那州立大學PHD。她目前的研究興趣利用了她在實驗經濟學中的技巧來研究問題，主要集中在管理會計、小組決策、動態契約設計和激勵等方面。
葉伯漢
亞利桑那州立大學PHD。她對心理基金會如何影響個人決策和相關市場變化感興趣。
使用實驗來更好地理解個人和市場如何運作。目前的研究主要集中在收入不平等以及情感在決策過程中的作用。
l 喬治梅森大學The Interdisciplinary Center for Economic Science,ICES
Elif Ece Demiral
喬治梅森大學經濟科學跨學科中心的經濟學PHD。她的主要研究是將行為經濟學與實證方法結合起來，研究性別、環境和財務決策的主題。研究重點是研究利用實驗室和在線實驗進行經濟決策的性別差異，目的是幫助設計有效的政策，以減輕男性和女性不同的勞動力市場結果。
Arthur Dolgopolov
喬治梅森大學跨學科經濟科學中心的經濟學PHD。研究集中在實驗經濟學、算法博
弈理論、拍賣和機制設計。
l 蘇黎世大學LaboratoryforSocialandNeuralSys-temsResearch
Thomas Epper
蘇黎世大學經濟系post-doc。主要研究方向包括用微觀經濟學、應用決策理論、決策理論等。
3.行為經濟學在人工智慧中的應用
人工智慧不可能完完全全的理性，或者說不可能擁有無限的能力去解決所有的問題。在某些時候人工智慧也必然會觸碰到理性的極限，這些棘手的問題沒辦法被很好地解決。在這種時候我們就需要建造偏離理性行為的模型。撲克牌大概是複雜推理的一個很好的例子，其中包含很多未知信息與不確定性。最近研究者們運用博弈論成功探索出了人工智慧機器玩德州撲克的算法。然而這項花費了幾十年科研努力的人工智慧技術目前仍然很局限，只能在雙人玩家的模式下進行。而且現實世界裡的情況要更複雜，完美的理性是不可能實現的。從這個角度來說，行為經濟學理論能夠為人工智慧中存在的未知、不確定等提供可行的路徑。金準人工智慧專家將在本篇中講述三個行為經濟學在人工智慧領域內的應用案例。
3.1網絡營銷中的行為經濟學
2016年，杜克大學行為經濟學家丹·艾瑞裡（DanAriely）撰文《在線公司如何讓我們共享更多，消費更多》。經濟學家Ariely用行為經濟學理論分別對亞馬遜Amazon、Netflix、團購Groupon、Zynga、Facebook和蘋果的網絡營銷做了分析。Ariely認為，雖然是網絡營銷，但營銷的本質千百年來都未改變，就是利用人類的弱點，獲取最大利益。
利用心理學的洞察力，行為經濟學家已經可以解釋為什麼消費者會更多的買售價0.99美元的東西，而不是1美元的東西（左數效應）。為什麼消費者熱衷於辦理健身會員資格，卻從不去使用（樂觀偏見）。為什麼消費者很少會退回購買的商品（購後合理化）。網絡巨頭們，從亞馬遜到Zynga，都在使用類似的伎倆讓消費者不停地訪問網站，玩它們開發的遊戲，購買它們的商品。以下金準人工智慧專家將詳細闡述它們是如何利用人們的心理來獲得最大利益。
3.1.1亞馬遜
消除小摩擦可以從根本上改變一個人的決定。關於這個判斷的最好例證來自於埃裡克·詹森（Eric Johnson）和丹·古德斯滕（Dan Goldstein）的研究。在這項有關於器官捐獻的研究中，兩人提供了兩種選項：一種是人們可以選擇死後捐獻器官，默認是不捐獻；另一種是默認死後捐獻器官，但人們可以很方便地退出。調查發現：前者的器官捐獻率在40%，而後者高達80%。這就是默認的巨大力量：人們在做事情時總有一個明顯的傾向，選擇阻力最小的方法。
對於很多人來說，亞馬遜網站的功能都是默認的，並且它已經存儲了我們的信用卡和地址信息。如果我們問人們，在其他網站重新輸入這些信息會花去他們多少時間，得到的答案多半是「不會很多」。大多數人都不會把時間看得很重要，但就在決定購物且不會考慮過多的幾秒鐘內，輸入這些信息的障礙看起來令人生畏，所以我們還是默認選了亞馬遜。
亞馬遜還為運費問題創造出了兩個智能解決方案。對於網上購物來說，這一直是最大的心理障礙。首先就是它的免運費政策，只要商品價值超過25美元，亞馬遜就免費送貨。隨著消費者添加額外的書或CD以避免運費時，原本只賣出一件商品的亞馬遜變成了賣出兩件商品。
更有趣的機制是亞馬遜高級會員（Amazon Prime）。只要每年交上79美元的初始費用，就可以享受美國境內兩天內免費送貨的優惠。我懷疑這項服務讓消費者更多的消費，原因有三個。首先，一旦知道一家商店可以免費送貨，消費者就不大會去另外的地方購買。其次，一旦上了亞馬遜，運費就不再是心理障礙，所以衝動性消費就不大能受到抑制。最後，我們都是提前付款，這就成了已支付成本。所以為了讓交易更加划算，我們會在網站上購買更多的商品以分攤投資。
3.1.2 Netflix
Netflix建立了一門價值數十億美元的生意，它只是基於一個很簡單的道理：人們對逾期附加費很反感。在傳統的音像租賃店，顧客一直在做兩種選擇：要麼多交費用；要麼退回已經超期，但還沒看過的電影。除去可以不付逾期附加費，Netflix還提供了詳細的電影選擇，每位用戶都可以建立一個個性化的「隊列清單」。Netflix似乎是創建了一個智能系統，使得用戶可以看到他們想看的電影。
但實際上，Netflix用戶看過的電影要比他們預期的少得多。這對Netflix不壞，它節約了郵費，增加了利潤。原因之一就在於Netflix迫使用戶主要以未來想看什麼電影為依據，但用戶在預測未來喜好這方面卻表現得不是很好。
丹尼爾·裡德和兩位合作者為此寫出過一篇漂亮的論文。論文展示了人們原則上想做的事和馬上想做的事之間存在差異。他們要求受訪者從一份電影清單中選擇，裡面既有高雅的影片(《辛德勒名單》)也有低俗的影片(《我的表兄維尼》)。如果在幾天後問他們想看什麼影片，大多數人選了高雅影片。但如果立即問他們想看什麼影片，大多數人選了低俗影片。原則上，我們都想看嚴肅的影片，比如說法國電影，但今晚不行!因此我們的電影「隊列清單」變得雄心勃勃，充斥著曲高和寡類型的電影，而不是我們自己想看的。
現在Netflix提供了在線觀看服務。隨著網上流媒體的興起，我們已經不局限於看自己想看的電影。相反，我們感覺自己付了錢，可以在任何時間看任何電影，即使我們根本看不了那麼多。
3.1.3 Groupon
Groupon等團購網站掀起的最大革命不是提供大幅度的折扣，而是使它們的用戶沒有了以往優惠券使用者的那種尷尬。實際上，優惠券使用者的汙名真實存在且非常廣泛。《消費者研究》（Journal of Consumer Research）上最近刊載的一篇文章發現，人們總是將使用優惠券的人描述成貧窮的、小氣的，甚至是優惠券使用者自己也這麼想。隨著Groupon的興起，人們開始接受使用優惠券，社會對此的認知度大為改觀。
涉及到更改人們行為習慣時，群體行為的認知是一股強大的推動力。加州大學洛杉磯分校的諾亞·戈爾茨坦（Noah Goldstein）幾年前曾經進行過一項研究：如何鼓勵賓館客人重複使用毛巾。在一項實驗中，在測試的房間內放置兩種不同的標語牌。第一種是單純的生態呼籲，稱重複使用毛巾有利於環保，結果是有35%的客人照做了。第二塊標語增加了社會線索，「幾乎有75%的客人都參與到這項活動中來，通過重複使用他們的毛巾盡一份力」。結果有44%的客人照做。
Groupon的時間限制是它的另一項秘密武器。消費者只有一天的時間決定是否購買優惠券以享受折扣。通常，就算我們當時不買，也不能保證以後也不會買，我們可以隨時改變主意將東西買回來。但有了Groupon後，我們的選擇變得十分清晰。這不僅僅是現在不買的問題，還在於現在不買以後也買不到。遵照這種選擇，許多消費者都會考慮不買的話他們會有多麼後悔。因為人們都不喜歡後悔，所以會更多地傾向於購買。
3.1.4 Zynga
一旦人們開始建立農場，他們就會對其進行投資，因而它的價值也水漲船高。越是複雜、越是困難、越是耗時，我們就會越喜愛自己的創造物，也就對相關遊戲越發感興趣。
社會因素又增加了另一種強迫行為。這些遊戲中的很多行為都和互惠性有關：別人給予你有用的東西，也期望你能有所回報。經濟學家已經認識到，互惠性擁有非常強大的力量。尤其是恩斯特·費爾（Ernst Fehr）做了很多開創性的工作，他將其稱之為「信任遊戲」。在這個遊戲中，一名玩家被要求做出選擇：收下10美元或是將40美元交給第二個玩家。如果第一個玩家選擇後者，那第二個玩家也會被要求做出選擇：是將收到的錢全部留下，或是和第一個玩家對半平分。
按照常理，第二個玩家應該選擇將錢全部留下，如果這樣的話，那第一個玩家在一開始也應該收下10美元。但當人真正地參與這個遊戲時，他們的信任和互惠要遠遠大於預測中的常理。別人對我好，我就要有所回報，在Farm Ville中就變成了花更多的時間玩遊戲。
3.1.5 Facebook
在國外，大多數Facebook用戶都在圍繞著「塗鴉牆」打轉：這是一片用戶創立的公共區域，但其他用戶也可以添加。在Facebook的宇宙中，任何人都是「朋友」，用戶會感受到一種特別的強制力，讓他們在塗鴉牆上發帖，回復別人對所發帖子的回應，並進行交流。
我們希望自己的塗鴉牆可以反映自我。這與我們擁有的個人物品相類似，是反映我們人格的窗口。心理學家山姆·戈斯林（Sam Gosling）研究得出，從個人物品中獲得的信息比花時間和物品主人相處得到的信息要多得多。塗鴉牆的功能基本相同，是一扇展現自我的窗口。
用戶想展示的是一個介於真實和夢想中的自我，這也成為了用戶不斷關注和更新塗鴉牆的持續動力。
但也許Facebook最容易上癮的特點是，它能以相對廉價的方式提升自己的地位。當年Facebook上線禮品服務的時候，人們就質疑，有誰會花1美元購買虛擬禮物給朋友。但在這項服務推出的前十個月，就有2400萬份服務被發送。原因就在於因為自己的慷慨和收到別人的禮物，我們可以獲得巨大的社會資本。
3.1.6蘋果
如果你是一個蘋果客戶，你會注意到在iTunes和應用商店購物會遇到這種情況：要過幾小時甚至幾天後，購買憑證才會發到郵箱。造成這種局面的原因可能是蘋果為了減少交換費，在批量處理信用卡交易。但這也能為蘋果帶來額外的福利：經濟學家認為，延遲減少了支付的痛苦。
想像一下，你擁有一間餐廳，你計算出一道主菜20美元，能吃20口，一口一美元。但要是你規定：允許顧客每吃一口付50美分，沒吃過的不收錢。這個交易聽起來不錯，但這樣吃飯不會有什麼樂趣，所以大多數人寧願按正常定價支付，由於支付和消費同時發生，我們獲得的滿足感相對較少。蘋果應用商店的模式有點像上面說的按吃了幾口付費。但整個交易機制，錢自動從信用卡扣除，購買憑證要稍後才能拿到。這種把支付和消費分離的措施減少了支付的痛苦。
雖然延遲收錢對蘋果有好處，但它在定價上已經犯了錯誤：應用賣得太便宜了。有一種經濟現象稱為錨定，指的是消費者願意出的錢是有限的，或是說框限在第一次給他們的報價之內。一旦價格定了，就很難再被動搖。許多應用的開發耗費了大量時間，但是在應用商店內，這些應用的預期價格不能超過4.99美元，很多都是0.99美元。
蘋果如何避免這種情況呢？對於新人來說，應該不允許向他們開放免費應用。哪怕應用價格低到10美分也好。實行免費的政策太過激進，會減弱人們購買的欲望。
3.2在線教育
在線教育已經是一個炙手可熱的領域，在線教育平臺除了TED-Ed，還有未獲投資就營收7000萬美元的Lynda.com和針對特定領域的KhanAcademy和OpenEnglish等。他們利用不同面向和特點吸引用戶學習，就像現實中教著同樣課程的不同大學那樣。除了一些非盈利教育平臺，如何在線上教育中盈利也是在線教育領域正在探索的問題。
3.2.1 Knowmia——眾包視頻平臺
在智慧型手機興起之前，Flip Video這一攝像產品曾經引起一股視頻拍攝熱潮，並在2009年被Cisco收購。在Flip Video逐漸淡出人們視線的時候，聯合創始人Ariel Braunstein和Scott Kabat依舊鐘情於視頻並開始將他們的目光投向線上教育。隨著視頻技術的成熟，人們的學習方式也開始轉變。而真正的學習也不僅是看看公開課這麼簡單。
要建一個在線教學視頻平臺，一定要考慮學習者和教學者的需求，對於學習者來說，教學內容的聚合和審核非常重要，只有這樣才能保證平臺中視頻的質量。而對於教學者來說，平臺需要考慮視頻個人供應商的能力，應該幫助教學者讓視頻製作或教學計劃的制定更簡單。兩位Flip Video創始人推出的學習應用Knowmia——眾包視頻平臺，就旨在幫助老師找到或創造線上視頻課並優化學生的學習體驗，綜合考慮了學習者和教學者的需求。
Knowmia軟體可以幫助全世界老師組織和製作視頻課程，並提供給用戶（學生）更個性化、有效和便宜的網上教學。這個平臺目前提供了超過7000堂的免費課，包括一系列不同的科目，如代數、化學、美國文學、語言學習。Knowmia上視頻的長度大多從1分鐘到10分鐘不等，目前主要來自YouTube和Vimeo。為了提昇平臺中視頻的質量，Knowmia不僅集合現場視頻，還聘請了自己專屬的老師，對存在的視頻內容做審查，同時還為教學內容添加數據，包括加入一些筆記、板書以及測驗，而且老師還會根據視頻內容對視頻進行關鍵詞標籤標記，根據內容及所需的能力級別對視頻進行分類。
他們的目標顯而易見：提供一個教學視頻內容的集中地，就像YouTube教育頻道或者Khan Academy最新的CS教育門戶網站那樣，讓用戶可以通過具體的關鍵詞搜索到更符合自己目標的教學視頻。這也很容易讓人聯想到TED新的教育平臺，它讓老師和教育工作者可以利用網站自身的視頻內容制定獨特的課程計劃。相比起來，Knowmia看起來更主流一些，通過老師群體的「編委會」審核，平臺可以阻止一些質量差的教學內容流入網站。因為對於教育網站——尤其對於眾包教育視頻網站，如果教學內容出錯會很容易誤導別人，就像Wikipedia那樣。
兩位創始人計劃對平臺視頻內容保持免費，但網站可能會對它的補充型學習工具進行收費。例如它即將推出的「Mini Courses」功能，配合視頻課程包括教師評價及測驗反饋的功能，這也會讓教育工作者更好地衡量教學進度並保留材料。而參與Mini Courses的教師會從中獲得一定的提成。
對於教學者來說，除了可能在收費項目中獲利外，Knowmia還努力降低教師製作視頻或教學內容的門檻。Knowmia推出了針對教師的教學材料製作平臺：Knowmia iPad應用。
通過這個應用，教師可以簡單地製作與教學內容有關的視頻和PPT材料，作為學習內容或輔助工具。只要按下錄製鍵並對內容進行編輯和拖拽轉動，有關原子運動或者有順序的教學內容就能很快製作出來，這個過程可以說是傻瓜式的。團隊將這個app稱為「針對教師的iMovie軟體」，能讓教學工作者創造交互性強的多媒體教學內容。
3.2.2易趣課堂
國內易趣課堂引入行為經濟學的另類商業模式。益趣課堂提供的課程中有些可以直接免費學習，另一些則需要預付學費。例如，我想學習《密碼學入門基礎》這門課程，就需要先按課程時長預付38、58或78元的課程費用。在選定課程時長後，頁面會顯示該課程的結束時間。如果在計劃時間內完成課程，那麼你預付的學費將被返還，反之將被扣除。
怎樣判定你是否完成學習目標呢？益趣課程採用了在很多遊戲中常見的關卡解鎖模式，只不過遊戲關卡被換成了待學內容的章節。只有學完前面的章節並完成配套測試後，下一章節的內容才會被「解鎖」。同時每個章節都有最短學習時長，如果你想打開頁面後馬上關掉，試圖以此矇混過關是不可能的。
將這種模式引入在線學習是益趣課堂中最大的亮點，但內容則可能成為其當前的軟肋。目前益趣課堂提供的所有課程內容都是利用網絡搜集整理而成，並且以傳統「文字+圖片」的形式呈現，也有部分課程包含視頻內容。如果傳統的學習方式是讓你產生惰性的誘因，那你在益趣課程可能會交不少學費。不過懶惰所致的扣費，也正是該服務的主要收入來源。
從長遠來看，在線教育平臺只有給學習者帶來更多的實際價值，才可能構建起良性發展的生態系統。所以可以考慮在該服務中引入兩個機制：一是像Udemy所做的那樣，讓公眾來創建富媒體內容，使課程更加豐富；二是設立捐贈機制，讓真正有收穫的學習者自願把預付的學費捐贈出來。最後平臺與第三方的內容創建者再把所有收入拿出來按比分成即可。
3.2.3 MOOC
大型開放式網絡課程，即MOOC（massive open online courses）。2012年，美國的頂尖大學陸續設立網絡學習平臺，在網上提供免費課程，Coursera、Udacity、edX三大課程提供
商的興起，給更多學生提供了系統學習的可能。MOOC平臺之所以能夠收到廣泛的歡迎，與其充分融入了心理學、行為經濟學的知識有著密切的關係。
MOOC知識點視頻長度符合心理學節奏。其教學將課程內容細分為若干知識點，每個知識點視頻長度為10分鐘以內或10-15分鐘，從教學心理學的角度來看，這個時間長度相比於傳統課堂教學的每節課45分鐘，更有利於學生能夠充分集中注意力，不至於產生疲倦感，從而有效激發學習者的學習熱情。同時也可以賦予同學更多的自主決定權，選擇屬於自己的路線和速度。
MOOC教學充分考慮網絡學習者的學習習慣，讓學習者感同身受。提供課程的老師需要根據學科特點和學習需求來設計開發課程，滿足學生不同的學習體驗。大多數課程在課程開始之前會開展前測問卷，並且對學生的動態觀察貫穿課程的始終。以隨時滿足學生在不同學習階段的不同需求。MOOC會根據課程科目定位採取不同的學習方式，如理工科課程中編程類課程會偏重於操作式的學習方式，在操作中增加學生的學習趣味，調動學生的積極性。
文科課程則偏重於情景式的學習，讓學習者感同身受。另外，對於每一階段的教學視頻，MOOC會嵌入相應的測驗題目，以提高學生的學習質量，使得學習者投入學習的熱情大大增加。
3.3共享交通
3.3.1 Uber供給端運營
Uber利用了不少行為經濟學的技巧來運營「供給端」，具體如下。
2017年3月，遭遇多方危機的Uber曾召開記者會宣稱，公司在改變自己的文化，再也不會容忍那些個人能力很強、但不善於團隊協作的人。而且更值得一提的是，他們聲明自己也會改善和司機之間的關係。因為在此之前，Uber公司曾因支付問題和管理太過隨意，導致司機們極為不滿。但實際上，這家公司在背後正進行一套行為科學實驗，驅動司機們配合公司一起成長。
在企業管理模式上，Uber帶來了巨大創新，這個平臺上的司機已經成為真正意義上的獨立經營者，而不再是按時間表工作的傳統僱傭工。但是，平臺對這些勞動力缺乏掌控。所以，Uber不惜招聘幾百位社會科學家和數據科學家，試圖解決這樣一個矛盾：如何在減小用工成本的同時，儘可能保障司機的駕駛熱情？
（1）同理心的增長
2016年初，大概由100人組成的Uber小隊專門負責司機的註冊事務，讓他們更多地上路接單，完成從「需求端增長」到「供給端增長」的變化。
但是，光靠增加司機數量來滿足日益增長的需要，已經很難行得通，於是Uber團隊最終選擇了一個簡單粗暴的解決方案，給司機發廣告。Uber開始在App界面內，通過廣告的形式請司機到Uber即將覆蓋的地方去。如果你以為只是發發小廣告，那你還是太小看這個平臺了。在部分地區，有些男性運營人員甚至會用女性口吻編寫這樣的催促簡訊，因為他們發現這樣做效果更好。原因也很簡單，Uber的司機絕大多數都是男性。不過這樣的日子沒過多久，Uber官方開始擔心這些小伎倆會使司機反水，去到競爭者Lyft那裡，畢竟Lyft在司機中的口碑更好。於是，Uber軟化了那種「要求式」的語氣，也減少了推送信息的頻次，此後的信息更多只是一種單純的正向鼓勵。
但是幾乎就在同時，Uber發現了一個更嚴重的問題——新司機做不長久就開始流失，甚至有新司機在完成25個訂單之前就離開平臺。於是，Uber設定25單之後新司機會獲得額外獎勵。有些城市為了阻止這種趨勢，也開始給司機推送一些簡單的鼓勵：你快要完成一半的任務了，加油!
關於同理心的探索並沒有到此為止。在心理專家和電子遊戲設計師的幫助下，Uber改變了鼓勵機制。這次的改變起源於競爭對手Lyft，2013年，Lyft僱傭了一個諮詢公司，試圖尋找一種方法去刺激更多的司機「跑起來」。這家公司組織了一批新註冊的司機充當志願者，實驗結果發現，與其告知司機們已經賺到了多少，還不如刺激他們其實少賺了多少。
（2）期望理論
當司機嘗試註銷的時候，這個App會馬上告訴他們，距離賺到某個金額只差一筆小錢了。這些信息利用了另外一個廣泛適用的行為模式去驅使司機駕駛更長時間——期望理論。
其實Uber發送給司機的那條簡訊，其精妙之處在於，這些司機並不需要在腦內先形成一個精確的收入目標。這樣的目標是在行進中不斷變化的，而且總是比當前的結果高一點點。
不論什麼時候，Uber都會在App內向司機展示他們在當前一周完成了多少單，賺了多少錢，登入了多長時間，乘客評分是多少。所有這些數值都在刺激著司機完成這場遊戲。
（Uber為了鼓勵司機上路所發的一條信息，內容是「你距離賺到40美元只差6美元了。確定還要註銷登錄嗎？」）「這就像電子遊戲」，一位在芝加哥地區的老司機說，「我有時候在瞥到自己的數據後，甚至因為想達成目標，不得不打起精神來再幹一會兒」。
（3）預先派單
Uber司機在結束當前訂單之前，會被預先派發新的訂單，「預先派單」縮短了乘客的等待時間，所以乘客不需要等10分鐘路程以外的司機，而是會被在2分鐘左右路程、送走上一波乘客的司機接單。如果你不是一個司機，你可能不會認為這樣的創新有多大意義。但你一定用過視頻App觀看節目，想想看，如果一個節目剛剛播放完畢就馬上自動加載下一集，你要多大的克制才會主動停下來。司機也一樣，他們對「持續派單」就有類似觀看電視劇根本停不下來的感覺。而且Uber給司機設置的「默認狀態」，恰好都是「持續接受預先派單」，即便你不想這樣接單，也只能暫停這個功能，而沒法完全關閉它。所以在某種程度上，Uber產品經理起到和社交遊戲開發者同樣的作用。
3.3.2滴滴打車
（1）用戶畫像
滴滴快的「土豪式」補貼背後，其實也有著它自己的精打細算。隨著兩家公司的合併，行業已經從粗暴的跑馬圈地走入了精耕細作的時代，要花更少的錢獲取更多的用戶。
精準營銷的前提是對用戶的清晰認知。以簡單的代金券發放為例，滴滴和快的的歷史數據呈現出兩大類四種不同的消費習慣。代金券敏感型：發代金券才用、發代金券用的更多；代金券不敏感型：發不發都用，發代金券也不用。在滴滴和快的的用戶畫像系統中，上述四種群體會被分別冠以屌絲、普通、中產、土豪的標籤。針對四類客群的運營策略也會全然不同，最直接的就是代金券的刺激頻率以及刺激金額，而對「代金券」免疫的土豪群體，則更多地需要在服務上做文章。
在實際場景中，影響乘客對應用軟體使用黏度的因素要遠比代金券複雜得多，在這種情況下，滴滴快的對用戶的「貼身跟蹤」就能及時發現薄弱環節，因此從用戶打開軟體到退出使用，其間的每一步情況都被快的記錄在案：哪一天退出的，哪一步退出的，退出之後「跳轉」到什麼軟體等等。
據此，滴滴快的也實現了用戶另外一個緯度的歸類，分清哪部分是忠實用戶，哪部分可能是潛在的忠實用戶，哪些則是已經流失的；更進一步來看流失的原因：因為代金券沒有了流失？軟體體驗不好流失？還是等車時間太長而流失？——這些都是下一步精準營銷的依據。對於滴滴快的而言，用戶分析不僅僅是針對乘客，也包括司機、計程車公司的所有相關方。儘管基礎信息大同小異，都包括人的基本信息、信用、行為信息等，也有一些通用的刺激手法，比如積分、禮物等。不過，不同的用戶畫像對應了不同的刺激程度，並且結合不同的場景，還是有許多特殊的營銷安排。
杭州市場就是一個很典型的例子。基於司機的地理位置信息，滴滴快的發現每天中午或者是每天晚上10點以後，司機都會聚集在一些固定的地點，可能休息或者就餐。所以滴滴快的就會在這些場所提供一些工作餐或者是優惠食品，通過線下的活動來提升司機和滴滴快的的合作關係。
（2）更精確地匹配供需
維護好用戶只是一個基礎，最終目的是為了打通供需，生成更加優化的服務和產品。這也正是數據之於打車軟體此類O2O行業的重要性所在。數據能解決一個核心問題：供需雙方的智能匹配。
其實很容易理解，公交、計程車、地鐵都是對不同出行人群不同需求的對號入座，不過這種被稱之為「粗暴式」的分類法應用起來效率低下，以一個司空見慣的打車場景為例，在路邊攔車，可能許久都沒有空車經過，或者是好不容易等到車，司機問了地址之後還可能拒載，呈現一種雜亂無章的狀態。
而在海量的數據基礎之下，出行的需求可以被不斷細分，而且是實時匹配。例如一個乘客下單之後，需求方的用戶圖像和需求同時被識別，結合供方的車輛條件和位置地圖進行第一輪篩選，不過這個看似正常的訂單卻不一定符合實際，因為有一些訂單發出來是司機不願意接的，比如尖峰時段的擁擠路段，那麼在這個時候就要進行訂單評估和內部調節，結合歷史數據制定一些刺激措施、疊加「乘客自行出的小費」來誘導司機，這樣一個符合供需雙方胃口的「合理」訂單就生成了，下一步要做的就是實時調度，要考慮當時的交通情況、車的朝向、車速、附近是否有突發性事件等因素，選擇最為優化的方案。
完成了以上的步驟之後，滴滴快的才會把用車需求和獎勵方案推送給經過層層篩選之後的計程車，這樣居民打車的成功率大大提升了，而且所用的時間更短。「這是以前所有的產品做不到的，因為不能洞悉消費者的心理。在大數據應用下，消費者和供給方能夠省略中間環節直接議價，這是一個模式上的變革性的突破」。而最終海量的議價數據將提煉成為一種「商業情報」，來推動新的產品和新服務的推出，比如智能定價系統，以從機場到望京這一段司機不願意接的單為例，可能70%的乘客額外加了20塊錢，少數人加了30塊錢，而有的只願意加10塊錢，那麼系統整合分析以後會得出21元錢是一個更合適的議價，那麼最終的定價可能消費者和司機雙方都可以接受。
以這樣的邏輯推導生成的產品才更能有的放矢，因為其生成不是來自於企業對市場的臆斷，而是直接提煉於供需雙方的心理預期和真實需求。
「回程單」的產品創設就是一個很典型的例子。最初是滴滴快的的數據分析發現一個異常的數據現象：司機的搶單意願率在某一個時點會驟然下滑，過一段時間又會反彈，日日如此。通過對這個特殊節點分析，滴滴快的得出一個司機運營的特殊場景，即司機收工的時間，接下來就是針對性地解決，因為不管司機是交班還是回家，肯定有一個固定的方向—這一點可以通過歷史數據分析出來。那麼滴滴快的要做的就是把同樣去往這個方向的乘客分配給對應的司機。這樣做是否就一定見效？所以下一步就要評估效果，看回程單是否真正提高了司機的搶單意願，確定之後才能作為常規產品推出。
產品的細分應用場景將會越來越依賴於大數據分析，從數據中洞察需求與商機，再結合大數據提供應用解決方案，將變成未來產品迭代的常規運作模式之一。這也是滴滴快的產品的生成邏輯。
4.人工智慧與行為經濟學的交叉趨勢
4.1關注熱點
4.2整體趨勢
整體來看，未來的行為經濟學研究有以下趨勢。
一是行為經濟和行為金融理論的構建。人類行為是複雜的，行為經濟學和行為金融理論本身的構建也是複雜的，構建行為經濟學和行為金融理論體系時，理論的適用性、合理性，理論的模型化，理論應用的局限性、敏感性，理論對現實的解釋度等都是今後研究的關鍵。
二是行為經濟學研究將促進心理學傳統和實驗經濟學的融合。經驗證據表明，特定的心理現象，例如有限理性、受限理性、受限的自利行為和不完全自我控制，是一系列市場化結果背後的重要因素。目前，雖然行為經濟學在這方面的理論還不是很多，但是通過其發展，最終有可能取代傳統經濟理論的一些要素。
三是行為經濟學的跨學科交叉研究。認知科學、心理學與經濟學研究的結合已經引起經濟學家的高度關注，這也是今後行為經濟學發展的必然趨勢。在其發展過程中，行為經濟學將廣泛運用到政治、法律和經濟等領域，逐步形成比較成型的行為決策理論、行為金融學等等。
4.3交叉創新笛卡爾智能分析
首先，我們選取BehavioralEconomics領域近期熱度，全局熱度最高，相關性最強的9個相關領域作為研究對象，具體包括：
1.Behavioral Economics
2.Decision Theory
3.Social Choice Theory
4.Behavioral Finance
5.Economics Effect
6.Neuro Economics
7.Voting Behavior
8.Risk Aversion
9.Prospect Theory
其次，我們選取ArtificialIntelligence領域近期熱度，全局熱度最高，相關性最強的11個相關領域作為研究對象，具體包括：
1.Artificial Intelligence
2.Neural Networks
3.Machine Translation
4.Machine Learning
5.Modeling and Simulation
6.Deep Learning
7.Nature Language Process
8.Planning and Scheduling
9.Computer Vision
10.Control Methods
11.Data Mining
通過對人工只能領域和行為經濟學的知識圖譜的計算，再對兩個領域的細分子領域進行笛卡爾乘積進行熱點挖掘，本報告挖掘了歷史數據和未來趨勢預測兩部分內容。其中歷史數據主要探討最近10年（2007年至今）的研究狀況；趨勢預測僅以未來3年為周期來探討。
領域較差熱力值由交叉研究的論文的citation等數據加權計算得出，熱力值越高，表明這兩個交叉子領域交叉研究越深入和廣泛。
每個交叉熱點中的研究學者，發表論文，中外學者和論文對比等數據均可以獲得。用作展示時，研究學者和論文分別按照交叉領域研究影響度和論文相關度作為默認排序。
學者研究影響度由交叉領域內論文量，h-index等計算得出；論文相關度由交叉領域內論文的關聯程度和引用數量等計算得出。
圖5人工智慧和行為經濟學研究領域交叉分析
由圖5可以發現，人工智慧和行為經濟學歷史交叉領域前五位分別為：
1.Decision Theory & Artificial Intelligence
2.Decision Theory & Date Mining
3.Decision Theory & Neural Networks
4.Decision Theory & Machine Learning
5.Economics Effect & Neural Networks
根據AMiner數據預測分析，Decision Theory & Artificial Intelligence、Decision Theory & Machine Learning和Decision Theory & Date Mining將會持續期研究熱度，Economics Effect & Neural Networks和Economics Effect & Date Minings研究熱度也會有所增加。
2017年行為經濟學家獲得諾貝爾經濟學獎引起轟動，畢竟在之前的多年來，其都不被主流的經濟學家所認可和接受。由此也可以預期到行為經濟學的未來繁榮趨勢。就本質而言，行為經濟學與傳統經濟學的區別在於理性人的假定。傳統經濟學認為人或市場總是完全理性的，不會受到認知偏差情緒等因素的影響，但在實際生活中並不成立。這就是理論決策和實際決策產生差異的地方，也是行為經濟學之所以值得研究的地方。即便是在人工智慧時代，我們生活中存在的讓人不易覺察的非理性行為，都無法完全避免，這就是行為經濟學的立足所在。
金準人工智慧專家預測人工智慧會代替未來很多人的工作，能解決一些結果不確定性的問題，即引用各種模型來幫助進行判斷和決策，提高原來判斷的準確性。但是，人工智慧不會替代人的思考，人的思考會考慮到自身的所有權，因此人工智慧在發展過程中勢必要融入行為經濟學的因素，以謀求更精確的發展。