ISSN : 1229-067X
Anderson은 일찍이 인상형성에 관한 그의 연구에서 소위 조크기 효과 등이 가산모델을 지지하는데도 불구하고 자료가 평균모델을 지지한다고 결론을 내렸다. 그의 연구방법을 세밀히 검토해 본 결과 그의 이런 결론이 평균모델에 편파적이었으며 그렇게 된 이유의 하나는 평균모델이 보다 많은 융통성을 지닌 때문이란 결론을 얻었다. N(사례수) 의존적 가중치와 N비의존적 가중치의 구별을 한 다음 평균은 입력이 같은 표적에 대해 상치하는 정보를 포함하라 때 일어나며 가산은 입력평가치들이 일관적일 때 또는 입력정보의 수가 부각되는 상황에서 일어나기 쉽다는 가설을 제시했다. 더 나아가 평균은 사람들이 인지적 입력이 만들어내는 불확실성과 복잡성을 감소시키는 기제라는 가정을 했다.
Anderson early on concluded from his research on impression formation that data supported averaging but not adding models, in spite of the fact that so-called set size effects, in particular, appeared to favor adding rather than averaging. A close review of methods used to test the models and the outcomes of such studies suggests that Anderson's support of the averaging model is biased, possibly due to greater flexibility of the averaging models. After making a distinction between N(number of input variables)-dependent weights(resulting in averaging) and N-independent weights(resulting in adding), a hypothesis was advanced, which stated that averaging is done when inputs contain conflicting feedbacks regarding the identical target while adding is favored when the input evaluations are consistent and/or number of inputs is made salient. It was further hypothesized that averaging is a mechanism by which people reduce uncertainty and complexity engendered by cognitive inputs.