Вісник Національного університету оборони України

  • Отримано 31.03.2026,
  • Доопрацьовано 25.07.2026,
  • Прийнято 25.08.2026
  • Опубліковано 31.08.2026
Завантажити статтю Завантажити статтю
Том 21, № 4, 2026
  • когнітивний стиль; інтуїтивне мислення; раціональне мислення; локус контролю; інтернальність; довіра до автоматизованих систем; OSINT
  • https://doi.org/10.33099/2617-6858-26-21-4-69-76
  • Сторінки 69-76

Активне впровадження систем штучного інтелекту в інформаційно-аналітичну діяльність актуалізує проблему дослідження психологічних чинників, що визначають особливості взаємодії аналітиків з автоматизованими системами та їхню схильність до когнітивних упереджень у процесі професійного прийняття рішень. Метою статті було дослідження взаємозв’язку між когнітивним стилем, локусом контролю та довірою до систем штучного інтелекту як чинниками формування інтелектуальних пасток у професійній діяльності аналітиків розвідки. Дослідження поєднувало теоретичний аналіз сучасних наукових праць з емпіричним вивченням особливостей взаємодії з автоматизованими системами у 50 практикуючих OSINT та інформаційних аналітиків. Для оцінки когнітивного стилю застосовано опитувальник раціонально-інтуїтивного стилю мислення S. Epstein, рівень довіри до автоматизованих систем визначався за допомогою Trust in Automation Questionnaire М. Körber, а локус контролю досліджувався за методикою J. Rotter. Аналіз отриманих даних засвідчив наявність кореляційних залежностей між особливостями мислення респондентів, рівнем суб’єктивного контролю та сприйняттям алгоритмічних систем. Респонденти з переважанням інтуїтивного способу обробки інформації частіше демонстрували готовність покладатися на автоматизовані рекомендації та позитивніше оцінювали функціональні можливості систем штучного інтелекту. Натомість учасники з більш вираженим аналітичним стилем мислення виявляли схильність до ретельнішої перевірки алгоритмічних рішень і нижчого рівня їх прийняття без додаткового аналізу. Також встановлено, що вищий рівень внутрішнього контролю супроводжується позитивнішим сприйняттям надійності та компетентності автоматизованих систем. Отримані результати підтверджують значущість індивідуально-психологічних характеристик у формуванні особливостей взаємодії людини з технологіями штучного інтелекту в професійній діяльності. Результати дослідження можуть бути використані під час розроблення програм психологічної підготовки аналітиків та формування навичок критичної й рефлексивної взаємодії із системами штучного інтелекту

Використані джерела

  1. Bansal, G., Wu, T., Zhou, J., Fok, R., Nushi, B., Kamar, E., Ribeiro, M.T., & Weld, D.S. (2021). Does the whole exceed its parts? The effect of AI explanations on complementary team performance. In Proceedings of the 2021 CHI conference on human factors in computing systems (pp. 1-16). New York: Association for Computing Machinery. doi: 10.1145/3411764.3445717.
  2. Buçinca, Z., Malaya, M.B., & Gajos, K.Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. In Proceedings of the ACM on human-computer interaction, 5(CSCW1) (pp. 1-21). New York: Association for Computing Machinery. doi: 10.1145/3449287.
  3. Burton, J.W., Stein, M.-K., & Jensen, T.B. (2020). A systematic review of algorithm aversion in augmented decision making. Journal of Behavioral Decision Making, 33(2), 220-239. doi: 10.1002/bdm.2155.
  4. Cherniakova, O.V., & Hryshko, O.D. (2025). Cognitive bias and their influence on personnel management efficiency and the adoption of strategic solutions. Scientific Bulletin of Uzhhorod National University. Series: Psychology, 3, 183-190. doi: 10.32782/psy-visnyk/2025.3.34.
  5. De Brito Duarte, R., Correia, F., Arriaga, P., & Paiva, A. (2023). AI trust: Can explainable AI enhance warranted trust? Human Behavior and Emerging Technologies, 2023, article number 4637678. doi: 10.1155/2023/4637678.
  6. Epstein, S., Pacini, R., Denes-Raj, V., & Heier, H. (1996). Individual differences in intuitive-experiential and analytical-rational thinking styles. Journal of Personality and Social Psychology, 71(2), 390-405. doi: 10.1037/0022-3514.71.2.390.
  7. Ethics and Data Protection. (2021). Retrieved from https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/ethics-and-data-protection_he_en.pdf.
  8. Gillath, O., Ai, T., Branicky, M.S., Keshmiri, S., Davison, R.B., & Spaulding, R. (2021). Attachment and trust in artificial intelligence. Computers in Human Behavior, 115, article number 106607. doi: 10.1016/j.chb.2020.106607.
  9. Glikson, E., & Woolley, A.W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627-660. doi: 10.5465/annals.2018.0057.
  10. ICC/Esomar International Code on Market, Opinion and Social Research and Data Analytics. (2025). Retrieved from https://iccwbo.org/news-publications/business-solutions/iccesomar-international-code-market-opinion-social-research-data-analytics/#top.
  11. Kahneman, D. (2021). Thinking, fast and slow. Kyiv: Nash Format.
  12. Köbis, N., & Mossink, L.D. (2021). Artificial intelligence versus Maya Angelou: Experimental evidence that people cannot differentiate AI-generated from human-written poetry. Computers in Human Behavior, 114, article number 106553. doi: 10.1016/j.chb.2020.106553.
  13. Konverskyi, A., & Kolotilova, N. (2023). Confirmation bias in argumentation processes. Bulletin of Taras Shevchenko National University of Kyiv. Philosophy, 2(9), 20-24. doi: 10.17721/2523-4064.2023/9-3/15.
  14. Körber, M. (2019). Theoretical considerations and development of a questionnaire to measure trust in automation. In S. Bagnara, R. Tartaglia, S. Albolino, T. Alexander & Y. Fujita (Eds.), Proceedings of the 20th congress of the international ergonomics association (IEA 2018) (vol. 823; pp. 13-30). Cham: Springer. doi: 10.1007/978-3-319-96074-6_2.
  15. Logg, J.M., Minson, J.A., & Moore, D.A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90-103. doi: 10.1016/j.obhdp.2018.12.005.
  16. Nadurak, V. (2022). Critical thinking: Concept and practice. Filosofiya Osvity. Philosophy of Education, 28(2), 129-147. doi: 10.31874/2309-1606-2022-28-2-7.
  17. Popov, M.O., Stefantsev, S.S., & Zaitsev, O.V. (2022). A cognitive approach to the calibration of the intelligence analyst’s nominal judgments. Science & Defence, 2(19), 37-42. doi: 10.33099/2618-1614-2022-19-2-37-42.
  18. Rotter, J.B. (1966). Generalized expectancies for internal versus external control of reinforcement. Psychological Monographs: General and Applied, 80(1), 1-28. doi: 10.1037/h0092976.
  19. Schoeffer, J., Jakubik, J., Vössing, M., Kühl, N., & Satzger, G. (2025). AI reliance and decision quality: Fundamentals, interdependence, and the effects of interventions. Journal of Artificial Intelligence Research, 82, 471-501. doi: 10.1613/jair.1.15873.
  20. Shneiderman, B. (2022). Human-centered AI. Oxford: Oxford University Press. doi: 10.1093/oso/9780192845290.001.0001.
  21. Tymoshchuk, Y.A., Bruiaka, I.V., & Liubomyrskyi, V. (2022). The role of intuition in the structure of self-regulation in conditions of uncertainty. Scientific Notes of Ostroh Academy National University: Psychology Series, 15, 52-61.
  22. von Eschenbach, W.J. (2021). Transparency and the black box problem: Why we do not trust AI. Philosophy & Technology, 34(4), 1607-1622. doi: 10.1007/s13347-021-00477-0.

Подання статті

 
Flag Counter