Maestro y Sociedad e-ISSN 1815-4867
Volumen 23 Número 2 Año 2026
Artículo original
Economía conductual y toma de decisiones (2015–2026): una revisión sistemática y crítica de la evidencia científica
Behavioral Economics and Decision-Making (2015–2026): A Systematic and Critical Review of the Empirical Evidence
Economia Comportamental e Tomada de Decisão (2015–2026): Uma Revisão Sistemática e Crítica da Evidência Empírica
Jimmy Roshimber Bazan Rivera 1*, https://orcid.org/0000-0001-7544-2901
Octavio César Marín Chávez 2, https://orcid.org/0000-0002-1092-3760
Fernando Alberto Santiago Mantare 3, https://orcid.org/0000-0003-3060-086X
Walter Ortiz Meza 4, https://orcid.org/0000-0002-1265-8542
Janet Yvone Castagne Vásquez 5, https://orcid.org/0000-0001-7936-1834
1; 2; 3 Universidad Nacional Agraria de la Selva, Tingo María. Perú
4; 5 Universidad Nacional de Ucayali. Perú
*Autor para correspondencia. email jimmy.bazan@unas.edu.pe
Para citar este artículo: Bazan Rivera, J. R., Marín Chávez, O. C., Santiago Mantare, F. A., Ortiz Meza, W. y Castagne Vásquez, J. Y. (2026). Economía conductual y toma de decisiones (2015–2026): una revisión sistemática y crítica de la evidencia científica. Maestro y Sociedad, 23(2), 1505-1513. https://maestroysociedad.uo.edu.cu
RESUMEN
La economía conductual ha emergido como un campo clave para comprender las desviaciones sistemáticas en la toma de decisiones económicas frente al modelo racional clásico. Este estudio tuvo como objetivo sintetizar y evaluar críticamente la evidencia científica reciente sobre sesgos cognitivos, heurísticas y arquitectura de decisiones. Se realizó una revisión sistemática bajo el protocolo PRISMA 2020, considerando artículos publicados entre 2015 y 2026 en Scopus, Web of Science. Tras el proceso de selección, se incluyeron 21 estudios para síntesis cualitativa. Los resultados evidencian que la aversión a la pérdida, el exceso de confianza y las heurísticas cognitivas constituyen determinantes centrales del comportamiento económico. Asimismo, las intervenciones tipo “nudge” han demostrado efectos significativos en contextos como salud, consumo y sostenibilidad, aunque su impacto presenta variabilidad según el contexto. Se concluye que la economía conductual ha evolucionado hacia un enfoque interdisciplinario con creciente integración tecnológica, aunque persisten desafíos relacionados con la replicabilidad y la generalización de los hallazgos.
Palabras clave: economía conductual, sesgos cognitivos, heurísticas, toma de decisiones, nudges, revisión sistemática
ABSTRACT
Behavioral economics has emerged as a key field for understanding systematic deviations in economic decision-making from the classical rational model. This study aimed to synthesize and critically evaluate recent scientific evidence on cognitive biases, heuristics, and choice architecture. A systematic review was conducted following the PRISMA 2020 protocol, considering articles published between 2015 and 2026 in Scopus and Web of Science. After the selection process, 21 studies were included for qualitative synthesis. The findings indicate that loss aversion, overconfidence, and cognitive heuristics constitute central determinants of economic behavior. Likewise, nudge-based interventions have demonstrated significant effects in contexts such as health, consumption, and sustainability, although their impact varies depending on the context. It is concluded that behavioral economics has evolved into an interdisciplinary approach with increasing technological integration; however, challenges related to replicability and the generalizability of findings remain.
Keywords: behavioral economics, cognitive biases, heuristics, decision-making, nudges, systematic review
RESUMO
A economia comportamental tem emergido como um campo-chave para compreender os desvios sistemáticos na tomada de decisões econômicas em relação ao modelo racional clássico. Este estudo teve como objetivo sintetizar e avaliar criticamente a evidência científica recente sobre vieses cognitivos, heurísticas e arquitetura de decisão. Foi realizada uma revisão sistemática seguindo o protocolo PRISMA 2020, considerando artigos publicados entre 2015 e 2026 nas bases Scopus e Web of Science. Após o processo de seleção, 21 estudos foram incluídos para síntese qualitativa. Os resultados indicam que a aversão à perda, o excesso de confiança e as heurísticas cognitivas constituem determinantes centrais do comportamento econômico. Da mesma forma, intervenções do tipo nudge têm demonstrado efeitos significativos em contextos como saúde, consumo e sustentabilidade, embora seu impacto varie de acordo com o contexto. Conclui-se que a economia comportamental evoluiu para uma abordagem interdisciplinar com crescente integração tecnológica; no entanto, persistem desafios relacionados à replicabilidade e à generalização dos achados.
Palavras-chave: economia comportamental, vieses cognitivos, heurísticas, tomada de decisão, nudges, revisão sistemática
Recibido: 5/2/2026 Aprobado: 28/3/2026
Introducción
El análisis del comportamiento económico ha transitado desde enfoques normativos basados en la racionalidad perfecta hacia perspectivas descriptivas que reconocen las limitaciones cognitivas de los individuos. Investigaciones seminales demostraron que los agentes económicos emplean heurísticas bajo incertidumbre, generando sesgos sistemáticos en la toma de decisiones (Tversky & Kahneman, 1974). Posteriormente, la teoría de la perspectiva explicó la aversión a la pérdida y la dependencia del punto de referencia en la evaluación de resultados (Kahneman & Tversky, 1979)
Sobre esta base, la comprensión contemporánea de los procesos de decisión ha evolucionado hacia modelos que integran evidencia conductual, análisis computacional y contextos dinámicos. En este sentido, estudios recientes han explorado la intersección entre psicología y economía, destacando la complejidad de los mecanismos cognitivos subyacentes a la toma de decisiones en entornos reales(Lohse et al., 2024). Estos enfoques permiten superar las limitaciones de los modelos tradicionales al incorporar variables como la atención, el tiempo de decisión y la incertidumbre contextual, ampliando la capacidad explicativa de la economía conductual.
En este contexto, la economía conductual se consolidó como un campo interdisciplinario que integra economía y psicología para explicar el comportamiento real de los individuos. Estudios posteriores evidenciaron fenómenos como el efecto dotación y el sesgo de statu quo, los cuales reflejan la resistencia al cambio (Kahneman et al., 1991).
La inteligencia artificial ha evolucionado de herramienta de apoyo a agente activo en la toma de decisiones, influyendo en la conducta económica al amplificar sesgos cognitivos y modificar preferencias. Esta interacción entre IA y psicología económica introduce nuevos desafíos para comprender los procesos de decisión en entornos digitales (Rodriguez-Fernandez, 2026).
Sobre esta base, el desarrollo de intervenciones conductuales ha sido ampliamente documentado como una herramienta efectiva para influir en decisiones individuales sin alterar los incentivos económicos. No obstante, la evidencia reciente sugiere que la magnitud de estos efectos puede variar significativamente dependiendo del contexto y del diseño experimental, lo que plantea interrogantes sobre su robustez y replicabilidad (Maier et al., 2022; Mertens et al., 2022). Esta discusión ha impulsado una reevaluación crítica del alcance de los nudges dentro de la política pública y la economía aplicada.
En esta línea, la economía conductual evolucionó hacia un enfoque aplicado, particularmente con el desarrollo del concepto de arquitectura de decisiones y las intervenciones tipo “nudge”, orientadas a modificar el comportamiento sin restringir la libertad individual (Sunstein, 2017).
Durante la última década, el campo ha experimentado una expansión significativa, evidenciando aplicaciones en políticas públicas, sostenibilidad y salud (Kaiser et al., 2020; Mertens et al., 2022). Sin embargo, estudios recientes han cuestionado la magnitud de los efectos de los nudges al controlar sesgos de publicación (Maier et al., 2022; Szaszi et al., 2022).
En paralelo, la integración con tecnologías digitales ha ampliado el alcance del campo, permitiendo modelar decisiones en entornos complejos(Lohse et al., 2024). No obstante, persisten desafíos relacionados con la replicabilidad, la heterogeneidad metodológica y la generalización de resultados.
En este contexto de creciente sofisticación teórica y metodológica, la economía conductual no solo ha ampliado su alcance hacia aplicaciones prácticas, sino que también ha dado lugar a la emergencia de enfoques alternativos que buscan superar las limitaciones de las intervenciones tradicionales. Entre estos, el enfoque de “boosting” propone una reorientación conceptual al centrarse en el fortalecimiento de las capacidades cognitivas y decisionales de los individuos, en lugar de influir indirectamente en su comportamiento mediante la modificación del entorno de elección. Esta perspectiva enfatiza el desarrollo de habilidades, el aprendizaje y la autonomía, lo que la posiciona como una alternativa complementaria a los nudges en contextos donde la sostenibilidad de los cambios conductuales resulta crítica (Hertwig et al., 2025).
En este contexto, la presente investigación tiene como objetivo sintetizar la evidencia reciente sobre economía conductual y toma de decisiones bajo el enfoque PRISMA 2020.
La presente revisión sistemática se orienta a responder la siguiente pregunta general:
PG: ¿Cuáles son los principales factores conductuales y enfoques metodológicos que explican la toma de decisiones económicas en la literatura científica reciente (2015–2026)?
A partir de esta pregunta general, se plantean las siguientes preguntas específicas:
PE1: ¿Cuáles son los sesgos cognitivos y heurísticas más relevantes que influyen en la toma de decisiones económicas?
PE2: ¿Qué efectos tienen las intervenciones conductuales (nudges) en el comportamiento individual en distintos contextos?
PE3: ¿Cuáles son las principales tendencias metodológicas y limitaciones en la investigación reciente sobre economía conductual?
Objetivos de la revisión
El objetivo general de esta revisión sistemática es sintetizar y evaluar críticamente la evidencia empírica sobre economía conductual y toma de decisiones publicada entre 2015 y 2026, siguiendo rigurosamente las directrices PRISMA 2020 para garantizar transparencia, reproducibilidad y exhaustividad.
Los objetivos específicos son:
1. Identificar y caracterizar los principales sesgos cognitivos y heurísticas que influyen en la toma de decisiones económicas en diversos contextos.
2. Analizar la efectividad de las intervenciones conductuales (nudges) en la modificación del comportamiento individual, considerando su aplicación en distintos ámbitos.
3. Examinar las tendencias metodológicas y los desafíos actuales del campo, incluyendo aspectos relacionados con la replicabilidad, la heterogeneidad de enfoques y la integración con tecnologías digitales.
MATERIALES Y MÉTODOS
La presente revisión sistemática se desarrolló siguiendo rigurosamente las directrices de PRISMA 2020 (Page et al., 2021), con el propósito de garantizar transparencia, trazabilidad y reproducibilidad en el proceso de identificación, selección y síntesis de la evidencia científica. Se adoptó un diseño de revisión sistemática orientado a sintetizar y evaluar críticamente estudios empíricos sobre economía conductual y toma de decisiones. Este enfoque permitió integrar evidencia científica bajo criterios metodológicos estandarizados, reduciendo sesgos en la selección de los estudios.
La búsqueda se realizó exclusivamente en bases de datos científicas de alto impacto: Scopus y Web of Science (WoS Core Collection). Estas plataformas fueron seleccionadas debido a su cobertura de revistas indexadas en cuartiles Q1 y Q2, garantizando la calidad y relevancia de la literatura incluida. La búsqueda se llevó a cabo entre enero y marzo de 2026. Se diseñó una estrategia de búsqueda estructurada utilizando términos en inglés relacionados con los principales constructos de la economía conductual. Se emplearon operadores booleanos para optimizar la recuperación de estudios relevantes.
La ecuación de búsqueda fue:
("behavioral economics" OR "nudge theory") AND ("cognitive bias" OR "heuristics")
AND (2015–2026)
La estrategia fue adaptada a la sintaxis de cada base de datos, incorporando filtros por:
• Tipo de documento (artículos científicos).
• Idioma (inglés y español).
• Área temática (economía, negocios, ciencias sociales).
Se establecieron criterios de inclusión y exclusión para asegurar la pertinencia y calidad de los estudios seleccionados.
Criterios de inclusión:
• Artículos científicos revisados por pares.
• Publicaciones en revistas indexadas en Scopus y Web of Science.
• Estudios ubicados en cuartiles Q1 y Q2.
• Investigaciones empíricas (cuantitativas, cualitativas o mixtas).
• Estudios centrados en economía conductual, heurísticas, sesgos cognitivos o toma de decisiones.
• Periodo: 2015–2026.
Criterios de exclusión:
• Literatura gris (tesis, informes técnicos, working papers).
• Editoriales, comentarios o revisiones no sistemáticas.
• Estudios sin acceso a texto completo.
• Investigaciones sin relación directa con el comportamiento económico.
El proceso de selección se desarrolló en cinco etapas, conforme a PRISMA:
1. Identificación: Se recuperaron 420 registros iniciales de Scopus y Web of Science.
2. Eliminación de duplicados: Se depuraron los registros mediante software bibliográfico.
3. Cribado: Se evaluaron títulos y resúmenes según criterios de inclusión/exclusión.
4. Elegibilidad: Se revisaron los textos completos de los artículos seleccionados.
5. Inclusión: Se incluyeron 21 estudios en la síntesis final.
Se utilizó una matriz de extracción estructurada que permitió sistematizar la información relevante de cada estudio, incluyendo:
• Autor(es) y año.
• Revista y cuartil.
• Diseño metodológico.
• Tamaño de muestra.
• Contexto de estudio.
• Variables analizadas.
• Principales hallazgos.
La calidad de los estudios se evaluó considerando:
• Rigor del diseño metodológico.
• Validez interna y externa.
• Adecuación del tamaño muestral.
• Consistencia de resultados.
Los estudios fueron clasificados en niveles de calidad (alto, medio, bajo), lo que permitió ponderar la evidencia en la fase de síntesis.
Debido a la heterogeneidad metodológica y conceptual de los estudios incluidos, no se realizó un meta-análisis. En su lugar, se aplicó una síntesis narrativa estructurada, complementada con análisis temático.
Los estudios fueron agrupados en tres categorías principales:
• Sesgos cognitivos .
• Intervenciones conductuales (nudges).
• Tendencias metodológicas.
Este enfoque permitió identificar patrones consistentes, divergencias y vacíos en la literatura.
RESULTADOS
El análisis de los 52 estudios seleccionados permitió identificar cuatro ejes temáticos principales dentro de la literatura reciente en economía conductual y toma de decisiones: (i) sesgos cognitivos y decisiones económicas, (ii) toma de decisiones bajo riesgo y contexto, (iii) integración de inteligencia artificial y economía conductual, y (iv) aplicaciones en entornos organizacionales y de mercado.
Sesgos cognitivos y decisiones económicas
La evidencia revisada confirma que los sesgos cognitivos constituyen determinantes centrales del comportamiento económico. En particular, fenómenos como la aversión a la pérdida, la sobreconfianza y las heurísticas influyen significativamente en la toma de decisiones, generando desviaciones sistemáticas respecto a la racionalidad esperada, incluso en contextos de alta especialización profesional. En este sentido, se evidencia que el efecto anclaje influye de manera significativa en la evaluación de información y en la toma de decisiones, aun en individuos con experiencia en el sector, lo que confirma la persistencia de distorsiones cognitivas en entornos reales (Kazak et al., 2026).
Asimismo, la literatura evidencia que los individuos recurren a heurísticas para simplificar decisiones complejas, lo que genera patrones de comportamiento alejados de la racionalidad tradicional, especialmente en contextos de incertidumbre y limitaciones cognitivas (Moreno-Adalid et al., 2026).
Toma de decisiones bajo riesgo y dependencia del contexto
Los resultados muestran que las decisiones económicas no son invariantes, sino altamente dependientes del contexto. La evidencia experimental indica que la estructura de las alternativas influye directamente en la elección, lo que confirma que las preferencias son construidas dinámicamente en función del entorno de decisión (Evangelidis, 2026).
Este hallazgo refuerza la crítica a los modelos neoclásicos, evidenciando que los individuos utilizan heurísticas para simplificar decisiones complejas, lo que genera respuestas inconsistentes frente a variaciones en la presentación de la información.
Integración de inteligencia artificial y economía conductual
Un resultado emergente en la literatura es la creciente integración entre economía conductual y tecnologías digitales. La evidencia muestra que la inteligencia artificial permite detectar patrones de sesgos cognitivos a gran escala, tales como la aversión a la pérdida y el razonamiento motivado, mediante el uso de técnicas avanzadas de aprendizaje automático (Pattnaik et al., 2026).
Estos hallazgos sugieren que la inteligencia artificial no solo facilita el análisis del comportamiento humano, sino que también puede amplificar sesgos existentes, lo que plantea desafíos éticos y metodológicos en la toma de decisiones asistida por algoritmos.
Aplicaciones en entornos organizacionales y de mercado
Los resultados evidencian que los sesgos cognitivos influyen significativamente en decisiones organizacionales y estratégicas. En entornos empresariales, la toma de decisiones no responde a procesos de optimización racional, sino que está mediada por heurísticas, confianza y normas sociales que emergen en contextos de interacción organizacional (Cinti et al., 2026). Asimismo, en el ámbito del emprendimiento, se confirma que variables como la percepción de control, la aversión a la pérdida y el statu quo influyen en la decisión de emprender, con efectos diferenciados según el contexto económico, lo que evidencia la interacción entre factores psicológicos y estructurales (Moreno-Adalid et al., 2026).
Por otro lado, en entornos digitales, se observa que herramientas como chatbots y arquitecturas de decisión pueden influir en el comportamiento del consumidor mediante nudges, heurísticas y estructuras diseñadas para orientar la elección, facilitando la toma de decisiones en contextos complejos (Beech et al., 2026). Finalmente, revisiones sistemáticas recientes destacan que los factores cognitivos, emocionales y contextuales influyen de manera conjunta en la toma de decisiones, proponiendo modelos integrados que explican el comportamiento económico en distintos entornos (Alrohaeem et al., 2026).
DISCUSIÓN
Los resultados de la presente revisión sistemática confirman que la toma de decisiones económicas está profundamente influenciada por sesgos cognitivos, lo que refuerza la ruptura con los supuestos de racionalidad perfecta planteados por la teoría económica clásica. En coherencia con la evidencia fundacional sobre heurísticas bajo incertidumbre (Tversky & Kahneman, 1974), los hallazgos muestran que estos sesgos no solo persisten, sino que se intensifican en contextos contemporáneos caracterizados por alta complejidad, digitalización y sobrecarga informativa.
Persistencia y evolución de los sesgos cognitivos
Los resultados evidencian que sesgos como la aversión a la pérdida, el anclaje y la sobreconfianza continúan siendo determinantes clave del comportamiento económico. En particular, la evidencia empírica muestra que el efecto anclaje influye significativamente en la toma de decisiones incluso en profesionales experimentados, lo que cuestiona la idea de que la experiencia elimina las distorsiones cognitivas (Kazak et al., 2026).
Asimismo, estudios en contextos empresariales y emprendedores muestran que los individuos recurren a heurísticas para simplificar decisiones complejas, lo que genera desviaciones sistemáticas respecto a la racionalidad económica (Moreno-Adalid et al., 2026). En este sentido, los hallazgos sugieren que los sesgos cognitivos no deben interpretarse como anomalías, sino como mecanismos estructurales del comportamiento económico, consistentes con la noción de racionalidad limitada.
Dependencia del contexto y construcción de preferencias
Uno de los aportes más relevantes de esta revisión es la evidencia de que las decisiones económicas son altamente sensibles al contexto. La evidencia experimental muestra que la estructura de las alternativas influye directamente en las elecciones, lo que confirma que las preferencias no son estables, sino construidas dinámicamente (Evangelidis, 2026).
Este resultado se alinea con los avances recientes que integran variables como la atención, el tiempo de decisión y la incertidumbre contextual en el análisis del comportamiento económico, ampliando la capacidad explicativa de la economía conductual. En consecuencia, la arquitectura de decisiones emerge como un elemento central en la comprensión del comportamiento económico.
Efectividad y límites de las intervenciones conductuales
Los hallazgos también confirman que las intervenciones tipo nudge pueden influir en el comportamiento individual en distintos contextos, lo que coincide con evidencia empírica de meta-análisis recientes (Mertens et al., 2022). No obstante, la literatura también evidencia que estos efectos presentan alta variabilidad dependiendo del contexto y del diseño experimental, lo que plantea cuestionamientos sobre su robustez y generalización (Maier et al., 2022).
Adicionalmente, estudios recientes muestran que las intervenciones conductuales pueden ser utilizadas de manera estratégica para influir en el comportamiento del consumidor en entornos digitales, lo que introduce implicaciones éticas relevantes, especialmente cuando se emplean mecanismos como dark nudges (McLellan et al., 2026). En este contexto, enfoques alternativos como el boosting emergen como una evolución conceptual, orientada a fortalecer las capacidades cognitivas de los individuos en lugar de influir indirectamente en sus decisiones.
Integración con inteligencia artificial y economía conductual
Un hallazgo crítico de esta revisión es la creciente integración entre economía conductual e inteligencia artificial. La evidencia muestra que los algoritmos de aprendizaje automático permiten identificar patrones de sesgos cognitivos a gran escala, como la aversión a la pérdida y el razonamiento motivado(Pattnaik et al., 2026). Asimismo, se ha identificado que la inteligencia artificial puede amplificar estos sesgos, especialmente en entornos donde los algoritmos interactúan con preferencias humanas, lo que plantea desafíos éticos en el diseño de sistemas digitales (Bužinskienė et al., 2026).
En este sentido, la economía conductual se posiciona como un marco clave para el diseño responsable de tecnologías digitales.
Implicaciones metodológicas y teóricas
Desde una perspectiva metodológica, los estudios revisados evidencian una alta diversidad de enfoques, incluyendo métodos experimentales, econométricos, cualitativos y computacionales. Esta heterogeneidad enriquece el campo, pero también dificulta la comparabilidad de resultados y la replicabilidad, lo cual constituye una de las principales limitaciones identificadas en la literatura(Alrohaeem et al., 2026).
Desde el punto de vista teórico, los hallazgos sugieren la necesidad de avanzar hacia modelos integrados que articulen dimensiones cognitivas, emocionales y contextuales, superando la fragmentación disciplinaria.
CONCLUSIONES
La presente revisión sistemática cumplió con el objetivo general de sintetizar y evaluar críticamente la evidencia empírica sobre economía conductual y toma de decisiones en el periodo 2015–2026, evidenciando que el comportamiento económico se encuentra condicionado por la interacción entre sesgos cognitivos, factores contextuales y dinámicas emergentes asociadas a entornos digitales.
En relación con el primer objetivo específico, se identificó que los sesgos cognitivos y las heurísticas —como la aversión a la pérdida, el anclaje y el statu quo— continúan siendo determinantes clave en la toma de decisiones, manifestándose de manera consistente en distintos contextos, incluso en entornos profesionales y organizacionales. Esto confirma que la racionalidad limitada constituye un rasgo estructural del comportamiento económico.
Respecto al segundo objetivo, el análisis evidenció que las intervenciones conductuales tipo nudge pueden influir en las decisiones individuales, aunque su efectividad resulta heterogénea y altamente dependiente del contexto, lo que limita su generalización. Este hallazgo refuerza la necesidad de diseñar intervenciones más robustas y adaptativas.
En relación con el tercer objetivo, se observó que la investigación reciente presenta una alta diversidad metodológica, incluyendo enfoques experimentales, econométricos y computacionales, lo que enriquece el campo, pero también plantea desafíos en términos de replicabilidad y comparabilidad de resultados.
Asimismo, se identificó como un hallazgo transversal que la integración de la economía conductual con la inteligencia artificial está redefiniendo el análisis de la toma de decisiones, al permitir la detección y modelamiento de sesgos a gran escala, aunque introduciendo nuevas consideraciones éticas.
En conjunto, los resultados permiten concluir que la economía conductual ha evolucionado hacia un enfoque interdisciplinario consolidado, con creciente relevancia teórica y aplicada. No obstante, persisten desafíos asociados a la heterogeneidad metodológica, la validez externa de los estudios y los riesgos éticos en el uso de intervenciones conductuales y tecnologías digitales. Finalmente, se propone como agenda futura fortalecer la replicabilidad de los estudios, desarrollar modelos integrados que articulen dimensiones cognitivas, emocionales y contextuales, y profundizar en el análisis del comportamiento en entornos digitales, con especial énfasis en el diseño de intervenciones responsables y sostenibles.
REFERENCIAS BIBLIOGRÁFICAS
Alrohaeem, N., Gallage, N. G., & Islam, S. (2026). The impact of behavioural economics on entrepreneurial decision-making: A systematic literature review. Journal of Entrepreneurship in Emerging Economies, 18(7), 1-43. https://doi.org/10.1108/JEEE-05-2025-0280
Beech, R., Ritch, E., Anderson, C. G., & Ali, Z. (2026). Biases and heuristics in chatbot enabled everyday fashion rental in the UK. Journal of Fashion Marketing and Management: An International Journal, 1-22. https://doi.org/10.1108/JFMM-07-2025-0363
Bužinskienė, R., Miceikienė, A., Hernández-Tamurejo, Á., & Saura, J. R. (2026). The knowledge of ethical AI decision-making: A behavioral economics perspective. Journal of Innovation & Knowledge, 14, 100967. https://doi.org/10.1016/j.jik.2026.100967
Cinti, A., Amadei, A., Bigerna, S., & Polinori, P. (2026). Behavioural Economics in Business Networks: A Sustainability Compliance and Innovation Case. Italian Economic Journal. https://doi.org/10.1007/s40797-026-00367-4
Evangelidis, I. (2026). Context-dependent effects of branches in decisions under risk. Cognition, 271, 106442. https://doi.org/10.1016/j.cognition.2026.106442
Hertwig, R., Michie, S., West, R., & Reicher, S. (2025). Moving from nudging to boosting: Empowering behaviour change to address global challenges. Behavioural Public Policy, 9(4), 874-885. https://doi.org/10.1017/bpp.2025.9
Kahneman, D., Knetsch, J. L., & Thaler, R. H. (1991). Anomalies: The Endowment Effect, Loss Aversion, and Status Quo Bias. Journal of Economic Perspectives, 5(1), 193-206. https://doi.org/10.1257/jep.5.1.193
Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263. https://doi.org/10.2307/1914185
Kaiser, M., Bernauer, M., Sunstein, C. R., & Reisch, L. A. (2020). The power of green defaults: The impact of regional variation of opt-out tariffs on green energy demand in Germany. Ecological Economics, 174, 106685. https://doi.org/10.1016/j.ecolecon.2020.106685
Kazak, J. K., Zarębska, W., Sadowski, A., & Kamińska, J. A. (2026). The Anchoring Effect in Real Estate Decisions. Real Estate Management and Valuation, 34(1), 53-62. https://doi.org/10.2478/remav-2026-0005
Lohse, J., Rahal, R.-M., Schulte-Mecklenbeck, M., Sofianos, A., & Wollbrant, C. (2024). Investigations of decision processes at the intersection of psychology and economics. Journal of Economic Psychology, 103, 102741. https://doi.org/10.1016/j.joep.2024.102741
Maier, M., Bartoš, F., Stanley, T. D., Shanks, D. R., Harris, A. J. L., & Wagenmakers, E.-J. (2022). No evidence for nudging after adjusting for publication bias. Proceedings of the National Academy of Sciences, 119(31), e2200300119. https://doi.org/10.1073/pnas.2200300119
McLellan, G., Lyons, A., Sciascia, A., Nicholls, R., Maani, N., & Huckle, T. (2026). Hidden Persuasion: Big Alcohol’s Tactics on Social Media. Drug and Alcohol Review, 45(4), e70157. https://doi.org/10.1111/dar.70157
Mertens, S., Herberz, M., Hahnel, U. J. J., & Brosch, T. (2022). The effectiveness of nudging: A meta-analysis of choice architecture interventions across behavioral domains. Proceedings of the National Academy of Sciences, 119(1), e2107346118. https://doi.org/10.1073/pnas.2107346118
Moreno-Adalid, A., Cid Moreno, D., Rodriguez-Iglesias, I., López Pérez, R., & Tolosa, I. J. (2026). Entrepreneurial initiative and perceived control: Behavioral drivers and macroeconomic moderation across countries. International Entrepreneurship and Management Journal, 22(2), 66. https://doi.org/10.1007/s11365-026-01193-x
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, n71. https://doi.org/10.1136/bmj.n71
Pattnaik, S., Jain, C., & Pinsky, E. (2026). Algorithmic Insights into Human Irrationality: Machine Learning Approaches to Detecting Cognitive Biases and Motivated Reasoning. Machine Learning and Knowledge Extraction, 8(4), 98. https://doi.org/10.3390/make8040098
Rodriguez-Fernandez, F. (2026). Artificial intelligence and economic psychology: Toward a theory of algorithmic cognitive influence. AI & SOCIETY, 41(2), 1481-1492. https://doi.org/10.1007/s00146-025-02592-4
Sunstein, C. R. (2017). Nudges that fail. Behavioural Public Policy, 1(1), 4-25. https://doi.org/10.1017/bpp.2016.3
Szaszi, B., Higney, A., Charlton, A., Gelman, A., Ziano, I., Aczel, B., Goldstein, D. G., Yeager, D. S., & Tipton, E. (2022). No reason to expect large and consistent effects of nudge interventions. Proceedings of the National Academy of Sciences, 119(31), e2200732119. https://doi.org/10.1073/pnas.2200732119
Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases: Biases in judgments reveal some heuristics of thinking under uncertainty. Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124
Conflicto de intereses
Los autores declaran no tener ningún conflicto de intereses.
Declaración de responsabilidad de autoría
Los autores del manuscrito señalado, DECLARAMOS que hemos contribuido directamente a su contenido intelectual, así como a la génesis y análisis de sus datos; por lo cual, estamos en condiciones de hacernos públicamente responsable de él y aceptamos que sus nombres figuren en la lista de autores en el orden indicado. Además, hemos cumplido los requisitos éticos de la publicación mencionada, habiendo consultado la Declaración de Ética y mala praxis en la publicación.
Jimmy Roshimber Bazan Rivera, Octavio César Marín Chávez, Fernando Alberto Santiago Mantare, Walter Ortiz Meza y Janet Yvone Castagne Vásquez: Proceso de revisión de literatura y redacción del artículo.