基线忽略是决策与判断领域中一种常见的认知偏差，指个体在评估信息或做出预测时，未能充分考虑已有的基准水平或初始概率，而过度关注新出现的、具有显著性的信息。这种现象导致人们对事件可能性的判断偏离客观基准，往往表现出对罕见事件的高估或对常见事件的低估。例如，当媒体报道某类罕见疾病时，人们可能因忽视该疾病极低的基线发病率而过度恐慌；或在商业决策中，管理者因忽略市场历史表现而高估新策略的成功概率。
从认知机制看，基线忽略源于人类注意力资源的有限性——生动具体的个案更容易被感知系统捕获，而抽象的统计信息则难以引发强烈的认知反应。神经科学研究进一步表明，情绪激活与概率编码的神经通路存在竞争关系，这解释了为何情感冲击力强的信息会削弱人们对基线数据的加工能力。值得注意的是，该偏差在经验丰富的专家群体中同样存在，特别是在时间压力或信息过载的情境下。
要克服基线忽略，决策者应当主动建立概率思维框架，在接收新信息时强制自己回溯相关基线数据。组织层面可通过引入决策辅助工具，要求所有评估报告必须包含历史参照系与统计基准。对于希望深入探究的读者，丹尼尔·卡尼曼与阿莫斯·特沃斯基在《不确定状况下的判断：启发式和偏差》中对此现象有开创性论述，而理查德·塞勒在《错误的行为》中则展示了其在行为经济学中的延伸应用。