Γιατί πιστεύουμε τις εικασίες και τις φήμες περισσότερο από τα στατιστικά

2024 Συγγραφέας: Malcolm Clapton | [email protected]. Τελευταία τροποποίηση: 2023-12-17 03:52

Η επιστήμη εξηγεί γιατί εξακολουθούμε να φοβόμαστε να πετάμε με αεροπλάνα, αρνούμαστε τους εμβολιασμούς και δεν είμαστε καλοί στο να κατανοούμε τους ανθρώπους.

Πήρες το εμβόλιο για την εποχική γρίπη και είσαι άρρωστος. Και ένας γνωστός παραπονέθηκε επίσης για κακή υγεία. Το ξέρετε, στατιστικά, τα εμβόλια γρίπης. Το έγγραφο θέσης του ΠΟΥ, ο εμβολιασμός κατά της γρίπης μπορεί να μειώσει τον κίνδυνο ασθένειας κατά 70-90% και να σώσει εκατοντάδες χιλιάδες ζωές. Αλλά τώρα δεν την εμπιστεύεσαι πραγματικά.

Αλλά βλέπεις έναν άντρα στο πάρκινγκ. Είναι ντυμένος στα μαύρα, έχει πολλά τατουάζ, και από τα ακουστικά του ακούγεται hard rock. Νομίζεις ότι ήρθε με ποδήλατο ή με αυτοκίνητο; Πιθανότατα, θα επιλέξετε την πρώτη επιλογή χωρίς δισταγμό. Αν και, στην πραγματικότητα, η πιθανότητα του δεύτερου είναι μεγαλύτερη, γιατί υπάρχουν πολύ περισσότερα αυτοκίνητα στους δρόμους. Ή ίσως είναι ποδηλάτης.

Και στις δύο περιπτώσεις, πρόκειται για βασικό ποσοστό σφάλματος - μια γνωστική προκατάληψη στην οποία υπόκεινται όλοι οι άνθρωποι.

Ποια είναι η ουσία αυτής της γνωστικής παραμόρφωσης

Λόγω του σφάλματος του βασικού ποσοστού, τείνουμε να αγνοούμε στατιστικά και γενικά δεδομένα. Αντίθετα, βασιζόμαστε στην προσωπική εμπειρία και σε ειδικές περιπτώσεις που συναντάμε στο περιβάλλον μας.

Αυτό το φαινόμενο περιγράφηκε για πρώτη φορά από τους ψυχολόγους Amos Tversky και Daniel Kahneman στη δεκαετία του '90 του εικοστού αιώνα. Διεξήγαγαν μια μελέτη, Θεωρία προοπτικής: Μια ανάλυση της απόφασης υπό κίνδυνο, στην οποία οι συμμετέχοντες περιέγραψαν εν συντομία ένα άτομο: του αρέσουν τα παζλ, έχει μια μαθηματική νοοτροπία και είναι εσωστρεφής.

Στη συνέχεια, οι συμμετέχοντες χωρίστηκαν σε δύο ομάδες: στη μία είπαν ότι αυτό το άτομο είχε επιλεγεί ανάμεσα σε 70 μηχανικούς και 30 δικηγόρους. Σε άλλη ομάδα είπαν το αντίθετο: το δείγμα περιελάμβανε 30 μηχανικούς και 70 δικηγόρους. Το ερώτημα ήταν το ίδιο για όλους: ποια είναι η πιθανότητα αυτό το άτομο να είναι μηχανικός;

Πολλοί από τους ερωτηθέντες συμφώνησαν ότι μια τόσο μικρή περιγραφή δεν αρκεί για να καθορίσει το επάγγελμα του ήρωα. Αλλά οι περισσότεροι είχαν την τάση να πιστεύουν ότι ήταν μηχανικός.

Η έρευνα διεξήχθη με διαφορετικό τρόπο: τώρα οι συμμετέχοντες δεν είχαν αρχικά καμία πληροφορία για το άτομο. Στη συνέχεια, οι απαντήσεις τους βασίστηκαν στη γενική πιθανότητα: εάν υπάρχουν περισσότεροι μηχανικοί στην ομάδα, τότε η πιθανότητα ο ήρωας να είναι επίσης μηχανικός είναι μεγαλύτερη. Και αν υπάρχουν περισσότεροι δικηγόροι στην ομάδα, τότε, πιθανότατα, είναι δικηγόρος. Από αυτό μπορούμε να συμπεράνουμε ότι όταν δεν έχουμε συγκεκριμένες πληροφορίες, δεν υπάρχει τίποτα που να μας μπερδεύει.

Γιατί δεν εμπιστευόμαστε πάντα τις στατιστικές

Σε μια συγκεκριμένη περίπτωση, το Base Rate Fallacy in Probability Judgments μας φαίνεται ότι τα γενικά δεδομένα δεν είναι αρκετά αξιόπιστα: δεν μπορούν να λάβουν υπόψη όλους τους παράγοντες που επηρεάζουν την κατάστασή μας αυτή τη στιγμή. Επιπλέον, δεν ανταποκρίνονται στην κρίση που έχουμε ήδη κάνει.

Στην ψυχολογία της πρόβλεψης, οι επιστήμονες συνδέουν αυτό το σφάλμα σκέψης με την ευρετική αντιπροσωπευτικότητα - την ικανότητα ενός ατόμου να εξάγει συμπεράσματα με βάση τα στερεότυπα και την προσωπική εκτίμηση.

Άλλες γνωστικές προκαταλήψεις επιδεινώνουν την κατάσταση.

Αυτή είναι μια τάση προς την αρνητικότητα, στην οποία ένα άτομο αντιλαμβάνεται και θυμάται καλύτερα τα κακά νέα, και μια προκατάληψη επιβεβαίωσης, όταν επιλέγει τις πληροφορίες που ανταποκρίνονται στην ήδη υπάρχουσα γνώμη του.

Τι κακό μπορεί να κάνει αυτή η γνωστική παραμόρφωση;

Κρίνεις λάθος τους ανθρώπους

Φαίνεται ότι δεν είναι κακό να κάνεις λάθος με το επάγγελμα ή τις προσωπικές ιδιότητες ενός ατόμου. Αλλά αν το καλοσκεφτείτε, οι συνέπειες μπορεί να είναι πολύ διαφορετικές: δεν μπορέσατε να αναγνωρίσετε έναν απατεώνα, είχατε εμπλακεί σε μια κακή εταιρεία, χάσατε μια σημαντική γνωριμία για την καριέρα σας ή έναν πολύτιμο υπάλληλο για την εταιρεία.

Για παράδειγμα, σε ένα πείραμα, σχετικά με την ψυχολογία της πρόβλεψης, ζητήθηκε από τους συμμετέχοντες να βαθμολογήσουν τη ΣΔΣ των υποθετικών μαθητών. Για να γίνει αυτό, τους δόθηκαν στατιστικά στοιχεία σχετικά με την κατανομή των αξιολογήσεων. Αλλά οι συμμετέχοντες το αγνόησαν αν τους δόθηκε ένας περιγραφικός χαρακτηρισμός των μαθητών. Ταυτόχρονα, το τελευταίο δεν θα μπορούσε να έχει καμία απολύτως σχέση με σπουδές και ακαδημαϊκές επιδόσεις.

Έτσι απέδειξαν οι ερευνητές ότι οι συνεντεύξεις στο πανεπιστήμιο είναι άχρηστες.

Αυτό το πείραμα δείχνει ότι δεν μπορούμε πάντα να κρίνουμε τους ανθρώπους τόσο με ακρίβεια ώστε να καθοδηγούμαστε μόνο από την εμπειρία μας.

Το επίπεδο του άγχους αυξάνεται

Η υποτίμηση των στατιστικών πληροφοριών μπορεί να κάνει ένα άτομο υπερβολικά καχύποπτο. Ο φόβος της πτήσης με αεροπλάνο ή ο τρόμος της εμμονικής σκέψης ότι μια βόμβα θα βρίσκεται στο λεωφορείο ή ο οδηγός θα αποκοιμηθεί στο τιμόνι μπορεί να επηρεάσει σοβαρά την ψυχή. Σε κάνει να υποφέρεις από άγχος και στρες. Και ο συνεχής φόβος ότι θα κολλήσετε μια σπάνια και τρομερή ασθένεια μπορεί να οδηγήσει σε υποχονδρία.

Κάνετε λάθη σε σημαντικές καταστάσεις

Θέλετε να χαρίσετε τις αποταμιεύσεις σας με υψηλό επιτόκιο και να πάτε σε μια νεαρή, ελάχιστα γνωστή τράπεζα. Γνωρίζετε ότι συχνά αποδεικνύονται αναξιόπιστοι και είναι ασφαλέστερο να πάτε σε έναν μεγάλο οργανισμό που προσφέρει λιγότερο ευχάριστες συνθήκες. Αλλά τελικά, εμπιστεύεσαι περισσότερο έναν φίλο που κρατά χρήματα στην ίδια τράπεζα και καλές κριτικές στο Διαδίκτυο.

Και μερικές φορές ένα σφάλμα στο βασικό ποσοστό μπορεί να κοστίσει υγεία και ακόμη και ζωή.

Πάρτε το εμβόλιο γρίπης: αρνείστε να το ξανακάνετε γιατί δεν σας λειτούργησε την τελευταία φορά. Ως αποτέλεσμα, αποδεικνύεται ότι αρρωσταίνεις και αντιμετωπίζεις σοβαρές επιπλοκές.

Ή, ας πούμε ότι είστε γιατρός. Έρχεται ένας ασθενής σε εσάς, αφού τον εξετάσετε, βλέπετε τα συμπτώματα μιας τρομερής και σπάνιας ασθένειας. Μπορεί να φαίνεται ότι όλα είναι προφανή. Αλλά το ίδιο το γεγονός ότι η ασθένεια είναι σπάνια θα πρέπει να σας κάνει να ελέγξετε ξανά τη διάγνωση. Και αν δεν το κάνετε, μπορείτε να συνταγογραφήσετε τη λάθος θεραπεία και να βλάψετε τον ασθενή.

Πώς να αντιμετωπίσετε το βασικό ποσοστό σφάλματος

Μην βιάζεστε να βγάλετε συμπεράσματα

Εάν μπορέσατε να βαθμολογήσετε κάτι χωρίς πολλή σκέψη, σταματήστε και σκεφτείτε. Τις περισσότερες φορές, αυτός είναι ένας λόγος για να ξανασκεφτούμε ένα φαινόμενο ή μια κατάσταση. Ο κόσμος δεν είναι τόσο απλός για να βγάλεις συμπεράσματα με βάση 2-3 προφανή εκ πρώτης όψεως κριτήρια.

Αποφύγετε να είστε κατηγορηματικοί

Εάν έχετε ήδη καταλήξει σε συμπέρασμα, μην σταματήσετε εκεί - να είστε ευέλικτοι. Ίσως τα δεδομένα εισόδου έχουν αλλάξει ή δεν έχετε λάβει υπόψη κάτι ή υπάρχουν νέες σημαντικές πληροφορίες.

Συλλέξτε περισσότερα δεδομένα

Από τη μία πλευρά, φαίνεται λογικό να συνάγετε συμπεράσματα με βάση συγκεκριμένα δεδομένα που είναι ειδικά για την κατάστασή σας. Αλλά από την άλλη, μπορείτε να έχετε μια πλήρη εικόνα μόνο εάν έχετε όσο το δυνατόν περισσότερες πληροφορίες. Οπότε αναζητήστε και χρησιμοποιήστε το.

Φιλτράρισμα πληροφοριών

Για να δώσετε μια ακριβή εκτίμηση για κάτι, χρειάζεστε όχι μόνο πλήρη δεδομένα, αλλά και αξιόπιστα δεδομένα. Να είστε προσεκτικοί με τα μέσα ενημέρωσης και την τηλεόραση - συχνά τα γεγονότα παρουσιάζονται επιλεκτικά και η εστίαση είναι σε ένα πράγμα.

Ως αποτέλεσμα, η συνολική εικόνα διαταράσσεται και αντιλαμβάνεστε τις πληροφορίες υπερβολικά συναισθηματικά.

Επομένως, εμπιστεύεστε μόνο επίσημες στατιστικές, επιστημονική έρευνα και δεδομένα που βασίζονται σε στοιχεία.

Διεύρυνε τους ορίζοντές σου

Να μελετάτε συνεχώς και να ενδιαφέρεστε για όσα συμβαίνουν γύρω σας. Προσπαθήστε να μάθετε νέα πράγματα από διαφορετικούς τομείς. Όσο περισσότερες πληροφορίες έχετε, τόσο λιγότερες εικασίες θα έχετε για να βγάλετε συμπεράσματα. Θα έχετε ήδη τα επίσημα στοιχεία και τα ακριβή στοιχεία στα χέρια σας.