【噪声控制技术电子书】问题才引起了人们的广泛关注。梅尔回顾了20项研究,并根据一系列研究结果〈如学业成就和精神病预后效果)分析了诊断性判断和机械

  • A+
所属分类:精英日记
       

本文选自 丹尼尔·卡尼曼新作《噪声》,扫上面码免费领电子书

问题才引起了人们的广泛关注。梅尔回顾了20项研究,并根据一系列
研究结果 〈如学业成就和精神病预后效果) 分析了诊断性判断和机械
性判断的优委。他得出了一个强有力的结论: 简单的机械性规则普遍
优于人类的判断。梅尔发现,临床医生和其他专业人员在整合信息的
能力上表现极差,虽然他们自认为在这方面具有优势。

为了更好地理解上述发现为何如此令人惊讶,以及它与噪声的关
系,我们需要明白 简单的机械性预测模型是如何工作的。机械性预测
最关键的特征是: 它的预测规则适用于所有情况。每个预测因素都有
特定的权重,这个权重不会因个案的不同而发生变化。你可能会认
为,这种严格的约束会使模型比不上人类的判断,比如,在上文的例
子里,也许你会认为莫妮卡的应聘动机和职业技能相结合是一项重要
优势,能弥补她在其他方面的不足, 也许你还认为,考虑到娜塔莉的
其他长处,她在这两方面的劣势没什么大不了。也就是说,你会不由
自主地设想她们两人不同的成功途径。和凭借这些看似合理的诊断性推
测,你针对两人的情况,对不同的预测因素赋予了不同的权重,而简
单模型不存在这样的问题。

简单模型的另一个限制是,预测因素每增加1个单位,总是会产生
相同大小的效果,即如果增加2个单位,那么所产生的效果是前者的2
倍,而诊断性直觉经常与这一原则相悖。例如,娜塔莉的沟通能力是
满分10分,如果你对此印象深刻,认为此分数值得你提高对其沟通能
力的预测权重,那么你所做的就是简单模型所不能做到的。在加权平
均公式中,得分10和9之间的差异与得分7和6之间的差异是相同的,但
诊断性判断往往不遵循这一原则,相反,它反映了一种普遍性的直
觉,即相同的差异在一种情况下可能无关紧要,在另一种情况下却可
能非常重要。因此,我们认为没有哪个简单模型可以完整地描述你对
莫妮卡和娜卉莉所做出的判断。本文使用的例子就是梅尔模式的一个典型案例。正如我们所指出
的那样,诊断性预测与工作绩效之间的相关系数仅为
0. 15 (PC=55%) ,而机械性预测获得的相关系数为0. 3 (PC=60%) 。再
回忆一下你在葛妮卡和娜塔莉的例子中对她们的优点所持有的信心。
梅尔的结果强烈表明,你对自己判断品质的满意感只是一种错觉,即
“效度错觉” (illusion of validity) 。

人们做出预测性判断时总会出现效度错觉,因为我们无法区分预
测性任务的两个不同阶段: 对当前证据的评估阶段和对实际结果的预
测阶段。如果要评估两名候选人哪个看起来更好,你通常会充满信
心,但是这跟猜测哪名候选人实际上更好完全是两码事。比如,你可
以胸有成竹地说“娜塔莉看起来是比莫妮卡更优秀的候选人”,但
是,如果要断言娜塔莉将成为一位比莫妮卡更成功的经理,则要冒 很
大的风险,原因很明显: 评估两名候选人所需要的大部分信息你都是
知道的,但要想预测未来,就存在很大的不确定性。

然而,我们的思维对上述差别的感受是模精不清的,事实上,几
乎每个人都对二者的差别感到困惑。但是,如果你做出预测时表现出
的自信与你进行案例评估时一样,那么你就产生了效度错觉。

即使是临床医生也无法避免效度错觉。梅尔的研究发现,最简单
的公式,只要持续应用,竟然可以胜过医学专家的临床判断。你肯定
能想象到临床心理学家对此做何反应,他们会感到震惊、怀疑,甚至
会如视这种对神奇的临床直觉假装进行的肤浅研究。这种反应很容易
理解,梅尔的发现与人类判断的主观经验相矛盾,大多数人都更相信
自己的经验而非学者的主张。

梅尔本人对自己的发现也持模棱两可的态度,因为一提到他的名
字,我们就会想起“统计优于诊断性判断”这一论断,我们可能把他
想象成人类洞察力的无情批判者,或者是“量化分析之父”,但事实
并非如此。梅尔不仅是一位学术研究人员,还是一位有着丰富临床经

关于丹尼尔卡尼曼作品相关推荐:

下列对丹尼尔卡尼曼说法,噪声 丹尼尔卡尼曼 epub,多相电机噪声书籍

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: