Heuristiky v uvažování POL590 10. 3. 2015 Heuristika •Slovo řeckého původu: objevit, zjistit •Kognitivní, mentální zkratka •Rozhodovací strategie •Udržuje požadavky na zpracování informací v omezených mezích •Zjednodušující pravidla v uvažování a úsudcích, praktické pro rozhodování •Redukují potřebu vyhledávat všechny relevantní informace (předpoklad RCT) Kahneman a Tversky •Rozsáhlá výzkumná činnost v 70. letech •Program výzkumu heuristik a zkreslení •Jak intuitivní uvažování zkresluje úsudek •Heuristiky jako odchylky od racionálního uvažování •Chyby v úsudku •Projevy S1 •Výzkum heuristiky v odhadování pravděpodobnosti pomocí jednoduchých experimentů Kahneman a Tversky •Podobnost s odhadem vzdálenosti •Snížená viditelnost = přecenění vzdálenosti •Vysoká viditelnost = podcenění vzdálenosti •Jasnost a ostrost obrazu funguje jako heuristika •Operace na základě informace s nízkou validitou pro daný úkon •Systematické chyby v úsudku Podobnost (Representativeness) •Steve je velmi plachý a uzavřený člověk, snaží se být vždy nápomocný druhým, ale má velmi malý aktivní zájem o ostatní lidi a reálný svět kolem sebe obecně. Je to pořádkumilovná duše s potřebou řádu a struktury a s vášní pro detail. •Jaká je pravděpodobnost, že má Steve jedno z těchto povolání? –Farmář, obchodník, pilot dopravního letadla, knihovník Reprezentativnost (podobnost) •Jaká je pravděpodobnost že jev A náleží do kategorie B? •Pravděpodobnost, že jev A vzniká z B, nebo že B vytváří A? •Heuristika je podobnost mezi jevem A a B •Pokud se A významně podobá B, usuzujeme, že A vyplývá z B s vysokou pravděpodobností (a naopak). Reprezentativnost •Je Steve opravdu knihovník??? •Podobnost popisu se sterotypem •Jaká je pravděpodobnost jevu? •Necitlivost k základnímu poměru. •Lidé odpovídají hůře, když mají špatné důkazy, než když nemají žádné důkazy. • Problém LINDA •Linda má 31 let, je svobodná, přímočará, velmi chytrá. Vystudovala filosofii. Jako studentka se významně zabývala otázkami diskriminace a sociální spravedlnosti a také se zúčastňovala protijaderných demonstrací. –Linda je učitelkou na základní škole. –Linda pracuje v knihkupectví a chodí na jógu. –Linda je aktivní ve feministickém hnutí. –Linda je bankovní úřednice. –Linda pracuje jako pojišťovací poradce. –Linda je bankovní úřednice a je aktivní ve feministickém hnutí. • Reprezentativnost (podobnost) •Necitlivost k velikosti vzorku •Zákon malých čísel • •V jednom městě jsou dvě porodnice. Ve větší se narodí 45 dětí každý den. V menší se narodí 15 dětí každý den. Celkem 50 % všech narozených dětí jsou chlapci. Obě nemocnice po dobu jednoho roku zaznamenávaly dny, kdy byl poměr chlapců větší než 60 %. Která nemocnice naměřila více takových dní? –Větší nemocnice –Menší nemocnice –Obě cca stejně (rozdíl do 5 % ) • Reprezentativnost (podobnost) •Nepochopení náhodnosti •3 sekvence hodu mincí: –P-O-P-O-O-P větší pravděpodobnost než –P-P-P-O-O-O nebo –P-P-P-P-O-P? •lidé mají pocit, že náhodné jsou jevy, když splňují jejich představu o náhodnosti •Příliš málo kol na to, abychom mohli dělat tento závěr • Reprezentativnost (podobnost) •Necitlivost k předvídatelnosti: lidé predikují vývoj výsledků na základě podobnosti/reprezentativnosti •Predikce budoucích profitů firmy, na základě toho, jestli se hodnotiteli firma líbí •Iluze platnosti: důvěra ve vlastní predikci závisí na stupni podobnosti. Bez ohledu na další faktory. Nepřiměřená sebedůvěra. • • • • Podobnost •Nepochopení regrese k průměru: Mají-li proměnné X a Y stejnou distribuci a vybrané případy mají průměr X deviantní od celkového průměru X o k jednotek, průměr jejich Y bude deviantní méně než k jednotek. •Tendence vytvářet kauzální vztahy tam, kde nejsou. Dostupnost (Availability) •Vyvození frekvence jevů a jejich pravděpodobnost na základě toho, jak snadno/obtížně jsou aktivovány v naší paměti •Vysoké riziko infarktu u lidí středního věku – odvozováno od nějakého případu v našem okolí •Plynulost dostupnosti •Zkreslení množstvím případů: když velikost dané třídy posuzujeme podle množství dostupných případů. –Jezdíte často na kole? Vzpomeňte si na 6 (12) příkladů, kdy jste byli na kole. •Palčivost: vidět hořící dům vs. přečíst si článek o nebezpečí požáru • Dostupnost •Kaskáda dostupnosti: sebeposilující efekt dostupnosti některých jevů •Od jedné mediální zprávy k masové panice Dostupnost •Zkreslení v důsledku nastavení efektivity vyhledávání: •Test: Jsou častější slova, která začínají na R nebo slova, která mají R na třetím místě? •Zkreslení představitelností: pokud máme odhadovat výsledek něčeho, s čím nemáme zkušenost, generujeme si možné alternativy v hlavě sami. Posuzujeme podle toho, která se nám představuje nejsnadněji. To ale neznamená, že je to skutečně pravděpodobnější výsledek. – Dotupnost •Zkreslení dostupnosti v LM •Jsou častější vraždy nebo sebevraždy? •Vyjimečné (méně časté) případy jsou více dostupné •Induktivní logika, zobecňování •Lépe dostupné jevy považujeme za pravděpodobnější Ukotvení (Anchoring and adjustment) •Úsudek je často zatížen kotvou, referenčním bodem, od kterého úsudek odvozujeme •Úsudek utváříme kolem této kotvy •Vědomé i nevědomé procesy! •Experiment s kolem štěstí a odhadem počtu Afrických států v OSN •Kotvu využívá Systém 2: vědomé přizpůsobování úsudku na základě kotvy •Ale i Systém 1: v důsledku primingu. •Priming: myšlení a chování (nevědomě) ovlivněno stimuly zdánlivě nesouvisejícími. Automatické asociativní reakce. • Ukotvení •Podléhají tomu všichni, ať již vědomě nebo nevědomě •Odhad ceny reality realitními makléři ovlivněn kotvou, ačkoliv si to neuvědomují • •Některé kotvy jsou zcela nahodilé Fast and Frugal Heuristics •Gigerenzer a spol. •Heuristika v rámci omezené racionality •Heuristiky nejsou zkreslením vedoucím ke špatnému rozhodnutí •Strategie dostatečné k tomu, aby bylo rozhodování efektivní •Vychází ze Simona, který odmítá normativní standardy RCT –Decision-maker nedělá “racionální” rozhodnutí, ale “dostatečně dobré” rozhodnutí –Satisficing (uspokojování) (Herbert A. Simon): jednoduché kognitivní procesy. Cílem je nalezení alternativy, která je uspokojivá v požadovaných kritériích bez porovnávání alternativ navzájem –Satisficing ignoruje některé alternativy, není zaručeno, že bude vybrána ta nejlepší. Určující je pořadí alternativ, které jsou posuzovány Fast and Frugal Heuristics •Rychlé a úsporné řešení problému •Vysoká efektivita •Interakce mezi limity organismu a prostředím •Heuristiky nepotřebují takové úsilí, adaptují se podle podmínek prostředí •Celá řada těchto “zjednodušujících pravidel” (rule of thumb) •Rozhodovací algoritmus v podmínkách omezeného času, znalosti, výpočetní kapacity • • Heuristika rekognice •RH se zakládá na naší schopnosti rozpoznat vhodné podněty (cue) související s daným problémem •Podněty z vlastní zkušenosti •Rychlá aplikace na daný problém •Goldstein a Gigerenzer: rozpoznávání cizích měst (je větší Kolín nebo Hamburg? Je větší San Diego nebo San Antonio?) Recognition •Samotné rozpoznání cíleného předmětu v naší paměti je prediktorem cílených proměnných (velikost populace města) •Je-li rozpoznán pouze jeden objekt, je vybrán ten •Rychlá rozhodnutí •Rozpoznání vykazuje systematičnost Take The Best Heuristics •Není- li RH vhodná •Rozpoznáme obě alternativy •Posuzujeme související podněty •Je-li rozpoznáno více objektů, hledá se podnět, který by je rozlišil. •Jakmile nalezneme nějaký podnět, který se liší mezi dvěma posuzovanými objekty, vybereme ten, který má pozitivní hodnotu podnětu. •Pokud neznáme žádný objekt, výběr je náhodný. •Nevyžaduje integraci více informací •Hledání informací končí, jakmile najdeme rozlišující podnět •Množství informací se liší (napříč objekty, mezi lidmi) Take The Last •Algoritmus generující vysoký počet správných inferencí v podmínkách nízké znalosti •Používá nejprve podnět, který byl použit v minulém případě •Pokud to není rozlišovací podnět, použije ten, který byl úspěšný v předchozím případě atd.. • Minimalist Algorithm •Nevyžaduje informaci, ani pořadí podnětů, ani rozlišující podněty •Náhodný výběr •Cílem je ještě výraznější snížení požadavku na informace • Armstrong & Graefe 2010 •Na základě TTB heuristiky vytvořili model pro předpověď volebního výsledku v US prezidentských volbách •Single-issue heuristika, big issue •Data z průzkumu (vnímání důležitosti témat, názor na schopnosti kandidátů je řešit) •Pokud kandidát vnímán tak, že dokáže řešit inflaci, je považován za schopného řešit celou ekonomickou situaci •Model založen na TTB dokázal predikovat výsledek voleb (1972-2008) •Strategie kandidátů: být nejlepší v nejdůležitějším tématu, nebo změnit téma Heuristiky a volební rozhodování •Je pro správné fungování demokracie potřebné mít dobře informované a angažované občany? •Bereson, Lazarsfeld, McPhee 1954: •Občan v demokracii by měl být dobře informován o politických záležitostech. Předpokládá se, že zná politická témata, jejich historii, relevantní fakta, navrhované alternativy, postoje relevantních stran a pravděpodobné důsledky. Těchto standardů volič nedosahuje. •Skepticismus: minimální úroveň politické znalosti, pozornosti politickým tématům, minimální úroveň chápání abstraktních politických konceptů, minimální stabilita pol. preferencí (Sniderman 1993) •Od 90. let změna pohledu: Voters are not fools •Samuel Popkin (Reasoning Voter 1991): –voliči mohou dělat správná rozhodnutí pomocí intuitivní racionality/racionality s nízkou úrovní informace. Využívají informace z každodenního života, médií a kampaní a komunikace s ostatními –Heuristika podobnosti (se stereotypem dobrého politika), osobní odhady jaký by byl kandidát XY prezident –Důraz na osobní informace při tvorbě příběhů o kandidátech –Zaměření na jednu charakteristiku (jedno téma, jednu vlastnost) • • S. Popkin 1991 •1) názory ostatních •2) stranická heuristika •3) demografické charakteristiky kandidáta •4) chování během kampaně •5) hodnocení osobnosti • •Ne systematický sběr informací, second-best substitutes •Limity i pro komunikaci ze strany politiků Heuristiky a volební rozhodování •Sniderman, Brody, Tetlock 1991: likability heuristics –Voliči uvažují o politických tématech tak, že si zjednodušují komplexní úkony a spoléhají se na vzájemnou interakci afektivních a kognitivních reakcí –Voliči identifikují věci, které mají a které nemají rádi. –Potřebná určitá znalost – Heuristiky v referendu •Arthur Lupia 1994 •Exit poll v rámci referenda o změně pojištění v Kalifornii •Identifikuje heuristiku jako významný mechanismus rozhodování •Porovnává chování dobře informovaných a relativně neinformovaných voličů •Neinformovaní voliči se znalostí pozice pojišťoven volili jako, kdyby byli dobře informovaní Efektivita heuristiky? •Heuristiky mohou generovat suboptimální výsledky •Ve skutečnosti neřeší problém informačního deficitu •Larry M. Bartels 1996: kvantitativní studie na základě dat z ANES –Do jaké míry volí neinformovaní voliči, jako kdyby byli informovaní? –Statistická simulace –Neinformovaní voliči volí jinak, než by volili, kdyby byli informovaní –Vliv některých demografických proměnných (pohlaví, víra atd.) –Odchylky volebních výsledků na agregované úrovni, neinformovaní voliči mají tendenci volit demokraty a současné držitele úřadů). Tzn. jednotlivé chyby v úsudku voličů se navzájem nevynulují. – – Efektivita heuristiky? •Lau & Redlawsk: experimentální studie •Identifikace 5 hlavních politických heuristik: –Stranická identifikace –Ideologie –Endorsement –Životaschopnost (viability) –Vzhled kandidáta •V umělé kampani sledují, na základě jakých informací se voliči rozhodují. • Lau & Redlawsk •Rozdíl mezi politickým experty a nováčky •Experti: endorsement a ideologie •Nováčci: stranictví a vzhled •Správné rozhodování jen u sofistikovaných voličů •Correct vote: jak by se volič rozhodl, kdyby byl plně informován •Neznalým heuristika paradoxně nepomáhá vůbec Heuristiky a politické rozhodování •Stále hodně prostoru pro výzkum •Kdo používá jaké heuristiky? •Jsou některé efektivnější? •Jaké podmínky vedou ke správnému rozhodování?