Heuristiky a zkreslení úsudku 7. 5. 2020 Opakování z minula •Automatické a kontrolované myšlení •Systém 1 dělá chyby v úsudku •Systém 1 a Systém 2 často spolupracují •Systém 2 často nepřekoná chyby v úsudku S1 •Komplexní problémy nejsou v silách omezené racionality •Rozklad, zjednodušení •Substituce Heuristika •Slovo řeckého původu: objevit, zjistit •Kognitivní, mentální zkratka •Rozhodovací strategie •Udržuje požadavky na zpracování informací v mezích •Zjednodušující pravidla •Redukce potřeby vyhledávat všechny relevantní informace (předpoklad RCT) Kahneman a Tversky •Program výzkumu heuristik a zkreslení •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 přesnost obrazu •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 mám 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 Podobnost (Representativeness) •Jaká je pravděpodobnost že jev A náleží do kategorie B? •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). Podobnost •Předpoklad, že Steve je knihovník = stereotyp knihovníka •Necitlivost k základnímu poměru. Lidé odpovídají hůře, když mají špatné důkazy, než když nemají žádné důkazy. •Necitlivost k velikosti vzorku. –Př. Jaká je průměrná výška ve vzorku 10 mužů? 100? 1000 mužů? • Příklad: •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, byl poměr chlapců větší než 60 %. Která nemocnice naměřila více takových dní? • –Větší nemocnice –Menší nemocnice –Obě cca stejně (rozdíl do 5 % ) Podobnost •Zákon malých čísel (přecenění výsledku) • •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. • Podobnost •Necitlivost k předvídatelnosti: –Predikce výsledků výsledků na základě podobnosti/reprezentativnosti –Predikce budoucích profitů firmy, na základě toho, jestli se hodnotiteli firma líbí •Substituce •Experiment s hodnocením učitelů s predikcí do budoucna. •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) •Frekvence jevů a pravděpodobnost na základě dostupnosti v paměti •Vysoké riziko infarktu u lidí středního věku – odvozováno od nějakého případu v našem okolí •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: Posuzujeme pravděpodobnost podle toho, která se nám představuje nejsnáze. – Ukotvení (Anchoring and adjustment) •Úsudek zatížen kotvou, referenčním bodem •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 Todd •Opozice vůči K&T •Popis procesů v rámci úsudku •Heuristiky nejsou zkreslením •Strategie dostatečné k efektivnímu rozhodnutí •Vychází ze Simona, odmítání normativních standardů 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 •Rychlé a úsporné řešení •Vysoká efektivita •Interakce mezi limity organismu a prostředím •Heuristiky nepotřebují takové úsilí, adaptují se podle podmínek prostředí •Celá řada “zjednodušujících pravidel” (rule of thumb) •Rozhodovací algoritmus v podmínkách omezeného času, znalosti, výpočetní kapacity • • Heuristika rekognice •schopnost rozpoznat vhodné atributy (tzv. cue) související s daným problémem •Atributy 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 •Rekognice vykazuje systematičnost Take The Best Heuristics •Není- li RH vhodná, Rozpoznáme obě alternativy •Posuzujeme související podněty •Je-li rozpoznáno více objektů, hledá se podnět/atribut, který by je rozlišil. •Jakmile nalezneme nějaký podnět/atribut, který se liší mezi dvěma posuzovanými objekty, vybereme objekt, který má pozitivní hodnotu podnětu. •Nevyžaduje integraci více informací •Hledání informací končí, jakmile najdeme rozlišující podnět •Množství informací se liší (napříč objekty, mezi lidmi) •Pokud neznáme žádný objekt, výběr je náhodný. • 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 diskriminující 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 vytvořili model pro předpověď volebního výsledku v US prezidentských volbách •Single-issue heuristika •Data z průzkumu (vnímání důležitosti témat, názor na schopnosti kandidátů je řešit) •Systém dvou kandidátů, přítomnost silného tématu kampaně •Pokud kandidát vnímán tak, že dokáže řešit inflaci, je považován za schopného řešit celou ekonomickou situaci •Model založen na TTB dokázal predikovat výsledek voleb 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/gut 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 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. –Heuristika na bázi endorsement –Potřebná určitá znalost. – Heuristiky v referendu •Arthur Lupia 1994 •Exit poll v rámci referenda v Kalifornii •heuristika 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 •Kdo používá heuristiky? •Jaké heurisitky? –Strana –Ideologie –Endorsement –Životaschopnost/průzkumy –Image/vzhled •Sofistikovaní voliči (Ideologie a endorsement) vs. Nesofistikovaní voliči (Strana a image) •Nejvíce užitečné pro sofistikované volič •Jsou více schopni vybrat tzv. correct vote! •Řeší to problém politické neznalosti a gapu v politické sofistikovanosti??? • – • • Heuristiky •Heuristiky jako zkreslení (Kahneman a Tversky) •Heuristiky jako užitečný nástroj (Satisficing a Fast and Frugal) •Jak používáme heuristiky v politickém rozhodování? •Jsou heuristiku užitečný koncept pro řešení znalostního deficitu?