Posuzování

Posuzování je proces vytváření statistických úsudků v situacích neurčitosti. Jedná se o posouzení pravděpodobnosti nějakého jevu. Výzkum posuzování se zaměřuje na procesy vyvozování závěrů ze znalostí a dokladů, které jsou k dispozici.[1]

Faktory ovlivňující kvalitu posuzování

Starší výzkumy posuzování se opíraly o teorie optimálního rozhodování, které popisují, jak si jedinec má vybrat nejlepší možnost na základě toho, co ví a chce. Tyto teorie se ale ukázaly pro studium posuzování nevhodné, jelikož nepracují s tím, že lidé často nemají všechny potřebné informace pro optimální úsudek, také mají tendenci některé informace zveličovat a jiné podceňovat a navíc posuzování nutně ovlivňují také emoční stavy jako je depresivita nebo citový vztah k předmětu posuzování.[1]

Současné výzkumy posuzování se odvíjí od každodenní zkušenosti. Každodenní prostředí je ale na rozdíl od laboratorních podmínek informačně mnohem komplexnější a je obtížné se rozhodnout, která kritéria posuzování zvolit. Lidé také často dodatečné informace opomíjejí a jejich využití ovlivňuje například i to, kdy během posuzování je dotyčné osoby obdržely.[1]

Heuristiky

D. Kahneman a A. Tversky přichází s termínem heuristika k označení principů, pomocí nichž si lidé zjednodušují komplexní úlohy, při kterých je potřeba stanovit pravděpodobnost a předpovídat hodnoty. Heuristiky jsou často velmi užitečné, jelikož jsou založené na zkušenosti, často ústí ve správnou odpověď, usnadňují tak rozhodnutí a jejich aplikace je rychlá. Jindy ale vedou k významným omylům. Například heuristickým procesem je odhad vzdálenosti na základě ostrosti objektu. Čím je objekt dál, tím rozostřeněji ho vidíme. Toto pravidlo je validní za každé situace. Spoléhání se na toto pravidlo ale vede k přeceňování vzdálenosti objektu, pokud je špatná viditelnost (například když prší, auto jedoucí před námi se zdá dál než ve skutečnosti je).[2]

Heuristika reprezentativity

Heuristika reprezentativity (Representativeness heuristic) spočívá v tom, že lidé přisuzují reprezentativním událostem vyšší míru pravděpodobnosti. Reprezentativita znamená, jak moc je jev typický pro určitou třídu nebo proces, tedy jak zřejmá je jeho podobnost s populací. (Vobořil, přednášky)

Například popisujeme nějakého člověka a ptáme se s jakou pravděpodobností dotyčný vykonává určité povolání. Z výzkumů vyplývá, že lidé posuzují pravděpodobnost podle toho, jak popisovaná osoba zapadá do jejich stereotypu pro dané povolání. [3]

Kahneman a Tversky při studii používali tento popis:

Steve je velmi plachý a odtažitý, stále ochotný pomoci, ale s malým zájmem o lidi a nebo realitu. Skromná pořádkumilovná duše, má potřebu řádu a struktury a cit pro detail.

Účastníci měli rozhodnout, zda je Steve pravděpodobněji farmář, pilot, lékař nebo knihovník. Nejvíce pravděpodobná se účastníkům zdála varianta, že Steve je knihovník.[3]

Při používání heuristiky reprezentativity dochází k ignorování informace o základním poměru (base-rate information). V jiné studii předložili Kahneman a Tversky účastníkům charakteristiku popis osoby, který měl být vybrán ze souboru sta popisů. Polovině účastníků řekli, že soubor obsahuje 70 popisů inženýrů a 30 popisů právníků, druhé sdělili poměr obráceně, soubor měl tedy obsahovat 70 popisů právníků a 30 popisů inženýrů.[4]

Popis vypadal následovně: Jackovi je 43 let. Je ženatý a má 4 děti. Je spíše konzervativní, opatrný a ctižádostivý. O politické a společenské události se moc nestará, většinu času tráví svými koníčky, mezi které patří vyřezávání, jachtaření a matematické hádanky.

Ukázalo se, že obě skupiny předpokládali, že Jack je inženýr, a to s pravděpodobností 90 %. Informace o míře výskytu tedy byla opomenuta.[4]

Při užití heuristiky reprezentativity dále dochází ke kombinačnímu omylu (conjunction fallacy). To je přesvědčení, že spojení dvou jevů je pravděpodobnější než výskyt pouze jednoho z nich. Jako příklad lze uvést studii Kahnemana a Tverského, kteří předložili účastníkům studie popis Lindy jako svobodné, inteligentní ženy, která bývala studentskou aktivistkou a vystudovala filosofii. Účastníci měli následně posoudit, jestli je pravděpodobnější, že se  Linda stala bankovní úřednicí nebo feministickou bankovní úřednicí. Účastníci odhadovali, že je pravděpodobnější, že Linda je feministickou bankovní úřednicí, než pouze bankovní úřednicí, což ale nemůže být pravda, jelikož všechny feministické bankovní úřednice spadají pod množinu bankovních úřednic.[5]

Nakonec dochází také k ignorování regrese k průměru. Kahneman a Tversky předpokládají, že se tak děje kvůli tomu, že regrese k průměru nekoresponduje s naší představou, že odhadovaný výstup by měl být co nejreprezentativnější vzhledem ke vstupním informacím. Autoři představili studentům psychologie následující problém:

Náhodně vybraný jedinec obdržel ve standardizovaném IQ testu skóre 140. Předpokládajme, že IQ skór představuje součet reálného skóru a náhodné chyby měření, která má normální rozložení. Odhadněte prosím co nejlépe spodní a horní hranici 95% konfidenčního intervalu skutečného IQ této osoby. To znamená určete horní hranici, při které si budete na 95 % jisti, že skutečná hodnota IQ skóru této osoby leží pod touto hranicí a také spodní hranici, při které si budete na 95 % jisti, že skutečná hodnota IQ skóru této osoby leží nad ní.[6]

Přestože skóre 140 je velmi nadprůměrné v porovnání s populací, studenti nepočítali se standartní chybou měření a stanovovali hranice intervalu jako kdyby skór 140 byl skutečný skór. Studenti ani nevzali v potaz, že by regrese k průměru mohla hrát ve výsledku roli.[6]

Heuristika reprezentativity se uplatňuje také při hodnocení posuzování průběhu náhodných událostí. Například, lidé hodnotí sekvenci házení mincí, ve které padla: panna, panna, panna, orel, orel, orel jako méně pravděpodobnou než sekvenci, ve které padl: orel, panna, panna, orel, panna, orel. Při pozorování sekvencí náhodných událostí se méně často setkáme se sekvencemi, které vypadají pravidelně. Máme tendenci je tedy hodnotit jako více reprezentativní, ačkoliv matematická pravděpodobnost výsledku každého hodu mince je vždy 50 % panna a 50 % orel.[7]

Tento jev je ještě lépe ilustrován při tzv. hráčském klamu (gambler´s fallacy). Hráči hazardních her mají pocit, že pokud se v sekvenci událostí (např. při ruletě) vyskytuje pravidelnost (např. 3x za sebou padne černá), zvyšuje se pravděpodobnost, že dojde k obratu. Matematická pravděpodobnost je ale při každé hře 50 %.[7]

Heuristika dostupnosti

Heuristika dostupnosti znamená, že lidé odhadují pravděpodobnost jevů na základě toho, jak snadno si je vybaví z paměti. Tato heuristika vede k přecenění i podcenění výskytu různých jevů.

Kahneman a Tversky dali účastníkům výzkumu otázku, zda pokud vybereme náhodné anglické slovo, tak je pravděpodobnější, že toto slovo bude začínat na písmeno „r“ nebo bude mít písmeno „r“ na 3. místě. Většina účastníků usuzovala, že bude pravděpodobnější, by slovo na písmeno „r“ začínalo, protože si na taková slova dokázali lépe vzpomenout.[3]

Dostupnost jednotlivých událostí v paměti se může zakládat na četnosti výskytu, tedy události, se kterými jsme se častěji setkávali, si vybavíme snáze. Také ale platí, že si z paměti snadněji vybavíme události nebo objekty, které pro nás mají větší význam než jiné, například pokud mají silný emoční náboj. To může vést k nadhodnocování četnosti jejich výskytu a tím pádem ke zkreslení.[3]

Vliv zkušenosti ilustruje studie Lichtensteinové a kol., která se účastníků dotazovala na pravděpodobnost různých příčin úmrtí. Ukázalo se, že posuzování příčin smrti bylo konzistentní ale systematicky zkreslené. Ze studie vyplynuly tendence přeceňovat málo frekventované příčiny smrti a podceňovat ty frekventovanější a tendence přehánět frekvence určitých specifických příčin. Účastníci například přeceňovali frekvenci úmrtí způsobených tornádem nebo ohňostrojem ,a naopak podceňovali například úmrtí utopením nebo kvůli astmatu. Velmi přeceňovaná byla také frekvence vražd nebo dopravních nehod. Pravděpodobným vysvětlením tohoto zkreslení je vysoká medializace přeceňovaných příčin, a naopak nízká medializace příčin podceňovaných.[8]

Heuristika ukotvení a zarámování

Heuristika ukotvení znamená tendenci vycházet při formování nějakých očekávání z určitého počátečního (referenčního) bodu a k němu vztahovat své odhady. Například, pokud máme odhadnout, kolik je výsledek následujícího příkladu: 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 = ? máme tendenci dělat nižší odhady než pokud je příklad zarámován takto: 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = ?. Důvodem je, že druhý příklad začíná vyššími čísly, což vede k očekávání, že výsledek bude velké číslo. Lidé přizpůsobí svoje očekávání počátečním číslům. Výše referenčního bodu tedy vede k mentálnímu zakotvení, které následně ovlivní výši odhadu.[7]

Poměr rozdílu mezi odhadem při vysoké kotvě a nízké kotvě se obvykle pohybuje okolo 40-50 %. Zajímavé je, že efektu se nevyhýbají ani experti. (Stehlík, přednášky)

Heuristiku zakotvení využívají obchodníci. Například realitní makléři často klientům nabízí nejprve dům za vyšší cenu, aby vyvolali zakotvení a následně nabídnou dům za nižší, ale stále přehnanou cenu, které už se klientovi zdá jako adekvátní.[7]

Sociální psychologie popisuje tzv. efekt primárnosti, při kterém je naše mínění o druhých výrazně ovlivněno prvními údaji, které o člověku máme. Tento efekt je výrazný a odolný vůči změně. [9]

Heuristika zarámování znamená tendenci posuzovat určité jevy podle slovního či jiného kontextu. Kahmenan a Tversky dali účastníkům studie na výběr ze dvou variant obtížné situace.

Do spojených států se dostala vzácná tropická nemoc, u které se očekává, že by mohla zabít zhruba 600 lidí. Uvažuje se o přijetí jednoho ze dvou preventivních programů. Vědecké odhady ohledně dopadů jednotlivých programů jsou následující:

·       Pokud bude přijat program A, 200 lidí bude zachráněno. Pokud bude přijat program B, existuje pravděpodobnost 1/3, že bude zachráněno 600 lidí a pravděpodobnost 2/3, že nebude zachráněn nikdo.

·       V této variantě se 72 % dotazovaných rozhodlo pro program A.

Druhá skupina účastníků dostala programy zarámované takto:

·       Pokud bude přijat program C, 400 lidí zemře. Pokud bude přijat program D, existuje pravděpodobnost 1/3, že nikdo nezemře a 2/3, že zemře 600 lidí.

·       V této variantě dalo 78 % dotazovaných přednost programu D.

Podle autorů jsou tyto výsledky způsobeny odlišným kognitivním rámcem situace. V první verzi klademe důraz na zachráněné životy, zatímco ve druhé na životy ztracené. Pokud zdůrazníme záchranu životů, mají lidé tendenci držet se méně riskantního scénáře, zatímco když zdůrazňujeme ztráty, mají lidé tendenci vybírat riskantnější volbu, aby se vyhnuli akceptaci nutných ztrát.[10] Plháková jako příklad uvádí, že obhájci legalizace potratů používají slogan „Jsme pro volbu.“ (pro-choice), zatímco jejich odpůrci používají slogan „Jsme pro život.“ (pro-life).[7]

Fenomén aktualizace přesvědčení

Fenomén aktualizace přesvědčení popisuje, jak lidé mění své přesvědčení s novými informacemi. Mnoho takových změn přesvědčení můžeme popsat pomocí pravděpodobnosti. Pravděpodobnostním nástrojem, který počítá podmíněnou pravděpodobnost (pravděpodobnost výskytu jevu za určité podmínky) je Bayesova věta (teorém). Ta popisuje, jaký je optimální způsob aktualizace přesvědčení ve světle nových dat. (Vobořil, přednášky)

Lidé ale svoje přesvědčení neaktualizují optimálně někdy ignorují informaci o základním poměru neboli míře výskytu (viz výše), nedostatečně zvažují nové důkazy, pokud je apriorní informace založena na jejich vlastním odhadu či kombinují neporovnatelná data (např. výkony stejných hráčů z různých ligových soutěží). (Stehlík, přednášky)

Příklad v kontextu lékařské diagnostiky:

Pro ženu ve věku 40 let, která podstupuje rutinní mamografické vyšetření, je pravděpodobnost, že bude mít rakovinu prsu, 1%. Jestliže žena má rakovinu prsu, je 80% pravděpodobnost, že bude mít na mamografu pozitivní nález. Jestliže žena nemá rakovinu prsu, je 9,6% pravděpodobnost, že bude mít na mamografu rovněž pozitivní nález. Nějaká žena z této věkové skupiny měla v rámci rutinního mamografického vyšetření pozitivní nález. Jaká je podle Vás pravděpodobnost, že tato žena má skutečně rakovinu prsu?

Ačkoliv skutečná pravděpodobnost rakoviny prsu při pozitivním nálezu je pouze 8 %, většina probandů odpovídá mezi 70 % a 90 %. Lidé totiž mají tendenci se soustředit pouze na nejnovější nebo bezprostředně dostupné informace a uniká jim tak širší kontext. (Stehlík, přednášky)

Aktualizaci přesvědčení ovlivňuje způsob, jakým jsou data podávaná. Hoffrage a Gigerenzer předložili účastníkům studie pravděpodobnostní data v podobě tzv. přirozené četnosti, tedy v číslech, která by se skutečně vyskytovala v populaci.

Například: 10 z 1000 žen, které ve věku 40 let podstoupí rutinní mamografické vyšetření, má rakovinu prsu. 8 z 10 žen s rakovinou prsu bude mít na mamografu pozitivní nález. 95 z 990 žen, které nemají rakovinu prsu, bude mít na mamografu rovněž pozitivní nález. Zde je nový reprezentativní vzorek žen ve věku 40 let, které měly v rámci rutinního mamografického vyšetření pozitivní nález. Kolik z těchto žen podle Vás bude mít skutečně rakovinu prsu?

Pokud byl příklad podán v podobě přirozené četnosti, dokázalo ho správně vyřešit 46 % účastníků, oproti 10 % účastníků v případě podání příkladu v podobě pravděpodobnostních dat.[11]

Efekt nadměrného sebevědomí

Efekt nadměrného sebevědomí (overconfidence bias) popisuje, že lidé přeceňují vlastní úsudek, jsou si jím jistí více, než je k tomu opravňují fakta.

B. Fischhoff, P. Slovic a S. Lichtensteinová předložili účastníkům studie 200 tvrzení s dvěma možnými odpověďmi. Například: Absint je a) alkoholický nápoj nebo b) vzácný kámen. Požádali je, aby vybrali správné odpovědi a řekli s jakou pravděpodobností jsou jejich odpovědi správné. Lidé měli tendenci svoje odhady přeceňovat, když například uvedli, že jsou si jistí v 70 % případů, trefili se pouze v 60 % atd.[12]

Tendence se přeceňovat platila i pro experty a efekt nepomohla snížit ani finanční odměna, ani informování účastníků o této tendenci. Zároveň se projevila i tendence podceňovat svůj výkon v případě, že byly otázky velmi jednoduché. (Stehlík, přednášky)

Nadměrné sebevědomí, ale i podceňování sama sebe lze vysvětlit tak, že lidé se při svém úsudku spoléhají především na sílu důkazů a nedostatečně zohledňují jejich váhu. Síla důkazů znamená jejich extrémnost, například tendence sázet na koně, který vyhrál tři po sobě jdoucí závody, nebo spoléhání se na velmi vřelý doporučující dopis při ucházení se o práci. Váha důkazů znamená prediktivní validitu důkazu, například jestli byly předchozí závody, které kůň vyhrál srovnatelně obtížné s tím aktuálním, nebo jak moc je pisatel našeho doporučujícího dopisu věrohodný. Pokud je síla důkazů velká, ale nemají dostatečnou váhu, mají lidé tendenci k sebepřeceňování. Naopak pokud jsou důkazy málo silné, ale jejich váha je velká, mají lidé tendenci se podceňovat. (Stehlík, přednášky)

S efektem nadměrného sebevědomí souvisí také Dunning-Krugerův efekt, což je druh kognitivního zkreslení, při kterém lidé s nedostatečnými kompetencemi pro danou situaci trpí tzv. iluzorní nadřazeností a nadhodnocují svoje schopnosti v porovnání s ostatními. Naopak lidé s vysokými kompetencemi trpí tzv. iluzorní méněcenností a mají tendenci své schopnosti podceňovat. (Stehlík, přednášky)

Iluze optimismu

Iluze optimismu (the optimism bias) je tendence lidí vnímat události, situace nebo své vlastnosti pozitivně. Lidé podceňují riziko ocitnutí se v nějaké negativní události, například že onemocní rakovinou, nebo stanou se obětí autonehody, a naopak přeceňují šance, že se jim stane něco pozitivního, například se nerozpadne jejich manželství či budou mít neobyčejně nadaného potomka. Přeceňují také svoje vlastnosti, jako je vtipnost, atraktivita, komunikativnost apod. Toto zkreslení se projevuje i pokud jsou lidé obeznámeni s matematickými daty, například pravděpodobností rozvodu apod. Pokud ale mají odhadovat pravděpodobnost stejné situace u ostatních, v tom případě schopni náhledu jsou.[13]

Podle Sharot je toto zkreslení výhodné, z několika důvodů. Obecně optimističtí lidé jsou v životě spokojenější, jelikož přisuzují své úspěchy svým vlastním schopnostem, zatímco své neúspěchy přisuzují okolnostem. Optimističtí lidé se také těší z očekávání nadcházející události, což přispívá k jejich well-beingu. Iluze optimismu zároveň funguje jako sebenaplňující se proroctví.[13]

Iluze optimismu má ale i své nevýhody. Jelikož lidé podléhají tendenci posuzovat možná rizika optimisticky, mohou podceňovat hrozící nebezpečí nebo se chovat rizikově, například podceňovat cenu a náročnost projektu, na který si vzali hypotéku a dostat se tak do finančních potíží.[13]

Externí nepublikované zdroje

Ke zpracování článku byly uplatněny také poznámky z přednášek PhDr. Dalibora Vobořila, Ph.D. a PhDr. Luďka Stehlíka, Ph.D. získané v rámci kurzu Základy obecné psychologie vyučovaného na Katedře psychologie FF UK v Praze.

Odkazy

Reference

  1. 1,0 1,1 1,2 Eysenck, M. & Keane, M. (2008). Kognitivní psychologie (Vyd. 1.) Academia.
  2. Kahneman, D., Slovic, P. & Tversky, A. (ed.). (2013). Judgement under Uncertainity. Cambridge Univesity Press. https://doi.org/10.1037/h0034747
  3. 3,0 3,1 3,2 3,3 Tversky, A., & Kahneman, D. (1974) Judgement under Uncertainity: Heuristics and Biases. Science, vol 185(issue 4157), 1124-1131. https://doi.org/10.1126/science185.4157.1124
  4. 4,0 4,1 Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, vol.80(issue 4), 237-251. https://doi.org/10.1037/h0034747
  5. Tversky, A., & Kahneman, D. (1983). Extensional vs intuitive reasoning: The conjunction fallacy in probability judgement. Psychological Rewiev, vol. 90(issue 4), 293-315. https://doi.org/10.1037/0033-295X.90.4.293
  6. 6,0 6,1 Tversky, A., & Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive Psychology, vol. 5(issue 2), 207-232. https://doi.org/10.1016/0010-0285(73)90033-9
  7. 7,0 7,1 7,2 7,3 7,4 Plháková, A. (2004). Učebnice obecné psychologie (Vyd. 1). Academia.
  8. Lichtenstein, S., Slovic, P., Fischhoff, B., Layman, M., & Combs, B. (1978). Judged frequency of lethal events. Journal of Experimental Psychology: Human Learning and Memory, vol. 4(issue 6), 551-578. https://doi.org/10.1037/0278-7393.4.6.551
  9. Hayes, N. (2013). Základy sociální psychologie (Vyd. 7, přeložila Irena ŠTĚPÁNIKOVÁ). Portál.
  10. Tversky, A., & Kahneman, D. (1985). The Framing od Decisions and the Psychology of Choice. In G. Wright (ed.) Behavioral decision Making (s. 25-41). Springer US. https//doi.org/10.1007/987-1-4613-2391-4_2
  11. Hoffrage, U., & Gigerenzer, G. (1998). Using natural frequencies to improve diagnostic inferences. Academic Medicine, 73(5), 538-540.
  12. Fischhoff, B., Slovic, P., & Lichtenstein, S. (1977). Knowing with certainty: appropriateness of extreme confidence. Journal of Experimental Psychology: Human Perception and Performance, vol. 3(issue 4), 552-564. https://doi.org/10.1037/0096-1523.3.4.552
  13. 13,0 13,1 13,2 Sharot, T. (2012). The Optimism Bias: Why we´re wired to look on the bright side. Hachette UK.

Další doporučená literatura

Sternberg, R. J. (2009). Kognitivní psychologie (Vyd. 2, přeložil František KOUKOLÍK). Portál.

Kahneman, D. (2012). Myšlení: rychlé a pomalé. Jan Melvil.

Odkazy na související články

Rozhodování

Usuzování

Podmíněná pravděpodobnost a závislé a nezávislé jevy

Pojetí myšlení v psychologii. Teorie myšlení.

Klíčová slova

posuzování, heuristika reprezentativity, heuristika dostupnosti, heuristika ukotvení a zarámování, pravděpodobnost