23 KiB
title, description, published, date, tags, editor, dateCreated
| title | description | published | date | tags | editor | dateCreated |
|---|---|---|---|---|---|---|
| היוריסטיקות | הערכות סובייקטיביות של אי-ודאות | true | 2024-06-08T08:31:45.146Z | פסיכולוגיה, סמסטר ב, חשיבה, שנה ב, היוריסטיקה | markdown | 2024-06-07T14:18:05.931Z |
טברסקי וכהנמן (1974) הציעו ששיפוט אינטואיטיבי בתנאי אי ודאות מתבסס על מספר מוגבל של עקרונות היוריסטיים - קיצורי דרך, כללי אצבע - המצמצמים את המשימות הסבוכות של הערכת הסתבורויות וניבוי ערכים לכלל פעולות שיפוט פשוטות.
המאמר מתאר שלוש היוריסטיקות - היוריסטיקת היציגיות, הזמינות והעיגון - המשמשות להערכת הסתברויות ולניבוי ערכים. הוא מונה הטיות שיוריסטיקות אלה מובילות אליהן.
היוריסטיקת העיגון
סרטון - היוריסטיקת העוגן {.is-success}
היוריסטיקת העוגן - הנטייה להתחיל עפ חרך כלשהו - שמשמש כנקודת עיגון ואחר כך מתקנים אותו כדי להגיע לאומדן המבוקש.
העיגון מגיע ממידע היסטורי, מאופן הצגת הבעיה או ממידע מקרי.
למשל, בניסוי קצר, התבקשו הנבדקלי להעריך ב5 שניות (הגבלת הזמן מונעת שימוש במערכת 2) את המכפלה של
8*7*6*5*4*3*2*1
חציון הערכת הנבדקים היה 2250.
ולקבוצה אחרת, התרגיל הוצג הפוך -
1*2*3*4*5*6*7*8
חציון הערכת הנבדקים היה 512
(התשובה הנכונה היא 40,320)
כלומר, הספרה הראשונה הטתה מאוד את השיפוט של הנבדקים - ראו כמה גדול ההבדל בין הקבוצה הראשונה לשנייה, למרות שמדובר באותו כפל - והנבדקים לא הצליחו לתקן את ההערכה שלהם מספיק.
טברסקי וכהנמן מדגימים כי העוגן משפיע בין אם הוא אינפורמטיבי - קרי, רלוונטי ומשמעותי - ובין אם לא - כלומר, אם הוא מקרי.
משתנים ממתנים
האם מידת חוסר הרלוונטיות של העוגן קובעת את השפעתו? Strack and Musswiler (1997) הציגו לסטודנטים עוגנים סבירים ובלתי סבירים עבור מגוון שיפוטים. לדוגמה, סטודנטים ביקשו להעריך את גילו של מוהנדס גנדי. הצוג להם עוגן סביר (64 או 79) או בלתי סביר (9 או 140). הם התבקשו לקבוע אם גילו של גנדי היה גדול או קטן מהמספר, ולבסוף לספק אומדן מספרי.
המחקר מצא אפקט עיגון חזק - בלי הבדל משמעותי בתנאי סבירות העוגן.
מנגד, מחקרם של Chapman & Jonson (1994) הציגו לסטודנטים סדרה של הגרלות, דוגמת:
- 53% להרוויח 22.91$ או 47% להרוויח 67.13$
עבור כל הגרלה הנבדקים התבקשו להתייחס לעוגן שהיה קיצוני (הערך מחוץ לטווח הערכים של ההגרלה) או סביר (העוגן הוא ערך אפשרי בתווך הערכים של ההגרלה). הנבדקים התבקשו לציין:
- אם ימכרו את ההגרלה במחיר העוגן, במחיר גבוה מהעוגן או במחיר נמוך מהעוגן
- את הסכום המינימלי שבו יהיו מוכנים למכור את ההגרלה
הם מצאו שעוגנים קיצוניים משפיעים על השיפוט, אבל שהאפקט מתמתן בהשוואה לאפקט של עוגן סביר.
עוגן מודע\לא מודע
האם כל עוגן כזה, שמטה את השיפוט שלנו, הוא מודע? לרוע המזל, לא בהכרח
Epley and Gilovich (2001) הראו שאנשים משתמשים בעוגן גם אם לא נשאלו לגביו ישירות. לדוגמא, נבדקים שנשאלו לגבי השנה שבה גורג' ושינגטון נבחר לנשיאות ארה"ב, השתמשו בתאריך הכרזת העצמאות של ארה"ב כעוגן (1776).
העוגן שיחק תפקיד גם כשלא חצה את סף ההכרה. Mussweiler and Englich (2005) הציגו עוגן בצורה תת הכרתית בזמן שביקשו מנבדקים לענות על שאלות.
לנבדקים הוצגה סדרה של אותיות חסרי משמעות למשך 60 שניות במהלכן הוצגו לנבדקים הערכים 5 או 20 למשך 15 אלפיות שניה - זמן קצר מדי כדי שהנבדקים יקלטו אותם באופן מודע.
הנבדקים היו צריכים לענות על שאלות כמו - מה הטמפרטורה הממוצעת בגרמניה? נמצא כי נבדקים נתנו בממוצע הערכות גבוהות יותר (14.9) כאשר הוצג להם עוגן גבוה, מאשר כאשר הוצג עוגן נמוך (12.8)
העוגן עבד כגורם מתרים. כאשר מוצג העוגן , הערך שלו הופך להיות נגיש יותר וכך גם הערכים הסמוכים לו.
השפעה מעבר לאופנויות
Oppenheimer et al. (2008) ביקשו מנבדקים להעתיק במדוייק 3 קווים.
קבוצה אחת התבקשה להעתיק קווים ארוכים (3.5 אינטש) וקבוצה שניה התבקשה להעתיק קווים קצרים (1 אינטש). בדף אחר הם התבקשו להאריך את האורך של נהר המיסיסיפי. נבדקים שהתבקשו לצייר קווים ארוכים נתנו הערכה גבוהה יותר (1224 מייל) מנבדקים שהעתיקו קווים קצרים (72 מייל).
הממצאים הראו כי לעוגן יש השפעה מעבר לאופנות - אם כי האפקט היה חזק יותר בתוך אופנות.
בחיי היומיום
היוריסטיקת העוגן משפיעה גם על הדיוטות וגם על מומחים.
המחקר של Northcraft and Neale (1987) בחן את השפעת העוגן על הערכות מחירי בתים ע"י שמאים או מתווכי דירות (מומחים, בעלי ניסיון) לעומת סטודנטים (הדיוטות, חסרי ניסיון). לנבדקים ניתנה סקירה מקיפה אודות הבית (כולל מחיר מכירה ממוצע של בתים דומים באזור, ביקור בבית, וכדומה).
כעוגן משתנה - ניתן המחיר ש"דורש", כביכול בעל הבית.
המחקר גילה שהעוגן השפיעה על ארבעת המדדים שנבדקנו - הערך המוערך, הערך המוצע, ערך הרכישה, וההצעה הנמוכה ביותר בעבור הבית. באופן מחשיש, גם השמאים הושפעו מהעוגן - אך לא הודו בכך כמו הסטודנטים (מטריד...).
הטענה שקונים/מוכרים פוטנציאליים וסוכני נדל"ן כאחד רגישים לעיגון ממחירי רישום נתמך על ידי ניתוחים רחבי היקף על רכישות נדל"ן. Bucchianeri & Minson (2013) ניתחו מערך נתונים של למעלה מ-14,000 עסקאות נדל"ן על פני תקופה של 5 שנים ב-3 מדינות בארה"ב. הם מצאו עלייה קטנה אך מהימנה מאוד במחיר המכירה עבור בתים עם מחירי רישום יקרים מדי. האפקט היה חזק יותר עבור עוגנים קיצוניים מאשר עבור עוגנים מתונים יותר. ממצא זה אינו נובע מגורמים כגון איכות הבית, זמן בשוק, שכונה ועוד.
עוגן פנימי\חיצוני
אפקט העוגן הוסבר ע"י טברסקי וכהנמן כתיקון לא מספיק מערך לא רלוונטי.
מחקרים מאוחרים יותר ביקרו הסבר זה, והציעו שהטיית העוגן הינה תוצאה של נגישות גדולה למידע שתומך בעוגן (Mussweiler & Strack, 1999, 2000)
החוקרים שאלו שאלות מהסוג - האם הטמפרטורה הממוצעת באנטארקטיקה גבוהה או נמוכה מ 0F1 – מובילה אנשים לבחון את ההשערה שהעוגן הלא רלוונטי נכון. היות ואנשים בוחנים השערות ע"י ניסיון לאושש אותן, חיפוש כזה יפיק אינפורמציה שתומכת בעוגן בצורה לא פרופורציונלית.
היוריסטיקת הזמינות
היוריסטיקת הזמינות היא הערכת הסתברות של מאורע או שכיחות של קבוצה תוך הסתמכות על מספר הדוגמאות והקלות שבה הן עולות לתודעה. בקיצור, היוריסטיקת הזמינות היא הערכת סיכוי למאורע שקל יותר לחשוב עליו (כי הוא פשוט יותר, כי אני חשוף אליו יותר) כגבוהה יותר - על סמך הזמינות בזיכרון, ולא על סמך הנתונים.
סרטון {.is-success}
טברסקי וכהנמן (1973) חקרו את היוריסטיקת הזמינות. בניסוי שלהם, הם הציגו לנבדקים 5 אותיות (V,R,N,L,K), וביקשו מכל נבדק לציין אם היא שכיחה יותר באנגלית כאות ראשונה או כאות שלישית במילים בנות 3 אותיות לפחות.
הם שיערו כי אנשים יעריכו את השכיחות היחסית של המילים ע"י שימוש בהיוריסטיקת הזמינות - כלומר, על פי המהירות שבה הם יכולים לחשוב על מילה המתחילה באות המסוימת בהשוואה למילים שבהן האות במקום השלישי. משום שקל יותר לחשוב על מילים המתחילות באות מסוימת, החוקרים צפו כי נבדקים יעריכו מילים כאלה כשכיחות יותר.
69% מהנבדקים העריכו עבור לפחות 3 מ5 האותיות את השכיחות של המילים המתחילות באות הזו כגדולה יותר.
במחקר נוסף באותו המאמר, החוקרים ביקשו מהנבדקים להקשיב להקלטות שכללו רשימות של 39 גברים ונשים מפורסמים. בתנאי אחד, היו יותר גברים (20), אבל הנשים היו מפורסמות יותר, ובתנאי השני, מספר הנשים היה גדול יותר (20), אבל הגברים היו מפורסמים יותר. הנבדקים. הנבדקים התבקשו לאחזר כמה שיותר מילים מהרשימה, או להעריך את מספר הגברים והנשים ברשימה.
הנבדקים אחזרו הרבה יותר גברים ונשים מפורסמים לעומת הפחות מפורסמים, והעריכו את מספר הגברים\נשים בהתאם למגדר המפורסם יותר.
היוריסטיקת הזמינות והערכת סיכונים
עם עליית התקשורת, אנחנו נחפשים לסיכונים רבים - טרור, זיהום, תאונות דרכים. החשיפה הזו מטה את הערכת הסיכונים שלנו. אנשים מעריכים, למשל, שהתמותה מתאונות דרכים נפוצה יותר מתמותה מדלקת ריאות - למרות שההיפך הוא נכון. מאורעות דרמטיים, כמו אירועי טרור, מטים דרמטית את הערכת הסיכון שלנו, למרות שהסיכוי הסטטיטי אינו בהכרח תואם.
בעיות בריאותיות - סרטן, בוטיליזם, סכרת, שבץ - מוערכות כפחות מסכונות ופחות נפוצות מאירועי מזג אוויר קיצוני, תאונות דרכים או הרעלה - למרות שהתמותה מהן גבוהה בהרבה.
תופעת הפירוט
אנו נוטים להעריך הסתברות גבוהה יותר לאירוע עם תיאור מפורט לעומת תיאור עמום. שיפוט ההסתברות של מאורע גדל כאשר מפרטים אותו ביותר פירוט, וקטן וכשמפרטים את המאורע המשלים.
למשל -
- בכל שנה מתים בישראל 50,000 איש. מהו האחוז, לדעתכם, שמתים מוות לא טבעי?
- בכל שנה מתים בישראל 50,000 איש. איזה אחוז מביניהם מתים מתאונות דרכים, תאונות עבודה, טביעה, שריפה, הרעלה, התאבדות, או כל צורה אחרת של מוות לא טבעי?
ההערכות לניסוח (2.) נוטות להיות גבוהות יותר.
אגוצנטריות
היוריסטיקת הזמינות נוטה לגרום לנו להעריך את התרומה שלנו למאמצים קבוצתיים כגבוהה יותר לעומת השותפים (משום שהיא זמינה לנו בזיכרון יותר). Ross & Sicoly (1979) ביקשו מבני זוג להעריך כמה הם תורמים לעומת בן\בת הזוג במטלות כמו:
- גרימת ויכוחים
- הכנת ארוחת בוקר
- פתירת סכסוכים
- שטיפת כלים
- גרימת אי סדר בבית
- ניקיון
- כביסה
- קניות וכו'.
הם ביקשו מהנבדקים:
- להעריך כמה כל אחד מהם תורם לפעילות
- לחשוב על דוגמאות שבהם הם ובני הזוג היו מעורבים בכל פעילות
עבור 16 מ20 הפעולות, נמצאה הערכת יתר של תרומתו של לפחות מאחד מבני הזוג - גם בפעולות חיוביות וגם (פחות) בפעולות שליליות. נבדקים חשבו על יותר דוגמאות שהם תרמו לפעולות, ונמצא קשר בין מספר הדוגמאות שכל נבדק הצליח לחשוב עליהם להערכתם בדבר התרומה של שני בני הזוג.
הם מייחסים את הפער לזמינות גבוהה יותר של הפעולות שלנו בזיכרון, של פער במידע לעומת האחר (אני לא יודע מה בת הזוג עושה בכל רגע נתון), והשפעות מוטיבציוניות.
שטף או תוכן?
השיפוט מושפע לא רק מהזמינות של האינפורמציה הדקלרטיבית אלא גם מהאינפורמציה ההתנסותית שלנו (Schwartz, 2004).
Schwartz et al. 1991 ביקשו מנבדקים לאחזר 6/12 דוגמאות של התנהגות אסרטיבית/ לא אסרטיבית ולאחר מכן להעריך את מידת האסרטיביות שלהם. הנבדקים העריכו את עצמם כיותר אסרטיביים לאחר שאחזרו 6 דוגמאות של אסרטיביות, בהשוואה ל 6 דוגמאות של חוסר אסרטיביות. יחד עם זאת, הגדלת מספר הדוגמאות לא רק שלא הגדילה את הפער, אלא אף שינתה את כיוונו. נבדקים שהצליחו לאחזר 12 דוגמאות של התנהגויות אסרטיביות העריכו את עצמם כפחות אסרטיביים מנבדקים שהצליחו לאחזר 12 דוגמאות של חוסר אסרטיביות.
לנבדקים היה קל לאחזר 6 דוגמאות לאסרטיביות, אך היה להם קשה לאחזר 12 דוגמאות לאסרטיביות. היות והשיפוט התבסס גם על החוויה, הנבדקים שפטו את עצמם כפחות אסרטיביים אחרי אחזור של 12 דוגמאות.
שוורץ ושותפיו Schwartz & Vaughn,2002 הראו שכאשר אנשים קיבלו מידע לגבי הסיבה לשטף, הם נטו לבסס את השיפוט על התוכן ולא על השטף. כאשר נאמר לנבדקים שהם ישמעו מוסיקת רקע שתעזור/תפריע לאחזור של הדוגמאות, הנבדקים הסתמכו על התוכן ולא הסתמכו על השטף – הם שפטו את האסרטיביות שלהם כזהה כאשר התבקשו לאחזר 6 או 12 דוגמאות. קלות האחזור של דוגמאות היא יורסטיקה של מערכת 1 , אשר מוחלפת בהתמקדות בתוכן, כאשר מערכת 2 מעורבת יותר.
Kahneman,2011 עומד על כך שיש מספר גורמים שמטים אותנו לכיוון מערכת 1 והסתמכות על היוריסטיקת הזמינות - לרבות
- עומס עיבוד ככל שמפריעים לנבדקים עם שינון מילים\מספרים או רעש, הם מסתמכים יותר על מערכת 1
- מצב רוח טוב תפעול של מצב רוח טוב (על ידי סרט או כתבה שעושים תחושה טובה) הוביל לשימוש מוגבר בהיוריסטיקה
- ציון נמוך בסקלה של דיכאון באופן דומה, אנשים שמחים יותר נוטים יותר לשימוש במערכת 1
- ציון גבוה בסקלה אינטואיטיבית הסכמה עם היגדים כמו, אני מאמין ברושם הראשוני שאנשים משאירים בי - הנטייה ללכת לפי "תחושת בטן"
- תחושת כוח מספיק היה להזכיר לנבדקים מצב שבו הייתה להם תחושת כוח בכדי להגביר את השימוש בהיוריסטיקה
היוריסטיקת הייצוגיות
(Kahneman & Tversky, 1972) הערכת ההסתברות של אירוע לא ודאי ע"י המידה שבה הוא:
- זהה במאפיינים המהותיים לאוכלוסיית האם
- משקף את המאפיינים הבולטים של התהליך שבו הוא נוצר בגדול, זו הנטייה לשפוט דברים על פי הסטריאוטיפ שלהם דברים כמו, המסעדה הזו מלאה באנשים - האוכל שם בטח מעולה (מה אם יש שם אירוע?).
אנשים משתמשים בהיוריסטיקה זו בשיפוטי דמיון. אולם, היא מובילה לטעויות חמורות מכיוון שיציגות אינה מושפעת בהכרח מגורמים שצריכים להשפיע על הסתברות, ולהיפך - יש גורמים המשפיעים על הסתברות אבל לא קשורים ליציגות. מכך נובעות טעויות שיטתיות:
התעלמות משכיחות יחסית באוכלוסייה
אלדד הוא סטודנט למנהל עסקים באוניברסיטת תל אביב. הוא מתעניין מאוד באומנות. בצבא שירת בלהקה צבאית ואף שקל בעבר לפתח קריירה כמוסיקאי. האם סביר יותר שאלדד יעבוד כמנהל של מוסד אומנותי, או בחברה לייעוץ ארגוני?
הנטייה הראשונית היא מנהל של מוסד אומנותי - אולם, היא לא מתחשבת בכך שיש הרבה, הרבה יותר יועצים ארגוניים, ולכן זה התרחיש הסביר יותר; אנחנו טועים משום שהמידע שהוצג לנו מדבר על הצד האומנותי של אלדד ולא על סטטיסטיקה קרה ויבשה.
מונית מעורבת בתאונה פגע וברח. שתי חברות מוניות פועלות בעיר – חברה עם מוניות ירוקות (85%) וחברה עם מוניות כחולות (15%). עד לתאונה טוען שהמונית הייתה כחולה . בית המשפט בחן את יכולתו של העד להבחין בין מוניות של שתי החברות בתנאים בו התרחשה התאונה ומצא שהעד מזהה נכון 80% מהפעמים. מה ההסתברות שהמונית המעורבת בתאונה הייתה כחולה? (Tversky & Kahneman (1982))
הנטייה הראשונית שלנו היא לענות 80% - אבל הסיכוי האמיתי צריך גם להתחשב בזה שיש פחות מוניות כחולות מלכתחילה; הסיכוי האמיתי הוא 41%:
Blue = מונית כחולה
Witness = העד אומר שהמונית כחולה
p(Blue/Witness)=(.15*.8)/(.15*.8 + .85*.2)=.12/(.12+.17)=.12/.29=.41
הערכת יתר של מאורעות חיתוך
אנשים מעריכים את ההסתברות של אירוע חיתוך כגבוה מההסתברות של האירוע(ים) המרכיבים אותו. זה כמובן לא אפשרי.
דינה, רווקה כבת 31, ישירה ופקחית, אופנוענית אשר למדה לימודי מגדר באוניברסיטה. מה יותר סביר?
- דינה היא טלרית בבנק
- דינה היא טלרית בבנק ופעילה בתנועה פמיניסטית.
הנטייה הראשונית היא להגיד (2.), משום שזה מתיישב עם הייצוג שלנו; אבל, מן הסתם ש(1.) יותר סביר - (2.) הוא מאורע חיתוך המכיל בהכרח את (1.)!
חוסר רגישות לגודל המדגם
מדגמים גדולים יותר יהיו דומים יותר לאוכלוסיה (חוק המספרים הגדולים), אך אנשים נוטים להאמין שגם מדגמים קטנים יהיו מייצגים ודומים לאוכלוסיה. הם מעריכים כי המידה בה מדגם מסוים מייצג את האוכלוסייה אינה תלויה בגודל המדגם - אנשים מצפים מכל מדגם להיות מייצג, וסוברים שמידת הייצוג של המדגם נקבעת, בעיקר, לפי הפער שבן הפרופורציה במדגם לפרופורציה באוכלוסיה.