Insight into Bias

J. Krueger
자기 개선 운동 : 커피 테이블에 올라서십시오.
출처 : J. Krueger

자신의 한계를 인정할만큼 충분한 통찰력을 가진 사람은 완벽에 가깝습니다 . ~ JW 폰 괴테

따라서 통계 데이터에 속지 않으려면 측정 오류 및 샘플링 오류를 제어하는 ​​것이 가장 중요합니다. [. . .] 그것은 또한 아주 흔한 지혜입니다. ~ K. Fiedler

게시물 tenebras spero lucem. [어둠 이후 나는 빛을 기대한다.] ~ 세르반테스, Don Quijote, 제 2 권, LXVIII 장, 욥기 17 장 12 절과 회귀 효과에 관한 현대 작품에 대한 고개를 끄덕임.

[나는 패트릭 헥과이 에세이를 썼다.]

마음을 연구하는 한 가지 방법은 잘못 된 부분을 보는 것입니다. 시각 환상의 연구는 시각적 인식과 그 많은 승리에 대한 우리의 이해를 크게 향상 시켰습니다. 사회 심리학으로 옮겨 가면 편견에 대한 연구는 도덕적 인 상음으로 가득 차게됩니다. 편견은 나쁘다. 우리는 종종 듣는다. 편견없는 사람들은 공정하고 좋다. 편견을 가진 사람들은 오류를 범합니다.

편견에 대한 연구의 파생은 사람들의 편견에 대한 사람들의 인식을 연구하는 것입니다. 사람들이 편견에 빠졌을 때 왜 편견을 갖게되는지 묻고 싶습니다. 아마 그들은 정말로 편파적으로되고 싶어하거나 그것을 도울 수 없습니다. 더욱 흥미롭게도, 사람들을 비난하는 것에 대한 일차 진술 이없는 무의식의 편견이 있습니다. 그러나 사회 심리학자들은 어쨌든 그것을합니다. thine arties가 thine bias를 알고 광야로 던져야한다고 말합니다.

사회적 지각의 한 가지 현저한 편향은 자기 개선입니다. 이 편견은 종종 자기 판단과 기준 집단의 보통 사람에 대한 판단의 차이로 나타난다. 사람들은 두 가지 판단을 모두 제공하기 때문에이 편견을 알고 있어야합니다. 평균보다 안전한 운전자라고 말하면, 당신은 아마도 스스로를 향상시키고 당신은 그것을 알고있을 것입니다.

편견을 측정하는 또 다른 방법은 사람들에게 긍정적 인 특성으로 판단하고 자신을 잘 아는 다른 사람들이 판단하도록 요구하는 것입니다. 이 다른 사람들에 의한 평균적인 판단은 현실의 반영으로 간주됩니다. 사람의 자기 판단이이 기준보다 긍정적 인 경우 자기 개선의 증거가 있습니다 (틀림없이이 차이 지수는 편차가 아니라 오차를 반영하지만 많은 조사자가이 용어를 서로 바꾸어 사용합니다).

자기 관찰자 방법은 자신의 편견에 대한 사람들의 통찰력에 대해서는 아무것도 말하지 않습니다. 따라서, 하나는 연구 조사를 할 수 있습니다. 최근 기사에서 세인트 루이스의 워싱턴 대학교 (Washington University)의 연구원이자 자신의 동료 인 캐서린 볼 리치 (Kathryn Bollich)는 지능과 호감도와 같은 긍정적 인 속성에 대한 자기 판단과 관찰자 판단을 수집 한 다음 자기 기입 자에게 그들이 그들의 자신의 묘사에 있었다. 그들은 심지어 자신의 기억을 조깅하기 위해 원래의 자기 평가를 보여주었습니다.

그 결과 바이어스의 불일치 지수 – 관찰자 판단을 위해 수정 된 자기 판단 -과 메타인지 적 통찰력 등급 사이에 .45의 상관 관계가있었습니다. 어떻게이 발견을 설명 할 수 있을까요? Bollich et al. 사람들은 "간단하고 정확한 발견론에 의지하여이 통찰력을 얻는다. 자신의 견해가 긍정적이면 긍정적으로 편향 될 가능성이 높다"고 결론 지었다. 그것은 아마 그것만큼 간단합니다. 그러나 연구자들은 사람들이 편향된 특성을 알고 있다고 제안합니다. 우리는 동의하지 않습니다. 특성에 대한 바이어스의 상대적 크기에 대한 차별적 인 "지식"은 방금 설명한 단순한 경험적 방법에서 따릅니다. 가장 극단적 인 자기 평가를 가진 형질은 아마 가장 큰 참 편견 점수를 가진 형질이다. 이것은 통계적 회귀의 논리입니다. 우리는 모두 알고 있지만 너무나도 기분 좋게 잊어 버립니다. 이제 바이어스입니다!

우리는 사람들을 어떻게 비방 할 수 있습니까? 자신의 판단을보다 정확하게하려고합시다. Bollich et al. 관찰자 판단이 집계되지만 자기 판단은 아니라는 대중 연구 패러다임을 사용했다. 집계는 관찰자 판단을보다 신뢰성 있고 아마 더 유효하게 만든다. 이것은 잘 알려진 지혜로운 효과입니다. 그런 다음 대상자가 이러한 긍정적 인 특성에 대한 자신의 입장을 재평가하고 각 특성에 대한 자기 판단을 평균화하고 관심의 상관 관계, 즉 자기 판단과 관찰자 판단 간의 상관 관계를 다시 관찰하게한다. 자기 판단과 편견의 메타 판단.

우리는 무슨 일이 일어날 지에 대해 꽤 좋은 생각을 가지고 있었지만 우리가 당신을 믿지 않도록 컴퓨터 시뮬레이션을했습니다. 우리는 0에서 10 사이의 가상 판단을 표본 추출했습니다. 평균은 5.0이었고 모든 표준 편차는 1.75였습니다. 판단은 다음과 같다 : 첫 번째 자기 (S1), 두 번째 자기 (S2), 관찰자 ​​(O), 통찰력 (I.) 우리는 다음의 통계적 연관성을 가정했다 : [1] S1과 S2는. S1과 S2 모두 다소 정확합니다. 즉, 그들은 각각 0.5의 O와 상관 관계가 있습니다. 응답자는 I 변수 (r = .8)를 생성 할 때 S1의 극단에 크게 의존합니다. 또한 통찰력 판단 I에는 S2 또는 O와의 본질적 연관성이 없다고 가정했습니다. 이러한 변수와의 상관 관계는 모두 제품 이미 사용 가능한 상관 관계 즉, I와 S2 사이의 상관 관계는 I와 S1 사이의 상관 관계와 S1과 S2 간의 상관 관계 (0.8 x .5 = .4)입니다. I와 O 사이의 상관 관계는 I와 S1 그리고 S1과 O 사이의 상관 관계 (.8 x .5 = .4.)

S1과 S2의 평균으로 M (S)를 계산 한 후, 우리는 4 개의 새로운 상관 관계를 발견했습니다. 그 중 2 가지는 흥미 롭고 2 개는 지루합니다. 지루한 것들은 M (S)와 S1과 S2 사이의 상관 관계입니다. 둘 다 .85. S1과 S2는 M (S)의 일부이기 때문에 이러한 상관 관계가 높아야했습니다. 다음으로 우리는 M (S)와 O 사이의 상관 관계가 .55라는 것을 알았다. 이것은 S1과 O 사이의 상관 관계가 0.5이므로 정확성의 작은 증가를 반영합니다. 다른 말로하면, 우리가 가진 자기 판단을 평균함으로써 군중의 지혜를 엿볼 수 있습니다. 마지막으로 우리는 M (S)와 I 사이의 상관 관계가 .66이며 이는 S1과 I 사이의 상관 관계 (.8)보다 작은 것으로 나타났습니다.

간단히 말해서, 응답자가 스스로를 평가하고 unbias 수 있도록함으로써, 우리는 자신의 편견으로 자신의 메타 통찰력을 침식하면서 그들의 정확성을 제기했습니다. 이상하게 보입니다. 한 가지 중재가 한 가지 유형의 정확도를 높이고 다른 유형을 줄일 수 있습니까? 아마도 우리는 가상 응답자가 자신의 편향에 대한 메타인지 평가를 다시 고려하지 못하게했을 때 불공정하다고 생각했을 것입니다. 그럼 다시, 아마 우리는 할 필요가 없었습니다. 우리가 사람들이 다시 간단하고 정확한 발견 적 방법을 사용한다고 가정한다면 Bollich et al. M (S)와 수정 된 I 사이의 상관 관계는 다시 .8이 될 것입니다. 이 경우에도 메타 정확도가 높아지지 않으면 추정 정확도가 향상됩니다.

볼리치 (Bollich) 등이 무엇을 명확히 밝히지는 않았다. 그들 자신의 데이터를 만든다. 아마 그들은 말단 – 암시 – 바이어스 휴리스틱 스의 사용은 모두 존재하며 다른 어떤 방법도 될 수 없다는 것에 우리와 동의합니다. 또는 사람들이 어떻게 편견을 갖게 될지 궁금해하면서도 그 사실을 알고있을 수 있습니다. 왜 편견을 가지지 않을 것입니까? "우리가 말할 수있는 것보다 더 많이 아는 것"이라는 제목의이 제목은이 대안적인 설명을 가능하게 만듭니다. 그러나 우리는 간단하고 충분히 설명 된 발견의 신비화가 과학을 훨씬 향상 시킨다는 것을 믿지 않는다.

Bollich, KL, Rogers, KH, & Vazire, S. (2015). 우리가 말할 수있는 것보다 더 많이 아는 것 : 사람들은 편향된 자기 인식을 알고 있습니다. 개성 및 사회 심리학 게시판, 41 , 918-929.

Fiedler, K., & Krueger, JI (2012). 유물 이상 : 이론적 인 구성으로서의 회귀. JI Krueger (Ed.)에서. 사회적 판단과 의사 결정 (pp. 171-189). 뉴욕, 뉴욕 : Psychology Press.

Solutions Collecting From Web of "Insight into Bias"