“我知道!”事后偏见的缺点

上帝看到了他所造的一切,看得出来,那是非常好的。 有一个晚上,有一个早晨,第六天。”创世记1:31 事后看来,倾向于对自己的作品的魅力进行正面思考的趋势是普遍的。 像上面一样,即使是全能的人也不能不通过他自己的眼睛对他自己的创作的壮丽感到敬畏。 因此,您可以想象,我们这些凡人,会发现更容易夸大自己作品的美感,自己孩子的智慧和对自己手工艺的掌握,超越了他们的实际现实范围。 考虑一个新生婴儿。 没有母亲认为自己的孩子长得好看,但事实并非如此。 当她的智力受到质疑时,同一个孩子总是会得到妈妈的更好评价。 “她比同龄人聪明得多”,这是孩子们从受到敬爱的父母那里得到的普遍赞美。 随着年龄的增长,她的纪律总是被认为比其他人都要高。 难得的妈妈对她的孩子说:“不要对别人坏公司。”相反,假定坏公司只能来自外部。 因此,可以公平地说,我们的思考被自我偏见所掩盖是很自然的。 我们渴望发展成为更好的人,并且可以想象我们的孩子比我们更好。 无法做到这一点在某种程度上可以证明我们方面的失败。 他们的才智,长相和举止不是他们,而是我们作为父母的身份。 因此,我们迫切希望考虑其中的最佳方法。 有趣的是,这种偏见并不局限于父母本能。 有时,即使经过专业培训,它也会抬起头来吸引甚至最好的专家的判断。…

相信我,我是一个没有偏见的人!

StaHp。 我们每个人都有不同程度的偏见盲点,这是我们倾向于相信我们比其他人更少偏见的趋势。 通常,我们承认存在社会影响的偏见。 就像,妇女得不到同等报酬,哭泣的男人虚弱,皮肤黝黑并不意味着漂亮等。 但我们忘记了由于社会条件而发展并最终通过社会验证而变得无意识的偏见。 让我们尝试忽略共同点,观察我们通常看不见的实例。 我将尝试用一个简短的故事来解释它。 罗纳德(Ronald)是一名21岁的本科生,他大部分时间都在图书馆里读书,读着一些自制百万富翁的成功故事。 受这些故事的影响,他相信自己知道“成功的秘诀”。 他更加重视大多数他最喜欢的企业家都是从同一所学校毕业的事实。 有时,他甚至偶像崇拜自己的榜样,尽管有些人缺乏商业道德,但他显然没有。 知道自己对企业家的痴迷之情,他的朋友丹(Dan)为他提供了将在同一天和同一时间举行的两次会议的门票。 大会A以Alex先生为特邀演讲者,由于裙带关系,他拥有50亿美元的公司,他的会议将向所有与会者免费提供食品和饮料。 另一个会议B有戴维先生,他拥有一家拥有数百万美元的公司,担任特邀发言人。 他是一个很难轻易爬上梯子的人。 他是所有萌芽企业家的真正灵感,他的委员会没有提供任何赠品。 当然,罗纳德选择参加亚历克斯的会议。 我敢肯定你们大多数人都想知道,“罗纳德到底是谁?…

真正的受害者

两名警官回应了有关加利福尼亚州惠提尔发生三车祸的电话。 警员到达现场,发现其中两辆停放的汽车。 涉及的另一辆车在街上。 官员被告知,启动这一切的汽车是停在街上的那辆。 军官朝另一辆车驶去。 他们走近车上的那个男人,请他走出车子,然后他们例行地拍打下来,那个男人伸进了他的口袋。 那人掏出枪射击了两名军官。 两个不同的新闻站点对同一事件的描绘方式有所不同:福克斯新闻和美国广播公司新闻。 与福克斯新闻相比,ABC新闻在报道这一事件方面做得更好,并且给读者带来了更好的感知。 首先,ABC新闻的文章简短,没有太多解释。 在此资源中显示了堆叠,因为故事似乎全部乱了。 标题指出:“两名警官在对加利福尼亚出口处的交通作出反应后开枪射击,一名被杀”。 这个标题本身并不能给我们足够的解释。 有关事故相关人员的情况在故事的最后就坐了下来,这使事故显得不那么重要了,并使读者想知道在事故最后涉及到的那些人发生了什么。 在故事中,似乎唯一确定的消息来源是在此次活动中参与帮助的中尉。 据他说,犯罪嫌疑人是“已知的帮派成员”,枪手拥有半自动枪。 另一方面,福克斯与美国广播公司不同,我们可以通过标题告诉三人参与了实际拍摄。 我们知道有两名警官被枪杀,但福克斯的头衔却写着“可疑的伤害”,为读者提供了更深入的故事。…

加州大学伯克利分校的米洛–乔·加图索–中

加州大学伯克利分校的Milo 如今,保守或有保守意见被认为是有争议的。 米洛·扬诺普洛斯(Milo Yiannopoulos)因使自由主义者疯狂而广受欢迎,而加州大学伯克利分校就是一个很好的例子。 大学共和党人邀请他讲话,并在预定讲话前两个小时被关闭。 抗议活动已经进行了几个小时,由于担心自己的健康,他的活动被取消,同时他被撤离了建筑物。 骚乱随后爆发,造成十万美元的损失,并造成人员受伤。 每篇文章对此事件都有自己的看法,而Fox和CNN却截然相反。 CNN文章很有趣。 谈到堆叠时,他们干脆讲究谁让他们在文章中发言。 直到本文的结尾,Yiannopoulos本人甚至没有被引用。 他们将重点放在学校的立场上,即他们不同意从发布的声明向公众发表的观点。 然后,他们决定贬损米洛的言论自由,因为他说的是所谓的“仇恨言论”。这篇文章的作者很显然不是米洛的拥护者,但确实谴责了骚乱。 现在为福克斯文章。 在本文中,Yiannopoulos是被引用的第一人,并且立即被引用了,很清楚他们希望您在本文中同情谁。 加州大学伯克利分校(UC Berkeley)也确实在本文中发表了声明,但是由于命令的方式,它似乎更像是在试图弥补Yiannopoulos对他们本来可以避免的事情进行半熟的尝试。 本文还讨论了喷洒胡椒的王牌支持者,以及该事件中有防暴警察,美国有线电视新闻网的文章对此予以排除。…

您的数据可能有偏,这正成为一个大问题

您的数据可能有偏,这正成为一个大问题 没有人开始有偏见,但要避免的事情比您想的要难。 维基百科列出了从权威偏见和确认偏见到Semmelweis效应的100多种书面偏见,我们有很大的趋势让事实以外的事物影响我们的判断。 我们所有人都讨厌,尽管我们不愿承认。 机器,甚至是虚拟机器,也有偏差。 它们的设计必然是要优先于某些类型的数据。 不幸的是,我们很少质疑数学模型的判断,在许多情况下,它们的偏差会弥漫和扭曲操作现实,从而产生难以消除的意外后果。 但是,数据偏向的最大问题是我们几乎不了解它,因为我们认为数据和分析是客观的。 几乎从来没有这样。 无论是好是坏,我们的机器都是我们的扩展,并继承了我们的主观判断。 随着数据和分析越来越成为我们决策的核心组成部分,我们需要更加谨慎。 想象一下,您经营一家每年雇用100名员工的企业,并且您想建立一个预测模型,该模型可以告诉您应将重点放在哪些大学上。 一种看似合理的方法是检查您过去在哪里招聘过人员以及他们的表现如何。 然后,您可以集中精力从表现最好的学校招聘人才。 从表面上看,这似乎是有道理的,但是如果仔细看,它本身就是有缺陷的。 首先,分布在十几所大学中的100名学生远没有统计上的意义。 第二。 不难看出,来自一所学校的一两个杰出人物或愚蠢人物将如何严重扭曲结果。…