了解认知偏差

我们的大脑被称为宇宙中最复杂,最神秘的物体。 它由1000亿个神经元组成,其处理速度高达120米/秒,使人类有能力解决复杂的问题,发明改变世界的工具并向太空探索发射火箭。 对的工具很棒,我们所有人都很幸运。 但是,在我们的日常生活中,我们经常被大脑迷惑,甚至陷入认知偏见而没有意识到。 而且,它不时发生,不仅在诸如在杂货店决定购买什么东西这样的琐碎情况下,而且在必须做出具有大量风险的重要决策的情况下。 对于没有听说过该术语的人,认知偏见是推理,评估或其他认知过程中的一个错误,与逻辑和理性思维背道而驰,可能导致我们做出错误的决定/判断。 这种偏差不仅是随机发生的,而且是我们一直在犯的系统错误。 幸运的是,今天Wikipedia拥有175个我们倾向于接受的认知偏见列表(希望这个数字不再增加)。 因此,您可能会问,我们怎么会有这么长的偏见? 宇宙中最复杂的物体:我们的大脑有什么问题? 一位心理学家丹尼尔·卡尼曼(Daniel Kahneman)教授花了数十年的时间致力于研究我们的思维过程,他发现我们的大脑在两种思维方式中运作。 首先是系统1,这是我们在无意识模式下运行的快速,自动和直观的思维方式。 系统1常常使我们基于“启发式”这一精神捷径而跳到不合理的结论,该捷径使人们能够通过个人经验和偏好感知信息,从而快速有效地解决问题。 尽管这是我们陷入认知偏见的原因,但从根本上说,启发式方法在许多情况下仍然非常有用。 尽管系统1倾向于扭曲我们的思维,但它给我们一种认知上的轻松感,一种当我们对事物感觉良好并确定时所处的状态,而实际上我们对理解的理解远比我们实际做的要多。 对于系统2,我们缓慢,审慎和分析性的思维很乐意让无意识的(系统1)尽可能多地进行处理,因为在系统2中进行操作需要大量的精力,因此它非常懒惰。 而且我们仍然坚持认为,我们是有意识和理性的人,他们总是故意做出决定,即使在大多数情况下,实际上,真正负责的是系统1。…

为什么很难感恩

最近,我喜欢Freakonomics广播电台的一集“为什么我的生活如此艰难?”。 在播客主持人史蒂芬·杜布纳(Stephen Dubner)的访谈中,两位社会科学家探讨了为什么我们常常觉得生活对我们来说比对他人更加困难。 两位心理学教授汤姆·吉洛维奇(Tom Gilovich)和赛伊·戴戴维(Shai Davidai)对杜布纳的采访使用了令人信服的研究成果,表明我们如何看待面对的令人沮丧的逆风与收到的有益顺风之间存在不对称性。 情节和研究同时令人感到安慰和启发。 我们所有人都能敏锐地记住我们受冤屈的所有时间。 这个播客节目有助于将自己的观点转变为关于我们知道我们遇到的障碍以及我们认为理所当然的收益和机会的认识可能有多准确。 这可能适用于我们生活的许多部分,从嫉妒或不公平的感觉到兄弟姐妹,再到我们所属的各个部落部落,包括体育,政治,性别或其他方面,以及不被欣赏的感觉。 研究人员的目标是试图弄清人们为什么或为什么人们常常觉得生活比其他人更难,同时还试图理解人们为什么可能不如他们应该的那样感恩。 他们的论文《逆风/逆风不对称》中有七项研究可以理解这些问题。 逆风和逆风的比喻非常生动,因为任何跑步或骑自行车的人都知道我们非常了解我们所面对的逆风,但是尽管我们欣赏风的变化可以支撑并帮助我们,但感恩之感逐渐消失。 生活中的许多不同情况都是如此。 研究人员认为,感恩对我们有好处。 保持感激日记,定期写下您要感恩的事情,与人们更快乐,对生活更满意有关。 享乐型跑步机的概念也很有趣并且很有帮助。 我们的想法是,我们要竭尽所能。…

最重的东西可以携带? 恩怨。

我们认为我们必须不惜一切代价赢得辩论,这是人类状况的一个缺陷。 通常,这些“胜利”是以我们与最亲近的人(我们的妻子,孩子,父母和兄弟姐妹)的关系为代价的。 我们当中有多少人有一个愚蠢的长期分歧,演变成甚至是愚蠢的仇恨,而现在,最糟糕的是与亲人的怨恨,而您多年来没有与他们说话,因为您忘记了谁应该向谁和何时道歉? 我希望我可以说怨恨是更多教育可以解决的简单问题,但事实并非如此。 当分歧甚至根本没有达到怨恨状态时,怨恨最好被解决。 关系需要两个人,但长期或临时的关系只需要一个人就可以结束。 具有讽刺意味的是,自从我们彼此交谈以来已经过去了多年,我们每个人都无法准确描述为什么存在仇恨。 我们太容易工作了。 这些困难的情绪会引起脑雾,而我们常常甚至没有意识到。 “记忆并不是过去经验的准确记录。” 正如医学博士戈登·利文斯顿(Gordon Livingston)提醒我们的那样:“记忆并不是对过去经验的准确记录。”我们是记忆力很差的专家。 我们认为我们知道当我们实际上不知道时发生了什么。 您会发现这种误解可能会给我们的关系带来潜在的陷阱,尤其是与我们最亲密的关系。 当被问及自己的童年时,同一个父母的成年子女通常对发生的事情以及在他们成长期间的时间有完全不同的记忆。 因此,与这些记忆相关的情感也完全不同。 这些奇怪的分歧回忆并没有将它们拉近。 通常,它具有相反的效果。…

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。…