Government & Behaviour
Week 1
Tversky & Kahneman (1974) - Judgment under Uncertainty:
Heuristics and Biases
Dit artikel laat zien dat mensen slechts een paar heuristieke principes
gebruiken om complexe taken te versimpelen zoals het inschatten van
kansen. Heuristieke principes zijn een soort vuistregels. Bv hoe waziger een
object, hoe verder weg het is. Maar deze vuistregels zijn niet waterdicht.
Wanneer het bijvoorbeeld mistig is, klopt deze regel niet meer. Dit artikel
beschrijft 3 vuistregels.
Representativiteit
Insensitivity to prior probability: Voorbeeld: - Je krijgt een beschrijving
van Steve. Hij is erg verlegen, terughoudend, behulpzaam maar toont
weinig interesse in de realiteit. Zal Steve eerder een bibliothecaris of
een verkoper zijn? - Heuristiek zal zeggen dat hij eerder een
bibliothecaris zal zijn, omdat hij goed in dat stereotype past. Maar dit is
helemaal niet waarschijnlijker, aangezien er veel meer mannen
verkopers zijn dan bibliothecarissen. Wanneer mensen dus oordelen
aan de hand van representativiteit (stereotypen), zullen ze de
daadwerkelijke kansen negeren.
Government & Behaviour 1
, Insensitivity to sample size: Voorbeeld: - De kans dat een jongen of
meisje wordt geboren is 50-50. Een regio heeft 2 ziekenhuizen.
Ziekenhuis A brengt elke dag 40 baby’s ter wereld, en ziekenhuis B elke
dag 5. Op een dag was 60% van de baby’s geboren die dag een jongen.
Bij welk ziekenhuis was dat? A of B? - De resultaten waren om en nabij
het zelfde, en mensen hielden dus geen rekening met de grootte van de
steekproef. Met meer geboortes zal de geslachtsverdeling veel
representatiever zijn van het gemiddelde (namelijk 50-50).
Misconceptions of chance: Mensen verwachten dat een sequentie dat
willekeurig lijkt logischer is (en dus meer kans heeft) dan een sequentie
dat onwillekeurig blijkt. Bijvoorbeeld als er op de roulette tafel al 8x rood
is geweest, gokken mensen de kans hoger dat er nu zwart komt terwijl
het nog steeds 50-50 is. De kans op RRRRZ is even hoog als RRRRR.
Insensitivity to predictability: Wanneer mensen een voorspelling moeten
doen bijvoorbeeld over de toekomst van een bedrijf, dan zullen zij dat
volledig baseren op de kleine beschrijving die ze hadden gekregen.
Wanneer het bedrijf het daar iets boven gemiddeld goed deed, zullen ze
over 5 jaar iets boven gemiddeld goed presteren.
The illusion of validity: Mensen zijn zeer zelfverzekerd over hun
voorspellingen wanneer de representativiteit meer overeen komt. Dus
denk aan het bibliothecaris voorbeeld: hoe extremer iemand in het
stereotype past, hoe meer overtuigd mensen zijn dat ze het goed
hebben. Zelfs als deze beschrijving duidelijk onbetrouwbaar is (bv
gegeven door een kind van 5).
Misconceptions of regression: Er is altijd een regressie naar het
gemiddelde. Wanneer een speerwerper gooi 1 heel goed doet, zal gooi
2 vaak minder goed zijn en andersom. Vaak voorspellen mensen echter
dat wanneer iemand het heel goed doet, het telkens nog beter blijft
gaan. Zie insensitivity to predictability
Availability
Bias due to the retrievability of instances: Mensen hun oordeel over de
grootte van een groep wordt beinvloed door de mate waarin ze
voorbeelden uit die groep kunnen noemen. Mensen kregen bv een lijst
Government & Behaviour 2
, namen van bekende personen waarvan de helft man en de helft vrouw
was. Maar de vrouwen waren net iets bekender dan de mannen.
Wanneer er gevraagd werd of de lijst meer mannelijke of vrouwelijke
namen bevatte, antwoorden de mensen altijd de geslachtsgroep die het
makkelijkste voor de geest te halen was.
Bias due to the effectiveness of a search set: Mensen beoordelen de
fequentie van iets op basis van hoe makkelijk het is om voorbeelden
ervan te bedenken. Bv als je wil weten of er meer woorden zijn met de
letter R op de eerste plek vs de letter R op de 3e plek in het woord, gaan
mensen zelf woorden opnoemen die ze kunnen bedenken. Maar het is
natuurlijk veel makkelijker om woorden te bedenken die beginnen met
de R dan die R op de derde plek hebben. Dus zullen ze inschatten dat er
meer woorden zijn die de letter R op de eerste plek hebben.
Bias of imaginability: Wanneer we ons iets makkelijk voor kunnen
stellen (omdat we de ervaring hebben meegemaakt oid), zul je de kans
ervan hoger inschatten.
Illusory correlation: We willen graag verbanden zien, ookal zijn ze er
niet. Denk bijvoorbeeld aan waarzegsters: Wanneer zij een voorspelling
doet, zul je bij heel veel gebeurtenissen denken ‘oja, dat zei ze’, terwijl
dat geen direct verband is
Adjustment and Anchoring
Insufficient adjustment: Wanneer mensen een inschatting moeten
maken van iets, blijven ze altijd graag dichtbij het al gegeven nummer.
Voorbeeld: Mensen moesten inschatten hoeveel procent van de VN
bestond uit Afrikaanse landen. Er werd een ‘wheel of fortune’ gedraaid
(die zo ingesteld was dat hij alleen op 10 en 65 kon komen), en dan
moesten de proefpersonen zeggen of het percentage hoger of lager
was dan het wheel of fortune getal, en wat het daadwerkelijke
percentage dan was. Mensen bleken met hun inschatting dichtbij het
getal van het rad te blijven, terwijl deze letterlijk niks ermee te maken
heeft. Dus wanneer er 10 uitkwam, gokten zij 25%, en wanneer er 65
uitkwam, gokten zij 45%.
Government & Behaviour 3
