Der Krieg gegen Experten

Es wird bewusst versucht, das Vertrauen in Experten zu verringern und das Fachwissen selbst in Frage zu stellen. Diese Bemühung fühlt sich in vielerlei Hinsicht an wie ein Krieg, der um intellektuellen Rasen, wissenschaftliche Glaubwürdigkeit, politischen und sogar wirtschaftlichen Gewinn geführt wird.

Ich bin jedoch der Ansicht, dass die meisten Behauptungen dieser Experten – Leugner irreführend sind und dass die Argumente dazu neigen, zu übertrieben zu sein. Aber diese Behauptungen und Argumente können nicht einfach ignoriert werden, weil sie etwas bewirken. Daher möchte ich die irreführenden Behauptungen und die übertriebenen Argumente widerlegen. Meine Kollegen und ich haben mehrere Widerlegungen vorbereitet: Ein Kapitel mit dem Titel "Der Krieg gegen Experten" (Klein et al., Im Druck) und ein kurzer Artikel (Klein et al., 2017) basierend auf diesem Kapitel. Im Rahmen des Human Factors and Ergonomics-Treffens im Oktober 2017 in Austin, Texas, werde ich auch einen Vortrag zum Thema War on Experts halten.

In diesem Aufsatz möchte ich kurz die Hauptthemen im Kapitel und im Artikel zusammenfassen.

Die fünf Gemeinschaften, die an diesem Krieg gegen Experten beteiligt sind, sind: Entscheidungsforschung, Heuristik und Bias (HB), Soziologie, evidenzbasierte Leistung und Informationstechnologie.

• Erschafft das Gehirn den Geist? Spekulation auf Bewusstsein
• Auf der Suche nach wirtschaftlicher Utopie, Teil 2
• Denke wie künstliche Intelligenz: Was hat sie gesagt?
• Der echte Turing-Test: Computerautismus heilen
• Wann sollten Sie Ihrem Darm vertrauen? Hier ist, was die Wissenschaft sagt

Quelle: Ben Shneiderman, mit Erlaubnis verwendet

Entscheidungsforschung . Die von dieser Gemeinschaft durchgeführten Primärstudien haben gezeigt, dass statistische Modelle die Experten übertreffen. Was jedoch oft vergessen wird, ist, dass die Variablen in den Formeln ursprünglich aus dem Rat von Experten abgeleitet wurden. Der Hauptvorteil der Formeln besteht darin, dass sie konsistent sind. Allerdings neigen die Formeln dazu, brüchig zu sein – wenn sie versagen, versagen sie kläglich. Und die Experimente neigen dazu, sorgfältig kontrolliert zu werden, um die unordentlichen Bedingungen zu vermeiden, mit denen sich Experten auseinandersetzen müssen, wie schlecht definierte Ziele, wechselnde Bedingungen, hohe Einsätze, Unklarheit über die Art und Zuverlässigkeit der Daten. Darüber hinaus konzentriert sich die Forschung in der Regel auf einzelne Maßnahmen und ignoriert Aspekte der Leistung, die mehrdeutig und schwer zu quantifizieren sind. Schließlich liegen die Vorteile der statistischen Methoden eher in geräuschvollen und komplexen Situationen, in denen die Ergebnisse nicht sehr genau sind, auch wenn sie etwas besser sind als die Expertenurteile.

Heuristiken und Biases (HB) . Kahneman & Tversky (Tversky & Kahneman, 1974; Kahneman, 2011) zeigten, dass Menschen, selbst Experten, Opfer von Urteilsverzerrungen werden. Die meisten der HB-Forschung ist jedoch mit College-Studenten durchführen künstliche, unbekannte Aufgaben, ohne Kontext, um sie zu führen. Wenn Forscher einen sinnvollen Kontext verwenden, nehmen die Ermessensverzerrungen in der Regel ab. Und außerdem sind die Heuristiken in der Regel hilfreich, worauf Kahneman und Tversky selbst hingewiesen haben.

Soziologie . Mitglieder dieser Gemeinschaft behaupten, dass Fachwissen eine Funktion der Gemeinschaft und der Artefakte ist, die die Aufgabe umgeben, und beziehen sich auf "situierte Wahrnehmung" und "verteilte Wahrnehmung". Die Experten-Leugner argumentieren, dass Expertenwissen sozial konstruiert ist und keine Funktion ist von individuellem Wissen. Natürlich spielen Team- und Situationsfaktoren eine Rolle bei der Leistung von Experten, aber diese extreme Position scheint unhaltbar – ersetzen Sie die Experten in einem Team durch Gesellen und sehen Sie, wie die Gesamtleistung leidet.

• Unsterblichkeit – Wer wird es bekommen und wer nicht?
• Mundus Novus (Die neue Welt)
• Wie wir unseren Weg aus einer Albtraum-Zukunft finden
• Spitzenforschung zeigt, dass Liebe uns umgibt
• Vorhersagen für 2018 und darüber hinaus

Evidenzbasierte Leistung . Die Idee hier ist, dass Fachleute, wie Ärzte, ihre Diagnosen und Rechtsmittel auf wissenschaftliche Beweise stützen sollten, anstatt sich auf ihre eigenen Urteile zu verlassen. Offensichtlich haben zu viele Quacksalbereien und ungerechtfertigter Aberglaube an Popularität gewonnen, und kontrollierte Experimente haben dazu beigetragen, diese zu beseitigen. Jedoch sind wissenschaftlich validierte Best Practices kein Ersatz für fachmännisches Urteilsvermögen, das notwendig ist, um das Vertrauen in die Beweise zu bewerten, Pläne zu revidieren, die nicht funktionieren, und einfache Regeln auf komplexe Situationen anzuwenden. In der Medizin stellen die Patienten häufig mehrere Zustände gleichzeitig dar, während sich die Beweise normalerweise auf die eine oder andere Bedingung beziehen.

Informationstechnologie . Künstliche Intelligenz, Automatisierung und Big Data haben jeweils behauptet, Experten ersetzen zu können. Jeder dieser Ansprüche ist jedoch unberechtigt. Beginnen wir mit AI. Intelligente Systeme sollten in der Lage sein, Wettervorhersagen besser (und billiger) zu machen als Menschen, aber die Statistiken zeigen, dass menschliche Prognostiker die Maschinenvorhersagen um etwa 25% verbessern, ein Effekt, der im Laufe der Zeit konstant geblieben ist. KI-Erfolge wurden in Spielen wie Schach, Go und Jeopardy erzielt – Spiele, die gut strukturiert sind, mit eindeutigen Referenzen und definitiv richtigen Lösungen. Entscheidungsträger stehen jedoch vor ungelenken Problemen mit unklaren Zielen in mehrdeutigen und dynamischen Situationen, Bedingungen, die jenseits der KI-Systeme liegen. Wie Ben Shneiderman und ich in einem früheren Essay festgestellt haben, sind Menschen in der Lage, Grenzdenken, soziales Engagement und Verantwortung für Handlungen zu entwickeln. Als nächstes betrachten wir die Automatisierung, die durch den Abbau von Arbeitsplätzen Geld sparen soll. Fallstudien zeigen jedoch, dass Automatisierung in der Regel von mehr Experten abhängig ist, um die Systeme zu entwerfen und sie auf dem neuesten Stand zu halten. Darüber hinaus ist die Automatisierung oft schlecht konzipiert und schafft neue Arten von kognitiver Arbeit für die Betreiber. Schließlich können Big-Data-Ansätze weitaus mehr Datensätze und Sensoreingaben durchsuchen als jeder Mensch, aber diese Algorithmen sind anfällig für Muster, in denen es keine wirklich gibt. Googles FluTrends-Projekt wurde als eine Erfolgsgeschichte veröffentlicht, scheiterte jedoch anschließend so stark, dass es aus dem Gebrauch genommen wurde. Big Data-Algorithmen folgen historischen Trends, können aber Abweichungen von diesen Trends übersehen. Darüber hinaus können Experten ihre Erwartungen nutzen, um fehlende Ereignisse zu identifizieren, die sehr wichtig sein können, aber Big Data-Ansätze sind sich der Abwesenheit von Daten und Ereignissen nicht bewusst.

Daher stellt keine dieser Gemeinschaften eine legitime Bedrohung für Fachwissen dar. Unangefochten können die Übertreibungen und Verwirrungen, die hinter diesen Behauptungen stehen, zu einer Abwärtsspirale führen, in der Experten entlassen werden. Natürlich müssen wir von den Kritiken jeder dieser Gemeinschaften lernen. Wir müssen ihre Beiträge und Fähigkeiten würdigen, um über die gegenteilige Haltung jeder Gemeinschaft hinauszugehen. Idealerweise werden wir in der Lage sein, einen Geist der Zusammenarbeit zu fördern, in dem ihre positiven Erkenntnisse und Techniken dazu genutzt werden können, die Arbeit von Experten zu stärken.