Vor etwa 40 Jahren haben Danny Kahneman und Amos Tversky einige wunderbare Entdeckungen gemacht. Sie identifizierten eine Reihe von Heuristiken, die Menschen nutzen – Verfügbarkeit, Repräsentativität, Verankerung und Anpassung, sogar Schlussfolgerungen aus kleinen Stichproben. Zuvor hatten Vordenker wie Karl Duncker und Alan Newell und Herb Simon die Bedeutung von Heuristiken diskutiert, aber Kahneman und Tversky identifizierten tatsächlich eine Reihe spezifischer Arten von Heuristiken, die wir allgemein anwenden, und dafür verdienen Kahneman und Tversky die Auszeichnungen und Preise, die sie erhalten haben.
Die Heuristik- und Biases-Gemeinschaft, die aus ihrer Arbeit hervorging, nahm jedoch einen unglücklichen Verlauf. Es hat Heuristiken mit Voreingenommenheiten gleichgesetzt. Der Begriff "Bias" kann Präferenz oder Prädisposition bedeuten, aber das primäre Verständnis ist, dass ein voreingenommenes Urteil nicht logisch oder gerechtfertigt ist. Diese Zusammenführung ergab einen gewissen Sinn, weil die von Kahneman und Tversky und anderen verwendete Forschungsmethodik demonstrieren sollte, dass Menschen Heuristiken verwenden, selbst wenn die Heuristiken zu ungenauen Beurteilungen führen. Die Studien zeigten daher, wie Heuristiken uns in die Irre führen können, aber diese Demonstration ist nicht dasselbe wie zu zeigen, dass wir ohne die Heuristiken besser dran wären. Ja, unter bestimmten Umständen, die Forscher entwerfen könnten, kommen uns die Heuristiken in die Quere. Aber es gibt viele andere Umstände, in denen die Heuristiken von unschätzbarem Wert sind.
Ich denke, dass die Heuristik & Biases Gemeinschaft einen unangemessenen Maßstab verwendet hat: die Genauigkeit der Heuristik im Vergleich zu formalen analytischen Methoden wie Wahrscheinlichkeitstheorie und Bayes'sche Statistik zu bewerten. Bayesianische Statistik wurde erst in den 1980er Jahren bekannt. Die Wahrscheinlichkeitstheorie wurde vor knapp über 200 Jahren von Laplace formuliert. Warum sollten wir erwarten, dass die von uns verwendeten gemeinsamen Heuristiken Formalismen wie der Bayes'schen Statistik und der Wahrscheinlichkeitstheorie entsprechen? Es ist so, als würde man versuchen, eine Suppe mit einer Gabel zu essen und dann die Gabel dafür verantwortlich machen, dass sie schlecht entworfen ist.
Betrachten Sie die Forschung von Lichtenstein et al. (1978) zeigen, dass Teilnehmer, typischerweise College-Studenten, ungenaue Vorstellungen über die Häufigkeiten verschiedener Todesursachen vertraten. Die Teilnehmer überschätzten sensationelle Ursachen wie Tornados, Überschwemmungen, Tötungsdelikte und Unfälle – die wahrscheinlich in den Medien verbreitet werden – und unterschätzten lautlose Killer, die wenig Aufmerksamkeit in den Medien erhielten, wie Asthma, Tuberkulose, Schlaganfall und Diabetes. Also, ja, die Teilnehmer waren ungenau, aber wie sollten sie die tatsächlichen Daten wissen? Hätten sie die Archive durchforsten und die Ergebnisse in Erinnerung behalten sollen? Was bedeutet es, die Teilnehmer der Voreingenommenheit dafür zu beschuldigen, mit den Medienberichten Schlange zu stehen? Ich stimme Lichtenstein et al zu. Diese falschen Annahmen werden sich auf die öffentliche Politik auswirken, was zu einer ineffizienten Mittelzuweisung für niederfrequente, aber dramatische Ursachen führen wird. Mein Problem ist, dass ich nicht sehe, was wir gewinnen, indem wir die Teilnehmer als voreingenommen bezeichnen, weil sie eine vernünftige, wenn auch begrenzte, Beurteilungsstrategie verwendet haben.
Heute sehen wir eine populäre Behauptung, dass Menschen irrational sind. Sogar Experten werden oft auf diese Art verleumdet, Teil von dem, was ich einen Krieg gegen Experten genannt habe.
Die Behauptung, dass Menschen von Natur aus irrational sind, macht wenig Sinn. Das Argument basiert auf einem unangemessenen Standard. Sicherlich sollten wir gegebenenfalls leistungsfähigere analytische und statistische Methoden verwenden (obwohl die Anwendung dieser Methoden nicht immer so einfach ist, wie es ihre Anhänger vorschlagen). Und wir sollten den Urteilen aus Intuition und Heuristiken nicht automatisch vertrauen. Es gibt jedoch mehr Entscheidungsfindung und Sinnstiftung als die Durchführung von Risikobewertungen.
Glücklicherweise gibt es einen besseren Maßstab für die Beurteilung von Heuristiken: Spekulatives Denken. Menschen haben nicht oft den Luxus, Urteile und Entscheidungen zu treffen, die durch klare und umfangreiche Daten gestützt werden. Wir müssen uns typischerweise strecken und Argumente aus Fragmenten zusammensetzen. Wir müssen eher spekulieren als analysieren. Ben Shneiderman bezeichnet diese Art der Argumentation als "Grenzdenken": Umgang mit unvollständigen, falschen und widersprüchlichen Informationen, um Entscheidungen zu treffen.
Und hier kommen Kahneman und Tverskys Heuristiken ins Spiel. Sie sind kognitive Werkzeuge, mit denen wir spekulieren. Wir machen spekulative Sprünge basierend auf kleinen Stichproben. Wir sind auf die Verfügbarkeit von Präzedenzfällen in unseren Erinnerungen angewiesen. Wir verwenden Schätzungen der Repräsentativität. Wir finden einen Anker und arbeiten von dort. Das nenne ich Positive Heuristiken. Sie sind Heuristiken, auf die wir angewiesen sind, um eine zweideutige Welt zu navigieren. Heuristiken, die uns keine perfekten Antworten geben, aber in Bereichen operieren können, in denen wir keine Perfektion haben können.
Sie sind keine Vorurteile, die uns irrational machen. Die positiven Heuristiken sind Stärken, die uns anpassungsfähig und erfolgreich machen.
Wir können zu dieser kleinen Menge positiver Heuristiken beitragen, indem wir zusätzliche Heuristiken verwenden, die andere Beurteilungsforscher aufgedeckt haben. Illusorische Korrelation bezieht sich auf unsere Neigung, Beziehungen zu sehen, die es nicht gibt, aber die positive Seite dieser Heuristik ist, dass wir schnell Verbindungen erkennen und Muster erkennen, ohne auf umfassende Datenmengen warten zu müssen. Die Simulationsheuristik, die Kahneman später beschrieb, ist ein wertvolles Mittel, um Diagnosen zu stellen und Konsequenzen zu imaginieren; Es ist ein zentraler Teil des von mir untersuchten Recognition-Primed Decision (RPD) -Modells. Die Affektheuristik ermöglicht es uns, emotionale Reaktionen zu nutzen, um Risiken und Nutzen schnell zu beurteilen.
Danny Kahneman scheint ambivalent in Bezug auf die Idee der positiven Heuristik. Er erklärte mir, dass seine Arbeit mit Tversky Heuristiken als mentale Abkürzungen behandelte und sich auf ihre Verbindlichkeiten konzentrierte. Auch Kahneman und Tversky betrachteten Heuristiken als unfreiwillige, unterbewusste Reaktionen, nicht als Werkzeuge, die wir absichtlich anwenden. Richtig, frühere Forscher wie Herbert Simon und George Polya hatten Heuristiken als bewusste Werkzeuge angesehen, aber Kahneman und Tversky beschlossen, diesem Gebrauch nicht zu folgen. Meine Reaktion ist, dass es mir egal ist, ob positive Heuristiken unbewusst oder absichtlich verwendet werden – wichtig ist, wie sie uns trotz Verwirrung helfen.
Stellen Sie sich vor, was passiert wäre, wenn die Forscher auf den frühen Entdeckungen von Kahneman und Tversky aufgebaut hätten, indem sie diesen unterschiedlichen Weg eingeschlagen hätten – und positive Heuristiken studiert hätten, um spekulatives Denken zu ermöglichen. Forscher könnten Heuristiken eher als Quelle der Stärke als als Quelle von Voreingenommenheit und Irrtum ansehen und könnten Heuristiken dadurch bewerten, wie gut sie uns spekulieren lassen und nicht, wie genau ihre Verwendung mit statistischen Analysen übereinstimmt.