delkurs 1 Flashcards

1
Q

Search inference framework + komponenter

A

En beslutsprocess som innehåller följande komponenter:

  • mål
  • alternativ (possibilities)
  • evidens
  • slutledningar (-ar) (inferences): på basis av evidens utvärdera/rangordna alternativ i relation till mål
  • sökningar efter mål, alternativ, evidens
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Instrumentell rationalitet

A

Konsten att välja och genomföra handlingar som leder till måluppfyllelse (eller i riktning mot målet)
- teorin om förväntad nytta (expected utility)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Epistemisk rationalitet

A

Konsten att uppnå uppfattningar (beliefs) som överensstämmer med verkligheten

  • deduktion (baserat på logik)
  • induktion (sannolikhetsteorin, Bayes teorem)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Vetenskapliga modeller: normativa, deskriptiva samt preskriptiva

A

Normativa: hur bör vi fatta beslut?
- optimering
- typiskt inom ex. ekonomivetenskap (teorin om förväntad nytta)
Deskriptiva: hur vi faktiskt fattar beslut
- typiskt inom psykologi
- normativa modeller används som jämförelsepunkt
Preskriptiva: hur vi kan förbättra vårt beslutsfattande
- “debiasing”, ex. genom träning/utbildning
- beslutsarkitektur, ex. “nudging”

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Beslut = ?

A

“commitment to a course of action”

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Beslutsprocessen innehåller:

A

mål, alternativ, evidens, slutledning(-ar), och (i varierande utsträckning) sökning(-ar) efter mål, alternativ, evidens

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Slutledning:

A

På basis av evidens utvärdera/rangordna alternativ i relation till mål
Slutledning bygger på bedömning + prediktion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Bedömningsheuristiker;

A
  • mentala genvägar för att lösa sannolikhetsproblem
  • ofta automatiska och omedvetna (system 1), sparar tid + ansträngning
  • leder oftast till bra (eller tillräckligt bra) slutledningar, men kan ge upphov till systematiska felbedömningar (bias)
  • grundheuristiker: representativitet, tillgänglihet, affekt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Affektheuristiken:

A
  • “vad tror/tycker jag om detta?” ersätts med den lättare (heuristiska) frågan “hur känner jag inför detta?”
  • positiv känsla -> förknippar alternativet med fler fördelar, färre nackdelar, och lägre risk (ev. trade-offs tonas ned)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Igenkänningsheuristiken:

A
  • ex “vilken av städerna är störst?” ersätts med den lättare (heuristiska) frågan “vilken av städerna känner jag igen namnet på?”
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Förankring:

A
  • vi utgår från ett ingångsvärde (ett “ankare”) och justerar sedan iväg från detta, dock oftast otillräckligt
  • INTE en heuristik
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Informativa förankringspunkter:

A
  • ex.: begärt huspris vs. verkligt värde på huset, ex.: nuvarande ljudnivå vs. rimlig ljudnivå
  • system 2 ansvarar för både förankring och justering
  • bias uppstår pga otillräcklig justering från ingångsvärdet/ankaret
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Icke-informativa förankringspunkter:

A
  • irrelevanta/extrema/orealistiska
  • ex.: roulette vs. antal afrikanska FN-stater, ex.: personnummer vs. pris på vinflaska, ex.: Gandhi 145 år gammal vs. verklig ålder
  • förankring sker genom system 1 (även om man avfärdar ankaret/ingångsvärdet så ligger det omedvetet kvar som ankare)
  • slutbedömningen kan vara resultat av priming (system 1)
  • bias uppstår i så fall enbart pga irrationell förankring
  • men ibland kan processen troligen likna den för informativa ingångsvärden/ankare (mer system 2-processer)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Intuitiv prediktionsprocess (system 1)

A

1 - söker efter kausalt samband mellan A (evidensen = läsförmåga som barn) och B (kriteriet = slutbetyg), kan vara direkt (A-B) eller indirekt (C-A, C-B), när samband identifieras konstrueras automatiskt “bästa möjliga story”, men C kan ex. vara akademisk talang = orsakar både A och B
2 - hur extremt är A jämfört med “normen”? (i rangordning av ex. högt/lågt, dåligt/bra)
3 - substitution & styrkematchning: svaret på den enklare frågan (hur extremt är A?) sätts in som svar på den svårare frågan (hur extremt kommer B att bli?)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Tygling av intuitiva prediktioner (system 2)

A

1 - vad är en rimlig baseline? (ex. genomsnittligt slutbetyg i gymnasiet)
2 - baserat på evidensen, vad säger intuitionen? (baserat på den tidiga läsförmågan - vad gissar du på i slutbetyg?)
3 - hur starkt är sambandet mellan den variabel som sall prediceras (slutbetyget) och den variabel som utgör evidensen (läsförmåga)? (alltså - i vilken utsträckning orsakas de av samma faktorer? ex. 30% = 0,3 korrelation)
4 - om korrelationen är 0,3, förflytta dig då 30% av distansen från baseline i riktning mot ditt intuitiva svar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Validitetsillusionen:

A

Även i situationer där vi vet (ex. genom feedback) att vi faktiskt inte har någon bra grund för att predicera framtida utfallså har vi svårt att skaka av oss känslan av att de ledtrådar vi iakttar är valida prediktorer

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Skicklighetsillusionen.

A
  • vi tror att vi är bra på predicera även om vi faktiskt inte predicerar bättre än slump
  • tar cred för lyckade prediktioner och bortförklarar misslyckade prediktioner
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Nödvändiga förutsättningar för expertis skall kunna uppstå:

A

1 - en miljö/domän som är tillräckligt regelbunden för prediktabilitet; ex. väder (meterologer), schack, brandsläckning, EJ aktier, uppfyller ej krav ovan, intuition ej att lita på
2 - tillfälle att lära sig regelbundenheter genom långvarig träning, ex. feedback (frekvent och rättvisande sådan) är nödvändig!
Expertis är ofta ekvivalent med mönsterigenkänning!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Affective forecasting:

A
  • vi är bra på att predicera om en händelse kommer att framkalla positiva/negativa känslor
  • men mindre bra på predicera styrka och (framför allt) varaktighet
  • impact bias: vi överskattar ofta hur starkt vi kommer att känna och hur länge känslan kommer att bestå; ex. cool bil, amputation, oplanerad graviditet, även etiska problem ex. vad som gäller önskemål inför livets slut
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Möjliga orsaker till impact bias:

A
  • fokalism: vi zoomar in på den enskilda händelsen och bortser från andra faktorer som kan komma att påverka vårt mående, i experiment kan impact bias minskas om man instruerar deltagare att beakta sådana andra faktorer
  • vi underskattar hur snabbt vi lyckas normalisera en händelse, ex. oväntat VG på tentan
21
Q

Peak-end rule:

A
  • vi bedömer i efterhand en upplevelse främst på basis av hur vi kände oss när upplevelsen var som mest intensiv och hur vi kände oss vid slutet, ex. semester, koloskopi
  • kan påverka våra prediktioner av liknande händelser i framtiden (och våra val)
22
Q

Hindsight bias:

A
  • människors tendens att överskatta hur förutsägbar en händelse var
23
Q

Varför kan hindsight bias vara ett problem?

A
  • vi tror vi kan predicera framtiden bättre än vad vi faktiskt kan
  • vi lär oss inte att vara förberedda på överraskande händelser
24
Q

Creeping determinism

A
  • Fischoff refererade till hindsight bias som en form av determinism
  • determinism = ett utfall är oundvikligt givet vissa omständigheter
  • krypande/creeping determinism: när vi vet att ett visst utfall ägt rum verkar det relativt mer oundvikligt
25
Q

Minnesteori SARA: Selective Activation Reconstruction and

Ancoring:

A
  • Ger en ökad aktivering av viss minnesinformation
    t.ex.: presidenter brukar vara äldre, Nelson Mandela var gråhårig när han blev invald
  • Den information som stämmer med det korrekta
    svaret blir mer aktiverad och är sedan lättare att
    komma ihåg när personen ombeds att gå tillbaka
    och göra en efterhandskonstruktion av hur
    sannolikt något var
26
Q

Kausal modellteori:

A

Försöker förklara varför personer uppvisar
hindsight bias i hypotetiska-scenario-paradigmet:
1 - Letar i berättelsen efter orsaker till
varför utfallet blev som det blev.
Tex. Gurkhas vann för att de
använde sig av gerillateknik
2 - Bygger ett kausalt ramverk för att
förstå utfallet
3 - Utfallet verkar mer oundvikligt

27
Q

Motivationella teorier (minne + hindsight bias):

A
  • En del av effekten beror på motivationella orsaker.
    Dock ger dessa mindre effekt än de kognitiva
    orsakerna som vi precis gått igenom
  • Man vill framstå som en kunnig person
  • Man vill känna att man är har kontroll över
    händelser
  • Även vår motivation att vilja förstå överraskande
    händelser påverkar
28
Q

Reverse hindsight bias:

A
  • Sker i väldigt specifika scenarier som upplevs som
    extrema och överraskande händelser
  • Sannolikheten är mycket låg
  • Det kausala ramverket indikerar på något som inte
    faller ut
29
Q

Epistemic egocentric bias:

A
  • Misslyckande med theory of mind = förmågan att
    veta och förstå att andra personer förstår saker
    annorlunda och kan ha andra perspektiv än en själv
  • Epistemic ego centric bias eller Curse of knowledge
    = Man underskattar att andra kan ha en förståelse
    som inte stämmer överens med hur världen är
    beskaffad
30
Q

Teststrategier (hypotestestning):

A

Positiv teststrategi:
- Det vi är mest benägna att ägna oss åt
• Man testar en hypotes genom att undersöka i vilka instanser händelsen eller egenskapen förväntas inträffa
• T.ex vi letar efter svarta korpar
• Kan leda till konfirmeringsbias
Negativ teststrategi
• Man letar efter instanser när händelsen eller
egenskapen inte inträffar
• Popper: Det som säger mest om en hypotes och det vetenskapen borde ägna sig åt
• T.ex. Vi letar efter en gul korp
• Dock svårare för oss att göra, både i vardagen och vetenskapligt

31
Q

Confirmation bias:

A

• Studie vid Standfords Universitet
• Deltagare som var för eller emot dödstraff fick läsa om studier som talade för och emot dödstraff
• Deltagare som var för dödstraff skattade studier
som talade för dödsstraff som ”bättre” och mer
övertygande studier samt vice versa

32
Q

Varför är konfirmeringsbias ett problem?

A

• Begränsar vår förmåga att tolka information
• Som mycket annat: inte nödvändigtvis något stort
problem i vardagen, men kan få ödesdigra
konsekvenser i många sammanhang, t.ex.
• Brottsutredningar där polisen överskattar information som pekar mot en misstänkt och bortser från friande information
• Läkare kan ställa fel diagnos då de tar till sig mer avinformation som stammer överrens med deras
initiala hypotes och bortser från information som
motsäger denna

33
Q

Metoder för att studera

överkonfidens:

A
  • Överprecision
  • Överestimering
  • Överplacering
34
Q

Överprecision:

A

• Vi är säkra på att våra bedömningar eller beslut är
korrekta = vi lyckas fånga det sanna värdet
• Vi är ovilliga att testa våra antaganden
• Avvisande mot bevis som talar emot våra antaganden
• Kan leda till att vi blir väldigt säkra på att vi känner till
sanningen

35
Q

Konsekvenser av överprecision:

A

• Om vi tror att vi är mer korrekta än vad vi är så kommer
vi inte väga råd från andra personer lika väl
• Naive realism = Sättet på vilket vi själva ser världen är
det enda förnuftiga och legitima sättet att se på världen
• Människor som inte delar vårt sett att se på saker är
antingen ignoranta (okunniga) eller elaka

36
Q

Möjliga orsaker till överprecision:

A
  • Får oss att känna oss säkra på oss själva
  • Får andra att känna sig säkra = ser oss som trovärdiga
  • En biprodukt av andra kognitiva processer till exempel konfirmeringsbias
  • Experiment som fått människor att överväga alternativ till sin ståndpunkt har gjort deras bedömningar något mer realistiska
37
Q

Motverka överprecision:

A

• Man tvingar människor att tänka kring alternativa
tolkningar och hypoteser (Koriat, Lichtenstein &
Fischhoff, 1980).
• Tänka kring varför ”man kanske kan ha fel” i sin
bedömning (Haran, Moore and Morewedge, 2010).

38
Q

Överestimering:

A

• Vi tror att vi är bättre, smartare, snabbare och mer
kapabla än vad vi faktiskt är
• Detta leder till att överskattar hur mycket vi har
åstadkommit eller kommer att åstadkomma, hur väl vi presterat eller kommer att prestera
• Sker ofta vid svåra uppgifter

39
Q

Underkonfidens, perfekt realism och

överkonfidens:

A

• Underkonfidens:
Jag är 70% säker på att jag svarat rätt har svarat rätt på 90%
• Perfekt realism/perfekt kalibrering:
Jag är 40% säker på att jag svarat rätt har svarat rätt på 40%
• Överkonfidens
Jag är 100% säker på att jag svarat rätt har svarat rätt på 70%

40
Q

Konfidensbedömningar vid

vittneskonfrontationer:

A

• Vanligt att vittnen efter ett utpekande blir ombedda att
ange hur säkra de är på sin sak, ses ofta som användbar
information i bedömningen av vittnets prestation
• Stor risk att feedback (mer eller mindre subtil) påverkan
på vittnets konfidens = viktigt med blind administratör
• Vittnen generellt överkonfidenta
• Mycket svag korrelation mellan konfidens och korrekthet
= vi är dåligt kalibrerade
• Ett snabbt utpekande i kombination med hög konfidens
kan dock vara ett bra riktmärke

41
Q

Överkonfidens i olika kontexter:

A

• Så väl för minne för kunskap som minne för händelser
• Experter uppvisar överkonfidens i sina bedömningar
inom sina domäner och yrken

42
Q

Self-enhancement effect:

A

• Vi överskattar våra prestationer och talanger
• Vi föredrar att se på oss själva i ett positivt ljus snarare
än att ha en mer realistisk eller negativ självbild
• Vi tror att vi har mer av önskvärda egenskaper så som
vänlighet än icke-önskvärda egenskaper så som bitterhet

43
Q

Illusion of control:

A

• Vi tror att vi har mer kontroll över en händelse än vad vi
har
• Detta gäller dock när den faktiska kontrollen är relativt
låg som vid lotteri och liknande. Många tänker att det
ökar chansen att få välja sina egna lottonummer
• OBS! När den faktiska kontrollen är hög så tenderar vi
att underestimera vår grad av kontroll
• T.ex. människor vägrar att genomgå medicinska
kontrollrutiner som kan påvisa cancer –här kan vi
åtminstone delvis kontrollera vissa av konsekvenserna av
en möjlig cancerdiagnos.

44
Q

Planning fallacy:

A

• Vi överestimerar hur snabbt vi kommer att göra färdigt
ett projekt eller en uppgift. Vi underestimerar alltså hur
lång tid vi behöver
• Används även ibland för att beskriva underestimeringen
av budget till ett projekt
• Sker oftast när vi planerar stora komplexa projekt där
många saker kan hända som är svåra att förutsäga innan.
• T.ex. Många byggprojekt är glädjekalkyler på flera sätt -
planning fallacy uppstår även när de inte finns
projektledare som säljer in glädjekalkyler
• Obs! Vi kan också underestimera hur snabbt vi kommer
att göra färdigt ett projekt -det sker när uppgiften är
mycket lätt!

45
Q

Undvika the planning fallacy:

A

• Utgå från hur lång tid tidigare projekt har tagit och
använd som referens
• Var pessimistisk! Räkna med faktor 3. T.ex. jag tror att
det ska ta 10 timmar = 30 timmar.
• Be någon annan titta på din projektplan och ge sina
ärliga åsikter!

46
Q

Optimism:

A
• En egenskap som vi kan ha mer eller mindre av som 
människor
• Optimister:
 - Är mer populära 
 - Klarar av motgångar bättre
 - Mindre risk för depression
 - Har bättre hälsa och immunsystem
47
Q

Optimism bias:

A

• Tendensen att överskatta sin ljusa framtid
• Uppskattar:
- Högre sannolikhet för positiva händelser (t.ex. kommer bli mer ekonomiskt framgångsrik) -> bättre självkänsla och välbefinnande
- Lägre sannolikhet för negativa händelser (t.ex. lägre risk att råka ut för brott) -> tar risker och skyddar sig inte

48
Q

Overplacement:

A

• Tendensen att tro att vi presenterar bättre än andra
människor inom en rad olika domäner
• Vi tror att vi är bättre än andra människor i våra
prestationer och bedömningar
• The above average effect: Vi tror att vi är bättre än
medelpersonen.
• 93% av amerikanska bilister rapporterade att de var
bättre än medelamerikanen på att köra bil (Svensson,
1981)
• En vanlig effekt vid önskvärda egenskaper

49
Q

Underplacement:

A
  • Vi tror att vi presterar sämre jämfört med andra
  • Sker det någonsin?
  • Ja, vid svåra uppgifter