سوگیری نرخ پایه چیست؟

ما اغلب به جای اطلاعات آماری کلی که به آن نرخ پایه گفته می‌شود، به اطلاعات خاصی که درباره یک فرد یا رویداد خاص است، اهمیت بیشتری می‌دهیم. این پدیده به «سوگیری نرخ پایه» یا «غفلت از نرخ پایه» معروف است.

این سوگیری کجا رخ می‌دهد؟

اگر تا به حال دانشجو بوده‌اید، احتمالا می‌دانید که کلیشه‌های خاصی به رشته‌های مختلف تحصیلی نسبت داده می‌شود. برای مثال، دانشجویان مهندسی معمولا سخت‌کوش اما مغرور، دانشجویان تجارت خودشیفته و بی‌تفاوت، و دانشجویان هنر فعال و با سبک لباس خاص تصور می‌شوند. این کلیشه‌ها تعمیم‌های گسترده‌ای هستند که اغلب بسیار نادرست‌اند. با این حال، آن‌ها اغلب برای پیش‌بینی رفتار افراد استفاده می‌شوند.

دانشمندان شناختی معروف، دنیل کانمن و آموس تفسری، آزمایشی انجام دادند که در آن به شرکت‌کنندگان یک توصیف شخصیتی از یک دانشجوی تحصیلات تکمیلی خیالی به نام تام دبلیو داده شد. به آن‌ها لیستی از نه رشته تحصیلی تحصیلات تکمیلی داده شد و از آن‌ها خواسته شد تا آن‌ها را بر اساس احتمال اینکه تام دبلیو در آن رشته تحصیل می‌کند، رتبه‌بندی کنند. در آن زمان، تعداد بسیار بیشتری از دانشجویان در رشته‌های آموزش و علوم انسانی نسبت به علوم کامپیوتر ثبت نام کرده بودند. با این حال، 95 درصد از شرکت‌کنندگان گفتند که احتمال بیشتری وجود دارد که تام دبلیو در رشته کامپیوتر نسبت به آموزش یا علوم انسانی تحصیل کند. پیش‌بینی‌های آن‌ها صرفا بر اساس توصیف شخصیتی - اطلاعات خاص - و بدون توجه به اطلاعات نرخ پایه انجام شد.

به همان اندازه که ممکن است یک نفر در کلاس تاریخ شما شبیه یک دانشجوی پزشکی به نظر برسد و رفتار کند، احتمال اینکه آن‌ها واقعاً پزشکی بخوانند بسیار کم است. معمولا فقط حدود صد نفر در این برنامه ثبت نام می‌کنند، در مقایسه با هزاران دانشجویی که در رشته‌های دیگر مانند مدیریت یا علوم ثبت نام کرده‌اند. قضاوت‌های سریع در مورد افراد آسان است، زیرا اطلاعات خاص اغلب بر اطلاعات نرخ پایه غلبه می‌کند.

اثرات فردی سوگیری نرخ پایه

سوگیری نرخ پایه می‌تواند ما را به قضاوت‌های نادرست احتمالی در بسیاری از جنبه‌های زندگی‌مان سوق دهد. همانطور که کانمن و تفسری در مثال قبلی نشان دادند، این سوگیری باعث می‌شود تا بر اساس برداشت‌های اولیه خود از افراد، در مورد آن‌ها به نتیجه‌گیری عجولانه برسیم. این می‌تواند منجر به ایجاد تصورات از پیش ساخته شده در مورد افراد و تقویت کلیشه‌های بالقوه مضر شود.

این مغالطه همچنین می‌تواند بر تصمیمات مالی ما تأثیر بگذارد، زیرا ما را به واکنش بیش از حد به تغییرات گذرا در سرمایه‌گذاری‌هایمان سوق می‌دهد. اگر آمار نرخ پایه رشد ثابت را نشان می‌دهد، احتمالاً هرگونه شکست موقتی است و اوضاع به حالت عادی باز خواهد گشت. با این حال، اگر اطلاعات نرخ پایه را نادیده بگیریم، ممکن است تمایل به فروش داشته باشیم، زیرا ممکن است پیش‌بینی کنیم که ارزش سهام ما همچنان کاهش خواهد یافت.

اثرات سیستمیک

اثرات فردی سوگیری نرخ پایه می‌تواند هنگام قضاوت در مورد احتمال در مورد دیگران، مانند تشخیص بیمار توسط پزشک، به چالش‌های قابل توجهی تبدیل شود. کانمن و تفسری در کتاب خود در سال 1982 با عنوان «قضاوت تحت عدم قطعیت: اکتشافات و سوگیری‌ها» آزمایشی را ذکر کردند که در آن به شرکت‌کنندگان سناریوی زیر ارائه شد: «اگر آزمونی برای تشخیص بیماری که شیوع آن 1/1000 است دارای نرخ مثبت کاذب 5٪ باشد، چه احتمالی وجود دارد که فردی که نتیجه مثبت داشته باشد واقعاً به این بیماری مبتلا باشد، با فرض اینکه شما هیچ چیز درباره علائم یا نشانه‌های فرد نمی‌دانید؟»

نیمی از شرکت‌کنندگان پاسخ 95 درصد دادند، میانگین پاسخ 56 درصد بود و تنها تعداد کمی از شرکت‌کنندگان پاسخ صحیح را دادند: 2 درصد. اگرچه شرکت‌کنندگان در این مطالعه خود پزشک نبودند، اما این مثال نشان می‌دهد که درک نرخ پایه توسط متخصصان پزشکی چقدر مهم است تا مرتکب این مغالطه نشوند. فراموش کردن در نظر گرفتن اطلاعات نرخ پایه می‌تواند تأثیر قابل توجهی بر سلامت روان بیمار داشته باشد و ممکن است از بررسی سایر علل احتمالی توسط پزشکان جلوگیری کند، زیرا شانس 95 درصد بسیار قطعی به نظر می‌رسد.

تأثیر آن بر محصول

سوگیری نرخ پایه در هنگام خرید آنلاین وارد عمل می‌شود. ما ممکن است بیشتر تمایل داشته باشیم که یک محصول را بر اساس یک بررسی دقیق که با ما همخوانی دارد خریداری کنیم تا اینکه بر اساس رتبه‌بندی کلی آن.

تصور کنید که در شبکه‌های اجتماعی در حال اسکرول هستید و با تأثیرگذار مورد علاقه خود مواجه می‌شوید که یک محصول مراقبت از پوست را تبلیغ می‌کند. ممکن است به پست آن‌ها به عنوان مدرکی مبنی بر کارایی محصول اعتماد کنیم - بالاخره، مواد تشکیل‌دهنده آن «کاملاً طبیعی» هستند و صورت آن‌ها درخشان است! در همین حال، ممکن است بررسی دو ستاره محصول در آمازون یا این واقعیت را که فروش آن بلافاصله پس از عرضه کاهش یافته است نادیده بگیریم. به عبارت ساده، آن یک بررسی در ذهن ما می‌ماند زیرا اطلاعات فردی است. اما بررسی‌های کلی از ذهن ما خارج می‌شوند زیرا آن‌ها اطلاعات نرخ پایه فردی هستند و خرید ما را گمراه می‌کنند.

سوگیری نرخ پایه و هوش مصنوعی

با افزایش محبوبیت هوش مصنوعی، اجتناب از بحث‌های پرشور درباره مفید بودن آن غیرممکن است. ممکن است بسته به شهادت دیگران، صرف نظر از شواهد آماری در مورد عملکرد واقعی نرم افزار، تصمیم بگیریم که یادگیری ماشینی را بپذیریم یا رد کنیم. به عنوان مثال، شنیدن تعریف یک همکار از اینکه چگونه ChatGPT به او در نوشتن یک پیشنهاد پروژه کمک کرده است، ممکن است باعث شود آن را به عنوان یک ابزار نوشتن عالی در نظر بگیریم، حتی اگر اطلاعات نرخ پایه نشان دهد که این همیشه درست نیست. در همین حال، غر زدن یک خویشاوند بدبین در مورد نگرانی‌های اخلاقی هوش مصنوعی ممکن است باعث شود شواهدی را که خلاف آن را ثابت می‌کند نادیده بگیریم.

چرا این اتفاق می افتد؟

چندین توضیح برای اینکه چرا سوگیری نرخ پایه رخ می‌دهد پیشنهاد شده است، اما دو نظریه از بقیه برجسته‌تر هستند. نظریه اول بیان می‌کند که این یک مسئله مرتبط است: ما اطلاعات نرخ پایه را نادیده می‌گیریم زیرا آن را بی‌اهمیت طبقه‌بندی می‌کنیم و بنابراین احساس می‌کنیم که باید نادیده گرفته شود. نظریه دوم نشان می‌دهد که سوگیری نرخ پایه ناشی از اکتشاف نمایندگی است.

ارتباط

مقاله مایا بار-هیلل در سال 1980 با عنوان «سوگیری نرخ پایه در قضاوت‌های احتمالی» به محدودیت‌های نظریه‌های قبلی می‌پردازد و یک توضیح جایگزین ارائه می‌کند: ارتباط. به طور خاص، ما اطلاعات نرخ پایه را نادیده می‌گیریم زیرا معتقدیم که برای قضاوتی که در حال انجام آن هستیم نامرتبط است.

بار-هیلل ادعا می‌کند که قبل از قضاوت، اطلاعات داده شده به ما را به سطوح مختلف ارتباط طبقه‌بندی می‌کنیم. اگر چیزی نامرتبط تشخیص داده شود، آن را کنار می‌گذاریم و در نتیجه‌گیری خود دخیل نمی‌کنیم. اینطور نیست که ما قادر به ادغام اطلاعات نباشیم، بلکه اینطور است که اشتباه می‌کنیم که آن را به اندازه کافی ارزشمند برای ادغام نمی‌دانیم. این تمایل باعث می‌شود اطلاعات حیاتی را نادیده بگیریم، به برخی اطلاعات بیش از حد ارزش دهیم یا فقط روی یک منبع اطلاعات تمرکز کنیم در حالی که باید چندین مورد را ادغام کنیم.

علاوه بر این، بار-هیلل توضیح می‌دهد که بخشی از آنچه باعث می‌شود برخی اطلاعات را نسبت به سایرین مرتبط‌تر بدانیم، ویژگی خاص است. هرچه اطلاعات خاص‌تر به وضعیت مورد نظر باشد، مرتبط‌تر به نظر می‌رسد. اطلاعات فردی ذاتاً بسیار خاص است. به همین دلیل، آن را بسیار مرتبط می‌دانیم. از سوی دیگر، اطلاعات نرخ پایه بسیار کلی است. به همین دلیل، آن را دارای ارتباط کم طبقه‌بندی می‌کنیم. با هم، این سطوح مختلف ویژگی باعث می‌شود که ما هنگام تصمیم‌گیری فقط اطلاعات فردی را در نظر بگیریم. ما متوجه نمی‌شویم که اطلاعات نرخ پایه اغلب نشان‌دهنده بهتری از احتمال است و دقت قضاوت‌های ما را به خطر می‌اندازد.

نمایندگی

بار-هیلل معتقد است که نمایندگی به تنهایی برای توضیح اینکه چرا سوگیری نرخ پایه رخ می‌دهد کافی نیست، زیرا نمی‌تواند همه زمینه‌ها را توضیح دهد. با این حال، نمایندگی همچنان عاملی است که به سوگیری نرخ پایه کمک می‌کند، به ویژه در مواردی مانند مطالعه تام دبلیو که توسط کانمن و تفسری توصیف شده است.

یورستیک‌ها میانبرهای ذهنی هستند که برای تسهیل قضاوت‌ها هنگام تصمیم‌گیری استفاده می‌کنیم. به طور خاص، اکتشاف نمایندگی، که توسط کانمن و تفسری معرفی شده است، تمایل ما را برای قضاوت احتمال بر اساس میزان شباهت چیزی به نمونه اولیه دسته بندی که در آن قرار می‌گیرد، توصیف می‌کند.

بیایید نحوه عملکرد این را تجزیه کنیم. به طور کلی، ما اشیاء و رویدادها را از نظر ذهنی طبقه‌بندی می‌کنیم و آن‌ها را بر اساس ویژگی‌های مشابه گروه بندی می‌کنیم. هر دسته دارای یک نمونه اولیه است: نمونه متوسط از همه اعضای متعلق به آن دسته. هرچه چیزی بیشتر شبیه آن نمونه اولیه باشد، ما آن را نماینده‌تر آن دسته قضاوت می‌کنیم - از جمله احتمال آن. اکتشاف نمایندگی زمانی باعث ایجاد سوگیری نرخ پایه می‌شود که ما یک رویداد یا شیء را بسیار نماینده در نظر بگیریم و بر اساس آن بدون توقف برای در نظر گرفتن مقادیر نرخ پایه، قضاوت احتمال انجام دهیم.

با بازگشت به مثال تام دبلیو، شرکت‌کنندگان فقط رشته تحصیلی او را از ظاهر کارتون استنباط کردند. با در نظر گرفتن او به عنوان نماینده یک دانشجوی فارغ‌التحصیل علوم کامپیوتر، شرکت‌کنندگان او را به عنوان احتمال بیشتری برای تحصیل در آن رشته رتبه‌بندی کردند تا در برنامه‌هایی با نرخ ثبت نام بسیار بالاتر. از آنجایی که در آن زمان دانشجویان بسیار بیشتری در رشته‌های آموزش و علوم انسانی وجود داشتند، احتمال بیشتری وجود داشت که او در یکی از این رشته‌ها باشد. با این حال، نمایندگی باعث شد شرکت‌کنندگان اطلاعات نرخ پایه را نادیده بگیرند و منجر به پیش‌بینی‌های نادرست احتمال شود.

چرا مهم است

مواردی وجود دارد که تکیه صرف بر اطلاعات فردی به ما کمک می‌کند تا موارد پرت – یعنی ناهنجاری‌های خارج از قلمرو احتمال – را درک کنیم. اما اکثریت قریب به اتفاق مواقع، نادیده گرفتن کامل اطلاعات نرخ پایه منجر به قضاوت‌های ضعیف می‌شود. از این گذشته، ما پیش‌بینی‌های خود را بر اساس کلیشه‌ها به جای آمار انجام می‌دهیم.

البته این زمانی که رشته یا حرفه کسی را اشتباه حدس می‌زنیم خیلی مهم نیست. با این حال، سوگیری نرخ پایه منجر به فرضیه‌های بی‌اساس در مورد افراد می‌شود که می‌تواند عواقب واقعی داشته باشد. به عنوان مثال، ممکن است به این دلیل که نژاد یا دین همکار ما با این موضوع مطابقت دارد، مشکوک باشیم که او بیشتر احتمال دارد مرتکب جرم شود، حتی زمانی که آمار نشان می‌دهد که این چیزی جز حقیقت نیست. برای مقابله با تعصبات و اطمینان از برخورد منصفانه با همه، باید یاد بگیریم که چگونه برای همیشه با سوگیری نرخ پایه مبارزه کنیم.

چگونه از آن اجتناب کنیم

برای جلوگیری از انجام سوگیری نرخ پایه، باید روی پرداختن بیشتر به اطلاعات نرخ پایه موجود برای ما کار کنیم و همچنین تشخیص دهیم که اطلاعات فردی پیش‌بینی کننده بسیار قابل اعتمادی برای رفتار آینده نیست. هر دو این موارد نیاز دارند که ما در ارزیابی احتمال وقوع یک رویداد خاص هدفمندتر باشیم. بازگشت به فرآیندهای خودکار و بدون تلاش آسان‌تر است و تصمیم‌گیری را بسیار آسان‌تر می‌کند. با این حال، این خطر خطا را به طور قابل توجهی افزایش می‌دهد. با آگاهی از این مغالطه و مبارزه فعال با آن، می‌توانیم دفعاتی که مرتکب آن می‌شویم را کاهش دهیم و دنیای اطراف خود را بهتر درک کنیم.

چگونه همه چیز شروع شد

بحث در مورد سوگیری نرخ پایه بدون ذکر کانمن و تفسری غیرممکن است. مقاله آن‌ها در سال 1973 با عنوان «درباره روانشناسی پیش‌بینی» توضیح می‌دهد که چگونه اکتشاف نمایندگی می‌تواند ما را به انجام سوگیری نرخ پایه سوق دهد. آن‌ها این موضوع را از طریق مطالعه تام دبلیو که قبلاً ذکر شد نشان دادند، که در آن شرکت‌کنندگان پیش‌بینی‌های خود را بر اساس توصیف شخصیت انجام دادند و فراموش کردند تعداد دانشجویان فارغ‌التحصیل ثبت‌نام شده در هر برنامه را در نظر بگیرند.

یکی دیگر از توضیحات اولیه سوگیری نرخ پایه مقاله مایا بار-هیلل در سال 1980 با عنوان «سوگیری نرخ پایه در قضاوت‌های احتمالی» است. او این مغالطه را به عنوان «تمایل مردم به نادیده گرفتن نرخ‌های پایه به نفع، به عنوان مثال، اطلاعات فردی (هنگامی که چنین چیزی موجود است)، به جای ادغام این دو» توصیف می‌کند. این مقاله به محدودیت‌های توضیح نمایندگی کانمن و تفسری اشاره می‌کند و یک نظریه جایگزین برای توضیح سوگیری نرخ پایه ارائه می‌کند.

به طور خاص، بار-هیلل ارتباط درک شده را به عنوان عامل اصلی مشخص می‌کند. او پیشنهاد می‌کند که هرچه اطلاعات خاص‌تر باشد، ارتباط بیشتری به آن نسبت می‌دهیم. به همین دلیل، ما به اطلاعات فردی توجه می‌کنیم زیرا خاص است و بنابراین مرتبط در نظر گرفته می‌شود. از سوی دیگر، اطلاعات نرخ پایه را نادیده می‌گیریم زیرا کلی است و بنابراین کمتر مرتبط تلقی می‌شود.

مثال 1 - مشکل تاکسی

این مثال کلاسیک از سوگیری نرخ پایه از مقاله بنیادی بار-هیلل است. ابتدا به شرکت‌کنندگان اطلاعات نرخ پایه زیر داده می‌شود. دو شرکت تاکسی در یک شهر خیالی به نام رنگ تاکسی‌های خود وجود دارد: شرکت «سبز» و شرکت «آبی». از همه تاکسی‌های شهر، 85 درصد آبی و 15 درصد سبز هستند.

سپس، محققان به شرکت‌کنندگان در مورد یک سناریوی فرضی گفتند که در آن یک شاهد یک تاکسی درگیر تصادف فرار را به رنگ سبز شناسایی می‌کند. برای ارزیابی قابلیت اطمینان آن‌ها، دادگاه توانایی شاهد را در تشخیص بین تاکسی‌های آبی و سبز آزمایش می‌کند. نتایج نشان می‌دهد که شاهد می‌تواند 80 درصد مواقع رنگ‌ها را به درستی تشخیص دهد اما 20 درصد مواقع آن‌ها را اشتباه می‌گیرد. پس از شنیدن این سناریو، شرکت‌کنندگان احتمال اینکه تاکسی درگیر تصادف فرار واقعاً سبز باشد را پیش‌بینی کردند.

بیشتر شرکت‌کنندگان حدس زدند که احتمال اینکه شاهد به درستی یک تاکسی سبز را شناسایی کند 80 درصد است. با این حال، هر کسی که این پاسخ را می‌دهد تحت تأثیر سوگیری نرخ پایه قرار دارد. به یاد داشته باشید که اطلاعات نرخ پایه نشان داد که تنها 15 درصد از تاکسی‌های شهر سبز هستند، بنابراین احتمال واقعی اینکه شاهد درست گفته باشد 41 درصد است. این احتمال باید با استفاده از آمار استنباطی محاسبه شود که هم درصد هر تاکسی رنگی در شهر و هم احتمال اینکه شاهد در شب به درستی بین رنگ‌ها تمایز قائل شود را در نظر می‌گیرد.

مثال 2 - چقدر اهدا خواهید کرد؟

در مقاله سال 2000 خود با عنوان «احساس «مقدس‌تر از تو»: آیا ارزیابی‌های خودمحور توسط خطا در پیش‌بینی خود یا اجتماعی تولید می‌شوند؟»، نیکلاس اپلی و دیوید دانینگ کشف کردند که ما تمایل داریم هنگام پیش‌بینی رفتار خودمان مرتکب سوگیری نرخ پایه شویم، زیرا به اطلاعات فردی فراوانی در مورد خودمان دسترسی داریم. در طول تحقیقات خود، آن‌ها به دانشجویان دانشگاه پنج دلار دادند و از آن‌ها خواستند پیش‌بینی کنند که چه مقدار از این پول را به خیریه اهدا خواهند کرد و همچنین اینکه افراد متوسط چقدر اهدا خواهند کرد. پس از پیش‌بینی‌های اولیه خود، شرکت‌کنندگان در مورد کمک‌های مالی 13 نفر از همسالان خود، یکی یکی، اطلاعات کسب کردند. به شرکت‌کنندگان اجازه داده شد تا پس از فاش شدن کمک‌های مالی سه نفر از همسالان خود، سپس دوباره پس از فاش شدن هفت نفر و یک بار دیگر پس از فاش شدن سیزدهمین نفر، پیش‌بینی‌های خود را اصلاح کنند.

به طور کلی، شرکت‌کنندگان سخاوت خود را برتر از همسالان خود ارزیابی کردند. در ابتدای مطالعه، میانگین پیش‌بینی برای کمک‌های مالی خود حدود 2.75 دلار بود، در حالی که میانگین پیش‌بینی برای همسالانشان حدود 2.25 دلار بود. میانگین واقعی مبلغ اهدایی 1.50 دلار بود. در سه نوبتی که به آن‌ها فرصت اصلاح پیش‌بینی‌های خود داده شد، شرکت‌کنندگان پیش‌بینی‌های خود از کمک‌های مالی همسالان خود را برای مطابقت با اطلاعات نرخ پایه‌ای که به دست آورده بودند، تنظیم کردند. پس از دیدن تمام 13 کمک مالی انجام شده توسط همسالان خود، میانگین پیش‌بینی کمک‌های مالی همسالان بسیار شبیه به میانگین واقعی مبلغ اهدایی 1.50 دلار بود. اما جالب اینجاست که پیش‌بینی‌های شرکت‌کنندگان برای خودشان تغییر نکرد، حتی با افزایش اطلاعات نرخ پایه.

دلیل اینکه شرکت‌کنندگان هنگام پیش‌بینی در مورد همسالان خود اطلاعات نرخ پایه را در نظر گرفتند این است که آن‌ها به اطلاعات فردی در مورد هیچ یک از این افراد دسترسی نداشتند. در نتیجه، آن‌ها مجبور بودند صرفاً به اطلاعات نرخ پایه تکیه کنند. با این حال، این در مورد پیش‌بینی در مورد خودشان صدق نمی‌کرد. شرکت‌کنندگان از شخصیت و رفتارهای گذشته خود به عنوان اطلاعات فردی در پیش‌بینی میزان پولی که اهدا خواهند کرد استفاده کردند. از آنجایی که ما تمایل داریم به اطلاعات فردی بیشتر از اطلاعات نرخ پایه ارزش قائل شویم، آن‌ها پیش‌بینی‌های خود را برای خودشان با دسترسی به اطلاعات بیشتر نرخ پایه تنظیم نکردند.

این نشان می‌دهد که وقتی هیچ اطلاعات فردی خاصی در دسترس نباشد، از اطلاعات نرخ پایه در پیش‌بینی استفاده خواهیم کرد. با این حال، به محض اینکه به این اطلاعات فردی دسترسی پیدا کردیم، به آن چسبیده و از آن استفاده می‌کنیم.