Маслач, Пайнс Практикум по социальной. Практикум по социальной психологии серия Практикум по психологии
 Скачать 2.58 Mb.
|
|
Априорные и индивидуализирующие данные Следующий эксперимент послужил более строгой проверкой гипотезы о том, что интуитивные прогнозы основываются на репрезентативности и относительно нечувствительны к априорным вероятностям. Этот эксперимент был построен таким образом, чтобы априорные вероятности были совершенно очевидны и имели такой же формат, как ответ, который должны были дать испытуемые. Испытуемым была представлена следующая «легенда»: Группа психологов проинтервьюировала 30 инженеров и 70 юристов; каждый из которых успешно работает в своей области деятельности, и провела их личностное тестирование. На основе полученной информации были составлены краткие описания этих 30 инженеров и 70 юристов. На выданной вам форме вы найдете пять описаний, которые были наугад выбраны из имеющихся 100 описаний. Для каждого из этих описаний укажите вероятность того, что описанный человек является инженером, пользуясь шкалой от 0 до 100. Ту же задачу выполняла группа экспертов, которые исключительно точно присваивали вероятности различным описаниям. Вам будет выплачена премия, размер которой зависит от того, насколько ваши оценки будут близки к оценкам группы экспертов. Эти указания были даны группе из 85 испытуемых (группа «меньше инженеров»). Испытуемые из другой группы (группа «больше инженеров»; N = 86) получили такие же указания, за исключением априорных вероятностей: им сказали, что в состав описанной группы входили 70 инженеров и 30 юристов. Всем испытуемым выдали один и тот же набор из пяти описаний. Приводим одно из этих описаний: Джеку 45 лет. Он женат и у него четверо детей. Он консервативен, осторожен и старателен. Он не интересуется политическими и социальными проблемами и большую часть свободного времени посвящает своим многочисленным хобби, среди которых столярное дело, парусный спорт и решение математических головоломок. Вероятность того, что Джек является одним из 30 инженеров в выборке из 100 человек, равна____%. Вслед за пятью описаниями испытуемые получали нулевое описание: Предположим теперь, что вам вообще не дали никакой информации о человеке, которого выбрали наугад. Вероятность того, что этот человек является одним из 30 инженеров в выборке из 100 человек, равна____%. В обеих группах (группе «меньше инженеров» и группе «больше инженеров») половину испытуемых просили для каждого из пяти описаний оценить вероятность того, что описанный человек является инженером (как в приведенном выше примере), а другая половина испытуемых оценивала вероятность того, что описанный человек является юристом. Эта манипуляция не оказала никакого влияния на результаты. Срединные значения вероятностей, приписанных исходам инженер и юрист испытуемыми из разных половин групп, в сумме давали примерно 100% для каждого описания. Поэтому данные, полученные с помощью деления групп пополам, были объединены, и результаты представлены для исхода инженер. <...> Явные манипуляции распределением априорных вероятностей оказали минимальное влияние на субъективные вероятности. ...Испытуемые пользовались своими априорными знаниями только тогда, когда у них не было специфических данных. Как следует из гипотезы репрезентативности, как только испытуемые получали индивидуализирующую информацию, они почти переставали обращать внимание на априорные вероятности. | Этот эффект был весьма силен, о чем свидетельствуют, например, реакции на следующее описание: Дику 30 лет. Он женат, но у него нет детей. Имея прекрасные способности и высокую мотивацию, он подает большие надежды и, вероятно, добьется успеха в своей области. Он очень нравится своим коллегам. Это описание было построено так, чтобы оно не давало никакой информации относительно профессии Дика. Наши испытуемые прореагировали одинаково: срединные значения оценок были равны 50% в обеих группах... Такой результат можно объяснить, рассмотрев различия между реакциями на это описание и на нулевое описание. Очевидно, когда люди не получают специфической информации и когда получают бесполезную информацию, они реагируют по-разному. Когда нет специфических данных, они правильно используют априорные вероятности; когда имеются бесполезные специфические данные, они пренебрегают априорными вероятностями. Существуют ситуации, когда априорные вероятности, по-видимому, играют более существенную роль. Во всех рассмотренных до сих пор примерах с различными исходами ассоциировались четкие стереотипы, и мы полагаем, что суждения основывались на том, насколько описания казались репрезентативными для этих стереотипов. В других задачах естественнее рассматривать исходы в виде отрезков на оси, вдоль которой измеряется некая величина. Предположим, например, что некоего человека просят оценить вероятность того, что каждый из нескольких студентов получит стипендию. В этой задаче не существует четко определенных стереотипов студентов, получающих или не получающих стипендию. Естественнее было бы считать, что исход (например, получение стипендии) определяется положением конца отрезка на оси, вдоль которой измеряются академические достижения или способности. При предсказании исходов можно использовать априорную вероятность, то есть процентную долю студентов релевантной группы, получающих стипендию, для определения положения конца отрезка. Поэтому маловероятно, что ее проигнорируют. Кроме того, можно ожидать, что экстремальные априорные вероятности будут оказывать некоторое влияние даже в присутствии четких стереотипов исходов. Чтобы точно определить, при каких условиях априорная информация используется, а при каких ей пренебрегают, необходимы дальнейшие исследования. Один из основных принципов статистического прогнозирования гласит, что априорная вероятность, в которой обобщены наши знания о проблеме до получения независимых специфических Данных, остается актуальной даже после получения таких данных... Однако наши испытуемые не 'сумели интегрировать априорную вероятность со специфическими данными. Получив описание, даже такое скупое И ненадежное, как описания Тома У. или Дика (инженер/юрист), они явно начинали считать, что процентное соотношение профессий в группе уже потеряло актуальность. Неумение признать актуальность априорной вероятности в присутствии специфических данных является, по-видимому, одним из самых существенных из характерных для интуитивных методов отступлений от статистической теории прогнозирования. ЧИСЛЕННОЕ ПРОГНОЗИРОВАНИЕ Основополагающее правило статистической теории прогнозирования гласит, что вариабельность прогнозов для совокупности случаев должна отражать точность прогнозирования. При прогнозировании с абсолютной точностью прогнозируемое значение критерия совпадает с его фактическим значением. При максимальной неопределенности во всех случаях прогнозируется одно и то же значение. (При категориальном прогнозировании прогнозируется категория, частота которой максимальна. При численном прогнозировании прогнозируется среднее значение, мода, медиана или другая величина, зависящая от функции потерь.) Таким образом, при абсолютной точности прогнозирования вариабельность прогнозов равна вариабельности критерия, а когда точность прогнозирования равна нулю, вариабельность прогнозов тоже равна нулю. При средней точности прогнозирования вариабельность прогнозов принимает промежуточное значение, то есть прогнозы регрессивны по отношению к критерию. Таким образом, чем больше неопределенность, тем меньше вариабельность прогнозов. При прогнозировании на основе репрезентативности это правило нарушается. В предыдущем разделе было показано, что при снижении ожидаемой точности прогнозирования люди не возвращаются к категориям, имеющим максимальную частоту. В данном разделе демонстрируются аналогичные ошибки, допускаемые при численном прогнозировании. Прогнозирование исходов и оценка входных данных Предположим, вам сказали, что, по описанию психолога, некий первокурсник колледжа умен, самоуверен, начитан, старателен и любознателен. Рассмотрим два типа вопросов, которые можно задать по поводу этого описания. 1. Оценка. Какое впечатление на вас производит это описание в плане академических способностей студента? Сколько процентов первокурсников, по вашему мнению, произвели бы на вас более благоприятное впечатление? 2. Прогноз. Как вы оцениваете средний балл, который получит этот студент? Сколько процентов первокурсников получат более высокий средний балл? Между вопросами этих двух типов существует важное различие. В первом случае вы оцениваете входные данные; во втором случае вы прогнозируете исход. Поскольку со вторым вопросом несомненно связана гораздо большая неопределенность, чем с первым, ваш прогноз должен быть более регрессивным, чем ваша оценка. Это означает, что процентная доля, которую вы назовете в качестве прогноза, должна быть ближе к 50%, чем процентная доля, которую вы назовете в качестве оценки. Чтобы подчеркнуть разницу между этими двумя вопросами, рассмотрим возможность того, что описание является неточным. Это не должно повлиять на вашу оценку: распределение описаний по степени благоприятности впечатления, которое они на вас произвели, не зависит от их точности. С другой стороны, ваш прогноз должен быть регрессивным в той мере, в какой описание предположительно может быть неточным или ваш прогноз может оказаться ненадежным. Однако из гипотезы репрезентативности следует, что прогноз и оценка должны совпасть. При оценке данного описания люди выбирают число, которое предположительно наиболее репрезентативно для этого описания. Если люди прогнозируют на основе репрезентативности, то в качестве прогноза они также выберут наиболее репрезентативное значение. Следовательно, оценка и прогноз будут почти идентичны. Для проверки этой гипотезы было проведено несколько исследований. В каждом из этих исследований испытуемым предоставляли информацию в форме описаний нескольких человек. Группа оценки оценивала, насколько каждое из описаний подходит для определенной популяции, а группа прогнозирования предсказывала характеристики будущей деятельности этих людей. Для проверки гипотезы о более высокой регрессивности прогнозов по сравнению с оценками проводилось сопоставление суждений испытуемых из двух групп. В двух экспериментах испытуемым вручали описания первокурсников колледжа, якобы написанные психологом на основе интервью, проведенного с группой поступающих в колледж. В первом эксперименте каждое описание состояло из пяти прилагательных, характеризующих интеллектуальные способности и характер первокурсника, как в приведенном выше примере. Во втором эксперименте описания имели форму отчета длиной в целый абзац и включали в себя подробности, касавшиеся происхождения студента и его текущей адаптации к колледжу. В обоих экспериментах испытуемых из группы оценки просили оценить каждое из описаний, указав «сколько процентов студентов группы имеют более высокие академические способности, чем данный студент». Испытуемым из групп прогнозирования вручали те же описания и просили их предсказать средний балл каждого из студентов в конце первого курса и его положение в группе в статистических баллах. ...Систематические расхождения между прогнозами и оценками имели место только... в первом эксперименте (с описаниями, состоящими из пяти прилагательных), где прогнозы были систематически выше, чем соответствующие оценки. Было вычислено среднее квадратическое отклонение прогнозов или оценок по данным каждого испытуемого. При сравнении этих значений между группами оценки и группами прогнозирования в исследуемом диапазоне величин не было обнаружено существенных различий в вариабельности... В обоих экспериментах группы прогнозирования и группы оценки высказывали одинаково экстремальные суждения, хотя первые прогнозировали значения будущего объективного критерия на основе краткой информации из интервью, в то время как последние просто оценивали впечатление, производимое каждым описанием... Прогнозирование и пересчет Предыдущий эксперимент показал, что прогнозы значения переменной не регрессивны по сравнению с оценками этой переменной, следующими из входных данных. В следующем эксперименте мы покажем, что существуют ситуации, когда прогнозы значения переменной (академических достижений) не более регрессивны, чем простой пересчет этой переменой с единиц одной шкалы на единицы другой шкалы. В качестве результирующей переменной был выбран средний балл, поскольку корреляты и характеристики распределения этой переменной хорошо известны популяции испытуемых. В эксперименте участвовали три группы испытуемых. Во всех группах испытуемые прогнозировали средний балл 10 гипотетических студентов, основываясь только на статистическом балле, полученном каждым из студентов. Всем группам предлагался один и тот же набор статистических баллов, но, как будет показано далее, они получили различные интерпретации этих начальных данных. 1. Статистический средний балл. Испытуемым из первой группы (N = 32) было сказано, что им сообщат «статистические баллы, которые отражают академические достижения нескольких студентов на первом курсе, и попросят предсказать средний балл каждого студента в этом году». Испытуемым объяснили, что если «статистический балл равен, например, 65, то это означает, что средний балл этого студента выше, чем средний балл 65 % студентов его группы, и т. д.». 2. Сосредоточенность. Испытуемым из второй группы N = 37) объяснили, что «при тестировании сосредоточенности измеряется способность человека концентрировать внимание и извлекать всю информацию, которая содержится в сложных сообщениях. Было обнаружено, что студенты с высоким средним баллом, как правило, получают высокие результаты при тестировании сосредоточенности и наоборот. Однако оказалось, что результаты тестирования сосредоточенности зависят от настроения и психического состояния человека во время тестирования. Поэтому при повторных тестированиях один и тот же человек может получать различные баллы, в зависимости от того, выспался ли он перед тестированием и как себя чувствовал в этот день». 3. Чувство юмора. Испытуемым из третьей группы N = 35) сказали, что «при тестировании чувства юмора измеряется способность человека придумывать остроумные подписи к карикатурам и тонко чувствовать юмор в различных формах. Было обнаружено, что студенты с высокими результатами по этому тесту, как правило, получают более высокие средние баллы, чем студенты с низкими показателями по этому тесту. Тем не менее, исходя из чувства юмора, невозможно с высокой точностью прогнозировать средний балл». Согласно плану эксперимента все испытуемые должны были прогнозировать средний балл на основе одного и того же набора статистических баллов. Группа 1 просто производила пересчет значений статистического среднего балла на шкалу среднего балла. С другой стороны, группы 2 и 3 прогнозировали средний балл по входным данным, имеющим менее непосредственную связь со средним баллом. Поэтому, согласно статистической теории прогнозирования, прогнозы этих двух групп должны быть более регрессивными, то есть менее вариабельными, чем суждения испытуемых из группы 1. Однако с точки зрения гипотезы репрезентативности распределение результатов должно быть другим. Группа 2 прогнозировала, исходя изданных потенциально эффективного, но ненадежного теста сосредоточенности, который был представлен в качестве показателя академических способностей. Мы выдвинули гипотезу, что прогнозы этой группы будут нерегрессивными по сравнению с прогнозами группы 1. В целом мы предполагали, что балл достижений (например, средний балл), наиболее репрезентативный для статистического значения показателя способностей (например, сосредоточеннос- ти) — это тот балл, который соответствует тому же статистическому показателю на шкале достижений. Поскольку ненадежность не влияет на репрезентативность, мы ожидали, что прогнозы среднего балла, сделанные на основе данных ненадежного теста сосредоточенности, будут по существу идентичны прогнозам среднего балла, сделанным исходя из статистического среднего балла. С другой стороны, ожидалось, что прогнозы группы 3 будут регрессивными, поскольку чувство юмора не часто рассматривается в качестве показателя академических способностей. Средние значения прогнозов на основе статистических баллов, сделанных тремя группами испытуемых для 10 случаев, показаны на рис. [1]. Из графиков видно, что прогнозы группы 2 не более регрессивны, чем прогнозы группы 1, в то время как прогнозы группы 3 кажутся более регрессивными. <...> ...Как показывает высокая корреляция между входными данными и прогнозами, испытуемые во всех трех группах дали упорядоченные прогнозы... Результаты сравнения группы 1 с группой 2 и группы 2 с группой 3 подтверждают закономерность, наблюдаемую на рис. [1]. Между прогнозами, сделанными на основе статистического среднего балла и на основе сосредоточенности, нет существенных различий. Таким образом, при прогнозировании показателя достижений по показателю способностей, даже очень ненадежному, люди не возвращаются к априорным данным. С другой стороны, прогнозы на основе чувства юмора оказались регрессивными, хотя и в недоста- точной степени. Корреляция между средним баллом и чувством юмора, полученная путем сравнения линий регрессии, равна примерно 0,70. Кроме того, значения прогнозов, сделанных на основе чувства юмора, значительно выше, чем значения прогнозов на основе сосредоточенности. Существует также следующая' тенденция: значения прогнозов на основе сосредоточенности оказываются выше, чем значения прогнозов, основанных на статистическом среднем балле. Мы наблюдали этот результат во многих экспериментах. При прогнозировании академических достижений индивида на основе неполной информации, испытуемые проявляют снисходительность... Они реагируют на снижение надежности повышением прогнозируемого уровня показателей деятельности. В ситуациях, когда входные и выходные переменные кажутся отражением одной и той же характеристики, следует ожидать, что прогнозы будут существенно нерегрессивными. Пример таких прогнозов наблюдался в реальной жизненной ситуации, при работе комиссии по подбору офицерского состава израильской армии. Обычно оценочная комиссия, состоящая из обладающих большим опытом офицеров, исходя из результатов тестирования и наблюдений в течение нескольких дней, оценивает кандидатов по шкале из семи пунктов. В экспериментальных целях членов комиссии попросили, кроме того, предсказать для каждого из кандидатов балл, который он получит на выпускном экзамене в школе подготовки офицеров. При анализе оценок более 200 кандидатов и прогнозов, сделанных многими судьями, было обнаружено, что распределение значений прогнозов практически совпадало с фактическим распределением баллов, полученных на выпускном экзамене в школе подготовки офицеров, с одним лишь очевидным исключением: прогнозы провалов на экзамене встречались реже, чем провалы в действительности. В частности, частота прогнозов двух высших оценок точно соответствовала фактической частоте. Все судьи были прекрасно знакомы с теорией, которая говорит о том, что надежность их прогнозов всего лишь средняя (порядка 0,20-0,40). Тем не менее их прогнозы были нерегрессивными. <...> Уверенность и иллюзия надежности Как было показано в предыдущих разделах, при прогнозировании человек выбирает исход, наиболее репрезентативный для входных данных. Мы предполагаем, что уровень уверенности человека в своем прогнозе отражает, насколько выбранный исход репрезентативнее для начальных Данных по сравнению с другими исходами. Основным фактором, определяющим репрезентативность при численном прогнозировании на основе мультиатрибутивных входных данных (например, профили оценок), является согласованность, или непротиворечивость, входных данных. Чем согласованнее входные данные, тем репрезентативнее покажется прогнозируемое значение и тем больше будет уверенность в этом прогнозе. Например, испытуемые с большей уверенностью прогнозируют общий средний балл «В», исходя из двух оценок «В» по двум различным вводным курсам, чем исходя из оценок «А» и «С». Действительно, обнаружено, что внутренняя вариабельность или несогласованность входных данных уменьшает уверенность в прогнозе... Трудно преодолеть интуитивное ощущение, что согласованные профили позволяют прогнозировать надежнее, чем несогласованные. Стоит, однако, заметить, что такие представления несовместимы с часто используемой многомерной моделью прогнозирования (например, нормальной линейной моделью), где ожидаемая точность прогноза не зависит от внутрипрофильной вариабельности. Согласованные профили обычно получаются тогда, когда судья прогнозирует, исходя из данных с высокой внутренней корреляцией. С другой стороны, несогласованные профили чаще встречаются тогда, когда внутренняя корреляция входных данных низкая. Поскольку с ростом согласованности возрастает уверенность, то в случаях с высокой корреляцией входных данных обычно имеет место высокая уверенность в прогнозе. Однако если надежность входных данных задана, то сложная кор- реляция с критерием связана с корреляцией между входными данными обратной связью. Таким образом, возникает парадоксальная ситуация, при которой высокая внутренняя корреляция между входными данными приводит к повышению уверенности и снижению надежности. Для демонстрации этого эффекта мы попросили испытуемых сделать прогноз среднего балла на основе результатов двух пар тестов пригодности. Испытуемым сказали, что между тестами одной пары (креативное мышление и способность оперировать символами) существует высокая корреляция, в то время как между тестами из другой пары (гибкость мышления и логические рассуждения) корреляции нет. Предложенные им результаты тестирования соответствовали этим ожиданиям. (Для половины испытуемых названия коррелирующих и некоррелирующих между собой пар тестов поменяли местами.) Испытуемым было сказано, что «все тесты позволяют одинаково успешно прогнозировать успеваемость студента в колледже». В этой ситуации, конечно, прогнозируя на основе тестов, между которыми нет корреляции, можно добиться более высокой точности, чем прогнозируя на основе тестов, между которыми существует корреляция. Тем не менее, как и ожидалось, во всем диапазоне значений прогнозов испытуемые с большей уверенностью прогнозировали по данным коррелирующих между собой тестов... Это означает, что они испытывали большую уверенность в ситуации с меньшей на- дежностью прогнозирования. Еще один результат, наблюдавшийся во многих исследованиях прогнозирования, в том числе и в нашем, состоит в том, что уверенность является /-образной функцией прогнозируемого уровня достижений... Испытуемые с очень высокой уверенностью предсказывают выдающиеся достижения и прогнозируют полную неудачу с большей уверенностью, чем посредственные достижения. Как мы видели ранее, интуитивные прогнозы часто бывают недостаточно регрессивными. Поэтому самые большие расхождения между прогнозами и фактическими исходами имеют место для экстремальных значений. Из-за J-образной формы графика функции уверенности испытуемые ощущают наибольшую уверенность именно в тех прогнозах, которые с наибольшей вероятностью не попадут в цель. Приведенные выше рассуждения говорят о том, что между повышающими уверенность факторами, такими как согласованность входных данных и экстремальные значения прогнозируемой переменной, и точностью прогнозов часто существует отрицательная корреляция. Таким образом, имеет место явление, которое можно назвать иллюзией надежности — люди склонны испытывать большую уверенность в весьма ненадежных суждениях. Как и другие ошибки, допускаемые при восприятии и в суждениях, иллюзия надежности часто сохраняется даже тогда, когда человек сознает иллюзорный характер своей уверенности. Например, интервьюируя кандидата, многие из нас испытывают глубокую уверенность в своем прогнозе, касающемся его будущей работы, хотя и знают, что интервью — чрезвычайно ненадежный источник информации. ИНТУИТИВНЫЕ ПРЕДСТАВЛЕНИЯ О РЕГРЕССИИ Явления, связанные с регрессией (статистической тенденцией возврата переменных к своим средним значениям), окружают нас со всех сторон. Опыт показывает нам, что у выдающихся отцов бывают посредственные сыновья, а у жен с блестящими способностями — серые мужья; плохо приспособленные люди, как правило, постепенно приспосабливаются, а счастливчики рано или поздно переживают неудачу. Несмотря на то что люди постоянно сталкиваются с регрессией, они не получают правильного представления о ней. Во-первых, во многих ситуациях, в которых регрессия обязательно должна иметь место, люди ее не ожидают. Во-вторых, любой преподаватель статистики подтвердит, что чрезвычайно трудно научить студентов правильному пониманию регрессии. В-третьих, когда люди наблюдают регрессию, они обычно придумывают для нее ложные функциональные объяснения. Что же делает понятие регрессии столь трудным для понимания и применения? Мы полагаем, что главным источником трудностей является то, что связанные с регрессией явления, как правило, противоречат нашим интуитивным представлениям, согласно которым прогнозируемый исход должен быть наиболее репрезентативен для входной информации. Для иллюстрации эффекта сохранения нерегрессивных интуитивных представлений несмотря на наличие обширных статистических знаний, мы предложили выборке аспирантов-психологов следующую задачу. Проблема тестирования. Выбранный наугад индивид при стандартном тестировании интеллекта получил коэффициент интеллекта /ф, равный 140 баллов. Предположим, что это значение /<2 является суммой «истинного» балла и случайной ошибки измерения, которая имеет нормальное распределение. Дайте, пожалуйста, вашу оценку верхней и нижней границ 95-процентного доверительного интервала, в котором находится истинный /<2 этого человека. Это значит, вы должны дать такую верхнюю оценку, что можете быть на 95% уверены в том, что истинный /<2 этого человека на самом деле ниже этой оценки, и такую нижнюю оценку, что можете быть на 95% уверены в том, что истинный /<2 этого человека на самом деле выше этой оценки. Респондентам посоветовали при решении этой задачи рассматривать наблюдаемый балл в качестве суммы «истинного» балла и составляющей ошибки. Поскольку наблюдаемый балл значительно выше, чем средний балл населения, то вероятнее всего, что составляющая ошибки положительна и при повторных тестированиях данный индивид получит несколько более низкие баллы. Однако большинство испытуемых (73 из 108) заявили, что доверительный интервал будет симметричен относи- тельно точки 140, таким образом не продемонстрировав никакого ожидания регрессии. Из оставшихся 35 испытуемых 24 дали регрессивные оценки доверительного интервала, а 11 дали контррегрессивные оценки. Таким образом, большинство испытуемых пренебрегли влиянием ненадежности входных данных и дали такой прогноз, будто значение 140 являлось истинным результатом. В этой статье многократно говорилось о существовании тенденции прогнозировать так, будто входная информация не содержит ошибок. Иногда наличие регрессии осознается — либо потому, что мы сами наблюдаем связанные с ней эффекты, либо потому, что нам в явной форме сообщают о присутствии регрессии. Когда связанное с регрессией явление осознано, его, как правило, рассматривают в качестве закономерного изменения, сущность которого требует объяснения. Действительно, в социальных науках предлагались многочисленные ложные объяснения явлений, связанных с регрессией. Например, привлекались динамические принципы, чтобы объяснить, почему предприятия, которые одно время работали исключительно успешно, впоследствии ухудшали свои показатели, или почему обучение интерпретации лицевой экспрессии приносит пользу тем ученикам, которые при предварительном тестировании получили низкие результаты, и вредит тем, кто до обучения имел лучшие результаты... В качестве заключительной иллюстрации того, насколько трудно узнавать и правильно интерпретировать явления, связанные с регрессией, рассмотрим следующий вопрос, который был поставлен перед выборкой аспирантов-психологов. Один из авторов на своем опыте столкнулся с описанной ниже проблемой. Проблема обучения. Инструкторы летной школы приняли рекомендованную психологами политику систематического положительного подкрепления. Они словесно подкрепляли каждое успешное выполнение летного маневра. Получив некоторый опыт использования такого подхода к обучению, инструкторы заявили, что, вопреки психологической теории, высокая похвала за хорошее выполнение сложных маневров, как правило, ведет к ухудшению результатов при следующей попытке. Что должен ответить психолог? При маневрировании в воздухе регрессия неизбежна, потому что действия пилота не могут быть абсолютно надежными, а прогресс от маневра к маневру происходит медленно. Следовательно, пилоты, которые маневрировали исключительно успешно в одном полете, скорее всего, ухудшат свои результаты в следующем полете, независимо от реакции инструктора на первоначальный успех. Опытные летные инструкторы фактически обнаруживали регрессию, но приписывали ее вредному влиянию положительного подкрепления. Эта реальная история является иллюстрацией одного из удручающих аспектов человеческой природы. Мы обычно подкрепляем хорошее поведение других людей и наказываем их за плохое поведение. Получается, что за счет одной только регрессии они, скорее всего, улучшат свое поведение после наказания и, скорее всего, ухудшат его, получив вознаграждение. Следовательно, мы обречены всю жизнь получать вознаграждение за то, что наказываем других, и быть наказанными за то, что вознаграждаем других. Ни один из отвечавших на этот вопрос аспирантов не предположил, что проблема могла быть вызвана регрессией. Вместо этого они предполагали, что словесное подкрепление неэффективно для пилотов или что оно может вызвать у них чрезмерную самоуверенность. Некоторые аспиранты даже сомневались в правильности впечатлений инструкторов и обсуждали возможные источники искажения их восприятия ситуации. Эти респонденты, несомненно, тщательно изучали статистическую регрессию. Тем не менее они не смогли распознать пример регрессии, когда он не укладывался в знакомые термины задачи о росте отцов и сыновей. Очевидно, одного лишь изучения статистики недостаточно, чтобы изменить основополагающие интуитивные представления человека о неопределенности. *** Задание 3.1 ПСИХОЛОГИЯ ПРОГНОЗОВ 1. Представьте себе всех американских аспирантов-первокурсников. Сколько процентов из них специализируются в каждой из девяти перечисленных ниже областей? Запишите, пожалуйста, свои догадки и проверьте, чтобы сумма составляла 100%. Управление бизнесом Компьютерные науки Машиностроение Гуманитарные и педагогические науки Юриспруденция Библиотечные науки • Медицина • Физика и биология • Социальные науки и социальная работа 2. Внимательно прочитайте следующее описание личности: «Том У. обладает высокими интеллектуальными способностями, хотя ему не хватает истинной креативности. У него есть потребность в порядке и ясности, в четких и упорядоченных системах, где каждая деталь находится на своем месте. Он пишет довольно скучным и однообразным языком, иногда оживляя свой стиль довольно избитыми каламбурами и игрой воображения в духе научной фантастики. У него есть сильное стремление к компетентности. Он производит впечатление человека, который невосприимчив к чувствам других людей и мало им симпатизирует, а также не получает удовольствия от взаимодействия с ними. Несмотря на свой эгоцентризм, он обладает глубоким нравственным чувством». Насколько Том У. похож на типичного аспиранта, специализирующегося в каждой из девяти областей? Ранжируйте, пожалуйста, эти девять областей специализации в порядке убывания сходства между Томом У. и типичным аспирантом данной области. Это означает, что вы присвоите номер «1» той области, на типичного представителя которой, по вашему мнению, Том У. похож больше всего; номер «2» — области, стоящей на втором месте по степени сходства и т. д. Управление бизнесом Компьютерные науки Машиностроение Гуманитарные и педагогические науки Юриспруденция Библиотечные науки Медицина Физика и биология Социальные науки и социальная работа 3. Вышеприведенное описание личности Тома У. было написано психологом на основе проективных тестов, когда Том учился в выпускном классе средней школы. Сейчас Том У. — аспирант. Какова вероятность того, что Том У. сейчас специализируется в каждой из этих областей? Ранжируйте, пожалуйста, эти области специализации в порядке убывания вероятности, то есть присвойте номер «1» области с наибольшей ве- роятностью и номер «9» области с наименьшей вероятностью. • Управление бизнесом • Компьютерные науки • Машиностроение •Гуманитарные и педагогические науки •Юриспруденция •Библиотечные науки •Медицина •Физика и биология •Социальные науки и социальная работа Задание 3.2 МЫСЛЕННЫЕ КАРТЫ Стэнли Милграм предложил концепцию «психологических карт» для исследования восприятия человеком городской окружающей среды. Вы можете адаптировать этот метод для того, чтобы понять, как вы сами и другие люди воспринимают ваш университетский городок. Метод основан на изображении карты университетского городка. Главное, чтобы человек изобразил городок так, как он его видит, не стремясь к географической точности. Сначала нарисуйте карту университетского городка сами. Затем выберите двух знакомых, которые могут иметь различное отношение к городку (например, спортсмен и ученый, первокурсник и старшекурсник), и попросите их нарисовать свои карты городка. Не показывайте им другие карты, пока они не нарисуют свои собственные.. 1. Есть ли какие-нибудь объекты или границы, которые нанесены на все три карты? Если есть, то какие? 2. Представлены ли некоторые части городка на картах в преувеличенном виде или более подробно, чем другие его части? Если да, то как эти выделенные части карты отражают интересы и виды деятельности человека, нарисовавшего данную карту? Например, может быть, ученый отметил на карте все библиотеки, а спортсмен нарисовал различные игровые площадки и спортивные сооружения? 3. Какие объекты университетского городка не отражены на картах? 4. Кроме того, что пропущены некоторые объекты, есть ли в картах какие-либо другие закономерности или искажения? Задание 3.3 СИЛЬНЫЕ И СЛАБЫЕ СТОРОНЫ Перечислите, пожалуйста, те качества, которые вы считаете своими индивидуальными сильными сторонами. Далее перечислите, пожалуйста, те качества, которые вы считаете своими индивидуальными слабостями. |