פורסם על ידי: or100 | מאי 28, 2009

יפוט והערכה בתנאי אי וודאות – בלוק 3: מאמר 6

מאמר 6
Causal schemas in judgments under uncertainty

Kaneman & Tversky

באופן כללי (המורה בכיתה)

  • המאמר עוסק בסכימות סיבתיות והשפעתן על שיפוטים בתנאי אי וודאות.
  • למרות שאין שיעור מצורף זהו מאמר חשוב מאוד ויש לקרוא אותו בפירוט.
  • מושגים עיקריים להבנה:
    • סכימה סיבתית
    • סכימה דיאגנוסטית,
    • אסימטריה היסקית,
    • רלוונטיות סיבתית
    • והתחשבות בשיעור בסיס.

סכימה סיבתית וסכימה דיאגנוסטית באופן כללי

סכימה סיבתית

  • אנשים שואפים להשיג פירושים עקביים לאירועים סביבם
  • אירגון האירועים על ידי סכימות של יחסי סיבה תוצאה משרתים את המטרה הזאת.
  • סכימה סיבתית מתפתחת מסיבות לתוצאות

  • באופן כללי המאמר דן בתפקיד של הסכימה הסיבתית ושיפוטים באי וודאות.
  • ובמיוחד החוקרים חקרו את הערכת (שיפוט) הסיכוי  P(X/D)   באירועים X על בסיס נתוני D

  • השופט מבחין בין סוגי יחסים שונים בין D ל X
    • אם D נתפס כסיבה  להתרחשות או לחוסר ההתרחשות של X
  • נעדיף את D כנתון סיבתי
  • אז נעדיף את D כנתון דיאגנוסט
    • מצד שני אם מתייחסים ל X כאל סיבה אפשרית ל D

    • ובנוסף
    • (אם D  הוא לא סיבה ולא תוצאה של X ושניהם נתפסים כסיבה של משהו אחר נעדיף את D  כסימן
    • ואם D  ו A לא נראים קשורים באופן סיבתי ישרי או עקיף נעדיף את D כמקרי)

  • דוגמא
    • תיאור של אישיות A ניתנת לעתים קרובות כנתון סיבתי לניבוי ההתנהגות שלו
    • בעוד שתיאור ההתנהגות של A נותנת מידע דיאגנוסטי בנוגע לאישיות שלו

טענת המאמר

  • טענת המאמר היא שההשפעה הפסיכולוגית של הנתונים היא קריטית ביחס לתפקיד שלהם בסכימה סיבתית. במיוחד

א)      לנתונים סיבתיים יש השפעה גדולה מאשר לנתונים אחרים- אינפורמטיביים במידה שווה

ב)      המצאות הנתונים כסכימה סיבתית, גורמת לכך שנתונים אשר לא מתאימים לסכימה מקבלים משקל נמוך או לא מקבלים משקל כלל.

  • אולם הסטטיסטיקה הנורמטיבית מיחסת השפעה לנתונים רק על פי מידת האינפורמטיביות שלהם

  • במילים אחרות
  • בשתי  הדוגמאות הבאות טענה ראשונה יותר משכנעת מהשנייה
  • וזאת בגלל שאנחנו בונים מידע בצורת סכמות סיבתיות כך ש A ג גורם ל B

  • אולם הסטטיסטיקה לא מתייחסת לאותן סכימות סיבתיות.

מבנה המאמר

  • בחלק הראשון הם השוו את התוצאות של נתונים סיבתיים ונתונים דיאגנוסטים, והראו
  • שאנשים נותנים משקל גדול יותר לנתונים סיבתיים מאשר לנתונים דיאגנוסטים
  • וגם הציגו בעיות שלנתונים מסוימים יש גם משמעות סיבתית וגם משמעות דיאגנוסטית
  • והראו שבאופן אינטואיטיבי   הערכה של P(X/D) נשלט על ידי גורם סיבתי של D על X
  • ובהתייחסות לא מספקת להתחשבות הדיאגנוסטית.

  • בחלק השני משווה את ההשפעה של נתונים סיבתיים ונתונים מקריים באינפורמציה שווה
  • במיוחד חקרו את השיפוטים סיכויים סופיים (פוסטיריוריים) של אירועים על בסיס השיעור הבסיסי של אירוע זה על נתונים נוספים
  • הם הראו שנתוני שיעור הבסיס  הנותנים פירוש סיבתי משפיעים על השיפוט
  • בעוד ששיעור הבסיס שלא מתאים לסכימה הסיבתית נשלטים על ידי נתונים רלוונטיים באופן סיבתי. (?!)

חלק 1: אסימטרית הסקית

  • סכימה סיבתית מתפתחת מסיבות לתוצאות
  • החוקרים טוענים ש:
  • זה יותר פשוט וטבעי לעקוב אחרי אירועים והגיון מסיבה לתוצאות
  • מאשר להפוך את הסדר הזה מתוצאה לסיבה.
  • ולפיכך החוקרים טוענים ש
  • נבדקים יסיקו יותר ביתר ביטחון תוצאות מסיבות מאשר סיבות לתוצאות
  • וזאת אפילו שהסיבות והתוצאות נותנים אותה כמות של מידע אחד על השני.

  • בשאלות נוספות (בין שאלה 1 ל 2 – שאלה שעוסקת בגובה ומשקל) הם הראו שהאסימטריה ההסקית קוראת גם שחסר הקשר בין שתי המשתנים

שאלה 1 לדוגמא – דוגמא זאת מראה על הסקה סיבתית "קלאסית"- סיבה ותוצאה

  • ידוע כי בכל דור יש שיעור שווה של בעלי עיניים כחולות (וכך גם לגבי שאר הצבעים). איזה אירוע מבין הבאים נראה סביר יותר:

1)       הסיכוי שלבת יש עיניים כחולות אם לאימא שלה יש עיניים כחולות?

2)       הסיכוי שלאימא יש עיניים כחולות אם לבת שלה יש עיניים כחולות?

הקריטריון הנורמטיבי

אימהות

בנות

אימא

עיניים כחולות (X)

אימא

צבע אחר  (X*)

סה"כ

בת עיניים כחולות (Y)

25

75

100

בת צבע אחר (Y*)

75

800

875

סה"כ

100

875

975


קריטריון נורמטיבי הוכחה כללית

קריטריון נורמטיבי לדוגמא 1

  • ההסתברות של 2 האירועים המותנים שווה
  • בת/אימא  = אימא / בת

תשובת נבדקים נפוצה לדוגמא 1

  • נותנים לאירוע בת/אימא הסתברות גבוהה יותר

הסבר לדוגמא 1

  • צבע העיניים של האימא נתפס כגורם לצבע העיניים של הבת
  • אנחנו נמשכים אינטואיטיבית לנתון שבנו כמידע סיבתי.

שאלה 2 לדוגמא

  • איזו מההצהרות הבאות נשמעות יותר הגיוניות

א)      טום הוא כבד בגלל שהוא גבוה (מה שהרוב בחרו)

ב)      טום הוא גבוה בגלל שהוא כבד

ניתוח

  • למרות שגובה ומשקל לא נחשבות כסיבה ותוצאה
  • רוב הנבדקים הרגשו שגובה זה הסבר טוב יותר למשקל מאשר משקל לגובה
  • הפרוטוטיפ של האדם הגבה היותו כבד
  • בעוד הפרוטוטיפ של האדם השמן הוא לא גבוהה

שאלה 3 לדוגמא

הסבר מה בדקו

  • הבעיות מהסוג בעיה 2 הצביעו שאולי האסימטריה ההסקית קוראת גם כאשר חסר הקשר בין שני המשתנים
  • וכך נבנו הבעיות הבאות

  • מה מהאירועים הבאים יותר סביר:

א)      שהאתלט ניצח את הקרב הראשון בתחרות קרב ה 10  אם ידוע שהוא ניצח את בתחרות כולה

ב)      שהאתלט ניצח בתחרות קרב ה 10 אם ידוע שהוא ניצח את התחרות הראשונה

ג)        שני האירועים הם בעלי סיכוי שווה.

  • התשובה הנכונה היא ג'
  • יותר נבדקים מעדיפים את א מאשר ב' (והכי מעדיפים את ג')
  • הסיכוי שאתלט ינצח את קרב ה 10 כאשר יש N משתתפים הוא 1/N
  • והסיכוי ינצח את התחרות הראשונה הוא גם 1/N
  • הסבר
  • ניצחון בתחרות בודדות ונצחון וקרב כולו שניהם מעידים על מצויינות אתלטית
  • אבל נצחון בקרב כולו אינדיקציה חזקה יותר מאשר ניצחון בקרב אחד
  • התוצאה מאשר את ההשערה שהניבוי מהאינדיקציה החזקה לאינדיקציה החלשה מקושר עם ביטחון גדול יותר מאשר מהאינדיקציה החלשה לאינדיקציה החזקה

הבהרה נוספת להטיה האסימטריה ההסקית

  • זוהי למעשה הטיה הפוכה לטעות ההיפוך
  • דוגמא לטעות ההיפוך

א)      מה הסיכוי שאם מישהו הוא כדרוסלן ב NBA שהוא כושי

ב)      לעומת הסיכוי שאם מישהו כושי הוא כדורסלן ב NBA

כמובן ש א > ב

ניבוי הסברים ושינוי

עמודים 58-61 ולא למדתי.

  • בפרק זה החוקרים מראים שההטיה ההסקית יעילה יותר מהטיה הדיאגנוסטית
  • בתחילה הם מראים שהקשר מסיבה לתוצאה נעשית ביתר ביטחון מהקשר מתוצאה לסיבה
  • לאחר מכן מראים שכאשר
  • לאותו נתון יש משמעות סיבתית ומשמעות דיאגנוסטית
    • אז להטיה הסיבתית יש יותר משקל מאשר להטיה הדיאגנוסטית בשיפוט הסתברויות.

תיקון הטיה

  • במחקר זה (ובמחקרים רבים אחרים) נמצא שיש לנו העדפה למידע הבנוי בצורה סיבתית
  • יתכן ואפשר לנצל את העדפה הסיבתית לצורך תיקון הטיות שונות:

תיקון הטיה- התעלמות משיעור הבסיס

  • ראינו שלא פעם מתעלמים משיעור הבסיס למרות שהוא ניתן באופן מפורש
  • בפרק זה מראים החוקרים שהשימוש וההתעלמות משיעור הבסיס תלוי במידה רבה לאם המידע ניתן לפירוש סיבתי.
  • דוגמאות לשאלות

שאלה  1 רגיל

  • בעיר מסוימת יש 2 סוגי מוניות, ירוקות (85%) וכחולות (15%).
  • לילה אחד, מונית הייתה מעורבת בתאונת פגע וברח. נמצא כי עד ראייה שהיה במקום מזהה נכונה את צבע המונית ב- 80% מן המקרים. מה הסיכוי שהמונית כחולה, אם העד אמר שהיא כחולה?

שאלה  2- סיבתי

  • בעיר מסוימת יש 2 סוגי מוניות, ירוקות וכחולות. למרות שהחברות הן שוות גודל, 85% מן המוניות המעורבות בתאונות הן ירוקות. לילה אחד, מונית הייתה מעורבת בתאונת פגע וברח. נמצא כי עד ראייה שהיה במקום מזהה נכונה את צבע המונית ב- 80% מן המקרים, מה הסיכוי שהמונית כחולה, אם העד אמר שהיא כחולה?

התייחסות לשאלות

  • למרות שלשאלות 1 ו 2 יש אותו פיתרון
  • הנבדקים ענו שונה לשתי השאלות (עמודים 61 והלאה)

חזרה לשיפוט והערכה בתנאי אי וודאות

מודעות פרסומת

להשאיר תגובה

הזינו את פרטיכם בטופס, או לחצו על אחד מהאייקונים כדי להשתמש בחשבון קיים:

הלוגו של WordPress.com

אתה מגיב באמצעות חשבון WordPress.com שלך. לצאת מהמערכת / לשנות )

תמונת Twitter

אתה מגיב באמצעות חשבון Twitter שלך. לצאת מהמערכת / לשנות )

תמונת Facebook

אתה מגיב באמצעות חשבון Facebook שלך. לצאת מהמערכת / לשנות )

תמונת גוגל פלוס

אתה מגיב באמצעות חשבון Google+ שלך. לצאת מהמערכת / לשנות )

מתחבר ל-%s

קטגוריות

%d בלוגרים אהבו את זה: