기타 인지 편향: 예시된 세 가지 일반적인 유형

기타 인지 편향: 예시된 세 가지 일반적인 유형

게시 4 시간 전 

 4월 16, 2022

 조노 헤이 

특집 크리에이터

기사/편집:

• 제이미 로빈슨

정보 과부하의 세계에서 우리는 모든 종류의 희생자가 될 수 있습니다. 인지 편향. 그것들은 우리가 잘못된 결론을 도출하도록 이끌 수 있기 때문에, 결과가 상당히 과감해질 수 있기 때문에 이러한 편견이 무엇인지, 어떻게 작용하는지 이해하는 것이 특히 중요합니다.

확인 편향, 샘플링 바이어스그리고 광채 편향 정보에 비판적으로 참여하는 능력에 영향을 줄 수있는 세 가지 예입니다. Sketchplanations의 Jono Hey는 이러한 인지 편향 사례를 통해 우리를 안내하여 이러한 것들이 우리의 일상 생활에 어떻게 영향을 미치는지 더 잘 이해할 수 있도록 도와줍니다.

확인 편향

가장 일반적으로 접하고 이해하는 것 중 하나는 이미 확인 편향에 대해 들었을 것입니다. 이 인지 편향은 우리가 매일 가설을 테스트하고 평가하는 방식에 영향을 미칩니다.

간단히 말해서, 확증 편향은 우리 자신의 강하게 보유 된 신념이나 기대를지지하는 방식으로 증거를 찾거나 해석하는 경향입니다. 즉, 동일한 데이터 및 정보 집합에 대한 액세스 권한이 부여되면 다른 사람들이 격렬하게 다른 결론에 도달 할 수 있습니다.

확증 편향에 빠지면 정보에 입각 한 선택을하거나 부정적인 고정 관념을 강화할 수 있습니다. 이러한 이유로 다음을 기억하는 것이 중요합니다. 정보 찾기 둘 다 특정 주제에 대한 귀하의 추정을 확인하고 모순합니다.

Sampling Bias

Sampling bias is a kind of bias that allows us to come to faulty conclusions based on inaccurate sample groups or data. Generally, the cause of sample bias is in poor study design and data collection.

When polling individuals for survey questions, it is important to get a representative picture of an entire population. But this can prove surprisingly difficult when the people generating the study are also prone to human flaws, including cognitive biases.

A common example involves conducting a survey on which political party is likely to win an election. If the study is run by a professor who only polls college students, since they are around and therefore easier to collect information from, the poll will not accurately reflect the opinions of the general population.

To avoid sampling bias, it is important to randomize data collection to ensure responses are not skewed towards individuals with similar characteristics.

Brilliance Bias

Brilliance bias is another common cognitive bias that makes us more likely to think of genius as a masculine trait. This is in part due to the lack of female representation in both traditional academic and executive positions.

In fact, The Journal of Experimental Social Psychology published an in-depth study on brilliance bias in 2020. It suggests that a likely source of this bias is in the uneven distribution of men and women across careers typically associated with higher level intelligence.

While this distribution is a remnant of historical factors that limited access to education and career choices for women in the past, its presence has made us (wrongly) conclude that women are less brilliant instead. Naturally, as the cycle perpetuates the uneven distribution of women in these careers, it only reinforces this bias.

Other Cognitive Bias Examples

These few examples from Jono Hey give a good overview of some of the biases we face when trying to understand the data given to us, but they are just the tip of the iceberg.

It is important to be cognizant of these biases in an era where we are constantly engaging with information, especially if we want to combat some of the harmful consequences they entail.

This article was published as a part of Visual Capitalist's Creator Program, which features data-driven visuals from some of our favorite Creators around the world.

인지 편향: 예시된 세 가지 일반적인 유형 (visualcapitalist.com)

Cognitive Biases: Three Common Types Illustrated