যুক্তিসঙ্গত সিদ্ধান্ত গ্রহণ কী?
যুক্তিসঙ্গত (শাস্ত্রীয়) মডেলের সাতটি প্রতিষ্ঠিত ধাপ রয়েছে: সিদ্ধান্ত চিহ্নিত করুন, মানদণ্ড স্থাপন করুন, মানদণ্ডগুলিকে ওজন করুন, বিকল্পগুলি তৈরি করুন, তাদের ওজন করা মানদণ্ডের বিরুদ্ধে মূল্যায়ন করুন, সর্বোত্তম বেছে নিন, এবং কার্যকর করুন এবং পর্যবেক্ষণ করুন। এটি প্রত্যাশিত সুবিধা তত্ত্ব (ড্যানিয়েল বার্নুলি, ১৭৩৮; ফর্মালাইজড বাই ভন নিউম্যান এবং মর্গেনস্টার্ন, ১৯৪৪) এবং একটি পূর্ণভাবে অবহিত যুক্তিসঙ্গত কর্মীর ধারণার উপর নির্ভর করে। নোবেল পুরস্কার বিজয়ী হেরবার্ট সিমন এটিকে সীমিত যুক্তিসঙ্গততা এবং স্যাটিসফাইং (প্রশাসনিক আচরণ, ১৯৪৭) এর মাধ্যমে ভেঙে দিয়েছেন: আসল মানুষ সীমিত তথ্য, সময় এবং চিন্তার দ্বারা সীমিত, প্রথম বিকল্পটি যা যথেষ্ট তা বেছে নেয় যা অপ্টিমাইজ করার পরিবর্তে। বারি স্কোয়ার্জ (প্যারাডক্স অফ চয়েস, ২০০৪) ম্যাক্সিমাইজার্স এবং স্যাটিসফাইসার্সের মধ্যে পার্থক্য করেছেন: ম্যাক্সিমাইজার্স সবচেয়ে ভালো খুঁজে পেতে অত্যধিক খোঁজাখুঁজি করে, যখন স্যাটিসফাইসার্স যখন যথেষ্ট হয় তখন থামে। ম্যাক্সিমাইজার্স সাধারণত বাস্তব ফলাফলের দিক থেকে ভালো ফলাফল অর্জন করে কিন্তু সন্তুষ্ট হয় না: একটি অধ্যয়ন দেখায় যে চাকরি খোঁজার সময় ম্যাক্সিমাইজার্স ২০% বেশি কর্মসংস্থান অর্জন করেছিল কিন্তু তাদের চাকরি সম্পর্কে কম সন্তুষ্ট ছিল। প্রোস্পেক্ট তত্ত্ব (খানেমান এবং টভার্স্কি, ১৯৭৯) এবং আলাইস প্যারাডক্স আরও দেখায় যে আসল বিকল্পগুলি পুরো যুক্তিসঙ্গত মডেল থেকে বিচ্যুত হয়েছে। আর্গুমেন্ট্রি যুক্তিসঙ্গত মডেলের সুবিধাগুলি প্রয়োগ করে: স্পষ্ট মানদণ্ড এবং বিকল্পগুলির বিরুদ্ধে মূল্যায়ন করা হয়, একটি গ্রুপ সিদ্ধান্ত গ্রহণের জন্য স্ট্রাকচারযুক্ত প্রো/কন যুক্তি গাছ ব্যবহার করে, বিমানচিত্র ব্যবহার করে যা সম্মতি স্কোর একত্রিত করে, এবং একটি পূর্ণ অডিট ট্রেল রয়েছে যাতে একটি গ্রুপ সিদ্ধান্ত গ্রহণের জন্য সিস্টেমেটিক্যালি যুক্তি করতে পারে যা পূর্ণভাবে তথ্য প্রদান করে না।
যুক্তিসঙ্গত সিদ্ধান্ত গ্রহণ কী?
যুক্তিসঙ্গত মডেল বলে: আপনার মানদণ্ড সেট করুন, প্রতিটি বিকল্প তাদের বিরুদ্ধে ওজন করুন, এবং সর্বোত্তম বেছে নিন। এটি পাঠ্যপুস্তকের আদর্শ - এবং যেখানে এটি ভেঙে যায় তা জানা হলে আপনি আসল সিদ্ধান্ত গ্রহণে ভালো হবেন।
এটিএল;ডিআর
যুক্তিসঙ্গত সিদ্ধান্ত গ্রহণ হল সিস্টেমেটিক, মানদণ্ড-প্রথম মডেল বিকল্প বিকল্প: সমস্যাটি সংজ্ঞায়িত করুন, বিকল্পগুলি তাদের বিরুদ্ধে ওজন করুন, এবং সেই যা সর্বাধিক মূল্য প্রদান করে তা বেছে নিন। এটি প্রত্যাশিত সুবিধা তত্ত্ব (বার্নুলি, ১৭৩৮; ভন নিউম্যান এবং মর্গেনস্টার্ন, ১৯৪৪) এর উপর নির্ভর করে। এর প্রসিদ্ধ সীমাবদ্ধতা - যে কেউ পূর্ণভাবে তথ্য প্রদান করে না - হেরবার্ট সিমনের স্যাটিসফাইং (প্রশাসনিক আচরণ, ১৯৪৭) এর মাধ্যমে ভেঙে গেছে: আসল মানুষ সীমিত তথ্য, সময় এবং চিন্তার দ্বারা সীমিত, প্রথম বিকল্পটি যা যথেষ্ট তা বেছে নেয় যা অপ্টিমাইজ করার পরিবর্তে। বারি স্কোয়ার্জ (প্যারাডক্স অফ চয়েস, ২০০৪) ম্যাক্সিমাইজার্স এবং স্যাটিসফাইসার্সের মধ্যে পার্থক্য করেছেন: ম্যাক্সিমাইজার্স সবচেয়ে ভালো খুঁজে পেতে অত্যধিক খোঁজাখুঁজি করে, যখন স্যাটিসফাইসার্স যখন যথেষ্ট হয় তখন থামে। ম্যাক্সিমাইজার্স সাধারণত বাস্তব ফলাফলের দিক থেকে ভালো ফলাফল অর্জন করে কিন্তু সন্তুষ্ট হয় না: একটি অধ্যয়ন দেখায় যে চাকরি খোঁজার সময় ম্যাক্সিমাইজার্স ২০% বেশি কর্মসংস্থান অর্জন করেছিল কিন্তু তাদের চাকরি সম্পর্কে কম সন্তুষ্ট ছিল।
যুক্তিসঙ্গত সিদ্ধান্ত গ্রহণের মডেল: ৭ ধাপ
- 1
নীতি চিহ্নিত করুন
আসল সমস্যাটির নাম দিন এবং যে সিদ্ধান্ত নিতে হবে তা নির্ধারণ করুন।
- 2
মানদণ্ড স্থাপন করুন
সিদ্ধান্ত নেওয়ার আগে ভালো ফলাফলের প্রয়োজনীয়তা নির্ধারণ করুন।
- 3
মানদণ্ড ওজন করুন
যে মানদণ্ডগুলি সবচেয়ে গুরুত্বপূর্ণ তা নির্ধারণ করুন।
- 4
বিকল্প প্রস্তুত করুন
সম্ভাব্য বিকল্পগুলির তালিকা তৈরি করুন।
- 5
বিকল্পগুলি মূল্যায়ন করুন
প্রতিটি বিকল্পকে ওজন করুন এবং মূল্যায়ন করুন।
- 6
সর্বোত্তম বিকল্প বেছে নিন
সবচেয়ে ভালো বিকল্পটি বেছে নিন।
- 7
কার্যকর করুন এবং পর্যালোচনা করুন
সিদ্ধান্ত নিন এবং পর্যালোচনা করুন।
যেখানে এটি ভেঙে যায়: সীমিত যুক্তিসঙ্গততা এবং স্যাটিসফাইং
যুক্তিসঙ্গত মডেলটি একটি সমস্ত জ্ঞাত অপ্টিমাইজারকে ধারণ করে - একটি 'অর্থনৈতিক মানুষ'। অর্থনীতিবিদ হেরবার্ট সিমন এটিকে ভেঙে দিয়েছেন প্রশাসনিক আচরণ (১৯৪৭) এ। আসল সিদ্ধান্ত গ্রহণকারীরা সীমিত তথ্য, সময় এবং চিন্তার দ্বারা সীমিত, তাই যুক্তিসঙ্গততা সীমিত। প্রথম বিকল্পটি যা যথেষ্ট তা বেছে নেয় যা অপ্টিমাইজ করার পরিবর্তে - এটি হল স্যাটিসফাইং, যা সিমন কোয়ার্টার থেকে তৈরি করেছেন: আপনি যখন যথেষ্ট হয় তখন থামুন। এই ধারণাটি তার প্রভাবশালী যেমন যে তিনি ১৯৭৮ সালে অর্থনীতিতে নোবেল পুরস্কার পেয়েছিলেন।
ম্যাক্সিমাইজার
একটি সিদ্ধান্ত নেওয়ার আগে সমস্ত বিকল্প খুঁজে বের করুন। সম্ভাব্য ভালো ফলাফল পাওয়া যায়, কিন্তু সিদ্ধান্ত নেওয়ার সময় খুব বেশি চিন্তা করে ব্যাপারটি খারাপ হয়ে যেতে পারে।
স্যাটিসফাইসার
আগে থেকেই ভালো ফলাফলের প্রয়োজনীয়তা নির্ধারণ করুন এবং তারপরে সেই প্রয়োজনীয়তা পূরণ করে এমন প্রথম বিকল্পটি বেছে নিন।
"ভালো করে কিন্তু খারাপ বোধ করে"
মনোবিজ্ঞানী বারি স্কোয়ার্জ ম্যাক্সিমাইজার্স এবং স্যাটিসফাইসার্সের মধ্যে পার্থক্য করেছেন প্যারাডক্স অফ চয়েস (২০০৪)। প্রমাণগুলি অত্যন্ত অস্পষ্ট:
চাকরি খোঁজার অধ্যয়ন (Iyengar, Wells & Schwartz, 2006)
চাকরি খোঁজার অধ্যয়নে, ম্যাক্সিমাইজার চাকরি পেয়েছেন যার বেতন সন্তোষজনক ছিল প্রায় 20% বেশি, কিন্তু তারা সিদ্ধান্ত নেওয়ার সময় খুব বেশি চিন্তা করেছিল এবং তারা সন্তুষ্ট ছিল না।
জ্যাম অধ্যয়ন (Iyengar & Lepper, 2000)
একটি উচ্চ-মানের গ্রোসারি স্টোরে, 24 জ্যামের একটি প্রদর্শন আরও লোককে আকর্ষণ করেছিল, কিন্তু শুধুমাত্র ~3% কেনা হয়েছিল; যখন 6 জ্যামের একটি প্রদর্শন ~30% লোককে কেনার প্রবল প্রয়োজন ছিল, যা প্রায় 10গুণ বেশি।
আর্গুমেন্ট্রি যুক্তিসঙ্গত মডেলের সুবিধাগুলি প্রয়োগ করে
আপনি পূর্ণভাবে তথ্য প্রদান করতে পারবেন না - কিন্তু আপনি যুক্তিসঙ্গত মডেলের সুবিধাগুলি প্রয়োগ করতে পারেন: স্পষ্ট মানদণ্ড এবং বিকল্পগুলির বিরুদ্ধে মূল্যায়ন করা হয়, একটি গ্রুপ সিদ্ধান্ত গ্রহণের জন্য স্ট্রাকচারযুক্ত প্রো/কন যুক্তি গাছ ব্যবহার করে, বিমানচিত্র ব্যবহার করে যা সম্মতি স্কোর একত্রিত করে, এবং একটি পূর্ণ অডিট ট্রেল রয়েছে যাতে একটি গ্রুপ সিদ্ধান্ত গ্রহণের জন্য সিস্টেমেটিক্যালি যুক্তি করতে পারে।
স্পষ্ট মানদণ্ড, দেখানো হয়েছে
বিকল্প এবং প্রতিটি বিকল্পের বিরুদ্ধে যুক্তি প্রদান করা হয়েছে এমন একটি গঠিত প্রো/কন গাছ তৈরি করুন, তাই সিদ্ধান্ত নেওয়ার জন্য ভিত্তি সিদ্ধান্ত নেওয়ার সময় মাথায় রাখা হয় না।
মূল্যায়ন করুন, ওজন করুন, স্কোর করুন
অংশগ্রহণকারীরা যুক্তির সঠিকতা, স্পষ্টতা এবং সহায়কতার উপর ভিত্তি করে অভিযোজন করেন; রেটিংগুলি গাছের উপর একটি নেট সমর্থন স্কোরে যোগ করে, যা একটি সমর্থনযোগ্য ওজন ছাড়াই সম্ভাব্য সমস্ত বিকল্প ওজন করার পরিবর্তে।
একটি "ভালো যথেষ্ট" বার যা দেখা যায়
কারণ নেট সমর্থন মাপা হয়, একটি গোষ্ঠী একটি সন্তুষ্টিকারী মানদণ্ড এবং সেই মানদণ্ড পূরণ করে এমন প্রথম বিকল্পটি বেছে নিতে পারে, বিকল্পগুলি বিশ্লেষণ করার জন্য সময় নষ্ট করে না।
সিদ্ধান্তের একটি রেকর্ড
সিদ্ধান্তের একটি অডিট ট্রেল তৈরি করুন যা যে মানদণ্ড এবং যুক্তি সিদ্ধান্তের পিছনে চালিত করেছিল তা ক্যাপচার করে, তাই পরবর্তীতে ফলাফল বিশ্লেষণ করা যায়।
চাপের মধ্যে বিশেষজ্ঞরা কীভাবে সিদ্ধান্ত নেয় তা ন্যাচারালিস্টিক ডিসিশন মেকিং এর সাথে তুলনা করুন, বিস্তৃত সিদ্ধান্ত গ্রহণ অনুশীলন এবং এর পিছনে সিদ্ধান্ত গ্রহণের মডেল দেখুন এবং গোষ্ঠীগুলি সমষ্টিগত সিদ্ধান্ত গ্রহণ এ কীভাবে এটি প্রয়োগ করে। এর আধুনিক, ডেটা-এবং-এআই অবতার হল সিদ্ধান্ত বুদ্ধিমত্তা।
যে প্রবণতা যুক্তিসঙ্গত বিকল্পগুলিকে বিকল্প করে
ক্ষতি প্রতিরোধ
ক্ষতি সমান প্রয়োজনীয় লাভের চেয়ে দ্বিগুণ বেশি ব্যথদায়ক (প্রস্পেক্ট তত্ত্ব), যা সিদ্ধান্ত নেওয়ার সময় স্বাভাবিক ওজনকে প্রভাবিত করে।
বিশ্লেষণ পরিবর্তন
সমস্ত বিকল্প খুঁজে বের করার জন্য সিদ্ধান্ত নেওয়ার সময় খুব বেশি চিন্তা করে সিদ্ধান্ত নেওয়ার সময় খুব বেশি সময় নষ্ট হয়ে যায়।
অ্যানচরিং
প্রথম সংখ্যা বা বিকল্পটি দেখার পরে পরবর্তী সমস্ত বিচার এটির দিকে আকর্ষিত হয়।
প্রমাণ পূর্বকল্পনা
আমরা যুক্তি প্রদান করি যা আমরা ইতিমধ্যেই পছন্দ করি তার সাথে বেশি ওজন দেই।
সাধারণত জিজ্ঞাসা করা প্রশ্ন
যে কী হল যুক্তিসঙ্গত সিদ্ধান্ত নেওয়া?
যুক্তিসঙ্গত সিদ্ধান্ত নেওয়া একটি গঠিত মডেল যেখানে আপনি সমস্যাটি সংজ্ঞায়িত করেন, স্পষ্ট মানদণ্ড স্থাপন করেন, বিকল্পগুলি প্রস্তুত করেন, প্রতিটি বিকল্পকে মানদণ্ডের বিরুদ্ধে মূল্যায়ন করেন এবং সেই বিকল্পটি বেছে নেন যা সবচেয়ে ভালো সম্ভাব্য ফলাফল প্রদান করে।
যুক্তিসঙ্গত সিদ্ধান্ত নেওয়ার পদ্ধতির কোন ধাপ রয়েছে?
সাধারণ বিবরণে, সত্তর ধাপ রয়েছে: (1) সিদ্ধান্ত নির্ধারণ করুন; (2) মানদণ্ড স্থাপন করুন; (3) মানদণ্ডগুলিকে গুরুত্বের উপর ভিত্তি করে ওজন করুন; (4) বিকল্পগুলি প্রস্তুত করুন; (5) প্রতিটি বিকল্পকে ওজন করা মানদণ্ডের বিরুদ্ধে মূল্যায়ন করুন; (6) সর্বোত্তম বিকল্পটি বেছে নিন; এবং (7) কার্যকর করুন এবং পর্যালোচনা করুন।
যে কী হল সীমিত যুক্তিসঙ্গততা?
সীমিত যুক্তিসঙ্গততা, নোবেল বিজয়ী হেরবার্ট সিমন (প্রশাসনিক আচরণ, 1947) এর ধারণা, হল যে আসল সিদ্ধান্ত গ্রহণকারীরা সমস্ত তথ্য সংগ্রহ করতে পারে না বা সমস্ত বিকল্প ওজন করতে পারে না — যুক্তিসঙ্গততা হল "সীমিত" সীমাবদ্ধ দ্বারা। পরিবর্তে, লোকেরা "সন্তুষ্টিকারী" হয়: তারা একটি "ভালো যথেষ্ট" বার সেট করে এবং সেই বার পূরণ করে এমন প্রথম বিকল্পটি বেছে নেয়।
আপনি একজন ম্যাক্সিমাইজার বা একজন সন্তুষ্টিকারী হওয়া উচিত?
পক্ষীয় বিজ্ঞানী বারি শ্বার্জ (পরাধীন বেছে নেওয়ার পরাধীন, 2004) এর গবেষণায় দেখা গেছে যে ম্যাক্সিমাইজাররা, যারা সিদ্ধান্ত নেওয়ার আগে সমস্ত বিকল্প খুঁজে বের করে, সম্ভাব্য ভালো ফলাফল পায়, কিন্তু সিদ্ধান্ত নেওয়ার সময় খুব বেশি চিন্তা করে এবং তারা সন্তুষ্ট হয় না। একটি অধ্যয়নে, ম্যাক্সিমাইজার চাকরি পেয়েছেন যার বেতন প্রায় 20% বেশি, কিন্তু তারা সিদ্ধান্ত নেওয়ার সময় খুব বেশি চিন্তা করেছিল এবং তারা সন্তুষ্ট ছিল না।
পুরো যুক্তিসঙ্গত সিদ্ধান্ত নেওয়ার পদ্ধতি কার্যকর নয় কেন?
ক্লাসিক্যাল মডেলটি সমস্ত তথ্য সংগ্রহ করার জন্য সীমিত নয়, অসীম বিশ্লেষণ করার জন্য সীমিত নয় এবং সম্পূর্ণরূপে স্বাভাবিক পছন্দ নয়। প্রস্পেক্ট তত্ত্ব (কাহনেম্যান এবং টভার্স্কি, 1979) দেখায় যে আমরা ফলাফলগুলি তুলনা করি তাদের তুলনার উপর ভিত্তি করে এবং আমরা লাভের চেয়ে ক্ষতির চেয়ে দ্বিগুণ বেশি ব্যথদায়ক বোধ করি; অলাইস পরামর্শ দেখায় যে আমাদের বিকল্পগুলি মূল্যায়ন করার সময় আমাদের নিজেদের নিজেদের বিরুদ্ধে আপস করে। প্রকৃত সমাধান হল নিজেদের নিজেদের বিরুদ্ধে আপস করা না করে স্পষ্ট মানদণ্ড এবং যুক্তি প্রদান করা, যখন আপনি সন্তুষ্টিকারী হয়ে উঠবেন, নয় সম্পূর্ণরূপে অপ্টিমাইজ করবেন।
একসাথে যুক্তি করুন
আপনার মানদণ্ড এবং যুক্তিগুলি স্পষ্ট করুন, তাদের একসাথে ওজন করুন, এবং একটি রেকর্ড রাখুন। আর্গুমেন্ট্রি ব্যবহার করে আপনার সিদ্ধান্তের জন্য স্ট্রাকচার যোগ করুন।
ফ্রি শুরু করুন