संज्ञानात्मक पूर्वाग्रह क्या है? संज्ञानात्मक पूर्वाग्रह एक प्रणालीबद्ध, पूर्वानुमानित निर्णय में त्रुटि है जो उन मानसिक शॉर्टकट्स के कारण उत्पन्न होती है जो लोग अनिश्चितता के तहत उपयोग करते हैं।
एक संज्ञानात्मक पूर्वाग्रह एक प्रणालीबद्ध, पूर्वानुमानित निर्णय में त्रुटि है जो उन मानसिक शॉर्टकट्स के कारण उत्पन्न होती है जो लोग अनिश्चितता के तहत निर्णय लेने के लिए उपयोग करते हैं। आधुनिक अनुसंधान कार्यक्रम की शुरुआत अमोस टवर्स्की और डैनियल काह्नमैन के 1974 के विज्ञान पत्र से होती है, जिसमें तीन ह्यूरिस्टिक्स — प्रतिनिधित्व, उपलब्धता, और एंकर से समायोजन — का वर्णन किया गया है और निष्कर्ष निकाला गया है कि ये ह्यूरिस्टिक्स अत्यधिक आर्थिक और आमतौर पर प्रभावी होते हैं, लेकिन ये प्रणालीबद्ध और पूर्वानुमानित त्रुटियों की ओर ले जाते हैं। काह्नमैन को 2002 में आर्थिक विज्ञान में स्वीडिश रिक्सबैंक पुरस्कार मिला क्योंकि उन्होंने मनोवैज्ञानिक अनुसंधान को आर्थिक विज्ञान में एकीकृत किया; टवर्स्की का 1996 में निधन हो गया था और यह पुरस्कार मरणोपरांत नहीं दिया जाता है। तीन शर्तें नियमित रूप से एकीकृत की जाती हैं। एक ह्यूरिस्टिक स्वयं शॉर्टकट है, और यह आमतौर पर अनुकूलनशील होता है। एक संज्ञानात्मक पूर्वाग्रह वह प्रणालीबद्ध त्रुटि है जो शॉर्टकट उत्पन्न करता है। एक तार्किक दोष एक तर्क की संरचना में दोष है न कि निर्णय में। और शोर, काह्नमैन, सिबोनी और सुनस्टीन की 2021 की पुस्तक का विषय, समान समस्या के निर्णयों में अवांछनीय परिवर्तनशीलता है — दिशा की त्रुटि के बजाय बिखराव — जो उनके बीमा अध्ययन ने पाया कि समान काल्पनिक ग्राहकों के लिए मध्य प्रीमियम 55 प्रतिशत भिन्नता के साथ उत्पन्न हुए। संगठनात्मक निर्णयों के लिए सबसे महत्वपूर्ण पूर्वाग्रह हैं पुष्टि पूर्वाग्रह, एंकरिंग, उपलब्धता, अधिक आत्मविश्वास और अधिक सटीकता, योजना त्रुटि, स्थिति quo पूर्वाग्रह, फ्रेमिंग, पीछे मुड़कर देखने का पूर्वाग्रह, पत्राचार पूर्वाग्रह या मौलिक विशेषण त्रुटि, डूबा हुआ लागत, आधार दर की अनदेखी, और डनिंग-क्रूगर पैटर्न। इनका प्रमाण शक्ति में काफी भिन्न होता है, और ईमानदार उपचार महत्वपूर्ण है: यादृच्छिक संख्याओं से आकस्मिक एंकरिंग Many Labs 2 में पुनरुत्पादित करने में विफल रही, उपलब्धता का पत्र-आवृत्ति प्रदर्शन 1998 में सेडल्मेयर, हर्टविग और गिगेरेंजर द्वारा कमजोर किया गया, आधार दर की अनदेखी मजबूत प्रारूप-निर्भर होती है, और डनिंग-क्रूगर प्रभाव मुख्यतः औसत की ओर पुनःगति का सांख्यिकीय कलाकृति है न कि एक मेटाकॉग्निटिव दोष। ईगो डिप्लेशन, मुँह में कलम के पैराजाइम के माध्यम से चेहरे की प्रतिक्रिया, सामाजिक प्राइमिंग और शक्ति मुद्रा सभी बड़े पुनरुत्पादन में विफल रहे हैं। उपाय के पक्ष में, केवल जागरूकता काम नहीं करती: प्रोनिन, लिन और रॉस ने पाया कि प्रतिभागियों ने अपने आत्म-मूल्यांकन को सटीक बताया जब उन्होंने अपने प्रभावित होने वाले पूर्वाग्रह का वर्णन पढ़ा। जो काम करता है वह संरचनात्मक है — निर्णयों का यांत्रिक समेकन ग्रोव और सहयोगियों के 136 अध्ययनों के मेटा-विश्लेषण में नैदानिक निर्णय से बेहतर प्रदर्शन करता है, पूर्वाग्रह प्रशिक्षण के साथ अभ्यास और फीडबैक महीनों तक बना रहता है और पेशेवर सेटिंग्स में स्थानांतरित होता है, विपरीत पर विचार करना एंकरिंग को कम करता है यहां तक कि विशेषज्ञों के बीच, और संदर्भ-क्लास पूर्वानुमान योजना त्रुटि का मुकाबला इस हद तक करता है कि एचएम ट्रेजरी स्पष्ट रूप से आशावाद-पूर्वाग्रह समायोजन की आवश्यकता होती है। Argumentree इन मुद्दों को संरचनात्मक रूप से संबोधित करता है न कि उपदेश द्वारा: चर्चा से पहले स्वतंत्र रूप से प्रस्तुत करना एंकर और दर्शक को हटा देता है, हर तर्क अपने प्रमाण के साथ होता है और इसे इसके लेखक के बजाय गुण के आधार पर रेट किया जा सकता है, और एक टाइमस्टैम्प वाला निर्णय रिकॉर्ड एक निर्णय को बाद में उस समय ज्ञात जानकारी के आधार पर न्याय करने की अनुमति देता है।
संज्ञानात्मक पूर्वाग्रह क्या है?
एक संज्ञानात्मक पूर्वाग्रह एक प्रणालीबद्ध, पूर्वानुमानित निर्णय में त्रुटि है — यह यादृच्छिक लापरवाही नहीं है, बल्कि एक ऐसी गलती है जो हर बार एक ही दिशा में झुकती है। वह पूर्वानुमानिता अच्छी खबर है: एक त्रुटि जिसे आप पूर्वानुमानित कर सकते हैं, वह एक त्रुटि है जिसके चारों ओर आप डिज़ाइन कर सकते हैं।
अंतिम अपडेट: 2026-08-25
संक्षेप में
पक्षपात ह्यूरिस्टिक्स से आते हैं — शॉर्टकट्स जिन्हें टवर्स्की और काह्नमैन ने "अत्यधिक आर्थिक और आमतौर पर प्रभावी" के रूप में वर्णित किया है, ठीक इसी कारण से कि ये अधिकांश समय काम करते हैं। नीचे उन बारह का विवरण दिया गया है जो संगठनात्मक निर्णयों के लिए सबसे महत्वपूर्ण हैं, प्रत्येक के साथ इसका कैनोनिकल अध्ययन, एक व्यावसायिक उदाहरण, और एक ईमानदार पुनरुत्पादन स्थिति — क्योंकि कई प्रसिद्ध निष्कर्ष पिछले दशक में जीवित नहीं रहे, और एक संदर्भ पृष्ठ जो इसे छुपाता है, वह संदर्भ पृष्ठ नहीं है। जो समाधान काम करते हैं वे संरचनात्मक होते हैं, प्रेरणात्मक नहीं: लोगों को पक्षपात के बारे में बताना साहित्य में सबसे कमजोर हस्तक्षेप है।
पक्षपात, ह्यूरिस्टिक, भ्रांति, शोर — चार अलग-अलग चीजें
इनका उपयोग एक-दूसरे के स्थान पर किया जाता है और ये एक-दूसरे के स्थान पर नहीं हैं। इन्हें अलग करना इस पृष्ठ पर व्यावहारिक मूल्य का अधिकांश हिस्सा है।
अनुसंधान कार्यक्रम की शुरुआत अमोस टवर्स्की और डैनियल काह्नमैन के 1974 के पेपर से होती है जो साइंस में प्रकाशित हुआ था, जिसमें तीन ह्यूरिस्टिक्स — प्रतिनिधित्व, उपलब्धता, और एंकर से समायोजन — का नाम दिया गया था और इस निष्कर्ष पर पहुंचा गया था जो अभी भी इस क्षेत्र को परिभाषित करता है: "ये ह्यूरिस्टिक्स अत्यधिक आर्थिक और आमतौर पर प्रभावी होते हैं, लेकिन ये प्रणालीगत और पूर्वानुमानित गलतियों की ओर ले जाते हैं।" काह्नमैन को इस काम के लिए 2002 का नोबेल मेमोरियल पुरस्कार प्राप्त हुआ; टवर्स्की का निधन 1996 में हो गया था, और यह पुरस्कार मरणोपरांत नहीं दिया जाता है।
- •ह्यूरिस्टिक — स्वयं शॉर्टकट। आमतौर पर अनुकूलनशील, यही कारण है कि यह अदृश्य है। उदाहरणों के आसानी से याद आने के आधार पर जोखिम का मूल्यांकन करना एक ह्यूरिस्टिक है।
- •संज्ञानात्मक पूर्वाग्रह — वह प्रणालीगत त्रुटि जो शॉर्टकट उत्पन्न करता है। हर बार एक ही दिशा, यही इसे डिज़ाइन करने योग्य बनाता है।
- •तर्क की त्रुटि — यह तर्क की संरचना में एक दोष है, न कि निर्णय में। एक गलत द्वंद्व एक त्रुटि है; एंकरिंग एक पूर्वाग्रह है। हमारे 7 तर्क जाल वे स्थान हैं जहाँ दोनों एक बैठक में मिलते हैं। और जब एक त्रुटि जानबूझकर लागू की जाती है, न कि आकस्मिक रूप से, तो यह एक बहस की रणनीति में बदल जाती है — इस मानचित्र की प्रतिकूल चौथी परत।
- •शोर — वह जो सबसे अधिक पूर्वाग्रहित सामग्री अनदेखा करती है, और काह्नमैन का बाद में जोर देना। शोर है एक ही समस्या के निर्णयों में अवांछनीय परिवर्तनशीलता: झुका हुआ नहीं, बल्कि बिखरा हुआ। पूर्वाग्रह आपके शॉट्स का केंद्र के बाईं ओर गिरना है; शोर का मतलब है कि वे हर जगह गिर रहे हैं। शोर (2021) के पीछे के बीमा अध्ययन में, समान पांच काल्पनिक ग्राहकों के लिए स्वतंत्र रूप से निर्धारित मध्य प्रीमियम 55 प्रतिशत भिन्न थे — जो अंडरराइटर्स और उनके अधिकारियों की अपेक्षा से पांच गुना अधिक था।
निर्णयों के लिए महत्वपूर्ण बारह
प्रत्येक प्रविष्टि: यह क्या है, एक निर्णय जहां यह प्रभावित करता है, सबूत वास्तव में किसका समर्थन करता है, और जब तर्क को संरचित किया जाता है तो क्या बदलता है। पुनरुत्पादन की स्थिति स्पष्ट रूप से बताई गई है - इनमें से कई अपनी प्रतिष्ठा से कमजोर हैं, और आसन्न मनोविज्ञान में दो सबसे प्रसिद्ध निष्कर्ष पूरी तरह से विफल हो गए।
1. पुष्टि पूर्वाग्रह
साक्ष्य की खोज और वजन देना जो आपके पहले से मौजूद विचारों का समर्थन करता है। जहां यह प्रभावित करता है: विक्रेता की शॉर्टलिस्ट जो किसी ने निजी तौर पर तय की है, जहां हर संदर्भ कॉल पुष्टि करता है न कि परीक्षण।
साक्ष्य: वासोन का 1960 का नियम-खोज कार्य इसका मूल है, हालांकि उनका अपना निष्कर्ष उस उपसमूह पर लागू होता है जो दो या अधिक गलतियों के बाद बना रहता है। क्लेमें और हा (1987) ने इसे एक सकारात्मक परीक्षण रणनीति के रूप में पुनः फ्रेम किया जो अधिकांश वातावरणों में मानक रूप से सही है — आप उन स्थानों पर देखने के लिए असंगत नहीं हैं जहां आप चीजें खोजने की उम्मीद करते हैं। हार्ट और सहयोगियों का 2009 का मेटा-विश्लेषण साइकोलॉजिकल बुलेटिन में अनुकूलता पूर्वाग्रह को d = 0.36 पर रखता है, और यह उलट जाता है जब अस्वीकृति की जानकारी वास्तव में उपयोगी होती है।
आर्गुमेंट्री में: कों शाखा वैकल्पिक नहीं है। एक रिकॉर्ड किए गए काउंटर-केस के बिना एक दावा स्पष्ट रूप से अधूरा है न कि चुपचाप चुनौतीहीन, और एक प्रश्न श्रृंखला चुनौती को उस सटीक दावे से जोड़ती है जिसका वह विरोध करती है।
2. एंकरिंग
पहला संख्या जो उल्लेखित की जाती है, वह उस सीमा को निर्धारित करती है जिसके भीतर सभी बहस करते हैं। जहां यह असर करता है: जो कोई भी पहले बजट का आंकड़ा, मूल्यांकन या डिलीवरी की तारीख कहता है, उसने हर बाद के अनुमान को प्रभावित कर दिया है।
साक्ष्य: टवर्स्की और काह्नेमन का 1974 का प्रदर्शन समान मात्रा के लिए 25 बनाम 45 के मध्य अनुमान दिखाता है, 10 और 65 के एंकर के बाद। कई लैब्स 1 ने एंकरिंग को मजबूती से दोहराया — लेकिन प्रदान किए गए एंकर का उपयोग करते हुए। यादृच्छिक संख्याओं से आकस्मिक एंकरिंग कई लैब्स 2 में विफल रही (d = 0.04, p = .09, N = 6,826)। तो: जानबूझकर एंकर लोगों को प्रभावित करते हैं; पर्यावरण में मनमाने नंबर ज्यादातर नहीं करते।
आर्गुमेंट्री में: पद स्वतंत्र रूप से चर्चा से पहले प्रस्तुत किए जाते हैं, इसलिए एंकर करने के लिए कोई पहला संख्या नहीं होती। एंकर को एक दर्शक की आवश्यकता होती है, और असिंक्रोनस इनपुट इसे हटा देता है।
3. उपलब्धता
किसी चीज़ की संभावना का आकलन करना कि एक उदाहरण कितनी आसानी से याद आता है। जहाँ यह प्रभावित करता है: पिछले तिमाही का आउटेज जोखिम रजिस्टर में हावी है जबकि धीमा, बड़ा जोखिम जिसके बारे में किसी के पास कोई कहानी नहीं है, सूचीबद्ध नहीं होता।
साक्ष्य: विभाजित, और यह जानना महत्वपूर्ण है कि कौन सा आधा। प्रसिद्ध पत्र-आवृत्ति प्रदर्शन को कमज़ोर किया गया — सेडल्मेयर, हर्टविग और गिगेरेंज़र (1998) ने पाया कि निर्णय आमतौर पर वास्तविक अनुपातों का पालन करते हैं। सूचना की पुनःप्राप्ति की आसानी तंत्र जीवित रहता है: वाइनगार्टन और हचिंसन का 2018 का मेटा-विश्लेषण 263 अध्ययनों में एक मध्यम प्रभाव पाता है, हालांकि प्रकाशन पूर्वाग्रह इसे एक तिहाई तक कम कर देता है।
आर्गुमेंट्री में: तर्क अपने साक्ष्य को ले जाते हैं, इसलिए एक जीवंत उपाख्यान और एक आधार दर एक साथ होते हैं और अलग-अलग मूल्यांकित होते हैं — और समयरेखा दिखाती है कि प्रत्येक चर्चा में कब शामिल हुआ।
4. आत्मविश्वास — और विशेष रूप से अत्यधिक सटीकता
मूर और हीली का 2008 का पेपर Psychological Review इसे तीन भागों में बांटता है: अपने स्कोर का अधिक आकलन करना, दूसरों के खिलाफ अपने आप को अधिक स्थान देना, और अधिक सटीकता — यह होना कि आप अपने अनुमान के सही होने के प्रति बहुत निश्चित हैं। जहां यह प्रभावित करता है: वितरण की सीमा जो बहुत संकीर्ण है, इसलिए हर योजना नीचे की ओर झूठी सटीकता विरासत में लेती है।
साक्ष्य: अधिक सटीकता ही मजबूत है। सोल और क्लेइमन ने पाया कि आत्मविश्वास के अंतराल "कभी-कभी केवल 40% होते हैं जितना कि अच्छी तरह से कैलिब्रेटेड होने के लिए आवश्यक है।" अधिक आकलन और अधिक स्थान देना कार्य की कठिनाई के साथ पलटते हैं — कठिन कार्य अधिक आकलन उत्पन्न करते हैं लेकिन कम स्थान देते हैं — और कठिन-आसान प्रभाव स्वयं आंशिक रूप से एक रिग्रेशन आर्टिफैक्ट है (जुस्लिन एट अल. 2000)।
Argumentree में: रेटिंग तर्क पर होती है, न कि कथन पर, इसलिए पतले साक्ष्य के साथ एक आत्मविश्वासी दावा पतले साक्ष्य की तरह स्कोर करता है।
5. योजना की भ्रांति
अपने ही पूर्णता समय को कम आंकना जबकि दूसरों का यथार्थवादी रूप से मूल्यांकन करना। जहां यह समस्या बनती है: हर माइग्रेशन, इंटीग्रेशन और लॉन्च तिथि जो आपने कभी निर्धारित की है।
साक्ष्य: क्षेत्र में मजबूत। फ्लाइवब्जर्ग और सहयोगियों (2002) ने लगभग 90 अरब अमेरिकी डॉलर के 258 परिवहन परियोजनाओं का अध्ययन किया और पाया कि लागत लगभग नौ में से दस बार कम आंकी गई — रेल +45%, फिक्स्ड लिंक +34%, सड़कें +20%। बुएहलर, ग्रिफिन और रॉस (1994) प्रयोगशाला की उत्पत्ति है, और विशेष रूप से पूर्वाग्रह हटाया गया जब प्रतिभागियों को अनुमान को पिछले अनुभव से जोड़ने के लिए मजबूर किया गया। एक चेतावनी जो ध्यान में रखने योग्य है: हल्कजेल्सविक और जॉर्गेन्सन की 2012 की समीक्षा ने पाया कि इंजीनियरिंग और प्रबंधन साहित्य में कम आंका जाना प्रमुख है लेकिन नहीं मनोविज्ञान साहित्य में।
आर्गुमेंट्री में: अनुमान एक दावा बन जाता है जिसमें साक्ष्य संलग्न होता है — जिसमें संदर्भ वर्ग शामिल होता है — बजाय इसके कि यह एक संख्या हो जो योजना बैठक में प्रस्तुत की गई हो।
6. स्थिति को बनाए रखने का पूर्वाग्रह
वर्तमान व्यवस्था को प्राथमिकता देते हुए, और "कुछ न करना" को एक विकल्प के रूप में नहीं बल्कि तटस्थ के रूप में मानते हुए। जहां यह प्रभावित करता है: मौजूदा विक्रेता ने नवीनीकरण किया क्योंकि स्विच करने के लिए औचित्य की आवश्यकता होती है और रहने के लिए नहीं।
साक्ष्य: यहां सबसे मजबूत में से एक। सैमुअलसन और ज़ेकहॉसर (1988) ने 486 विषयों पर अध्ययन किया और पाया कि केवल 28% TIAA-CREF प्रतिभागियों ने कभी अपनी आवंटन को बदला। जाचिमोविज़ और सहयोगियों का 2019 का मेटा-विश्लेषण 58 डेटा सेट्स (n = 73,675) में डिफ़ॉल्ट प्रभावों की रिपोर्ट करता है d = 0.68 [0.53, 0.83], और मैड्रियन और शिया ने पाया कि 401(k) भागीदारी केवल एक डिफ़ॉल्ट परिवर्तन पर 37% से 86% तक बढ़ गई।
आर्गुमेंट्री में: "जो हमारे पास है उसे बनाए रखें" को अपने स्वयं के लाभ और हानियों के साथ एक विकल्प के रूप में दर्ज किया गया है, इसलिए यह साक्ष्य पर प्रतिस्पर्धा करता है बजाय इसके कि एजेंडे पर न होने के कारण जीतता है।
7. फ्रेमिंग
उसी तथ्यों को लाभ या हानि के रूप में वर्णित करने से विभिन्न विकल्प उत्पन्न होते हैं। जहां यह प्रभावित करता है: "90% सफलता दर" और "10% असफलता दर" एक ही संख्या हैं और इसका प्रभाव अलग होता है।
साक्ष्य: दिशा में मजबूत, मूल परिमाण का लगभग आधा। Many Labs 1 ने Tversky और Kahneman के एशियाई रोग आइटम को दोहराया: मूल d = 1.13 → पुनरुत्पादन d = 0.62 (N = 6,271)। Many Labs 2 ने उसी 1981 के पेपर से एक विभिन्न आइटम को दोहराया — मूल OR 4.96 → OR 2.06 (N = 7,228)। इन दोनों को लगातार मिलाया जाता है; ये अलग-अलग अध्ययन हैं। Kühberger के 136 पत्रों का मेटा-विश्लेषण फ्रेमिंग को विश्वसनीय और छोटे से मध्यम आकार का बताता है।
Argumentree में: निर्णय मानदंड विकल्पों को फ्रेम करने से पहले लिखे जाते हैं, और एक दावा एक बार कहा जा सकता है और दोनों फ्रेम में चुनौती दी जा सकती है बजाय इसके कि प्रस्तुति पर जीवित रहे।
8. पूर्वदृष्टि पूर्वाग्रह
एक बार जब आप परिणाम को जानते हैं, तो आप मानते हैं कि आप इसे हमेशा से जानते थे। जहां यह चोट करता है: पोस्ट-मॉर्टम जो यह खोज बन जाता है कि इसे किसने देखा होना चाहिए था, जो सभी को अगली बार चुप रहने के लिए सिखाता है।
साक्ष्य: मजबूत, मात्रा विवादित। फिशहॉफ (1975) ने दिखाया कि परिणाम ज्ञान से मूल्यांकन की गई संभावना बढ़ जाती है और लोग इस बदलाव के बारे में बड़े पैमाने पर अनजान होते हैं। मेटा-विश्लेषण आकार पर असहमत हैं: क्रिस्टेंसन-ज़ालांस्की और विल्हम (122 अध्ययन) रिपोर्ट करते हैं r = .17; गिल्बॉल्ट और सहयोगी (95 अध्ययन) एक मध्य मान लगभग .39 रिपोर्ट करते हैं — और पाया कि पूर्वाग्रह हटाने की प्रक्रियाएं बड़े पैमाने पर अप्रभावी थीं।
आर्गुमेंट्री में: निर्णय रिकॉर्ड को समय-चिह्नित किया गया है, ताकि एक समीक्षा उस समय मौजूद साक्ष्य के आधार पर निर्णय का मूल्यांकन कर सके, बजाय इसके कि बाद में आया परिणाम।
9. पत्राचार पूर्वाग्रह (मूलभूत श्रेणीकरण त्रुटि)
व्यवहार को चरित्र द्वारा समझाना जबकि स्थिति को नजरअंदाज करना। जहां यह प्रभावित करता है: परियोजना असफल हुई क्योंकि नेतृत्व कमजोर था — न कि इसलिए कि प्रक्रिया ने उन्हें एक समय सीमा दी जो एंकरिंग द्वारा निर्धारित थी और एक योजना जो सहमति द्वारा अनुमोदित थी।
साक्ष्य: पैराजाइम में ठोस। जोन्स और हैरिस (1967) ने पाया कि दृष्टिकोण के आरोप तब भी बने रहे जब निबंध की स्थिति निर्धारित की गई थी न कि चुनी गई। कई लैब्स 2 ने सफलतापूर्वक एक पत्राचार-पूर्वाग्रह अध्ययन को दोहराया — मूल d = 1.75, पुनरुत्पादन d = 1.82, सेट में एक मजबूत परिणामों में से एक। सांस्कृतिक रूप से यह कमज़ोर होता है न कि गायब होता है।
आर्गुमेंट्री में: तर्कों को रेट किया जाता है, लोगों को नहीं। यही पूरा डिज़ाइन सिद्धांत है, और यह इस पूर्वाग्रह का सीधा संरचनात्मक उत्तर है।
10. डूबा हुआ खर्च
अवशोषित अतीत के खर्च को वर्तमान निर्णय में गिनना। जहां यह प्रभावित करता है: परियोजना का बचाव उस कारण से किया जाता है जो पहले ही खर्च हो चुका है।
साक्ष्य: वास्तविक लेकिन मध्यम, और उपायों को चुनौती दी जाती है। आर्केस और ब्लूमर (1985) ने पाया कि 85% ने एक विमान को पूरा करने का चयन किया जो पहले से ही निम्न गुणवत्ता का था। स्लेसमैन और सहयोगियों का मेटा-विश्लेषण अवशोषित लागत को ρ = .243 पर रखता है — व्यक्तिगत जिम्मेदारी के समान, उससे बड़ा नहीं। 2025 के विश्लेषण ने पाया कि क्लासिक अवशोषित लागत के उदाहरणों में आंतरिक संगति खराब है (ω = 0.14–0.57), इसलिए एकल उदाहरण के निष्कर्षों के साथ सावधानी बरतें। यह भी ध्यान दें कि आर्केस और ब्लूमर के अपने थिएटर अध्ययन में प्रभाव सत्र के पहले आधे में मौजूद था और दूसरे में मूल रूप से गायब था।
आर्गुमेंट्री में: निकासी मानदंडों को तब दर्ज किया जा सकता है जब परियोजना को मंजूरी दी जाती है, इसलिए समीक्षा एक दस्तावेज़ पढ़ती है न कि एक सहयोगी के निर्णय को फिर से विवादित करती है — देखें प्रतिबद्धता का बढ़ना।
11. बेस रेट की अनदेखी
एक मामले का एक रूढ़िवादी विचार से मेल खाने के आधार पर निर्णय लेना जबकि यह अनदेखा करना कि वह चीज वास्तव में कितनी सामान्य है। जहां यह प्रभावित करता है: "यह सौदा उन सौदों की तरह लगता है जो हम जीतते हैं" — जीतने की दर के बिना।
साक्ष्य: एक प्रदर्शन के रूप में मजबूत, और अत्यधिक फॉर्मेट-निर्भर, जो क्रियाशील भाग है। कैससेल्स और सहयोगियों (1978) ने पाया कि केवल 18% चिकित्सा स्टाफ ने सही उत्तर दिया जबकि 45% लगभग पचास के कारक से गलत थे; मनराई और सहयोगियों ने 36 साल बाद लगभग समान परिणामों के साथ इसे दोहराया (23% सही, 44% वही गलत उत्तर देते हुए)। लेकिन गिगेरेंजर और हॉफ्रैज ने दिखाया कि सही उत्तर प्राकृतिक आवृत्तियों में प्रस्तुत किए जाने पर लगभग 16% से 46–50% तक बढ़ जाते हैं, बजाय संभावनाओं के।
आर्गुमेंट्री में: साक्ष्य उस दावे से जुड़ा होता है जिसका वह समर्थन करता है, इसलिए एक आधार दर एक तर्क के रूप में मौजूद होती है बजाय इसके कि इसे याद किया जाए — या नहीं — जो भी इसे जानता है।
12. डनिंग-क्रूगर पैटर्न
कमज़ोरतम लोग सबसे अधिक आत्मविश्वासी होते हैं, इस दावे में। जहाँ यह चोट करता है: कमरे में सबसे ज़ोरदार निश्चितता उस व्यक्ति की होती है जिसके पास इसके लिए सबसे कम आधार होता है।
साक्ष्य — और इस पर ध्यान देने की आवश्यकता है। वर्णात्मक पैटर्न दोहराता है: कम प्रदर्शन करने वाले अपने आप को अधिक आंकते हैं। व्याख्या मुख्यतः नहीं होती। नुहफर और सहयोगियों ने यादृच्छिक संख्याओं से क्लासिक ग्राफ आकार को पुन: उत्पन्न किया; गिग्नैक और ज़ाजेंकोव्स्की (2020, N = 929) ने पाया कि संबंध मूलतः रैखिक है और प्रभाव रिपोर्ट की गई तुलना में बहुत छोटा है; मैकइंटोश और सहयोगियों ने पाया कि जब कार्य की कठिनाई को समान किया गया, तो पैटर्न समाप्त हो गया — प्रदर्शन स्तर, न कि मेटाकॉग्निटिव दोष, चालक था। निष्पक्षता में, पेनीकुक और जैंसेन और सहयोगियों ने पाया कि कम प्रदर्शन करने वाले अपने उत्तरों का मूल्यांकन करने में कम सक्षम होते हैं।
ईमानदार सारांश: लोग अपने आप को अधिक आंकते हैं, लेकिन प्रसिद्ध ग्राफ का अधिकांश भाग औसत की ओर वापसी और औसत से बेहतर है। इसे कानून के रूप में उद्धृत न करें।
आर्गुमेंट्री में: आत्मविश्वास एक स्कोरिंग इनपुट नहीं है। एक रेटिंग एक तर्क के साक्ष्य से जुड़ी होती है, इसलिए निश्चितता का कोई वजन नहीं होता जिसे उसने अर्जित नहीं किया है।
क्या वास्तव में पूर्वाग्रह को कम करता है — और क्या केवल ऐसा लगता है कि यह करता है
यहां अधिकांश कॉर्पोरेट पूर्वाग्रह कार्य गलत होते हैं, क्योंकि सहज हस्तक्षेप साहित्य में सबसे कमजोर होता है। साक्ष्य स्पष्ट रूप से विभाजित होता है।
काम नहीं करता: लोगों को पूर्वाग्रहों के बारे में बताना
सबसे अधिक खरीदी गई हस्तक्षेप को सबसे कम समर्थन प्राप्त है। प्रोनिन, लिन और रॉस (2002) ने पाया कि प्रतिभागियों ने "जोर देकर कहा कि उनकी आत्म-मूल्यांकन सटीक और वस्तुनिष्ठ थे, भले ही उन्होंने यह पढ़ा कि वे संबंधित पूर्वाग्रह से कैसे प्रभावित हो सकते थे।" लोग दूसरों में पूर्वाग्रह को अपने आप की तुलना में कहीं अधिक आसानी से देखते हैं — यही पूर्वाग्रह का अंधा स्थान है, और जागरूकता प्रशिक्षण सीधे इसमें टकराता है।
काम नहीं करता: एक शैतानी वकील की नियुक्ति
नेमेथ और सहयोगियों (2001) ने पाया कि असाइन की गई शैतानी वकालत ने "प्राथमिक रूप से प्रारंभिक दृष्टिकोण के संज्ञानात्मक सुदृढ़ीकरण के लिए लक्षित सोच" को बढ़ावा दिया, और कि एक प्रामाणिक अल्पसंख्यक तीनों भूमिका निभाने वाले रूपों से श्रेष्ठ था। असली असहमति को किसी को इसे करने के लिए असाइन करके क्लोन नहीं किया जा सकता — हालांकि वास्तविक असहमति रखने वालों को कवर देना एक अलग और बेहतर कदम है।
कार्य: चर्चा से पहले स्वतंत्र निर्णय
लेखन में पदों को एकत्र करें, अलग-अलग, पहले कि कोई किसी और को सुने। यह पृष्ठ पर सबसे सस्ता संरचनात्मक सुधार है, और यह एक कदम में एंकरिंग, सामाजिक प्रमाण और प्राधिकरण की श्रद्धा को निष्क्रिय कर देता है — जिनमें से प्रत्येक को कार्य करने के लिए एक दर्शक और बोलने का क्रम चाहिए।
कार्य: यांत्रिक संचय
यहाँ सबसे अच्छी तरह से प्रमाणित आइटम है। ग्रोव और सहयोगियों के 136 अध्ययनों के मेटा-विश्लेषण ने पाया कि यांत्रिक भविष्यवाणी औसतन नैदानिक निर्णय की तुलना में लगभग 10% अधिक सटीक है, और श्रेष्ठता "निर्णय कार्य, न्यायाधीशों के प्रकार, न्यायाधीशों के अनुभव की मात्रा, या संयोजित डेटा के प्रकारों" के बावजूद लगातार बनी रही। संरचित रेटिंग को एक चर्चा से बेहतर माना जाता है जो एक भावना में समाप्त होती है।
काम: विपरीत पर विचार करें
दूसरी तरफ सक्रिय रूप से तर्क करना लोगों को निष्पक्ष होने के लिए प्रेरित करने से बेहतर है — लॉर्ड, लेपर और प्रेस्टन (1984) ने पाया कि यह यथासंभव निष्पक्ष रहने के निर्देशों से बेहतर प्रदर्शन करता है, और मुसवीलर और सहयोगियों ने एक वास्तविक दुनिया के सेटिंग विशेषज्ञों के साथ एंकरिंग को कम किया, एंकर के खिलाफ तर्कों को सूचीबद्ध करके। संरचनात्मक रूप से, यही एक विपक्षी शाखा है।
कार्य: अभ्यास और फीडबैक के साथ प्रशिक्षण
जागरूकता के केवल होने के विपरीत, वास्तविक प्रशिक्षण प्रभावी होता है। मोरवेज और सहयोगियों (2015) ने पाया कि एकल-सेशन हस्तक्षेपों ने ऐसे सुधार उत्पन्न किए जो दो महीने तक बने रहे, और सेलियर, स्कोपेलिटि और मोरवेज (2019) ने एक वास्तविक पेशेवर सेटिंग में स्थानांतरण दिखाया — प्रशिक्षित प्रतिभागियों के 19% कम संभावना थी कि वे पुष्टि करने वाले लेकिन निम्न विकल्प को चुनें।
कार्य: संदर्भ वर्ग, ताजा आशावाद नहीं
योजना की भ्रांति के खिलाफ, पूर्वानुमान को इस परियोजना की योजना के बजाय तुलनीय पूर्ण परियोजनाओं पर आधारित करें। एचएम ट्रेजरी की ग्रीन बुक मार्गदर्शन इसे स्पष्ट रूप से आवश्यक बनाता है: मूल्यांकनकर्ताओं में "अधिक आशावादी होने की प्रवृत्ति होती है," इसलिए समायोजन "अतीत या समान परियोजनाओं के डेटा पर आधारित होने चाहिए।"
और केवल पूर्वाग्रह नहीं, बल्कि शोर को भी मापें
यदि आपके दो समीक्षक एक ही प्रस्ताव को अलग-अलग अंक देते हैं, तो कोई भी पूर्वाग्रह हटाने की प्रक्रिया मदद नहीं करेगी — यह शोर है, और इसके लिए साझा मापदंडों और स्वतंत्र रेटिंग की आवश्यकता है, न कि बेहतर इरादों की। यह तब तक अदृश्य रहता है जब तक कोई जानबूझकर एक ही मामले को दो लोगों के सामने नहीं रखता।
कार्य सूची के आकार पर ध्यान दें: इसमें से कोई भी किसी से अधिक वस्तुनिष्ठ होने के लिए नहीं कहता। हर प्रभावी आइटम उन चीजों के क्रम को बदलता है जिनमें घटनाएँ होती हैं, जो लिखा जाता है, या जो जोड़ा जाता है — जो कि एक संरचित तर्क वृक्ष का सटीक विवरण है। Argumentree का योगदान एक पूर्वाग्रह हटाने वाले सेमिनार के रूप में नहीं है; यह स्वतंत्र प्रस्तुतिकरण, दावों के साथ संलग्न साक्ष्य, तर्ककर्ता के बजाय तर्क को रेटिंग देना, और एक समय-चिह्नित रिकॉर्ड हैं, जो चार संरचनात्मक हस्तक्षेप हैं जिनका साक्ष्य वास्तव में समर्थन करता है, जो डिफ़ॉल्ट रूप से अनुशासन के बजाय चलता है।
और अन्वेषण करें
7 तर्क जाल
जब एक समूह चर्चा कर रहा होता है, तो ये पूर्वाग्रह किस तरह के होते हैं - वही गलतियाँ जो बैठक-आकार के नामों और चेतावनी संकेतों के साथ होती हैं जिन्हें आप लाइव पहचान सकते हैं।
रणनीति में संज्ञानात्मक पूर्वाग्रह
लंबी अवधि का उपचार: संगठनात्मक स्तर पर बारह पूर्वाग्रह, प्रतिवाद, और प्रक्रिया सुधार।
प्रेरणा क्या है?
तीसरी परत — जब कोई जानबूझकर इन तंत्रों का उपयोग करता है तो क्या होता है।
आर्गुमेंट्री विधि
इस पृष्ठ पर संरचनात्मक सुधारों को क्रियान्वित करने वाला पांच-तत्वीय अनुशासन।
निर्णय गुणवत्ता क्या है?
वह मानक जो निर्णय को उसके निर्णय समय पर प्रक्रिया के आधार पर आंकता है, न कि इसके परिणाम के आधार पर।
प्रतिबद्धता का बढ़ना
संकट लागत का संगठनात्मक रूप, और क्यों एक विफलता की लेखनता इसके प्रति दोबारा निवेश करने की भविष्यवाणी करती है।
अक्सर पूछे जाने वाले प्रश्न
संज्ञानात्मक पूर्वाग्रह क्या है?
एक व्यवस्थित, पूर्वानुमानित निर्णय में त्रुटि जो अनिश्चितता के तहत लोग मानसिक शॉर्टकट का उपयोग करते समय उत्पन्न होती है। इसकी विशेषता यह है कि यह लगातार एक दिशा में झुकती है बजाय इसके कि यह यादृच्छिक रूप से बिखरे, जो इसे एक प्रक्रिया को डिजाइन करने की अनुमति देता है जो इसके लिए मुआवजा देती है। टवर्स्की और काह्नमैन का 1974 का पेपर साइंस में फ्रेमिंग स्थापित करता है: ह्यूरिस्टिक्स अत्यधिक आर्थिक होते हैं और आमतौर पर प्रभावी होते हैं, लेकिन ये व्यवस्थित और पूर्वानुमानित त्रुटियों की ओर ले जाते हैं।
संज्ञानात्मक पूर्वाग्रह, एक ह्यूरिस्टिक और एक तार्किक भ्रांति में क्या अंतर है?
एक ह्यूरिस्टिक स्वयं मानसिक शॉर्टकट है और आमतौर पर अनुकूलनशील होता है। एक संज्ञानात्मक पूर्वाग्रह वह प्रणालीगत त्रुटि है जो शॉर्टकट उत्पन्न करता है। एक तार्किक भ्रांति तर्क की संरचना में दोष है न कि निर्णय में — एक गलत द्वंद्व एक भ्रांति है, जबकि एंकरिंग एक पूर्वाग्रह है। एक चौथा शब्द, शोर, त्रुटि के बजाय परिवर्तनशीलता है: एक ही समस्या के निर्णयों के बीच अवांछनीय असंगति।
पूर्वाग्रह और शोर में क्या अंतर है?
पक्षपात दिशा संबंधी त्रुटि है — आपकी शॉट्स लक्ष्य के बाईं ओर लगातार गिरते हैं। शोर बिखराव है — वे हर जगह गिरते हैं। काह्नमैन, सिबोनी और सुनस्टीन की 2021 की पुस्तक का तर्क है कि संगठन पक्षपात पर भारी खर्च करते हैं जबकि शोर को नजरअंदाज करते हैं, जो अक्सर बड़ा और ठीक करना आसान होता है। उनके बीमा अध्ययन में, समान पांच काल्पनिक ग्राहकों के लिए स्वतंत्र रूप से निर्धारित मध्य प्रीमियम 55% भिन्न थे, जो अंडरराइटर्स और कार्यकारी अधिकारियों की अपेक्षाओं से लगभग पांच गुना अधिक था।
व्यवसाय निर्णयों के लिए कौन से संज्ञानात्मक पूर्वाग्रह सबसे महत्वपूर्ण हैं?
इस पृष्ठ पर बारह: पुष्टि पूर्वाग्रह, एंकरिंग, उपलब्धता, अत्यधिक आत्मविश्वास और अत्यधिक सटीकता, योजना की भ्रांति, स्थिति को बनाए रखने का पूर्वाग्रह, फ्रेमिंग, पूर्वदृष्टि पूर्वाग्रह, पत्राचार पूर्वाग्रह, डूबा हुआ खर्च, आधार दर की अनदेखी, और डनिंग-क्रूगर पैटर्न। वे अपनी जगह कमाते हैं क्योंकि प्रत्येक एक पुनरावृत्त संगठनात्मक विफलता से मेल खाता है — वह संक्षिप्त सूची जो केवल पुष्टि करती है, पहला नंबर जो सीमा निर्धारित करता है, वह नवीनीकरण जिसे किसी ने सही ठहराया नहीं, वह पोस्ट-मॉर्टम जो दोषी की तलाश करता है।
क्या डनिंग-क्रूगर प्रभाव असली है?
यह पैटर्न वास्तविक है; लोकप्रिय व्याख्या नहीं है। निम्न प्रदर्शन करने वाले अपने आप को अधिक आंकते हैं, लेकिन प्रसिद्ध चार्ट का अधिकांश भाग औसत की ओर लौटने और औसत से बेहतर प्रभाव द्वारा पुन: उत्पन्न किया गया है - नुहफर और सहयोगियों ने यादृच्छिक संख्याओं से वही ग्राफ आकार उत्पन्न किया, गिग्नैक और ज़ाजेंकोव्स्की ने संबंध को मूल रूप से रैखिक पाया जिसमें प्रभाव बहुत छोटा था, और मैकइंटोश और सहयोगियों ने कार्य की कठिनाई को समान करके पैटर्न को समाप्त कर दिया। इसे एक वर्णनात्मक प्रवृत्ति के रूप में देखें, न कि एक मेटाकॉग्निटिव कानून के रूप में।
क्या कोई प्रसिद्ध संज्ञानात्मक पूर्वाग्रह दोहराने में असफल रहे हैं?
हाँ, और कोई भी ईमानदार संदर्भ पृष्ठ ऐसा ही कहेगा। ईगो डिप्लेशन ने एक पंजीकृत पुनरुत्पादन में असफलता पाई (d = 0.04 23 प्रयोगशालाओं में)। पेन-इन-माउथ चेहरे-प्रतिक्रिया पैराजाइम ने 17 प्रयोगशालाओं के पुनरुत्पादन में असफलता पाई। सामाजिक प्राइमिंग और पावर पोज़िंग दोनों असफल रहे। यादृच्छिक संख्याओं से आकस्मिक एंकरिंग Many Labs 2 में असफल रही, और उपलब्धता का पत्र-आवृत्ति प्रदर्शन 1998 में कमजोर पड़ा। अधिक व्यापक रूप से, ओपन साइंस सहयोग ने 100 मनोविज्ञान अध्ययनों में से 36% का पुनरुत्पादन किया, और Many Labs 2 ने 28 में से 15 का पुनरुत्पादन किया, जिसमें मध्य प्रभाव आकार 0.60 से घटकर 0.15 हो गया।
क्या संज्ञानात्मक पूर्वाग्रहों के बारे में जानना आपको उनसे बचने में मदद करता है?
बमुश्किल, अपने आप में — और यह यहाँ सबसे महत्वपूर्ण व्यावहारिक निष्कर्ष है। प्रोनिन, लिन और रॉस ने पाया कि प्रतिभागियों ने जोर देकर कहा कि उनकी आत्म-मूल्यांकन सटीक थे, भले ही उन्होंने उन्हें प्रभावित करने वाले सटीक पूर्वाग्रह का विवरण पढ़ा हो। प्रशिक्षण जिसमें अभ्यास और फीडबैक शामिल होता है, अलग होता है: यह महीनों तक बना रहता है और वास्तविक पेशेवर सेटिंग्स में स्थानांतरित होता है। लेकिन पूर्वाग्रहों की सूची वाली एक स्लाइड डेक उपलब्ध सबसे कमजोर हस्तक्षेप के करीब है।
समूह निर्णयों में संज्ञानात्मक पूर्वाग्रह को वास्तव में क्या कम करता है?
संरचनात्मक परिवर्तन, प्रेरणात्मक परिवर्तनों के बजाय। चर्चा से पहले स्वतंत्र रूप से निर्णय एकत्र करें, ताकि एंकरिंग और सामाजिक प्रमाण का कोई दर्शक न हो। संरचित रेटिंग को यांत्रिक रूप से संयोजित करें - ग्रोव के 136 अध्ययनों का मेटा-विश्लेषण ने पाया कि यांत्रिक भविष्यवाणी लगभग 10% अधिक सटीक थी तुलना में नैदानिक निर्णय के। विपरीत मामले को स्पष्ट रूप से तर्कित करने की आवश्यकता है। पूर्वानुमानों के लिए ताजा आशावाद के बजाय संदर्भ वर्गों का उपयोग करें। और एक टाइमस्टैम्प रिकॉर्ड रखें ताकि निर्णय उस समय ज्ञात जानकारी के आधार पर मूल्यांकित किए जा सकें।
Argumentree संज्ञानात्मक पूर्वाग्रह में कैसे मदद करता है?
चार साक्ष्य-समर्थित संरचनात्मक हस्तक्षेपों को डिफ़ॉल्ट रूप से चलाकर। तर्कों को चर्चा से पहले स्वतंत्र रूप से प्रस्तुत किया जा सकता है, जो एंकर और दर्शकों को हटा देता है। हर दावे के साथ उसका साक्ष्य होता है, इसलिए आधार दरें और जीवंत किस्से एक साथ स्पष्ट होते हैं। रेटिंग्स तर्कों से जुड़ी होती हैं, लोगों से नहीं, इसलिए आत्मविश्वास और वरिष्ठता का कोई महत्व नहीं होता जो उन्होंने अर्जित नहीं किया है। और निर्णय रिकॉर्ड को समय के साथ चिह्नित किया जाता है, इसलिए बाद की समीक्षा प्रक्रिया का मूल्यांकन उस समय उपलब्ध जानकारी के आधार पर कर सकती है, न कि परिणाम के आधार पर।
संदर्भ और आगे की पढ़ाई
टवर्स्की, ए., & काह्नमैन, डी. (1974). अनिश्चितता के तहत निर्णय: ह्यूरिस्टिक्स और पूर्वाग्रह। विज्ञान, 185(4157), 1124–1131।
स्थापना पत्र: प्रतिनिधित्व, उपलब्धता, और एक एंकर से समायोजन।
View source →काह्नेमन, डी., & टवर्स्की, ए. (1979). संभाव्यता सिद्धांत: जोखिम के तहत निर्णय का विश्लेषण। इकोनोमेट्रिका, 47(2), 263–291।
लाभ और हानियों को अंतिम संपत्तियों के बजाय मूल्य सौंपा गया; संभावनाओं को निर्णय भारों द्वारा प्रतिस्थापित किया गया।
View source →काह्नमैन, डी., सिबोनी, ओ., & सुनस्टीन, सी. आर. (2021). शोर: मानव निर्णय में एक दोष।
ध्वनि को एक ही समस्या के निर्णयों में अवांछनीय परिवर्तनशीलता के रूप में देखा जाता है - यह वह भेद है जिसे अधिकांश पूर्वाग्रह कार्य छोड़ देते हैं।
मूर, डी. ए., & हीली, पी. जे. (2008). अत्यधिक आत्मविश्वास की समस्या। मनोवैज्ञानिक समीक्षा, 115(2), 502–517।
तीन-तरफा विभाजन: अधिक आकलन, अधिक स्थान, अधिक सटीकता।
View source →फ्लाइवब्जर्ग, बी., होल्म, एम. एस., & बुघल, एस. (2002). सार्वजनिक कार्य परियोजनाओं में लागत का कम आकलन करना। अमेरिकन प्लानिंग एसोसिएशन का जर्नल।
258 परियोजनाएँ, लगभग 90 अरब अमेरिकी डॉलर: लागत लगभग नौ में से दस मामलों में कम आंकी गई।
जाचिमोविज़, जे. एम., डंकन, एस., वेबर, ई. यू., & जॉनसन, ई. जे. (2019). कब और क्यों डिफ़ॉल्ट निर्णयों को प्रभावित करते हैं: डिफ़ॉल्ट प्रभावों का एक मेटा-विश्लेषण। व्यवहारिक सार्वजनिक नीति।
d = 0.68 [0.53, 0.83] 58 डेटा सेट्स में, n = 73,675.
क्लाइन, आर. ए., इत्यादि। (2014). पुनरुत्पादकता में भिन्नता की जांच: एक 'कई प्रयोगशालाएँ' पुनरुत्पादन परियोजना। सामाजिक मनोविज्ञान।
एशियाई रोग फ्रेमिंग आइटम की पुनरावृत्ति की: मूल d = 1.13 → पुनरावृत्ति d = 0.62 (N = 6,271)।
View source →क्लाइन, आर. ए., इत्यादि। (2018). मेनी लैब्स 2। मनोवैज्ञानिक विज्ञान में विधियों और प्रथाओं में प्रगति, 1(4), 443–490।
28 में से 15 निष्कर्षों की पुनरावृत्ति हुई; मध्य d 0.60 से गिरकर 0.15 हो गया। आकस्मिक एंकरिंग विफल रही (d = 0.04)।
View source →ओपन साइंस सहयोग (2015)। मनोवैज्ञानिक विज्ञान की पुनरुत्पादकता का अनुमान लगाना। विज्ञान, 349(6251)।
100 पुनरावृत्तियों में से 36% ने मूल के 97% के मुकाबले महत्वपूर्णता प्राप्त की।
View source →Hagger, M. S., आदि। (2016). आत्म-क्षय प्रभाव का एक बहु-प्रयोगशाला पूर्व-निर्धारित पुनरावृत्ति। मनोवैज्ञानिक विज्ञान पर दृष्टिकोण।
d = 0.04, 95% CI [−0.07, 0.15] 23 प्रयोगशालाओं में।
गिग्नैक, जी. ई., & ज़ाजेंकोव्स्की, एम. (2020). डनिंग-क्रूगर प्रभाव (अधिकतर) एक सांख्यिकीय कलाकृति है। बुद्धिमत्ता, 80, 101449।
आधारभूत रूप से रैखिक संबंध; प्रभाव रिपोर्ट किए गए से बहुत छोटा है।
View source →प्रोनिन, ई., लिन, डी. वाई., & रॉस, एल. (2002). पूर्वाग्रह अंधा स्थान. व्यक्तित्व और सामाजिक मनोविज्ञान बुलेटिन, 28(3), 369–381.
स्वयं-आकलन उस पूर्वाग्रह के संबंधित विवरण को पढ़ने के बाद भी बचाव किए गए।
View source →ग्रोव, डब्ल्यू. एम., ज़ाल्ड, डी. एच., लेबो, बी. एस., स्निट्ज, बी. ई., & नेल्सन, सी. (2000). नैदानिक बनाम यांत्रिक भविष्यवाणी: एक मेटा-विश्लेषण। मनोवैज्ञानिक मूल्यांकन, 12(1), 19–30।
136 अध्ययन; यांत्रिक भविष्यवाणी लगभग 10% अधिक सटीक, कार्य और न्यायाधीश प्रकार के बीच लगातार।
View source →सेलियर, ए.-एल., स्कोपेल्लिटी, आई., & मोरेवेज, सी. के. (2019). पूर्वाग्रह हटाने का प्रशिक्षण क्षेत्र में निर्णय लेने में सुधार करता है। मनोवैज्ञानिक विज्ञान।
प्रशिक्षित प्रतिभागी पुष्टि करने वाले लेकिन निम्नतर विकल्प को चुनने की संभावना 19% कम थी।
View source →नेमेथ, सी., ब्राउन, के., & रोजर्स, जे. (2001). शैतान का वकील बनाम वास्तविक असहमति। यूरोपीय सामाजिक मनोविज्ञान पत्रिका।
नियुक्त शैतानी वकालत ने प्रारंभिक दृष्टिकोण को मजबूत किया; प्रामाणिक असहमति ने तीनों रूपों को पराजित किया।
View source →HM ट्रेजरी। ग्रीन बुक पूरक मार्गदर्शन: आशावाद पूर्वाग्रह।
पिछले या समान परियोजनाओं के डेटा के आधार पर स्पष्ट समायोजन की आवश्यकता है।
View source →प्रक्रिया को डिज़ाइन करें, लोगों को नहीं
चर्चा से पहले स्वतंत्र प्रस्तुतिकरण, प्रत्येक दावे के साथ प्रमाण संलग्न, लेखकों के बजाय तर्कों पर रेटिंग, और एक समय-चिह्नित रिकॉर्ड — ये चार संरचनात्मक हस्तक्षेप हैं जिनका समर्थन प्रमाण करता है, जो डिफ़ॉल्ट रूप से चल रहे हैं।
मुफ्त शुरू करें — कोई क्रेडिट कार्ड नहीं