인지 편향이란 무엇인가?

당신이 이미 생각하고 있는 것을 지지하는 증거를 찾고 평가하는 것. 어디서 문제가 발생하는가: 누군가가 개인적으로 결정을 내린 후에 작성된 공급업체 목록에서, 모든 참고 전화가 테스트하기보다는 확인만 하는 경우.
증거: Wason의 1960년 규칙 발견 과제가 그 기원이며, 그의 결론은 두 번 이상의 오류 후에도 지속된 하위 그룹에 적용되었다. Klayman과 Ha(1987)는 이를 대부분의 환경에서 규범적으로 타당한 긍정적 테스트 전략으로 재구성했다 — 당신이 기대하는 곳에서 찾는 것이 비합리적이지 않다. Hart와 동료들의 2009년 메타 분석은 Psychological Bulletin에서 친화성 편향을 d = 0.36으로 제시하며, 반증 정보가 진정으로 유용할 때 반전된다.
Argumentree에서: 반대 지점은 선택 사항이 아니다. 기록된 반대 사례가 없는 주장은 조용히 도전받지 않기보다는 명백히 불완전하다, 그리고 질문 체인은 도전을 그 주장이 반박하는 정확한 주장에 연결한다.

언급된 첫 번째 숫자는 모두가 논의하는 범위를 설정합니다. 어디서 영향을 미치는가: 예산 수치, 평가 또는 납기일을 처음으로 말하는 사람은 이후의 모든 추정치를 이동시킵니다.
증거: Tversky와 Kahneman의 1974년 실험에서는 10과 65라는 앵커 후에 동일한 양에 대해 25 대 45의 중앙 추정치가 나왔습니다. Many Labs 1은 앵커링을 강력하게 복제했지만 제공된 앵커를 사용했습니다. 무작위 숫자에서의 우연한 앵커링은 Many Labs 2에서 실패했습니다 (d = 0.04, p = .09, N = 6,826). 따라서: 의도적인 앵커는 사람들을 움직이지만, 환경의 임의 숫자는 대체로 그렇지 않습니다.
Argumentree에서는: 논의 전에 입장이 독립적으로 제출되므로 앵커로 삼을 첫 번째 숫자가 없습니다. 앵커는 청중이 필요하며, 비동기 입력은 이를 제거합니다.

어떤 것이 얼마나 가능성이 있는지를 예시가 얼마나 쉽게 떠오르는지를 통해 판단하는 것. 문제가 발생하는 지점: 지난 분기의 중단이 위험 등록부를 지배하는 반면, 느리고 더 큰 위험은 아무도 이야기하지 않아서 목록에 올라가지 않는다.
증거: 나뉘며, 어떤 반이 중요한지 아는 것이 가치가 있다. 유명한 문자 빈도 시연은 약화되었다 — Sedlmeier, Hertwig 및 Gigerenzer (1998)는 판단이 일반적으로 실제 비율을 따랐음을 발견했다. 회수 용이성 메커니즘은 여전히 존재한다: Weingarten과 Hutchinson의 2018년 메타 분석은 263개의 연구에서 중간 효과를 발견했지만, 출판 편향으로 인해 최대 3분의 1까지 줄어든다.
Argumentree에서: 주장은 그들의 증거를 지니고 있으므로 생생한 일화와 기본 비율이 나란히 놓이고 별도로 평가된다 — 그리고 타임라인은 각 주장이 논의에 언제 들어왔는지를 보여준다.

무어와 힐리의 2008년 논문은 Psychological Review에서 이를 세 가지로 나눕니다: 자신의 점수를 과대평가하기, 다른 사람과의 위치를 과대평가하기, 그리고 과도한 정확성 — 자신의 추정이 맞다고 너무 확신하는 것입니다. 문제가 발생하는 지점: 너무 좁은 전달 범위로 인해 모든 하위 계획이 잘못된 정확성을 물려받습니다.
증거: 과도한 정확성이 가장 확고한 것입니다. 솔과 클레이먼은 신뢰 구간이 "때때로 잘 조정되기 위해 필요한 것의 40%에 불과하다"고 발견했습니다. 과대평가와 과대위치는 작업의 난이도에 따라 뒤바뀝니다 — 어려운 작업은 과대평가를 발생시키지만 과소위치를 발생시킵니다 — 그리고 어려움-쉬움 효과 자체는 부분적으로 회귀 아티팩트입니다 (저슬린 외, 2000).
Argumentree에서: 평가는 주장에 대한 것이지 단언에 대한 것이 아니므로, 증거가 부족한 자신감 있는 주장은 증거가 부족한 것처럼 점수를 받습니다.

자신의 완료 시간을 과소평가하면서 다른 사람들의 시간을 현실적으로 판단하는 것. 어디서 문제가 발생하는가: 당신이 설정한 모든 마이그레이션, 통합 및 출시 날짜.
증거: 현장에서 강력함. Flyvbjerg와 동료들(2002)은 약 900억 달러 규모의 258개 교통 프로젝트를 조사했으며, 비용이 대략 10개 중 9개에서 과소평가되었다는 것을 발견했습니다 — 철도 +45%, 고정 연결 +34%, 도로 +20%. Buehler, Griffin 및 Ross(1994)는 실험실 기원이며, 특히 참가자들이 과거 경험과 추정치를 연결하도록 강요받았을 때 편향이 제거되었다는 점이 주목할 만합니다. 주의할 점: Halkjelsvik와 Jørgensen의 2012년 리뷰는 공학 및 관리 문헌에서 과소평가가 지배적이지만 심리학 문헌에서는 아니었다고 밝혔습니다.
Argumentree에서: 추정치는 계획 회의에서 주장된 숫자가 아니라 증거가 첨부된 주장으로 변합니다 — 참조 클래스 포함.

현재의 배치를 선호하며 "아무것도 하지 않기"를 결과가 있는 선택이 아닌 중립적인 것으로 간주합니다. 어디서 문제가 발생하는가: 현직 공급업체가 갱신되었는데, 전환하려면 정당화가 필요하고 머무르는 것은 필요하지 않기 때문입니다.
증거: 여기서 가장 강력한 증거 중 하나입니다. Samuelson과 Zeckhauser(1988)는 486명의 피험자를 대상으로 연구를 진행했으며, TIAA-CREF 참가자 중 28%만이 한 번이라도 자산 배분을 변경한 것으로 나타났습니다. Jachimowicz와 동료들의 2019년 메타 분석은 58개의 데이터 세트(n = 73,675)에서 기본 효과에 대해 d = 0.68 [0.53, 0.83]를 보고하였고, Madrian과 Shea는 기본 변경만으로 401(k) 참여율이 37%에서 86%로 증가한 것을 발견했습니다.
Argumentree에서: "우리가 가진 것을 유지하기"는 장단점이 있는 옵션으로 입력되므로, 의제에 없어서 이기는 것이 아니라 증거로 경쟁합니다.

같은 사실이 이익 또는 손실로 설명될 때 서로 다른 선택을 만들어냅니다. 어디서 문제가 발생하는가: "90% 성공률"과 "10% 실패률"은 같은 숫자이지만 같은 방식으로 받아들여지지 않습니다.
증거: 방향성은 강력하지만 원래 크기의 대략 절반입니다. Many Labs 1은 Tversky와 Kahneman의 아시아 질병 항목을 복제했습니다: 원래 d = 1.13 → 복제 d = 0.62 (N = 6,271). Many Labs 2는 같은 1981년 논문에서 다른 항목을 복제했습니다 — 원래 OR 4.96 → OR 2.06 (N = 7,228). 이 두 가지는 항상 혼동되지만 서로 다른 연구입니다. Kühberger의 136편 논문에 대한 메타 분석은 프레이밍이 신뢰할 수 있고 크기가 작거나 중간 정도라고 평가합니다.
Argumentree에서: 결정 기준은 옵션이 프레임화되기 전에 작성되며, 주장은 한 번 진술되고 두 프레임 모두에서 도전받을 수 있으며, 발표에 의존하지 않습니다.

결과를 알게 되면, 당신은 처음부터 그것을 알고 있었다고 믿게 됩니다. 어디서 문제가 발생하는가: 누가 그것을 보았어야 하는지를 찾는 사후 분석이 이루어지며, 이는 모두에게 다음 번에는 더 조용히 하도록 가르칩니다.
증거: 강력하지만, 크기에 대한 논란이 있습니다. Fischhoff(1975)는 결과 지식이 판단된 가능성을 높이고 사람들이 그 변화에 대해 대체로 인식하지 못한다고 보여주었습니다. 메타 분석에서는 크기에 대해 의견이 다릅니다: Christensen-Szalanski와 Willham(122개 연구)은 r = .17을 보고하고, Guilbault와 동료들(95개 연구)은 중앙값이 약 .39라고 보고하며, 편향 제거 조작이 대체로 효과적이지 않다고 발견했습니다.
Argumentree에서: 결정 기록은 타임스탬프가 찍혀 있어, 검토가 나중에 도착한 결과가 아니라 당시 존재했던 증거에 따라 결정을 판단할 수 있습니다.

행동을 상황을 무시하고 성격으로 설명하기. 어디서 문제가 발생하는가: 프로젝트가 실패한 이유는 리더가 약했기 때문이지, 프로세스가 그들에게 기준에 의해 설정된 마감일과 합의에 의해 승인된 계획을 제공했기 때문이 아니다.
증거: 패러다임에서 확고하다. Jones와 Harris(1967)는 에세이의 위치가 선택된 것이 아니라 할당되었을 때도 태도 귀인이 지속된다는 것을 발견했다. Many Labs 2는 성공적으로 상응 편향 연구를 복제했다 — 원본 d = 1.75, 복제 d = 1.82, 세트에서 가장 견고한 결과 중 하나이다. 문화 간에 약화되기는 하지만 사라지지는 않는다.
Argumentree에서: 주장은 평가되지만 사람은 평가되지 않는다. 그것이 전체 설계 원칙이며, 이 편향에 대한 직접적인 구조적 답변이다.

현재 결정에서 회수할 수 없는 과거 지출을 계산합니다. 어디서 문제가 발생하는가: 이미 소비한 것 때문에 방어되는 프로젝트입니다.
증거: 실제로 존재하지만 보통이며, 조치가 논란이 됩니다. Arkes와 Blumer(1985)는 85%가 이미 열등하다고 알려진 비행기를 끝내기로 선택했다고 발견했습니다. Sleesman과 동료들의 메타 분석은 매몰 비용을 ρ = .243으로 제시하며, 이는 개인 책임과 비교할 수 있지만 더 크지는 않습니다. 2025년 분석에서는 고전적인 매몰 비용 비유가 내부 일관성이 낮다고 밝혔습니다(ω = 0.14–0.57), 따라서 단일 비유 결과는 주의해서 다루어야 합니다. 또한 Arkes와 Blumer의 자체 극장 연구에서 효과는 시즌 전반부에 존재했으며 본질적으로 사라졌습니다.
Argumentree에서: 프로젝트가 승인될 때 종료 기준을 기록할 수 있으므로, 검토는 동료의 판단을 다시 다투기보다는 문서를 읽습니다 — 약속의 확대를 참조하십시오.

사례가 고정관념과 얼마나 잘 일치하는지를 판단하면서 실제로 그 일이 얼마나 흔한지를 무시하는 것. 어디서 문제가 발생하는가: "이 거래는 우리가 이기는 거래처럼 느껴진다" — 승률 없이.
증거: 시연으로서 강력하며, 강하게 형식 의존적인 부분이 실행 가능한 부분이다. Casscells와 동료들(1978)은 의료진의 18%만이 올바른 답변을 했고, 45%는 거의 50배의 오차를 보였다고 밝혔다; Manrai와 동료들은 36년 후 거의 동일한 결과(23% 정답, 44% 동일한 잘못된 답변)를 반복했다. 그러나 Gigerenzer와 Hoffrage는 동일한 문제가 확률이 아닌 자연 빈도로 제시될 때 정답 비율이 약 16%에서 46–50%로 상승하는 것을 보여주었다.
Argumentree에서: 증거는 그것이 지지하는 주장에 부착되어 있으므로, 기본 비율은 누군가가 알고 있는지 여부에 따라 기억되는 것이 아니라 주장의 일부로 존재한다.

가장 무능한 사람들이 가장 자신감이 있다는 주장. 어디서 문제가 발생하는가: 방에서 가장 큰 확신을 가진 사람이 가장 근거가 부족한 경우이다.
증거 — 이 부분은 주의가 필요하다. 기술적 패턴이 반복된다: 저성과자들은 자신을 과대평가한다. 설명은 대체로 그렇지 않다. Nuhfer와 동료들은 무작위 숫자로부터 고전적인 그래프 형태를 재현했다; Gignac과 Zajenkowski(2020, N = 929)는 관계가 본질적으로 선형이며 효과가 보고된 것보다 훨씬 작다는 것을 발견했다; McIntosh와 동료들은 작업 난이도가 동등해졌을 때, 패턴이 제거되었다 — 성과 수준이 메타인지 결핍이 아니라 원동력이었다. 공정하게 말하자면, Pennycook과 Jansen 및 동료들은 저성과자들이 자신의 답변을 평가하는 데 덜 능숙하다는 것을 발견했다.
정직한 요약: 사람들은 자신을 과대평가하지만, 유명한 그래프의 대부분은 평균으로의 회귀와 평균 이상이다. 이를 법칙으로 인용하지 말라.
Argumentree에서: 자신감은 점수 입력이 아니다. 평가는 주장의 증거에 부여되므로, 확신은 얻지 못한 무게를 지니지 않는다.