《噪声》的思维套图
2025-05-18 18:29:13 0 举报AI智能生成
阅读《噪声》的思维导图，基于最后回顾与总结的章节进行整理。
作者其他创作
大纲/内容
判断
定义：与“思考”不同，不能混淆。<br>判断是将各种信息非正式地整合到总体评估中。
判断有区分专业，术业有专攻。
预测性判断
可以验证
无法验证
评估性判断
举例：法律判决，评价艺术品，歌曲等等<br>
判断会产生有限的分歧
判断产生了【偏差】和【噪声】
偏差
整体平均误差
举例：公司中高管们年复一年对销售额做出过高估计<br>
噪声
本应该相同的判断中出现变异
系统噪声：组织中具有同质性的专业人士在做出决策时出现的噪声（<font color="#e74f4c">本书主要讨论的方向</font>）<br>
系统噪声组成
水平噪声：不同个体在平均判断上变异性；<br>
模式噪声：对同一事物看法不同（即使是同一个人在不同时间进行判断）；<br>
稳定模式噪声：源自意识形态，生活经历，原则，价值观等；<br>反应了一个人独特性。
不稳定噪声，主要参考情景噪声；
情景噪声：判断者在判断时不可见的可能性产生变异；<br>例如：情绪，当天遇到事物，天气情况等等。参考：发球时，一些优秀的投手也会投失。<br>
核心公式<br>
<span class="equation-text" contenteditable="false" data-index="0" data-equation="均方误差^2=偏差^2+系统噪声^2"><span></span><span></span></span>
<span class="equation-text" contenteditable="false" data-index="0" data-equation="系统噪声^2=水平噪声^2+模式噪声^2"><span></span><span></span></span>
<span class="equation-text" contenteditable="false" data-index="0" data-equation="模式噪声^2=稳定模式噪声^2+情景噪声^2"><span></span><span></span></span><br>
预测与判断时心理机制
我们判断的准确性是有限
客观无知，例如：彩票的中奖号码或者判断者受信息限制，技能限制。<br>
过度自信，来源于内部信号：当判断分析过程成为一个连贯过程人们往往觉得自己分析头头是道。<br>
使用公式、计算的可以提高预测性判断准确性
预测性判断准确度很低甚至不如公式。
心里偏差，噪声主要来源之一
第一印象效应
锚定效应
判断过程：非正式地对一系列线索进行整合，并在一个量尺上做出判断的过程<br>
解释
1.收集线索：每个人能获得线索不一样。受信息限制，技能，学识，意识形态影响<br>
2.权重分配：每条线索的权重分配。特别是在线索之间存在冲突的情况下。<br>
不易觉察的噪声
因果性：因为人类思维渴望因果性<br>
需要外部视角看问题，使用统计性思维
相信相同组织人员的判断，例如公司，团队和某个职业。当组织中一人执行某项工作时，几乎不会去想与组织中其他人员是否一致，是否会质疑
测量偏差与噪声
均方误差
参考：公式<br>
噪声审查（<font color="#e74f4c">本书一个重要讨论方向</font>）<br>
可以量化系统噪声
如何进行噪声审查p459
决策卫生6原则
作用：有助于预防噪声<br>
原则1：判断的目的在于准确性，而不在于个性化表达<br>
可以使用算法和规则（比较激进<br>
原则2：使用统计思维，采用外部视角审视个案<br>
原则3:对判断进行结构化，将其分解成几个独立的任务<br>
信息的过渡一致，会导致人们忽略或者曲解与之前信息不相符的情况
原则4：抵制不成熟的直觉<br>
不是禁用直觉，而是直觉需要建立在信息基础之上，且应该接受规则的约束与适当延迟。
中介评估法：控制讨论会议议程<br>
不给判断者无关的信息
原则5:获取多位判断者的独立判断，再考虑汇总这些判断<br>
注意“独立”，避免造成【信息级联】和【群体极化效应】而放大噪声<br>
原则6:用相对判断和相对量表会更好<br>
有标准样例或者有明确的尺度
减少噪声的成本
先进行噪声审查，了解减少噪声成本
决策观察者检查清单
1.判断方法
a.替代：<br>是否用了简单的问题，替代现有复杂的问题；<br>是否过度重视某一个因素或者忽略了某一个重要因素；<br>
b.使用外部视角（统计学）<br>
c.观点多样性：<br>团队组成是否满足了判断所需要大多知识；<br>大家提出的观点是否从多样性出发；
2.预判和过早下结论
a.启动预判断：<br>是否有人因为某种判断获利更多？<br>是否有人已经有了某种判断，需要对判断进行检讨和怀疑；<br>是否都充分的表达了自己意见？<br>是否存在必然失败但是还是固执坚持的风险？<br>
b.过早下结论和过度一致性：<br>考虑之前判断和之前经验之前，是否有保护偶然因素？<br>有没有考虑其他可能性，并为寻找其他可能性付出努力；<br>相关的数据或观点是否被无视或者压制？<br>
3.信息处理（判断过程中）<br>
a.可用性和显著性：<br>判断是会不会因为事情的特殊性或者近期发生过于夸大了事件的相关性
b.对信息品质不重视<br>判断是否严重依赖传闻，故事，类比或者劣质的信息推送和广告？是否有数据证实这样的判断？<br>
c.锚定<br>不确定的数字是否在判断中起到了作用？<br>
d.非回归性预测<br>需要考虑均值回归现象，不要过分夸大异常值，需要综合和整体来看，最好能使用相关系数r（<font color="#e74f4c">社会科学中，超过0.5相关系数非常罕见，0.2就十分难得，参考附录3</font>）。<br>
4.决策
a.计划谬误：<br>在使用预测时，有没有考虑来源和有效性？是否使用外部视角来质疑过？<br>
b.损失厌恶<br>决策者的风险偏好是否与组织一致？决策团队是否过于谨慎？<br>
c.即时倾向：<br>是否有权衡短期与长期的利益
0 条评论
下一页
