बेस फ़्रीक्वेंसी फ़ॉलेसी: इस पूर्वाग्रह की विशेषताएं

अपने तर्कों का बचाव करते समय हम कई भ्रांतियों में पड़ सकते हैं, चाहे होशपूर्वक या नहीं।

इस बार हम एक पर ध्यान केंद्रित करेंगे जिसे के रूप में जाना जाता है आधार आवृत्ति भ्रम. हमें पता चलेगा कि इस पूर्वाग्रह में क्या शामिल है, जब हम इसका उपयोग करते हैं तो इसके क्या परिणाम होते हैं और हम कुछ उदाहरणों के साथ इसका समर्थन करने का प्रयास करेंगे जो हमें इस अवधारणा को सरल तरीके से देखने की अनुमति देते हैं।

• संबंधित लेख: "संज्ञानात्मक पूर्वाग्रह: एक दिलचस्प मनोवैज्ञानिक प्रभाव की खोज"

बेस फ़्रीक्वेंसी फॉलसी क्या है?

आधार आवृत्ति भ्रांति, जिसे अन्य नामों से भी जाना जाता है, जैसे कि आधार दर पूर्वाग्रह या यहां तक ​​कि आधार दर उपेक्षा, कि, एक विशिष्ट मामले से शुरू होकर, किसी घटना के सामान्य प्रसार के बारे में एक निष्कर्ष स्थापित किया जाता है, भले ही उसमें विपरीत जानकारी दी गई हो समझ।

यह भ्रम इसलिए होता है क्योंकि सामान्य आबादी के आंकड़ों के विपरीत, व्यक्ति विशेष मामले के महत्व को अधिक महत्व देता है. इसे बेस फ़्रीक्वेंसी फॉलसी कहा जाता है क्योंकि यह बेस रेट है जिसे पृष्ठभूमि में रखा जाता है, जो प्रश्न में विशेष मामले को अधिक प्रासंगिकता देता है।

बेशक, सभी भ्रांतियों की तरह, इस त्रुटि में पड़ने का तत्काल परिणाम यह है कि हम पक्षपाती निष्कर्षों पर पहुंचेंगे जो जरूरी नहीं कि वास्तविकता के अनुरूप हों जो यह है एक समस्या जो गंभीर भी हो सकती है यदि विचाराधीन तर्क एक प्रासंगिक अध्ययन का हिस्सा है.

आधार आवृत्ति की भ्रांति अपने आप में एक प्रकार के संज्ञानात्मक पूर्वाग्रह का हिस्सा है जिसे विस्तार की उपेक्षा या विस्तार की उपेक्षा के रूप में जाना जाता है। मूल रूप से, इस त्रुटि में एक निश्चित विश्लेषण के नमूने के आकार को ध्यान में न रखना शामिल है। इस घटना से निराधार निष्कर्ष निकल सकते हैं, उदाहरण के लिए, हम बहुत छोटे नमूने से पूरी आबादी के लिए डेटा एक्सट्रपलेशन करते हैं।

एक मायने में, जब हम बेस फ़्रीक्वेंसी फॉलसी के बारे में बात करते हैं, तो ठीक यही होता है, क्योंकि पर्यवेक्षक विशेष मामले के परिणामों को संपूर्ण अध्ययन नमूने के लिए जिम्मेदार ठहरा सकता है, भले ही डेटा अन्यथा इंगित करता हो या कम से कम उक्त परिणाम को अर्हता प्राप्त करें।

झूठी सकारात्मकता का मामला

बेस फ़्रीक्वेंसी फॉलसी का एक विशेष मामला है जिसमें यह जिस समस्या का प्रतिनिधित्व करता है उसकी कल्पना की जा सकती है, और यह तथाकथित झूठा सकारात्मक विरोधाभास है। इसके लिए हमें कल्पना करनी चाहिए कि आबादी को एक बीमारी का खतरा है, इस समय में कुछ आसान है, जहां हमने पहली बार कोरोनावायरस या COVID-19 महामारी का अनुभव किया है।

अब क हम दो अलग-अलग मान्यताओं की कल्पना करेंगे जो उनके बीच बाद में तुलना करने में सक्षम हों. सबसे पहले, मान लीजिए कि विचाराधीन रोग सामान्य आबादी में अपेक्षाकृत अधिक है, उदाहरण के लिए, 50%। इसका मतलब यह होगा कि १००० लोगों के समूह में से ५०० लोगों में यह विकृति होगी।

लेकिन साथ ही, हमें यह भी पता होना चाहिए कि किसी व्यक्ति को यह बीमारी है या नहीं, यह जांचने के लिए इस्तेमाल किए जाने वाले परीक्षण में a झूठी सकारात्मक देने की 5% संभावना, यानी यह निष्कर्ष निकालना कि किसी व्यक्ति ने वास्तव में बीमारी कहा है यह ऐसा नहीं है। यह कुल 550 के लिए सकारात्मक के सेट में 50 और लोगों को जोड़ देगा (हालांकि सच में वे नहीं हैं)। इसलिए, हमारा अनुमान है कि 450 लोगों को यह बीमारी नहीं है.

आधार आवृत्ति भ्रांति के प्रभाव को समझने के लिए हमें अपने तर्क को जारी रखना चाहिए। इसके लिए हमें अब एक दूसरे परिदृश्य का प्रस्ताव देना चाहिए, इस बार प्रश्न में विकृति विज्ञान की कम घटना के साथ। हम इस बार अनुमान लगा सकते हैं कि 1% संक्रमित होंगे। यानी 1000 में से 10 लोग होंगे। लेकिन हमने देखा था कि हमारे टेस्ट में 5% एरर है, यानी झूठी सकारात्मकता, जिसका अनुवाद 50 लोगों में होता है।

यह दोनों मान्यताओं की तुलना करने और उनके बीच उभरने वाले उल्लेखनीय अंतर को देखने का समय है। उच्च घटना परिदृश्य में, 550 लोगों को संक्रमित माना जाएगा, जिनमें से 500 वास्तव में होंगे। अर्थात्, सकारात्मक माने जाने वाले लोगों में से एक को यादृच्छिक रूप से लेने पर, हमारे पास वास्तव में सकारात्मक विषय का चयन करने की 90.9% संभावना होगी, और इसमें से केवल 9.1% झूठी सकारात्मक थी।

लेकिन जब हम दूसरे मामले की समीक्षा करते हैं तो बेस फ़्रीक्वेंसी फॉलसी का प्रभाव पाया जाता है, क्योंकि वह तब होता है जब झूठी सकारात्मकता का विरोधाभास होता है। इस मामले में, हमारे पास १००० में से ६० लोगों की दर है, जिन्हें इस जनसंख्या को प्रभावित करने वाली विकृति विज्ञान में सकारात्मक के रूप में गिना जाता है।

हालांकि, उन ६० में से केवल १० को ही बीमारी है, जबकि बाकी गलत मामले हैं जो हमारे परीक्षण के माप दोष के कारण इस समूह में प्रवेश कर गए हैं। इसका क्या मतलब है? कि अगर हम इनमें से किसी एक व्यक्ति को बेतरतीब ढंग से चुनते हैं, तो हमारे पास एक वास्तविक रोगी मिलने की केवल 17% संभावना होगी, जबकि एक झूठी सकारात्मक को चुनने की 83% संभावना होगी।

शुरू में यह मानते हुए कि परीक्षण में झूठी सकारात्मक स्थापित करने का 5% मौका है, परोक्ष रूप से हम कह रहे हैं कि इसलिए इसकी सटीकता 95% है, क्योंकि यह उन मामलों का प्रतिशत है जहां यह नहीं होगा असफल। हालाँकि, हम देखते हैं कि यदि घटना कम है, तो यह प्रतिशत चरम पर विकृत हो जाता हैचूंकि पहले मामले में हमारे पास 90.9% संभावना थी कि एक सकारात्मक वास्तव में सकारात्मक था, और दूसरे में वह संकेतक 17% तक गिर गया।

जाहिर है, इन मान्यताओं में हम बहुत दूर के आंकड़ों के साथ काम कर रहे हैं, जहां स्पष्ट रूप से आधार आवृत्ति की गिरावट का निरीक्षण करना संभव है, लेकिन ठीक यही है उद्देश्य, इस तरह से हम समस्या के पैनोरमा को ध्यान में रखे बिना जल्दबाजी में निष्कर्ष निकालते समय प्रभाव और विशेष रूप से जोखिम की कल्पना करने में सक्षम होंगे। हम पर कब्जा कर लेता है।

• आपकी रुचि हो सकती है: "10 प्रकार के तार्किक और तर्कपूर्ण भ्रम"

आधार आवृत्ति भ्रांति पर मनोवैज्ञानिक अध्ययन

हम बेस फ़्रीक्वेंसी फॉलसी की परिभाषा में तल्लीन करने में सक्षम हैं और हमने एक उदाहरण देखा है कि यह उस तरह के पूर्वाग्रह को प्रकट करता है जिसमें हम गिरते हैं यदि हम तर्क में इस त्रुटि से खुद को दूर करने की अनुमति देते हैं। अब हम इस संबंध में किए गए कुछ मनोवैज्ञानिक अध्ययनों की जांच करेंगे, जो हमें इसके बारे में अधिक जानकारी प्रदान करेंगे।

इन नौकरियों में से एक में स्वयंसेवकों को एक निश्चित वितरण के अनुसार छात्रों के एक काल्पनिक समूह पर विचार करने के लिए अपने शैक्षणिक ग्रेड डालने के लिए कहना शामिल था। परंतु शोधकर्ताओं ने एक बदलाव देखा जब उन्होंने एक विशिष्ट छात्र के बारे में डेटा दिया, हालांकि इसका उनकी संभावित रेटिंग पर कोई प्रभाव नहीं पड़ा.

इस मामले में, प्रतिभागियों ने उस वितरण को अनदेखा कर दिया जो पहले इन छात्रों के समूह के लिए इंगित किया गया था, और व्यक्तिगत रूप से ग्रेड का अनुमान लगाया, तब भी जब, जैसा कि हम पहले ही कह चुके हैं, प्रदान किया गया डेटा इस कार्य के लिए अप्रासंगिक था विशेष।

बेस फ़्रीक्वेंसी फॉलसी के एक अन्य उदाहरण के प्रदर्शन से परे इस अध्ययन का कुछ प्रभाव था। और यह है कि इसने कुछ शैक्षणिक संस्थानों में एक बहुत ही सामान्य स्थिति का खुलासा किया, जो छात्र चयन साक्षात्कार हैं। इन प्रक्रियाओं का उपयोग सफलता के लिए सबसे बड़ी क्षमता वाले छात्रों को आकर्षित करने के लिए किया जाता है।

हालांकि, बेस फ़्रीक्वेंसी फॉलसी के तर्क के बाद, यह ध्यान दिया जाना चाहिए कि सामान्य आँकड़े हमेशा इस अर्थ में उस डेटा की तुलना में एक बेहतर भविष्यवक्ता होंगे जो व्यक्ति का मूल्यांकन प्रदान कर सकता है.

अन्य लेखक जिन्होंने अपने करियर का एक लंबा हिस्सा विभिन्न प्रकार के संज्ञानात्मक पूर्वाग्रहों का अध्ययन करने के लिए समर्पित किया है, वे हैं इजरायली, अमोस टावर्सकी और डैनियल कान्हमैन। जब इन शोधकर्ताओं ने बेस फ़्रीक्वेंसी फॉलसी के निहितार्थ पर काम किया, तो उन्होंने पाया कि इसका प्रभाव मुख्य रूप से प्रतिनिधित्व नियम पर आधारित था।

मनोवैज्ञानिक रिचर्ड निस्बेट भी मानते हैं कि यह भ्रम है सबसे महत्वपूर्ण एट्रिब्यूशन पूर्वाग्रहों में से एक का एक नमूना, जैसे कि मौलिक एट्रिब्यूशन त्रुटि या पत्राचार पूर्वाग्रह, क्योंकि विषय आधार दर की अनदेखी करेगा (द ( बाहरी कारण, मौलिक एट्रिब्यूशन पूर्वाग्रह के लिए), और विशेष मामले के डेटा को लागू करना (कारण अंदर का)।

दूसरे शब्दों में, विशेष मामले की जानकारी, भले ही वह वास्तव में प्रतिनिधि न हो, को पसंद किया जाता है तार्किक तरीके से निष्कर्ष निकालते समय सामान्य डेटा, संभाव्य रूप से, अधिक वजन होना चाहिए।

ये सभी विचार, एक साथ, हमें इस समस्या का एक वैश्विक दृष्टिकोण रखने की अनुमति देंगे कि मान लीजिए कि आधार आवृत्ति की भ्रांति में पड़ना है, हालांकि कभी-कभी इसे महसूस करना मुश्किल होता है त्रुटि।

ग्रंथ सूची संदर्भ:

• बार-हिलेल, एम। (1980). संभाव्यता निर्णयों में आधार-दर की गिरावट। एक्टा साइकोलॉजिका।
• बार-हिलेल, एम। (1983). बेस रेट फॉलसी विवाद। मनोविज्ञान में प्रगति। एल्सेवियर।
• क्रिस्टेंसेन-स्ज़लांस्की, जे.जे.जे., बीच, एल.आर. (1982)। अनुभव और आधार-दर की भ्रांति। संगठनात्मक व्यवहार और मानव प्रदर्शन। एल्सेवियर।
• मची, एल. (1995). आधार-दर भ्रांति के व्यावहारिक पहलू। प्रायोगिक मनोविज्ञान का त्रैमासिक जर्नल। टेलर और फ्रांसिस।
• टावर्सकी, ए।, कन्नमन, डी। (1974). अनिश्चितता के तहत निर्णय: अनुमान और पूर्वाग्रह। विज्ञान।