Überzeugungen explizit aktualisieren, wenn neue Information eintrifft

Behandeln Sie neue Information als Grund, eine revidierte Wahrscheinlichkeit anzugeben, nicht als Bestätigung der alten.

Why it works

Motiviertes Denken lässt Menschen bestätigende Evidenz unkritisch akzeptieren und widerlegende Evidenz stark prüfen. Eine angegebene Wahrscheinlichkeit explizit zu aktualisieren, wenn neue Information eintrifft, wirkt dem entgegen: es erzwingt Auseinandersetzung damit, ob die neue Information die Wahrscheinlichkeit tatsächlich bewegt und um wie viel, statt der alten Position durch selektive Aufmerksamkeit zu erlauben fortzubestehen.

How to do it

1. Fragen Sie bei neuer Information: Ändert das meine Wahrscheinlichkeitsschätzung? Um wie viel?
2. Geben Sie die aktualisierte Wahrscheinlichkeit explizit an, nicht nur die Richtung der Änderung.
3. Unterscheiden Sie zwischen neuer Information (echter Aktualisierungsauslöser) und Rauschen (zufällige Schwankung ohne Beweiswert).
4. Verfolgen Sie, wie oft neue Information Ihre Schätzung tatsächlich bewegte – das kalibriert Ihre Aktualisierungssensitivität.

Evidenz

Bayessche Aktualisierung ist das normative Modell für Überzeugungsrevision unter Unsicherheit. Forschung zu Überzeugungsbeharrlichkeit und Bestätigungsverzerrung zeigt, dass Menschen weniger aktualisieren, als die Evidenz rechtfertigt; Interventionen, die explizite Wahrscheinlichkeitsaussagen erzwingen, verbessern die Aktualisierung. (mechanistic)

Bayessche Aktualisierung ist präskriptiv; menschliche Aktualisierung ist selbst mit Training unvollkommen, und übermäßige Aktualisierung (zu viel auf schwacher Evidenz zu bewegen) ist ebenfalls ein dokumentierter Fehler.

Quellen

• Lord, Ross & Lepper (1979), belief perseverance after evidential challenge, Journal of Personality and Social Psychology

Häufiger Fehler

"Das ändert die Dinge" zu sagen, ohne zu spezifizieren, wie sich Ihre Wahrscheinlichkeit änderte – vage Anerkennung neuer Information ist keine Aktualisierung.