Identifier les domaines spécifiques où vous êtes le plus surconfiant

La calibration est spécifique au domaine — trouvez où votre confiance dépasse le plus votre précision.

Why it works

Les gens ne sont pas uniformément surconfiants ; ils sont typiquement plus surconfiants dans les domaines où ils ont de l'expérience mais peu de rétroaction, où le domaine utilise un jargon qu'ils comprennent, ou où ils ont pris des engagements publics. Diagnostiquer quels domaines produisent votre pire calibration concentre l'effort de débiaisement là où il aura le plus grand retour.

How to do it

1. Passez en revue votre journal de prédictions trié par domaine (travail, relations, prédictions sur soi, paris de marché, etc.).
2. Pour chaque domaine, calculez l'écart entre la confiance moyenne déclarée et le taux de réussite réel.
3. Classez les domaines par mauvaise calibration : l'écart le plus grand reçoit le plus d'attention corrective.
4. Pour les domaines à forte mauvaise calibration, construisez une règle : « Décompter ma première estimation dans ce domaine de X points de pourcentage. »

Données probantes

La recherche sur l'excès de confiance trouve qu'il est le plus fort dans les domaines familiers et complexes avec rétroaction retardée (prévision financière, diagnostic médical) et le plus faible dans les zones avec rétroaction immédiate et claire (prévision météo). Le débiaisement spécifique au domaine est impliqué par cette structure. (observational)

Identifier les domaines de surconfiance exige un suivi honnête des résultats ; sans cela, les domaines qui semblent confortables sont exactement ceux qui ne seront pas examinés.

Sources

• Lichtenstein & Fischhoff (1977), "Do those who know more also know more about how much they know?", Organizational Behavior and Human Performance
• Lichtenstein, S., & Fischhoff, B. (1977). Do those who know more also know more about how much they know? Organizational Behavior and Human Performance, 20(2), 159–183.
• Murphy, A. H., & Winkler, R. L. (1977). Reliability of subjective probability forecasts of precipitation and temperature. Journal of the Royal Statistical Society: Series C (Applied Statistics), 26(1), 41–47.

Erreur fréquente

Supposer que l'expertise dans un domaine signifie une bonne calibration — l'expertise de domaine prédit la précision sur le rappel factuel mais n'est pas corrélée à la calibration métacognitive dans de nombreuses études.