Identifica i domini specifici dove sei più sicuro di te

La calibrazione è specifica del dominio — trova dove la tua fiducia supera di più la tua accuratezza.

Why it works

Le persone non sono uniformemente troppo sicure; sono tipicamente più sicure in domini dove hanno esperienza ma feedback limitato, dove il dominio usa un gergo che capiscono, o dove hanno fatto impegni pubblici. Diagnosticare quali domini producono la tua peggiore calibrazione focalizza lo sforzo di debiasing dove avrà il ritorno maggiore.

How to do it

1. Rivedi il tuo registro di previsioni ordinato per dominio (lavoro, relazioni, autoprevisioni, chiamate di mercato, ecc.).
2. Per ogni dominio, calcola il divario tra fiducia media dichiarata e tasso di successo reale.
3. Classifica i domini per mistarazione: il divario maggiore riceve l'attenzione correttiva maggiore.
4. Per i domini ad alta mistarazione, costruisci una regola: "Sconta la mia prima stima in questo dominio di X punti percentuali".

Prove scientifiche

La ricerca sull'eccesso di fiducia trova che è più forte in domini familiari e complessi con feedback ritardato (previsione finanziaria, diagnosi medica) e più debole in aree con feedback immediato e chiaro (previsioni meteo). Il debiasing specifico del dominio è implicito da questa struttura. L'analisi di Murphy e Winkler sui meteorologi professionisti è il caso canonico dell'estremo ben calibrato di quello spettro — feedback quotidiano e valutato ha prodotto previsioni di probabilità che seguivano da vicino le frequenze osservate. (observational)

Identificare i domini di eccesso di fiducia richiede un tracciamento onesto degli esiti; senza di esso, i domini che sembrano comodi sono esattamente quelli che non verranno esaminati.

Fonti

• 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.

Errore comune

Presumere che l'expertise in un dominio significhi buona calibrazione — l'expertise di dominio predice l'accuratezza nel richiamo fattuale ma non è correlata alla calibrazione metacognitiva in molti studi.