Aspettati che i risultati estremi regrediscano verso la media
Una prestazione insolitamente buona o cattiva predice una prestazione più media la prossima volta — tienine conto prima di dare lodi o biasimi.
Why it works
La regressione verso la media è un'inevitabilità matematica ogni volta che la prestazione coinvolge sia abilità sia caso. L'euristica della rappresentatività fa sì che le persone la ignorino: spiegano gli esiti estremi come se riflettessero pienamente la realtà sottostante ("hanno svoltato" / "questa persona è senza speranza"), invece che riflettere in parte una fluttuazione casuale. Questo produce la famosa illusione dell'intervento: il feedback duro dopo una brutta prestazione "funziona" e le lodi dopo una buona "danneggiano" — semplicemente perché gli esiti estremi regrediscono, indipendentemente dall'intervento.
How to do it
- Dopo aver osservato un risultato insolitamente alto o basso, chiediti: "Quanto di questo potrebbe essere dovuto a fluttuazione casuale attorno alla vera media?"
- Prevedi che il risultato successivo sarà probabilmente più vicino alla media di lungo periodo della persona o del processo, non altrettanto estremo.
- Prima di attribuire un cambiamento a un intervento, verificalo con più di una o due osservazioni di follow-up.
- Separa il feedback su ciò che puoi osservare dalle conclusioni sul talento o stato sottostante.
Prove scientifiche
La regressione verso la media è una proprietà matematica delle variabili correlate (Francis Galton la identificò nel 1886). L'esempio dell'illusione dell'intervento di Kahneman (istruttori di volo che lodano vs. criticano) illustra come ignorare la regressione causi false attribuzioni causali; questo è un esempio didattico, non uno studio formale. (mechanistic)
Quanto un risultato regredisca dipende da quanto fortemente abilità vs. fortuna lo determinano; la regressione conta di più in domini ad alta varianza, influenzati dalla fortuna, rispetto a quelli fortemente determinati dall'abilità.
Fonti
- Galton (1886), Regression towards mediocrity in hereditary stature, Journal of the Anthropological Institute of Great Britain and Ireland
Errore comune
Trattare la regressione come una ragione per ignorare il feedback — i miglioramenti di abilità reali accadono, ma dovrebbero essere confermati su più osservazioni, non inferiti da un singolo risultato estremo.
Metti in pratica questo con IX Coach
More practices for L'euristica della rappresentatività — giudicare per somiglianza
- Verifica i tassi di base prima di formare un giudizio di somiglianza
Prima di decidere "questo assomiglia a X", chiediti quanto sia realmente comune X nella popolazione rilevante.
- Identifica quali caratteristiche sono realmente diagnostiche
Separa le caratteristiche che differenziano genuinamente le categorie da quelle che completano solo il quadro.
- Riconosci che le sequenze casuali non "devono" un riequilibrio
I processi casuali non hanno memoria — una serie di teste non rende le croci più probabili.
- Tratta i campioni piccoli con scetticismo esplicito
Una sequenza breve può sembrare rappresentativa senza essere statisticamente affidabile — regola la fiducia in base alla dimensione del campione.
- Verifica i giudizi sulle persone per sostituzione con prototipo
Controlla se un giudizio su una persona si basa sul suo comportamento reale o sulla somiglianza a un tipo.
- Nomina il prototipo a cui ti stai confrontando prima di decidere
Rendi esplicito il prototipo che stai usando come riferimento — i modelli nascosti distorcono le decisioni senza controllo.
Concetti correlati
- La Fallacia della Congiunzione — Quando "Più Dettagli" Sembra Più Probabile
How narrative coherence tricks probability judgment — and how to think past it
- La Fallacia della Pianificazione: Perché le Tue Stime Sono Sempre Sbagliate
The cognitive bias behind missed deadlines — and six evidence-grounded corrections