過去の認識の失敗についてプレモーテムを行う

パターン認識があなたを間違った方向に導いたケースを見直し、あなたを欺く共通の構造的特徴を見つける。

Why it works

認識のエラーはめったにランダムではありません——それらは、馴染みのあるプロトタイプと表面的な特徴を共有しながらメカニズム的に重要な次元で異なる、曖昧な状況タイプの周りに集まります。それらのトリガーとエラーのペアを特定することは、パターンライブラリの特定の弱点を露呈します。これは、単なる経験の蓄積とは異なる、修正的な学習を区別する診断ステップです。

How to do it

1. 自分の最初の認識が結局間違っていたケースを3〜5個集める。
2. それぞれについて、それをそうではないパターンのように感じさせた特徴と、実際にそれを区別する特徴を特定する。
3. 各ペアについて「XとYを混同しない」というルールを書く。
4. これらを、肯定的なプロトタイプと並ぶ否定的な例として、あなたの意思決定手がかりリストに加える。

エビデンス

重要決定法と、高信頼性組織（航空、原子力、緊急医療）における事後インシデント分析技法は、再発を防ぐためにこの構造を使用します。この実践は、独立したRCTのエビデンスを持つ技法というより、制度化された臨床的・専門的学習です。DillonとTinsleyは、レビューが意図的でなければならない理由を示しています：ニアミスは体系的に成功として再解釈されるため、失敗をほぼ引き起こした構造的特徴は、明示的に浮かび上がらせない限り学習されないままです。 (clinical)

過去の失敗を見直すには、何が起こったかについての正確な記録へのアクセスが必要であり、それは後知恵バイアスと記憶の歪みによって損なわれます。構造化されたインシデントレビューはこれを軽減しますが、排除はしません。

出典

• Dillon, R. L., & Tinsley, C. H. (2008). How near-misses influence decision making under risk: A missed opportunity for learning. Management Science, 54(8), 1425–1440.

よくある間違い

認識の失敗を構造的な誤分類ではなく「運が悪かった」と帰属すること——運のフレーミングは、再発を防ぐはずのパターン更新を妨げる。