Pratique calibração acompanhando suas previsões de confiança
Suas crenças "80% confiantes" deveriam se concretizar cerca de 80% das vezes — verifique se isso acontece.
Why it works
A calibração é a correspondência entre a confiança declarada e a precisão real. A maioria das pessoas tem excesso de confiança: atribuem probabilidades altas a crenças que são verdadeiras com muito menos frequência do que o afirmado. A prática deliberada de calibração — prever, depois acompanhar resultados — demonstrou melhorar significativamente a precisão das estimativas de confiança ao longo do tempo, porque fornece o ciclo de retroalimentação que a intuição normalmente não tem.
How to do it
- Toda semana, escreva de cinco a dez previsões com níveis de confiança explícitos (por exemplo, "75% confiante de que o projeto será entregue no prazo").
- Depois que o resultado for conhecido, registre se você acertou ou errou.
- Todo mês, calcule sua calibração para cada faixa de confiança: que fração das suas previsões de 70% se concretizou?
- Ajuste seus níveis de confiança com base no padrão — se seus 80% se concretizam 60% das vezes, você tem excesso de confiança.
Evidência
O treinamento de calibração é uma das poucas intervenções documentadas que melhora de forma confiável a precisão das previsões probabilísticas. O trabalho de Phil Tetlock e colegas sobre superprevisores constatou que a prática explícita de calibração estava entre as características que distinguiam os previsores mais precisos. Lichtenstein e Fischhoff demonstraram o vínculo causal diretamente — um breve regime de treinamento com retroalimentação de resultado melhorou mensuravelmente a calibração, estabelecendo que o ciclo de retroalimentação, não a habilidade inata, é o que fecha a lacuna entre confiança e precisão. (observational)
A pesquisa sobre superprevisores foca em previsões geopolíticas e macroeconômicas; a generalização para decisões pessoais e profissionais é plausível, mas menos diretamente estudada.
Fontes
- Tetlock & Gardner (2015), Superforecasting, Crown Publishers
- Lichtenstein, S., & Fischhoff, B. (1980). Training for calibration. Organizational Behavior and Human Performance, 26(2), 149-171.
- Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E., & Tetlock, P. E. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106-1115.
Erro comum
Usar linguagem vaga ("provavelmente", "provável") em vez de números, tornando impossível verificar se sua calibração melhorou.
Pratique isso com IX Coach
More practices for Pensamento Bayesiano: Como Atualizar Crenças Racionalmente
- Declare sua probabilidade prévia antes de ver a evidência
Antes de olhar para qualquer dado, comprometa-se com uma estimativa numérica de quão provável algo é.
- Atualize crenças incrementalmente, não de uma vez
Nova evidência deveria deslocar sua probabilidade um tanto — raramente de 5% para 95% em um único passo.
- Avalie a evidência pela sua razão de verossimilhança, não por como ela te faz sentir
Pergunte quão mais provável essa evidência seria se você estiver certo versus se estiver errado.
- Busque ativamente evidências que desconfirmariam sua crença
Pergunte: "O que mudaria minha opinião?" e então procure exatamente isso.
- Use classes de referência para fundamentar estimativas pessoais em taxas-base
Antes de estimar como sua situação vai se desenrolar, encontre situações passadas semelhantes e verifique o que aconteceu.
- Traduza crenças em apostas para revelar sua confiança verdadeira
Você apostaria US$ 100 nessa crença em chances iguais? A resposta frequentemente revela a lacuna entre confiança declarada e real.
Conceitos relacionados
- Pensando, Rápido e Devagar, na Prática
Two systems, the biases they create, and when to slow down
- Modelos Mentais: A Abordagem do Latticework de Charlie Munger
Building the multi-disciplinary toolkit that lets you see what single-discipline thinkers miss
- Viés de Confirmação: Vendo o Que Você Espera Ver
The most pervasive cognitive bias and the practices that actually chip away at it
- Pensamento de Valor Esperado: Decidindo Sob Incerteza
The math of rational choice under uncertainty, its real limits, and how to use it anyway