15 Mga Bias sa Kategorya

Pinupunan natin ang mga katangian batay sa stereotype, paglalahat, at nakaraang kasaysayan

Galugarin ang mga Bias
Malalim na Pagsusuri

Lahat ng Bias

Group Attribution Error
Inaakala nating ang katangian ng isa ay katangian na rin ng buong grupo, o ang desisyon ng grupo ay gusto ng bawat miyembro nito.
Ultimate Attribution Error
Inaakala natin na ang masasamang ugali ng ibang grupo ay dahil sa kanilang pagkatao, habang ang mabubuti nilang ugali ay dahil sa sitwasyon.
Stereotyping
Inaakala nating may partikular na katangian ang isang tao dahil lang kabilang siya sa isang grupo.
Essentialism
Naniniwala tayong ang mga partikular na kategorya ay may taglay na esensya na siyang nagtatakda ng kanilang mga katangian.
Functional Fixedness
Nakikita lamang natin ang mga bagay batay sa kanilang karaniwang gamit, na naglilimita sa ating kakayahang lumikha ng mga bagong solusyon.
Moral Credential Effect
Nararamdaman nating may karapatan tayong gumawa ng hindi etikal na bagay pagkatapos gumawa ng mabuti, na para bang nakakuha tayo ng 'moral points'.
Just-World Hypothesis
Naniniwala tayong patas ang mundo at nakukuha ng mga tao ang nararapat sa kanila, dahilan upang sisihin natin ang mga biktima.
Argument from Fallacy
Inaakala nating dahil mali ang pagkakatwiran sa isang argumento, ang konklusyon nito ay siguradong mali rin.
Authority Bias
Mas pinapahalagahan natin ang opinyon ng mga taong may awtoridad.
Automation Bias
Mas pinapaboran natin ang sagot ng mga makina o computer kaysa sa tao, kahit pa magkasalungat ito.
Bandwagon Effect
Nakikiuso tayo sa ginagawa at paniniwala ng nakararami.
Placebo Effect
Nakakaranas tayo ng totoong pagbabago sa kalusugan dahil naniniwala tayong tatalab ang gamot.
Representativeness Heuristic
We judge how likely something is by how closely it resembles our mental prototype, ignoring base rates and sample size.
Pygmalion Effect
What others expect of us tends to come true, because their expectations change how they treat us and how we respond.
Algorithm Aversion
We abandon an algorithm after seeing it make one mistake, even when it still outperforms human judgment; in other settings we over-trust it.