അനക്ഡോട്ടൽ ഫാലസി (The Anecdotal Fallacy)

ഒറ്റനോട്ടത്തിൽ

1. ലഘു സംഗ്രഹം

നാം കഥകൾ ഇഷ്ടപ്പെടുന്ന ജീവികളാണ്. ആരെങ്കിലും നമ്മോട് ഒരു നാടകീയമായ വ്യക്തിപരമായ കഥ പറയുമ്പോൾ, വിരസമായ സ്റ്റാറ്റിസ്റ്റിക്സുകൾക്ക് കഴിയാത്ത വിധത്തിൽ നമ്മുടെ തലച്ചോർ ഉണർന്നു പ്രവർത്തിക്കുന്നു. "എന്റെ മുത്തച്ഛൻ പുകവലിച്ചിട്ടും 90 വയസ്സുവരെ ജീവിച്ചു" എന്നത് പോലെയുള്ള ഒരു കഥ വലിയ സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകളേക്കാൾ പ്രാധാന്യമർഹിക്കുന്നു എന്ന് നാം കരുതുമ്പോഴാണ് അനക്ഡോട്ടൽ ഫാലസി സംഭവിക്കുന്നത്. ദശലക്ഷക്കണക്കിന് കുട്ടികളുടെ സുരക്ഷാ ഡാറ്റയെ മറികടക്കാൻ ഭയപ്പെടുത്തുന്ന ഒരു വാക്സിൻ കഥയ്ക്ക് കഴിയുന്നതും, അതുപോലെ ദശലക്ഷക്കണക്കിന് കുടുംബങ്ങളെ ബാധിക്കുന്ന നയങ്ങൾ രൂപീകരിക്കാൻ ഒരു "വെൽഫെയർ ക്വീൻ" കഥയ്ക്ക് കഴിയുന്നതും ഇതുകൊണ്ടാണ്.

2. ഇതിന് പിന്നിലെ ശാസ്ത്രം

2.1. കണ്ടുപിടുത്തവും ചരിത്രവും

1970-കളിലെ വിശാലമായ "ഹ്യൂറിസ്റ്റിക്സ് ആൻഡ് ബയസസ്" ഗവേഷണ പരിപാടിയിൽ നിന്നാണ് അനക്ഡോട്ടൽ ഫാലസിയെക്കുറിച്ചുള്ള ഔദ്യോഗിക പഠനം ഉയർന്നുവന്നത്. അപര്യാപ്തമായ സാമ്പിളുകളിൽ നിന്നുള്ള യുക്തിചിന്തയുടെ പ്രശ്നങ്ങൾ ലോജിഷ്യന്മാർ പണ്ടേ തിരിച്ചറിഞ്ഞിരുന്നുവെങ്കിലും, ഈ പിഴവിന്റെ ചിട്ടയായ സ്വഭാവം മാപ്പ് ചെയ്തത് കോഗ്നിറ്റീവ് സൈക്കോളജിസ്റ്റുകളായിരുന്നു.

1970-കളുടെ തുടക്കത്തിൽ അമോസ് ട്വെർസ്കിയും (Amos Tversky) ഡാനിയൽ കാഹ്നെമാനും (Daniel Kahneman) അവൈലബിലിറ്റി ഹ്യൂറിസ്റ്റിക് എന്ന ആശയം അവതരിപ്പിച്ചതോടെയാണ് ഈ സുപ്രധാനമായ പ്രവർത്തനങ്ങൾ ആരംഭിച്ചത്, ഉദാഹരണങ്ങൾ എത്ര എളുപ്പത്തിൽ ഓർമ്മ വരുന്നു എന്നതിനെ അടിസ്ഥാനമാക്കിയാണ് മനുഷ്യർ സാധ്യതാവിധികൾ നിർണ്ണയിക്കുന്നത് എന്ന് ഇത് സ്ഥാപിച്ചു-അമൂർത്തമായ സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ വ്യക്തിപരമായ കഥകൾക്ക് പ്രാധാന്യം ലഭിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് വിശദീകരിക്കാൻ ഈ കണ്ടെത്തൽ സഹായിക്കും.

1970-കളുടെ അവസാനത്തിലും 1980-കളിലും, യൂജിൻ ബോർഗിഡ (Eugene Borgida), റിച്ചാർഡ് നിസ്ബെറ്റ് (Richard Nisbett), റൂത്ത് ഹാമിൽ (Ruth Hamill), തിമോത്തി വിൽസൺ (Timothy Wilson) എന്നിവരുൾപ്പെടെയുള്ള ഗവേഷകർ പരീക്ഷണങ്ങൾ നടത്തുകയും, മനുഷ്യർ എല്ലായ്‌പ്പോഴും പ്രാതിനിധ്യ സ്വഭാവമുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റയേക്കാൾ കൃത്യമായ, വ്യക്തിപരമായ സാക്ഷ്യപ്പെടുത്തലുകളെ അനുകൂലിക്കുന്നുവെന്ന് നേരിട്ട് തെളിയിക്കുകയും ചെയ്തു, കഥകൾ അസാധാരണമാണെന്ന് വ്യക്തമായി മുന്നറിയിപ്പ് നൽകിയാൽ പോലും ഇത് സംഭവിക്കുന്നു.

അനക്ഡോട്ടൽ ഫാലസി കേവലമൊരു യുക്തിപരമായ പിഴവല്ല, മറിച്ച് മനുഷ്യന്റെ ചിന്താശേഷിയുടെ ഒരു അടിസ്ഥാന സവിശേഷതയാണെന്ന് നാം ഇപ്പോൾ തിരിച്ചറിയുന്നു. അതിജീവനത്തിനായി രൂപപ്പെട്ട പരിണാമപരമായ പൊരുത്തപ്പെടുത്തലുകളിൽ വേരൂന്നിയ ഇത്, നമ്മുടെ ഇന്നത്തെ ഡാറ്റയാൽ സമ്പന്നമായ സങ്കീർണ്ണമായ ലോകത്ത് ചിട്ടയായ യുക്തിപരമായ പരാജയങ്ങൾ സൃഷ്ടിക്കുന്നു.

2.2. പ്രധാന ഗവേഷകർ

2.3. നിർണ്ണായക പഠനങ്ങൾ

മുഖാമുഖത്തിന്റെ ശക്തി (ബോർഗിഡ & നിസ്ബെറ്റ്, 1977)

തീരുമാനങ്ങളിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ സംഗ്രഹങ്ങൾക്കാണോ അതോ വ്യക്തിപരമായ സാക്ഷ്യപ്പെടുത്തലുകൾക്കാണോ കൂടുതൽ സ്വാധീനം ചെലുത്താൻ കഴിയുക എന്ന് ഈ അടിസ്ഥാന പഠനം നേരിട്ട് പരിശോധിച്ചു.

ബിരുദ വിദ്യാർത്ഥികൾക്ക് അവർക്ക് ചേരാൻ കഴിയുന്ന സൈക്കോളജി കോഴ്സുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ നൽകി. സ്റ്റാറ്റിസ്റ്റിക്കൽ വിഭാഗത്തിൽ, നൂറുകണക്കിന് മുൻ വിദ്യാർത്ഥികളിൽ നിന്നുള്ള ശരാശരി കോഴ്‌സ് വിലയിരുത്തലുകൾ വിദ്യാർത്ഥികൾ കണ്ടു-ശക്തമായ ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ സമവായം. അനക്ഡോട്ടൽ വിഭാഗത്തിൽ, കോഴ്‌സ് എടുത്തു എന്ന് തോന്നിപ്പിക്കുന്ന ഒന്നോ രണ്ടോ വ്യക്തികളിൽ നിന്നുള്ള (ഗവേഷണ സഹകാരികൾ) മുഖാമുഖമുള്ള ഹ്രസ്വമായ അഭിപ്രായങ്ങൾ വിദ്യാർത്ഥികൾ കേട്ടു.

ഫലങ്ങൾ അതിശയിപ്പിക്കുന്നതായിരുന്നു: മുൻ വിദ്യാർത്ഥികളുടെ മുഴുവൻ കാഴ്ചപ്പാടുകളെയും പ്രതിനിധീകരിക്കുന്ന സ്റ്റാറ്റിസ്റ്റിക്സ് ഉണ്ടായിരുന്നിട്ടും, കോഴ്‌സ് തിരഞ്ഞെടുക്കുന്നതിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ സംഗ്രഹങ്ങളേക്കാൾ മുഖാമുഖമുള്ള കഥകൾക്ക് വലിയ സ്വാധീനം ചെലുത്താൻ കഴിഞ്ഞു. മനുഷ്യരുടെ തീരുമാനമെടുക്കലിൽ എന്തുകൊണ്ടാണ് കഥകൾ എല്ലായ്‌പ്പോഴും ഡാറ്റയെ മറികടക്കുന്നത് എന്ന് മനസ്സിലാക്കുന്നതിനുള്ള പ്രായോഗിക അടിസ്ഥാനം സ്ഥാപിച്ചുകൊണ്ട്, "വിവരങ്ങൾ അതിന്റെ വ്യക്തതയ്ക്ക് ആനുപാതികമായി ഉപയോഗിക്കപ്പെടുന്നു" എന്ന് ഗവേഷകർ നിഗമനം ചെയ്തു.

സാമ്പിൾ ബയസിനോടുള്ള സംവേദനക്ഷമത ഇല്ലായ്മ (ഹാമിൽ, വിൽസൺ & നിസ്ബെറ്റ്, 1980)

ഒരു കഥ അസാധാരണമാണെന്ന് വ്യക്തമായി പറയുമ്പോൾ ആളുകൾ അവരുടെ തീരുമാനങ്ങൾ മാറ്റുമോ എന്ന് ഈ പഠനം പരിശോധിച്ചു-യുക്തിസഹമായ തിരുത്തൽ സാധ്യമാണോ എന്നതിൻ്റെ നിർണ്ണായക പരിശോധന.

ക്ഷേമനിധി (welfare) സ്വീകരിക്കുന്ന ഒരു സ്ത്രീയുമായുള്ള വീഡിയോ അഭിമുഖം പങ്കെടുത്തവർ കണ്ടു. അവരെ സാഹചര്യങ്ങളുമായി പോരാടുന്ന ഉത്തരവാദിത്തമുള്ള ഒരു വ്യക്തിയായോ അല്ലെങ്കിൽ സിസ്റ്റത്തെ ദുരുപയോഗം ചെയ്യുന്ന ആളായോ ചിത്രീകരിച്ചു. അതിൽ പ്രധാനപ്പെട്ട കാര്യം, പങ്കെടുത്തവരിൽ പകുതി പേരോടും ഈ സ്ത്രീ വളരെ അസാധാരണയാണെന്നും ശരാശരി ക്ഷേമനിധി സ്വീകരിക്കുന്നവരെ പ്രതിനിധീകരിക്കുന്നില്ലെന്നും വ്യക്തമായി പറഞ്ഞിരുന്നു.

കണ്ടെത്തലുകൾ അസ്വസ്ഥമാക്കുന്നതായിരുന്നു: പൊതുവെ ക്ഷേമനിധി സ്വീകരിക്കുന്നവരോടുള്ള പങ്കെടുത്തവരുടെ മനോഭാവം ഏതാണ്ട് പൂർണ്ണമായും ആ ഒറ്റ അഭിമുഖത്തിന്റെ ഉള്ളടക്കത്താൽ നയിക്കപ്പെട്ടു. "ഉത്തരവാദിത്തമില്ലാത്ത" സ്ത്രീയെ കണ്ടവർ ക്ഷേമനിധി സ്വീകരിക്കുന്നവരോട് പൊതുവെ കടുത്ത കാഴ്ചപ്പാടുകൾ വികസിപ്പിച്ചു. ഏറ്റവും അസ്വസ്ഥമാക്കുന്ന കാര്യം, ആ കേസ് അസാധാരണമാണെന്ന നിർദ്ദേശത്തിന് യാതൊരു ഫലവുമുണ്ടായില്ല എന്നതാണ്. കൃത്യമായ സ്റ്റാറ്റിസ്റ്റിക്സ് നൽകുന്നത് ഒരു വ്യക്തമായ കഥയുടെ ശക്തിക്കെതിരെ മനസ്സിനെ പ്രതിരോധിക്കാൻ പരാജയപ്പെടുന്നു എന്ന് ഇത് തെളിയിച്ചു.

കൺജങ്ഷൻ ഫാലസി (ട്വെർസ്കി & കാഹ്നെമാൻ, 1983)

ഇത് കൃത്യമായി അനക്ഡോട്ടുകളെക്കുറിച്ചല്ലെങ്കിലും, സ്റ്റാറ്റിസ്റ്റിക്കൽ സാധ്യതകളെ മറികടക്കാൻ ആഖ്യാനപരമായ യോജിപ്പിന് (narrative coherence) എങ്ങനെ കഴിയുന്നു എന്ന് ഈ പ്രശസ്തമായ പഠനം വെളിപ്പെടുത്തുന്നു.

പങ്കെടുത്തവർ "ലിൻഡ"യുടെ വിവരണം വായിച്ചു: 31 വയസ്സുള്ള, അവിവാഹിതയായ, തുറന്നു സംസാരിക്കുന്ന, മിടുക്കിയായ ഒരു ഫിലോസഫി മേജർ. വിദ്യാർത്ഥിയായിരിക്കെ അവർ വിവേചനത്തെയും സാമൂഹിക നീതിയെയും കുറിച്ച് ആഴത്തിൽ ചിന്തിച്ചിരുന്നു. ഏതാണ് കൂടുതൽ സാധ്യതയുള്ളത് എന്ന് അവരോട് ചോദിച്ചു: (A) ലിൻഡ ഒരു ബാങ്ക് ടെല്ലറാണ്, അല്ലെങ്കിൽ (B) ലിൻഡ ഒരു ബാങ്ക് ടെല്ലറും ഫെമിനിസ്റ്റ് പ്രസ്ഥാനത്തിൽ സജീവവുമാണ്.

ഏകദേശം 85% പങ്കെടുത്തവരും ഓപ്ഷൻ B തിരഞ്ഞെടുത്തു, ഇത് യുക്തിപരമായി അസാധ്യമാണെങ്കിലും-രണ്ട് സംഭവങ്ങൾ ഒരുമിച്ച് സംഭവിക്കാനുള്ള സാധ്യത ഒരെണ്ണം മാത്രം സംഭവിക്കാനുള്ള സാധ്യതയേക്കാൾ കൂടുതലാകാൻ കഴിയില്ല. ബാങ്ക് ടെല്ലറായ ലിൻഡയെക്കാൾ ഫെമിനിസ്റ്റായ ബാങ്ക് ടെല്ലർ ലിൻഡയുടെ "കഥ" കൂടുതൽ യോജിച്ചതായി തോന്നി, തലച്ചോർ "മികച്ച കഥയെ" "ഉയർന്ന സാധ്യതയുമായി" ആശയക്കുഴപ്പത്തിലാക്കുന്നുവെന്ന് ഇത് തെളിയിക്കുന്നു.

മൂല്യ-അനുരൂപ ഫലങ്ങൾ (സ്ലേറ്റർ & റൂണർ, 1996)

കഥകൾ എപ്പോഴാണ് കൂടുതൽ ബോധ്യപ്പെടുത്തുന്നത് എന്ന് പരിശോധിച്ച് ഈ ഗവേഷണം നിർണ്ണായകമായ സൂക്ഷ്മത കൂട്ടിച്ചേർത്തു.

ഒരു സന്ദേശം കേൾവിക്കാരന്റെ നിലവിലുള്ള മൂല്യങ്ങളുമായി പൊരുത്തപ്പെടുന്നുണ്ടെങ്കിൽ, സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ ഫലപ്രദമാണെന്ന് പഠനം കണ്ടെത്തി. എന്നിരുന്നാലും, സന്ദേശം മനോഭാവത്തിന് വിരുദ്ധമാണെങ്കിൽ (അവരുടെ വിശ്വാസങ്ങൾക്ക് എതിരായി), അനക്ഡോട്ടൽ തെളിവുകൾ മികച്ചതാണ്. കാരണം, ആളുകൾ പ്രതിരോധത്തിലായിരിക്കുമ്പോൾ സ്റ്റാറ്റിസ്റ്റിക്സുകൾ എളുപ്പത്തിൽ പരിശോധിക്കപ്പെടുകയും നിരസിക്കപ്പെടുകയും ചെയ്യുന്നു, അതേസമയം ഒരു കഥ വിവരണത്തിലൂടെ കേൾവിക്കാരനെ നിരായുധനാക്കുന്നു, ബോധ്യപ്പെടുത്തുന്നതിനുള്ള ഒരു "ട്രോജൻ ഹോഴ്സ്" (Trojan Horse) ആയി മാറുന്നു.

2.4. ന്യൂറോളജിക്കൽ അടിസ്ഥാനം

തലച്ചോർ കഥകളെയും സ്റ്റാറ്റിസ്റ്റിക്സുകളെയും അടിസ്ഥാനപരമായി വ്യത്യസ്തമായ സിസ്റ്റങ്ങളിലൂടെയാണ് കൈകാര്യം ചെയ്യുന്നത്, കഥകൾക്ക് കൂടുതൽ ആകർഷകത്വം തോന്നുന്നത് എന്തുകൊണ്ടാണെന്ന് ഇത് വിശദീകരിക്കുന്നു.

സ്റ്റാറ്റിസ്റ്റിക്സ് കേൾക്കുന്നത് പ്രാഥമികമായി തലച്ചോറിലെ ഭാഷാ പ്രോസസ്സിംഗ് കേന്ദ്രങ്ങളെ (ബ്രോക്കാസ്, വെർണിക്കീസ് ഏരിയകൾ) ഉണർത്തുന്നു. എന്നിരുന്നാലും, ഒരു കഥ കേൾക്കുന്നത് ഭാഷാ കേന്ദ്രങ്ങളെ മാത്രമല്ല, സെൻസറി, മോട്ടോർ കോർട്ടെക്സുകളെയും ഉണർത്തുന്നു-വിവരിച്ച സംഭവങ്ങൾ കേൾവിക്കാരൻ ശരിക്കും അനുഭവിക്കുകയാണെങ്കിൽ സജീവമാകുന്ന അതേ ഭാഗങ്ങൾ. ന്യൂറൽ കപ്ലിംഗ് (neural coupling) എന്ന് വിളിക്കപ്പെടുന്ന ഈ പ്രതിഭാസം, കഥ പറയുന്ന ആളുമായി മാനസികമായി "സിങ്ക്" ചെയ്യാൻ കേൾവിക്കാരെ അനുവദിക്കുന്നു.

കോഗ്നിഷന്റെ ഡ്യുവൽ-പ്രോസസ്സ് മോഡൽ ഇതിന് സൈദ്ധാന്തിക ചട്ടക്കൂട് നൽകുന്നു: വ്യക്തമായ, കൃത്യമായ കഥകൾ "അനുഭവപരമായ" അല്ലെങ്കിൽ സിസ്റ്റം 1 പ്രോസസ്സിംഗിനെ സ്വീകരിക്കുന്നു-വേഗതയേറിയ, യാന്ത്രികമായ, വൈകാരികമായി നയിക്കപ്പെടുന്നവ. സ്റ്റാറ്റിസ്റ്റിക്കൽ വിവരങ്ങൾക്ക് സിസ്റ്റം 2 പ്രോസസ്സിംഗ് ആവശ്യമാണ്-മന്ദഗതിയിലുള്ളതും, ശ്രമകരവും, യുക്തിസഹവുമായവ. മനുഷ്യർ കുറഞ്ഞ മാനസിക ഊർജ്ജം ചെലവഴിക്കാൻ ശ്രമിക്കുന്ന "കോഗ്നിറ്റീവ് മൈസേഴ്സ്" (cognitive misers) ആയതിനാൽ, വ്യക്തമായ കഥ പലപ്പോഴും വിമർശനാത്മക വിശകലനത്തെ പൂർണ്ണമായും ഒഴിവാക്കുന്നു.

ഒരു തീരുമാനമെടുക്കുന്ന അന്തരീക്ഷം വൈകാരികമായി ചാർജ്ജ് ചെയ്യപ്പെടുമ്പോൾ (ഉയർന്ന അപകടസാധ്യത, ഉയർന്ന ദുർബലത), വ്യക്തികൾ അനക്ഡോട്ടൽ തെളിവുകളെ ആശ്രയിക്കാൻ കൂടുതൽ സാധ്യതയുണ്ടെന്ന് വിസറൽ കോംപാറ്റിബിലിറ്റിയെക്കുറിച്ചുള്ള (visceral compatibility) ഗവേഷണം വെളിപ്പെടുത്തുന്നു. വിരോധാഭാസമെന്നു പറയട്ടെ, ഉയർന്ന അപകടസാധ്യതകൾ വെറും വസ്തുതകളേക്കാൾ കഥകളുടെ ആന്തരിക സ്വഭാവത്തെ അനുകൂലിക്കുന്ന "വികാരങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള" പ്രോസസ്സിംഗിനെ സുഗമമാക്കുന്നു.

3. പരിണാമപരമായ ഉത്ഭവം

മനുഷ്യന്റെ തലച്ചോറിനെ പലപ്പോഴും "കഥകൾക്കായി വയർ ചെയ്തിട്ടുള്ളത്" (wired for story) എന്നാണ് വിശേഷിപ്പിക്കുന്നത്. ആദ്യകാല മനുഷ്യരുടെ അതിജീവനത്തിനുള്ള ഒരു പ്രാഥമിക ഉപകരണമായിരുന്നു കഥകൾ എന്ന് പരിണാമ മനശാസ്ത്രജ്ഞർ സൂചിപ്പിക്കുന്നു. എഴുത്തോ ഗണിതമോ കണ്ടുപിടിക്കുന്നതിന് വളരെ മുമ്പുതന്നെ ഭക്ഷണ സ്രോതസ്സുകൾ, ശത്രുക്കൾ, സാമൂഹിക ചലനാത്മകത, അപകടകരമായ സാഹചര്യങ്ങൾ എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ കഥകളിലൂടെ കൈമാറ്റം ചെയ്യപ്പെട്ടിരുന്നു. ഇതിന്റെ ഫലമായി മനുഷ്യർ ഹോമോ നാരൻസ് (Homo Narrans) - കഥ പറയുന്ന ജീവികൾ ആയി വിശേഷിക്കപ്പെടുന്നു.

നമ്മുടെ പൂർവ്വികരുടെ ചുറ്റുപാടിൽ ഇത് വളരെ യുക്തിസഹമായിരുന്നു. കാറ്റടിക്കുമ്പോഴുള്ള സാധ്യതാ കണക്കുകളെക്കുറിച്ചുള്ള അമൂർത്തമായ ചിന്തകളേക്കാൾ, പുല്ലിലെ അനക്കം (വ്യക്തമായ, പെട്ടെന്നുള്ള ഒരു സംഭവം) ശ്രദ്ധിക്കുന്നത് കൂടുതൽ പ്രധാനമായിരുന്നു. ഗോത്ര അംഗങ്ങളുടെ പ്രത്യേക കഥകൾ ശ്രദ്ധയോടെ കേൾക്കുന്നത്-ആർക്ക് എവിടെ നിന്ന് ഭക്ഷണം ലഭിച്ചു, ആരെയാണ് ഏത് മൃഗം ആക്രമിച്ചത്- അതിജീവനത്തിന് ആവശ്യമായ പ്രായോഗിക വിവരങ്ങൾ നൽകി. "ബേസ് റേറ്റുകൾ" (base rates) പരിഗണിച്ച് വ്യക്തമായ മുന്നറിയിപ്പുകൾ അവഗണിച്ചവർ ജീവിച്ചിരിക്കാനോ വംശം നിലനിർത്താനോ സാധ്യതയില്ല.

അനക്ഡോട്ടൽ ഫാലസി എന്നത് നമ്മുടെ പൂർവ്വികരെ സഹായിച്ച ഒരു കോഗ്നിറ്റീവ് അഡാപ്റ്റേഷനെയാണ് പ്രതിനിധീകരിക്കുന്നത്, എന്നാൽ ആധുനിക സാഹചര്യങ്ങളിൽ അതൊരു പോരായ്മയായി മാറിയിരിക്കുന്നു. വ്യക്തിപരമായ കഥകൾ പൊതുവെ പ്രാദേശിക സാഹചര്യങ്ങളെ പ്രതിനിധീകരിക്കുന്ന ചെറിയ സംഘങ്ങൾക്കായാണ് നമ്മുടെ ശിലായുഗ തലച്ചോറുകൾ പരിണമിച്ചത്. 8 ബില്യൺ ജനങ്ങളുള്ള, ആഗോള സ്റ്റാറ്റിസ്റ്റിക്സുകളുള്ള, സങ്കീർണ്ണമായ കാരണ-ഫല ശൃംഖലകളുള്ള ലോകത്തിന് വേണ്ടിയല്ല അവ പരിണമിച്ചത്.

ഇതൊരു "ബഗ്ഗല്ല", മറിച്ച് പല മേഖലകളിലും അതിന്റെ ഉപയോഗം അവസാനിച്ച ഒരു "ഫീച്ചർ" ആണ്. നമ്മുടെ പരിണാമ ഭൂതകാലത്തിൽ വ്യക്തമായതും കൃത്യവുമായ കാര്യങ്ങളിലേക്ക് തിരിയുമ്പോൾ തലച്ചോർ കോഗ്നിറ്റീവ് ഊർജ്ജം സംരക്ഷിക്കുന്നു, കാരണം അതാണ് സാധാരണയായി ശരിയായ തീരുമാനം. ഇന്ന്, തികച്ചും വ്യത്യസ്തമായ യഥാർത്ഥ അപകടസാധ്യതകൾ ഉണ്ടായിരുന്നിട്ടും, വാഹനാപകടങ്ങളേക്കാൾ വിമാനാപകടങ്ങളെ ഭയപ്പെടാൻ ഇതേ സംവിധാനം നമ്മെ പ്രേരിപ്പിക്കുന്നു.

4. ഈ ബയസ് എങ്ങനെ പ്രകടമാകുന്നു

4.1. ദൈനംദിന ജീവിതത്തിൽ

അനക്ഡോട്ടൽ ഫാലസി സൂക്ഷ്മവും എന്നാൽ സുപ്രധാനവുമായ രീതികളിൽ ദൈനംദിന തീരുമാനമെടുക്കലിൽ നിറഞ്ഞുനിൽക്കുന്നു.

ഉൽപ്പന്നങ്ങൾ തിരഞ്ഞെടുക്കുമ്പോൾ, ആളുകൾ പതിവായി ആയിരക്കണക്കിന് പോസിറ്റീവ് റിവ്യൂകളേക്കാൾ ഒരു സുഹൃത്തിന്റെ ഒറ്റ നെഗറ്റീവ് അനുഭവത്തിന് പ്രാധാന്യം നൽകുന്നു. "എന്റെ കസിൻ ആ കാർ വാങ്ങി, ആദ്യ വർഷം തന്നെ അതിന്റെ ട്രാൻസ്മിഷൻ തകരാറിലായി" എന്നത് ദശലക്ഷക്കണക്കിന് ഡാറ്റ പോയിന്റുകളെ അടിസ്ഥാനമാക്കിയുള്ള വിശ്വാസ്യത റേറ്റിംഗിനെ മറികടക്കും.

ആരോഗ്യപരമായ തീരുമാനങ്ങളിൽ, വ്യക്തിപരമായ കഥകളാണ് ആധിപത്യം പുലർത്തുന്നത്. നിയന്ത്രിതമായ പോഷകാഹാര ഗവേഷണങ്ങളേക്കാൾ "കീറ്റോ ഡയറ്റിലൂടെ പ്രമേഹം മാറ്റിയ" ഒരു സുഹൃത്തിന്റെ അനുഭവമാണ് ഭക്ഷണക്രമം തിരഞ്ഞെടുക്കാൻ പലപ്പോഴും ആളുകളെ സ്വാധീനിക്കുന്നത്. വ്യായാമ ശാസ്ത്രത്തേക്കാൾ വ്യായാമം ചെയ്യുന്ന ഒരു സുഹൃത്തിന്റെ കഥയാണ് വ്യായാമ ദിനചര്യകൾ പിന്തുടരാൻ പ്രേരിപ്പിക്കുന്നത്.

ഭയവും അപകടസാധ്യത വിലയിരുത്തലും നാടകീയമായി വികലമാക്കപ്പെടുന്നു. സ്രാവുകളുടെ ആക്രമണത്തെക്കുറിച്ച് കേട്ടതിന് ശേഷം, സ്റ്റാറ്റിസ്റ്റിക്കൽ അപകടസാധ്യത മാറിയില്ലെങ്കിലും (വളരെ ചെറിയ സാധ്യത മാത്രം) ബീച്ചിൽ പോകുന്നവരുടെ എണ്ണം കുറയുന്നു. ക്രൈം റേറ്റ് പൂജ്യത്തിനടുത്തുള്ള അയൽപക്കങ്ങളിൽ വിലകൂടിയ സുരക്ഷാ സംവിധാനങ്ങൾ സ്ഥാപിക്കാൻ ഒരു ഭവനഭേദന വാർത്ത കാരണമാകുന്നു.

ബന്ധങ്ങളിലെ തീരുമാനങ്ങളെയും ഇത് ബാധിക്കുന്നു. ഒരു സുഹൃത്തിന്റെ വിവാഹമോചന കഥ ഏത് റിലേഷൻഷിപ്പ് ഗവേഷണങ്ങളേക്കാളും വിവാഹത്തോടുള്ള മനോഭാവത്തെ വിഷലിപ്തമാക്കാം. ഒരു ഒറ്റപ്പെട്ട "ക്രേസി എക്സ്" (crazy ex) കഥ ഭാവി പങ്കാളികളെക്കുറിച്ചുള്ള പ്രതീക്ഷകളെ രൂപപ്പെടുത്തുന്നു.

4.2. ജോലിസ്ഥലത്ത്

പ്രൊഫഷണൽ ചുറ്റുപാടുകളിൽ തീരുമാനങ്ങളെ വികലമാക്കാൻ അനക്ഡോട്ടൽ ഫാലസിക്ക് നിരവധി അവസരങ്ങൾ ലഭിക്കുന്നു.

നിയമന തീരുമാനങ്ങൾ ഇതിൽ ഏറ്റവും ദുർബലമാണ്. അഭിമുഖത്തിൽ ആകർഷകമായ കഥ പറയുന്ന ഉദ്യോഗാർത്ഥി മികച്ച യോഗ്യതകളുള്ള ഉദ്യോഗാർത്ഥിയേക്കാൾ പലപ്പോഴും തിരഞ്ഞെടുക്കപ്പെടുന്നു. മറുവശത്ത്, ഒരു പ്രത്യേക സ്കൂളിൽ നിന്നോ പശ്ചാത്തലത്തിൽ നിന്നോ ഉള്ള ഒരു ജീവനക്കാരനിൽ നിന്നുള്ള ഒറ്റപ്പെട്ട മോശം അനുഭവം ആ വിഭാഗത്തിലുള്ള എല്ലാവർക്കുമെതിരെയുള്ള ഭാവി തീരുമാനങ്ങളെ സ്വാധീനിക്കാം.

സ്ഥിരമായ പാറ്റേണുകളേക്കാൾ വ്യക്തമായ സംഭവങ്ങൾക്കാണ് പ്രകടന വിലയിരുത്തലുകളിൽ പ്രാധാന്യം നൽകുന്നത്. സ്ഥിരമായി നല്ല സ്റ്റാറ്റിസ്റ്റിക്സ് ഉള്ള വിശ്വസ്തനായ ജീവനക്കാരനേക്കാൾ നാടകീയമായി മികച്ച പ്രകടനം നടത്തിയ വ്യക്തിയെ അനുകൂലമായി ഓർക്കുന്നു. തിരിച്ചും ഇത് സത്യമാണ്-ഒറ്റപ്പെട്ട ഓർമ്മിക്കപ്പെടുന്ന പരാജയം വർഷങ്ങളുടെ മികച്ച പ്രവർത്തനത്തെ മറയ്ക്കാം.

തന്ത്രപരമായ തീരുമാനങ്ങൾ പലപ്പോഴും നിലവിലെ സാഹചര്യങ്ങളുടെ ചിട്ടയായ വിശകലനത്തേക്കാൾ "എന്റെ അവസാനത്തെ കമ്പനിയിൽ പ്രവർത്തിച്ചത് എന്താണ്" എന്ന മാതൃക പിന്തുടരുന്നു. വിശാലമായ മാർക്കറ്റ് ഡാറ്റയേക്കാൾ നേതാക്കൾ അവരുടെ പരിമിതമായ വ്യക്തിപരമായ അനുഭവത്തിൽ നിന്ന് തീരുമാനങ്ങൾ എടുക്കുന്നു.

പ്രോജക്റ്റ് വിലയിരുത്തലുകൾ ചിട്ടയായ വിശകലനത്തേക്കാൾ നാടകീയമായ പരാജയ കഥകളിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. "പ്രോജക്റ്റ് എക്സ് ഓർക്കുന്നുണ്ടോ?" എന്നത് പുതിയ സംരംഭങ്ങളെ പൂർണ്ണമായും ഒഴിവാക്കുന്നതിനുള്ള ന്യായീകരണമായി മാറുന്നു.

4.3. ബിസിനസ്സിലും മാർക്കറ്റിംഗിലും

മാർക്കറ്റർമാർ അനക്ഡോട്ടൽ ഫാലസിയെക്കുറിച്ച് പണ്ടേ മനസ്സിലാക്കുകയും അത് ചൂഷണം ചെയ്യുകയും ചെയ്തിട്ടുണ്ട്.

സാക്ഷ്യപ്പെടുത്തലുകൾ പരസ്യങ്ങളിൽ ആധിപത്യം പുലർത്തുന്നു കാരണം അവ പ്രവർത്തിക്കുന്നു. "ഈ ഉൽപ്പന്നം എന്റെ ജീവിതം മാറ്റിമറിച്ചു" എന്ന് അവകാശപ്പെടുന്ന ഒരാൾ ക്ലിനിക്കൽ ട്രയലുകളേക്കാൾ കൂടുതൽ ബോധ്യപ്പെടുത്തുന്നു. ഭാരം കുറയ്ക്കുന്നതിനുള്ള ഉൽപ്പന്നങ്ങൾ മിക്കവാറും മുമ്പ്/പിന്നീട് (before/after) ഫോട്ടോകളെയും വ്യക്തിപരമായ കഥകളെയുമാണ് ആശ്രയിക്കുന്നത്, കാരണം അവയുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റ വളരെ കുറഞ്ഞ ആകർഷകത്വം നൽകുന്നതായിരിക്കും (പലപ്പോഴും പ്രതികൂലവും ആയിരിക്കും).

B2B മാർക്കറ്റിംഗിലെ കേസ് സ്റ്റഡീസും ഇതേ മനശാസ്ത്രത്തെ പ്രയോജനപ്പെടുത്തുന്നു. മൊത്തത്തിലുള്ള പ്രകടന സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ ഒരു ക്ലയന്റിന്റെ വിജയകരമായ നടത്തിപ്പിന്റെ വിശദമായ കഥ കൂടുതൽ ആളുകളെ ബോധ്യപ്പെടുത്തുന്നു.

സാമൂഹിക തെളിവുകൾ (Social proof) അനക്ഡോട്ടൽ യുക്തിയെ ചൂഷണം ചെയ്യുന്നു: "10,000 സംതൃപ്തരായ ഉപഭോക്താക്കളോടൊപ്പം ചേരുക" എന്നത് ശ്രദ്ധേയമായി തോന്നാം, എന്നാൽ ആകർഷകമായ ഒരു വിവരണത്തോടുകൂടിയ ഒരൊറ്റ ഫൈവ് സ്റ്റാർ റിവ്യൂ യഥാർത്ഥത്തിൽ കൂടുതൽ മാറ്റങ്ങൾക്ക് കാരണമാകുന്നു.

ഒരു വ്യക്തിയുടെ അനുഭവ സാക്ഷ്യപ്പെടുത്തലുകൾ ശതമാനങ്ങളെയും പി-മൂല്യങ്ങളെയും (p-values) മറികടക്കുമെന്ന് അറിഞ്ഞുകൊണ്ട്, ഫാർമസ്യൂട്ടിക്കൽ പരസ്യങ്ങൾ എഫിഷ്യൻസി ഡാറ്റയ്‌ക്കൊപ്പം (അല്ലെങ്കിൽ പകരം) രോഗികളുടെ കഥകളെ കൂടുതൽ ഉൾപ്പെടുത്തുന്നു.

4.4. രാഷ്ട്രീയത്തിലും മാധ്യമങ്ങളിലും

വോട്ടർമാരെ സ്വാധീനിക്കുന്നത് എന്താണെന്ന് തന്ത്രജ്ഞർ തിരിച്ചറിയുമ്പോൾ രാഷ്ട്രീയ ആശയവിനിമയങ്ങൾ കൂടുതലായി അനക്ഡോട്ടൽ ആയി മാറുന്നു.

നയപരമായ സംവാദങ്ങളിൽ "ഒരു വ്യക്തിയുടെ" കഥകൾക്കാണ് ആധിപത്യം. നയങ്ങളുടെ മൊത്തത്തിലുള്ള ഫലങ്ങൾ ചർച്ച ചെയ്യുന്നതിനേക്കാൾ, രാഷ്ട്രീയക്കാർ റാലികളിലും പ്രസംഗങ്ങളിലും വ്യക്തികളെ അവതരിപ്പിക്കുന്നു-ഒരു നിയമം മൂലം ദ്രോഹിക്കപ്പെട്ട ചെറുകിട ബിസിനസ്സ് ഉടമ, ഒരു പദ്ധതിയിലൂടെ സഹായം ലഭിച്ച കുടുംബം. അങ്ങനെ നയം വ്യക്തിവൽക്കരിക്കപ്പെടുന്നു.

താഴെയുള്ള കേസ് സ്റ്റഡികളിൽ വിശദീകരിച്ചിരിക്കുന്ന "വെൽഫെയർ ക്വീൻ" പ്രതിഭാസം, അസാധാരണമായ ഒറ്റപ്പെട്ട കേസ് എങ്ങനെ ഒരു മുഴുവൻ ദേശീയ നയ സംവാദത്തെയും മാറ്റിമറിക്കുമെന്ന് തെളിയിച്ചു. ഇമിഗ്രേഷൻ മുതൽ ആരോഗ്യ പരിരക്ഷ വരെയുള്ള വിഷയങ്ങളിൽ ഈ രീതി ആവർത്തിക്കപ്പെടുന്നു.

കഥകൾ തിരഞ്ഞെടുക്കുന്നതിലൂടെ വാർത്താ മാധ്യമങ്ങൾ പ്രശ്നം വർദ്ധിപ്പിക്കുന്നു. ആകർഷകമായ വിവരണങ്ങൾ നൽകാൻ കഴിയുന്ന സംഭവങ്ങൾക്ക് അവയുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ പ്രാധാന്യത്തേക്കാൾ കൂടുതൽ കവറേജ് ലഭിക്കുന്നു. സ്കൂൾ ഷൂട്ടിംഗുകൾ, വിമാനാപകടങ്ങൾ, സ്രാവുകളുടെ ആക്രമണങ്ങൾ എന്നിവയെല്ലാം അവയുടെ യഥാർത്ഥ ആവൃത്തിയെക്കാൾ വളരെ കൂടുതലായി കവറേജ് നേടുന്നു, ഇത് പൊതുജനങ്ങൾക്ക് അപകടസാധ്യതകളെക്കുറിച്ച് വികലമായ ധാരണ നൽകുന്നു.

സോഷ്യൽ മീഡിയ കഥകളുടെ വ്യാപനത്തെ വേഗത്തിലാക്കുന്നു. കൃത്യമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ തിരുത്തലുകൾ ആരും കാണാതെ പോകുമ്പോൾ ആകർഷകമായ ഒരു ഒറ്റപ്പെട്ട കഥ വൈറലാകാം. തെറ്റായ വിവരങ്ങൾ വിവരണങ്ങളിലൂടെ പടരുന്നു; തിരുത്തലുകൾ ഡാറ്റയെ ആശ്രയിക്കുന്നതിനാൽ പരാജയപ്പെടുന്നു.

4.5. ആരോഗ്യപരിരക്ഷയിൽ

കഥകളും സ്റ്റാറ്റിസ്റ്റിക്സുകളും തമ്മിലുള്ള യുദ്ധത്തിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട മേഖലയാണ് വൈദ്യശാസ്ത്രം, ഇതിന് ജീവന്മരണ പ്രത്യാഘാതങ്ങളുണ്ട്.

രോഗികളുടെ തീരുമാനമെടുക്കൽ കഥകളാൽ ശക്തമായി സ്വാധീനിക്കപ്പെടുന്നു. ഒരു മരുന്നിനോടുള്ള ഒരു സുഹൃത്തിന്റെ മോശം അനുഭവം, ആ മരുന്നിന്റെ കാര്യക്ഷമതയുടെയും സുരക്ഷയുടെയും ക്ലിനിക്കൽ തെളിവുകളെ മറികടക്കാൻ പര്യാപ്തമാണ്. ക്രമീകരിച്ചിട്ടുള്ള പരീക്ഷണങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള ചികിത്സകൾക്ക് പകരം സെലിബ്രിറ്റികളുടെ സാക്ഷ്യപ്പെടുത്തലുകൾ ഉള്ള ചികിത്സകളാണ് രോഗികൾ തേടുന്നത്.

വാക്സിൻ വിരുദ്ധ മുന്നേറ്റങ്ങൾ മിക്കവാറും അനക്ഡോട്ടൽ തെളിവുകളെ ആശ്രയിക്കുന്നു. വാക്സിനുകളുടെ സുരക്ഷയെക്കുറിച്ചുള്ള ശക്തമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ ഉണ്ടായിരുന്നിട്ടും (ആരോഗ്യമുള്ള കുട്ടി → വാക്സിൻ നൽകുന്നു → ദോഷം സംഭവിക്കുന്നു) എന്ന ക്ലാസിക് കഥാ രീതി പിന്തുടരുന്ന "വാക്സിൻ മൂലമുള്ള പരിക്കുകളുടെ" കഥകൾ മനശാസ്ത്രപരമായി ആകർഷകമാണ്. സുരക്ഷിതമായ ദശലക്ഷക്കണക്കിന് ഡോസുകൾക്ക് പകരം "എനിക്കറിയാവുന്ന ഒരു രക്ഷകർത്താവ്..." എന്ന് ചിന്തിക്കാനാണ് രക്ഷിതാക്കൾക്ക് കൂടുതൽ എളുപ്പമായി തോന്നുന്നത്.

ഡോക്ടർമാർ പോലും ഇതിന് ഇരയാകുന്നു. ക്ലിനിക്കൽ അവബോധം-അടിസ്ഥാനപരമായി ശേഖരിച്ച വ്യക്തിഗത അനുഭവങ്ങൾ-തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ള പ്രായോഗിക മാർഗ്ഗനിർദ്ദേശങ്ങളെ മറികടക്കാൻ പര്യാപ്തമാണ്. നെഗറ്റീവ് മെറ്റാ അനാലിസിസുകൾ ഉണ്ടായിരുന്നിട്ടും "എന്റെ രോഗികൾക്ക് ഫലപ്രദമായ" ചികിത്സകൾ നിർദ്ദേശിക്കുന്നത് ഡോക്ടർമാർ തുടരാം.

ബദൽ വൈദ്യശാസ്ത്രം അനക്ഡോട്ടൽ മേഖലയിൽ വളരുന്നു. സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകളുടെ ഭാരമില്ലാതെ, പരമ്പരാഗത വൈദ്യശാസ്ത്രത്തിന്റെ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള സമീപനങ്ങൾക്ക് വൈകാരികമായി പകരം വെക്കാൻ കഴിയാത്ത, ആകർഷകമായ സാക്ഷ്യപ്പെടുത്തലുകളാണ് ഈ ചികിത്സകർ നൽകുന്നത്.

4.6. സാമ്പത്തികരംഗത്തും നിക്ഷേപങ്ങളിലും

ഉയർന്ന അപകടസാധ്യതകളും വലിയ അനിശ്ചിതത്വവും സംയോജിപ്പിച്ച്, അനക്ഡോട്ടൽ യുക്തികൾക്കായി സാമ്പത്തിക തീരുമാനമെടുക്കൽ തികഞ്ഞ ഒരു സാഹചര്യം ഒരുക്കുന്നു.

"കോടിക്കണക്കിന് രൂപ സമ്പാദിച്ച ഒരാളെ എനിക്കറിയാം..." എന്ന മാതൃകയിലാണ് നിക്ഷേപ തീരുമാനങ്ങൾ പിന്തുടരുന്നത്. ഒരു സുഹൃത്തിന് ബിറ്റ്കോയിനിൽ നിന്ന് ലഭിച്ച ലാഭത്തിന്റെ കഥ, പോർട്ട്ഫോളിയോ തിയറികളെയും ചരിത്രപരമായ വരുമാന വിതരണങ്ങളെയും (return distributions) കാൾ കൂടുതൽ ബോധ്യപ്പെടുത്തുന്നതാണ്.

പരിചയക്കാരിൽ നിന്നുള്ള സ്റ്റോക്ക് ടിപ്പുകൾ-അടിസ്ഥാനപരമായി കമ്പനിയുടെ പ്രകടനത്തെക്കുറിച്ചുള്ള കഥകൾ-അടിസ്ഥാന വിശകലനങ്ങളെ അവഗണിച്ചുകൊണ്ടുള്ള ട്രേഡിംഗ് തീരുമാനങ്ങളെ നയിക്കുന്നു. "എന്റെ ഭാര്യാസഹോദരൻ അവിടെ ജോലി ചെയ്യുന്നു, അവൻ പറയുന്നു..." എന്നത് സാമ്പത്തിക റിപ്പോർട്ടുകളുടെ ശ്രദ്ധയൊടുള്ള വിശകലനത്തെ മറികടക്കാൻ പര്യാപ്തമാണ്.

റിയൽ എസ്റ്റേറ്റ് തീരുമാനങ്ങൾ മാർക്കറ്റ് സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ ഒരു പ്രാദേശിക നിക്ഷേപകന്റെ വിജയകഥയ്ക്കാണ് പ്രാധാന്യം നൽകുന്നത്. നിക്ഷേപകരുടെ വരുമാനത്തെക്കുറിച്ചുള്ള മൊത്തം ഡാറ്റയെക്കാൾ, വീടുകൾ മറിച്ച് വിറ്റ് സമ്പന്നനായ ഒരു അയൽക്കാരന്റെ കഥ ആളുകളുടെ പെരുമാറ്റത്തെ സ്വാധീനിക്കുന്നു.

സാമ്പത്തിക കഥകളിലെ സർവൈവർഷിപ്പ് ബയസ് (Survivorship bias) പ്രശ്നം കൂടുതൽ വഷളാക്കുന്നു. വിജയികളുടെ കഥകൾ നാം കേൾക്കുന്നു (അവർ അത് പറയുന്നു); എന്നാൽ നിശബ്ദരായ പരാജിതരെക്കുറിച്ച് നാം കേൾക്കാറില്ല. ഇത് വ്യവസ്ഥാപിതമായി വികലമാക്കപ്പെട്ട കഥകളുടെ ഒരു സാമ്പിൾ സൃഷ്ടിക്കുന്നു.

5. റിയൽ വേൾഡ് കേസ് സ്റ്റഡീസ്

കേസ് സ്റ്റഡി 1: ദി സെമ്മൽവെയ്സ് ട്രാജഡി

• പശ്ചാത്തലം: 1840 കളിൽ വിയന്നയിൽ പ്രസവം മരണകാരണമായിരുന്നു. വിയന്ന ജനറൽ ഹോസ്പിറ്റലിൽ രണ്ട് പ്രസവാശുപത്രികൾ ഉണ്ടായിരുന്നു, അവിടെ പ്യൂർപെറൽ (ചൈൽഡ് ബെഡ്) പനി മൂലമുള്ള മരണനിരക്ക് വളരെ വ്യത്യസ്തമായിരുന്നു.
• എന്താണ് സംഭവിച്ചത്: ഹംഗേറിയൻ ഫിസിഷ്യനായ ഇഗ്നാസ് സെമ്മൽവെയ്സ് കൃത്യമായ ഡാറ്റ ശേഖരിച്ചു, ഡോക്ടർമാരുള്ള ക്ലിനിക്കിൽ (ഓട്ടോപ്സികൾ കഴിഞ്ഞ് ഡോക്ടർമാർ വന്നിരുന്ന) മരണനിരക്ക് ~18% ആണെന്നും മിഡ്വൈഫുകൾ ഉള്ള ക്ലിനിക്കിൽ ഇത് ~2% ആണെന്നും കാണിച്ചു. അദ്ദേഹം ക്ലോറിൻ ഉപയോഗിച്ച് കൈ കഴുകുന്നത് നടപ്പിലാക്കി, മരണനിരക്ക് ~1% ആയി കുറച്ചു.
• ബയസ് പ്രവർത്തിച്ചത്: "മിയാസ്മാസ്", "ഹ്യൂമേഴ്സ്" എന്നിവയെക്കുറിച്ചുള്ള പരമ്പരാഗത അനക്ഡോട്ടൽ തിയറികൾക്ക് അനുകൂലമായി മെഡിക്കൽ ലോകം അദ്ദേഹത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ കണ്ടെത്തലുകൾ നിരസിച്ചു. വ്യക്തിപരമായ അനുഭവങ്ങളുടെയും കുലീനതയുടെയും അടിസ്ഥാനത്തിൽ തങ്ങളുടെ കൈകൾ ഒരിക്കലും അശുദ്ധമാകില്ല എന്ന് പ്രമുഖ ഗൈനക്കോളജിസ്റ്റുകൾ വാദിച്ചു. തങ്ങൾ കൊലയാളികളാണെന്ന് സൂചിപ്പിക്കുന്ന ഡാറ്റയെ ഉൾക്കൊള്ളാൻ രോഗശാന്തിക്കാരൻ എന്ന നിലയിൽ ഡോക്ടർമാരുടെ ചിന്താഗതിക്ക് കഴിഞ്ഞില്ല.
• പ്രത്യാഘാതങ്ങൾ: സെമ്മൽവെയ്സിനെ പരിഹസിക്കുകയും ഒഴിവാക്കുകയും ഒടുവിൽ ഒരു അസൈലത്തിൽ പ്രവേശിപ്പിക്കുകയും ചെയ്തു, അവിടെ അദ്ദേഹം സെപ്സിസ് ബാധിച്ച് മരിച്ചു-അദ്ദേഹം തടയാൻ പഠിച്ച അതേ അണുബാധ. അദ്ദേഹത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്സ് ശരിയാണെന്ന് ജേം തിയറി തെളിയിക്കുന്നതിന് മുമ്പുള്ള പതിറ്റാണ്ടുകളിൽ എണ്ണമറ്റ സ്ത്രീകൾ മരിച്ചു.
• പഠിച്ച പാഠങ്ങൾ: ഈ കേസിൽ നിന്നാണ് "സെമ്മൽവെയ്സ് റിഫ്ലെക്സ്" എന്ന പദം ഉണ്ടായത്-സ്ഥാപിത വിശ്വാസങ്ങൾക്ക് വിരുദ്ധമായതിനാൽ പുതിയ തെളിവുകൾ സ്വയമേവ നിരസിക്കുന്നത്. പ്രൊഫഷണൽ ഐഡന്റിറ്റിക്ക് ഭീഷണിയാകുമ്പോൾ, ജീവൻ രക്ഷിക്കുന്ന ഡാറ്റയ്ക്ക് പോലും പരമ്പരാഗത വിശ്വാസങ്ങളെ മറികടക്കാൻ കഴിയില്ലെന്ന് ഇത് തെളിയിക്കുന്നു.

കേസ് സ്റ്റഡി 2: ദി "വെൽഫെയർ ക്വീൻ" ആൻഡ് പോളിസി ഫോർമേഷൻ

• പശ്ചാത്തലം: 1976 ലെ യുഎസ് പ്രസിഡന്റ് തിരഞ്ഞെടുപ്പ് പ്രചാരണ വേളയിൽ, റൊണാൾഡ് റീഗൻ പലപ്പോഴും "ചിക്കാഗോയിലെ ഒരു സ്ത്രീയെ" കുറിച്ച് വിവരിച്ചു, അവർ 80 കള്ളപ്പേരുകൾ ഉപയോഗിച്ച് നികുതിയില്ലാത്ത വരുമാനമായി $150,000 നേടുകയും ഒരു കാഡിലാക് കാർ ഓടിക്കുകയും ചെയ്തു എന്ന് ആരോപിക്കപ്പെട്ടു.
• എന്താണ് സംഭവിച്ചത്: ലിൻഡ ടെയ്‌ലർ എന്ന ആ സ്ത്രീ യഥാർത്ഥത്തിൽ ഉണ്ടായിരുന്നു, എന്നാൽ അവർ കുറ്റകൃത്യങ്ങളിൽ ഏർപ്പെട്ടിരുന്ന അപൂർവ്വ വ്യക്തിയായിരുന്നു - സങ്കീർണ്ണമായ തട്ടിപ്പ് നടത്തിയ ഒരു "സ്റ്റാറ്റിസ്റ്റിക്കൽ യൂണികോൺ". മുഴുവൻ ക്ഷേമനിധി സംവിധാനത്തെയും പ്രതിനിധീകരിക്കാൻ റീഗൻ ഈ ഒരൊറ്റ കഥ ആവർത്തിച്ച് ഉപയോഗിച്ചു.
• ബയസ് പ്രവർത്തിച്ചത്: "വെൽഫെയർ ക്വീൻ" എന്ന വ്യക്തമായ ചിത്രം ഹാമിൽ, വിൽസൺ, നിസ്ബെറ്റ് എന്നിവർ രേഖപ്പെടുത്തിയ "സാമ്പിൾ ബയസിനോടുള്ള സംവേദനക്ഷമത ഇല്ലായ്മയെ" ചൂഷണം ചെയ്തു. നാടകീയമായ വിശദാംശങ്ങൾ ടെയ്‌ലറുടെ കഥ വോട്ടർമാർക്ക് വളരെ "ലഭ്യമാക്കി" (available), ദാരിദ്ര്യത്തെക്കുറിച്ചുള്ള സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ കൂടുതൽ യാഥാർത്ഥ്യബോധമുള്ളതായി തോന്നി.
• പ്രത്യാഘാതങ്ങൾ: ഈ ഒറ്റപ്പെട്ട കഥ ലിൻഡ ടെയ്‌ലറുമായി യാതൊരു ബന്ധവുമില്ലാത്ത ദശലക്ഷക്കണക്കിന് ദരിദ്ര കുടുംബങ്ങളെ ബാധിക്കുന്ന നയ മാറ്റങ്ങൾക്ക് കാരണമായി. അസാധാരണമായ ഒരു സംഭവത്തെ ഒരു നിയമമായി കണക്കാക്കുന്നതിലൂടെ ഒരു സുരക്ഷാ സംവിധാനത്തെ (safety net) ഈ കഥ ഫലപ്രദമായി പൈശാചികവൽക്കരിച്ചു.
• പഠിച്ച പാഠങ്ങൾ: ദശലക്ഷക്കണക്കിന് ആളുകളെക്കുറിച്ചുള്ള സമഗ്രമായ ഡാറ്റയേക്കാൾ കൂടുതൽ ദേശീയ നയങ്ങളെ രൂപപ്പെടുത്താൻ ഒറ്റപ്പെട്ട, വ്യക്തമായ ഒരു കഥയ്ക്ക് കഴിയും. സ്റ്റാറ്റിസ്റ്റിക്സുകൾ ആകർഷകമായ ഒരു കഥയുമായി ഏറ്റുമുട്ടുമ്പോൾ, രാഷ്ട്രീയ രംഗത്ത് കഥ വിജയിക്കുന്നു.

കേസ് സ്റ്റഡി 3: ദി സാലി ക്ലാർക്ക് കേസ്

• പശ്ചാത്തലം: 1999 ൽ യുകെയിൽ, അഭിഭാഷകയായ സാലി ക്ലാർക്കിന് സഡൻ ഇൻഫന്റ് ഡെത്ത് സിൻഡ്രോം (SIDS) കാരണം രണ്ട് കുട്ടികളെ നഷ്ടപ്പെട്ടു. അവർ കൊലപാതകക്കുറ്റത്തിന് അറസ്റ്റ് ചെയ്യപ്പെട്ടു.
• എന്താണ് സംഭവിച്ചത്: ഒരു കുടുംബത്തിൽ രണ്ട് SIDS മരണങ്ങൾ ഉണ്ടാകാനുള്ള സാധ്യത 73 ദശലക്ഷത്തിൽ 1 മാത്രമാണെന്ന് വിദഗ്ദ്ധനായ സർ റോയ് മെഡോ സാക്ഷ്യപ്പെടുത്തി, ഇത് ഒറ്റ മരണ സാധ്യതയുടെ (8,500 ൽ 1) വർഗ്ഗം എടുത്താണ് കണക്കാക്കിയത്. മരണങ്ങൾ സ്വതന്ത്രമായ സംഭവങ്ങളാണെന്ന് ഇത് അനുമാനിച്ചു-എന്നാൽ ജനിതകവും പാരിസ്ഥിതികവുമായ ഘടകങ്ങൾ ഒരു കുടുംബത്തിനുള്ളിലെ SIDS അപകടസാധ്യതകളെ പരസ്പരം ബന്ധപ്പെടുത്തുന്നു.
• ബയസ് പ്രവർത്തിച്ചത്: "സ്റ്റാറ്റിസ്റ്റിക്കൽ" എന്ന് തോന്നിക്കുന്നതും എന്നാൽ യഥാർത്ഥത്തിൽ തെറ്റായ വിവരണ രൂപത്തിലുള്ളതുമായ ഒരു വാദമാണ് ജൂറിക്ക് മുന്നിൽ അവതരിപ്പിച്ചത്: "ഇത് വളരെ അപൂർവ്വമാണ്, അതുകൊണ്ട് ഇത് കൊലപാതകമായിരിക്കണം." ഇരട്ട-SIDS അപൂർവ്വമാണെങ്കിലും ഇരട്ട-കൊലപാതകവും അപൂർവ്വമാണെന്ന കാര്യം അവർ അവഗണിച്ചു-ശരിയായ താരതമ്യം അവിടെ ഒരിക്കലും നടത്തിയില്ല. സ്വന്തം കുട്ടികളെ കൊല്ലുന്ന ഒരു അമ്മയുടെ കഥ അവർക്ക് മനസ്സിലാക്കാൻ കഴിയുന്ന ഒരു പാറ്റേണായിരുന്നു; സാധ്യതകളുടെ സിദ്ധാന്തം അവർക്ക് മനസ്സിലായില്ല.
• പ്രത്യാഘാതങ്ങൾ: സാലി ക്ലാർക്ക് കുറ്റക്കാരിയാണെന്ന് വിധിക്കപ്പെടുകയും വർഷങ്ങളോളം ജയിലിൽ കിടക്കുകയും ചെയ്തു, ഒടുവിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ പിഴവ് തുറന്നുകാട്ടപ്പെടുകയും വിധി റദ്ദാക്കപ്പെടുകയും ചെയ്തു. ജയിലിൽ നിന്ന് മോചിതയായി കുറച്ചുകാലത്തിനുശേഷം അവർ മദ്യവിഷബാധയേറ്റ് മരിച്ചു, കഥാപരമായ സംശയങ്ങൾക്കെതിരെ സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ ശരിയായി വിലയിരുത്തുന്നതിൽ നിയമസംവിധാനത്തിന്റെ പരാജയത്തിന്റെ ഇരയായിരുന്നു അവർ.
• പഠിച്ച പാഠങ്ങൾ: "നേക്കഡ് സ്റ്റാറ്റിസ്റ്റിക്സ്" (naked statistics), പ്രത്യേകിച്ച് തെറ്റായി പ്രയോഗിക്കുമ്പോൾ, ആകർഷകമായതും എന്നാൽ തെറ്റായതുമായ കഥകൾ സൃഷ്ടിക്കാൻ കഴിയും. സാദ്ധ്യതാപരമായ തെളിവുകൾ വിലയിരുത്താൻ നിയമസംവിധാനത്തിന് മികച്ച ഉപകരണങ്ങൾ ആവശ്യമാണ്-വെറും കഥകളോ മോശം സ്റ്റാറ്റിസ്റ്റിക്സുകളോ നീതി നടപ്പാക്കില്ല.

ചരിത്രപരമായ ഉദാഹരണം: ദി MMR വാക്സിൻ പാനിക്

1998-ൽ ആൻഡ്രൂ വേക്ക്ഫീൽഡ് ദി ലാൻസെറ്റ് (The Lancet)-ൽ ഒരു പ്രബന്ധം പ്രസിദ്ധീകരിച്ചു. ഉദര സംബന്ധമായ ലക്ഷണങ്ങളും ഓട്ടിസവുമുള്ള 12 കുട്ടികളെക്കുറിച്ച് അതിൽ വിശദീകരിച്ചു, രക്ഷിതാക്കൾ ഇത് MMR വാക്സിനുമായി ബന്ധപ്പെടുത്തിയിരുന്നു. ഈ "കേസ് പരമ്പര" അടിസ്ഥാനപരമായി ചില കഥകളുടെ ഒരു ശേഖരമായിരുന്നു.

പിന്നീട് ഡെന്മാർക്ക്, ഫിൻലാൻഡ്, യുഎസ് എന്നിവിടങ്ങളിലെ ദശലക്ഷക്കണക്കിന് കുട്ടികളെ ഉൾപ്പെടുത്തി നടത്തിയ എപ്പിഡെമിയോളജിക്കൽ പഠനങ്ങളിൽ വാക്സിനും ഓട്ടിസവും തമ്മിൽ യാതൊരു ബന്ധവുമില്ലെന്ന് കണ്ടെത്തി. വേക്ക്ഫീൽഡിന്റെ പ്രബന്ധം പിൻവലിച്ചു, അദ്ദേഹം നടത്തിയ തട്ടിപ്പുകൾ തുറന്നുകാട്ടപ്പെടുകയും അദ്ദേഹത്തിന്റെ മെഡിക്കൽ ലൈസൻസ് റദ്ദാക്കുകയും ചെയ്തു.

എങ്കിലും പതിറ്റാണ്ടുകൾക്ക് ശേഷവും ആ കഥ തുടരുന്നു. "ആരോഗ്യമുള്ള കുട്ടി → വാക്സിനേഷൻ → ഓട്ടിസം" എന്ന കഥാസന്ദർഭം വളരെ ആകർഷകവും രക്ഷിതാക്കൾക്ക് എളുപ്പത്തിൽ ഉൾക്കൊള്ളാൻ കഴിയുന്നതുമായതിനാൽ ഇത് വലിയ തലത്തിലുള്ള ഡാറ്റയെ മറികടക്കുന്നു. ഒരു ഒറ്റപ്പെട്ട കുട്ടിയുടെ വൈകാരിക കഥയുമായി താരതമ്യം ചെയ്യുമ്പോൾ അമൂർത്തമായ "ദശലക്ഷത്തിൽ ഒന്ന്" അപകടസാധ്യതയുള്ള സ്റ്റാറ്റിസ്റ്റിക്സിനെ ഉൾക്കൊള്ളാൻ മനുഷ്യന്റെ മനസ്സ് പാടുപെടുന്നു, പ്രത്യേകിച്ചും പോസ്റ്റ് ഹോക്ക് ഫാലസി (ഇതിന് ശേഷം സംഭവിച്ചു, അതിനാൽ ഇത് കാരണം സംഭവിച്ചു) ഭയപ്പെടുത്തുന്ന ഒരു രോഗനിർണയത്തിന് ലളിതമായ വിശദീകരണം നൽകുമ്പോൾ.

ലോകമെമ്പാടുമുള്ള വാക്സിൻ വിമുഖതയിലൂടെയും മീസിൽസ് പൊട്ടിത്തെറിയിലൂടെയും ഈ ചരിത്രപരമായ ഉദാഹരണം പൊതുജനാരോഗ്യത്തെ രൂപപ്പെടുത്തുന്നത് തുടരുന്നു, അനക്ഡോട്ടൽ ഫാലസിക്ക് തലമുറകളോളം പ്രത്യാഘാതങ്ങൾ ഉണ്ടാകുമെന്ന് ഇത് തെളിയിക്കുന്നു.

6. ഈ ബയസിന്റെ പ്രത്യാഘാതങ്ങൾ

6.1. വ്യക്തിപരമായ നഷ്ടങ്ങൾ

അനക്ഡോട്ടൽ ഫാലസി പ്രതിനിധീകരിക്കാത്ത വിവരങ്ങളുടെ അടിസ്ഥാനത്തിൽ താൽപ്പര്യങ്ങൾക്ക് വിരുദ്ധമായ തീരുമാനങ്ങൾ എടുക്കാൻ വ്യക്തികളെ പ്രേരിപ്പിക്കുന്നു.

ക്ലിനിക്കൽ ഡാറ്റയേക്കാൾ ഒരു സുഹൃത്തിന്റെ അനുഭവത്തിന്റെ അടിസ്ഥാനത്തിൽ ചികിത്സകൾ തിരഞ്ഞെടുക്കുമ്പോൾ, അപൂർവ്വമായ പാർശ്വഫലങ്ങളെക്കുറിച്ചുള്ള ഭയപ്പെടുത്തുന്ന കഥകൾ കാരണം തെളിയിക്കപ്പെട്ട ചികിത്സകൾ ഒഴിവാക്കുമ്പോൾ, വൈദ്യശാസ്ത്രപരമായ തെളിവുകളെ വ്യക്തിപരമായ കഥകൾ മറികടക്കുകയും ആരോഗ്യത്തിന് ദോഷം സംഭവിക്കുകയും ചെയ്യുന്നു.

വൈവിധ്യവൽക്കരണത്തിന്റെയും റിസ്ക് മാനേജ്മെന്റിന്റെയും മികച്ച തത്വങ്ങളേക്കാൾ "ദശലക്ഷങ്ങൾ സമ്പാദിച്ച ഒരാളെ" പിന്തുടരുമ്പോൾ നിക്ഷേപ തീരുമാനങ്ങൾക്ക് സാമ്പത്തികമായി നഷ്ടം സംഭവിക്കുന്നു.

ഭാവി പങ്കാളികൾ, സുഹൃത്തുക്കൾ, അല്ലെങ്കിൽ ഗ്രൂപ്പുകൾ എന്നിവയെക്കുറിച്ചുള്ള തീരുമാനങ്ങൾ യഥാർത്ഥ പെരുമാറ്റ രീതികളേക്കാൾ വ്യക്തമായ വ്യക്തിഗത കഥകളെ അടിസ്ഥാനമാക്കിയാകുമ്പോൾ ബന്ധങ്ങൾക്ക് ദോഷം സംഭവിക്കുന്നു.

സ്റ്റാറ്റിസ്റ്റിക്കലായി അസംഭവ്യമായ സംഭവങ്ങളെക്കുറിച്ചുള്ള (വിമാനാപകടങ്ങൾ, അപരിചിതർ തട്ടിക്കൊണ്ടുപോകൽ, തീവ്രവാദി ആക്രമണങ്ങൾ) ഭയം അനാവശ്യമായ നിയന്ത്രണങ്ങളിലേക്കും ഉത്കണ്ഠയിലേക്കും നയിക്കുന്നതിനാൽ ജീവിതനിലവാരം കുറയുന്നു.

6.2. പ്രൊഫഷണൽ നഷ്ടങ്ങൾ

വിജയങ്ങളുടെ ഒരു വലിയ ട്രാക്ക് റെക്കോർഡ് ഉണ്ടെങ്കിൽപ്പോലും, ഓർമ്മിക്കപ്പെടുന്ന ഒരു ഒറ്റപ്പെട്ട പരാജയം കരിയറുകളെ തടസ്സപ്പെടുത്തും.

നിലവിലെ സാഹചര്യങ്ങളെക്കുറിച്ച് ചിട്ടയായ വിശകലനം നടത്തുന്നതിന് പകരം, സാഹചര്യങ്ങൾ താരതമ്യപ്പെടുത്താവുന്നതാണോ എന്ന് മനസ്സിലാക്കാതെ "കമ്പനി എക്സിൽ (Company X) പ്രവർത്തിച്ചത്" പോലെയുള്ള സംരംഭങ്ങൾ പിന്തുടരുമ്പോൾ, വ്യക്തമായ കേസ് സ്റ്റഡികളെ അടിസ്ഥാനമാക്കി സ്ഥാപനങ്ങൾ മോശം തന്ത്രപരമായ തീരുമാനങ്ങൾ എടുക്കുന്നു.

സാധുതയുള്ള പ്രവചനങ്ങളേക്കാൾ ആകർഷകമായ വ്യക്തിപരമായ വിവരണങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള നിയമനങ്ങളും സ്ഥാനക്കയറ്റങ്ങളും സബ്-ഒപ്റ്റിമൽ (suboptimal) ടീമുകളെ സൃഷ്ടിക്കുകയും പ്രതിഭകളെ നഷ്ടപ്പെടുത്തുകയും ചെയ്യുന്നു.

വിജയസാധ്യതകളെ അംഗീകരിക്കുന്ന ഡാറ്റ ഉണ്ടായിരുന്നിട്ടും നാടകീയമായ പരാജയ കഥകൾ ("പ്രോജക്റ്റ് വൈ (Project Y) ഓർക്കുന്നുണ്ടോ?") മിതമായ റിസ്ക് എടുക്കുന്നത് തടയുമ്പോൾ നൂതനാശയങ്ങൾ തടസ്സപ്പെടുന്നു.

6.3. സാമൂഹിക നഷ്ടങ്ങൾ

അനക്ഡോട്ടൽ ഫാലസി കൂട്ടായ തീരുമാനമെടുക്കലിലേക്ക് വരുമ്പോൾ, പ്രത്യാഘാതങ്ങൾ വർദ്ധിക്കുന്നു.

സമഗ്രമായ ഡാറ്റയ്ക്ക് പകരം വ്യക്തമായ കേസുകളാൽ രൂപപ്പെട്ട പൊതു നയങ്ങൾ വിഭവങ്ങൾ തെറ്റായി അനുവദിക്കുന്നു-സാധാരണവും എന്നാൽ നാടകീയമല്ലാത്തതുമായ പ്രശ്നങ്ങൾക്ക് ഫണ്ട് കുറയ്ക്കുകയും, നാടകീയവും എന്നാൽ അപൂർവ്വവുമായ ഭീഷണികളോട് പ്രതികരിക്കാൻ ഫണ്ട് അനുവദിക്കുകയും ചെയ്യുന്നു.

ദൃക്‌സാക്ഷി വിവരണങ്ങൾക്ക് (ഏറ്റവും വലിയ അനക്ഡോട്ട്) അനാവശ്യ പ്രാധാന്യം നൽകുന്ന നിയമ സംവിധാനങ്ങൾ തെറ്റായ ശിക്ഷാവിധികൾ പുറപ്പെടുവിക്കുന്നു. ഡിഎൻഎ പരിശോധനയിലൂടെ കുറ്റവിമുക്തരാക്കപ്പെട്ട 70% കേസുകളിലും തെറ്റായ ദൃക്‌സാക്ഷി തിരിച്ചറിയൽ ഉൾപ്പെട്ടിട്ടുണ്ടെന്ന് ഇന്നസെൻസ് പ്രോജക്റ്റ് കണ്ടെത്തിയിട്ടുണ്ട്.

ആകർഷകമായ വ്യക്തിഗത കഥകൾ വാക്സിനേഷനെയും മറ്റ് തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ള ഇടപെടലുകളെയും ദുർബലപ്പെടുത്തുമ്പോൾ പൊതുജനാരോഗ്യ സംരംഭങ്ങൾ പരാജയപ്പെടുന്നു. വാക്സിൻ വിമുഖതയെ തുടർന്നുള്ള മീസിൽസ് പൊട്ടിത്തെറികൾ മെഡിക്കൽ അപകടസാധ്യതകളെക്കുറിച്ചുള്ള അനക്ഡോട്ടൽ യുക്തിയുടെ നേരിട്ടുള്ള സാമൂഹിക ചെലവുകളെ പ്രതിനിധീകരിക്കുന്നു.

മൊത്തത്തിലുള്ള ഫലങ്ങളുടെ സൂക്ഷ്മമായ വിശകലനത്തേക്കാൾ നയപരമായ സംവാദങ്ങൾ കഥകൾ തമ്മിലുള്ള മത്സരങ്ങളായി മാറുമ്പോൾ ജനാധിപത്യപരമായ ചർച്ചകൾ തടസ്സപ്പെടുന്നു.

6.4. സ്റ്റാറ്റിസ്റ്റിക്കൽ ആഘാതം

ഗവേഷണങ്ങൾ ഈ ഫലങ്ങളുടെ വ്യാപ്തി കണക്കാക്കുന്നു.

തെറ്റായ ശിക്ഷാവിധികളിൽ, നൂറുകണക്കിന് തടവുകാരെ ഡിഎൻഎ തെളിവുകൾ കുറ്റവിമുക്തരാക്കിയിട്ടുണ്ട്, ഈ കേസുകളിൽ ഏകദേശം 70% ലും തെറ്റായ ദൃക്‌സാക്ഷി തിരിച്ചറിയൽ ഉണ്ടായിരുന്നു-ഇത് നിയമസംവിധാനത്തിലെ അനക്ഡോട്ടൽ തെളിവുകളുടെ സ്വാധീനത്തിന്റെ നേരിട്ടുള്ള അളവുകോലാണ്.

സിലിക്കോണും ഓട്ടോ ഇമ്മ്യൂൺ രോഗവും തമ്മിൽ യാതൊരു ബന്ധവുമില്ലെന്ന് എപ്പിഡെമിയോളജിക്കൽ പഠനങ്ങൾ സ്ഥിരമായി കാണിച്ചിട്ടും, 1990 കളിലെ സിലിക്കോൺ ബ്രെസ്റ്റ് ഇംപ്ലാന്റ് കേസ് ഡൗ കോർണിംഗിന്റെ (Dow Corning) പാപ്പരത്വത്തിന് കാരണമായി-മൾട്ടി-ബില്യൺ ഡോളറിന്റെ വിഭവ പുനർവിതരണം. രോഗകാരണമായതിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ അഭാവത്തെക്കാൾ രോഗികളായ സ്ത്രീകളുടെ വ്യക്തിപരമായ സാക്ഷ്യപ്പെടുത്തലുകൾ ജൂറികളെ സ്വാധീനിച്ചു.

വാക്സിൻ വഴി തടയാവുന്ന രോഗങ്ങൾ പടർന്നുപിടിക്കുന്നത് വാക്സിനോടുള്ള വിമുഖതയുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. ജീവൻ നഷ്ടപ്പെടുന്നതിലെ മനുഷ്യന്റെ വിലയും രോഗം പടരുന്നതിനോട് പ്രതികരിക്കുന്നതിന്റെ സാമ്പത്തിക വിലയും അനക്ഡോട്ടൽ ഫാലസിയുടെ അളക്കാവുന്ന ആഘാതത്തെ പ്രതിനിധീകരിക്കുന്നു.

7. മറഞ്ഞിരിക്കുന്ന ഗുണങ്ങൾ

സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ കഥകളോടുള്ള താല്പര്യം പൂർണ്ണമായും മോശമല്ല-അത് ഇപ്പോഴും ഭാഗികമായി പ്രസക്തമായ സുപ്രധാന പ്രവർത്തനങ്ങളെ സഹായിച്ചിട്ടുണ്ട്.

കഥകൾ അനുമാനങ്ങൾ ഉണ്ടാക്കാൻ മികച്ചതാണ്. ഡാറ്റ ശേഖരിക്കുന്നതിന് മുമ്പ്, ആരെങ്കിലും രസകരമായ എന്തെങ്കിലും ശ്രദ്ധിക്കേണ്ടതുണ്ട്. ശ്രദ്ധ ആകർഷിക്കുന്ന വ്യക്തമായ കേസുകൾ, ചിട്ടയായ പഠനത്തിന് അർഹമായ പ്രതിഭാസങ്ങളിലേക്ക് ഗവേഷകരെ നയിക്കും. എല്ലാ എപ്പിഡെമിയോളജിക്കൽ പഠനങ്ങളും ആരെങ്കിലും അസാധാരണമായ ഒരു കൂട്ടം ശ്രദ്ധിക്കുന്നതിൽ നിന്നാണ് ആരംഭിച്ചത്.

സ്റ്റാറ്റിസ്റ്റിക്സുകൾക്ക് കഴിയാത്ത രീതിയിൽ കഥകൾ സഹാനുഭൂതിയും പ്രചോദനവും സൃഷ്ടിക്കുന്നു. "ഒരു മരണം ഒരു ദുരന്തമാണ്; ഒരു ദശലക്ഷം മരണങ്ങൾ ഒരു സ്റ്റാറ്റിസ്റ്റിക്സ് ആണ്" എന്ന പ്രശസ്തമായ നിരീക്ഷണം മനുഷ്യ മനശാസ്ത്രത്തെക്കുറിച്ചുള്ള യഥാർത്ഥമായ ചില കാര്യങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു. ചാരിറ്റബിൾ സംഭാവനകൾ, രാഷ്ട്രീയ ഇടപെടലുകൾ, സാമൂഹിക പ്രസ്ഥാനങ്ങൾ എന്നിവ പലപ്പോഴും വലിയ തലത്തിലുള്ള ഡാറ്റകളാൽ അല്ല, മറിച്ച് വ്യക്തിഗത കഥകളാലാണ് സമാഹരിക്കപ്പെടുന്നത്.

ബേസ് റേറ്റുകൾ ബാധകമല്ലാത്ത സവിശേഷമായ സാഹചര്യങ്ങളിൽ കഥാപരമായ ന്യായവാദം ഉചിതമായിരിക്കും. പ്രസക്തമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ ചരിത്രമൊന്നുമില്ലാത്ത തികച്ചും പുതിയ തീരുമാനങ്ങൾ എടുക്കേണ്ടി വരുമ്പോൾ, കഥകൾ നൽകുന്ന ന്യായവാദങ്ങൾ ലഭ്യമായ ഏറ്റവും മികച്ച ഓപ്ഷനായിരിക്കാം.

സാമൂഹിക ബന്ധവും സാംസ്കാരിക കൈമാറ്റവും വിവരണങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു. സമുദായങ്ങൾ എങ്ങനെ ഒത്തൊരുമയോടെ നിലനിൽക്കുന്നുവെന്നും തലമുറകളിലൂടെ മൂല്യങ്ങൾ എങ്ങനെ കൈമാറുന്നുവെന്നും കഥകളാണ് തീരുമാനിക്കുന്നത്. അനക്ഡോട്ടൽ യുക്തിയെ പൂർണ്ണമായും ഇല്ലാതാക്കുന്നത് മനുഷ്യ സംസ്കാരത്തെ ദരിദ്രമാക്കും.

വേഗത്തിലുള്ള തീരുമാനങ്ങൾ ആവശ്യമുള്ളപ്പോൾ കഥകൾ ഉപയോഗിച്ചുള്ള തീരുമാനങ്ങൾ ഗുണകരമാകും. സിസ്റ്റം 1-ന്റെ കഥകളോടുള്ള താല്പര്യം തെറ്റിദ്ധരിപ്പിച്ചേക്കാം എങ്കിലും, ചിന്തിച്ചുള്ള വിശകലനം സാധ്യമല്ലാത്ത സാഹചര്യങ്ങളിൽ വേഗത്തിലുള്ള പ്രതികരണങ്ങൾ നടത്താനും ഇത് സഹായിക്കുന്നു.

അനക്ഡോട്ടൽ യുക്തികളെ ഇല്ലാതാക്കുകയല്ല ലക്ഷ്യം, മറിച്ച് സ്റ്റാറ്റിസ്റ്റിക്കൽ ചിന്ത ഉപയോഗിച്ച് അത് എപ്പോൾ മറികടക്കണമെന്ന് അറിയുക എന്നതാണ്-അതിന് രണ്ട് കഴിവുകളും ആവശ്യമാണ്.

8. സ്വയം വിലയിരുത്തൽ: നിങ്ങൾക്ക് ഈ ബയസ് ഉണ്ടോ?

8.1. മുന്നറിയിപ്പ് ലക്ഷണങ്ങളുടെ പരിശോധനാ പട്ടിക

• പൊതുവായ അവകാശവാദങ്ങൾക്കുള്ള തെളിവായി "എനിക്കറിയാവുന്ന ഒരാൾ..." എന്ന് ഞാൻ പറയുന്നത് ശ്രദ്ധയിൽപ്പെട്ടിട്ടുണ്ട്
• ഒരു ഉൽപ്പന്നം, സേവനം അല്ലെങ്കിൽ ചികിത്സ എന്നിവയുമായുള്ള ഒരു സുഹൃത്തിന്റെ അനുഭവത്തെ അടിസ്ഥാനമാക്കി ഞാൻ എന്റെ പെരുമാറ്റം മാറ്റിയിട്ടുണ്ട്
• സ്റ്റാറ്റിസ്റ്റിക്സുകളേക്കാൾ വ്യക്തിപരമായ സാക്ഷ്യപ്പെടുത്തലുകൾ എന്നെ ബോധ്യപ്പെടുത്തുന്നു
• ഒരു വിരുദ്ധ ഉദാഹരണം എനിക്കറിയാവുന്നതിനാൽ ഞാൻ സ്റ്റാറ്റിസ്റ്റിക്സുകൾ നിരസിച്ചിട്ടുണ്ട്
• അപൂർവ്വ സംഭവങ്ങളെക്കുറിച്ചുള്ള (വിമാനാപകടങ്ങൾ, ആക്രമണങ്ങൾ) വാർത്തകൾ സാധ്യതാ കണക്കുകളേക്കാൾ കൂടുതൽ എന്റെ പെരുമാറ്റത്തെ മാറ്റുന്നു
• വ്യക്തിപരമായ കഥകൾ അടങ്ങിയ റിവ്യൂകളെ അടിസ്ഥാനമാക്കി ഞാൻ വാങ്ങൽ തീരുമാനങ്ങൾ എടുക്കാറുണ്ട്
• വ്യക്തിഗത കേസുകളെ അപേക്ഷിച്ച് നോക്കുമ്പോൾ സാധ്യതാ കണക്കുകളും ശതമാനങ്ങളും എനിക്ക് വലിയ പ്രാധാന്യമില്ലാത്തതായി തോന്നാറുണ്ട്
• സ്റ്റാറ്റിസ്റ്റിക്സുകൾ എന്റെ അനുഭവവുമായോ എനിക്കറിയാവുന്ന ഒരാളുടെ അനുഭവവുമായോ വിരുദ്ധമാകുമ്പോൾ, ഞാൻ അനുഭവത്തെ വിശ്വസിക്കുന്നു
• ഞാൻ കേട്ട നാടകീയമായ കഥകൾ ഞാൻ ഓർക്കുകയും ആവർത്തിക്കുകയും ചെയ്യാറുണ്ട്
• ഉദാഹരണങ്ങൾ കണ്ടിട്ടില്ലാത്ത സ്റ്റാറ്റിസ്റ്റിക്കൽ അപകടസാധ്യതകളെക്കുറിച്ച് ആശങ്കപ്പെടാൻ എനിക്ക് ബുദ്ധിമുട്ടാണ്

സ്കോറിംഗ്:

• 0-2 ടിക്ക് ചെയ്തു: കുറഞ്ഞ സാധ്യത
• 3-5 ടിക്ക് ചെയ്തു: മിതമായ സാധ്യത
• 6-8 ടിക്ക് ചെയ്തു: ഉയർന്ന സാധ്യത
• 9-10 ടിക്ക് ചെയ്തു: വളരെ ഉയർന്ന സാധ്യത

8.2. സ്വയം വിലയിരുത്താനുള്ള ചോദ്യങ്ങൾ

1. നിങ്ങൾ അടുത്തിടെ എടുത്ത ഒരു തീരുമാനത്തെക്കുറിച്ച് ചിന്തിക്കുക. വ്യക്തിപരമായ കഥകൾ (നിങ്ങളുടേതോ മറ്റുള്ളവരുടേതോ) സ്റ്റാറ്റിസ്റ്റിക്കൽ വിവരങ്ങളുമായി താരതമ്യം ചെയ്യുമ്പോൾ എന്ത് പങ്കാണ് വഹിച്ചത്? ആ കഥകൾക്ക് അതിനെ പ്രതിനിധീകരിക്കാൻ കഴിഞ്ഞിരുന്നോ?

2. അതിന് വിരുദ്ധമായ അനുഭവം ഉണ്ടായിരുന്ന "ഒരാളെ നിങ്ങൾക്ക് അറിയാമായിരുന്നതിനാൽ" ഡാറ്റ നിങ്ങൾ നിരസിച്ച ഒരു സമയം ഓർക്കുക. തിരിഞ്ഞുനോക്കുമ്പോൾ, നിങ്ങളുടെ യുക്തി ന്യായീകരിക്കാവുന്നതായിരുന്നോ?

3. തീരുമാനമെടുക്കേണ്ട വിഭാഗങ്ങളിൽ (ആരോഗ്യം, സാമ്പത്തികം, ബന്ധങ്ങൾ) നിങ്ങൾ കൂടുതലായി കഥകളെ ആശ്രയിക്കുന്ന മേഖലകളുണ്ടോ? ആ ഡൊമെയ്‌നുകളെ വ്യത്യസ്തമാക്കുന്നത് എന്താണ്?

4. സ്റ്റാറ്റിസ്റ്റിക്കൽ വിവരങ്ങളോടും വ്യക്തിപരമായ അനുഭവങ്ങളോടും വൈകാരികമായി നിങ്ങൾ എങ്ങനെ പ്രതികരിക്കുന്നു? ഒന്നോ രണ്ടോ അതിലധികമോ "യഥാർത്ഥമായി" തോന്നുന്നുണ്ടോ?

5. പരിമിതമായ ഉദാഹരണങ്ങളിൽ നിന്ന് നിങ്ങൾ കൂടുതലായി സാമാന്യവൽക്കരിക്കുന്നുവെന്ന് ആരെങ്കിലും എപ്പോഴെങ്കിലും സൂചിപ്പിച്ചിട്ടുണ്ടോ? നിങ്ങളുടെ പ്രതികരണം എന്തായിരുന്നു?

8.3. പെട്ടെന്നുള്ള ഡയഗ്നോസ്റ്റിക് രംഗം

രംഗം: നിങ്ങൾ ഒരു പ്രത്യേക കാർ മോഡൽ വാങ്ങാൻ ആഗ്രഹിക്കുന്നു. 50,000 ഉടമകളിൽ നിന്നുള്ള ഡാറ്റയെ അടിസ്ഥാനമാക്കി കൺസ്യൂമർ റിപ്പോർട്ടുകൾ ഇതിന് വളരെ ഉയർന്ന വിശ്വാസ്യത നൽകുന്നു. എന്നിരുന്നാലും, നിങ്ങളുടെ അയൽക്കാരൻ കഴിഞ്ഞ വർഷം ഈ കാർ വാങ്ങി, അതുകൊണ്ട് അവർക്ക് നിരന്തരം പ്രശ്നങ്ങളുണ്ടായി. ഈ വിവരങ്ങളെ നിങ്ങൾ എങ്ങനെ വിലയിരുത്തും?

നിങ്ങൾ എങ്ങനെ പ്രതികരിക്കും?

• A) "അമൂർത്തമായ റേറ്റിംഗുകളേക്കാൾ എന്റെ അയൽക്കാരന്റെ അനുഭവം എനിക്ക് കൂടുതൽ യാഥാർത്ഥ്യബോധം നൽകുന്നു. ഞാൻ മറ്റ് മോഡലുകൾ നോക്കാൻ സാധ്യതയുണ്ട്." → ഉയർന്ന സാധ്യത
• B) "ഞാൻ രണ്ടും പരിഗണിക്കും, എന്നാൽ യുക്തിപരമായി ഞാൻ അറിയേണ്ടതിനേക്കാൾ കൂടുതൽ എന്റെ അയൽക്കാരന്റെ അനുഭവം എന്നെ ആശങ്കപ്പെടുത്തും." → മിതമായ സാധ്യത
• C) "എന്റെ അയൽക്കാരൻ 50,000-ൽ ഒരു ഡാറ്റ പോയിന്റ് മാത്രമാണ്. എന്താണ് കൃത്യമായി തെറ്റ് സംഭവിച്ചത് എന്ന് ഞാൻ ചോദിച്ചേക്കാമെങ്കിലും, അവരുടെ മോശം അനുഭവം മൊത്തത്തിലുള്ള വിശ്വാസ്യതയെ മാറ്റുന്നില്ല." → കുറഞ്ഞ സാധ്യത

9. മറ്റുള്ളവരിൽ ഈ ബയസ് തിരിച്ചറിയുക

9.1. പെരുമാറ്റ സൂചകങ്ങൾ

അനക്ഡോട്ടൽ ഫാലസിയുടെ സ്വാധീനത്തിലുള്ള ആളുകൾ പലപ്പോഴും സമാന പാറ്റേണുകൾ പ്രകടിപ്പിക്കുന്നു.

അവരുടെ വാദങ്ങൾ വ്യക്തിഗത കേസുകളെ കേന്ദ്രീകരിച്ചുള്ളതാണ്: ഡാറ്റയേക്കാൾ കഥകളിലൂടെയാണ് അവർ പ്രാഥമികമായി തെളിവുകൾ അവതരിപ്പിക്കുന്നത്. പാറ്റേണുകളേക്കാൾ പ്രത്യേക ഉദാഹരണങ്ങൾ മുഖേന തീരുമാനങ്ങൾ ന്യായീകരിക്കപ്പെടുന്നു.

വ്യക്തമായ സംഭവങ്ങളോട് അവർ അനുപാതമല്ലാത്ത പ്രതികരണം കാണിക്കുന്നു: നാടകീയമായ വാർത്തകൾക്ക് ശേഷം സാധ്യതയിൽ വലിയ മാറ്റമൊന്നും സംഭവിച്ചില്ലെങ്കിലും പെരുമാറ്റത്തിൽ മാറ്റങ്ങൾ സംഭവിക്കുന്നു.

അവർ സ്റ്റാറ്റിസ്റ്റിക്കൽ തിരുത്തലുകളെ ചെറുക്കുന്നു: അവരുടെ കഥയ്ക്ക് വിരുദ്ധമായ ഡാറ്റ നൽകുമ്പോൾ, അവർ സ്റ്റാറ്റിസ്റ്റിക്സുകളെ തള്ളിക്കളയുകയോ അവഗണിക്കുകയോ ന്യായീകരിക്കുകയോ ചെയ്യുന്നു.

ചെറിയ സാമ്പിളുകളിൽ നിന്ന് അവർ ആത്മവിശ്വാസത്തോടെ പുതിയ നിഗമനങ്ങളിൽ എത്തുന്നു: പരിമിതമായ വ്യക്തിപരമായ അനുഭവം ഗ്രൂപ്പുകൾ, ഉൽപ്പന്നങ്ങൾ, അല്ലെങ്കിൽ പ്രതിഭാസങ്ങൾ എന്നിവയെക്കുറിച്ചുള്ള വിശാലമായ സാമാന്യവൽക്കരണങ്ങളുടെ അടിസ്ഥാനമായി മാറുന്നു.

9.2. സംഭാഷണത്തിലെ റെഡ് ഫ്ലാഗുകൾ

ഈ ബയസിന് കീഴിലായിരിക്കുമ്പോൾ ആളുകൾ പറയുന്ന বাক്യാവലികൾ:

• "സ്റ്റാറ്റിസ്റ്റിക്സുകൾ എന്ത് പറയുന്നു എന്നത് ഞാൻ കാര്യമാക്കുന്നില്ല, എനിക്കറിയാവുന്ന ഒരാൾ..."
• "സ്റ്റാറ്റിസ്റ്റിക്സുകൾക്ക് എന്തും പറയാൻ കഴിയും, എന്നാൽ യഥാർത്ഥ അനുഭവം..."
• "എന്റെ മുത്തശ്ശി ജീവിതകാലം മുഴുവൻ പുകവലിച്ചിട്ടും 95 വയസ്സ് വരെ ജീവിച്ചു"
• "ഒരു കേസിനെക്കുറിച്ച് ഞാൻ വായിച്ചു..."
• "അത് പൊതുവെ സത്യമായിരിക്കാം, എന്നാൽ എന്റെ അനുഭവത്തിൽ..."

അവർ ഉന്നയിക്കുന്ന വാദങ്ങളുടെ തരങ്ങൾ:

• അസാധാരണമായവയെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ട്രെൻഡുകളുടെ നിഷേധമായി കണക്കാക്കുക
• പൊതുവായ നിയമങ്ങൾ ഓരോ നിർദ്ദിഷ്ട കേസിനും ബാധകമാകണമെന്ന് ആവശ്യപ്പെടുക
• സമീപകാലത്തെ അല്ലെങ്കിൽ വ്യക്തമായ ഉദാഹരണങ്ങൾക്ക് ആനുപാതികമല്ലാത്ത പ്രാധാന്യം നൽകുക

അവർ ചോദിക്കുന്നത് ഒഴിവാക്കുന്ന ചോദ്യങ്ങൾ:

• "എത്ര കേസുകളുടെ അടിസ്ഥാനത്തിലായിരുന്നു ഇത്?"
• "ഈ ഉദാഹരണം പ്രതിനിധീകരിക്കാൻ കഴിയുന്നതാണോ?"
• "എന്താണ് ബേസ് റേറ്റ്?"

9.3. സാഹചര്യപരമായ പ്രകോപനങ്ങൾ

ചില പ്രത്യേക സാഹചര്യങ്ങൾ അനക്ഡോട്ടൽ യുക്തിയോടുള്ള ചായ്‌വ് വർദ്ധിപ്പിക്കുന്നു.

ഉയർന്ന വൈകാരിക സമ്മർദ്ദങ്ങൾ ദുർബലത വർദ്ധിപ്പിക്കുന്നു. തീരുമാനങ്ങൾ വ്യക്തിപരമായി ഭീഷണിയോ പ്രധാനപ്പെട്ടതോ ആണെന്ന് തോന്നുമ്പോൾ, സിസ്റ്റം 1 ആധിപത്യം സ്ഥാപിക്കുകയും കഥകൾ കൂടുതൽ ആകർഷകമാവുകയും ചെയ്യുന്നു.

സമയക്കുറവ് സൂക്ഷ്മമായ വിശകലനത്തെ കുറയ്ക്കുന്നു. വേഗത്തിൽ തീരുമാനമെടുക്കാൻ നിർബന്ധിതരാകുമ്പോൾ, ആളുകൾ ലഭ്യമായ ഏറ്റവും നല്ല വിവരങ്ങളിലേക്ക് തിരിയുന്നു-സാധാരണയായി കഥകൾ.

സങ്കീർണ്ണമായ അല്ലെങ്കിൽ അമൂർത്തമായ ഡൊമെയ്‌നുകൾ വിവരണങ്ങളെ അനുകൂലിക്കുന്നു. സ്റ്റാറ്റിസ്റ്റിക്സുകൾ മനസ്സിലാക്കാനോ വ്യാഖ്യാനിക്കാനോ ബുദ്ധിമുട്ടാകുമ്പോൾ, ഒരു കഥയുടെ ലാളിത്യം കൂടുതൽ ആകർഷകമാവുന്നു.

സാമൂഹിക ചുറ്റുപാടുകൾ കഥകളുടെ സ്വാധീനം വർദ്ധിപ്പിക്കുന്നു. സുഹൃത്തുക്കൾ, കുടുംബം, അല്ലെങ്കിൽ വിശ്വസനീയമായ സ്രോതസ്സുകൾ പങ്കിടുന്ന വിവരങ്ങൾ പ്രതിനിധീകരിക്കാൻ കഴിയുന്നതാണോ എന്ന് നോക്കാതെ തന്നെ അതിന് കൂടുതൽ പ്രാധാന്യം ലഭിക്കുന്നു.

മുൻ വിശ്വാസങ്ങളുടെ സ്ഥിരീകരണം കഥകളെ കൂടുതൽ പ്രിയപ്പെട്ടതാക്കുന്നു. നിലവിലുള്ള വീക്ഷണങ്ങളുമായി പൊരുത്തപ്പെടുന്ന കഥകൾ വിമർശനങ്ങളില്ലാതെ സ്വീകരിക്കപ്പെടുകയും, അതേസമയം വിരുദ്ധമായ ഡാറ്റകൾ സൂക്ഷ്മമായി പരിശോധിക്കപ്പെടുകയും ചെയ്യുന്നു.

10. കോഗ്നിറ്റീവ് ഡീബയസിംഗ് തന്ത്രങ്ങൾ

10.1. ഉടനടിയുള്ള വിദ്യകൾ

ഒരു വ്യക്തിപരമായ കഥയാൽ സ്വാധീനിക്കപ്പെട്ട ഒരു തീരുമാനമെടുക്കുന്നതിന് മുമ്പ്, അൽപനേരം നിർത്തി സ്വയം ചോദിക്കുക:

"എത്രയെണ്ണത്തിന്റെ സാമ്പിൾ?" നിങ്ങളുടെ യുക്തിക്ക് പിന്നിലെ സാമ്പിൾ സൈസ് വ്യക്തമാക്കാൻ സ്വയം നിർബന്ധിക്കുക. ഒരൊറ്റ കഥ എന്നാൽ N=1 ആണ്.

"ഇത് എങ്ങനെ തിരഞ്ഞെടുത്തു?" ഈ കഥ നിങ്ങളുടെ ശ്രദ്ധയിൽ പെട്ടത് അത് സാധാരണമായതുകൊണ്ടാണോ അതോ അസാധാരണമായതുകൊണ്ടാണോ എന്ന് ചോദിക്കുക. അസാധാരണ സംഭവങ്ങൾ മികച്ച കഥകൾ ഉണ്ടാക്കുന്നു, പക്ഷേ തെളിവുകളുടെ കാര്യത്തിൽ മോശമാണ്.

"എന്താണ് ബേസ് റേറ്റ്?" ഒരു കഥയ്ക്ക് പ്രാധാന്യം നൽകുന്നതിന് മുമ്പ്, പ്രസക്തമായ സ്റ്റാറ്റിസ്റ്റിക്സ് കണ്ടെത്തുക. എത്ര ശതമാനം ആളുകൾക്ക് യഥാർത്ഥത്തിൽ ഈ അനുഭവം ഉണ്ടായിട്ടുണ്ട്?

"മറുവശത്ത് നിന്ന് ഇത് എനിക്ക് ബോധ്യപ്പെടുമോ?" ഒരു കഥ വിപരീതമായ ഒരു നിഗമനത്തെ പിന്തുണയ്ക്കുന്നുവെങ്കിൽ, അതിനെ ഒരു തെളിവായി നിങ്ങൾ അംഗീകരിക്കുമോ?

"ഡിനോമിനേറ്ററിനെ (ഛേദം) ദൃശ്യവൽക്കരിക്കുക." ഭയപ്പെടുത്തുന്ന ഒരു ന്യൂമറേറ്റർ (ഒരു മോശം ഫലം) അവതരിപ്പിക്കപ്പെടുമ്പോൾ, അത് സംഭവിക്കാത്ത ആയിരക്കണക്കിന് അല്ലെങ്കിൽ ദശലക്ഷക്കണക്കിന് കേസുകൾ സജീവമായി സങ്കൽപ്പിക്കുക.

10.2. ദീർഘകാല തന്ത്രങ്ങൾ

സ്റ്റാറ്റിസ്റ്റിക്കൽ അവബോധം വികസിപ്പിക്കുന്നതിന് നിരന്തരമായ പരിശ്രമം ആവശ്യമാണ്.

പരിശീലനത്തിലൂടെ സംഖ്യാശേഷി (numeracy) വളർത്തിയെടുക്കുക. കാര്യങ്ങൾ തിരയുന്നതിന് മുമ്പ് സാധ്യതാ അനുമാനങ്ങൾ ഉണ്ടാക്കുക, തുടർന്ന് നിങ്ങളുടെ കൃത്യത പരിശോധിക്കുക. ഫീഡ്‌ബാക്കിലൂടെ കാലിബ്രേഷൻ മെച്ചപ്പെടുന്നു.

ബേസ് റേറ്റുകളുമായി സമ്പർക്കം പുലർത്തുക. വാർത്തകളിലും സംഭാഷണങ്ങളിലും നിങ്ങൾ കേൾക്കുന്ന സംഭവങ്ങളുടെ യഥാർത്ഥ ആവൃത്തികൾ മനസ്സിലാക്കുക. സ്രാവുകളുടെ ആക്രമണം കാരണം ലോകമെമ്പാടും പ്രതിവർഷം ~5 പേർ മരിക്കുന്നുണ്ടെന്ന് അറിയുന്നത് അടുത്ത സ്രാവിനെക്കുറിച്ചുള്ള കഥയെ നിങ്ങൾ എങ്ങനെ കാണുന്നു എന്ന് മാറ്റുന്നു.

"വിപരീതം പരിഗണിക്കുക" പരിശീലിക്കുക. കഥകളെ അടിസ്ഥാനമാക്കിയുള്ള നിങ്ങളുടെ നിഗമനം തെറ്റായിരിക്കാൻ സാധ്യതയുള്ള കാരണങ്ങൾ പതിവായി കണ്ടെത്തുക.

ഉറവിടം വിലയിരുത്തുന്നതിനുള്ള ശീലം വികസിപ്പിക്കുക. ആകർഷകമായ ഒരു കഥ കേൾക്കുമ്പോൾ, അതിന്റെ ഉറവിടം, സ്ഥിരീകരണം, പ്രതിനിധാനം എന്നിവയെക്കുറിച്ച് ചോദിക്കുക.

അനിശ്ചിതത്വത്തെ സ്വീകരിക്കുക. അപര്യാപ്തമായ തെളിവുകളിൽ നിന്നുള്ള തെറ്റായ ആത്മവിശ്വാസത്തേക്കാൾ "എനിക്ക് സ്റ്റാറ്റിസ്റ്റിക്സ് അറിയില്ല" എന്ന് പറയുന്നതിന്റെ ബുദ്ധിമുട്ടാണ് നല്ലത്.

10.3. പാരിസ്ഥിതിക രൂപകൽപ്പന

അനക്ഡോട്ടൽ ബയസ് കുറയ്ക്കുന്നതിന് നിങ്ങളുടെ വിവര പരിതസ്ഥിതിയെ രൂപകൽപ്പന ചെയ്യുക.

വിവര സ്രോതസ്സുകൾ ക്യൂറേറ്റ് ചെയ്യുക. വിവരണാധിഷ്ഠിത ഉള്ളടക്കത്തേക്കാൾ സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ അവതരിപ്പിക്കുന്ന ഉറവിടങ്ങളെ അനുകൂലിക്കുക. ആകർഷകമായ കഥകൾ മാധ്യമങ്ങൾ സ്വാഭാവികമായും തിരഞ്ഞെടുക്കുന്നുവെന്ന് തിരിച്ചറിയുക.

തീരുമാനമെടുക്കൽ ചെക്ക്‌ലിസ്റ്റുകൾ സൃഷ്ടിക്കുക. പ്രധാനപ്പെട്ട തീരുമാനങ്ങൾക്ക് മുമ്പ്, അനക്ഡോട്ടൽ വിവരങ്ങളും സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകളും രേഖപ്പെടുത്താൻ നിങ്ങളെത്തന്നെ നിർബന്ധിക്കുക. അവയെ വശങ്ങളിലായി കാണുന്നത് അസന്തുലിതാവസ്ഥ വെളിപ്പെടുത്താൻ സഹായിക്കും.

കൂളിംഗ്-ഓഫ് (cooling-off) കാലയളവുകൾ നിർമ്മിക്കുക. നിങ്ങളെ പ്രവർത്തിക്കാൻ പ്രേരിപ്പിക്കുന്ന വ്യക്തമായ ഒരു കഥ അഭിമുഖീകരിച്ചതിന് ശേഷം, തീരുമാനമെടുക്കുന്നതിന് മുമ്പ് കാത്തിരിക്കുക. സിസ്റ്റം 2-ന് പ്രവർത്തിക്കാൻ സമയം നൽകുക.

വിപരീതമായ വിവരങ്ങൾ സജീവമായി അന്വേഷിക്കുക. ആകർഷകമായ ഒരു കഥ കേട്ട ശേഷം, അതേ വിഷയത്തെക്കുറിച്ചുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റകൾക്കായി പ്രത്യേകം തിരയുക.

10.4. എപ്പോഴാണ് പുറത്തുനിന്നുള്ള അഭിപ്രായം തേടേണ്ടത്

അനക്ഡോട്ടൽ യുക്തിയെ ചെറുക്കാൻ ചില തീരുമാനങ്ങൾക്ക് ബാഹ്യ വീക്ഷണം ആവശ്യമാണ്.

ഉയർന്ന അപകടസാധ്യതയുള്ള തീരുമാനങ്ങൾക്ക് സ്റ്റാറ്റിസ്റ്റിക്കൽ വൈദഗ്ദ്ധ്യം തേടുക. വലിയ വൈദ്യചികിത്സകൾ, സാമ്പത്തിക പ്രതിബദ്ധതകൾ, അല്ലെങ്കിൽ കരിയർ മാറ്റങ്ങൾ എന്നിവയ്ക്ക് മുമ്പ്, തെളിവുകൾ വിലയിരുത്താൻ പരിശീലനം ലഭിച്ച ഒരാളുമായി കൂടിയാലോചിക്കുക.

"എനിക്കറിയാവുന്ന ഒരാൾ..." എന്ന് നിങ്ങൾ പറയുന്നത് കേൾക്കുമ്പോൾ, അത് വിശാലമായ ഡാറ്റകൾ തേടാനുള്ള ഒരു സൂചനയായി കണക്കാക്കുക.

നിങ്ങളുടെ യുക്തി പ്രധാനമായും വ്യക്തിപരമായ അനുഭവത്തെ അടിസ്ഥാനമാക്കിയുള്ളതും എന്നാൽ അവിടെ ധാരാളം സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ ലഭ്യമാവുകയും ചെയ്യുന്ന മേഖലയാണെങ്കിൽ, സ്റ്റാറ്റിസ്റ്റിക്സുകളെ ആശ്രയിക്കുന്നതിനുള്ള ഒരു സിഗ്നലാണത്.

വിശ്വസ്തരായ മറ്റുള്ളവരോട് ചോദിക്കുക: "ഞാൻ ഈ കഥയ്ക്ക് അമിത പ്രാധാന്യം നൽകുന്നുണ്ടോ?" അകത്തുനിന്ന് നോക്കുമ്പോൾ ബോധ്യപ്പെടുത്തുന്ന അനക്ഡോട്ടൽ യുക്തികളെ ബാഹ്യ വീക്ഷണങ്ങൾക്ക് തിരിച്ചറിയാൻ കഴിയും.

11. പ്രായോഗിക വ്യായാമങ്ങൾ

വ്യായാമം 1: ബേസ് റേറ്റ് ഡിറ്റക്ടീവ്

• ലക്ഷ്യം: കഥകൾക്കായി സ്റ്റാറ്റിസ്റ്റിക്കൽ പശ്ചാത്തലം അന്വേഷിക്കുന്ന ശീലം വളർത്തുക
• ആവശ്യമായ സമയം: 15-20 മിനിറ്റ്
• ആവശ്യമായ വസ്തുക്കൾ: ഇന്റർനെറ്റ് സൗകര്യം, നോട്ട്ബുക്ക്
• ബുദ്ധിമുട്ട് നില: തുടക്കക്കാർക്ക്
• നിർദ്ദേശങ്ങൾ:
  1. നിങ്ങളുടെ ചിന്തയെ സ്വാധീനിച്ച സമീപകാലത്തെ ഒരു കഥ ഓർക്കുക-വാർത്തകളിൽ നിന്നോ, സുഹൃത്തിൽ നിന്നോ, അല്ലെങ്കിൽ വ്യക്തിപരമായ അനുഭവത്തിൽ നിന്നോ ഉള്ള ഒരു കഥ
  2. അതിലെ അവകാശവാദം തിരിച്ചറിയുക (ഉദാഹരണത്തിന്, "വാക്സിനുകൾ അപകടകരമാണ്," "ഈ കാർ വിശ്വസനീയമല്ല")
  3. പ്രസക്തമായ ബേസ് റേറ്റ് ഗവേഷണം ചെയ്യുക (ഉദാഹരണത്തിന്, ഗുരുതരമായ വാക്സിൻ പ്രതികരണങ്ങളുടെ നിരക്ക്, ആ കാറിന്റെ വിശ്വാസ്യത സ്റ്റാറ്റിസ്റ്റിക്സ്)
  4. കഥയും ബേസ് റേറ്റും വശങ്ങളിലായി എഴുതുക
  5. സ്റ്റാറ്റിസ്റ്റിക്കൽ പശ്ചാത്തലത്തിൽ കഥയെ അവതരിപ്പിക്കുമ്പോൾ നിങ്ങളുടെ കാഴ്ചപ്പാട് എങ്ങനെ മാറുന്നുവെന്ന് ചിന്തിക്കുക
• ചിന്തിക്കേണ്ട ചോദ്യങ്ങൾ:
  • ബേസ് റേറ്റ് നിങ്ങളെ അത്ഭുതപ്പെടുത്തിയോ?
  • കഥ നിങ്ങളുടെ അനുമാനത്തെ എത്രത്തോളം വികലമാക്കി?
  • കഥയെ മാത്രം അടിസ്ഥാനമാക്കി നിങ്ങൾ പ്രവർത്തിച്ചിരുന്നെങ്കിൽ എന്ത് സംഭവിക്കുമായിരുന്നു?
• ആവൃത്തി: ആഴ്ചയിലൊരിക്കൽ

വ്യായാമം 2: ദി കൗണ്ടർഎക്സാമ്പിൾ ചലഞ്ച്

• ലക്ഷ്യം: വിരുദ്ധ ഉദാഹരണങ്ങൾ സാധ്യതാപരമായ അവകാശവാദങ്ങളെ നിഷേധിക്കുന്നില്ലെന്ന് തിരിച്ചറിയുക
• ആവശ്യമായ സമയം: 10-15 മിനിറ്റ്
• ആവശ്യമായ വസ്തുക്കൾ: നോട്ട്ബുക്ക്
• ബുദ്ധിമുട്ട് നില: ഇടത്തരം
• നിർദ്ദേശങ്ങൾ:
  1. നിങ്ങൾ വിശ്വസിക്കുന്ന ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ അവകാശവാദം തിരിച്ചറിയുക (ഉദാഹരണത്തിന്, "പുകവലി കാൻസർ സാധ്യത വർദ്ധിപ്പിക്കുന്നു")
  2. വിരുദ്ധ ഉദാഹരണങ്ങൾ സൃഷ്ടിക്കുക (ഉദാഹരണത്തിന്, "ദീർഘകാലം ജീവിച്ച പുകവലിക്കാർ")
  3. ഈ വിരുദ്ധ ഉദാഹരണങ്ങൾ യഥാർത്ഥത്തിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ അവകാശവാദത്തെ നിഷേധിക്കാത്തത് എന്തുകൊണ്ടാണെന്ന് എഴുതുക
  4. "സാധ്യത വർദ്ധിപ്പിക്കുന്നു", "എല്ലായ്പ്പോഴും കാരണമാകുന്നു" എന്നിവ തമ്മിലുള്ള വ്യത്യാസം വ്യക്തമാക്കാൻ പരിശീലിക്കുക
  5. നിങ്ങൾക്ക് വിരുദ്ധ ഉദാഹരണങ്ങൾ അറിയാവുന്നതുകൊണ്ട് നിങ്ങൾ നിരസിച്ച ഒരു അവകാശവാദത്തിൽ ഈ യുക്തി പ്രയോഗിക്കുക
• ചിന്തിക്കേണ്ട ചോദ്യങ്ങൾ:
  • വിരുദ്ധ ഉദാഹരണങ്ങൾ എന്തിനാണ് ഇത്ര ആകർഷകമായി തോന്നുന്നത്?
  • ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ അവകാശവാദത്തെ നിഷേധിക്കാൻ ആരെങ്കിലും ഒരു വിരുദ്ധ ഉദാഹരണം നൽകുമ്പോൾ നിങ്ങൾ എങ്ങനെ പ്രതികരിക്കും?
  • പ്രധാനമായും സ്റ്റാറ്റിസ്റ്റിക്സുകളെ ഒഴിവാക്കുന്നതിനെ അടിസ്ഥാനമാക്കി നിങ്ങൾ വിശ്വസിക്കുന്ന കാര്യങ്ങളുണ്ടോ?
• ആവൃത്തി: മാസത്തിൽ രണ്ടുതവണ

വ്യായാമം 3: നറേറ്റീവ് റീഫ്രെയിമിംഗ്

• ലക്ഷ്യം: കഥകളുമായി മത്സരിക്കുന്നതിന് സ്റ്റാറ്റിസ്റ്റിക്സുകളുടെ വ്യക്തമായ മാനസിക ചിത്രീകരണങ്ങൾ സൃഷ്ടിക്കുക
• ആവശ്യമായ സമയം: 20-30 മിനിറ്റ്
• ആവശ്യമായ വസ്തുക്കൾ: നിങ്ങൾ ശ്രദ്ധിക്കുന്ന ഒരു വിഷയത്തെക്കുറിച്ചുള്ള സ്റ്റാറ്റിസ്റ്റിക്സ്, ഭാവന
• ബുദ്ധിമുട്ട് നില: അഡ്വാൻസ്ഡ്
• നിർദ്ദേശങ്ങൾ:
  1. നിങ്ങൾ ബൗദ്ധികമായി അംഗീകരിക്കുന്നതും എന്നാൽ "അനുഭവപ്പെടാത്തതുമായ" ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ വസ്തുത തിരഞ്ഞെടുക്കുക (ഉദാഹരണത്തിന്, വാക്സിൻ സുരക്ഷാ ഡാറ്റ)
  2. സ്റ്റാറ്റിസ്റ്റിക്സിനെ ഉൾക്കൊള്ളുന്ന ഒരു മാനസിക "കഥ" സൃഷ്ടിക്കുക: വാക്സിൻ സ്വീകരിക്കുന്ന 1,000 കുട്ടികളെ സങ്കൽപ്പിക്കുക, വളരെ കുറഞ്ഞ ആളുകൾക്ക് പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നു, അതേസമയം ഭൂരിഭാഗം പേരും സംരക്ഷിക്കപ്പെടുന്നു
  3. ഈ ദൃശ്യവൽക്കരണം കൃത്യവും വ്യക്തവുമാക്കുക-കുട്ടികൾക്ക് മുഖം നൽകുക, മാതാപിതാക്കളുടെ ആശ്വാസം സങ്കൽപ്പിക്കുക
  4. ഭയപ്പെടുത്തുന്ന കഥകൾ നിങ്ങൾ നേരിടുമ്പോൾ നിങ്ങൾ നിർമ്മിച്ചെടുത്ത ഈ കഥ ഓർത്തെടുക്കാൻ പരിശീലിക്കുക
  5. കഥകൾ നിങ്ങളുടെ ധാരണയെ വികലമാക്കുന്ന മറ്റ് മേഖലകളിലും ഇത് ആവർത്തിക്കുക
• ചിന്തിക്കേണ്ട ചോദ്യങ്ങൾ:
  • ദൃശ്യവൽക്കരണം സ്റ്റാറ്റിസ്റ്റിക്സുകളെ "അനുഭവപ്പെടുന്ന" രീതി മാറ്റിയോ?
  • അനക്ഡോട്ടൽ ഫാലസിക്കെതിരെ പോരാടുന്നതിന് കഥകൾക്കെതിരെ കഥകൾ ഉപയോഗിക്കാൻ നിങ്ങൾക്ക് കഴിയുമോ?
  • ഈ രീതിയിൽ ദൃശ്യവൽക്കരിക്കുന്നതിന് നിങ്ങൾക്ക് ഏറ്റവും മൂല്യവത്തായ സ്റ്റാറ്റിസ്റ്റിക്സ് ഏതായിരിക്കും?
• ആവൃത്തി: ഉയർന്ന അപകടസാധ്യതയുള്ള മേഖലകളിൽ തീരുമാനങ്ങളെടുക്കാൻ തയ്യാറെടുക്കുമ്പോൾ ആവശ്യമുള്ള സമയങ്ങളിൽ

ദൈനംദിന പരിശീലനം

അനക്ഡോട്ട് ഓഡിറ്റ്: ഓരോ ദിവസവും വൈകുന്നേരം, നിങ്ങളുടെ ചിന്തയെ സ്വാധീനിച്ച അന്ന് നിങ്ങൾ കേട്ട ഒരു കഥ ഓർക്കുക. കഥ പ്രതിനിധാനം ചെയ്യാൻ കഴിയുന്നതാണോ എന്ന് അറിയാൻ ഏത് സ്റ്റാറ്റിസ്റ്റിക്കൽ ചോദ്യത്തിനാണ് ഉത്തരം നൽകേണ്ടതെന്ന് തിരിച്ചറിയാൻ രണ്ട് മിനിറ്റ് ചെലവഴിക്കുക. ചോദ്യം ചെയ്യുന്ന ഈ ശീലം വളർത്തിയെടുക്കുന്നത് കഥകളോടുള്ള പ്രതിരോധം വികസിപ്പിക്കുന്നു.

• നിർദ്ദേശിക്കപ്പെട്ട സമയം: 2-3 മിനിറ്റ്
• ദിവസത്തിലെ മികച്ച സമയം: വൈകുന്നേരം
• പുരോഗതി എങ്ങനെ ട്രാക്ക് ചെയ്യാം: ഒരു ചെറിയ ലോഗ് സൂക്ഷിക്കുക; തത്സമയം കഥകളെ സ്വയമേവ ചോദ്യം ചെയ്യാൻ തുടങ്ങുന്നത് എപ്പോഴാണെന്ന് ശ്രദ്ധിക്കുക

പ്രതിവാര വെല്ലുവിളി

ദി സ്റ്റാറ്റിസ്റ്റിക്സ് ഫസ്റ്റ് ചലഞ്ച്: ഒരാഴ്ചത്തേക്ക്, ഒരു കഥയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു അവകാശവാദം നേരിടുമ്പോൾ, പ്രസക്തമായ സ്റ്റാറ്റിസ്റ്റിക്സുകൾ നോക്കുന്നതുവരെ ഒരു അഭിപ്രായം രൂപീകരിക്കരുത്. ആകർഷകമായ കഥകളിലേക്ക് പോകുന്നതിന് പകരം അനിശ്ചിതത്വത്തിൽ ഇരിക്കാൻ പരിശീലിക്കുക.

• 4 ആഴ്ചകൾക്ക് ശേഷമുള്ള പ്രതീക്ഷിക്കുന്ന ഫലങ്ങൾ: വിധിനിർണ്ണയം വൈകിപ്പിക്കാനുള്ള മികച്ച കഴിവ്, അനക്ഡോട്ടുകൾ എത്രത്തോളം സ്റ്റാറ്റിസ്റ്റിക്കൽ യാഥാർത്ഥ്യത്തെ തെറ്റായി പ്രതിനിധീകരിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള മികച്ച ധാരണ, വ്യക്തമായ കഥകളോടുള്ള പെട്ടെന്നുള്ള പ്രതികരണങ്ങൾ കുറയുന്നു
• ചിന്തിക്കുന്നതിനായുള്ള ജേണലിംഗ് നിർദ്ദേശങ്ങൾ:
  • വിധിനിർണ്ണയം തടഞ്ഞുവെക്കുന്നതിൽ ഏറ്റവും ബുദ്ധിമുട്ടുള്ള കാര്യം എന്തായിരുന്നു?
  • എത്ര തവണ സ്റ്റാറ്റിസ്റ്റിക്സുകൾ കഥയ്ക്ക് വിരുദ്ധമായിരുന്നു?
  • നിങ്ങളുടെ അവബോധപരമായ പ്രതികരണങ്ങളിലുള്ള നിങ്ങളുടെ വിശ്വാസം എങ്ങനെ മാറി?

12. നിർദ്ദിഷ്ട പ്രേക്ഷകർക്കായി

നേതാക്കൾക്കും മാനേജർമാർക്കും

അനക്ഡോട്ടൽ ഫാലസി സംഘടനാ നേതൃത്വത്തിൽ പ്രത്യേക അപകടസാധ്യതകൾ ഉയർത്തുന്നു.

തന്ത്രപരമായ തീരുമാനങ്ങൾ പലപ്പോഴും നിലവിലെ സാഹചര്യങ്ങളുടെ വിശകലനത്തേക്കാൾ "എന്റെ അവസാനത്തെ കമ്പനിയിൽ പ്രവർത്തിച്ചത് എന്താണ്" എന്നതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. നേതാക്കൾ പ്രധാനപ്പെട്ട സംരംഭങ്ങൾക്ക് ആകർഷകമായ മുൻ ഉദാഹരണങ്ങൾ മാത്രമല്ല, ഡാറ്റ അധിഷ്ഠിത ന്യായീകരണങ്ങൾ ആവശ്യപ്പെടണം.

പെർഫോമൻസ് മാനേജ്മെന്റ് സിസ്റ്റങ്ങൾ "വ്യക്തമായ സംഭവങ്ങൾ" നൽകുന്ന ഫലത്തിനെതിരെ ജാഗ്രത പാലിക്കണം. ഓർമ്മിക്കപ്പെടുന്ന സംഭവങ്ങൾ മാത്രമല്ല, വ്യവസ്ഥാപിതമായ പ്രകടന ഡാറ്റ മൂല്യനിർണ്ണയങ്ങൾ പരിഗണിക്കുന്നുവെന്ന് ഉറപ്പാക്കുക. ബേസ് റേറ്റുകൾ പരിഗണിക്കാൻ നിർബന്ധിക്കുന്ന ഘടനാപരമായ മൂല്യനിർണ്ണയ ചട്ടക്കൂടുകൾ നടപ്പിലാക്കുക (ഈ വ്യക്തി ഒബ്ജക്റ്റീവ് ബെഞ്ച്മാർക്കുകളുമായി എങ്ങനെ താരതമ്യം ചെയ്യപ്പെടുന്നു, അല്ലാതെ ഓർമ്മയിലുള്ള സംഭവങ്ങളുമായി മാത്രമല്ല?).

പോസ്റ്റ്-മോർട്ടം അവലോകനങ്ങൾ ചിട്ടയായ വിശകലനത്തേക്കാൾ നാടകീയമായ പരാജയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോൾ സംഘടനാപരമായ പഠനം വികലമാക്കപ്പെടുന്നു. വ്യക്തമായ കേസ് സ്റ്റഡിയുടെ ആകർഷണത്തെ ചെറുത്ത് പരാജയങ്ങളെയും വിജയങ്ങളെയും സ്റ്റാറ്റിസ്റ്റിക്കലായി വിശകലനം ചെയ്യുന്ന പ്രക്രിയകൾ സൃഷ്ടിക്കുക.

കഥ പറയുന്നവരെയും ഡാറ്റാ അനലിസ്റ്റുകളെയും ഉൾക്കൊള്ളുന്ന ടീമുകൾ നിർമ്മിക്കുക. അനക്ഡോട്ടൽ വാദങ്ങളെ ഡാറ്റയ്ക്കുള്ള അഭ്യർത്ഥനകൾ ഉപയോഗിച്ച് വെല്ലുവിളിക്കുക, അതേസമയം ഡാറ്റ അധിഷ്ഠിതമായ വാദങ്ങൾക്ക് ബോധ്യപ്പെടുത്തുന്നതിന് വേണ്ടി കഥാപരമായ അവതരണം ആവശ്യമായി വന്നേക്കാമെന്ന് തിരിച്ചറിയുക.

രക്ഷിതാക്കൾക്കും അധ്യാപകർക്കും

സ്റ്റാറ്റിസ്റ്റിക്കൽ ചിന്ത നേരത്തെ പഠിപ്പിക്കുന്നത് അനക്ഡോട്ടൽ ഫാലസിക്കെതിരെ ജീവിതകാലം മുഴുവൻ പ്രതിരോധം സൃഷ്ടിക്കാൻ കഴിയും.

വ്യക്തമായ പ്രകടനങ്ങളിലൂടെ സാധ്യതകളെ മനസ്സിലാക്കാൻ കുട്ടികളെ സഹായിക്കുക. ഡൈസ്, കാർഡുകൾ, നാണയങ്ങൾ എന്നിവ ഉൾപ്പെടുന്ന ഗെയിമുകൾ ക്രമമില്ലായ്മക്കും ബേസ് റേറ്റുകൾക്കുമായി അവബോധം വികസിപ്പിക്കും.

കുട്ടികൾ പ്രത്യേക ഉദാഹരണങ്ങൾ തെളിവായി ഉദ്ധരിക്കുമ്പോൾ ("എന്റെ സുഹൃത്ത് പറഞ്ഞു..."), സാമ്പിൾ സൈസ് പരിഗണിക്കാൻ അവരെ മൃദുവായി പ്രേരിപ്പിക്കുക: "അത് വളരെ രസകരമാണ്-എത്ര പേർ ഇത് പരീക്ഷിച്ചു?"

സ്റ്റാറ്റിസ്റ്റിക്കൽ വിനയം പ്രകടിപ്പിക്കുക. നിങ്ങൾക്ക് ഒരു ബേസ് റേറ്റ് അറിയില്ലെങ്കിൽ, അത് പറയുക, കഥകളിൽ നിന്നുള്ള ന്യായവാദത്തിന് പകരം അത് തിരയുന്നത് കാണിച്ചു കൊടുക്കുക.

വാർത്തകളെ സാധ്യതകളുടെ അടിസ്ഥാനത്തിൽ ചർച്ച ചെയ്യുക. നാടകീയമായ സംഭവങ്ങൾ റിപ്പോർട്ട് ചെയ്യപ്പെടുമ്പോൾ, അവ യഥാർത്ഥത്തിൽ എത്രത്തോളം സാധാരണമാണെന്ന് ചർച്ച ചെയ്യുക. വാർത്തയാകാൻ തിരഞ്ഞെടുക്കപ്പെടുന്ന കാര്യങ്ങളിലെ സെലക്ഷൻ ബയസ് കാണാൻ കുട്ടികളെ സഹായിക്കുക.

പ്രായത്തിനനുസരിച്ചുള്ള വിശദീകരണം: "ചിലപ്പോൾ ഒരു കഥ വളരെ പ്രധാനപ്പെട്ടതാണെന്ന് തോന്നാം, എന്നാൽ നമ്മൾ കേൾക്കാത്ത മറ്റ് പല കഥകളും ഉണ്ടാകാം. അതുകൊണ്ടാണ് നാം എന്ത് വിശ്വസിക്കണമെന്ന് തീരുമാനിക്കുന്നതിന് മുമ്പ് 'എത്ര?' എന്നും 'എത്ര തവണ?' എന്നും ചോദിക്കുന്നത്."

ആരോഗ്യപരിപാലന വിദഗ്ദ്ധർക്ക്

അനക്ഡോട്ടൽ ഫാലസിയെ പ്രതിരോധിക്കുന്നതിന് ഏറ്റവും ഉയർന്ന അപകടസാധ്യതയുള്ളത് വൈദ്യശാസ്ത്രത്തിലാണ്.

ക്ലിനിക്കൽ അവബോധം പ്രധാനമായും ശേഖരിച്ച വ്യക്തിഗത കഥകളാണെന്ന് തിരിച്ചറിയുക. അനുഭവപരിചയമുള്ള പാറ്റേൺ തിരിച്ചറിയലിന് മൂല്യമുണ്ടെങ്കിലും, നിയന്ത്രിത പഠനങ്ങളിൽ നിന്ന് ഉരുത്തിരിഞ്ഞ തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങൾക്ക് എതിരെ അവ സമതുലിതമാക്കണം.

തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള ശുപാർശകൾക്ക് വിരുദ്ധമായ കഥകൾ രോഗികൾ ഉദ്ധരിക്കുമ്പോൾ, അവയെ കേവലം സ്റ്റാറ്റിസ്റ്റിക്സുകൾ ഉപയോഗിച്ച് മറികടക്കരുത്-അവർ അത് തള്ളിക്കളയും. ഭയപ്പെടുത്തുന്ന കഥകളോട് മത്സരിക്കുന്ന രീതിയിൽ രൂപപ്പെടുത്തിയ, ശുപാർശ ചെയ്ത ചികിത്സകൾ വഴി സഹായം ലഭിച്ച രോഗികളുടെ കഥകൾ ഉപയോഗിക്കുക.

രോഗനിർണയ പ്രക്രിയകളിൽ കോഗ്നിറ്റീവ് ഫോഴ്സിംഗ് ഫംഗ്ഷനുകൾ നടപ്പിലാക്കുക. ബേസ് റേറ്റുകളും ഇതര രോഗനിർണ്ണയങ്ങളും പരിഗണിക്കേണ്ട ചെക്ക്‌ലിസ്റ്റുകൾ, അടുത്തിടെയുള്ള ഓർമ്മിക്കപ്പെടുന്ന കേസുകളുടെ അടിസ്ഥാനത്തിൽ രോഗനിർണയം നടത്തുന്ന പ്രവണതയെ തടസ്സപ്പെടുത്താൻ സഹായിക്കും.

ഫാർമസ്യൂട്ടിക്കൽ, ഉപകരണ നിർമ്മാണ കമ്പനികളുടെ മാർക്കറ്റിംഗ് രോഗികളുടെ സാക്ഷ്യപ്പെടുത്തലുകളിലൂടെ ബോധപൂർവ്വം അനക്ഡോട്ടൽ ന്യായവാദത്തെ ചൂഷണം ചെയ്യുന്നുവെന്ന് ഓർമ്മിക്കുക. നാടകീയമായ കേസ് റിപ്പോർട്ടുകളിൽ നിന്നല്ല, ചിട്ടയായ അവലോകനങ്ങളിൽ നിന്നുള്ള തെളിവുകൾ വിലയിരുത്തുക.

ഫിനാൻഷ്യൽ പ്രൊഫഷണലുകൾക്ക്

നിക്ഷേപ തീരുമാനങ്ങൾ പ്രത്യേകിച്ച് അനക്ഡോട്ടൽ വ്യതിയാനങ്ങൾക്ക് വിധേയമാണ്.

സർവൈവർഷിപ്പ് ബയസിനെ കുറിച്ച് വിദ്യാഭ്യാസം നൽകുന്നതിലൂടെ "എന്റെ സുഹൃത്ത് സമ്പാദിച്ചത്..." എന്നതിനെക്കുറിച്ചുള്ള ക്ലയന്റുകളുടെ കഥകളെ നേരിടുക. പ്രചരിക്കുന്ന കഥകൾ ക്രമരഹിതമായ സാമ്പിളുകളല്ല-പരാജിതരേക്കാൾ കൂടുതൽ വിജയികളാണ് സംസാരിക്കുന്നത്.

നിക്ഷേപ വരുമാനങ്ങൾക്കായി ചരിത്രപരമായ പശ്ചാത്തലവും ബേസ് റേറ്റുകളും നൽകുക. സമീപകാലത്തെ നാടകീയമായ നേട്ടമോ നഷ്ടമോ ക്ലയന്റുകളെ സ്വാധീനിക്കുമ്പോൾ, അത് ദീർഘകാല വരുമാന വിതരണങ്ങളുടെ പരിധിയിലാണെന്ന് അവരെ ബോധ്യപ്പെടുത്തുക.

സ്റ്റാറ്റിസ്റ്റിക്സുകളെ ഒരു നാടകീയ രൂപത്തിലേക്ക് വിവർത്തനം ചെയ്യാൻ സാഹചര്യ വിശകലനവും മോണ്ടെ കാർലോ സിമുലേഷനുകളും (Monte Carlo simulations) ഉപയോഗിക്കുക-"സാധ്യമായ 1,000 ഭാവികളിൽ, ഫലങ്ങളുടെ പരിധി ഇതാ"-കഥകളുമായി മത്സരിക്കാൻ കഴിയുന്ന ഒരു കഥാപരമായ ഗുണം സ്റ്റാറ്റിസ്റ്റിക്സുകൾക്ക് നൽകുക.

നിങ്ങളുടെ സ്വന്തം അനക്ഡോട്ടൽ യുക്തികൾക്കെതിരെ ജാഗ്രത പാലിക്കുക. "കഴിഞ്ഞ തവണ പ്രവർത്തിച്ചത്" പിന്തുടരാനോ അല്ലെങ്കിൽ "മുമ്പ് നമ്മെ പൊള്ളിച്ചത്" ഒഴിവാക്കാനോ ഉള്ള പ്രലോഭനങ്ങൾ പോർട്ട്ഫോളിയോ തീരുമാനങ്ങളെ വികലമാക്കും. തന്ത്രങ്ങളുടെ ചിട്ടയായ വിലയിരുത്തലിനായി നിർബന്ധം പിടിക്കുക, അല്ലാതെ വ്യക്തമായ ഉദാഹരണങ്ങളിൽ നിന്നുള്ള യുക്തിയല്ല വേണ്ടത്.

13. മറ്റ് ബയസുകളുമായുള്ള ഇടപെടലുകൾ

ഈ ബയസിനെ വർദ്ധിപ്പിക്കുന്ന ബയസുകൾ

ഈ ബയസിനെ പ്രതിരോധിക്കുന്ന ബയസുകൾ

സാധാരണ ബയസ് ശൃംഖലകൾ

അനക്ഡോട്ടൽ ഫാലസി അപൂർവ്വമായേ ഒറ്റയ്ക്ക് പ്രവർത്തിക്കാറുള്ളൂ. ഇത് സാധാരണയായി പ്രവചിക്കാവുന്ന ക്രമങ്ങളിൽ മറ്റ് കോഗ്നിറ്റീവ് ബയസുകളെ ഉണർത്തുകയോ അവയാൽ ഉണർത്തപ്പെടുകയോ ചെയ്യുന്നു:

അവൈലബിലിറ്റി → അനക്ഡോട്ടൽ ഫാലസി → ഹേസ്റ്റി ജനറലൈസേഷൻ → കൺഫർമേഷൻ ബയസ്

വ്യക്തമായ ഒരു കഥ എളുപ്പത്തിൽ ഓർമ്മ വരുന്നു (അവൈലബിലിറ്റി), ഇത് ആ കഥയ്ക്ക് അമിത പ്രാധാന്യം നൽകുന്നതിലേക്ക് നയിക്കുന്നു (അനക്ഡോട്ടൽ ഫാലസി), ഇത് അമിതമായ സാമാന്യവൽക്കരണ നിഗമനം സൃഷ്ടിക്കുന്നു (ഹേസ്റ്റി ജനറലൈസേഷൻ), തുടർന്ന് സ്ഥിരീകരിക്കുന്ന കഥകൾ ശ്രദ്ധിക്കുന്നതിന് ഭാവി വിവര പ്രോസസ്സിംഗിനെ വികലമാക്കുന്നു (കൺഫർമേഷൻ ബയസ്).

ഈ തുടർച്ചയെ തടസ്സപ്പെടുത്തുന്നതിന്: കഥയ്ക്കും സാമാന്യവൽക്കരണത്തിനും ഇടയിൽ ഒരു ബേസ്-റേറ്റ് പരിശോധന ഉൾപ്പെടുത്തുക. അവിസ്മരണീയമായ ഒരു കഥയിൽ നിന്ന് എന്തെങ്കിലും നിഗമനം ചെയ്യുന്നതിന് മുമ്പ്, സ്റ്റാറ്റിസ്റ്റിക്കൽ പശ്ചാത്തലം ആവശ്യപ്പെടുക.

14. സാംസ്കാരിക വീക്ഷണങ്ങൾ

കോഗ്നിറ്റീവ് ആർക്കിടെക്ചറിൽ വേരൂന്നിയ ഒരു സാർവത്രിക മനുഷ്യ പ്രവണതയാണ് അനക്ഡോട്ടൽ ഫാലസി എങ്കിലും, അതിന്റെ പ്രകടനവും സ്വീകാര്യതയും സംസ്കാരങ്ങൾക്കനുസരിച്ച് വ്യത്യാസപ്പെടുന്നു.

ജോസ് ഹോർണിക്സ്, ഹാൻസ് ഹോക്കൻ എന്നിവരുടെ ഗവേഷണം ഹോഫ്സ്റ്റീഡിന്റെ സാംസ്കാരിക മാനങ്ങൾ ഉപയോഗിച്ച് യൂറോപ്യൻ സംസ്കാരങ്ങളിലുടനീളമുള്ള തെളിവുകളുടെ തരം മുൻഗണനകളെ താരതമ്യം ചെയ്തു.

നെതർലാൻഡ്സിൽ (കുറഞ്ഞ പവർ-ഡിസ്റ്റൻസ്, കൂടുതൽ സമത്വമുള്ള സംസ്കാരം), നിയന്ത്രിത ക്രമീകരണങ്ങളിലെ അനക്ഡോട്ടൽ തെളിവുകളേക്കാൾ പൊതുവെ കൂടുതൽ ബോധ്യപ്പെടുത്തുന്നതായി സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ കണക്കാക്കപ്പെടുന്നു.

ഫ്രാൻസിൽ (ഉയർന്ന പവർ-ഡിസ്റ്റൻസ് സംസ്കാരം), സ്റ്റാറ്റിസ്റ്റിക്കൽ തെളിവുകൾ ശക്തമായി തുടർന്നെങ്കിലും, അതോറിറ്റിയോടുള്ള സാംസ്കാരിക ബഹുമാനത്തെ പ്രതിഫലിപ്പിക്കുന്ന വിദഗ്ദ്ധ തെളിവുകൾക്ക് ഉയർന്ന മുൻഗണന ലഭിച്ചു.

ഏറ്റവും പ്രധാനമായി, രണ്ട് സംസ്കാരങ്ങളും നിയന്ത്രിത ക്രമീകരണങ്ങളിലെ വാദങ്ങളെ വ്യക്തമായി വിലയിരുത്തുമ്പോൾ അനക്ഡോട്ടൽ തെളിവുകളെ ഏറ്റവും കുറഞ്ഞ ബോധ്യപ്പെടുത്തുന്നതായി വിലയിരുത്തി-എങ്കിലും ഇത് യഥാർത്ഥ ലോകത്തെ പെരുമാറ്റത്തിന് വിരുദ്ധമാണ്, ആളുകൾ അവരെ ബോധ്യപ്പെടുത്തുന്നുവെന്ന് പറയുന്നതും (വസ്തുതകളോടുള്ള സാധാരണ മുൻഗണന) യഥാർത്ഥത്തിൽ തീരുമാനങ്ങളെ നയിക്കുന്നതും (കഥകളോടുള്ള ഉപബോധമനസ്സിന്റെ മുൻഗണന) തമ്മിലുള്ള വിടവ് ഇത് സൂചിപ്പിക്കുന്നു.

അനലിറ്റിക് (പാശ്ചാത്യ സംസ്കാരങ്ങളിൽ കൂടുതൽ സാധാരണം), ഹോളിസ്റ്റിക് (കിഴക്കൻ ഏഷ്യൻ സംസ്കാരങ്ങളിൽ കൂടുതൽ സാധാരണം) ചിന്താ രീതികളെ താരതമ്യം ചെയ്യുന്ന ഗവേഷണം ഇതിൽ കൂടുതൽ മാറ്റങ്ങൾ സൂചിപ്പിക്കുന്നു. ബന്ധങ്ങൾ, പശ്ചാത്തലം, മൊത്തം മേഖല എന്നിവയിൽ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഹോളിസ്റ്റിക് ചിന്തകർ, അമൂർത്തമായ ഡാറ്റാ പോയിന്റുകളേക്കാൾ ഒരു കഥയുടെ "മുഴുവൻ ചിത്രവും" ശ്രദ്ധിക്കുന്നതിനാൽ വൈകാരികമായി ചാർജ് ചെയ്യപ്പെട്ട സാഹചര്യങ്ങളിൽ അനക്ഡോട്ടൽ യുക്തിക്ക് കൂടുതൽ ഇരയാകാം.

15. മിഥ്യാധാരണകളും തെറ്റിദ്ധാരണകളും

16. വിദഗ്ദ്ധ ഉൾക്കാഴ്ചകൾ

"വിവരങ്ങൾ അതിന്റെ വ്യക്തതയ്ക്ക് ആനുപാതികമായി ഉപയോഗിക്കപ്പെടുന്നു." — യൂജിൻ ബോർഗിഡ & റിച്ചാർഡ് നിസ്ബെറ്റ്, 1977

"ലബോറട്ടറിയിലെ [ബേസ്-റേറ്റ്] ഫാലസിയുടെ അതിശയോക്തിപരമായ ആഘാതം മിക്കവാറും അസാധാരണമാംവിധം വ്യക്തവും ശക്തവുമായ വ്യക്തിഗത വിവരങ്ങളുടെ സ്വഭാവം കൊണ്ടായിരിക്കാം." — റിച്ചാർഡ് നിസ്ബെറ്റ് & ലീ റോസ്, ഹ്യൂമൻ ഇൻഫറൻസ് (Human Inference), 1980

"എല്ലാ അർത്ഥവത്തായ ആശയവിനിമയങ്ങളും ഒരു തരം കഥപറച്ചിലാണെന്ന് ആഖ്യാന മാതൃക প্রস্তাবിക്കുന്നു... മനുഷ്യർ അടിസ്ഥാനപരമായി കഥ പറയുന്ന ജീവികളാണ്." — വാൾട്ടർ ഫിഷർ, ഹ്യൂമൻ കമ്മ്യൂണിക്കേഷൻ ആസ് നറേഷൻ (Human Communication as Narration), 1987

"ഒരു കഥാലോകത്തേക്കുള്ള യാത്രയിൽ... ഭാവന, സ്വാധീനം, ശ്രദ്ധാകേന്ദ്രം എന്നിവ ഉൾപ്പെടുന്നു... അത് കഥയുമായി പൊരുത്തപ്പെടുന്ന മനോഭാവത്തിലേക്കും വിശ്വാസ മാറ്റത്തിലേക്കും നയിച്ചേക്കാം." — മെലാനി ഗ്രീൻ & തിമോത്തി ബ്രോക്ക്, 2000

17. പ്രധാന നിഗമനങ്ങൾ

1. അനക്ഡോട്ടൽ ഫാലസി എന്നത് ബുദ്ധിയുടെ പരാജയമല്ല, മറിച്ച് മനുഷ്യന്റെ കോഗ്നിറ്റീവ് ആർക്കിടെക്ചറിന്റെ അടിസ്ഥാന സവിശേഷതയാണ്-സ്റ്റാറ്റിസ്റ്റിക്സുകളല്ല, കഥകൾ ശ്രദ്ധിക്കുന്ന രീതിയിലാണ് നാം പരിണമിച്ചത്.

2. അവൈലബിലിറ്റി ഹ്യൂറിസ്റ്റിക്, ബേസ് റേറ്റ് നെഗ്ലെക്റ്റ്, നറേറ്റീവ് ട്രാൻസ്പോർട്ടേഷൻ എന്നിവയുൾപ്പെടെയുള്ള മനശാസ്ത്രപരമായ സംവിധാനങ്ങൾ ഡാറ്റയേക്കാൾ കഥകളെ കൂടുതൽ അവിസ്മരണീയവും ബോധ്യപ്പെടുത്തുന്നതുമാക്കാൻ സഹായിക്കുന്നു.

3. തെറ്റായ ശിക്ഷാവിധികൾ, വാക്സിൻ വിമുഖത, വികലമായ പൊതുനയം, വ്യക്തികളുടെ സ്വന്തം താല്പര്യങ്ങൾക്ക് വിരുദ്ധമായ തീരുമാനങ്ങൾ തുടങ്ങി പ്രകടമായ പ്രത്യാഘാതങ്ങൾ യഥാർത്ഥ ലോകത്ത് ഇതിന് ഉണ്ട്.

4. കേവലമായ അവബോധം പര്യാപ്തമല്ല-ഒരു കഥ പ്രതിനിധീകരിക്കാൻ കഴിയുന്നതല്ലെന്ന് ആളുകളോട് പറയുന്നത് അതിൽ സ്വാധീനിക്കപ്പെടുന്നതിൽ നിന്ന് അവരെ തടയുന്നില്ലെന്ന് ഗവേഷണങ്ങൾ കാണിക്കുന്നു.

5. കാര്യക്ഷമമായ ലഘൂകരണത്തിന് സജീവമായ തന്ത്രങ്ങൾ ആവശ്യമാണ്: ബേസ് റേറ്റുകൾ അന്വേഷിക്കുക, കോഗ്നിറ്റീവ് ഫോഴ്സിംഗ് ഫംഗ്ഷനുകൾ, പാരിസ്ഥിതിക രൂപകൽപ്പന, ചിലപ്പോൾ "കഥകൾക്കെതിരെ കഥകൾ" സമീപനങ്ങളും.

6. അനുമാനങ്ങൾ സൃഷ്ടിക്കുന്നതിനും സഹാനുഭൂതിക്കും ആശയവിനിമയത്തിനും കഥകൾക്ക് ന്യായമായ മൂല്യമുണ്ട്-ഉചിതമായ പ്രാധാന്യം നൽകുക എന്നതാണ് ലക്ഷ്യം, അല്ലാതെ ഇല്ലാതാക്കുകയല്ല.

7. ഈ ബയസിന് എല്ലാവരും ഇരയാകാമെന്ന് ക്രോസ്-കൾച്ചറൽ ഗവേഷണങ്ങൾ സ്ഥിരീകരിക്കുന്നു, വ്യത്യസ്ത തെളിവുകൾ എങ്ങനെ വ്യക്തമായി വിലമതിക്കപ്പെടുന്നു എന്നതിലും പരോക്ഷമായി ഉപയോഗിക്കപ്പെടുന്നു എന്നതിലുമുള്ള സാംസ്കാരിക വ്യതിയാനങ്ങൾ വെളിപ്പെടുത്തുന്നു.

18. കൂടുതൽ ഉറവിടങ്ങൾ

അക്കാദമിക് പേപ്പറുകൾ

• ബോർഗിഡ, ഇ., & നിസ്ബെറ്റ്, ആർ.ഇ. (1977). തീരുമാനങ്ങളിലെ അമൂർത്തവും വ്യക്തവുമായ വിവരങ്ങളുടെ വ്യത്യസ്ത ആഘാതം. ജേണൽ ഓഫ് അപ്ലൈഡ് സോഷ്യൽ സൈക്കോളജി, 7(3), 258-271.
• ഹാമിൽ, ആർ., വിൽസൺ, ടി.ഡി., & നിസ്ബെറ്റ്, ആർ.ഇ. (1980). സാമ്പിൾ ബയസിനോടുള്ള സംവേദനക്ഷമത ഇല്ലായ്മ: അസാധാരണമായ കേസുകളിൽ നിന്നുള്ള സാമാന്യവൽക്കരണം. ജേണൽ ഓഫ് പേഴ്സണാലിറ്റി ആൻഡ് സോഷ്യൽ സൈക്കോളജി, 39(4), 578-589.
• ഗ്രീൻ, എം.സി., & ബ്രോക്ക്, ടി.സി. (2000). പൊതു വിവരണങ്ങളുടെ ബോധ്യപ്പെടുത്തുന്നതിൽ ആഖ്യാന യാത്രയുടെ പങ്ക്. ജേണൽ ഓഫ് പേഴ്സണാലിറ്റി ആൻഡ് സോഷ്യൽ സൈക്കോളജി, 79(5), 701-721.
• ഹോർണിക്സ്, ജെ., & ഹോക്കൻ, എച്ച്. (2007). തെളിവുകളുടെ തരങ്ങളും തെളിവുകളുടെ ഗുണനിലവാരവും ബോധ്യപ്പെടുത്തുന്നതിലെ സാംസ്കാരിക വ്യത്യാസങ്ങൾ. കമ്മ്യൂണിക്കേഷൻ മോണോഗ്രാഫ്സ്, 74(4), 443-463.

പുസ്തകങ്ങൾ

• നിസ്ബെറ്റ്, ആർ., & റോസ്, എൽ. (1980). ഹ്യൂമൻ ഇൻഫറൻസ്: സ്ട്രാറ്റജീസ് ആൻഡ് ഷോർട്ട്കമിംഗ്സ് ഓഫ് സോഷ്യൽ ജഡ്ജ്മെന്റ്. പ്രെന്റിസ്-ഹാൾ.
• കാഹ്നെമാൻ, ഡി. (2011). തിങ്കിംഗ്, ഫാസ്റ്റ് ആൻഡ് സ്ലോ. ഫരാർ, സ്ട്രോസ് ആൻഡ് ജിറോക്സ്.
• ബെർഗ്സ്ട്രോം, സി.ടി., & വെസ്റ്റ്, ജെ.ഡി. (2020). കോളിംഗ് ബുൾഷിറ്റ്: ദി ആർട്ട് ഓഫ് സ്കെപ്റ്റിസിസം ഇൻ എ ഡാറ്റാ-ഡ്രിവൺ വേൾഡ്. റാൻഡം ഹൗസ്.

ബുക്ക് ചാപ്റ്ററുകൾ

• ട്വെർസ്കി, എ., & കാഹ്നെമാൻ, ഡി. (1974). ജഡ്ജ്മെന്റ് അണ്ടർ അൺസെർട്ടനിറ്റി: ഹ്യൂറിസ്റ്റിക്സ് ആൻഡ് ബയസസ്. സയൻസ്-ൽ, 185(4157), 1124-1131.

19. സംഗ്രഹ കാർഡ്

20. ഉപയോഗിച്ച പദങ്ങളുടെ ഗ്ലോസറി

21. ചർച്ചയ്ക്കുള്ള ചോദ്യങ്ങൾ

ബുക്ക് ക്ലബ്ബുകൾക്കോ ക്ലാസ്സ്റൂമുകൾക്കോ സ്വയം വിലയിരുത്തലിനോ വേണ്ടി:

1. വിശാലമായ തെളിവുകൾക്ക് പകരം പ്രധാനമായും "നിങ്ങൾക്കറിയാവുന്ന ഒരാളെ" അടിസ്ഥാനമാക്കി നിങ്ങൾ ഒരു തീരുമാനമെടുത്ത ഒരു സമയം ഓർക്കാൻ കഴിയുമോ? എന്തായിരുന്നു ഫലം?

2. ഒരു കഥ അസാധാരണമാണെന്ന മുന്നറിയിപ്പുകൾ അതിന്റെ സ്വാധീനം കുറയ്ക്കാൻ പരാജയപ്പെടുന്നത് എന്തുകൊണ്ടാണെന്ന് നിങ്ങൾ കരുതുന്നു? സ്റ്റാറ്റിസ്റ്റിക്സുകൾ കൂടുതൽ ഫലപ്രദമായി എങ്ങനെ ആശയവിനിമയം നടത്താം എന്നതിനെക്കുറിച്ച് ഇത് എന്താണ് നിർദ്ദേശിക്കുന്നത്?

3. ആകർഷകമായ കഥകളുടെ ആവശ്യകതയും പൊതുജനങ്ങളുടെ അപകടസാധ്യതകളെക്കുറിച്ചുള്ള ധാരണകളെ വികലമാക്കാതിരിക്കാനുള്ള ഉത്തരവാദിത്തവും തമ്മിൽ സന്തുലിതമാക്കാൻ മാധ്യമപ്രവർത്തകർക്കും മാധ്യമങ്ങൾക്കും എങ്ങനെ കഴിയും?

4. കഥകളുടെ മനശാസ്ത്രപരമായ ശക്തി അവയുടെ തെളിവ് മൂല്യത്തേക്കാൾ കൂടുതലാണെന്ന് അറിഞ്ഞുകൊണ്ട്, ആരെെയെങ്കിലും ബോധ്യപ്പെടുത്താൻ കഥകൾ ഉപയോഗിക്കുന്നത് ഉചിതമാണോ? ഏത് സാഹചര്യങ്ങളിൽ?

5. ഒരാളുടെ വ്യക്തിപരമായ അനുഭവത്തെ മാനിക്കുന്നതും അവരുടെ അനുഭവം പ്രതിനിധീകരിക്കാൻ കഴിയുന്ന ഒന്നായിരിക്കില്ല എന്ന് തിരിച്ചറിയുന്നതും തമ്മിൽ നിങ്ങൾ എങ്ങനെ സന്തുലിതമാക്കും?