Cognitive Biases Academy
MS
Log Masuk
Menu Utama
Semua Bias
Kursus
Mengenai
MS
(Malay)
Log Masuk
→
Cognitive Biases Academy
Tutup menu
Semua Bias
Kursus
Mengenai
MS (Malay)
Log Masuk
Laman Utama
Kurang makna
Kita menemui cerita dan corak walaupun dalam data yang sedikit
13 Bias dalam Kategori
Kita menemui cerita dan corak walaupun dalam data yang sedikit
Teroka Bias
Kajian Mendalam
Semua Bias
Konfabulasi
Ingatan atau alasan direka secara tidak sedar bagi mengisi jurang memori tanpa sebarang niat untuk menipu.
Ilusi Kelompok
Corak seakan-akan dilihat wujud dalam data atau peristiwa rawak yang sebenarnya tidak mempunyai sebarang kaitan.
Ketidakpekaan Terhadap Saiz Sampel
Sampel data yang kecil sering disangka sama boleh dipercayai dengan sampel bersaiz besar.
Pengabaian Kebarangkalian
Kebarangkalian sering diabaikan sewaktu membuat keputusan berisiko, dengan tumpuan hanya diberikan kepada hasil.
Falasi Anekdot
Cerita dan pengalaman peribadi lebih diberi perhatian berbanding pembuktian fakta atau statistik.
Ilusi Kesahihan
Keupayaan meramal hasil berdasarkan data sering dilebih anggap, terutamanya apabila maklumat tersebut kelihatan konsisten.
Falasi Lelaki Bertopeng
Jika sesuatu diketahui dalam satu keadaan, wujud andaian bahawa ia turut diketahui dalam semua keadaan lain.
Ilusi Kebaharuan
Fenomena yang baru disedari sering dianggap sebagai perkara baharu walaupun hakikatnya ia sudah lama wujud.
Falasi Penjudi
Peristiwa rawak masa lalu dipercayai mampu mempengaruhi kebarangkalian peristiwa masa depan.
Falasi Tangan Panas
Seseorang yang sedang berturut-turut berjaya diyakini mempunyai peluang yang lebih cerah untuk terus berjaya.
Korelasi Ilusi
Hubungan antara dua pembolehubah dianggap wujud walaupun pada hakikatnya tiada sebarang kaitan dikesan.
Pareidolia
Bentuk bermakna seperti wajah sering kelihatan pada objek atau corak yang tidak jelas dan rawak.
Antropomorfisme
Ciri, emosi, mahupun niat manusia dikaitkan dengan haiwan, objek, atau entiti bukan manusia.
Pilih Bahasa
AF
(Afrikaans)
AR
(العربية)
AZ
(azərbaycanca)
BG
(български)
BN
(বাংলা)
CS
(čeština)
DA
(dansk)
DE
(Deutsch)
EL
(Ελληνικά)
EN
(English)
ES
(español)
ET
(eesti)
FA
(فارسی)
FI
(suomi)
FIL
(Filipino)
FR
(français)
GU
(ગુજરાતી)
HE
(עברית)
HI
(हिन्दी)
HR
(hrvatski)
HU
(magyar)
HY
(Հայերեն)
ID
(Bahasa Indonesia)
IT
(italiano)
JA
(日本語)
KA
(ქართული)
KK
(қазақ тілі)
KM
(ភាសាខ្មែរ)
KN
(ಕನ್ನಡ)
KO
(한국어)
KU
(کوردی)
LO
(ລາວ)
LT
(lietuvių)
LV
(latviešu)
ML
(മലയാളം)
MN
(монгол)
MR
(मराठी)
MS
(Bahasa Melayu)
MY
(မြန်မာဘာသာ)
NB
(Bokmål)
NL
(Nederlands)
NN
(nynorsk)
PA
(ਪੰਜਾਬੀ)
PL
(polski)
PS
(پښتو)
PT
(português)
RO
(română)
RU
(русский)
SI
(සිංහල)
SK
(slovenčina)
SL
(slovenščina)
SR
(Српски)
SV
(svenska)
SW
(Kiswahili)
TA
(தமிழ்)
TE
(తెలుగు)
TG
(тоҷикӣ)
TH
(ไทย)
TL
(Tagalog)
TR
(Türkçe)
UK
(українська)
UR
(اردو)
UZ
(Ўзбек)
VI
(Tiếng Việt)
YUE
(廣州話)
ZH
(简体中文)
Batal