ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ (The Anecdotal Fallacy)

ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ (At a Glance)

1. ਤੁਰੰਤ ਸਾਰ (Quick Summary)

ਅਸੀਂ ਕਹਾਣੀਆਂ ਸੁਣਾਉਣ ਵਾਲੇ ਜੀਵ ਹਾਂ। ਜਦੋਂ ਕੋਈ ਸਾਨੂੰ ਕੋਈ ਨਾਟਕੀ ਨਿੱਜੀ ਕਹਾਣੀ ਸੁਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਸਾਡਾ ਦਿਮਾਗ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਉਤੇਜਿਤ ਹੋ ਜਾਂਦਾ ਹੈ ਜਿਸਦਾ ਸੁੱਕੇ ਅੰਕੜੇ ਬਿਲਕੁਲ ਵੀ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਅਸੀਂ ਇੱਕ ਸਪਸ਼ਟ ਕਹਾਣੀ—ਜਿਵੇਂ "ਮੇਰਾ ਦਾਦਾ ਸਿਗਰਟ ਪੀਂਦਾ ਸੀ ਅਤੇ 90 ਸਾਲ ਤੱਕ ਜਿਉਂਦਾ ਰਿਹਾ"—ਨੂੰ ਅੰਕੜਿਆਂ ਦੇ ਪਹਾੜ ਜਿੱਡੇ ਸਬੂਤਾਂ ਉੱਤੇ ਭਾਰੂ ਹੋਣ ਦਿੰਦੇ ਹਾਂ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਟੀਕੇ ਬਾਰੇ ਇੱਕ ਡਰਾਉਣੀ ਕਹਾਣੀ ਲੱਖਾਂ ਬੱਚਿਆਂ ਦੇ ਸੁਰੱਖਿਆ ਡੇਟਾ ਨੂੰ ਰੱਦ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਕਿਵੇਂ ਇੱਕ "ਵੈਲਫੇਅਰ ਕਵੀਨ" (welfare queen) ਦੀ ਕਹਾਣੀ ਲੱਖਾਂ ਪਰਿਵਾਰਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀ ਨੀਤੀ ਨੂੰ ਆਕਾਰ ਦਿੰਦੀ ਹੈ।

2. ਇਸਦੇ ਪਿੱਛੇ ਦਾ ਵਿਗਿਆਨ (The Science Behind It)

2.1. ਖੋਜ ਅਤੇ ਇਤਿਹਾਸ (Discovery and History)

ਕਿੱਸੇ-ਕਹਾਣੀਆਂ ਦੇ ਭੁਲੇਖੇ ਦਾ ਰਸਮੀ ਅਧਿਐਨ 1970 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਵਿਆਪਕ "ਹਿਉਰਿਸਟਿਕਸ ਅਤੇ ਪੱਖਪਾਤ" (heuristics and biases) ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਤੋਂ ਉੱਭਰਿਆ। ਜਦੋਂ ਕਿ ਤਰਕ ਸ਼ਾਸਤਰੀ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਨਾਕਾਫ਼ੀ ਨਮੂਨਿਆਂ ਤੋਂ ਤਰਕ ਕਰਨ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪਛਾਣਦੇ ਸਨ, ਇਹ ਬੋਧਾਤਮਕ (cognitive) ਮਨੋਵਿਗਿਆਨੀ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸ ਗਲਤੀ ਦੇ ਵਿਵਸਥਿਤ ਸੁਭਾਅ ਦਾ ਨਕਸ਼ਾ ਤਿਆਰ ਕੀਤਾ।

ਬੁਨਿਆਦੀ ਕੰਮ ਉਦੋਂ ਸ਼ੁਰੂ ਹੋਇਆ ਜਦੋਂ ਅਮੋਸ ਟਵਰਸਕੀ ਅਤੇ ਡੈਨੀਅਲ ਕਾਹਨੇਮੈਨ (Amos Tversky and Daniel Kahneman) ਨੇ 1970 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਉਪਲਬਧਤਾ ਹਿਉਰਿਸਟਿਕ (availability heuristic) ਦੇ ਸੰਕਲਪ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ, ਇਹ ਸਥਾਪਿਤ ਕਰਦੇ ਹੋਏ ਕਿ ਮਨੁੱਖ ਸੰਭਾਵਨਾ ਦਾ ਨਿਰਣਾ ਇਸ ਆਧਾਰ 'ਤੇ ਕਰਦੇ ਹਨ ਕਿ ਉਦਾਹਰਣਾਂ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਦਿਮਾਗ ਵਿੱਚ ਆਉਂਦੀਆਂ ਹਨ—ਇੱਕ ਅਜਿਹੀ ਖੋਜ ਜੋ ਇਹ ਸਮਝਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗੀ ਕਿ ਕਿਉਂ ਸਪਸ਼ਟ ਕਹਾਣੀਆਂ ਅਮੂਰਤ ਅੰਕੜਿਆਂ ਨੂੰ ਮਾਤ ਦੇ ਦਿੰਦੀਆਂ ਹਨ।

1970 ਦੇ ਦਹਾਕੇ ਦੇ ਅਖੀਰ ਅਤੇ 1980 ਦੇ ਦਹਾਕੇ ਦੌਰਾਨ, ਯੂਜੀਨ ਬੋਰਗਿਡਾ, ਰਿਚਰਡ ਨਿਸਬੇਟ, ਰੂਥ ਹੈਮਿਲ, ਅਤੇ ਟਿਮੋਥੀ ਵਿਲਸਨ ਸਮੇਤ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪ੍ਰਯੋਗ ਕੀਤੇ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮਨੁੱਖ ਲਗਾਤਾਰ ਪ੍ਰਤੀਨਿਧ ਅੰਕੜਾਤਮਕ ਡੇਟਾ ਨਾਲੋਂ ਠੋਸ, ਨਿੱਜੀ ਗਵਾਹੀ ਦਾ ਪੱਖ ਲੈਂਦੇ ਹਨ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਦੋਂ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਕਹਾਣੀਆਂ ਅਸਾਧਾਰਣ (atypical) ਹਨ।

ਸਾਡੀ ਸਮਝ ਇਹ ਪਛਾਣਨ ਲਈ ਵਿਕਸਤ ਹੋਈ ਹੈ ਕਿ ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਸਿਰਫ਼ ਇੱਕ ਤਰਕਪੂਰਨ ਗਲਤੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਮਨੁੱਖੀ ਬੋਧ ਦੀ ਇੱਕ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ, ਜੋ ਕਿ ਵਿਕਾਸਵਾਦੀ ਅਨੁਕੂਲਤਾਵਾਂ (evolutionary adaptations) ਵਿੱਚ ਜੜੀ ਹੋਈ ਹੈ ਜੋ ਕਦੇ ਬਚਾਅ ਦੇ ਉਦੇਸ਼ਾਂ ਦੀ ਪੂਰਤੀ ਕਰਦੀਆਂ ਸਨ ਪਰ ਹੁਣ ਸਾਡੇ ਗੁੰਝਲਦਾਰ, ਡੇਟਾ-ਅਮੀਰ ਸੰਸਾਰ ਵਿੱਚ ਵਿਵਸਥਿਤ ਤਰਕ ਅਸਫਲਤਾਵਾਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ।

2.2. ਪ੍ਰਮੁੱਖ ਖੋਜਕਰਤਾ (Key Researchers)

2.3. ਇਤਿਹਾਸਕ ਅਧਿਐਨ (Landmark Studies)

ਆਹਮੋ-ਸਾਹਮਣੇ ਦੀ ਸ਼ਕਤੀ (The Power of the Face-to-Face) (Borgida & Nisbett, 1977)

ਇਸ ਬੁਨਿਆਦੀ ਅਧਿਐਨ ਨੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇਹ ਪਰਖਿਆ ਕਿ ਕੀ ਅੰਕੜਾਤਮਕ ਸਾਰ ਜਾਂ ਨਿੱਜੀ ਗਵਾਹੀਆਂ ਦਾ ਫੈਸਲਿਆਂ 'ਤੇ ਵਧੇਰੇ ਪ੍ਰਭਾਵ ਹੋਵੇਗਾ।

ਅੰਡਰਗਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਉਹਨਾਂ ਮਨੋਵਿਗਿਆਨ ਕੋਰਸਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਸੀ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਹ ਦਾਖਲਾ ਲੈ ਸਕਦੇ ਸਨ। ਅੰਕੜਾਤਮਕ ਸਥਿਤੀ ਵਿੱਚ, ਵਿਦਿਆਰਥੀਆਂ ਨੇ ਸੈਂਕੜੇ ਪਿਛਲੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਔਸਤ ਕੋਰਸ ਮੁਲਾਂਕਣ ਦੇਖੇ—ਇੱਕ ਠੋਸ ਅੰਕੜਾਤਮਕ ਸਹਿਮਤੀ। ਕਹਾਣੀਆਤਮਕ ਸਥਿਤੀ ਵਿੱਚ, ਵਿਦਿਆਰਥੀਆਂ ਨੇ ਸਿਰਫ ਇੱਕ ਜਾਂ ਦੋ ਲੋਕਾਂ (ਖੋਜ ਦੇ ਸਾਥੀਆਂ) ਤੋਂ ਸੰਖੇਪ ਆਹਮੋ-ਸਾਹਮਣੇ ਟਿੱਪਣੀਆਂ ਸੁਣੀਆਂ ਜਿਨ੍ਹਾਂ ਨੇ ਕਥਿਤ ਤੌਰ 'ਤੇ ਕੋਰਸ ਕੀਤਾ ਸੀ।

ਨਤੀਜੇ ਹੈਰਾਨਕੁੰਨ ਸਨ: ਆਹਮੋ-ਸਾਹਮਣੇ ਦੀਆਂ ਕਹਾਣੀਆਂ ਦਾ ਕੋਰਸ ਦੀ ਚੋਣ 'ਤੇ ਅੰਕੜਾਤਮਕ ਸਾਰਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਪ੍ਰਭਾਵ ਸੀ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਦੋਂ ਅੰਕੜੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਪੂਰੀ ਪਿਛਲੀ ਆਬਾਦੀ ਦੇ ਵਿਚਾਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਸਨ। ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸਿੱਟਾ ਕੱਢਿਆ ਕਿ "ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਇਸਦੀ ਸਪਸ਼ਟਤਾ ਦੇ ਅਨੁਪਾਤ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ," ਇਹ ਸਮਝਣ ਲਈ ਅਨੁਭਵੀ ਆਧਾਰ ਸਥਾਪਤ ਕਰਦਾ ਹੈ ਕਿ ਮਨੁੱਖੀ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਕਹਾਣੀਆਂ ਅੰਕੜਿਆਂ ਨੂੰ ਕਿਉਂ ਵਿਵਸਥਿਤ ਢੰਗ ਨਾਲ ਰੱਦ ਕਰਦੀਆਂ ਹਨ।

ਨਮੂਨੇ ਦੇ ਪੱਖਪਾਤ ਪ੍ਰਤੀ ਅਸੰਵੇਦਨਸ਼ੀਲਤਾ (Insensitivity to Sample Bias) (Hamill, Wilson & Nisbett, 1980)

ਇਸ ਅਧਿਐਨ ਨੇ ਪਰਖਿਆ ਕਿ ਕੀ ਲੋਕ ਆਪਣੇ ਫੈਸਲਿਆਂ ਨੂੰ ਉਸ ਸਮੇਂ ਵਿਵਸਥਿਤ ਕਰਨਗੇ ਜਦੋਂ ਉਨ੍ਹਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਿਆ ਜਾਵੇਗਾ ਕਿ ਇੱਕ ਕਹਾਣੀ ਅਸਾਧਾਰਣ (atypical) ਸੀ—ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਰੀਖਣ ਸੀ ਕਿ ਕੀ ਤਰਕਸੰਗਤ ਸੁਧਾਰ ਸੰਭਵ ਹੈ।

ਭਾਗੀਦਾਰਾਂ ਨੇ ਭਲਾਈ (welfare) ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੀ ਇੱਕ ਔਰਤ ਨਾਲ ਇੱਕ ਵੀਡੀਓਟੇਪਡ ਇੰਟਰਵਿਊ ਦੇਖੀ। ਉਸ ਨੂੰ ਜਾਂ ਤਾਂ ਹਾਲਾਤਾਂ ਨਾਲ ਜੂਝ ਰਹੇ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਵਜੋਂ ਜਾਂ ਸਿਸਟਮ ਦੀ ਦੁਰਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਸੀ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਅੱਧੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਿਆ ਗਿਆ ਸੀ ਕਿ ਔਰਤ ਬਹੁਤ ਹੀ ਅਸਾਧਾਰਣ ਸੀ ਅਤੇ ਔਸਤ ਭਲਾਈ ਪ੍ਰਾਪਤਕਰਤਾ ਦੀ ਪ੍ਰਤੀਨਿਧ ਨਹੀਂ ਸੀ।

ਨਤੀਜੇ ਪਰੇਸ਼ਾਨ ਕਰਨ ਵਾਲੇ ਸਨ: ਆਮ ਤੌਰ 'ਤੇ ਭਲਾਈ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲਿਆਂ ਪ੍ਰਤੀ ਭਾਗੀਦਾਰਾਂ ਦਾ ਰਵੱਈਆ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇੱਕ ਇੰਟਰਵਿਊ ਦੀ ਸਮੱਗਰੀ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਸੀ। ਜਿਨ੍ਹਾਂ ਨੇ "ਗੈਰ-ਜ਼ਿੰਮੇਵਾਰ" ਔਰਤ ਨੂੰ ਦੇਖਿਆ, ਉਨ੍ਹਾਂ ਨੇ ਸਮੂਹ ਦੇ ਰੂਪ ਵਿੱਚ ਭਲਾਈ ਪ੍ਰਾਪਤਕਰਤਾਵਾਂ ਦੇ ਪ੍ਰਤੀ ਸਖ਼ਤ ਵਿਚਾਰ ਵਿਕਸਿਤ ਕੀਤੇ। ਸਭ ਤੋਂ ਪਰੇਸ਼ਾਨ ਕਰਨ ਵਾਲੀ ਗੱਲ ਇਹ ਸੀ ਕਿ ਇਹ ਹਦਾਇਤ ਕਿ ਮਾਮਲਾ ਅਸਾਧਾਰਣ ਸੀ, ਦਾ ਲਗਭਗ ਕੋਈ ਪ੍ਰਭਾਵ ਨਹੀਂ ਪਿਆ। ਇਸਨੇ ਦਿਖਾਇਆ ਕਿ ਸਹੀ ਅੰਕੜੇ ਪ੍ਰਦਾਨ ਕਰਨਾ ਦਿਮਾਗ ਨੂੰ ਇੱਕ ਸਪਸ਼ਟ ਕਹਾਣੀ ਦੀ ਸ਼ਕਤੀ ਤੋਂ ਬਚਾਉਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦਾ ਹੈ।

ਸੰਯੋਜਕ ਭੁਲੇਖਾ (The Conjunction Fallacy) (Tversky & Kahneman, 1983)

ਹਾਲਾਂਕਿ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕਹਾਣੀਆਂ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਮਸ਼ਹੂਰ ਅਧਿਐਨ ਉਸ ਵਿਧੀ ਨੂੰ ਰੌਸ਼ਨ ਕਰਦਾ ਹੈ ਜਿਸ ਦੁਆਰਾ ਕਥਾਤਮਕ ਤਾਲਮੇਲ ਅੰਕੜਾਤਮਕ ਸੰਭਾਵਨਾ ਨੂੰ ਪਛਾੜ ਦਿੰਦਾ ਹੈ।

ਭਾਗੀਦਾਰਾਂ ਨੇ "ਲਿੰਡਾ" ਦਾ ਵਰਣਨ ਪੜ੍ਹਿਆ: ਇੱਕ 31 ਸਾਲਾ, ਕੁਆਰੀ, ਸਪੱਸ਼ਟ ਬੋਲਣ ਵਾਲੀ, ਹੁਸ਼ਿਆਰ ਫਿਲਾਸਫੀ ਦੀ ਵਿਦਿਆਰਥਣ ਜੋ ਇੱਕ ਵਿਦਿਆਰਥੀ ਦੇ ਰੂਪ ਵਿੱਚ ਭੇਦਭਾਵ ਅਤੇ ਸਮਾਜਿਕ ਨਿਆਂ ਬਾਰੇ ਡੂੰਘੀ ਚਿੰਤਤ ਸੀ। ਉਨ੍ਹਾਂ ਨੂੰ ਪੁੱਛਿਆ ਗਿਆ ਕਿ ਕਿਹੜਾ ਵਧੇਰੇ ਸੰਭਵ ਸੀ: (A) ਲਿੰਡਾ ਇੱਕ ਬੈਂਕ ਟੇਲਰ ਹੈ, ਜਾਂ (B) ਲਿੰਡਾ ਇੱਕ ਬੈਂਕ ਟੇਲਰ ਹੈ ਅਤੇ ਨਾਰੀਵਾਦੀ ਅੰਦੋਲਨ ਵਿੱਚ ਸਰਗਰਮ ਹੈ।

ਲਗਭਗ 85% ਭਾਗੀਦਾਰਾਂ ਨੇ ਵਿਕਲਪ B ਨੂੰ ਚੁਣਿਆ, ਇਸ ਤੱਥ ਦੇ ਬਾਵਜੂਦ ਕਿ ਇਹ ਇੱਕ ਤਰਕਪੂਰਨ ਅਸੰਭਵਤਾ ਹੈ—ਦੋ ਘਟਨਾਵਾਂ ਦੇ ਇਕੱਠੇ ਵਾਪਰਨ ਦੀ ਸੰਭਾਵਨਾ ਇਕੱਲੇ ਵਾਪਰਨ ਦੀ ਸੰਭਾਵਨਾ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ। ਲਿੰਡਾ ਦੀ ਕਹਾਣੀ "ਨਾਰੀਵਾਦੀ ਬੈਂਕ ਟੇਲਰ" "ਬੈਂਕ ਟੇਲਰ" ਲਿੰਡਾ ਨਾਲੋਂ ਵਧੇਰੇ ਇਕਸਾਰ ਮਹਿਸੂਸ ਹੋਈ, ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਦਿਮਾਗ "ਬਿਹਤਰ ਕਹਾਣੀ" ਨੂੰ "ਉੱਚ ਸੰਭਾਵਨਾ" ਸਮਝਣ ਦੀ ਗਲਤੀ ਕਰਦਾ ਹੈ।

ਮੁੱਲ-ਅਨੁਕੂਲਤਾ ਪ੍ਰਭਾਵ (Value-Congruence Effects) (Slater & Rouner, 1996)

ਇਸ ਖੋਜ ਨੇ ਇਹ ਜਾਂਚ ਕਰਕੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਬਾਰੀਕੀ ਸ਼ਾਮਲ ਕੀਤੀ ਕਿ ਕਹਾਣੀਆਂ ਕਦੋਂ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦੀਆਂ ਹਨ।

ਅਧਿਐਨ ਨੇ ਪਾਇਆ ਕਿ ਜੇਕਰ ਕੋਈ ਸੰਦੇਸ਼ ਸਰੋਤੇ ਦੇ ਮੌਜੂਦਾ ਮੁੱਲਾਂ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਤਾਂ ਅੰਕੜਾਤਮਕ ਸਬੂਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜੇ ਸੰਦੇਸ਼ ਵਿਰੋਧੀ-ਰਵੱਈਏ ਵਾਲਾ (ਉਨ੍ਹਾਂ ਦੇ ਵਿਸ਼ਵਾਸਾਂ ਦੇ ਵਿਰੁੱਧ) ਹੈ, ਤਾਂ ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਸਬੂਤ ਉੱਤਮ ਹੈ। ਅਜਿਹਾ ਇਸ ਲਈ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਜਦੋਂ ਲੋਕ ਰੱਖਿਆਤਮਕ ਹੁੰਦੇ ਹਨ ਤਾਂ ਅੰਕੜਿਆਂ ਦੀ ਆਸਾਨੀ ਨਾਲ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਰੱਦ ਕਰ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਕਹਾਣੀ ਸਰੋਤੇ ਨੂੰ ਕਥਾਤਮਕ ਆਵਾਜਾਈ ਦੁਆਰਾ ਨਿਹੱਥੇ ਕਰ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਪ੍ਰੇਰਣਾ ਲਈ ਇੱਕ "ਟਰੋਜਨ ਹਾਰਸ" (Trojan Horse) ਬਣ ਜਾਂਦੀ ਹੈ।

2.4. ਨਿਊਰੋਲੋਜੀਕਲ ਆਧਾਰ (Neurological Basis)

ਦਿਮਾਗ ਕਿੱਸਿਆਂ ਅਤੇ ਅੰਕੜਿਆਂ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਕਹਾਣੀਆਂ ਇੰਨੀਆਂ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਕਿਉਂ ਮਹਿਸੂਸ ਹੁੰਦੀਆਂ ਹਨ।

ਅੰਕੜਿਆਂ ਨੂੰ ਸੁਣਨਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਦਿਮਾਗ ਦੇ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਕੇਂਦਰਾਂ (ਬਰੋਕਾ ਅਤੇ ਵਰਨਿਕ ਦੇ ਖੇਤਰ) ਨੂੰ ਸਰਗਰਮ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਕਹਾਣੀ ਸੁਣਨਾ ਸਿਰਫ ਭਾਸ਼ਾ ਕੇਂਦਰਾਂ ਨੂੰ ਹੀ ਨਹੀਂ ਬਲਕਿ ਸੰਵੇਦੀ ਅਤੇ ਮੋਟਰ ਕੌਰਟੀਸਿਸ ਨੂੰ ਵੀ ਸਰਗਰਮ ਕਰਦਾ ਹੈ—ਉਹੀ ਖੇਤਰ ਜੋ ਸਰਗਰਮ ਹੋਣਗੇ ਜੇਕਰ ਸੁਣਨ ਵਾਲਾ ਅਸਲ ਵਿੱਚ ਵਰਣਿਤ ਘਟਨਾਵਾਂ ਦਾ ਅਨੁਭਵ ਕਰ ਰਿਹਾ ਹੋਵੇ। ਇਹ ਵਰਤਾਰਾ, ਜਿਸਨੂੰ ਨਿਊਰਲ ਕਪਲਿੰਗ (neural coupling) ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਸਰੋਤਿਆਂ ਨੂੰ ਕਹਾਣੀਕਾਰ ਨਾਲ ਮਾਨਸਿਕ ਤੌਰ 'ਤੇ "ਸਿੰਕ" (sync) ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਬੋਧ ਦਾ ਦੋਹਰਾ-ਪ੍ਰਕਿਰਿਆ ਮਾਡਲ (dual-process model of cognition) ਸਿਧਾਂਤਕ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ: ਸਪਸ਼ਟ, ਠੋਸ ਕਹਾਣੀਆਂ "ਅਨੁਭਵੀ" (experiential) ਜਾਂ ਸਿਸਟਮ 1 ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀਆਂ ਹਨ—ਤੇਜ਼, ਆਟੋਮੈਟਿਕ, ਅਤੇ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰੇਰਿਤ। ਅੰਕੜਾਤਮਕ ਜਾਣਕਾਰੀ ਲਈ ਸਿਸਟਮ 2 ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ—ਹੌਲੀ, ਕੋਸ਼ਿਸ਼-ਪੂਰਨ, ਅਤੇ ਤਰਕਪੂਰਨ। ਕਿਉਂਕਿ ਮਨੁੱਖ "ਬੋਧਾਤਮਕ ਕੰਜੂਸ" (cognitive misers) ਹਨ ਜੋ ਘੱਟੋ-ਘੱਟ ਮਾਨਸਿਕ ਊਰਜਾ ਖਰਚਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ, ਸਪਸ਼ਟ ਕਹਾਣੀ ਅਕਸਰ ਆਲੋਚਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਾਈਪਾਸ ਕਰ ਦਿੰਦੀ ਹੈ।

ਵਿਸੇਰਲ ਅਨੁਕੂਲਤਾ (visceral compatibility) 'ਤੇ ਖੋਜ ਦੱਸਦੀ ਹੈ ਕਿ ਜਦੋਂ ਫੈਸਲਾ ਲੈਣ ਦਾ ਮਾਹੌਲ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਚਾਰਜ ਹੁੰਦਾ ਹੈ (ਉੱਚ ਦਾਅ, ਉੱਚ ਕਮਜ਼ੋਰੀ), ਤਾਂ ਵਿਅਕਤੀਆਂ ਦੇ ਕਿੱਸੇ-ਸੰਬੰਧੀ ਸਬੂਤਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਹੋਰ ਵੀ ਵੱਧ ਜਾਂਦੀ ਹੈ। ਵਿਰੋਧਾਭਾਸੀ ਤੌਰ 'ਤੇ, ਉੱਚ ਦਾਅ "ਭਾਵਨਾਵਾਂ-ਆਧਾਰਿਤ" ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਸਹੂਲਤ ਦਿੰਦੇ ਹਨ ਜੋ ਠੰਡੇ ਤੱਥਾਂ ਨਾਲੋਂ ਕਹਾਣੀਆਂ ਦੇ ਵਿਸੇਰਲ ਸੁਭਾਅ ਦਾ ਪੱਖ ਲੈਂਦੀ ਹੈ।

3. ਵਿਕਾਸਵਾਦੀ ਮੂਲ (Evolutionary Origins)

ਮਨੁੱਖੀ ਦਿਮਾਗ ਨੂੰ ਅਕਸਰ "ਕਹਾਣੀ ਲਈ ਤਾਰਬੱਧ" (wired for story) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਵਿਕਾਸਵਾਦੀ ਮਨੋਵਿਗਿਆਨੀ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਬਿਰਤਾਂਤ (narrative) ਸ਼ੁਰੂਆਤੀ ਮਨੁੱਖਾਂ ਲਈ ਬਚਾਅ ਦਾ ਇੱਕ ਪ੍ਰਮੁੱਖ ਸਾਧਨ ਸੀ। ਲਿਖਤ ਜਾਂ ਗਣਿਤ ਦੀ ਕਾਢ ਤੋਂ ਬਹੁਤ ਪਹਿਲਾਂ ਕਹਾਣੀਆਂ ਰਾਹੀਂ ਭੋਜਨ ਦੇ ਸਰੋਤਾਂ, ਸ਼ਿਕਾਰੀਆਂ, ਸਮਾਜਿਕ ਗਤੀਸ਼ੀਲਤਾ ਅਤੇ ਖਤਰਨਾਕ ਸਥਿਤੀਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਸਾਰਿਤ ਕੀਤੀ ਜਾਂਦੀ ਸੀ। ਨਤੀਜੇ ਵਜੋਂ, ਮਨੁੱਖਾਂ ਨੂੰ ਹੋਮੋ ਨੈਰਾਨਸ (Homo Narrans)—ਕਹਾਣੀ ਸੁਣਾਉਣ ਵਾਲੇ ਜੀਵਾਂ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ।

ਸਾਡੇ ਪੁਰਖਿਆਂ ਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ, ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਹੀ ਸੀ। ਘਾਹ ਵਿੱਚ ਸਰਸਰਾਹਟ (ਇੱਕ ਠੋਸ, ਫੌਰੀ ਘਟਨਾ) ਵੱਲ ਧਿਆਨ ਦੇਣਾ ਹਵਾ ਬਾਰੇ ਅਮੂਰਤ ਸੰਭਾਵਨਾ ਦੇ ਅਨੁਮਾਨਾਂ ਨਾਲੋਂ ਕਿਤੇ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਸੀ। ਕਬੀਲੇ ਦੇ ਮੈਂਬਰਾਂ ਦੀਆਂ ਖਾਸ ਕਹਾਣੀਆਂ ਵੱਲ ਪੂਰਾ ਧਿਆਨ ਦੇਣਾ—ਕਿਸਨੂੰ ਕਿੱਥੇ ਭੋਜਨ ਮਿਲਿਆ, ਕਿਸ 'ਤੇ ਕਿਸ ਸ਼ਿਕਾਰੀ ਦੁਆਰਾ ਹਮਲਾ ਕੀਤਾ ਗਿਆ—ਕਾਰਵਾਈ ਯੋਗ ਬਚਾਅ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਸੀ। ਜਿਨ੍ਹਾਂ ਨੇ "ਬੇਸ ਰੇਟਸ" (base rates) ਦੇ ਹੱਕ ਵਿੱਚ ਸਪਸ਼ਟ ਚੇਤਾਵਨੀਆਂ ਨੂੰ ਖਾਰਜ ਕਰ ਦਿੱਤਾ ਸੀ, ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਉਹ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਨ ਲਈ ਬਚੇ ਨਾ ਹੋਣ।

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਇੱਕ ਬੋਧਾਤਮਕ ਅਨੁਕੂਲਤਾ (cognitive adaptation) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸਨੇ ਸਾਡੇ ਪੁਰਖਿਆਂ ਦੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੇਵਾ ਕੀਤੀ ਪਰ ਆਧੁਨਿਕ ਸੰਦਰਭਾਂ ਵਿੱਚ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰੀ ਬਣ ਗਈ ਹੈ। ਸਾਡੇ ਪੱਥਰ ਯੁੱਗ (Stone Age) ਦੇ ਦਿਮਾਗ ਛੋਟੇ ਸਮੂਹਾਂ ਲਈ ਵਿਕਸਤ ਹੋਏ ਹਨ ਜਿੱਥੇ ਨਿੱਜੀ ਕਹਾਣੀਆਂ ਆਮ ਤੌਰ 'ਤੇ ਸਥਾਨਕ ਹਾਲਤਾਂ ਦੀਆਂ ਪ੍ਰਤੀਨਿਧ ਹੁੰਦੀਆਂ ਸਨ। ਉਹ 8 ਅਰਬ ਲੋਕਾਂ, ਵਿਸ਼ਵਵਿਆਪੀ ਅੰਕੜਿਆਂ, ਗੁੰਝਲਦਾਰ ਕਾਰਕ ਲੜੀਆਂ (causal chains), ਅਤੇ ਵੱਡੀ ਗਿਣਤੀ ਦੇ ਕਾਨੂੰਨ (law of large numbers) ਦੀ ਦੁਨੀਆ ਲਈ ਵਿਕਸਤ ਨਹੀਂ ਹੋਏ ਸਨ।

ਇਹ ਕੋਈ "ਬੱਗ" ਨਹੀਂ ਬਲਕਿ ਇੱਕ "ਵਿਸ਼ੇਸ਼ਤਾ" ਹੈ ਜਿਸਨੇ ਕਈ ਡੋਮੇਨਾਂ ਵਿੱਚ ਆਪਣੀ ਉਪਯੋਗਤਾ ਨੂੰ ਖਤਮ ਕਰ ਦਿੱਤਾ ਹੈ। ਦਿਮਾਗ ਸਪਸ਼ਟ ਅਤੇ ਠੋਸ ਚੀਜ਼ਾਂ 'ਤੇ ਡਿਫੌਲਟ ਕਰਕੇ ਬੋਧਾਤਮਕ ਊਰਜਾ ਦੀ ਬਚਤ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਸਾਡੇ ਵਿਕਾਸਵਾਦੀ ਅਤੀਤ ਵਿੱਚ, ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਸਹੀ ਫੈਸਲਾ ਹੁੰਦਾ ਸੀ। ਅੱਜ, ਇਹੀ ਵਿਧੀ ਸਾਨੂੰ ਕਾਰ ਹਾਦਸਿਆਂ ਨਾਲੋਂ ਹਵਾਈ ਜਹਾਜ਼ ਦੇ ਹਾਦਸਿਆਂ ਤੋਂ ਜ਼ਿਆਦਾ ਡਰਨ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ, ਬਿਲਕੁਲ ਵੱਖ-ਵੱਖ ਅਸਲ ਜੋਖਮ ਦਰਾਂ ਦੇ ਬਾਵਜੂਦ।

4. ਇਹ ਪੱਖਪਾਤ ਕਿਵੇਂ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ (How This Bias Manifests)

4.1. ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ (In Everyday Life)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਰੋਜ਼ਾਨਾ ਦੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਸੂਖਮ ਪਰ ਨਤੀਜਾਤਮਕ ਤਰੀਕਿਆਂ ਨਾਲ ਫੈਲਿਆ ਹੋਇਆ ਹੈ।

ਉਤਪਾਦਾਂ ਦੀ ਚੋਣ ਕਰਦੇ ਸਮੇਂ, ਲੋਕ ਨਿਯਮਤ ਤੌਰ 'ਤੇ ਹਜ਼ਾਰਾਂ ਸਕਾਰਾਤਮਕ ਸਮੀਖਿਆਵਾਂ ਦੇ ਮੁਕਾਬਲੇ ਇੱਕ ਦੋਸਤ ਦੇ ਸਿੰਗਲ ਨਕਾਰਾਤਮਕ ਅਨੁਭਵ ਨੂੰ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦਿੰਦੇ ਹਨ। "ਮੇਰੇ ਚਚੇਰੇ ਭਰਾ ਨੇ ਉਹ ਕਾਰ ਖਰੀਦੀ ਅਤੇ ਪਹਿਲੇ ਸਾਲ ਵਿੱਚ ਹੀ ਟ੍ਰਾਂਸਮਿਸ਼ਨ ਫੇਲ੍ਹ ਹੋ ਗਈ" ਲੱਖਾਂ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਭਰੋਸੇਯੋਗਤਾ ਰੇਟਿੰਗ ਨੂੰ ਰੱਦ ਕਰ ਸਕਦੀ ਹੈ।

ਸਿਹਤ ਸੰਬੰਧੀ ਫੈਸਲਿਆਂ ਵਿੱਚ, ਨਿੱਜੀ ਕਹਾਣੀਆਂ ਹਾਵੀ ਹੁੰਦੀਆਂ ਹਨ। ਖੁਰਾਕ ਸੰਬੰਧੀ ਚੋਣਾਂ ਅਕਸਰ ਨਿਯੰਤਰਿਤ ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਖੋਜ ਦੀ ਬਜਾਏ ਉਸ ਇੱਕ ਦੋਸਤ ਦੁਆਰਾ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ ਜਿਸਨੇ "ਕੀਟੋ ਨਾਲ ਆਪਣੀ ਸ਼ੂਗਰ ਨੂੰ ਠੀਕ ਕੀਤਾ"। ਕਸਰਤ ਦੇ ਰੁਟੀਨ ਕਸਰਤ ਵਿਗਿਆਨ ਦੀ ਬਜਾਏ ਇੱਕ ਫਿੱਟ ਜਾਣਕਾਰ ਦੇ ਕਿੱਸੇ ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ।

ਡਰ ਅਤੇ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਿਗੜ ਗਿਆ ਹੈ। ਸ਼ਾਰਕ ਦੇ ਹਮਲੇ ਬਾਰੇ ਸੁਣਨ ਤੋਂ ਬਾਅਦ, ਬਿਨਾਂ ਬਦਲੇ (ਬਹੁਤ ਹੀ ਘੱਟ) ਅੰਕੜਾਤਮਕ ਜੋਖਮ ਦੇ ਬਾਵਜੂਦ ਸਮੁੰਦਰੀ ਕੰਢੇ 'ਤੇ ਜਾਣ ਵਾਲਿਆਂ ਦੀ ਗਿਣਤੀ ਘੱਟ ਜਾਂਦੀ ਹੈ। ਘਰ ਵਿੱਚ ਘੁਸਪੈਠ ਬਾਰੇ ਇੱਕ ਕਹਾਣੀ ਲਗਭਗ-ਜ਼ੀਰੋ ਅਪਰਾਧ ਦਰਾਂ ਵਾਲੇ ਆਂਢ-ਗੁਆਂਢ ਵਿੱਚ ਮਹਿੰਗੇ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਅਗਵਾਈ ਕਰਦੀ ਹੈ।

ਰਿਸ਼ਤਿਆਂ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਵੀ ਨੁਕਸਾਨ ਪਹੁੰਚਦਾ ਹੈ। ਕਿਸੇ ਦੋਸਤ ਦੇ ਤਲਾਕ ਦੀ ਕਹਾਣੀ ਕਿਸੇ ਵੀ ਰਿਸ਼ਤੇ ਦੀ ਖੋਜ ਨਾਲੋਂ ਵਿਆਹ ਪ੍ਰਤੀ ਰਵੱਈਏ ਨੂੰ ਜ਼ਿਆਦਾ ਜ਼ਹਿਰੀਲਾ ਬਣਾ ਸਕਦੀ ਹੈ। ਇੱਕ ਸਿੰਗਲ "ਕ੍ਰੇਜ਼ੀ ਐਕਸ" (crazy ex) ਕਹਾਣੀ ਸੰਭਾਵੀ ਭਾਈਵਾਲਾਂ ਦੀਆਂ ਪੂਰੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਲਈ ਉਮੀਦਾਂ ਨੂੰ ਆਕਾਰ ਦਿੰਦੀ ਹੈ।

4.2. ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ (In the Workplace)

ਪੇਸ਼ੇਵਰ ਵਾਤਾਵਰਣ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਨੂੰ ਫੈਸਲੇ ਵਿਗਾੜਨ ਦੇ ਬਹੁਤবুদ্ধ ਦੇ ਬਹੁਤ ਸਾਰੇ ਮੌਕੇ ਪੈਦਾ ਕਰਦੇ ਹਨ।

ਭਰਤੀ ਦੇ ਫੈਸਲੇ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਕਮਜ਼ੋਰ ਹੁੰਦੇ ਹਨ। ਉਹ ਉਮੀਦਵਾਰ ਜੋ ਇੰਟਰਵਿਊ ਵਿੱਚ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਕਹਾਣੀ ਸੁਣਾਉਂਦਾ ਹੈ, ਅਕਸਰ ਉੱਤਮ ਪ੍ਰਮਾਣ ਪੱਤਰਾਂ ਵਾਲੇ ਉਮੀਦਵਾਰ ਨੂੰ ਜਿੱਤ ਲੈਂਦਾ ਹੈ। ਇਸ ਦੇ ਉਲਟ, ਕਿਸੇ ਖਾਸ ਸਕੂਲ ਜਾਂ ਪਿਛੋਕੜ ਵਾਲੇ ਕਰਮਚਾਰੀ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਬੁਰਾ ਤਜਰਬਾ ਪੂਰੀ ਆਬਾਦੀ ਦੇ ਵਿਰੁੱਧ ਭਵਿੱਖ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਪੱਖਪਾਤੀ ਕਰ ਸਕਦਾ ਹੈ।

ਕਾਰਗੁਜ਼ਾਰੀ ਮੁਲਾਂਕਣ (Performance evaluations) ਨਿਰੰਤਰ ਪੈਟਰਨਾਂ ਨਾਲੋਂ ਸਪਸ਼ਟ ਘਟਨਾਵਾਂ ਨੂੰ ਮਹੱਤਵ ਦਿੰਦੇ ਹਨ। ਜਿਸ ਕਰਮਚਾਰੀ ਨੇ ਇੱਕ ਨਾਟਕੀ ਬਚਾਅ ਕੀਤਾ ਹੈ ਉਸਨੂੰ ਲਗਾਤਾਰ ਚੰਗੇ ਅੰਕੜਿਆਂ ਵਾਲੇ ਭਰੋਸੇਮੰਦ ਪ੍ਰਦਰਸ਼ਨਕਾਰ ਨਾਲੋਂ ਵਧੇਰੇ ਅਨੁਕੂਲ ਤਰੀਕੇ ਨਾਲ ਯਾਦ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਉਲਟ ਵੀ ਬਰਾਬਰ ਸੱਚ ਹੈ—ਇੱਕ ਯਾਦਗਾਰ ਅਸਫਲਤਾ ਸਾਲਾਂ ਦੇ ਠੋਸ ਕੰਮ ਨੂੰ ਛਾਇਆ ਕਰ ਸਕਦੀ ਹੈ।

ਰਣਨੀਤਕ ਫੈਸਲੇ ਅਕਸਰ ਮੌਜੂਦਾ ਹਾਲਤਾਂ ਦੇ ਵਿਵਸਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ "ਮੇਰੀ ਪਿਛਲੀ ਕੰਪਨੀ ਵਿੱਚ ਕੀ ਕੰਮ ਕੀਤਾ" ਮਾਡਲ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਨੇਤਾ ਵਿਆਪਕ ਮਾਰਕੀਟ ਡੇਟਾ ਦੀ ਬਜਾਏ ਸੀਮਤ ਨਿੱਜੀ ਅਨੁਭਵ ਤੋਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ।

ਪ੍ਰੋਜੈਕਟ ਪੋਸਟ-ਮਾਰਟਮ ਵਿਵਸਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ ਰੰਗੀਨ ਅਸਫਲਤਾ ਦੀਆਂ ਕਹਾਣੀਆਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦੇ ਹਨ। "ਪ੍ਰੋਜੈਕਟ X ਯਾਦ ਹੈ?" ਪਹਿਲਕਦਮੀ ਦੀਆਂ ਪੂਰੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਤੋਂ ਬਚਣ ਦਾ ਕਾਰਨ ਬਣ ਜਾਂਦਾ ਹੈ।

4.3. ਵਪਾਰ ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਵਿੱਚ (In Business and Marketing)

ਮਾਰਕਿਟਰਾਂ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਨੂੰ ਸਮਝਿਆ ਹੈ ਅਤੇ ਇਸਦਾ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਹੈ।

ਪ੍ਰਸੰਸਾ ਪੱਤਰ (Testimonials) ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ 'ਤੇ ਹਾਵੀ ਹੁੰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਕੰਮ ਕਰਦੇ ਹਨ। ਇੱਕ ਵਿਅਕਤੀ ਦਾ ਇਹ ਦਾਅਵਾ ਕਰਨਾ ਕਿ "ਇਸ ਉਤਪਾਦ ਨੇ ਮੇਰੀ ਜ਼ਿੰਦਗੀ ਬਦਲ ਦਿੱਤੀ ਹੈ" ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਪ੍ਰੇਰਕ ਹੈ। ਭਾਰ ਘਟਾਉਣ ਵਾਲੇ ਉਤਪਾਦ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਹਿਲਾਂ/ਬਾਅਦ ਦੀਆਂ ਫੋਟੋਆਂ ਅਤੇ ਨਿੱਜੀ ਕਹਾਣੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਅੰਕੜਾਤਮਕ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਡੇਟਾ ਬਹੁਤ ਘੱਟ ਆਕਰਸ਼ਕ (ਅਤੇ ਅਕਸਰ ਪ੍ਰਤੀਕੂਲ) ਹੋਵੇਗਾ।

B2B ਮਾਰਕੀਟਿੰਗ ਵਿੱਚ ਕੇਸ ਸਟੱਡੀਜ਼ ਉਸੇ ਮਨੋਵਿਗਿਆਨ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹਨ। ਇੱਕ ਸਫਲ ਕਲਾਇੰਟ ਲਾਗੂਕਰਨ ਦੀ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਕਹਾਣੀ ਸਮੁੱਚੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਪ੍ਰੇਰਿਤ ਕਰਦੀ ਹੈ।

ਸਮਾਜਿਕ ਸਬੂਤ (Social proof) ਵਿਧੀ ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਦੀ ਹੈ: "10,000 ਸੰਤੁਸ਼ਟ ਗਾਹਕਾਂ ਨਾਲ ਜੁੜੋ" ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੱਗਦਾ ਹੈ, ਪਰ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਬਿਰਤਾਂਤ ਦੇ ਨਾਲ ਸਿੰਗਲ ਫਾਈਵ-ਸਟਾਰ ਸਮੀਖਿਆ ਅਸਲ ਵਿੱਚ ਵਧੇਰੇ ਪਰਿਵਰਤਨ ਲਿਆਉਂਦੀ ਹੈ।

ਫਾਰਮਾਸਿਊਟੀਕਲ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਡੇਟਾ ਦੇ ਨਾਲ (ਜਾਂ ਇਸਦੇ ਬਜਾਏ) ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਕਹਾਣੀਆਂ ਵਧਦੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ, ਇਹ ਜਾਣਦੇ ਹੋਏ ਕਿ ਇੱਕ ਸੰਬੰਧਿਤ ਵਿਅਕਤੀ ਦੀ ਗਵਾਹੀ ਪ੍ਰਤੀਸ਼ਤਤਾਵਾਂ ਅਤੇ p-ਮੁੱਲਾਂ (p-values) ਤੋਂ ਵੱਧ ਹੁੰਦੀ ਹੈ।

4.4. ਰਾਜਨੀਤੀ ਅਤੇ ਮੀਡੀਆ ਵਿੱਚ (In Politics and Media)

ਰਾਜਨੀਤਿਕ ਸੰਚਾਰ ਵਧਦੀ ਹੱਦ ਤੱਕ ਕਹਾਣੀਆਤਮਕ ਬਣ ਗਿਆ ਹੈ ਕਿਉਂਕਿ ਰਣਨੀਤੀਕਾਰ ਇਹ ਪਛਾਣਦੇ ਹਨ ਕਿ ਵੋਟਰਾਂ ਨੂੰ ਕੀ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।

"ਉਹ ਵਿਅਕਤੀ ਜੋ..." ਕਹਾਣੀਆਂ ਨੀਤੀਗਤ ਬਹਿਸਾਂ 'ਤੇ ਹਾਵੀ ਹਨ। ਨੀਤੀਆਂ ਦੇ ਸਮੁੱਚੇ ਪ੍ਰਭਾਵਾਂ 'ਤੇ ਚਰਚਾ ਕਰਨ ਦੀ ਬਜਾਏ, ਸਿਆਸਤਦਾਨ ਰੈਲੀਆਂ ਅਤੇ ਭਾਸ਼ਣਾਂ ਵਿੱਚ ਵਿਅਕਤੀਆਂ ਨੂੰ ਪੇਸ਼ ਕਰਦੇ ਹਨ—ਇੱਕ ਛੋਟੇ ਕਾਰੋਬਾਰ ਦਾ ਮਾਲਕ ਜਿਸ ਨੂੰ ਇੱਕ ਨਿਯਮ ਦੁਆਰਾ ਨੁਕਸਾਨ ਪਹੁੰਚਾਇਆ ਗਿਆ ਹੈ, ਇੱਕ ਪਰਿਵਾਰ ਜਿਸਦੀ ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਦੁਆਰਾ ਮਦਦ ਕੀਤੀ ਗਈ ਹੈ। ਨੀਤੀ ਵਿਅਕਤੀਗਤ ਬਣ ਜਾਂਦੀ ਹੈ।

"ਵੈਲਫੇਅਰ ਕਵੀਨ" ਘਟਨਾ (ਹੇਠਾਂ ਕੇਸ ਸਟੱਡੀਜ਼ ਵਿੱਚ ਵਿਸਤ੍ਰਿਤ) ਨੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਕਿ ਕਿਵੇਂ ਇੱਕ ਅਸਾਧਾਰਣ ਮਾਮਲਾ ਇੱਕ ਪੂਰੀ ਰਾਸ਼ਟਰੀ ਨੀਤੀ ਬਹਿਸ ਨੂੰ ਮੁੜ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਟੈਮਪਲੇਟ ਇਮੀਗ੍ਰੇਸ਼ਨ ਤੋਂ ਲੈ ਕੇ ਸਿਹਤ ਸੰਭਾਲ ਤੱਕ ਦੇ ਮੁੱਦਿਆਂ ਵਿੱਚ ਦੁਹਰਾਇਆ ਗਿਆ ਹੈ।

ਨਿਊਜ਼ ਮੀਡੀਆ ਕਹਾਣੀ ਦੀ ਚੋਣ ਦੁਆਰਾ ਸਮੱਸਿਆ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਉਹ ਘਟਨਾਵਾਂ ਜੋ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਬਿਰਤਾਂਤ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਦੀ ਅੰਕੜਾਤਮਕ ਮਹੱਤਤਾ ਦੇ ਮੁਕਾਬਲੇ ਅਸਪਸ਼ਟ ਕਵਰੇਜ ਪ੍ਰਾਪਤ ਕਰਦੀਆਂ ਹਨ। ਸਕੂਲ ਦੀਆਂ ਗੋਲੀਬਾਰੀਆਂ, ਜਹਾਜ਼ ਹਾਦਸੇ, ਅਤੇ ਸ਼ਾਰਕ ਦੇ ਹਮਲਿਆਂ ਦੀ ਕਵਰੇਜ ਉਨ੍ਹਾਂ ਦੀ ਅਸਲ ਬਾਰੰਬਾਰਤਾ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਲੋਕਾਂ ਦੇ ਜੋਖਮ ਦੀ ਧਾਰਨਾ ਵਿੱਚ ਵਿਵਸਥਿਤ ਵਿਗਾੜ ਪੈਦਾ ਹੁੰਦਾ ਹੈ।

ਸੋਸ਼ਲ ਮੀਡੀਆ ਕਹਾਣੀਆਂ ਦੇ ਫੈਲਾਅ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ। ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਕਹਾਣੀ ਵਾਇਰਲ ਹੋ ਸਕਦੀ ਹੈ ਜਦੋਂ ਕਿ ਸਹੀ ਅੰਕੜਾਤਮਕ ਸੁਧਾਰ ਅਣਡਿੱਠੇ ਰਹਿ ਜਾਂਦੇ ਹਨ। ਗਲਤ ਜਾਣਕਾਰੀ ਬਿਰਤਾਂਤ ਰਾਹੀਂ ਫੈਲਦੀ ਹੈ; ਸੁਧਾਰ ਅਸਫਲ ਹੋ ਜਾਂਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਡੇਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ।

4.5. ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ (In Healthcare)

ਦਵਾਈਆਂ ਕਿੱਸਿਆਂ ਅਤੇ ਅੰਕੜਿਆਂ ਵਿਚਕਾਰ ਲੜਾਈ ਲਈ ਗਰਾਊਂਡ ਜ਼ੀਰੋ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ, ਜਿਸਦੇ ਨਤੀਜੇ ਜੀਵਨ-ਜਾਂ-ਮੌਤ ਵਾਲੇ ਹੁੰਦੇ ਹਨ।

ਮਰੀਜ਼ਾਂ ਦਾ ਫੈਸਲਾ ਲੈਣਾ ਕਹਾਣੀਆਂ ਦੁਆਰਾ ਬਹੁਤ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦਾ ਹੈ। ਦਵਾਈ ਦੇ ਨਾਲ ਕਿਸੇ ਦੋਸਤ ਦਾ ਮਾੜਾ ਅਨੁਭਵ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਕਲੀਨਿਕਲ ਸਬੂਤ ਨੂੰ ਰੱਦ ਕਰ ਸਕਦਾ ਹੈ। ਮਰੀਜ਼ ਬੇਤਰਤੀਬੇ ਨਿਯੰਤਰਿਤ ਟਰਾਇਲਾਂ ਦੁਆਰਾ ਸਮਰਥਿਤ ਹੋਣ ਦੀ ਬਜਾਏ ਮਸ਼ਹੂਰ ਹਸਤੀਆਂ ਦੇ ਪ੍ਰਸੰਸਾ ਪੱਤਰਾਂ ਦੁਆਰਾ ਚੈਂਪੀਅਨ ਕੀਤੇ ਇਲਾਜਾਂ ਦੀ ਭਾਲ ਕਰਦੇ ਹਨ।

ਟੀਕਾਕਰਨ ਵਿਰੋਧੀ ਲਹਿਰ (anti-vaccination movement) ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕਿੱਸੇ-ਸੰਬੰਧੀ ਸਬੂਤਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਕਲਾਸਿਕ ਕਹਾਣੀ ਚਾਪ (ਸਿਹਤਮੰਦ ਬੱਚਾ → ਦਖਲਅੰਦਾਜ਼ੀ → ਨੁਕਸਾਨ) ਤੋਂ ਬਾਅਦ "ਵੈਕਸੀਨ ਦੀ ਸੱਟ" ਦੀਆਂ ਕਹਾਣੀਆਂ ਵੈਕਸੀਨ ਸੁਰੱਖਿਆ ਦੇ ਭਾਰੀ ਅੰਕੜਾਤਮਕ ਸਬੂਤਾਂ ਦੇ ਬਾਵਜੂਦ ਮਨੋਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ। ਮਾਪਿਆਂ ਲਈ ਲੱਖਾਂ ਸੁਰੱਖਿਅਤ ਖੁਰਾਕਾਂ ਦੇ ਮੁਕਾਬਲੇ "ਮੈਂ ਇੱਕ ਮਾਤਾ-ਪਿਤਾ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜੋ..." ਨੂੰ ਤੋਲਣਾ ਬੋਧਾਤਮਕ ਤੌਰ 'ਤੇ ਆਸਾਨ ਲੱਗਦਾ ਹੈ।

ਇੱਥੋਂ ਤੱਕ ਕਿ ਡਾਕਟਰ ਵੀ ਕਮਜ਼ੋਰ ਹਨ। ਕਲੀਨਿਕਲ ਸੂਝ—ਅਸਲ ਵਿੱਚ ਇਕੱਠੇ ਕੀਤੇ ਨਿੱਜੀ ਕਿੱਸੇ—ਸਬੂਤ-ਆਧਾਰਿਤ ਅਭਿਆਸ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਰੱਦ ਕਰ ਸਕਦੇ ਹਨ। ਡਾਕਟਰ ਨਕਾਰਾਤਮਕ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਦੇ ਬਾਵਜੂਦ ਉਹਨਾਂ ਇਲਾਜਾਂ ਨੂੰ ਲਿਖਣਾ ਜਾਰੀ ਰੱਖ ਸਕਦੇ ਹਨ ਜੋ "ਮੇਰੇ ਮਰੀਜ਼ਾਂ ਲਈ ਕੰਮ ਕਰਦੇ ਹਨ"।

ਬਦਲਵੀਂ ਦਵਾਈ ਕਹਾਣੀਆਤਮਕ ਸਥਾਨ ਵਿੱਚ ਵਧਦੀ-ਫੁੱਲਦੀ ਹੈ। ਅੰਕੜਾਤਮਕ ਸਬੂਤ ਦੇ ਬੋਝ ਤੋਂ ਬਿਨਾਂ, ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰਸੰਸਾ ਪੱਤਰ ਪੇਸ਼ ਕਰਦੇ ਹਨ ਜਿਸਦਾ ਰਵਾਇਤੀ ਦਵਾਈ ਦੀ ਡੇਟਾ-ਆਧਾਰਿਤ ਪਹੁੰਚ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੀ।

4.6. ਵਿੱਤ ਅਤੇ ਨਿਵੇਸ਼ ਵਿੱਚ (In Finance and Investing)

ਵਿੱਤੀ ਫੈਸਲੇ ਲੈਣ ਨਾਲ ਉੱਚ ਅਨਿਸ਼ਚਿਤਤਾ ਦੇ ਨਾਲ ਉੱਚ ਦਾਅ ਨੂੰ ਜੋੜਦੇ ਹੋਏ, ਕਹਾਣੀਆਤਮਕ ਤਰਕ ਲਈ ਇੱਕ ਸੰਪੂਰਨ ਤੂਫ਼ਾਨ ਪੈਦਾ ਹੁੰਦਾ ਹੈ।

ਨਿਵੇਸ਼ ਦੇ ਫੈਸਲੇ "ਮੈਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜਿਸਨੇ ਲੱਖਾਂ ਕਮਾਏ..." ਟੈਂਪਲੇਟ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਪੋਰਟਫੋਲੀਓ ਥਿਊਰੀ ਅਤੇ ਇਤਿਹਾਸਕ ਰਿਟਰਨ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਨਾਲੋਂ ਕਿਸੇ ਦੋਸਤ ਦੇ ਬਿਟਕੋਇਨ ਲਾਭ ਦੀ ਕਹਾਣੀ ਵਧੇਰੇ ਪ੍ਰੇਰਕ ਹੈ।

ਜਾਣੂਆਂ ਤੋਂ ਸਟਾਕ ਸੁਝਾਅ—ਅਸਲ ਵਿੱਚ ਕੰਪਨੀ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਬਾਰੇ ਕਿੱਸੇ—ਵਪਾਰਕ ਫੈਸਲਿਆਂ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ ਜੋ ਬੁਨਿਆਦੀ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ। "ਮੇਰਾ ਜੀਜਾ ਉੱਥੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਕਹਿੰਦਾ ਹੈ..." ਵਿੱਤੀ ਸਟੇਟਮੈਂਟਾਂ ਦੇ ਧਿਆਨਪੂਰਵਕ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਰੱਦ ਕਰ ਸਕਦਾ ਹੈ।

ਰੀਅਲ ਅਸਟੇਟ ਦੇ ਫੈਸਲੇ ਮਾਰਕੀਟ ਦੇ ਅੰਕੜਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਸਥਾਨਕ ਨਿਵੇਸ਼ਕ ਦੀ ਸਫਲਤਾ ਦੀ ਕਹਾਣੀ ਨੂੰ ਤੋਲਦੇ ਹਨ। ਇੱਕ ਗੁਆਂਢੀ ਦੀ ਕਹਾਣੀ ਜਿਸਨੇ ਘਰਾਂ ਨੂੰ ਦੌਲਤ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ, ਨਿਵੇਸ਼ਕਾਂ ਦੇ ਰਿਟਰਨ 'ਤੇ ਸਮੁੱਚੇ ਡੇਟਾ ਨਾਲੋਂ ਵਿਵਹਾਰ ਨੂੰ ਵਧੇਰੇ ਰੂਪ ਦਿੰਦੀ ਹੈ।

ਵਿੱਤੀ ਕਿੱਸਿਆਂ ਵਿੱਚ ਸਰਵਾਈਵਰਸ਼ਿਪ ਪੱਖਪਾਤ (Survivorship bias) ਸਮੱਸਿਆ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਅਸੀਂ ਜੇਤੂਆਂ ਦੀਆਂ ਕਹਾਣੀਆਂ ਸੁਣਦੇ ਹਾਂ (ਉਹ ਉਹਨਾਂ ਨੂੰ ਦੱਸਦੇ ਹਨ); ਅਸੀਂ ਚੁੱਪ ਹਾਰਨ ਵਾਲਿਆਂ ਤੋਂ ਨਹੀਂ ਸੁਣਦੇ। ਇਹ ਕਹਾਣੀਆਂ ਦਾ ਇੱਕ ਵਿਵਸਥਿਤ ਵਿਗੜਿਆ ਹੋਇਆ ਨਮੂਨਾ ਬਣਾਉਂਦਾ ਹੈ।

5. ਅਸਲ-ਸੰਸਾਰ ਕੇਸ ਸਟੱਡੀਜ਼ (Real-World Case Studies)

ਕੇਸ ਸਟੱਡੀ 1: ਸੇਮਲਵੇਇਸ ਤ੍ਰਾਸਦੀ (The Semmelweis Tragedy)

• ਸੰਦਰਭ: 1840 ਦੇ ਦਹਾਕੇ ਦੇ ਵਿਏਨਾ ਵਿੱਚ, ਬੱਚੇ ਦਾ ਜਨਮ ਮਾਰੂ ਸੀ। ਵਿਏਨਾ ਜਨਰਲ ਹਸਪਤਾਲ ਵਿੱਚ ਦੋ ਮੈਟਰਨਿਟੀ ਕਲੀਨਿਕ ਸਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਪਿਊਰਪੇਰਲ (ਬਾਲ-ਬਿਸਤਰ) ਬੁਖਾਰ ਤੋਂ ਮੌਤ ਦਰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵੱਖਰੀ ਸੀ।
• ਕੀ ਹੋਇਆ: ਹੰਗਰੀ ਦੇ ਡਾਕਟਰ ਇਗਨਾਜ਼ ਸੇਮਲਵੇਇਸ ਨੇ ਠੋਸ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਕਟਰਾਂ ਵਾਲੇ ਕਲੀਨਿਕ (ਜਿੱਥੇ ਡਾਕਟਰ ਪੋਸਟਮਾਰਟਮ ਤੋਂ ਆਉਂਦੇ ਸਨ) ਵਿੱਚ ਮੌਤ ਦਰ ~18% ਸੀ ਜਦੋਂ ਕਿ ਦਾਈਆਂ ਵਾਲੇ ਕਲੀਨਿਕ ਵਿੱਚ ~2% ਸੀ। ਉਸਨੇ ਕਲੋਰੀਨ ਨਾਲ ਹੱਥ ਧੋਣ ਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਮੌਤ ਦਰ ਨੂੰ ~1% ਤੱਕ ਘਟਾ ਦਿੱਤਾ।
• ਕੰਮ 'ਤੇ ਪੱਖਪਾਤ: ਮੈਡੀਕਲ ਸਥਾਪਨਾ ਨੇ ਉਸਦੀਆਂ ਅੰਕੜਾਤਮਕ ਖੋਜਾਂ ਨੂੰ "ਮਿਆਜ਼ਮਾਸ" (miasmas) ਅਤੇ "ਹਿਊਮਰਸ" (humors) ਬਾਰੇ ਉਭਰੇ ਕਹਾਣੀਆਤਮਕ ਸਿਧਾਂਤਾਂ ਦੇ ਹੱਕ ਵਿੱਚ ਰੱਦ ਕਰ ਦਿੱਤਾ। ਪ੍ਰਮੁੱਖ ਪ੍ਰਸੂਤੀ ਮਾਹਿਰਾਂ ਨੇ—ਨਿੱਜੀ ਅਨੁਭਵ ਅਤੇ ਸੱਜਣਤਾ ਵਾਲੀ ਸਥਿਤੀ ਦੇ ਆਧਾਰ 'ਤੇ—ਦਲੀਲ ਦਿੱਤੀ ਕਿ ਉਹਨਾਂ ਦੇ ਹੱਥ ਅਸ਼ੁੱਧ ਨਹੀਂ ਹੋ ਸਕਦੇ। ਇੱਕ ਇਲਾਜ ਕਰਨ ਵਾਲੇ ਵਜੋਂ ਡਾਕਟਰ ਦਾ ਸਵੈ-ਬਿਰਤਾਂਤ ਅਜਿਹੇ ਡੇਟਾ ਨੂੰ ਅਨੁਕੂਲ ਨਹੀਂ ਕਰ ਸਕਦਾ ਸੀ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਸੀ ਕਿ ਉਹ ਕਾਤਲ ਸਨ।
• ਨਤੀਜੇ: ਸੇਮਲਵੇਇਸ ਦਾ ਮਜ਼ਾਕ ਉਡਾਇਆ ਗਿਆ, ਹਾਸ਼ੀਏ 'ਤੇ ਰੱਖਿਆ ਗਿਆ, ਅਤੇ ਆਖਰਕਾਰ ਇੱਕ ਪਾਗਲਖਾਨੇ ਵਿੱਚ ਭੇਜ ਦਿੱਤਾ ਗਿਆ, ਜਿੱਥੇ ਉਸਦੀ ਸੈਪਸਿਸ (sepsis) ਨਾਲ ਮੌਤ ਹੋ ਗਈ—ਉਹੀ ਲਾਗ ਜਿਸਨੂੰ ਉਸਨੇ ਰੋਕਣਾ ਸਿੱਖਿਆ ਸੀ। ਜਰਮ ਥਿਊਰੀ (germ theory) ਦੁਆਰਾ ਉਸਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਆਖਰਕਾਰ ਸਹੀ ਸਾਬਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਦੇ ਦਹਾਕਿਆਂ ਦੌਰਾਨ ਅਣਗਿਣਤ ਔਰਤਾਂ ਦੀ ਮੌਤ ਹੋ ਗਈ।
• ਸਿੱਖੇ ਸਬਕ: ਇਸ ਕੇਸ ਨੇ "ਸੇਮਲਵੇਇਸ ਰਿਫਲੈਕਸ" ਸ਼ਬਦ ਨੂੰ ਜਨਮ ਦਿੱਤਾ—ਨਵੇਂ ਸਬੂਤਾਂ ਨੂੰ ਅਚਾਨਕ ਰੱਦ ਕਰਨਾ ਕਿਉਂਕਿ ਇਹ ਸਥਾਪਿਤ ਵਿਸ਼ਵਾਸਾਂ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਜੀਵਨ-ਰੱਖਿਅਕ ਡੇਟਾ ਵੀ ਪੱਕੇ ਬਿਰਤਾਂਤਾਂ ਨੂੰ ਪਾਰ ਨਹੀਂ ਕਰ ਸਕਦਾ ਜਦੋਂ ਪੇਸ਼ੇਵਰ ਪਛਾਣ ਨੂੰ ਖਤਰਾ ਹੁੰਦਾ ਹੈ।

ਕੇਸ ਸਟੱਡੀ 2: "ਵੈਲਫੇਅਰ ਕਵੀਨ" ਅਤੇ ਨੀਤੀ ਨਿਰਮਾਣ (The "Welfare Queen" and Policy Formation)

• ਸੰਦਰਭ: 1976 ਦੀ ਅਮਰੀਕੀ ਰਾਸ਼ਟਰਪਤੀ ਚੋਣ ਮੁਹਿੰਮ ਦੌਰਾਨ, ਰੋਨਾਲਡ ਰੀਗਨ ਨੇ ਅਕਸਰ "ਸ਼ਿਕਾਗੋ ਵਿੱਚ ਇੱਕ ਔਰਤ" ਦਾ ਵਰਣਨ ਕੀਤਾ ਜਿਸਨੇ ਕੈਡੀਲੈਕ ਚਲਾਉਂਦੇ ਹੋਏ $150,000 ਟੈਕਸ-ਮੁਕਤ ਆਮਦਨ ਇਕੱਠੀ ਕਰਨ ਲਈ ਕਥਿਤ ਤੌਰ 'ਤੇ 80 ਉਪਨਾਮਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਸੀ।
• ਕੀ ਹੋਇਆ: ਔਰਤ, ਲਿੰਡਾ ਟੇਲਰ, ਮੌਜੂਦ ਸੀ, ਪਰ ਉਹ ਇੱਕ ਅਪਰਾਧਿਕ ਆਊਟਲਾਇਰ ਸੀ—ਇੱਕ "ਅੰਕੜਾਤਮਕ ਯੂਨੀਕੋਰਨ" ਜਿਸਦੀ ਗੁੰਝਲਦਾਰ ਧੋਖਾਧੜੀ ਬਹੁਤ ਘੱਟ ਸੀ। ਰੀਗਨ ਨੇ ਪੂਰੀ ਭਲਾਈ ਪ੍ਰਣਾਲੀ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇਸ ਸਿੰਗਲ ਕਹਾਣੀ ਦੀ ਵਾਰ-ਵਾਰ ਵਰਤੋਂ ਕੀਤੀ।
• ਕੰਮ 'ਤੇ ਪੱਖਪਾਤ: "ਵੈਲਫੇਅਰ ਕਵੀਨ" ਦੀ ਸਪਸ਼ਟ ਤਸਵੀਰ ਨੇ "ਨਮੂਨੇ ਦੇ ਪੱਖਪਾਤ ਪ੍ਰਤੀ ਅਸੰਵੇਦਨਸ਼ੀਲਤਾ" ਦਾ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਜਿਸਨੂੰ ਹੈਮਿਲ, ਵਿਲਸਨ ਅਤੇ ਨਿਸਬੇਟ ਨੇ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਦਿੱਤਾ ਸੀ। ਨਾਟਕੀ ਵੇਰਵਿਆਂ ਨੇ ਟੇਲਰ ਦੀ ਕਹਾਣੀ ਨੂੰ ਵੋਟਰਾਂ ਲਈ ਬਹੁਤ "ਉਪਲਬਧ" ਬਣਾ ਦਿੱਤਾ, ਅਮੂਰਤ ਗਰੀਬੀ ਦੇ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਅਸਲੀ।
• ਨਤੀਜੇ: ਇਹ ਇਕੱਲਾ ਕਿੱਸਾ ਲੱਖਾਂ ਗਰੀਬ ਪਰਿਵਾਰਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਨੀਤੀਗਤ ਤਬਦੀਲੀਆਂ ਦਾ ਕਾਰਨ ਬਣ ਗਿਆ ਜੋ ਲਿੰਡਾ ਟੇਲਰ ਨਾਲ ਕੋਈ ਸਮਾਨਤਾ ਨਹੀਂ ਰੱਖਦੇ ਸਨ। ਕਹਾਣੀ ਨੇ ਨਿਯਮ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਹੀ ਅਪਵਾਦ ਵਾਲੇ ਕੇਸ ਦਾ ਇਲਾਜ ਕਰਕੇ ਇੱਕ ਸੁਰੱਖਿਆ ਜਾਲ (safety net) ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਦਨਾਮ ਕੀਤਾ।
• ਸਿੱਖੇ ਸਬਕ: ਇੱਕ ਸਿੰਗਲ, ਸਪਸ਼ਟ ਕਹਾਣੀ ਲੱਖਾਂ ਲੋਕਾਂ ਬਾਰੇ ਵਿਆਪਕ ਡੇਟਾ ਨਾਲੋਂ ਰਾਸ਼ਟਰੀ ਨੀਤੀ ਨੂੰ ਵਧੇਰੇ ਆਕਾਰ ਦੇ ਸਕਦੀ ਹੈ। ਜਦੋਂ ਅੰਕੜੇ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਬਿਰਤਾਂਤ ਨਾਲ ਟਕਰਾਉਂਦੇ ਹਨ, ਤਾਂ ਬਿਰਤਾਂਤ ਰਾਜਨੀਤਿਕ ਖੇਤਰ ਵਿੱਚ ਜਿੱਤ ਜਾਂਦਾ ਹੈ।

ਕੇਸ ਸਟੱਡੀ 3: ਸੈਲੀ ਕਲਾਰਕ ਕੇਸ (The Sally Clark Case)

• ਸੰਦਰਭ: 1999 ਯੂਕੇ ਵਿੱਚ, ਵਕੀਲ ਸੈਲੀ ਕਲਾਰਕ ਨੇ ਅਚਾਨਕ ਇਨਫੈਂਟ ਡੈਥ ਸਿੰਡਰੋਮ (SIDS) ਕਾਰਨ ਦੋ ਬੱਚੇ ਗੁਆ ਦਿੱਤੇ। ਉਸ 'ਤੇ ਕਤਲ ਦਾ ਦੋਸ਼ ਲਗਾਇਆ ਗਿਆ ਸੀ।
• ਕੀ ਹੋਇਆ: ਮਾਹਰ ਗਵਾਹ ਸਰ ਰਾਏ ਮੀਡੋ ਨੇ ਗਵਾਹੀ ਦਿੱਤੀ ਕਿ ਇੱਕ ਪਰਿਵਾਰ ਵਿੱਚ ਦੋ SIDS ਮੌਤਾਂ ਦੀ ਸੰਭਾਵਨਾ 73 ਮਿਲੀਅਨ ਵਿੱਚ 1 ਸੀ, ਜਿਸਦੀ ਗਣਨਾ ਸਿੰਗਲ-ਡੈਥ ਜੋਖਮ (8,500 ਵਿੱਚ 1) ਦੇ ਵਰਗ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਸੀ। ਇਸਨੇ ਮੰਨਿਆ ਕਿ ਮੌਤਾਂ ਸੁਤੰਤਰ ਘਟਨਾਵਾਂ ਸਨ—ਪਰ ਜੈਨੇਟਿਕ ਅਤੇ ਵਾਤਾਵਰਣਕ ਕਾਰਕ ਪਰਿਵਾਰਾਂ ਦੇ ਅੰਦਰ SIDS ਜੋਖਮਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜਦੇ ਹਨ।
• ਕੰਮ 'ਤੇ ਪੱਖਪਾਤ: ਜਿਊਰੀ ਨੂੰ ਉਹ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਜੋ ਇੱਕ "ਅੰਕੜਾਤਮਕ" ਦਲੀਲ ਜਾਪਦੀ ਸੀ ਜੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਭਰਮਪੂਰਨ ਕਥਾਤਮਕ ਫਰੇਮਿੰਗ ਸੀ: "ਇਹ ਬਹੁਤ ਘੱਟ ਹੁੰਦਾ ਹੈ, ਇਹ ਕਤਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।" ਉਹਨਾਂ ਨੇ ਇਸ ਗੱਲ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਕਿ ਜਦੋਂ ਕਿ ਡਬਲ-SIDS ਬਹੁਤ ਘੱਟ ਹੁੰਦਾ ਹੈ, ਦੋਹਰਾ-ਕਤਲ ਵੀ ਬਹੁਤ ਘੱਟ ਹੁੰਦਾ ਹੈ—ਸੰਬੰਧਿਤ ਤੁਲਨਾ ਕਦੇ ਵੀ ਸਹੀ ਢੰਗ ਨਾਲ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ। ਇੱਕ ਮਾਂ ਦੁਆਰਾ ਆਪਣੇ ਬੱਚਿਆਂ ਨੂੰ ਮਾਰਨ ਦੀ ਕਹਾਣੀ ਇੱਕ ਅਜਿਹੇ ਪੈਟਰਨ ਵਿੱਚ ਫਿੱਟ ਹੁੰਦੀ ਹੈ ਜਿਸਨੂੰ ਉਹ ਸਮਝ ਸਕਦੇ ਸਨ; ਸੰਭਾਵਨਾ ਸਿਧਾਂਤ (probability theory) ਨਹੀਂ।
• ਨਤੀਜੇ: ਸੈਲੀ ਕਲਾਰਕ ਨੂੰ ਦੋਸ਼ੀ ਠਹਿਰਾਇਆ ਗਿਆ ਸੀ ਅਤੇ ਅੰਕੜਾਤਮਕ ਗਲਤੀ ਦੇ ਸਾਹਮਣੇ ਆਉਣ ਅਤੇ ਉਸਦੀ ਸਜ਼ਾ ਨੂੰ ਪਲਟਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਸਾਲਾਂ ਜੇਲ੍ਹ ਵਿੱਚ ਬਿਤਾਏ ਸਨ। ਰਿਹਾਈ ਤੋਂ ਥੋੜ੍ਹੀ ਦੇਰ ਬਾਅਦ ਉਸਦੀ ਅਲਕੋਹਲ ਜ਼ਹਿਰ (alcohol poisoning) ਕਾਰਨ ਮੌਤ ਹੋ ਗਈ, ਜੋ ਕਹਾਣੀਆਤਮਕ ਸ਼ੱਕ ਦੇ ਵਿਰੁੱਧ ਅੰਕੜਾਤਮਕ ਸਬੂਤਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਤੋਲਣ ਵਿੱਚ ਕਾਨੂੰਨੀ ਪ੍ਰਣਾਲੀ ਦੀ ਅਸਫਲਤਾ ਦਾ ਸ਼ਿਕਾਰ ਸੀ।
• ਸਿੱਖੇ ਸਬਕ: "ਨੰਗੇ ਅੰਕੜੇ," ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਪਰ ਝੂਠੇ ਬਿਰਤਾਂਤ ਬਣਾ ਸਕਦੇ ਹਨ। ਕਨੂੰਨੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸੰਭਾਵੀ ਸਬੂਤਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਬਿਹਤਰ ਸਾਧਨਾਂ ਦੀ ਲੋੜ ਹੈ—ਨਾ ਤਾਂ ਸ਼ੁੱਧ ਕਹਾਣੀ ਅਤੇ ਨਾ ਹੀ ਮਾੜੇ ਅੰਕੜੇ ਨਿਆਂ ਦੀ ਸੇਵਾ ਕਰਦੇ ਹਨ।

ਇਤਿਹਾਸਕ ਉਦਾਹਰਣ: MMR ਵੈਕਸੀਨ ਪੈਨਿਕ (Historical Example: The MMR Vaccine Panic)

1998 ਵਿੱਚ, ਐਂਡਰਿਊ ਵੇਕਫੀਲਡ (Andrew Wakefield) ਨੇ ਦ ਲੈਨਸੇਟ (The Lancet) ਵਿੱਚ ਇੱਕ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਿਸ ਵਿੱਚ 12 ਬੱਚਿਆਂ ਦਾ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਸੀ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਅੰਤੜੀਆਂ ਦੇ ਲੱਛਣ ਅਤੇ ਔਟਿਜ਼ਮ (autism) ਸੀ, ਜਿਸਨੂੰ ਮਾਪਿਆਂ ਨੇ MMR ਵੈਕਸੀਨ ਨਾਲ ਜੋੜਿਆ ਸੀ। ਇਹ "ਕੇਸ ਲੜੀ" ਅਸਲ ਵਿੱਚ ਕਿੱਸਿਆਂ ਦਾ ਇੱਕ ਸੰਗ੍ਰਹਿ ਸੀ।

ਡੈਨਮਾਰਕ, ਫਿਨਲੈਂਡ ਅਤੇ ਅਮਰੀਕਾ ਵਿੱਚ ਲੱਖਾਂ ਬੱਚਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਬਾਅਦ ਦੇ ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨਿਕ ਅਧਿਐਨਾਂ ਨੇ ਵੈਕਸੀਨ ਅਤੇ ਔਟਿਜ਼ਮ ਵਿਚਕਾਰ ਜ਼ੀਰੋ ਸਬੰਧ ਪਾਇਆ। ਵੇਕਫੀਲਡ ਦਾ ਪੇਪਰ ਵਾਪਸ ਲੈ ਲਿਆ ਗਿਆ ਸੀ, ਅਤੇ ਉਸਨੂੰ ਧੋਖਾਧੜੀ ਲਈ ਬੇਨਕਾਬ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਉਸਦਾ ਮੈਡੀਕਲ ਲਾਇਸੈਂਸ ਖੋਹ ਲਿਆ ਗਿਆ ਸੀ।

ਫਿਰ ਵੀ ਕਹਾਣੀ ਦਹਾਕਿਆਂ ਬਾਅਦ ਵੀ ਜਾਰੀ ਹੈ। "ਸਿਹਤਮੰਦ ਬੱਚਾ → ਟੀਕਾਕਰਨ → ਔਟਿਜ਼ਮ" ਦੀ ਕਹਾਣੀ ਦੀ ਚਾਪ ਇੰਨੀ ਕਥਾਤਮਕ ਤੌਰ 'ਤੇ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਅਤੇ ਮਾਪਿਆਂ ਲਈ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੈ ਕਿ ਇਹ ਆਬਾਦੀ-ਪੱਧਰ ਦੇ ਡੇਟਾ ਨੂੰ ਅਣਡਿੱਠ ਕਰ ਦਿੰਦੀ ਹੈ। ਮਨੁੱਖੀ ਦਿਮਾਗ ਇੱਕ ਬੱਚੇ ਦੀ ਭਾਵਨਾਤਮਕ ਕਹਾਣੀ ਦੇ ਵਿਰੁੱਧ ਅਮੂਰਤ "1 ਮਿਲੀਅਨ ਵਿੱਚ 1" ਜੋਖਮ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਤੋਲਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਪੋਸਟ ਹੌਕ ਫਾਲੇਸੀ (post hoc fallacy) (ਇਹ ਬਾਅਦ ਵਿੱਚ ਹੋਇਆ, ਇਸ ਲਈ ਇਸ ਕਾਰਨ ਹੋਇਆ) ਇੱਕ ਡਰਾਉਣੇ ਨਿਦਾਨ ਲਈ ਇੱਕ ਸਧਾਰਨ ਵਿਆਖਿਆ ਪੇਸ਼ ਕਰਦੀ ਹੈ।

ਇਹ ਇਤਿਹਾਸਕ ਉਦਾਹਰਣ ਵੈਕਸੀਨ ਪ੍ਰਤੀ ਹਿਚਕਿਚਾਹਟ ਅਤੇ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਖਸਰੇ (measles) ਦੇ ਪ੍ਰਕੋਪ ਦੁਆਰਾ ਜਨਤਕ ਸਿਹਤ ਨੂੰ ਆਕਾਰ ਦਿੰਦੀ ਹੈ, ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦੇ ਬਹੁ-ਪੀੜ੍ਹੀ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ।

6. ਇਸ ਪੱਖਪਾਤ ਦੀ ਕੀਮਤ (The Cost of This Bias)

6.1. ਨਿੱਜੀ ਕੀਮਤਾਂ (Personal Costs)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਵਿਅਕਤੀਆਂ ਨੂੰ ਗੈਰ-ਪ੍ਰਤੀਨਿਧ ਜਾਣਕਾਰੀ ਦੇ ਆਧਾਰ 'ਤੇ ਆਪਣੇ ਹਿੱਤਾਂ ਦੇ ਵਿਰੁੱਧ ਫੈਸਲੇ ਲੈਣ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।

ਸਿਹਤ ਨੂੰ ਨੁਕਸਾਨ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਨਿੱਜੀ ਕਹਾਣੀਆਂ ਡਾਕਟਰੀ ਸਬੂਤਾਂ ਨੂੰ ਰੱਦ ਕਰਦੀਆਂ ਹਨ—ਕਲੀਨਿਕਲ ਡੇਟਾ ਦੀ ਬਜਾਏ ਕਿਸੇ ਦੋਸਤ ਦੇ ਅਨੁਭਵ ਦੇ ਆਧਾਰ 'ਤੇ ਇਲਾਜ ਚੁਣਨਾ, ਦੁਰਲੱਭ ਮਾੜੇ ਪ੍ਰਭਾਵਾਂ ਬਾਰੇ ਡਰਾਉਣੀਆਂ ਕਹਾਣੀਆਂ ਕਾਰਨ ਸਾਬਤ ਹੋਏ ਦਖਲਅੰਦਾਜ਼ੀ ਤੋਂ ਬਚਣਾ।

ਵਿੱਤੀ ਤੰਦਰੁਸਤੀ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਦਾ ਹੈ ਜਦੋਂ ਨਿਵੇਸ਼ ਦੇ ਫੈਸਲੇ ਵਿਭਿੰਨਤਾ ਅਤੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਦੇ ਠੋਸ ਸਿਧਾਂਤਾਂ ਦੀ ਬਜਾਏ "ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਜਿਸਨੇ ਲੱਖਾਂ ਕਮਾਏ" ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ।

ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਦਾ ਹੈ ਜਦੋਂ ਸੰਭਾਵੀ ਭਾਈਵਾਲਾਂ, ਦੋਸਤਾਂ, ਜਾਂ ਸਮੂਹਾਂ ਬਾਰੇ ਨਿਰਣੇ ਵਿਵਹਾਰ ਦੇ ਅਸਲ ਪੈਟਰਨਾਂ ਦੀ ਬਜਾਏ ਸਪਸ਼ਟ ਵਿਅਕਤੀਗਤ ਕਹਾਣੀਆਂ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੇ ਹਨ।

ਜੀਵਨ ਦੀ ਗੁਣਵੱਤਾ ਘਟ ਜਾਂਦੀ ਹੈ ਕਿਉਂਕਿ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਘਟਨਾਵਾਂ (ਜਹਾਜ਼ ਦੇ ਹਾਦਸੇ, ਅਜਨਬੀ ਦੁਆਰਾ ਅਗਵਾ, ਅੱਤਵਾਦੀ ਹਮਲੇ) ਦਾ ਡਰ ਬੇਲੋੜੀ ਪਾਬੰਦੀਆਂ ਅਤੇ ਚਿੰਤਾ ਵੱਲ ਖੜਦਾ ਹੈ।

6.2. ਪੇਸ਼ੇਵਰ ਕੀਮਤਾਂ (Professional Costs)

ਸਫਲਤਾ ਦੇ ਟਰੈਕ ਰਿਕਾਰਡ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ, ਇੱਕ ਯਾਦਗਾਰੀ ਅਸਫਲਤਾ ਦੁਆਰਾ ਕਰੀਅਰ ਨੂੰ ਪਟੜੀ ਤੋਂ ਉਤਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਵਿਵਸਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ ਸਪਸ਼ਟ ਕੇਸ ਸਟੱਡੀ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ, ਸੰਸਥਾਵਾਂ ਮਾੜੇ ਰਣਨੀਤਕ ਫੈਸਲੇ ਲੈਂਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਪਹਿਲਕਦਮੀਆਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦੀਆਂ ਹਨ ਜੋ "ਕੰਪਨੀ X ਲਈ ਕੰਮ ਕਰਦੀਆਂ ਸਨ" ਬਿਨਾਂ ਇਹ ਸਮਝੇ ਕਿ ਕੀ ਹਾਲਾਤ ਤੁਲਨਾਤਮਕ ਹਨ।

ਪ੍ਰਮਾਣਿਤ ਭਵਿੱਖਬਾਣੀਆਂ ਦੀ ਬਜਾਏ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਨਿੱਜੀ ਬਿਰਤਾਂਤਾਂ 'ਤੇ ਆਧਾਰਿਤ ਨੌਕਰੀ 'ਤੇ ਰੱਖਣ ਅਤੇ ਤਰੱਕੀ ਦੇ ਫੈਸਲੇ ਉਪ-ਅਨੁਕੂਲ ਟੀਮਾਂ (suboptimal teams) ਅਤੇ ਖੁੰਝੀ ਹੋਈ ਪ੍ਰਤਿਭਾ ਬਣਾਉਂਦੇ ਹਨ।

ਨਵੀਨਤਾ ਉਦੋਂ ਦਬਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਨਾਟਕੀ ਅਸਫਲਤਾ ਦੀਆਂ ਕਹਾਣੀਆਂ ("ਪ੍ਰੋਜੈਕਟ ਵਾਈ ਯਾਦ ਹੈ?") ਸਵੀਕਾਰਯੋਗ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਡੇਟਾ ਦੇ ਬਾਵਜੂਦ ਵਾਜਬ ਜੋਖਮ ਲੈਣ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ।

6.3. ਸਮਾਜਿਕ ਕੀਮਤਾਂ (Societal Costs)

ਜਦੋਂ ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਸਮੂਹਿਕ ਫੈਸਲੇ ਲੈਣ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਪਹੁੰਚਦਾ ਹੈ, ਤਾਂ ਨਤੀਜੇ ਕਈ ਗੁਣਾ ਵੱਧ ਜਾਂਦੇ ਹਨ।

ਵਿਆਪਕ ਡੇਟਾ ਦੀ ਬਜਾਏ ਸਪਸ਼ਟ ਮਾਮਲਿਆਂ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਜਨਤਕ ਨੀਤੀ ਸਰੋਤਾਂ ਦੀ ਗਲਤ ਵੰਡ ਕਰਦੀ ਹੈ—ਨਾਟਕੀ ਪਰ ਦੁਰਲੱਭ ਖਤਰਿਆਂ ਦੇ ਜਵਾਬਾਂ ਲਈ ਫੰਡ ਦੇਣਾ ਜਦੋਂ ਕਿ ਆਮ ਪਰ ਗੈਰ-ਨਾਟਕੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਘੱਟ ਫੰਡ ਦੇਣਾ।

ਕਾਨੂੰਨੀ ਪ੍ਰਣਾਲੀਆਂ ਜੋ ਚਸ਼ਮਦੀਦ ਗਵਾਹਾਂ ਦੀ ਗਵਾਹੀ (ਆਖਰੀ ਕਿੱਸਾ) ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦਿੰਦੀਆਂ ਹਨ, ਗਲਤ ਸਜ਼ਾਵਾਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ। ਇਨੋਸੈਂਸ ਪ੍ਰੋਜੈਕਟ (Innocence Project) ਨੇ ਪਾਇਆ ਹੈ ਕਿ ਲਗਭਗ 70% DNA ਮੁਆਫ਼ੀ ਵਿੱਚ ਚਸ਼ਮਦੀਦ ਗਵਾਹਾਂ ਦੀ ਗਲਤ ਪਛਾਣ ਸ਼ਾਮਲ ਸੀ।

ਜਨਤਕ ਸਿਹਤ ਪਹਿਲਕਦਮੀਆਂ ਅਸਫਲ ਹੋ ਜਾਂਦੀਆਂ ਹਨ ਜਦੋਂ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਵਿਅਕਤੀਗਤ ਕਹਾਣੀਆਂ ਟੀਕਾਕਰਨ ਅਤੇ ਹੋਰ ਸਬੂਤ-ਆਧਾਰਿਤ ਦਖਲਅੰਦਾਜ਼ੀ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੀਆਂ ਹਨ। ਵੈਕਸੀਨ ਪ੍ਰਤੀ ਹਿਚਕਿਚਾਹਟ ਤੋਂ ਬਾਅਦ ਖਸਰੇ ਦਾ ਪ੍ਰਕੋਪ ਡਾਕਟਰੀ ਖਤਰਿਆਂ ਬਾਰੇ ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਦੀ ਸਿੱਧੀ ਸਮਾਜਿਕ ਕੀਮਤ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਜਮਹੂਰੀ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਦਾ ਹੈ ਜਦੋਂ ਨੀਤੀਗਤ ਬਹਿਸਾਂ ਸਮੁੱਚੇ ਪ੍ਰਭਾਵਾਂ ਦੇ ਧਿਆਨ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ ਵਿਰੋਧੀ ਕਹਾਣੀਆਂ ਵਿਚਕਾਰ ਮੁਕਾਬਲੇ ਬਣ ਜਾਂਦੀਆਂ ਹਨ।

6.4. ਅੰਕੜਾਤਮਕ ਪ੍ਰਭਾਵ (Statistical Impact)

ਖੋਜ ਇਨ੍ਹਾਂ ਪ੍ਰਭਾਵਾਂ ਦੀ ਤੀਬਰਤਾ ਨੂੰ ਮਾਪਦੀ ਹੈ।

ਗਲਤ ਸਜ਼ਾਵਾਂ ਵਿੱਚ, DNA ਸਬੂਤਾਂ ਨੇ ਸੈਂਕੜੇ ਕੈਦੀਆਂ ਨੂੰ ਬਰੀ ਕਰ ਦਿੱਤਾ ਹੈ, ਇਹਨਾਂ ਵਿੱਚੋਂ ਲਗਭਗ 70% ਕੇਸਾਂ ਵਿੱਚ ਚਸ਼ਮਦੀਦ ਗਵਾਹਾਂ ਦੀ ਗਲਤ ਪਛਾਣ ਮੌਜੂਦ ਹੈ—ਕਾਨੂੰਨੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਕਿੱਸੇ-ਸੰਬੰਧੀ ਸਬੂਤਾਂ ਦੀ ਕੀਮਤ ਦਾ ਸਿੱਧਾ ਮਾਪ।

1990 ਦੇ ਦਹਾਕੇ ਦੇ ਸਿਲੀਕੋਨ ਬ੍ਰੈਸਟ ਇਮਪਲਾਂਟ ਮੁਕੱਦਮੇਬਾਜ਼ੀ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਡਾਓ ਕਾਰਨਿੰਗ (Dow Corning) ਦਾ ਦੀਵਾਲੀਆਪਨ ਹੋਇਆ—ਸਰੋਤਾਂ ਦੀ ਬਹੁ-ਅਰਬ ਡਾਲਰ ਦੀ ਮੁੜ-ਵੰਡ—ਇਸਦੇ ਬਾਵਜੂਦ ਕਿ ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨਿਕ ਅਧਿਐਨ ਲਗਾਤਾਰ ਸਿਲੀਕੋਨ ਅਤੇ ਆਟੋਇਮਿਊਨ ਬਿਮਾਰੀ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਦਿਖਾ ਰਹੇ ਹਨ। ਜਿਊਰੀਆਂ ਬਿਮਾਰ ਔਰਤਾਂ ਦੀ ਕਹਾਣੀਆਤਮਕ ਗਵਾਹੀ ਦੁਆਰਾ ਕਾਰਨ ਦੀ ਅੰਕੜਾਤਮਕ ਅਣਹੋਂਦ ਨਾਲੋਂ ਪ੍ਰਭਾਵਿਤ ਹੋਈਆਂ ਸਨ।

ਵੈਕਸੀਨ ਦੁਆਰਾ ਰੋਕੀਆਂ ਜਾ ਸਕਣ ਵਾਲੀਆਂ ਬਿਮਾਰੀਆਂ ਦਾ ਪ੍ਰਕੋਪ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਹਾਣੀਆਤਮਕ ਹਿਚਕਿਚਾਹਟ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ। ਜਾਨਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਕੀਮਤ ਅਤੇ ਪ੍ਰਕੋਪ ਪ੍ਰਤੀਕਿਰਿਆ ਦੀ ਆਰਥਿਕ ਕੀਮਤ ਪੈਮਾਨੇ 'ਤੇ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦੇ ਮਾਪਣਯੋਗ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।

7. ਲੁਕੇ ਹੋਏ ਲਾਭ (The Hidden Benefits)

ਅੰਕੜਿਆਂ ਦੀ ਬਜਾਏ ਕਹਾਣੀਆਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨੁਕਸਾਨਦੇਹ ਨਹੀਂ ਹੈ—ਇਸਨੇ ਮਹੱਤਵਪੂਰਨ ਕਾਰਜਾਂ ਦੀ ਸੇਵਾ ਕੀਤੀ ਹੈ ਜੋ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਢੁਕਵੇਂ ਰਹਿੰਦੇ ਹਨ।

ਕਹਾਣੀਆਂ ਸ਼ਾਨਦਾਰ ਪਰਿਕਲਪਨਾ (hypothesis) ਪੈਦਾ ਕਰਨ ਵਾਲੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਡੇਟਾ ਇਕੱਠਾ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ, ਕਿਸੇ ਨੂੰ ਕੁਝ ਦਿਲਚਸਪ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਪਸ਼ਟ ਮਾਮਲਾ ਜੋ ਧਿਆਨ ਖਿੱਚਦਾ ਹੈ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਵਿਵਸਥਿਤ ਅਧਿਐਨ ਦੇ ਯੋਗ ਘਟਨਾਵਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰ ਸਕਦਾ ਹੈ। ਹਰ ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨਿਕ ਅਧਿਐਨ ਦੀ ਸ਼ੁਰੂਆਤ ਉਦੋਂ ਹੋਈ ਜਦੋਂ ਕਿਸੇ ਨੇ ਕੋਈ ਅਸਾਧਾਰਨ ਕਲੱਸਟਰ ਦੇਖਿਆ।

ਕਹਾਣੀਆਂ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਹਮਦਰਦੀ ਅਤੇ ਪ੍ਰੇਰਣਾ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ ਜੋ ਅੰਕੜੇ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਮਸ਼ਹੂਰ ਨਿਰੀਖਣ ਕਿ "ਇੱਕ ਮੌਤ ਇੱਕ ਤ੍ਰਾਸਦੀ ਹੈ; ਇੱਕ ਮਿਲੀਅਨ ਮੌਤਾਂ ਇੱਕ ਅੰਕੜਾ ਹੈ" ਮਨੁੱਖੀ ਮਨੋਵਿਗਿਆਨ ਬਾਰੇ ਕੁਝ ਅਸਲ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਦਾ ਹੈ। ਚੈਰੀਟੇਬਲ ਦਾਨ, ਰਾਜਨੀਤਿਕ ਸ਼ਮੂਲੀਅਤ, ਅਤੇ ਸਮਾਜਿਕ ਅੰਦੋਲਨ ਅਕਸਰ ਵਿਅਕਤੀਗਤ ਕਹਾਣੀਆਂ ਦੁਆਰਾ ਲਾਮਬੰਦ ਹੁੰਦੇ ਹਨ, ਨਾ ਕਿ ਸਮੁੱਚੇ ਡੇਟਾ ਦੁਆਰਾ।

ਕਹਾਣੀਆਤਮਕ ਤਰਕ ਸੱਚਮੁੱਚ ਵਿਲੱਖਣ ਸਥਿਤੀਆਂ ਵਿੱਚ ਢੁਕਵਾਂ ਹੋ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਅਧਾਰ ਦਰਾਂ (base rates) ਲਾਗੂ ਨਹੀਂ ਹੁੰਦੀਆਂ ਹਨ। ਜਦੋਂ ਬਿਨਾਂ ਕਿਸੇ ਸੰਬੰਧਿਤ ਅੰਕੜਾਤਮਕ ਇਤਿਹਾਸ ਦੇ ਸੱਚਮੁੱਚ ਨਵੇਂ ਫੈਸਲੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਕਹਾਣੀਆਂ ਦੁਆਰਾ ਸਮਰਥਿਤ ਸਮਾਨਤਾ-ਦੁਆਰਾ-ਤਰਕ (reasoning-by-analogy) ਸਭ ਤੋਂ ਵਧੀਆ ਉਪਲਬਧ ਵਿਕਲਪ ਹੋ ਸਕਦਾ ਹੈ।

ਸਮਾਜਿਕ ਬੰਧਨ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਸੰਚਾਰ ਬਿਰਤਾਂਤ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਕਹਾਣੀਆਂ ਉਹ ਤਰੀਕਾ ਹਨ ਜਿਸ ਨਾਲ ਭਾਈਚਾਰੇ ਤਾਲਮੇਲ ਬਣਾਈ ਰੱਖਦੇ ਹਨ ਅਤੇ ਪੀੜ੍ਹੀਆਂ ਵਿੱਚ ਕਦਰਾਂ-ਕੀਮਤਾਂ ਦਾ ਸੰਚਾਰ ਕਰਦੇ ਹਨ। ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖਤਮ ਕਰਨਾ ਮਨੁੱਖੀ ਸੱਭਿਆਚਾਰ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਦੇਵੇਗਾ।

ਜਦੋਂ ਤੁਰੰਤ ਫੈਸਲਿਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਤਾਂ ਬਿਰਤਾਂਤਕ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਗਤੀ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਸਿਸਟਮ 1 ਦੀ ਕਹਾਣੀਆਂ ਦੀ ਤਰਜੀਹ ਗੁੰਮਰਾਹ ਕਰ ਸਕਦੀ ਹੈ, ਇਹ ਤੇਜ਼ ਪ੍ਰਤੀਕਿਰਿਆ ਨੂੰ ਵੀ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ ਜਦੋਂ ਵਿਚਾਰ-ਵਟਾਂਦਰਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਭਵ ਨਹੀਂ ਹੁੰਦਾ।

ਟੀਚਾ ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਨੂੰ ਖਤਮ ਕਰਨਾ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ, ਸਗੋਂ ਇਹ ਜਾਣਨਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਨੂੰ ਅੰਕੜਾਤਮਕ ਸੋਚ ਨਾਲ ਕਦੋਂ ਰੱਦ ਕਰਨਾ ਹੈ—ਅਤੇ ਇਸ ਲਈ ਦੋਵਾਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਲੋੜ ਹੈ।

8. ਸਵੈ-ਮੁਲਾਂਕਣ: ਕੀ ਤੁਹਾਨੂੰ ਇਹ ਪੱਖਪਾਤ ਹੈ? (Self-Assessment: Do You Have This Bias?)

8.1. ਚੇਤਾਵਨੀ ਸੰਕੇਤਾਂ ਦੀ ਸੂਚੀ (Warning Signs Checklist)

• ਮੈਂ ਆਪਣੇ ਆਪ ਨੂੰ ਆਮ ਦਾਅਵਿਆਂ ਦੇ ਸਬੂਤ ਵਜੋਂ "ਮੈਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜੋ..." ਕਹਿੰਦੇ ਹੋਏ ਪਾਉਂਦਾ ਹਾਂ
• ਮੈਂ ਕਿਸੇ ਉਤਪਾਦ, ਸੇਵਾ ਜਾਂ ਇਲਾਜ ਨਾਲ ਇੱਕ ਦੋਸਤ ਦੇ ਅਨੁਭਵ ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਹਾਰ ਬਦਲਿਆ ਹੈ
• ਮੈਂ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਨਿੱਜੀ ਪ੍ਰਸੰਸਾ ਪੱਤਰਾਂ ਦੁਆਰਾ ਵਧੇਰੇ ਯਕੀਨ ਮਹਿਸੂਸ ਕਰਦਾ ਹਾਂ
• ਮੈਂ ਅੰਕੜਿਆਂ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿਉਂਕਿ ਮੈਨੂੰ ਇੱਕ ਵਿਰੋਧੀ ਉਦਾਹਰਣ ਪਤਾ ਹੈ
• ਦੁਰਲੱਭ ਘਟਨਾਵਾਂ (ਜਹਾਜ਼ ਦੇ ਹਾਦਸੇ, ਹਮਲੇ) ਬਾਰੇ ਖ਼ਬਰਾਂ ਮੇਰੇ ਵਿਵਹਾਰ ਨੂੰ ਉਸ ਤੋਂ ਵੱਧ ਬਦਲਦੀਆਂ ਹਨ ਜਿੰਨਾ ਸੰਭਾਵਨਾ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੀ ਹੈ
• ਮੈਂ ਖਰੀਦਦਾਰੀ ਦੇ ਫੈਸਲੇ ਭਾਰੀ ਤੌਰ 'ਤੇ ਨਿੱਜੀ ਕਹਾਣੀਆਂ ਵਾਲੀਆਂ ਸਮੀਖਿਆਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਲੈਂਦਾ ਹਾਂ
• ਮੈਨੂੰ ਵਿਅਕਤੀਗਤ ਮਾਮਲਿਆਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਸੰਭਾਵਨਾ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤਤਾਵਾਂ "ਠੰਡੀਆਂ" ਜਾਂ ਬੇਯਕੀਨ ਲੱਗਦੀਆਂ ਹਨ
• ਜਦੋਂ ਅੰਕੜੇ ਮੇਰੇ ਤਜ਼ਰਬੇ ਜਾਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਦੇ ਤਜ਼ਰਬੇ ਨਾਲ ਟਕਰਾਉਂਦੇ ਹਨ ਜਿਸਨੂੰ ਮੈਂ ਜਾਣਦਾ ਹਾਂ, ਤਾਂ ਮੈਂ ਤਜ਼ਰਬੇ 'ਤੇ ਭਰੋਸਾ ਕਰਦਾ ਹਾਂ
• ਮੈਂ ਆਪਣੇ ਆਪ ਨੂੰ ਉਹਨਾਂ ਨਾਟਕੀ ਕਹਾਣੀਆਂ ਨੂੰ ਯਾਦ ਕਰਦੇ ਅਤੇ ਦੁਹਰਾਉਂਦੇ ਹੋਏ ਪਾਉਂਦਾ ਹਾਂ ਜੋ ਮੈਂ ਸੁਣੀਆਂ ਹਨ
• ਮੈਨੂੰ ਅੰਕੜਾਤਮਕ ਜੋਖਮਾਂ ਬਾਰੇ ਚਿੰਤਤ ਮਹਿਸੂਸ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਮੈਂ ਉਦਾਹਰਣਾਂ ਨਹੀਂ ਦੇਖੀਆਂ ਹਨ

ਸਕੋਰਿੰਗ:

• 0-2 ਚੁਣੇ ਗਏ: ਘੱਟ ਸੰਵੇਦਨਸ਼ੀਲਤਾ
• 3-5 ਚੁਣੇ ਗਏ: ਦਰਮਿਆਨੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ
• 6-8 ਚੁਣੇ ਗਏ: ਉੱਚ ਸੰਵੇਦਨਸ਼ੀਲਤਾ
• 9-10 ਚੁਣੇ ਗਏ: ਬਹੁਤ ਉੱਚ ਸੰਵੇਦਨਸ਼ੀਲਤਾ

8.2. ਸਵੈ-ਪ੍ਰਤੀਬਿੰਬ ਪ੍ਰਸ਼ਨ (Self-Reflection Questions)

1. ਆਪਣੇ ਵੱਲੋਂ ਲਏ ਗਏ ਕਿਸੇ ਤਾਜ਼ਾ ਫੈਸਲੇ ਬਾਰੇ ਸੋਚੋ। ਅੰਕੜਾਤਮਕ ਜਾਣਕਾਰੀ ਦੇ ਮੁਕਾਬਲੇ ਨਿੱਜੀ ਕਹਾਣੀਆਂ (ਤੁਹਾਡੀਆਂ ਜਾਂ ਦੂਜਿਆਂ ਦੀਆਂ) ਨੇ ਕੀ ਭੂਮਿਕਾ ਨਿਭਾਈ? ਕੀ ਕਹਾਣੀਆਂ ਪ੍ਰਤੀਨਿਧ ਸਨ?

2. ਉਹ ਸਮਾਂ ਯਾਦ ਕਰੋ ਜਦੋਂ ਤੁਸੀਂ ਡੇਟਾ ਨੂੰ ਖਾਰਜ ਕਰ ਦਿੱਤਾ ਸੀ ਕਿਉਂਕਿ ਤੁਸੀਂ "ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦੇ ਸੀ" ਜਿਸਦਾ ਅਨੁਭਵ ਇਸਦੇ ਉਲਟ ਸੀ। ਪਿਛਲਝਾਤ ਵਿੱਚ, ਕੀ ਤੁਹਾਡਾ ਤਰਕ ਜਾਇਜ਼ ਸੀ?

3. ਕੀ ਫੈਸਲੇ ਦੀਆਂ ਅਜਿਹੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਹਨ (ਸਿਹਤ, ਵਿੱਤ, ਰਿਸ਼ਤੇ) ਜਿੱਥੇ ਤੁਸੀਂ ਕਹਾਣੀਆਂ 'ਤੇ ਜ਼ਿਆਦਾ ਭਰੋਸਾ ਕਰਦੇ ਹੋ? ਉਹਨਾਂ ਡੋਮੇਨਾਂ ਨੂੰ ਕੀ ਵੱਖਰਾ ਬਣਾਉਂਦਾ ਹੈ?

4. ਤੁਸੀਂ ਨਿੱਜੀ ਗਵਾਹੀ ਬਨਾਮ ਅੰਕੜਾਤਮਕ ਜਾਣਕਾਰੀ ਪ੍ਰਤੀ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਕਿਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹੋ? ਕੀ ਇੱਕ ਦੂਜੇ ਨਾਲੋਂ ਵਧੇਰੇ "ਅਸਲੀ" ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ?

5. ਕੀ ਕਿਸੇ ਨੇ ਕਦੇ ਸੁਝਾਅ ਦਿੱਤਾ ਹੈ ਕਿ ਤੁਸੀਂ ਸੀਮਤ ਉਦਾਹਰਣਾਂ ਤੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਾਧਾਰਣੀਕਰਨ ਕਰ ਰਹੇ ਹੋ? ਤੁਹਾਡੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕੀ ਸੀ?

8.3. ਤੁਰੰਤ ਡਾਇਗਨੌਸਟਿਕ ਦ੍ਰਿਸ਼ (Quick Diagnostic Scenario)

ਦ੍ਰਿਸ਼: ਤੁਸੀਂ ਇੱਕ ਖਾਸ ਕਾਰ ਮਾਡਲ ਖਰੀਦਣ ਬਾਰੇ ਵਿਚਾਰ ਕਰ ਰਹੇ ਹੋ। ਕੰਜ਼ਿਊਮਰ ਰਿਪੋਰਟਸ 50,000 ਮਾਲਕਾਂ ਦੇ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਇਸ ਨੂੰ ਬਹੁਤ ਹੀ ਭਰੋਸੇਮੰਦ ਦਰਜਾ ਦਿੰਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਤੁਹਾਡੇ ਗੁਆਂਢੀ ਨੇ ਪਿਛਲੇ ਸਾਲ ਇੱਕ ਖਰੀਦੀ ਸੀ ਅਤੇ ਇਸ ਵਿੱਚ ਲਗਾਤਾਰ ਸਮੱਸਿਆਵਾਂ ਆ ਰਹੀਆਂ ਹਨ। ਤੁਸੀਂ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਤੋਲਦੇ ਹੋ?

ਤੁਸੀਂ ਕਿਵੇਂ ਜਵਾਬ ਦੇਵੋਗੇ?

• A) "ਮੇਰੇ ਗੁਆਂਢੀ ਦਾ ਅਨੁਭਵ ਮੇਰੇ ਲਈ ਅਮੂਰਤ ਰੇਟਿੰਗਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਅਸਲੀ ਹੈ। ਮੈਂ ਸ਼ਾਇਦ ਹੋਰ ਮਾਡਲਾਂ ਨੂੰ ਦੇਖਾਂਗਾ।" → ਉੱਚ ਸੰਵੇਦਨਸ਼ੀਲਤਾ
• B) "ਮੈਂ ਦੋਵਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਾਂਗਾ, ਪਰ ਮੇਰੇ ਗੁਆਂਢੀ ਦਾ ਤਜਰਬਾ ਮੈਨੂੰ ਉਸ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਚਿੰਤਤ ਕਰੇਗਾ ਜਿੰਨਾ ਮੈਨੂੰ ਤਰਕਸੰਗਤ ਤੌਰ 'ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।" → ਦਰਮਿਆਨੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ
• C) "ਮੇਰਾ ਗੁਆਂਢੀ 50,000 ਵਿੱਚੋਂ ਇੱਕ ਡੇਟਾ ਪੁਆਇੰਟ ਹੈ। ਉਹਨਾਂ ਦਾ ਬੁਰਾ ਤਜਰਬਾ ਸਮੁੱਚੀ ਭਰੋਸੇਯੋਗਤਾ ਤਸਵੀਰ ਨੂੰ ਨਹੀਂ ਬਦਲਦਾ, ਹਾਲਾਂਕਿ ਮੈਂ ਪੁੱਛ ਸਕਦਾ ਹਾਂ ਕਿ ਖਾਸ ਤੌਰ 'ਤੇ ਕੀ ਗਲਤ ਹੋਇਆ ਹੈ।" → ਘੱਟ ਸੰਵੇਦਨਸ਼ੀਲਤਾ

9. ਦੂਜਿਆਂ ਵਿੱਚ ਇਸ ਪੱਖਪਾਤ ਦੀ ਪਛਾਣ ਕਰਨਾ (Identifying This Bias in Others)

9.1. ਵਿਵਹਾਰ ਸੰਬੰਧੀ ਸੂਚਕ (Behavioral Indicators)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦੇ ਪ੍ਰਭਾਵ ਹੇਠ ਲੋਕ ਅਕਸਰ ਨਿਰੰਤਰ ਪੈਟਰਨ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ।

ਉਹਨਾਂ ਦੀਆਂ ਦਲੀਲਾਂ ਵਿਅਕਤੀਗਤ ਮਾਮਲਿਆਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੁੰਦੀਆਂ ਹਨ: ਉਹ ਡੇਟਾ ਦੀ ਬਜਾਏ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਹਾਣੀਆਂ ਰਾਹੀਂ ਸਬੂਤ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਫੈਸਲਿਆਂ ਨੂੰ ਪੈਟਰਨਾਂ ਦੀ ਬਜਾਏ ਖਾਸ ਉਦਾਹਰਣਾਂ ਦੁਆਰਾ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ ਜਾਂਦਾ ਹੈ।

ਉਹ ਸਪਸ਼ਟ ਘਟਨਾਵਾਂ ਪ੍ਰਤੀ ਅਸੰਤੁਲਿਤ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਿਖਾਉਂਦੇ ਹਨ: ਨਾਟਕੀ ਖ਼ਬਰਾਂ ਤੋਂ ਬਾਅਦ ਵਿਵਹਾਰ ਬਦਲਦਾ ਹੈ, ਭਾਵੇਂ ਸੰਭਾਵਨਾ ਸਾਰਥਕ ਤੌਰ 'ਤੇ ਨਾ ਬਦਲੀ ਹੋਵੇ।

ਉਹ ਅੰਕੜਾਤਮਕ ਸੁਧਾਰ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹਨ: ਜਦੋਂ ਉਹਨਾਂ ਦੇ ਕਿੱਸੇ ਦਾ ਖੰਡਨ ਕਰਨ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਅੰਕੜਿਆਂ ਨੂੰ ਰੱਦ ਕਰਦੇ ਹਨ, ਅਣਡਿੱਠ ਕਰਦੇ ਹਨ, ਜਾਂ ਤਰਕਸੰਗਤ ਬਣਾਉਂਦੇ ਹਨ।

ਉਹ ਛੋਟੇ ਨਮੂਨਿਆਂ ਤੋਂ ਭਰੋਸੇ ਨਾਲ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ: ਸੀਮਤ ਨਿੱਜੀ ਤਜਰਬਾ ਸਮੂਹਾਂ, ਉਤਪਾਦਾਂ, ਜਾਂ ਵਰਤਾਰਿਆਂ ਬਾਰੇ ਵਿਆਪਕ ਸਾਧਾਰਣੀਕਰਨ ਦਾ ਆਧਾਰ ਬਣ ਜਾਂਦਾ ਹੈ।

9.2. ਗੱਲਬਾਤ ਦੇ ਰੈੱਡ ਫਲੈਗ (Conversational Red Flags)

ਵਾਕੰਸ਼ ਜੋ ਲੋਕ ਇਸ ਪੱਖਪਾਤ ਦੇ ਅਧੀਨ ਹੋਣ 'ਤੇ ਕਹਿੰਦੇ ਹਨ:

• "ਮੈਨੂੰ ਪਰਵਾਹ ਨਹੀਂ ਕਿ ਅੰਕੜੇ ਕੀ ਕਹਿੰਦੇ ਹਨ, ਮੈਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜੋ..."
• "ਅੰਕੜੇ ਕੁਝ ਵੀ ਕਹਿ ਸਕਦੇ ਹਨ, ਪਰ ਅਸਲ ਅਨੁਭਵ..."
• "ਮੇਰੀ ਦਾਦੀ ਨੇ ਸਾਰੀ ਉਮਰ ਸਿਗਰਟ ਪੀਤੀ ਅਤੇ 95 ਸਾਲ ਦੀ ਉਮਰ ਤੱਕ ਜਿਉਂਦੀ ਰਹੀ"
• "ਮੈਂ ਇੱਕ ਅਜਿਹਾ ਕੇਸ ਪੜ੍ਹਿਆ ਜਿੱਥੇ..."
• "ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਸੱਚ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਮੇਰੇ ਅਨੁਭਵ ਵਿੱਚ..."

ਉਹਨਾਂ ਵੱਲੋਂ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਦਲੀਲਾਂ ਦੀਆਂ ਕਿਸਮਾਂ:

• ਆਊਟਲਾਇਰਾਂ ਨੂੰ ਅੰਕੜਾਤਮਕ ਰੁਝਾਨਾਂ ਦੇ ਖੰਡਨ ਵਜੋਂ ਮੰਨਣਾ
• ਇਹ ਮੰਗ ਕਰਨਾ ਕਿ ਆਮ ਨਿਯਮ ਹਰ ਖਾਸ ਕੇਸ ਦਾ ਹਿਸਾਬ ਰੱਖਣ
• ਹਾਲੀਆ ਜਾਂ ਸਪਸ਼ਟ ਉਦਾਹਰਣਾਂ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦੇਣਾ

ਸਵਾਲ ਜੋ ਉਹ ਪੁੱਛਣ ਤੋਂ ਬਚਦੇ ਹਨ:

• "ਇਹ ਕਿੰਨੇ ਕੇਸਾਂ 'ਤੇ ਆਧਾਰਿਤ ਸੀ?"
• "ਕੀ ਇਹ ਉਦਾਹਰਣ ਪ੍ਰਤੀਨਿਧ ਹੈ?"
• "ਅਧਾਰ ਦਰ (base rate) ਕੀ ਹੈ?"

9.3. ਸਥਿਤੀ ਸੰਬੰਧੀ ਟਰਿੱਗਰ (Situational Triggers)

ਕੁਝ ਹਾਲਾਤ ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ।

ਉੱਚ ਭਾਵਨਾਤਮਕ ਦਾਅ ਕਮਜ਼ੋਰੀ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ। ਜਦੋਂ ਫੈਸਲੇ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਖਤਰਨਾਕ ਜਾਂ ਮਹੱਤਵਪੂਰਨ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ, ਤਾਂ ਸਿਸਟਮ 1 ਹਾਵੀ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕਹਾਣੀਆਂ ਵਧੇਰੇ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਬਣ ਜਾਂਦੀਆਂ ਹਨ।

ਸਮੇਂ ਦਾ ਦਬਾਅ ਧਿਆਨ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਜਲਦੀ ਫੈਸਲਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਲੋਕ ਸਭ ਤੋਂ ਵੱਧ ਉਪਲਬਧ ਜਾਣਕਾਰੀ 'ਤੇ ਡਿਫੌਲਟ ਕਰਦੇ ਹਨ—ਆਮ ਤੌਰ 'ਤੇ ਕਹਾਣੀਆਂ।

ਗੁੰਝਲਦਾਰ ਜਾਂ ਅਮੂਰਤ ਡੋਮੇਨ ਬਿਰਤਾਂਤ ਦਾ ਪੱਖ ਲੈਂਦੇ ਹਨ। ਜਦੋਂ ਅੰਕੜਿਆਂ ਨੂੰ ਸਮਝਣਾ ਜਾਂ ਵਿਆਖਿਆ ਕਰਨਾ ਔਖਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਕਹਾਣੀ ਦੀ ਸਾਦਗੀ ਵਧੇਰੇ ਆਕਰਸ਼ਕ ਬਣ ਜਾਂਦੀ ਹੈ।

ਸਮਾਜਿਕ ਸੰਦਰਭ ਕਹਾਣੀਆਂ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ। ਦੋਸਤਾਂ, ਪਰਿਵਾਰ, ਜਾਂ ਭਰੋਸੇਮੰਦ ਸਰੋਤਾਂ ਦੁਆਰਾ ਸਾਂਝੀ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਇਸਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਵਾਧੂ ਭਾਰ ਰੱਖਦੀ ਹੈ।

ਪੂਰਵ ਵਿਸ਼ਵਾਸਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਹਾਣੀਆਂ ਨੂੰ ਵਧੇਰੇ ਚਿਪਕਣ ਵਾਲਾ ਬਣਾਉਂਦੀ ਹੈ। ਉਹ ਕਹਾਣੀਆਂ ਜੋ ਮੌਜੂਦਾ ਵਿਚਾਰਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ, ਬਿਨਾਂ ਆਲੋਚਨਾ ਦੇ ਸਵੀਕਾਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਜਦੋਂ ਕਿ ਉਲਟ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

10. ਬੋਧਾਤਮਕ ਡੀਬਾਇਸਿੰਗ ਰਣਨੀਤੀਆਂ (Cognitive Debiasing Strategies)

10.1. ਤੁਰੰਤ ਤਕਨੀਕਾਂ (Immediate Techniques)

ਕਿਸੇ ਨਿੱਜੀ ਕਹਾਣੀ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਕੋਈ ਫੈਸਲਾ ਲੈਣ ਤੋਂ ਪਹਿਲਾਂ, ਰੁਕੋ ਅਤੇ ਪੁੱਛੋ:

"ਕਿੰਨਿਆਂ ਦਾ ਨਮੂਨਾ?" (Sample of how many?) ਆਪਣੇ ਤਰਕ ਦੇ ਪਿੱਛੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਲਈ ਆਪਣੇ ਆਪ ਨੂੰ ਮਜਬੂਰ ਕਰੋ। ਇੱਕ ਇਕੱਲੀ ਕਹਾਣੀ N=1 ਹੈ।

"ਇਸ ਨੂੰ ਕਿਵੇਂ ਚੁਣਿਆ ਗਿਆ?" (How was this selected?) ਪੁੱਛੋ ਕਿ ਕੀ ਕਹਾਣੀ ਤੁਹਾਡੇ ਧਿਆਨ ਵਿੱਚ ਆਈ ਕਿਉਂਕਿ ਇਹ ਆਮ ਸੀ ਜਾਂ ਕਿਉਂਕਿ ਇਹ ਅਸਾਧਾਰਨ ਸੀ। ਅਸਾਧਾਰਨ ਘਟਨਾਵਾਂ ਬਿਹਤਰ ਕਹਾਣੀਆਂ ਪਰ ਮਾੜੇ ਸਬੂਤ ਬਣਾਉਂਦੀਆਂ ਹਨ।

"ਅਧਾਰ ਦਰ ਕੀ ਹੈ?" (What's the base rate?) ਕਿੱਸੇ ਨੂੰ ਤੋਲਣ ਤੋਂ ਪਹਿਲਾਂ, ਸੰਬੰਧਿਤ ਅੰਕੜੇ ਲੱਭੋ। ਅਸਲ ਵਿੱਚ ਕਿੰਨੇ ਪ੍ਰਤੀਸ਼ਤ ਲੋਕਾਂ ਕੋਲ ਇਹ ਅਨੁਭਵ ਹੈ?

"ਕੀ ਮੈਨੂੰ ਦੂਜੇ ਪਾਸੇ ਤੋਂ ਇਹ ਯਕੀਨਨ ਲੱਗੇਗਾ?" ਜੇਕਰ ਕੋਈ ਕਹਾਣੀ ਉਲਟ ਸਿੱਟੇ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਇਸਨੂੰ ਸਬੂਤ ਵਜੋਂ ਸਵੀਕਾਰ ਕਰੋਗੇ?

"ਵਿਜ਼ੂਅਲਾਈਜ਼ ਦਿ ਡਿਨੋਮੀਨੇਟਰ।" (Visualize the denominator) ਜਦੋਂ ਇੱਕ ਡਰਾਉਣਾ ਨਿਊਮਰੇਟਰ (ਇੱਕ ਬੁਰਾ ਨਤੀਜਾ) ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਹਜ਼ਾਰਾਂ ਜਾਂ ਲੱਖਾਂ ਮਾਮਲਿਆਂ ਦੀ ਸਰਗਰਮੀ ਨਾਲ ਕਲਪਨਾ ਕਰੋ ਜਿੱਥੇ ਅਜਿਹਾ ਨਹੀਂ ਹੋਇਆ।

10.2. ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਰਣਨੀਤੀਆਂ (Long-Term Strategies)

ਅੰਕੜਾਤਮਕ ਸੂਝ (statistical intuition) ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਨਿਰੰਤਰ ਯਤਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਅਭਿਆਸ ਦੁਆਰਾ ਗਿਣਨ ਦੀ ਯੋਗਤਾ (numeracy) ਬਣਾਓ। ਚੀਜ਼ਾਂ ਨੂੰ ਦੇਖਣ ਤੋਂ ਪਹਿਲਾਂ ਸੰਭਾਵਨਾ ਦੇ ਅਨੁਮਾਨ ਲਗਾਓ, ਫਿਰ ਆਪਣੀ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰੋ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਫੀਡਬੈਕ ਨਾਲ ਸੁਧਰਦੀ ਹੈ।

ਆਪਣੇ ਆਪ ਨੂੰ ਅਧਾਰ ਦਰਾਂ (base rates) ਦੇ ਸਾਹਮਣੇ ਲਿਆਓ। ਉਹਨਾਂ ਘਟਨਾਵਾਂ ਦੀਆਂ ਅਸਲ ਬਾਰੰਬਾਰਤਾਵਾਂ ਜਾਣੋ ਜਿਹਨਾਂ ਬਾਰੇ ਤੁਸੀਂ ਖ਼ਬਰਾਂ ਅਤੇ ਗੱਲਬਾਤ ਵਿੱਚ ਸੁਣਦੇ ਹੋ। ਇਹ ਜਾਣਨਾ ਕਿ ਸ਼ਾਰਕ ਦੇ ਹਮਲੇ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਪ੍ਰਤੀ ਸਾਲ ~5 ਲੋਕਾਂ ਨੂੰ ਮਾਰਦੇ ਹਨ, ਤੁਹਾਡੀ ਅਗਲੀ ਸ਼ਾਰਕ ਕਹਾਣੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਦਾ ਹੈ।

"ਉਲਟ ਵਿਚਾਰ ਕਰਨ" (consider the opposite) ਦਾ ਅਭਿਆਸ ਕਰੋ। ਆਦਤਨ ਕਾਰਨ ਪੈਦਾ ਕਰੋ ਕਿ ਤੁਹਾਡਾ ਕਿੱਸਾ-ਸੰਚਾਲਿਤ ਸਿੱਟਾ ਕਿਉਂ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ।

ਸਰੋਤ ਮੁਲਾਂਕਣ ਦੀ ਆਦਤ ਵਿਕਸਿਤ ਕਰੋ। ਜਦੋਂ ਤੁਸੀਂ ਕੋਈ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਕਹਾਣੀ ਸੁਣਦੇ ਹੋ, ਤਾਂ ਇਸਦੇ ਮੂਲ, ਪੁਸ਼ਟੀਕਰਣ, ਅਤੇ ਪ੍ਰਤੀਨਿਧਤਾ ਬਾਰੇ ਪੁੱਛੋ।

ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਗਲੇ ਲਗਾਓ। "ਮੈਨੂੰ ਅੰਕੜੇ ਨਹੀਂ ਪਤਾ" ਕਹਿਣ ਦੀ ਬੇਚੈਨੀ ਨਾਕਾਫ਼ੀ ਸਬੂਤਾਂ ਤੋਂ ਤਰਕ ਕਰਨ ਦੇ ਝੂਠੇ ਭਰੋਸੇ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ।

10.3. ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਡਿਜ਼ਾਈਨ (Environmental Design)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਆਪਣੇ ਸੂਚਨਾ ਵਾਤਾਵਰਣ ਦੀ ਸੰਰਚਨਾ ਕਰੋ।

ਜਾਣਕਾਰੀ ਸਰੋਤਾਂ ਨੂੰ ਸੰਭਾਲੋ। ਉਹਨਾਂ ਸਰੋਤਾਂ ਦਾ ਪੱਖ ਲਓ ਜੋ ਬਿਰਤਾਂਤ-ਸੰਚਾਲਿਤ ਸਮੱਗਰੀ ਉੱਤੇ ਅੰਕੜਾਤਮਕ ਸਬੂਤ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਪਛਾਣੋ ਕਿ ਮੀਡੀਆ ਸੁਭਾਵਕ ਤੌਰ 'ਤੇ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਕਹਾਣੀਆਂ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ।

ਫੈਸਲੇ ਦੀ ਚੈਕਲਿਸਟ ਬਣਾਓ। ਵੱਡੇ ਫੈਸਲਿਆਂ ਤੋਂ ਪਹਿਲਾਂ, ਆਪਣੇ ਆਪ ਨੂੰ ਕਿੱਸੇ ਅਤੇ ਅੰਕੜਾਤਮਕ ਸਬੂਤ ਦੋਵਾਂ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣ ਲਈ ਮਜਬੂਰ ਕਰੋ। ਉਨ੍ਹਾਂ ਨੂੰ ਨਾਲ-ਨਾਲ ਦੇਖਣਾ ਅਸੰਤੁਲਨ ਨੂੰ ਬੇਨਕਾਬ ਕਰ ਸਕਦਾ ਹੈ।

ਕੂਲਿੰਗ-ਆਫ ਪੀਰੀਅਡਸ (cooling-off periods) ਬਣਾਓ। ਇੱਕ ਸਪਸ਼ਟ ਕਹਾਣੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਤੋਂ ਬਾਅਦ ਜੋ ਤੁਹਾਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ, ਫੈਸਲਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਡੀਕ ਕਰੋ। ਸਿਸਟਮ 2 ਨੂੰ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਸਮਾਂ ਦਿਓ।

ਸਰਗਰਮੀ ਨਾਲ ਅਸਵੀਕਾਰ ਕਰਨ ਵਾਲੀ ਜਾਣਕਾਰੀ (disconfirming information) ਦੀ ਭਾਲ ਕਰੋ। ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਕਹਾਣੀ ਸੁਣਨ ਤੋਂ ਬਾਅਦ, ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਉਸੇ ਵਿਸ਼ੇ 'ਤੇ ਅੰਕੜਾਤਮਕ ਡੇਟਾ ਦੀ ਖੋਜ ਕਰੋ।

10.4. ਬਾਹਰੀ ਇਨਪੁਟ ਕਦੋਂ ਲੈਣਾ ਹੈ (When to Seek External Input)

ਕੁਝ ਫੈਸਲੇ ਕਹਾਣੀਆਤਮਕ ਤਰਕ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਬਾਹਰੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ।

ਉੱਚ-ਦਾਅ ਵਾਲੇ ਫੈਸਲਿਆਂ ਲਈ ਅੰਕੜਾਤਮਕ ਮੁਹਾਰਤ ਦੀ ਭਾਲ ਕਰੋ। ਵੱਡੇ ਡਾਕਟਰੀ ਇਲਾਜਾਂ, ਵਿੱਤੀ ਵਚਨਬੱਧਤਾਵਾਂ, ਜਾਂ ਕਰੀਅਰ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਤੋਂ ਪਹਿਲਾਂ, ਸਬੂਤਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਿਸੇ ਵਿਅਕਤੀ ਨਾਲ ਸਲਾਹ ਕਰੋ।

ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ "ਮੈਂ ਕਿਸੇ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜੋ..." ਕਹਿੰਦੇ ਹੋਏ ਫੜਦੇ ਹੋ, ਤਾਂ ਇਸ ਨੂੰ ਕਾਰਵਾਈ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਵਿਆਪਕ ਡੇਟਾ ਦੀ ਭਾਲ ਕਰਨ ਲਈ ਇੱਕ ਟਰਿੱਗਰ ਵਜੋਂ ਮੰਨੋ।

ਜੇਕਰ ਤੁਹਾਡਾ ਤਰਕ ਮੁੱਖ ਤੌਰ 'ਤੇ ਭਰਪੂਰ ਅੰਕੜਾਤਮਕ ਸਬੂਤ ਵਾਲੇ ਡੋਮੇਨ ਵਿੱਚ ਨਿੱਜੀ ਅਨੁਭਵ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਤਾਂ ਇਹ ਅੰਕੜਿਆਂ ਦੀ ਸਲਾਹ ਲੈਣ ਦਾ ਸੰਕੇਤ ਹੈ।

ਭਰੋਸੇਮੰਦ ਦੂਜਿਆਂ ਨੂੰ ਪੁੱਛੋ: "ਕੀ ਮੈਂ ਇਸ ਕਹਾਣੀ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦੇ ਰਿਹਾ ਹਾਂ?" ਬਾਹਰੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਉਸ ਕਿੱਸਾ-ਆਧਾਰਿਤ ਤਰਕ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਅੰਦਰੋਂ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ ਲੱਗਦਾ ਹੈ।

11. ਵਿਹਾਰਕ ਅਭਿਆਸ (Practical Exercises)

ਅਭਿਆਸ 1: ਬੇਸ ਰੇਟ ਜਾਸੂਸ (Base Rate Detective)

• ਉਦੇਸ਼: ਕਿੱਸਿਆਂ ਲਈ ਅੰਕੜਾਤਮਕ ਸੰਦਰਭ ਦੀ ਭਾਲ ਕਰਨ ਦੀ ਆਦਤ ਬਣਾਉਣਾ
• ਲੋੜੀਂਦਾ ਸਮਾਂ: 15-20 ਮਿੰਟ
• ਲੋੜੀਂਦੀ ਸਮੱਗਰੀ: ਇੰਟਰਨੈਟ ਪਹੁੰਚ, ਨੋਟਬੁੱਕ
• ਮੁਸ਼ਕਲ ਪੱਧਰ: ਸ਼ੁਰੂਆਤੀ
• ਹਦਾਇਤਾਂ:
  1. ਇੱਕ ਤਾਜ਼ਾ ਕਹਾਣੀ ਨੂੰ ਯਾਦ ਕਰੋ ਜਿਸਨੇ ਤੁਹਾਡੀ ਸੋਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ—ਖ਼ਬਰਾਂ, ਇੱਕ ਦੋਸਤ, ਜਾਂ ਨਿੱਜੀ ਅਨੁਭਵ ਦੀ ਕਹਾਣੀ
  2. ਅਪ੍ਰਤੱਖ ਦਾਅਵੇ ਦੀ ਪਛਾਣ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ, "ਟੀਕੇ ਖਤਰਨਾਕ ਹਨ," "ਇਹ ਕਾਰ ਅਵਿਸ਼ਵਾਸਯੋਗ ਹੈ")
  3. ਸੰਬੰਧਿਤ ਅਧਾਰ ਦਰ (base rate) ਦੀ ਖੋਜ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ, ਗੰਭੀਰ ਟੀਕੇ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਦੀ ਦਰ, ਉਸ ਕਾਰ ਲਈ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਅੰਕੜੇ)
  4. ਕਿੱਸਾ ਅਤੇ ਅਧਾਰ ਦਰ ਨੂੰ ਨਾਲ-ਨਾਲ ਲਿਖੋ
  5. ਇਸ ਗੱਲ 'ਤੇ ਵਿਚਾਰ ਕਰੋ ਕਿ ਜਦੋਂ ਕਿੱਸੇ ਨੂੰ ਅੰਕੜਾਤਮਕ ਸੰਦਰਭ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਤੁਹਾਡੀ ਧਾਰਨਾ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ
• ਪ੍ਰਤੀਬਿੰਬ ਪ੍ਰਸ਼ਨ (Reflection questions):
  • ਕੀ ਅਧਾਰ ਦਰ ਨੇ ਤੁਹਾਨੂੰ ਹੈਰਾਨ ਕੀਤਾ?
  • ਕਹਾਣੀ ਨੇ ਤੁਹਾਡੇ ਅਨੁਭਵ ਨੂੰ ਕਿੰਨਾ ਵਿਗਾੜਿਆ?
  • ਕੀ ਹੁੰਦਾ ਜੇਕਰ ਤੁਸੀਂ ਇਕੱਲੇ ਕਹਾਣੀ 'ਤੇ ਅਮਲ ਕੀਤਾ ਹੁੰਦਾ?
• ਬਾਰੰਬਾਰਤਾ: ਹਫ਼ਤੇ ਵਿੱਚ ਇੱਕ ਵਾਰ

ਅਭਿਆਸ 2: ਜਵਾਬੀ ਉਦਾਹਰਣ ਚੁਣੌਤੀ (The Counterexample Challenge)

• ਉਦੇਸ਼: ਇਹ ਪਛਾਣੋ ਕਿ ਵਿਰੋਧੀ ਉਦਾਹਰਣਾਂ (counterexamples) ਸੰਭਾਵੀ ਦਾਅਵਿਆਂ ਦਾ ਖੰਡਨ ਨਹੀਂ ਕਰਦੀਆਂ
• ਲੋੜੀਂਦਾ ਸਮਾਂ: 10-15 ਮਿੰਟ
• ਲੋੜੀਂਦੀ ਸਮੱਗਰੀ: ਨੋਟਬੁੱਕ
• ਮੁਸ਼ਕਲ ਪੱਧਰ: ਦਰਮਿਆਨਾ
• ਹਦਾਇਤਾਂ:
  1. ਇੱਕ ਅੰਕੜਾਤਮਕ ਦਾਅਵੇ ਦੀ ਪਛਾਣ ਕਰੋ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਵਿਸ਼ਵਾਸ ਕਰਦੇ ਹੋ (ਉਦਾਹਰਨ ਲਈ, "ਸਿਗਰਟਨੋਸ਼ੀ ਨਾਲ ਕੈਂਸਰ ਦਾ ਖ਼ਤਰਾ ਵੱਧ ਜਾਂਦਾ ਹੈ")
  2. ਵਿਰੋਧੀ ਉਦਾਹਰਣਾਂ ਤਿਆਰ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ, "ਸਿਗਰਟਨੋਸ਼ੀ ਕਰਨ ਵਾਲੇ ਜੋ ਲੰਬੀ ਉਮਰ ਜੀਉਂਦੇ ਰਹੇ")
  3. ਲਿਖੋ ਕਿ ਇਹ ਵਿਰੋਧੀ ਉਦਾਹਰਣਾਂ ਅਸਲ ਵਿੱਚ ਅੰਕੜਾਤਮਕ ਦਾਅਵੇ ਦਾ ਖੰਡਨ ਕਿਉਂ ਨਹੀਂ ਕਰਦੀਆਂ
  4. "ਸੰਭਾਵਨਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ" ਅਤੇ "ਹਮੇਸ਼ਾ ਕਾਰਨ ਬਣਦਾ ਹੈ" ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਦਾ ਅਭਿਆਸ ਕਰੋ
  5. ਇਸ ਤਰਕ ਨੂੰ ਉਸ ਦਾਅਵੇ 'ਤੇ ਲਾਗੂ ਕਰੋ ਜਿਸਨੂੰ ਤੁਸੀਂ ਰੱਦ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਵਿਰੋਧੀ ਉਦਾਹਰਣਾਂ ਜਾਣਦੇ ਹੋ
• ਪ੍ਰਤੀਬਿੰਬ ਪ੍ਰਸ਼ਨ:
  • ਵਿਰੋਧੀ ਉਦਾਹਰਣਾਂ ਇੰਨੀਆਂ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਕਿਉਂ ਲੱਗਦੀਆਂ ਹਨ?
  • ਤੁਸੀਂ ਕਿਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹੋ ਜਦੋਂ ਕੋਈ ਵਿਅਕਤੀ ਅੰਕੜਾਤਮਕ ਦਾਅਵੇ ਦਾ ਖੰਡਨ ਕਰਨ ਲਈ ਵਿਰੋਧੀ ਉਦਾਹਰਣ ਪੇਸ਼ ਕਰਦਾ ਹੈ?
  • ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਅਜਿਹੇ ਵਿਸ਼ਵਾਸ ਹਨ ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ ਅੰਕੜਿਆਂ ਤੋਂ ਬਚਣ 'ਤੇ ਅਧਾਰਤ ਹਨ?
• ਬਾਰੰਬਾਰਤਾ: ਮਹੀਨੇ ਵਿੱਚ ਦੋ ਵਾਰ

ਅਭਿਆਸ 3: ਬਿਰਤਾਂਤਕ ਰੀਫ੍ਰੇਮਿੰਗ (Narrative Reframing)

• ਉਦੇਸ਼: ਕਿੱਸਿਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਅੰਕੜਿਆਂ ਦੀਆਂ ਸਪਸ਼ਟ ਮਾਨਸਿਕ ਪੇਸ਼ਕਾਰੀਆਂ ਬਣਾਉਣਾ
• ਲੋੜੀਂਦਾ ਸਮਾਂ: 20-30 ਮਿੰਟ
• ਲੋੜੀਂਦੀ ਸਮੱਗਰੀ: ਕਿਸੇ ਅਜਿਹੇ ਵਿਸ਼ੇ 'ਤੇ ਅੰਕੜੇ ਜਿਸਦੀ ਤੁਸੀਂ ਪਰਵਾਹ ਕਰਦੇ ਹੋ, ਕਲਪਨਾ
• ਮੁਸ਼ਕਲ ਪੱਧਰ: ਉੱਨਤ (Advanced)
• ਹਦਾਇਤਾਂ:
  1. ਇੱਕ ਅੰਕੜਾਤਮਕ ਤੱਥ ਚੁਣੋ ਜਿਸਨੂੰ ਤੁਸੀਂ ਬੌਧਿਕ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕਰਦੇ ਹੋ ਪਰ "ਮਹਿਸੂਸ" ਨਹੀਂ ਕਰਦੇ (ਉਦਾਹਰਨ ਲਈ, ਵੈਕਸੀਨ ਸੁਰੱਖਿਆ ਡੇਟਾ)
  2. ਇੱਕ ਮਾਨਸਿਕ "ਕਹਾਣੀ" ਬਣਾਓ ਜੋ ਅੰਕੜਿਆਂ ਨੂੰ ਮੂਰਤੀਮਾਨ ਕਰਦੀ ਹੈ: ਕਲਪਨਾ ਕਰੋ ਕਿ 1,000 ਬੱਚਿਆਂ ਨੂੰ ਟੀਕੇ ਲੱਗ ਰਹੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਥੋੜੀ ਗਿਣਤੀ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ ਬਨਾਮ ਭਾਰੀ ਬਹੁਗਿਣਤੀ ਸੁਰੱਖਿਅਤ ਹੈ
  3. ਇਸ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਠੋਸ ਅਤੇ ਸਪਸ਼ਟ ਬਣਾਓ—ਬੱਚਿਆਂ ਨੂੰ ਚਿਹਰੇ ਦਿਓ, ਮਾਪਿਆਂ ਦੀ ਰਾਹਤ ਦੀ ਕਲਪਨਾ ਕਰੋ
  4. ਜਦੋਂ ਤੁਸੀਂ ਡਰਾਉਣੀ ਕਹਾਣੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ ਤਾਂ ਇਸ ਨਿਰਮਿਤ ਬਿਰਤਾਂਤ ਨੂੰ ਯਾਦ ਕਰਨ ਦਾ ਅਭਿਆਸ ਕਰੋ
  5. ਉਹਨਾਂ ਹੋਰ ਡੋਮੇਨਾਂ ਲਈ ਦੁਹਰਾਓ ਜਿੱਥੇ ਕਹਾਣੀਆਂ ਤੁਹਾਡੀ ਧਾਰਨਾ ਨੂੰ ਵਿਗਾੜਦੀਆਂ ਹਨ
• ਪ੍ਰਤੀਬਿੰਬ ਪ੍ਰਸ਼ਨ:
  • ਕੀ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਨੇ ਬਦਲਿਆ ਕਿ ਅੰਕੜੇ ਕਿਵੇਂ "ਮਹਿਸੂਸ" ਕਰਦੇ ਹਨ?
  • ਕੀ ਤੁਸੀਂ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਨਾਲ ਲੜਨ ਲਈ ਬਿਰਤਾਂਤ ਦੇ ਵਿਰੁੱਧ ਬਿਰਤਾਂਤ (narrative against narrative) ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ?
  • ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਕਲਪਨਾ ਕਰਨ ਲਈ ਤੁਹਾਡੇ ਲਈ ਕਿਹੜੇ ਅੰਕੜੇ ਸਭ ਤੋਂ ਵੱਧ ਕੀਮਤੀ ਹੋਣਗੇ?
• ਬਾਰੰਬਾਰਤਾ: ਜਿਵੇਂ ਲੋੜ ਹੋਵੇ ਜਦੋਂ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਡੋਮੇਨਾਂ ਵਿੱਚ ਫੈਸਲੇ ਲੈਣ ਦੀ ਤਿਆਰੀ ਕਰਦੇ ਹੋ

ਰੋਜ਼ਾਨਾ ਅਭਿਆਸ (Daily Practice)

ਕਹਾਣੀ ਆਡਿਟ (Anecdote Audit): ਹਰ ਸ਼ਾਮ, ਉਸ ਦਿਨ ਸੁਣੀ ਇੱਕ ਕਹਾਣੀ ਯਾਦ ਕਰੋ ਜਿਸਨੇ ਤੁਹਾਡੀ ਸੋਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ। ਇਹ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਦੋ ਮਿੰਟ ਬਿਤਾਓ ਕਿ ਇਹ ਜਾਣਨ ਲਈ ਤੁਹਾਨੂੰ ਕਿਹੜੇ ਅੰਕੜਾਤਮਕ ਸਵਾਲ ਦੇ ਜਵਾਬ ਦੀ ਲੋੜ ਹੋਵੇਗੀ ਕਿ ਕੀ ਕਹਾਣੀ ਪ੍ਰਤੀਨਿਧ ਹੈ। ਸਵਾਲ ਕਰਨ ਦੀ ਇਸ ਆਦਤ ਨੂੰ ਬਣਾਉਣਾ ਹੀ ਕਹਾਣੀ-ਵਿਰੋਧ (anecdote-resistance) ਨੂੰ ਵਿਕਸਤ ਕਰਦਾ ਹੈ।

• ਸੁਝਾਈ ਗਈ ਮਿਆਦ: 2-3 ਮਿੰਟ
• ਦਿਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸਮਾਂ: ਸ਼ਾਮ
• ਪ੍ਰਗਤੀ ਨੂੰ ਕਿਵੇਂ ਟਰੈਕ ਕਰਨਾ ਹੈ: ਇੱਕ ਸੰਖੇਪ ਲੌਗ ਰੱਖੋ; ਨੋਟ ਕਰੋ ਜਦੋਂ ਤੁਸੀਂ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਕਹਾਣੀਆਂ 'ਤੇ ਆਪਣੇ ਆਪ ਸਵਾਲ ਉਠਾਉਣਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋ

ਹਫ਼ਤਾਵਾਰੀ ਚੁਣੌਤੀ (Weekly Challenge)

ਪਹਿਲਾਂ ਅੰਕੜੇ ਚੁਣੌਤੀ (The Statistics First Challenge): ਇੱਕ ਹਫ਼ਤੇ ਲਈ, ਜਦੋਂ ਤੁਹਾਨੂੰ ਕਿਸੇ ਕਹਾਣੀ 'ਤੇ ਆਧਾਰਿਤ ਦਾਅਵੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਉਦੋਂ ਤੱਕ ਕੋਈ ਰਾਏ ਨਾ ਬਣਾਓ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਸੰਬੰਧਿਤ ਅੰਕੜੇ ਨਹੀਂ ਲੱਭ ਲੈਂਦੇ। ਸਪਸ਼ਟ ਕਹਾਣੀ 'ਤੇ ਡਿਫੌਲਟ ਹੋਣ ਦੀ ਬਜਾਏ ਅਨਿਸ਼ਚਿਤਤਾ ਨਾਲ ਬੈਠਣ ਦਾ ਅਭਿਆਸ ਕਰੋ।

• 4 ਹਫ਼ਤਿਆਂ ਬਾਅਦ ਉਮੀਦ ਕੀਤੇ ਨਤੀਜੇ: ਨਿਰਣੇ ਵਿੱਚ ਦੇਰੀ ਕਰਨ ਦੀ ਬਿਹਤਰ ਯੋਗਤਾ, ਇਸ ਗੱਲ ਦੀ ਬਿਹਤਰ ਸਮਝ ਕਿ ਕਹਾਣੀਆਂ ਕਿੰਨੀ ਵਾਰ ਅੰਕੜਾਤਮਕ ਹਕੀਕਤ ਨੂੰ ਗਲਤ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ, ਸਪਸ਼ਟ ਕਹਾਣੀਆਂ ਪ੍ਰਤੀ ਨੀ-ਜਰਕ (knee-jerk) ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਵਿੱਚ ਕਮੀ
• ਪ੍ਰਤੀਬਿੰਬ ਲਈ ਜਰਨਲਿੰਗ ਪ੍ਰੋਂਪਟ:
  • ਨਿਰਣੇ ਨੂੰ ਰੋਕਣ ਬਾਰੇ ਸਭ ਤੋਂ ਔਖਾ ਕੀ ਸੀ?
  • ਕਿੰਨੀ ਵਾਰ ਅੰਕੜਿਆਂ ਨੇ ਕਹਾਣੀ ਦਾ ਖੰਡਨ ਕੀਤਾ?
  • ਤੁਹਾਡੀਆਂ ਅਨੁਭਵੀ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਵਿੱਚ ਤੁਹਾਡਾ ਭਰੋਸਾ ਕਿਵੇਂ ਬਦਲਿਆ ਹੈ?

12. ਖਾਸ ਦਰਸ਼ਕਾਂ ਲਈ (For Specific Audiences)

ਨੇਤਾਵਾਂ ਅਤੇ ਪ੍ਰਬੰਧਕਾਂ ਲਈ (For Leaders and Managers)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਸੰਗਠਨਾਤਮਕ ਅਗਵਾਈ ਵਿੱਚ ਖਾਸ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਰਣਨੀਤਕ ਫੈਸਲੇ ਅਕਸਰ ਮੌਜੂਦਾ ਹਾਲਤਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ "ਮੇਰੀ ਪਿਛਲੀ ਕੰਪਨੀ ਵਿੱਚ ਕੀ ਕੰਮ ਕੀਤਾ" ਦੁਆਰਾ ਚਲਾਏ ਜਾਂਦੇ ਹਨ। ਨੇਤਾਵਾਂ ਨੂੰ ਪ੍ਰਮੁੱਖ ਪਹਿਲਕਦਮੀਆਂ ਲਈ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਜਾਇਜ਼ੀਆਂ ਦੀ ਮੰਗ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀਆਂ ਪਿਛਲੀਆਂ ਉਦਾਹਰਣਾਂ।

ਕਾਰਗੁਜ਼ਾਰੀ ਪ੍ਰਬੰਧਨ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ "ਸਪਸ਼ਟ ਘਟਨਾ" (vivid incident) ਪ੍ਰਭਾਵ ਤੋਂ ਬਚਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰੋ ਕਿ ਮੁਲਾਂਕਣ ਵਿਵਸਥਿਤ ਪ੍ਰਦਰਸ਼ਨ ਡੇਟਾ 'ਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ ਯਾਦਗਾਰੀ ਘਟਨਾਵਾਂ। ਢਾਂਚਾਗਤ ਮੁਲਾਂਕਣ ਫਰੇਮਵਰਕ ਲਾਗੂ ਕਰੋ ਜੋ ਅਧਾਰ ਦਰਾਂ (base rates) 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੇ ਹਨ (ਇਹ ਵਿਅਕਤੀ ਉਦੇਸ਼ਪੂਰਨ ਬੈਂਚਮਾਰਕਾਂ ਨਾਲ ਕਿਵੇਂ ਤੁਲਨਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ ਯਾਦ ਕੀਤੀਆਂ ਘਟਨਾਵਾਂ ਨਾਲ?)।

ਸੰਗਠਨਾਤਮਕ ਸਿੱਖਿਆ ਵਿਗੜ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਪੋਸਟ-ਮਾਰਟਮ ਵਿਵਸਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬਜਾਏ ਨਾਟਕੀ ਅਸਫਲਤਾਵਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦੇ ਹਨ। ਅਜਿਹੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਬਣਾਓ ਜੋ ਸਪਸ਼ਟ ਕੇਸ ਸਟੱਡੀ ਦੇ ਖਿੱਚ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹੋਏ, ਅਸਫਲਤਾਵਾਂ ਅਤੇ ਸਫਲਤਾਵਾਂ ਦੋਵਾਂ ਦਾ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀਆਂ ਹਨ।

ਅਜਿਹੀਆਂ ਟੀਮਾਂ ਬਣਾਓ ਜਿਸ ਵਿੱਚ ਕਹਾਣੀਕਾਰ ਅਤੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕ ਦੋਵੇਂ ਸ਼ਾਮਲ ਹੋਣ। ਡੇਟਾ ਦੀਆਂ ਬੇਨਤੀਆਂ ਦੇ ਨਾਲ ਕਹਾਣੀਆਤਮਕ ਦਲੀਲਾਂ ਨੂੰ ਚੁਣੌਤੀ ਦਿਓ, ਜਦੋਂ ਕਿ ਇਹ ਪਛਾਣਦੇ ਹੋਏ ਕਿ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਦਲੀਲਾਂ ਨੂੰ ਪ੍ਰੇਰਕ ਹੋਣ ਲਈ ਕਥਾਤਮਕ ਪੈਕੇਜਿੰਗ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।

ਮਾਪਿਆਂ ਅਤੇ ਸਿੱਖਿਅਕਾਂ ਲਈ (For Parents and Educators)

ਸ਼ੁਰੂਆਤੀ ਤੌਰ 'ਤੇ ਅੰਕੜਾਤਮਕ ਸੋਚ ਸਿਖਾਉਣਾ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਪ੍ਰਤੀ ਉਮਰ ਭਰ ਪ੍ਰਤੀਰੋਧ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

ਠੋਸ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦੁਆਰਾ ਬੱਚਿਆਂ ਨੂੰ ਸੰਭਾਵਨਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰੋ। ਪਾਸਾ (dice), ਕਾਰਡ ਅਤੇ ਸਿੱਕਿਆਂ ਵਾਲੀਆਂ ਖੇਡਾਂ ਬੇਤਰਤੀਬੇਪਣ (randomness) ਅਤੇ ਅਧਾਰ ਦਰਾਂ ਲਈ ਸੂਝ ਪੈਦਾ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਜਦੋਂ ਬੱਚੇ ਸਬੂਤ ਵਜੋਂ ਖਾਸ ਉਦਾਹਰਣਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ ("ਮੇਰੇ ਦੋਸਤ ਨੇ ਕਿਹਾ..."), ਤਾਂ ਹੌਲੀ-ਹੌਲੀ ਉਹਨਾਂ ਨੂੰ ਨਮੂਨੇ ਦੇ ਆਕਾਰ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰੋ: "ਇਹ ਦਿਲਚਸਪ ਹੈ—ਕਿੰਨੇ ਲੋਕਾਂ ਨੇ ਇਸਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ?"

ਅੰਕੜਾਤਮਕ ਨਿਮਰਤਾ ਦਾ ਮਾਡਲ ਬਣੋ। ਜਦੋਂ ਤੁਸੀਂ ਅਧਾਰ ਦਰ ਨਹੀਂ ਜਾਣਦੇ ਹੋ, ਤਾਂ ਅਜਿਹਾ ਕਹੋ, ਅਤੇ ਕਹਾਣੀ ਤੋਂ ਤਰਕ ਕਰਨ ਦੀ ਬਜਾਏ ਇਸਨੂੰ ਲੱਭਣ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰੋ।

ਸੰਭਾਵਨਾ ਦੇ ਰੂਪ ਵਿੱਚ ਖ਼ਬਰਾਂ ਬਾਰੇ ਚਰਚਾ ਕਰੋ। ਜਦੋਂ ਨਾਟਕੀ ਘਟਨਾਵਾਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਸ ਬਾਰੇ ਚਰਚਾ ਕਰੋ ਕਿ ਉਹ ਅਸਲ ਵਿੱਚ ਕਿੰਨੀਆਂ ਆਮ ਹਨ। ਬੱਚਿਆਂ ਨੂੰ ਇਹ ਦੇਖਣ ਵਿੱਚ ਮਦਦ ਕਰੋ ਕਿ ਕੀ ਖ਼ਬਰਾਂ ਬਣਦੀਆਂ ਹਨ ਇਸ ਵਿੱਚ ਚੋਣ ਪੱਖਪਾਤ (selection bias) ਕਿਵੇਂ ਹੁੰਦਾ ਹੈ।

ਉਮਰ-ਅਨੁਕੂਲ ਵਿਆਖਿਆ: "ਕਈ ਵਾਰ ਇੱਕ ਕਹਾਣੀ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਲੱਗਦੀ ਹੈ, ਪਰ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਹੋਰ ਕਹਾਣੀਆਂ ਹੋਣ ਜੋ ਅਸੀਂ ਨਹੀਂ ਸੁਣ ਰਹੇ ਹਾਂ। ਇਸ ਲਈ ਅਸੀਂ ਇਹ ਫੈਸਲਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਕੀ ਵਿਸ਼ਵਾਸ ਕਰਨਾ ਹੈ 'ਕਿੰਨੇ?' ਅਤੇ 'ਕਿੰਨੀ ਵਾਰ?' ਪੁੱਛਦੇ ਹਾਂ।"

ਸਿਹਤ ਸੰਭਾਲ ਪੇਸ਼ੇਵਰਾਂ ਲਈ (For Healthcare Professionals)

ਦਵਾਈ ਵਿੱਚ ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦਾ ਵਿਰੋਧ ਕਰਨ ਲਈ ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵੱਧ ਦਾਅ ਹੁੰਦੇ ਹਨ।

ਪਛਾਣੋ ਕਿ ਕਲੀਨਿਕਲ ਅਨੁਭਵ ਅਸਲ ਵਿੱਚ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਕਿੱਸਾ ਹੈ। ਹਾਲਾਂਕਿ ਤਜਰਬੇਕਾਰ ਪੈਟਰਨ ਮਾਨਤਾ ਦਾ ਮੁੱਲ ਹੈ, ਇਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਅਧਿਐਨਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਸਬੂਤ-ਅਧਾਰਿਤ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਵਿਰੁੱਧ ਸੰਤੁਲਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਜਦੋਂ ਮਰੀਜ਼ ਅਜਿਹੀਆਂ ਕਹਾਣੀਆਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ ਜੋ ਸਬੂਤ-ਆਧਾਰਿਤ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦੇ ਉਲਟ ਹਨ, ਤਾਂ ਸਿਰਫ਼ ਅੰਕੜਿਆਂ ਨਾਲ ਉਹਨਾਂ ਨੂੰ ਰੱਦ ਨਾ ਕਰੋ—ਜਿਸਨੂੰ ਉਹ ਛੋਟ ਦੇਣਗੇ। ਜਵਾਬੀ ਬਿਰਤਾਂਤ (counter-narratives) ਦੀ ਵਰਤੋਂ ਕਰੋ: ਸਿਫਾਰਸ਼ ਕੀਤੇ ਇਲਾਜ ਦੁਆਰਾ ਮਦਦ ਕੀਤੇ ਗਏ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਕਹਾਣੀਆਂ, ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ ਜੋ ਡਰਾਉਣੀ ਕਹਾਣੀ ਦਾ ਮੁਕਾਬਲਾ ਕਰਦੀਆਂ ਹਨ।

ਨਿਦਾਨ ਪ੍ਰਕਿਰਿਆਵਾਂ (diagnostic processes) ਵਿੱਚ ਬੋਧਾਤਮਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਫੰਕਸ਼ਨ (cognitive forcing functions) ਲਾਗੂ ਕਰੋ। ਚੈਕਲਿਸਟਾਂ ਜਿਨ੍ਹਾਂ ਲਈ ਅਧਾਰ ਦਰਾਂ ਅਤੇ ਵਿਕਲਪਕ ਨਿਦਾਨਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਹਾਲੀਆ ਯਾਦਗਾਰੀ ਮਾਮਲਿਆਂ ਦੇ ਅਧਾਰ 'ਤੇ ਨਿਦਾਨ ਕਰਨ ਦੀ ਪ੍ਰਵਿਰਤੀ ਨੂੰ ਰੋਕ ਸਕਦੀਆਂ ਹਨ।

ਧਿਆਨ ਰੱਖੋ ਕਿ ਫਾਰਮਾਸਿਊਟੀਕਲ ਅਤੇ ਡਿਵਾਈਸ ਕੰਪਨੀ ਦੀ ਮਾਰਕੀਟਿੰਗ ਜਾਣਬੁੱਝ ਕੇ ਮਰੀਜ਼ਾਂ ਦੇ ਪ੍ਰਸੰਸਾ ਪੱਤਰਾਂ ਰਾਹੀਂ ਕਹਾਣੀ-ਆਧਾਰਿਤ ਤਰਕ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਦੀ ਹੈ। ਨਾਟਕੀ ਕੇਸ ਰਿਪੋਰਟਾਂ ਤੋਂ ਨਹੀਂ, ਸਗੋਂ ਵਿਵਸਥਿਤ ਸਮੀਖਿਆਵਾਂ ਤੋਂ ਸਬੂਤਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ।

ਵਿੱਤੀ ਪੇਸ਼ੇਵਰਾਂ ਲਈ (For Financial Professionals)

ਨਿਵੇਸ਼ ਦੇ ਫੈਸਲੇ ਖਾਸ ਤੌਰ 'ਤੇ ਕਹਾਣੀਆਤਮਕ ਵਿਗਾੜ ਲਈ ਕਮਜ਼ੋਰ ਹੁੰਦੇ ਹਨ।

ਕਲਾਇੰਟ ਦੀਆਂ ਕਹਾਣੀਆਂ ਕਿ "ਮੇਰੇ ਦੋਸਤ ਨੇ ਕੀ ਬਣਾਇਆ..." ਦਾ ਮੁਕਾਬਲਾ ਸਰਵਾਈਵਰਸ਼ਿਪ ਪੱਖਪਾਤ (survivorship bias) ਬਾਰੇ ਸਿਖਿਅਤ ਕਰਕੇ ਕਰੋ। ਫੈਲਣ ਵਾਲੀਆਂ ਕਹਾਣੀਆਂ ਬੇਤਰਤੀਬ ਨਮੂਨੇ ਨਹੀਂ ਹਨ—ਜੇਤੂ ਹਾਰਨ ਵਾਲਿਆਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਗੱਲ ਕਰਦੇ ਹਨ।

ਨਿਵੇਸ਼ ਰਿਟਰਨ ਲਈ ਇਤਿਹਾਸਕ ਸੰਦਰਭ ਅਤੇ ਅਧਾਰ ਦਰਾਂ ਪ੍ਰਦਾਨ ਕਰੋ। ਜਦੋਂ ਗਾਹਕ ਹਾਲੀਆ ਨਾਟਕੀ ਲਾਭ ਜਾਂ ਨੁਕਸਾਨ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਇਸਨੂੰ ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਵੰਡਾਂ (distributions) ਦੇ ਅੰਦਰ ਰੱਖੋ।

ਅੰਕੜਿਆਂ ਨੂੰ ਅਰਧ-ਕਥਾਤਮਕ ਰੂਪ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਲਈ ਦ੍ਰਿਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ (scenario analysis) ਅਤੇ ਮੋਂਟੇ ਕਾਰਲੋ ਸਿਮੂਲੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ—"1,000 ਸੰਭਾਵੀ ਭਵਿੱਖਾਂ ਵਿੱਚ, ਇੱਥੇ ਨਤੀਜਿਆਂ ਦੀ ਰੇਂਜ ਹੈ"—ਅੰਕੜਿਆਂ ਨੂੰ ਕਹਾਣੀ-ਵਰਗੀ ਗੁਣਵੱਤਾ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜੋ ਕਹਾਣੀਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰ ਸਕਦੀ ਹੈ।

ਆਪਣੇ ਖੁਦ ਦੇ ਕਿੱਸੇ-ਆਧਾਰਿਤ ਤਰਕ ਤੋਂ ਬਚਾਅ ਕਰੋ। "ਪਿਛਲੀ ਵਾਰ ਕੀ ਕੰਮ ਕੀਤਾ" ਦੀ ਪਾਲਣਾ ਕਰਨ ਜਾਂ "ਸਾਨੂੰ ਪਹਿਲਾਂ ਕਿਸ ਚੀਜ਼ ਨੇ ਸਾੜਿਆ ਸੀ" ਤੋਂ ਬਚਣ ਦਾ ਲਾਲਚ ਪੋਰਟਫੋਲੀਓ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਵਿਗਾੜ ਸਕਦਾ ਹੈ। ਰਣਨੀਤੀਆਂ ਦੇ ਵਿਵਸਥਿਤ ਮੁਲਾਂਕਣ 'ਤੇ ਜ਼ੋਰ ਦਿਓ, ਨਾ ਕਿ ਸਪਸ਼ਟ ਉਦਾਹਰਣਾਂ ਤੋਂ ਤਰਕ ਕਰਨ 'ਤੇ।

13. ਹੋਰ ਪੱਖਪਾਤਾਂ ਨਾਲ ਸਬੰਧ (Relationship to Other Biases)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ ਕਈ ਹੋਰ ਬੋਧਾਤਮਕ ਪੱਖਪਾਤਾਂ ਦੇ ਨਾਲ ਨੇੜਿਓਂ ਕੰਮ ਕਰਦਾ ਹੈ:

ਉਪਲਬਧਤਾ ਹਿਉਰਿਸਟਿਕ (Availability Heuristic): ਮੁੱਖ ਅੰਤਰੀਵ ਵਿਧੀ। ਕਿੱਸੇ-ਕਹਾਣੀਆਂ ਇਸ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲੀ ਕਹਾਣੀ ਨੂੰ ਯਾਦ ਕਰਨਾ ਅਸਾਨ (ਉਪਲਬਧ) ਹੁੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਅਸੀਂ ਇਹ ਮੰਨ ਲੈਂਦੇ ਹਾਂ ਕਿ ਇਹ ਆਮ ਹੈ।

ਆਧਾਰ ਦਰ ਦੀ ਅਣਦੇਖੀ (Base Rate Neglect): ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦਾ ਸਿੱਧਾ ਨਤੀਜਾ। ਜਦੋਂ ਕਿਸੇ ਕਹਾਣੀ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਲੋਕ ਵਿਆਪਕ ਅੰਕੜਾਤਮਕ ਸੰਦਰਭ (ਅਧਾਰ ਦਰ) ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ।

ਗੁੰਮਰਾਹਕੁੰਨ ਸਪਸ਼ਟਤਾ (Misleading Vividness): ਇੱਕ ਨਜ਼ਦੀਕੀ ਸਬੰਧਤ ਪੱਖਪਾਤ ਜਿੱਥੇ ਇੱਕ ਬਹੁਤ ਹੀ ਸਪਸ਼ਟ ਘਟਨਾ (ਜਿਵੇਂ ਇੱਕ ਡਰਾਉਣਾ ਜਹਾਜ਼ ਹਾਦਸਾ) ਲੋਕਾਂ ਨੂੰ ਇੱਕ ਜੋਖਮ ਬਾਰੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ।

ਜਲਦਬਾਜ਼ੀ ਵਿੱਚ ਸਾਧਾਰਣੀਕਰਨ (Hasty Generalization): ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦਾ ਇੱਕ ਰਸਮੀ ਤਰਕਸ਼ੀਲ ਰੂਪ, ਜਿੱਥੇ ਬਹੁਤ ਘੱਟ ਉਦਾਹਰਣਾਂ (ਜਿਵੇਂ ਕਿ ਇੱਕ ਨਿੱਜੀ ਕਹਾਣੀ) ਤੋਂ ਇੱਕ ਵਿਆਪਕ ਸਿੱਟਾ ਕੱਢਿਆ ਜਾਂਦਾ ਹੈ।

ਪੁਸ਼ਟੀਕਰਣ ਪੱਖਪਾਤ (Confirmation Bias): ਲੋਕ ਉਹਨਾਂ ਕਿੱਸਿਆਂ ਨੂੰ ਯਾਦ ਕਰਨ ਅਤੇ ਸਾਂਝਾ ਕਰਨ ਦੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਮੌਜੂਦਾ ਵਿਸ਼ਵਾਸਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਉਹਨਾਂ ਦੇ ਉਲਟ ਅੰਕੜਿਆਂ ਨੂੰ ਰੱਦ ਕਰਦੇ ਹਨ।

ਬਚਾਅ ਪੱਖਪਾਤ (Survivorship Bias): ਅਸੀਂ ਅਕਸਰ ਸਿਰਫ "ਬਚਣ ਵਾਲਿਆਂ" ਦੀਆਂ ਕਹਾਣੀਆਂ ਸੁਣਦੇ ਹਾਂ (ਉਦਾਹਰਨ ਲਈ, ਉਹ ਵਿਅਕਤੀ ਜਿਸਨੇ ਕਾਲਜ ਛੱਡ ਦਿੱਤਾ ਅਤੇ ਅਰਬਪਤੀ ਬਣ ਗਿਆ), ਜਿਸ ਨਾਲ ਸਾਡਾ ਕਹਾਣੀਆਤਮਕ ਨਮੂਨਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਗਾੜਿਆ ਜਾਂਦਾ ਹੈ।

14. ਸਿੱਟਾ (Conclusion)

ਕਿੱਸੇ-ਕਹਾਣੀ ਦਾ ਭੁਲੇਖਾ (The Anecdotal Fallacy) ਸਾਡੇ ਦਿਮਾਗ ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਤਾਕਤ—ਬਿਰਤਾਂਤ (narrative) ਦੀ ਸ਼ਕਤੀ—ਦਾ ਸਾਡੇ ਆਧੁਨਿਕ, ਡੇਟਾ-ਸੰਚਾਲਿਤ ਸੰਸਾਰ ਵਿੱਚ ਇੱਕ ਕਮਜ਼ੋਰੀ ਬਣ ਜਾਣਾ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਵਿਕਸਿਤ ਹੋਏ ਹਾਂ ਜਿੱਥੇ ਨਿੱਜੀ, ਸਪਸ਼ਟ ਕਹਾਣੀਆਂ ਸਭ ਤੋਂ ਕੀਮਤੀ ਜਾਣਕਾਰੀ ਸਨ, ਜਿਸ ਨਾਲ ਸਾਨੂੰ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਵਿਅਕਤੀਗਤ ਗਵਾਹੀਆਂ ਨੂੰ ਜ਼ਿਆਦਾ ਭਾਰ ਦੇਣ ਦੀ ਪ੍ਰਵਿਰਤੀ ਮਿਲੀ।

ਹਾਲਾਂਕਿ ਕਹਾਣੀਆਂ ਪ੍ਰੇਰਿਤ ਕਰਨ, ਹਮਦਰਦੀ ਪੈਦਾ ਕਰਨ ਅਤੇ ਸੰਚਾਰ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹਨ, ਪਰ ਇਹ ਗੁੰਝਲਦਾਰ ਫੈਸਲੇ ਲੈਣ ਲਈ ਖਤਰਨਾਕ ਸਾਧਨ ਹਨ। ਜਦੋਂ ਸਿਹਤ, ਵਿੱਤ, ਨੀਤੀ ਜਾਂ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਦੇ ਮੁੱਦਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਕਹਾਣੀ ਲੱਖਾਂ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਦਾ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੀ। ਇਸ ਪੱਖਪਾਤ ਨੂੰ ਪਛਾਣਨ ਦਾ ਮਤਲਬ ਕਹਾਣੀਆਂ ਨੂੰ ਛੱਡਣਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹ ਜਾਣਨਾ ਹੈ ਕਿ ਅੰਕੜਾਤਮਕ ਤਰਕ ਕਦੋਂ ਕਹਾਣੀਆਤਮਕ ਸੂਝ ਦੀ ਥਾਂ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ। "ਮੈਂ ਇੱਕ ਅਜਿਹੇ ਵਿਅਕਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ ਜੋ..." ਤੋਂ "ਡੇਟਾ ਕੀ ਕਹਿੰਦਾ ਹੈ?" ਵੱਲ ਜਾਣ ਨਾਲ, ਅਸੀਂ ਅਜਿਹੇ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਾਂ ਜੋ ਅਪਵਾਦਾਂ ਦੀ ਬਜਾਏ ਹਕੀਕਤ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

15. ਵਾਧੂ ਸਰੋਤ (Additional Resources)

ਸਿਫ਼ਾਰਸ਼ੀ ਕਿਤਾਬਾਂ (Recommended Books)

1. Thinking, Fast and Slow ਲੇਖਕ Daniel Kahneman
   • ਸੰਬੰਧ: ਉਪਲਬਧਤਾ ਹਿਉਰਿਸਟਿਕ ਅਤੇ ਸਿਸਟਮ 1 ਬਨਾਮ ਸਿਸਟਮ 2 ਸੋਚ ਦਾ ਬੁਨਿਆਦੀ ਪਾਠ, ਜੋ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਅਸੀਂ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਕਹਾਣੀਆਂ ਨੂੰ ਕਿਉਂ ਤਰਜੀਹ ਦਿੰਦੇ ਹਾਂ।
2. Factfulness: Ten Reasons We're Wrong About the World ਲੇਖਕ Hans Rosling
   • ਸੰਬੰਧ: ਨਾਟਕੀ ਖ਼ਬਰਾਂ ਅਤੇ ਕਿੱਸਿਆਂ ਦੁਆਰਾ ਸਾਡੀ ਦੁਨੀਆ ਦੀ ਸਮਝ ਨੂੰ ਵਿਗਾੜਨ ਦੇ ਤਰੀਕਿਆਂ ਅਤੇ ਡੇਟਾ-ਆਧਾਰਿਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਕਿਵੇਂ ਅਪਣਾਉਣਾ ਹੈ, ਦਾ ਸ਼ਾਨਦਾਰ ਵਿਸ਼ਲੇਸ਼ਣ।
3. The Enigma of Reason ਲੇਖਕ Hugo Mercier ਅਤੇ Dan Sperber
   • ਸੰਬੰਧ: ਪੜਚੋਲ ਕਰਦਾ ਹੈ ਕਿ ਸਾਡਾ ਤਰਕ ਅਮੂਰਤ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਦੀ ਬਜਾਏ ਸਮਾਜਿਕ ਬਹਿਸ ਅਤੇ ਕਹਾਣੀ ਸੁਣਾਉਣ ਲਈ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੋਇਆ।
4. Calling Bullshit: The Art of Skepticism in a Data-Driven World ਲੇਖਕ Carl Bergstrom ਅਤੇ Jevin West
   • ਸੰਬੰਧ: ਗੁੰਮਰਾਹਕੁੰਨ ਜਾਣਕਾਰੀ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਨਿੱਜੀ ਕਹਾਣੀਆਂ ਅਤੇ ਅੰਕੜਾਤਮਕ ਹਕੀਕਤ ਵਿਚਕਾਰ ਅੰਤਰ ਕਰਨ ਲਈ ਵਿਹਾਰਕ ਸਾਧਨ।

ਅਕਾਦਮਿਕ ਪੇਪਰ (Academic Papers)

1. Borgida, E., & Nisbett, R. E. (1977). "The differential impact of abstract vs. concrete information on decisions." Journal of Applied Social Psychology.
   • ਮਹੱਤਵ: ਬੁਨਿਆਦੀ ਅਧਿਐਨ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਆਹਮੋ-ਸਾਹਮਣੇ ਦੀਆਂ ਕਹਾਣੀਆਂ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਅੰਕੜਾਤਮਕ ਸਾਰਾਂ ਨੂੰ ਪਛਾੜ ਦਿੰਦੀਆਂ ਹਨ।
2. Hamill, R., Wilson, T. D., & Nisbett, R. E. (1980). "Insensitivity to sample bias: Generalizing from atypical cases." Journal of Personality and Social Psychology.
   • ਮਹੱਤਵ: ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਲੋਕ ਅਜੇ ਵੀ ਅਸਾਧਾਰਣ ਕਹਾਣੀਆਂ ਤੋਂ ਵਿਆਪਕ ਸਿੱਟੇ ਕੱਢਦੇ ਹਨ, ਭਾਵੇਂ ਉਨ੍ਹਾਂ ਨੂੰ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਗਈ ਹੋਵੇ।
3. Green, M. C., & Brock, T. C. (2000). "The role of transportation in the persuasiveness of public narratives." Journal of Personality and Social Psychology.
   • ਮਹੱਤਵ: "ਕਥਾਤਮਕ ਆਵਾਜਾਈ" (narrative transportation) ਦੀ ਧਾਰਨਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ—ਕਿਵੇਂ ਕਹਾਣੀਆਂ ਵਿੱਚ ਗੁਆਚ ਜਾਣਾ ਸਾਡੇ ਆਲੋਚਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਰੋਕਦਾ ਹੈ।
4. Slater, M. D., & Rouner, D. (1996). "How message evaluation and source attributes may influence credibility assessment and belief change." Journal of Broadcasting & Electronic Media.
   • ਮਹੱਤਵ: ਪੜਚੋਲ ਕਰਦਾ ਹੈ ਕਿ ਕਹਾਣੀਆਂ ਸਾਡੇ ਪੂਰਵ ਵਿਸ਼ਵਾਸਾਂ ਦੇ ਵਿਰੁੱਧ ਜਾਣ ਵਾਲੀ ਜਾਣਕਾਰੀ ਨਾਲ ਸਾਡੇ ਵਿਰੋਧ ਨੂੰ ਕਿਵੇਂ ਪਾਰ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਵੀਡੀਓ ਅਤੇ ਪੋਡਕਾਸਟ (Videos and Podcasts)

1. "The Danger of a Single Story" (TED Talk ਲੇਖਕ Chimamanda Ngozi Adichie)
   • ਸੰਬੰਧ: ਕਿੱਸੇ-ਕਹਾਣੀ ਦੇ ਭੁਲੇਖੇ ਦੇ ਵਿਆਪਕ, ਸੱਭਿਆਚਾਰਕ ਪ੍ਰਭਾਵ ਅਤੇ ਅਪੂਰਣ ਕਹਾਣੀਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਲੋਕਾਂ ਦਾ ਨਿਰਣਾ ਕਰਨ ਦੇ ਖਤਰਿਆਂ ਦੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਿਆਖਿਆ।
2. You Are Not So Smart Podcast (ਮੇਜ਼ਬਾਨ David McRaney)
   • ਸੰਬੰਧ: ਵੱਖ-ਵੱਖ ਐਪੀਸੋਡ ਬੋਧਾਤਮਕ ਪੱਖਪਾਤਾਂ, ਬਿਰਤਾਂਤ ਦੀ ਸ਼ਕਤੀ, ਅਤੇ ਅਸੀਂ ਅੰਕੜਾਤਮਕ ਤਰਕ ਨਾਲ ਕਿਉਂ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਾਂ, ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ।
3. "Why you think you're right — even if you're wrong" (TED-Ed ਲੇਖਕ Julia Galef)
   • ਸੰਬੰਧ: ਪ੍ਰੇਰਿਤ ਤਰਕ (motivated reasoning) ਬਾਰੇ ਚਰਚਾ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਵੇਂ ਅਸੀਂ ਆਪਣੇ ਵਿਸ਼ਵਾਸਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਡੇਟਾ ਦੀ ਬਜਾਏ ਕਹਾਣੀਆਂ ਨੂੰ ਚੁਣਦੇ ਹਾਂ।
4. "How statistics can be misleading" (TED-Ed ਲੇਖਕ Mark Liddell)
   • ਸੰਬੰਧ: ਅੰਕੜਿਆਂ ਦੀ ਸਹੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਇੱਕ ਛੋਟੀ ਐਨੀਮੇਟਿਡ ਗਾਈਡ, ਜੋ ਕਹਾਣੀ-ਸੰਚਾਲਿਤ ਤਰਕ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।