‫برنامه آموزشی تم طولی استدالل‬
‫(تفکر نقاد) ‪ ،‬حل مسأله وتصمیم گیری‬
‫دانشجویان پزشکی دانشگاه تهران‬
‫مهر ‪90‬‬
‫گروه تفکر نقاد وپزشکی مبتنی بر شواهد‬
‫جلسه هفتم‬
‫بازخورد‬
‫‪ ‬فرصت بحث کم بود و تمرین زیاد‬
‫‪ ‬بحث گروهی نداشت‬
‫‪ ‬اسالیدها زیاد بود‬
‫‪ ‬سناریوها همانجا در کالس اول حل نشد‬
‫‪ ‬تست حافظه جداب نیست‬
‫‪ ‬اهداف تستها گفته نشد و با بازی و تستهای بی ارزش قاطی شد‬
‫‪ ‬اهداف باید گفته میشد حداقل بعد از تست ت‬
‫‪ ‬تست بدون فیدبک انجام شد نباید میشد‬
‫‪ ‬مثال افغانی نزنم دانشجو داریم‬
‫رئوس مطالب‬
‫‪ ‬فعالیت فردی و گروهی‬
‫‪ ‬استقرا روشمند(متدولوژیک)‪/‬علمی وغیرروشمند‬
‫‪ ‬خطاهای روش اکتشافی‪/‬میانبر‬
‫‪ .1‬خطای بازنمایی‬
‫‪ .2‬خطای دسترسی‬
‫‪ .3‬خطای مرجع‪-‬تنظیم‬
‫انها که قانون حاکم را حدس زدند بنشینند‬
‫‪1, 5, 9‬‬
‫انها که قانون حاکم را حدس زدند بنشینند‬
‫‪1, 5, 9‬‬
‫‪17, 21, 25‬‬
‫مثال‪ :‬جراحی لوزه‬
‫‪ ‬پزشکان متخصص اطفال به سه گروه تقسیم شدند‬
‫‪ ‬در یک مدرسه هر بار ‪ %10‬از بچه ها را‬
‫برای جراحی لوزه فرستادند‬
‫‪ ‬نمونه ها جایگزین نمیشد‬
‫‪7‬‬
‫خالصه تا اینجا‬
‫استدالل استقرایی‬
‫غیر روشمند‪/‬فردی‬
‫عدم اطمینان در کلمات‬
‫روشمند‪/‬علمی‬
‫عدم اطمینان اماری‪/‬عددی‬
‫خالصه تا اینجا‬
‫استدالل‬
‫استقرایی‬
‫غیر‬
‫روشمند‪/‬فردی‬
‫میانبرهای ذهنی‬
‫روشمند‪/‬علمی‬
‫نوع نمونه‬
‫حجم نمونه‬
‫فرایند استدالل استقرایی علمی و چالشها‬
‫سیستم ‪2‬‬
‫تحلیلی‪/‬نقادی‬
‫کند‬
‫نظام مند‬
‫هوشیارانه‬
‫کم خطا‬
‫سندیت بیشتر‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫این دو سیستم جدا بحث میشوند‬
‫ولی در زندگی روزمره و در عمل ادغام یافته هستند‬
‫سیستم ‪ 1‬‬
‫شهودی‪/‬اکتشافی ‪‬‬
‫سریع‪/‬میانبر ‪‬‬
‫قاعده مند‪/‬کلیشه ای ‪‬‬
‫اتوماتیک ‪‬‬
‫خطا زیاد ‪‬‬
‫سندیت کمتر ‪‬‬
‫خطای شناختی‬
Humans routinely draw conclusions in situations. Those conclusions are based on assumptions that usually operate at an
unconscious level.
‫خطای استدالل‬
‫خطای شناختی در پردازش اطالعات‬
‫مزایای استقرای غیر روشمند‬
‫‪ ‬تولید فرضیه؟‬
‫‪ ‬رفع موقت نیازهایی که نیاز به استقرای علمی‬
‫ندارد (تجربه های کم خطا)‬
‫‪ ‬کاربرد میانبرها‪:‬‬
‫‪ ‬عدم وجود اطالعات‬
‫‪ ‬پیچیدگی شرایط‬
‫‪ ‬زمان محدود‬






























anchoring
anthropic bias
attribution, attributional bias
Barnum effect
base rate neglect
behavioral confirmation
belief perseverance
bias blind spot
clustering illusion
confirmation bias
conjunction fallacy
contrast effect
cultural bias
dilution effect
disconfirmation bias
egocentric bias
endowment effect
expectancy effect
false consensus effect
framing effect
fundamental attribution error
gambler's fallacy
group-serving bias
group attribution error
halo effect
hindsight bias
hostile media effect
hyperbolic discounting
illusion of control
illusion of validity



































illusory correlation
impact bias
infrastructure bias
ingroup bias
just-world phenomenon
Kuleshov effect
Lake Wobegon effect
logical fallacy
loss aversion
media bias
memory bias
mere exposure effect
misinformation effect
negativity effect
negative perception of the color black
notational bias
outgroup homogeneity bias
overconfidence effect
pathetic fallacy
peak-end rule
physical attractiveness stereotype
planning fallacy
picture superiority effect
positivity effect
primacy effect
priming
projection bias
pseudo-opinion
publication bias
recency effect
regression fallacy
reporting bias
risk-aversion
rosy retrospection
sample bias














selection bias
selective perception
self-deception
self-serving bias
spacing effect
statistical bias
status quo bias
sunk cost effects
tunnel vision
trait ascription bias
valence effect
Von Restorff effect
wishful thinking
worse-than-average
effect
 Zeigarnik effect
three heuristic principles that are commonly
employed to generate probability estimates
 Sampling/Representativeness
‫بازنمایی‬
The more object X is similar to class Y, the more likely we think X
belongs to Y
 Saliency/Availability
‫دسترسی‬
The easier it is to consider instances of class Y, the more
frequent we think it is
 Anchoring
‫مرجع‬
Initial estimated values affect the final estimates, even after
considerable adjustments
22
‫رئوس مطالب‬
‫‪ ‬فعالیت فردی و گروهی‬
‫‪ ‬استقرا روشمند(متدولوژیک)‪/‬علمی وغیرروشمند‬
‫‪ ‬خطاهای روش اکتشافی‪/‬میانبر‬
‫‪ .1‬خطای بازنمایی‬
‫‪ .2‬خطای دسترسی‬
‫‪ .3‬خطای مرجع‪-‬تنظیم‬
Example
X is very shy and withdrawn, invariably helpful,
but with little interest in people, or in the world
of reality. A meek and tidy soul, he has a
need for order and structure, and a passion
for detail.
Is X a Librarian, a Teacher, or a Lawyer?
25
‫در باز نمایندگي‪ ،‬ما بر اساس موارد زیر دربارة احتمال‬
‫یك رویداد غیر مطمئن داوري مي كنیم‬
‫‪ -1 .‬تا چه حد آشكارا آن حادثه شبیه یا‬
‫بازنماي جامعه اي است كه از آن استخراج‬
‫شده است‬
‫‪ -2‬تا چه اندازه منعكس كنندة خصایص‬
‫برجستة فرایندي است كه آن را تولید كرده‬
‫است (همانند تصادفي بودن )‪.‬‬
‫‪Representative Bias (1):‬‬
‫عدم حساسیت به احتمال پایه‬
‫‪ ‬یكي از دالیلي كه باعث مي شود افراد به اشتباه‬
‫از روش اكتشافي بازنمایندگي استفاده كنند این‬
‫است كه مفهموم آهنگ پایه را درك نمي كنند ‪.‬‬
‫‪ ‬آهنگ پایه به ارزش یك حادثه یا خصوصیت در‬
‫جامعة آن حوادث یا خصوصیات اشاره دارد ‪.‬‬
‫افراد در تصمیم گیریهاي روزانة خود غالبا‬
‫اطالعات آهنگ پایه را نادیده مي گیرند ‪.‬‬
‫‪The nature of reasoning, Sternberg, R, 2004‬‬
‫مثال کاربرگ‬
‫‪ ‬در یک جمعیت ‪ 100‬نفری‪ %70،‬مهندس و ‪ %30‬وکیل‬
‫هستند‪.‬‬
‫‪ ‬الف) دیک مردی ‪ 30‬ساله است‪ .‬او متاهل است و فرزندی‬
‫ندارد‪ .‬توانمندی باال و انگیزه های زیادی دارد‪ .‬او متعهد است‬
‫در رشته تخصصی خود کامال موفق باشد‪ .‬همکارانش او را‬
‫دوست دارند‪.‬‬
‫‪ ‬احتمال اینکه که دیک یکی از ‪ 70‬مهندس جمعیت باال باشد چند‬
‫درصد است‪ ....:‬درصد‬
‫‪ ‬پاسخ هر دو گروه=‪!!%50‬‬
Representative Bias (2):
‫عدم حساسیت به حجم نمونه‬
 The size of a sample withdrawn from a
population should greatly affect the likelihood
of obtaining certain results in it
 People, however, ignore sample size and
only use the superficial similarity measures
 For example, people ignore the fact that
larger samples are less likely to deviate from
the mean than smaller samples
‫مثال کاربرگ‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫در شهری دو بیمارستان وجود دارد‪ .‬در بیمارستان بزرگتر روزانه حدود‬
‫‪ 45‬نوزاد و در بیمارستان کوچکتر حدود ‪ 15‬نوزاد در روز متولد می‬
‫شوند‪.‬همانطور که می دانید ‪ 50‬درصد از نوزادان متولد شده پسر هستند‪.‬‬
‫هرچند که نسبت دقیق نوزادان متولد شده در هر روز متفاوت از روز‬
‫دیگر است‪ .‬گاهی اوقات این نسبت بیش از‪ 50‬درصد و گاهی کمتر از ‪50‬‬
‫درصد است‪.‬‬
‫در مدت یک سال هر بیمارستانروزهایی را که بیش از ‪ 60‬درصد‬
‫نوزادان متولد شده‪ ،‬پسر بودند را ثبت کردند‪ .‬فکر می کنید کدام بیمارستان‬
‫روزهای بیشتری را ثبت کرد؟‬
‫الف) بیمارستان بزرگتر‬
‫ب) بیمارستان کوچکتر‬
‫ج) هر دو بیمارستان مشابه هم (هر یک ‪ 50‬درصد)‬
‫‪Representative Bias (3):‬‬
‫برداشت غلط از شانس‬
‫‪ ‬در یك مسابقه بسكتبال داور براي تیم ‪ A‬یك پرتاب ‪ 3‬امتیازي‬
‫مي گیرد ‪ .‬با دادن توپ به بازیکنی که پرتاب ‪ 3‬امتیازی قبل را‬
‫گل کرده است‪:‬‬
‫‪ ‬الف) احتمال گل شدن پرتاب ‪ 3‬امتیازي بیشتر از زمانی است‬
‫که سایر بازیکنان توپ را پرتاب کنند‪.‬‬
‫‪ ‬ب ) احتمال گل شدن پرتاب ‪ 3‬امتیازي کم تر از زمانی است‬
‫که سایر بازیکنان توپ را پرتاب کنند‪.‬‬
‫‪ ‬ج) احتمال گل شدن پرتاب ‪ 3‬امتیازي توسط این بازیکن با‬
‫سایر بازیکنان فرقی ندارد‪.‬‬
‫‪Hot hand‬‬
‫قانون دست طالیی‪:‬‬
‫احتمال موفقیت به موفقیت در‬
‫آخرین ضربه‬
‫ارتباط زیادی ندارد‪.‬‬
Representative Bias (3):
‫برداشت غلط از شانس‬
 People expect random sequences to be
“representatively random” even locally

E.g., they consider a coin-toss run of HTHTTH to be
more likely than HHHTTT or HHHHTH
 The Gambler’s Fallacy
 After a run of reds in a roulette, black will make the
overall run more representative (chance as a selfcorrecting process??)
Representative Bias (4):
‫رجعت به میانگین‬
 People tend to ignore the
phenomenon
of regression
towards the mean.
 punishments /reward
 Correlation between parents’ and
children’s heights or IQ;
37
Example
A group of children took two tests. If I select
10 of the top 20 performers on test A, will
their performance on test B most likely be:
 A Better
 B Worse
 C The same
38
‫بازنمایی‬
‫‪ ‬اینكه ما همواره بر روش اكتشافي باز نمایندگي تكیه مي‬
‫كنیم ‪ ،‬چندان تعجب آور نیست ‪ .‬به كار گیري آن آسان‬
‫و غالبا مؤثر است ‪.‬‬
‫‪ ‬براي مثال تصور كنید قبل از بیرون رفتن‪ ،‬گزارش‬
‫هواشناسي را نشنیده باشم ‪ .‬به طور غیر رسمي ارزیابي‬
‫مي كنیم كه باران خواهد بارید ‪.‬‬
‫‪ ‬مبناي قضاوت ما این است كه چقدر خصوصیات‬
‫امروز (مثال ماه چندم سال و وجود یا عدم وجود ابر در‬
‫آسمان ) بازنماي خصوصیات روزهاي باراني است‬
Representative/ summary
Used to judge membership in a class, Judge similarity to
stereotypes
 People are insensitive to prior probability of outcomes
They ignore preexisting distribution of categories or base rate
frequencies
 People are insensitive to sample size
They draw strong inferences from small number of cases
 People have a misconception of Chance: Gambler’s Fallacy,
They see a ‘normal’ event and think it ‘rare’:
they think chance will ‘correct’ a series of ‘rare’ events
 People have a misconception of Regression:
They see a ‘rare’ event and think it ‘normal’:
they deny chance as a factor causing extreme outcomes
41
‫رئوس مطالب‬
‫‪ ‬فعالیت فردی و گروهی‬
‫‪ ‬استقرا روشمند(متدولوژیک)‪/‬علمی وغیرروشمند‬
‫‪ ‬خطاهای روش اکتشافی‪/‬میانبر‬
‫‪ .1‬خطای بازنمایی‬
‫‪ .2‬خطای دسترسی‬
‫‪ .3‬خطای مرجع‪-‬تنظیم‬
Example
Consider these pairs of causes of death:
 Lung Cancer vs Motor Vehicle Accidents
 Emphysema vs Homicide
 Tuberculosis vs Fire and Flames
From each pair, choose the one you think
causes more deaths each year.
46
‫علل مرگ‬
People’s
Choice
Annual US
Totals
Newspaper
Reports/Year
‫سرطان ریه‬
43%
140,000
3
‫تصادفات‬
57%
46,000
127
‫نارسایی ریوی‬
45%
22,000
1
‫قتل‬
55%
19,000
264
‫سل‬
27%
4,000
0
‫اتش سوزی‬
73%
7,000
24
47
‫علل مرگ‬
People’s
Choice
Annual US
Totals
Newspaper
Reports/Year
‫سرطان ریه‬
43%
140,000
3
‫تصادفات‬
57%
46,000
127
‫نارسایی ریه‬
45%
22,000
1
‫قتل‬
55%
19,000
264
‫سل‬
27%
4,000
0
‫اتش سوزی‬
73%
7,000
24
48
Causes of
Death
People’s
Choice
Annual US
Totals
Newspaper
Reports/Year
‫سرطان ریه‬
43%
140,000
3
‫تصادفات‬
57%
46,000
127
‫نارسایی ریه‬
45%
22,000
1
‫قتل‬
55%
19,000
264
‫سل‬
27%
4,000
0
‫اتش سوزی‬
73%
7,000
24
49
Causes of
Death
People’s
Choice
Annual US
Totals
Newspaper
Reports/Year
‫سرطان ریه‬
43%
140,000
3
‫تصادفات‬
57%
46,000
127
‫نارسایی ریه‬
45%
22,000
1
‫قتل‬
55%
19,000
264
‫سل‬
27%
4,000
0
‫اتش سوزی‬
73%
7,000
24
50
‫مثال خطای دسترسی‬
‫‪ ‬براي مثال حرف ‪ R‬را در نظر بگیرید ‪ .‬آیا در انگلیسي‬
‫كلماتي كه با حرف ‪ R‬شروع مي شوند بیشتر است یا‬
‫کلماتی که‪ R‬حرف سوم آنهاست؟ بیشتر پاسخ دهندگان‬
‫جواب می دهند كلماتي كه با حرف ‪ R‬شروع مي شوند‬
‫بیشتر است‪.‬‬
‫‪ ‬چرا ؟ زیرا تولید كلماتي كه با حرف ‪ R‬شروع مي‬
‫شوند ساده تر از تولید كلماتي است كه ‪ R‬سومین حرف‬
‫آنهاست ‪ .‬در واقع ‪ ،‬در زبان انگلیسي تعدا كلماتي كه ‪R‬‬
‫حرف سوم آنهاست بیشتر است ‪ .‬این مسئله در مورد‬
‫چند حرف دیگر مثل ‪ V,N,L,K‬نیز صادق است ‪.‬‬
‫مثال خطای دسترسی‬
‫‪ ‬در مطالعه اي ‪ ،‬هر یك از زوجها به صورت انفرادي‬
‫ابراز داشتند كه در بیست كار دشوار متفاوت خانگي‬
‫كدام یك از آنها سهم بیشتري از هر كار را انجام مي‬
‫دهند‪.‬‬
‫‪ ‬هر یك از زوجها اظهار داشتند كه اغلب اوقات حدود‬
‫شانزده تكلیف از بیست تكلیف دشوار را انجام مي‬
‫دهند!!‬
‫‪ ‬نتایج مشابهي در پرسش از اعضاي تیم بسكتبال دانشگاه‬
‫و شركت كنندگان در یك تكلیف مشترك آزمایشگاهي‬
‫نیز به دست آمد ‪.‬‬
Availability Biases (1):
‫سهولت بازیابی‬
 Classes whose instances are more easily
retrievable will seem larger

For example, judging if a list of names had
more men or women depends on the relative
frequency of famous names
 Salience affects retrievability

E.g., watching a car accident increases
subjective assessment of traffic accidents
Availability Biases (2):
Effectiveness of a Search Set
 We often form mental “search sets” to
estimate how frequent are members of some
class; the effectiveness of the search might
not relate directly to the class frequency


Who is more prevalent: Words that start with r
or words where r is the 3rd letter?
Are abstract words such as love more frequent
than concrete words such as door?
‫لیست را مالحظه کنید‬
‫‪‬نت‪،‬صدا‪،‬پیانو‪،‬اواز‪،‬رادیو‪،‬ملودی‪ ،‬دف‪،‬‬
‫کالسیک‪،‬کنسرت‪ ،‬االت موسیقی‪،‬‬
‫اهنگ‪،‬سیمفونی‪ ،‬جاز‪ ،‬ارکستر‪،‬تار‪،‬‬
‫هنر‪ ،‬ریتم‪،‬‬
‫‪‬هر چه یادتان میاید بنویسید‬
‫‪Example‬‬
‫ایا در لیست کلمه موزیک را اوردید؟‬
‫‪56‬‬
Availability Biases (2):
Effectiveness of a Search Set
Individuals are biased in their
assessments of the frequency
of events based on how the
structure of memory affects the
search
57
Example
 College-drop outs may easily be assumed to
correlate with a pattern of failure.
 But Bill Gates and Michael Dell and many
other successful business people are actually
college drop-outs .
60
‫راهنمای تمرین‬
‫‪ ‬اظهارات افراد در دو گروه ‪ A‬و ‪ B‬به تفکیک در ادامه مطرح می شود‪.‬‬
‫‪ ‬پس از مشاهده اظهارات ارائه شده اند‪ ،‬بر اساس برداشت خود پاسخ‬
‫دهید‪.‬‬
‫‪ ‬جان به مالقات دوست خود در‬
‫بیمارستان رفت‪.‬‬
‫‪ ‬آلن به گلگیر خودروی پارک شده‬
‫در خیابان آسیب رساند و بدون‬
‫آنکه در یادداشتی نام خود را‬
‫بنویسد‪ ،‬محل حادثه را ترک‬
‫کرد‪.‬‬
‫‪ ‬خیلی به ندرت پیش می آید که‬
‫بیل با تاخیر سرکار حاضر شود‪.‬‬
‫‪ ‬باب به یک کودک کمک کرد‪.‬‬
‫‪ ‬تام نهارش را با یک کارگر تقسیم‬
‫کرد‪.‬‬
‫‪ ‬اسکات در یک امتحان تقلب‬
‫کرد‪.‬‬
‫‪ ‬آلن چند نهال در یک پارک‬
‫کاشت‪.‬‬
‫‪ ‬هنری از مسیرش برگشت تا کیف‬
‫پول گمشده را به صاحبش‬
‫برگرداند‪.‬‬
‫‪ ‬ناتهان بچه های همسایه را به‬
‫شنا برد‪.‬‬
‫‪ ‬جان به عنوان یک همکار بسیار‬
‫قابل اعتماد شناخته می شود‪.‬‬
‫‪ ‬چاد همیشه درباره خودش و‬
‫مشکالتش صحبت می کند‪.‬‬
‫‪ ‬جوش تکالیفش را به موقع تمام‬
‫می کند‪.‬‬
‫‪ ‬همکاران لین خیلی به او عالقمند‬
‫هستند‪.‬‬
‫‪ ‬دیویس برای دخترش یک داستان‬
‫خواند‪.‬‬
‫‪ ‬ران مزاحم تلفنی معلمش شد‪.‬‬
‫‪ ‬بروس هیچ وقت کتابهای‬
‫کتابخانه را به موقع تحویل نمی‬
‫دهد‪.‬‬
‫‪ ‬کن به یک بچه گمشده در‬
‫سوپرمارکت کمک کرد‪.‬‬
‫‪ ‬دیویس به راحتی با افرادی که‬
‫نمی شناسد ارتباط برقرار می‬
‫کند‪.‬‬
‫‪ ‬فرد به واحد صلیب سرخ خون‬
‫اهدا کرد‪.‬‬
‫‪ ‬الکس به یک سگ ضربه زد‪.‬‬
‫‪ ‬دیوین لباسهایش را به امور‬
‫خیریه اهدا کرد‪.‬‬
‫‪ ‬مارک چگونگی پرواز با هواپیما را‬
‫بلد است‪.‬‬
‫‪ ‬گری در مقاله پژوهش ی خود نمره‬
‫الف را گرفت‪.‬‬
‫‪ ‬تد از چراغ قرمز عبور کرد‪.‬‬
‫‪ ‬جف به طور داوطلبانه به دانش‬
‫آموزان نیازمند درس می دهد‪.‬‬
‫‪ ‬ریچارد بر سر پسری که به او‬
‫ضربه زد فریاد کشید‪.‬‬
‫‪ ‬اریک همسایه پیر خود را به میوه‬
‫فروش ی رساند‪.‬‬
‫‪ ‬وینسنت مصاحبه شغلی اش را‬
‫فراموش کرد‪.‬‬
‫‪ ‬کیت یک جشن تولد برای‬
‫دوستش ترتیب داد‪.‬‬
‫‪ ‬کالین کار می کند تا خود را در‬
‫وضعیت خوبی نگه دارد‪.‬‬
‫‪ ‬رابرت هنگامی که غذا در دهان‬
‫دارد صحبت می کند‪.‬‬
‫‪ ‬اسکات در کارش ترفیع گرفت‪.‬‬
‫‪ ‬نورمن اغلب هنگام رانندگی دنده‬
‫عقب می رود‪.‬‬
‫‪ ‬الیوت در گروه کر کلیسا آواز می‬
‫خواند‪.‬‬
‫‪ ‬ویلیام به ندرت خودروی خود را‬
‫می شوید‪.‬‬
‫‪ ‬پیتر به عنوان یک موسیقیدان‬
‫عالی شناخته می شود‪.‬‬
‫‪ ‬دان سگ ولگرد صدمه دیده را‬
‫به دامپزشک رساند‪.‬‬
‫‪ ‬راجر ماشین چمن زنی همسایه‬
‫اش را تعمیر کرد‪.‬‬
‫‪ ‬کریگ به دوستش کمک کرد تا‬
‫حرکت کند‪.‬‬
‫پایان‬
‫جدول صفات را تکمیل کنید‪:‬‬
‫صفات‬
‫مردمی‬
‫تنبل‬
‫ناراحت‬
‫باهوش‬
‫راستگو‬
‫بی مسئولیت‬
‫یاری کننده‬
‫غیر مردمی‬
‫گروه ‪A‬‬
‫گروه ‪B‬‬
‫مکانیسم‬
‫‪‬با وجود اين ‪ ،‬دسترس ي پذيري ممكن است تحت‬
‫تاثیر‪:‬‬
‫‪ .1‬تازگي عرضه‬
‫‪ .2‬غیر معمول بودن‬
‫‪ .3‬برجستگی متمايز رويداد يا طبقة رويداد خاص‬
‫براي فرد قرار داشته باشد‬
Availability/ summary
Used to judge likelihood or frequency of
event, occurrence
 People tend to be biased by information that is easier
to recall:
they are swayed by information that is vivid, wellpublicized, or recent
 People tend to be biased by examples that they can
easily retrieve
 People tend to correlate events that occur close
together
104
‫رئوس مطالب‬
‫‪ ‬فعالیت فردی و گروهی‬
‫‪ ‬استقرا روشمند(متدولوژیک)‪/‬علمی وغیرروشمند‬
‫‪ ‬خطاهای روش اکتشافی‪/‬میانبر‬
‫‪ .1‬خطای بازنمایی‬
‫‪ .2‬خطای دسترسی‬
‫‪ .3‬خطای مرجع‪-‬تنظیم‬
‫روش اكتشافي مرجع – تنظیم‬
Individuals make assessments
by starting from an initial value
and adjusting this initial value to
yield a final decision.
109
‫روش اكتشافي مرجع – تنظیم‬
Consequences:
 Adjustments are typically insufficient and are
biased towards initial values, the anchor
 Lead to premature closure of thinking.
Diagnosis , once attached is difficult to
remove and may seal the patient’s fate.
110
‫روش اكتشافي مرجع – تنظیم‬
 Anchoring may occur due to incomplete
calculation, such as estimating by two highschool student groups


the expression 8x7x6x5x4x3x2x1 (median answer:
512)
with the expression 1x2x3x4x5x6x7x8 (median
answer: 2250)
 Anchoring occurs even when experts (real-estate
agents) estimate real-estate prices (Northcraft
and Neale, 1987)
‫روش اكتشافي مرجع – تنظیم‬
The halo effect
occurs when a
person's positive or
negative traits seem
to "spill over" from
one area of their
personality to
another in others'
perceptions of them.
‫روش اكتشافي مرجع – تنظیم‬

What percentage of African nations are in the UN?


A large wheel was spun which showed
subjects either 10 or 65.
Subjects asked to determine if number was
smaller or larger than wheel and then asked
for estimate.

Median estimates: 25% (for 10) and 45% (for
65)
113
‫خالصه‬
‫سیستم ‪2‬‬
‫تحلیلی‪/‬نقادی‬
‫کند‬
‫نظام مند‬
‫هوشیارانه‬
‫کم خطا‬
‫سندیت بیشتر‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫•‬
‫این دو سیستم جدا بحث میشوند‬
‫ولی در زندگی روزمره و در عمل ادغام یافته هستند‬
‫سیستم ‪ 1‬‬
‫شهودی‪/‬اکتشافی ‪‬‬
‫سریع‪/‬میانبر ‪‬‬
‫قاعده مند‪/‬کلیشه ای ‪‬‬
‫اتوماتیک ‪‬‬
‫خطا زیاد ‪‬‬
‫سندیت کمتر ‪‬‬
‫خطای شناختی‬
‫شاید مهمترین نقص استقرای غیر‬
‫روشمند جهل مرکب مدعی باشد!‬
‫خالصه‪ :‬وظیفه متفکر نقاد‪ ،‬فعال!‬
‫‪-1‬در صورت عملی بودن‪/‬لزوم استفاده از‬
‫استقرا روشمند(بجای تجربیات فردی و‬
‫استقرای غیر روشمند) برای تایید ادعاهای‬
‫مهم‬
‫مغالطه استاندارد دوگانه نکنید!‬
‫خالصه‪ :‬وظیفه متفکر نقاد‪ ،‬فعال!‬
‫‪-2‬در لزوم نقد ادعاهای مبتنی بر رویکرد‬
‫اکتشافی‪/‬میانبر از طریق اصول استقرا‬
‫روشمند‬
‫تعمیر کشتی باورها در حال حرکت روی دریا‬
‫صورت میگیرد نه در لنگرگاه‬
‫مولفه ها و استانداردهای تفکر‬
‫باید در موارد زیر‬
‫بكار رود‬
‫استانداردها‬
‫صحت‬
‫وضوح‬
‫اهمیت‬
‫دقت‬
‫کفایت‬
‫ارتباط‬
‫منطقي بودن انصاف‬
‫وسعت نظر عمق‬
‫مولفه ها‬
‫زمینه‬
‫استنتاج‪/‬ادعا‬
‫هدف‬
‫پرسش‪/‬مسئله‬
‫مفاهیم‬
‫دیدگاه‬
‫سرانجام‬
‫اطالعات‬
‫پیش فرضها‬
‫ویژگی های ذهنی‬
‫تواضع عقلی‬
‫استقالل عقلی‬
‫درستی عقلی‬
‫شهامت عقلی‬
‫پشتکار عقلی‬
‫اطمینان به استدالل‬
‫همدلی عقلی‬
‫منصف بودن‬
‫چنان كه‬
‫ميآموزیم این‬
‫خصا یص را‬
‫پرورش ميدهیم‬