의사결정심리학8 [생각에 관한 생각_대니얼 카너먼] Taming Intuitive Predictions: 직관적 예측 다루기 "Taming Intuitive Predictions"(직관적 예측 다루기)는 사람들이 직관적으로 내린 예측이 얼마나 자주 부정확하거나 극단적인지, 이를 어떻게 수정할 수 있는지를 다룹니다. 이 장은 직관적 판단의 문제점을 분석하고, 통계적 기법을 활용해 이를 보완하는 방법을 제시합니다.직관적 예측의 문제점직관적 예측은 System 1(직관적 사고)의 영향으로 빠르고 자동적으로 이루어지지만, 다음과 같은 문제점을 가지고 있습니다:극단적인 결과를 과대평가하거나 과소평가기본 확률(base rate)을 무시증거의 질보다 대표성과 일관성에 의존이러한 문제는 우리의 직관이 통계적 사실보다 이야기나 직관적 패턴에 더 크게 반응하기 때문입니다.직관적 예측 수정하기직관적 예측을 수정하려면, System 2(분석적 사고.. 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Regression to the Mean: 평균으로의 회귀 "Regression to the Mean"(평균으로의 회귀)는 통계적 개념으로, 극단적인 사건이나 성과는 시간이 지나면서 평균에 가까워지는 경향을 설명합니다. 이 장은 사람들이 평균으로의 회귀를 인식하지 못하거나 잘못 해석하는 이유를 다루며, 일상적인 판단과 의사결정에서 이를 이해하는 것이 왜 중요한지 강조합니다.평균으로의 회귀란?평균으로의 회귀는 두 개의 연관된 변수 사이에서, 극단적인 값이 이후 측정에서 평균에 가까워지는 경향을 설명합니다. 예를 들어:운동선수가 매우 뛰어난 첫 경기를 치른 후, 다음 경기에서 더 평범한 성과를 낼 가능성학생이 특정 시험에서 높은 점수를 받았다가 이후 시험에서는 점수가 낮아지는 경우이 현상은 단순히 우연과 통계적 변동성의 결과일 뿐, 특정 원인을 의미하지는 않습니다... 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Causes Trump Statistics: 원인이 통계를 이긴다 "Causes Trump Statistics"(원인이 통계를 이긴다)는 사람들이 통계적 정보보다 인과적 설명(causal explanation)을 더 신뢰하는 경향을 다룹니다. 이 장은 인간의 사고가 얼마나 쉽게 이야기와 원인 중심으로 움직이는지를 설명하며, 통계적 사실을 간과하게 되는 과정을 보여줍니다.원인과 통계의 충돌사람들은 통계적 정보가 제공되더라도 인과적 연결이 더 강력한 경우 이를 더 신뢰합니다. 예를 들어:사람들은 숫자가 아닌 특정 사례를 통한 설명을 들었을 때 더 설득됩니다.대중은 일반적인 데이터보다 구체적인 이야기에서 더 많은 영향을 받습니다.이러한 경향은 우리의 System 1(직관적 사고)이 강력한 이야기와 원인 중심적 사고에 쉽게 반응하기 때문입니다.사례: 택시 사고 문제실험에서는.. 2024. 12. 21. [생각에 관한 생각_대니얼 카너먼] Anchors: 기준점 "Anchors"(기준점)는 판단과 결정에 영향을 미치는 심리적 현상을 다룹니다. 사람들이 숫자나 정보를 처음 접할 때, 이 초기 값(기준점)이 이후의 판단에 강력한 영향을 미친다는 것이 주요 내용입니다. 이러한 현상은 의사결정, 협상, 그리고 일상적인 추정에서 널리 관찰됩니다.랜덤 기준점의 영향연구에 따르면, 완전히 무작위로 주어진 숫자도 우리의 판단에 영향을 미칠 수 있습니다. 예를 들어, 한 실험에서는 응답자들에게 아프리카 국가의 UN 가입 비율을 추정하도록 요청하기 전 "운명의 바퀴"를 돌려 10 또는 65 같은 무작위 숫자를 제공했습니다. 결과적으로, 높은 숫자를 본 사람들은 높은 비율을 추정했고, 낮은 숫자를 본 사람들은 낮은 비율을 추정했습니다.기준점의 사례다음과 같은 상황에서 기준점 효과가.. 2024. 12. 20. 이전 1 2 다음