8. Social Kognition - Heuristik och Rationalitet (2) Flashcards
(48 cards)
Hur skiljer sig en heuristik från en bias?
Heuristik = En mental genväg som hjälper oss att fatta beslut snabbt. (Kan vara hjälpsam eller leda till fel).
Bias = Ett systematiskt tankefel som leder oss bort från objektivt eller rationellt tänkande. (Orsakas ofta av heuristiker).
Förenklat:
Heuristik = Hur vi tänker (t.ex. ”Jag använder en tumregel”).
Bias = När vi tänker fel (t.ex. ”Min tumregel leder mig till en felaktig slutsats”).
Vad innebär begreppet lydnad inom socialpsykologi?
Lydnad innebär att en person följer order från en auktoritet, även om det går emot deras personliga övertygelse eller moral. Lydnad skiljer sig från konformitet eftersom det handlar om att lyda en auktoritet snarare än att anpassa sig till en grupp.
Exempel:
En soldat som lyder en order trots att den känns fel.
En anställd som följer en chefs instruktioner även om hen tycker de är orättvisa.
Vad visade Milgrams lydnadsexperiment (1963)?
Stanley Milgrams experiment visade att människor kan lyda auktoriteter även när det innebär att skada andra, om de känner att ansvaret ligger hos auktoriteten.
Experimentets upplägg:
Deltagarna (”lärare”) fick order att ge elektriska stötar till en annan person (”elev”) vid fel svar.
Stötarna ökade i styrka upp till 450 volt (som var märkt “farligt”).
Elevens smärta var fejkad, men deltagarna trodde att den var verklig.
Resultat:
65% av deltagarna gav den högsta stötstyrkan, trots att de kände obehag.
Många fortsatte för att experimentledaren sa att de måste.
Slutsats:
Människor lyder auktoriteter även i moraliskt tveksamma situationer.
Ansvarsfriskrivning (”Jag bara följde order”) spelar en stor roll.
Vilka faktorer ökade eller minskade lydnaden i Milgrams experiment?
Faktorer som ökade lydnad:
Närvaro av auktoritet → Om experimentledaren var i samma rum var lydnaden högre.
Ansvarsfriskrivning → Deltagarna kände att de inte var personligt ansvariga.
Gradvis eskalering → Små ökningar av stötstyrkan gjorde det svårare att sluta.
Faktorer som minskade lydnad:
Om andra vägrade lyda → Om deltagare såg någon annan säga ifrån, minskade lydnaden drastiskt.
När auktoriteten var frånvarande → Om order gavs via telefon, minskade lydnaden.
Hur liknar och skiljer sig Zimbardos fängelseexperiment från Milgrams studie?
Likheter:
Båda studierna visar att sociala roller och auktoritet påverkar vårt beteende.
Båda experimenten demonstrerade hur snabbt människor kan anpassa sig till extrema situationer.
Skillnader:
Milgram → Fokus på lydnad och att följa order från en auktoritet.
Zimbardo → Fokus på sociala roller och hur människor beter sig i maktpositioner.
Exempel från Zimbardo:
Fängelsevakterna i experimentet blev snabbt brutala och dominerande.
Fångarna blev passiva och undergivna, även om de kunde lämna experimentet.
Slutsats:
Båda experimenten visar hur situationer och auktoritet kan få vanliga människor att bete sig på sätt de annars inte skulle.
Vad innebär confirmation bias (bekräftelsebias)?
Confirmation bias är en kognitiv bias där vi aktivt söker, tolkar och minns information på ett sätt som bekräftar våra redan existerande uppfattningar. Denna bias är väldigt vanlig.
Konsekvenser:
Vi ignorerar information som motsäger våra åsikter.
Vi övervärderar bevis som stödjer vår ståndpunkt.
Exempel:
En person som tror på konspirationsteorier ignorerar vetenskapliga bevis men accepterar lätt falska bevis som stödjer deras tro.
En fotbollsfans ser domslut till sitt lags fördel som rättvisa men anser att samma domslut mot deras lag är felaktiga.
Hur kan samma bevis tolkas olika beroende på ens åsikter?
Människor tolkar bevis utifrån sin egen övertygelse. Samma fakta kan få vissa att stärka sitt stöd och andra att öka sin motvilja.
Exempel:
En politisk debatt → Båda sidorna ser samma tal, men de tolkar det på olika sätt:
Anhängare ser det som starkt och övertygande.
Motståndare ser det som svagt och vilseledande.
Klimatförändring → Personer som tror på klimatförändring ser extremväder som bevis, medan skeptiker ser det som naturliga variationer.
Slutsats: Confirmation bias gör att vi ser det vi vill se och hör det vi vill höra.
Hur kan confirmation bias påverka vår konsumtion av nyheter och information?
Vi tenderar att välja nyhetskällor som bekräftar vår syn på världen och undvika de som utmanar våra åsikter.
Exempel:
En person med konservativa värderingar väljer Fox News, medan en person med liberala värderingar föredrar MSNBC.
En person som tror på en viss konspirationsteori följer nyhetskällor som stöder den och ignorerar mainstreammedia.
Sociala medier-algoritmer förstärker confirmation bias genom att visa oss innehåll vi redan håller med om.
Konsekvens:
Confirmation bias leder till filterbubblor, där vi bara ser information som stödjer vår världsbild och aldrig ifrågasätter den.
Vad innebär Availability Heuristic (Tillgänglighetsheuristik)?
Tillgänglighetsheuristiken är en mental genväg där vi bedömer sannolikheten för en händelse baserat på hur lätt vi kan minnas exempel av den.
Konsekvenser:
Händelser som är mer dramatiska eller mediabevakade känns vanligare än de faktiskt är.
Vi överskattar risker som ofta rapporteras i nyheter.
Exempel:
Folk är mer rädda för flygolyckor än bilolyckor, trots att bilolyckor är mycket vanligare.
Efter en hajattack kan många undvika att bada, även om risken är extremt låg.
Varför är många människor mer rädda för flygolyckor än för farligare vardagsrisker?
Medierapportering förstärker tillgänglighetsheuristiken:
En flygkrasch får enorm uppmärksamhet, medan bilolyckor sällan rapporteras.
Nyheter skapar starka mentala bilder, vilket gör att vi minns extrema händelser lättare.
Statistik vs. uppfattning:
Risken att dö i en flygkrasch är 1 på 4 miljoner, men många tror att det är vanligare.
Fler dör av hjärt- och kärlsjukdomar, men de får inte samma uppmärksamhet i media.
Slutsats: Vi är mer rädda för det som känns skrämmande snarare än det som faktiskt är farligt.
Hur kan tillgänglighetsheuristiken leda till en bias?
Tillgänglighetsheuristiken är en mental genväg där vi bedömer sannolikheter baserat på hur lätt vi kan minnas exempel.
Men när den leder oss till systematiska fel blir det en bias!
Exempel på när heuristiken leder till en bias:
Vi tror att flygkrascher är vanligare än de är eftersom de rapporteras i media.
Vi är mer rädda för terrorism än för hjärtsjukdomar, trots att hjärtsjukdomar dödar många fler.
Slutsats:
Heuristiken i sig är en hjälp för snabbt beslutsfattande, men när den systematiskt förvränger vår uppfattning av verkligheten blir det en bias.
Hur ska man tänka logiskt för att lösa Wason’s Four-Card Task korrekt?
För att testa en regel måste vi försöka falsifiera den (inte bara bekräfta den!).
Exempel:
Regel: “Om ett kort har en jämn siffra på ena sidan, så har det en röd baksida på andra sidan.”
Vänd kortet med den jämna siffran (för att se om baksidan är röd).
Vänd kortet med en annan färg än röd (för att se om det har en jämn siffra på andra sidan, vilket skulle bryta regeln).
Det är onödigt att vända kortet med en ojämn siffra eller kortet med en röd baksida (de kan inte falsifiera regeln).
Forskning visar att bara 10% av människor tänker på detta sätt spontant!
Hur kan Wason’s fyrakortsproblem förklaras med heuristik?
Människor använder mentala genvägar (heuristik) istället för strikt logiskt tänkande när de löser problem.
Två heuristiker som påverkar oss i fyrakortsproblemet:
Bekräftelseheuristik (confirmation bias) → Vi letar efter information som stödjer regeln snarare än att försöka falsifiera den.
Vi vill vända kortet som verkar bekräfta regeln (t.ex. kortet med en röd baksida) men missar att vi också borde försöka motbevisa den.
Matchningsheuristik → Vi fokuserar på de mest uppenbara korten som verkar relaterade till regeln, istället för att tänka logiskt på vad som faktiskt behöver testas.
Vad innebär Law of Small Numbers (Lagen om små tal)?
Det är en statistisk feluppfattning där vi tror att små urval är representativa för en större population.
Konsekvenser:
Vi ser mönster i slumpmässiga data.
Vi drar felaktiga slutsatser från små dataset.
Exempel:
Ett litet glesbefolkat område kan ha extremt hög eller extremt låg cancerfrekvens, men det betyder inte att platsen är speciell – det beror på slumpen!
Vi tror att en basketspelare som gjort tre raka mål har en “het hand”, fast det bara är slumpmässig variation.
Hur kan lagen om små tal påverka beslut och bedömningar?
Människor överskattar betydelsen av små stickprov, vilket leder till felaktiga beslut och generaliseringar.
Typiska misstag:
Företagsstrategi: Ett litet företag lyckas → andra antar att deras metod alltid fungerar.
Politiska beslut: En kommun med låg brottslighet ses som ”säkrare”, men brottsnivåerna varierar mer i små populationer.
Medicinska studier: En liten studie visar stor effekt av en behandling, men resultatet är inte robust.
Slutsats:
Vi måste vara försiktiga med att dra slutsatser från små dataset – större urval ger mer tillförlitliga resultat.
Hur kan vi motverka feltolkningar baserade på små urval?
Tänk statistiskt! Små urval varierar mer än stora urval.
Se upp för anekdoter! Enskilda exempel bevisar inte en generell sanning.
Sök större data! Ju fler observationer, desto mer pålitlig analys.
Exempel:
Istället för att dra slutsatser från en lyckad startup, titta på hundratals företag för att se verkliga mönster.
En skola med plötsligt höga betyg betyder inte att deras metod är revolutionerande – det kan vara slump.
Slutsats:
Statistik kräver stora data för att ge en rättvis bild – små urval är ofta missvisande!
Vad innebär representativitetsheuristiken?
Det är en mental genväg där vi bedömer sannolikheter baserat på hur lik något verkar vara en kategori, snarare än på faktisk statistik.
Konsekvenser:
Vi ignorerar basfrekvens (statistik) och fokuserar på hur väl något liknar en stereotyp.
Leder till felaktiga sannolikhetsbedömningar.
Exempel:
Om vi kastar en tärning tror vi att ”6-1-3-2-4-5” är mer slumpmässigt än ”6-6-6-6-6-6”, fast båda är lika sannolika!
Hur kan representativitetsheuristiken leda till felaktiga slutsatser?
Människor underskattar verkliga sannolikheter eftersom vi går på likhet istället för statistik.
Exempel:
Steve-problemet: Folk tror att Steve är bibliotekarie eftersom han ”liknar stereotypen”, men i verkligheten finns det fler lantbrukare än bibliotekarier, så det är mer sannolikt att han är lantbrukare.
Spelteori: Folk tror att efter flera ”röda” på roulette, borde ”svart” komma, men varje snurr är oberoende!
Slutsats:
Vi måste tänka mer statistiskt och inte lita för mycket på stereotyper.
Hur kan vi motverka de fel som representativitetsheuristiken leder till?
Tänk på basfrekvensen! Hur vanligt är något statistiskt?
Bryt stereotyperna! Bara för att någon liknar en viss grupp betyder det inte att de tillhör den.
Analysera sannolikheter! Bara för att en sekvens ”ser slumpmässig ut” betyder det inte att den är mer sannolik.
Exempel:
Istället för att gissa någons yrke baserat på personlighet, tänk: Hur många personer har det här yrket i genomsnitt?
När du spelar spel, tänk: Är detta verkligen beroende av tidigare utfall?
Slutsats:
Människor är dåliga på sannolikheter eftersom vi litar mer på mönster än på statistik – men vi kan träna oss att tänka mer rationellt!
Vad är konjunktionsfelslutet? (The Conjunction fallacy)
Det är en kognitiv bias där vi felaktigt tror att en mer detaljerad beskrivning är mer sannolik än en enkel.
Nyckelprincip:
P(A) ≥ P(A & B)
(Sannolikheten för en ensam händelse är alltid större än eller lika med sannolikheten för samma händelse tillsammans med en annan händelse.)
Varför väljer många alternativ 2 i Linda-problemet trots att det är fel?
Folk tror att “Linda arbetar på bank OCH är feminist” är mer sannolikt än att hon bara arbetar på bank, eftersom beskrivningen stämmer överens med en stereotyp bild av en feminist.
Matematisk förklaring:
Antalet bankanställda är större än antalet bankanställda som också är feminister.
Det betyder att sannolikheten för bara bankanställd (P(A)) är högre än för bankanställd OCH feminist (P(A & B)).
Vanligt misstag:
Människor går på representativitet istället för att tänka statistiskt.
Hur kan vi bli bättre på att undvika denna bias?
Tänk på sannolikheter istället för stereotyper.
Fråga dig själv: “Kan det extra kriteriet minska sannolikheten?”
Använd Venn-diagram: Ju fler kriterier vi lägger till, desto mindre grupp får vi.
Exempel:
“En person spelar fotboll.”
“En person spelar fotboll och är läkare.” (Mindre sannolikt eftersom det är en undergrupp av fotbollsspelare.)
Hur skiljer sig representativitet från konjunktionsfelslutet?
Representativeness heuristic = Vi bedömer sannolikhet baserat på hur likt något är en mental kategori/stereotyp.
The Conjunction Fallacy = Vi gör felaktiga sannolikhetsbedömningar genom att tro att en mer specifik beskrivning är mer sannolik än en bredare kategori.
Huvudskillnad:
Representativitet handlar om hur typiskt något verkar, även om det går emot statistik.
Konjunktionsfelslutet handlar om att felaktigt tro att två händelser tillsammans är mer sannolika än en av dem ensamt.
Vad innebär Base Rate Neglect?
Base Rate Neglect (basfrekvensfel) är en kognitiv bias där vi ignorerar grundläggande sannolikheter och istället fokuserar på specifik information.
Vi överskattar sannolikheten för en händelse eftersom vi förbiser den verkliga basfrekvensen i populationen.
