A maior rede de estudos do Brasil

Grátis
Pensamento e Linguagem

Pré-visualização | Página 3 de 9

como é que as pessoas escolhem entre duas alternativas igualmente valiosas. A sua hipótese era que, dada uma escolha destas, as pessoas tinham a tendência em escolher a alternativa que era superior na dimensão mais importante. Slovic chamou a isto de “a hipótese da dimensão mais importante”.
Após diversos estudos, os resultados que obteve iam de encontro com a sua hipótese, mostrando que, em situações como estas, as pessoas não faziam escolhas aleatórias ou ficavam paralisadas pela indecisão, mas sim que tinham tendência a escolher a alternativa cuja dimensão considerada “mais importante” era superior.
A heurística da representatividade:
Tversky e Kahneman propuseram que os indivíduos, ao tomarem decisões, utilizam heurísticas para chegarem a uma decisão. A grande vantagem das heurísticas é a redução do tempo e do esforço para que o indivíduo faça, geralmente, uma boa decisão.
Normalmente, as heurísticas levam a boas estimativas e decisões. No entanto, também têm desvantagens, como a tendência para enviesamentos sistemáticos. A heurística da representatividade leva a enviesamentos bastante previsíveis em certas situações.
Os A, B, C’s da representatividade:
De acordo com Tversky e Kahneman, as pessoas geralmente julgam as probabilidade pelo “grau que A é representativo de B, ou seja, pelo grau que A se assemelha com B”. Esta é a heurística da representatividade.
A definição desta heurística é um pouco complicada de entender, mas através da observação de exemplos concretos conseguimos ver como consegue fazer com que a resposta de um indivíduo seja enviesada em certas situações:
Exemplo: A Linda tem 31 anos, é solteira, franca e bastante inteligente. Ela tem um mestrado em filosofia. Enquanto estudante, estava profundamente preocupada com os problemas da discriminação e da justiça social, tal como também participou em demonstrações antinucleares. Por favor assinale a alternativa mais provável:
a) A Linda é banqueira;
b) A Linda é banqueira e feminista.
A maior parte das pessoas sentem que é mais provável que a Linda seja banqueira e feminista ao invés de ser apenas feminista. Se pensarmos nesta resposta, verificamos que viola os princípios da probabilidade. A conjunção de dois eventos (ser banqueira e ser feminista) não podem ter uma probabilidade mais alta do que um evento só (ser banqueira). Por esta razão, Tversky e Kahneman chamaram a este fenómeno, a falácia da conjunção.
Podemos verificar esta falácia ao olhar para um diagrama de Venn. O círculo da esquerda representa o universo de todos os banqueiros, o círculo da direita representa o universo de todos os feministas e, apenas a área do meio, representa o universo dos bancários feministas. Sendo assim, a probabilidade de a Linda ser bancária, é maior do que a probabilidade de a Linda ser bancária e feminista.
Devido a resultados como estes, Tversky e Kahneman concluíram que: Quanto mais aumenta o detalhe nos cenários, a sua probabilidade diminui, mas a sua representatividade (a sua semelhança) pode aumentar. Cenários específicos podem parecer mais prováveis do que cenários gerais, porque são mais representativos da forma como imaginamos esse evento particular.
A heurística funciona porque probabilidade e semelhança estão muitas vezes correlacionadas (validade ecológica). No entanto, existem outros fatores que afetam a probabilidade que nada têm a ver com semelhança. A Heurística representatividade leva-nos a ignorar estes fatores e, consequentemente, a enviesamentos.
A lei dos números pequenos:
Outra consequência da heurística da representatividade, é de que as pessoas tendem a acreditar em algo chamado “a lei dos números pequenos”. Esta lei faz referência a uma lei estatística chamada “a lei dos números grandes”, uma lei estatística que afirma que, quando maior for a amostra da população analisada, mais perto estará da avaliação da população inteira. A crença na lei dos números pequenos diz que, amostras aleatórias da população se vão assemelhar umas às outras e dar valores mais próximos dos valores da população, de uma forma mais correta do que a amostragem estatística conseguiria fazer.
Exemplo: O QI médio de uma população de estudantes do oitavo ano numa cidade é de 100. Foi selecionada uma amostra aleatória de 50 crianças para um estudo sobre conquistas educacionais. A primeira criança testada tem um QI de 150. O que é esperado que seja a média dos QI para o resto da amostra?
A maior parte das respostas vão dizer que o QI médio deveria de ser 100 mas, de facto, a resposta correta seria 101 (isto é demonstrado por cálculos).
Se respondeste 100 ao invés de 101, provavelmente assumiste que os valores de QI mais baixos iriam equilibrar os valores mais altos. Esta visão implica, no entanto, que as chances se autocorrijam. As chances não se corrigem ou cancelam resultados altos com resultados baixos, apenas “diluem” resultados elevados com resultados adicionais que estão mais perto da média. Tversky e Kahneman dizem que esta tendência de ver as chances como algo que se autocorrige é um enviesamento que resulta da heurística da representatividade, porque se espera que as amostras sejam altamente representativas da sua população.
Tversky e Kahneman também propuseram que a heurística da representatividade leva as pessoas a cometerem a falácia do jogador (gambler), onde há a crença de um resultado de sucesso após uma série de tentativas falhadas.
Exemplo: Supõe que uma moeda equilibrada é atirada três vezes, em cada uma das vezes, a moeda cai com a face “coroa” virada para cima. Se tivesses de apostar 100€ no próximo lançamento, em que face apostarias?
Como a moeda está equilibrada, a resposta correta seria de que a probabilidade de a moeda cair com a face “coroa” é a mesma de que cair com face “cara”. No entanto, há uma tendência para que as pessoas, ao responderem a esta questão, digam que apostariam em “caras” pelo simples facto de que, como já caiu “coroa” tantas vezes, então as chances de vir a cair “cara” devem ser maiores.
Negligenciar taxas de base:
Em alguns casos, a confiança na representatividade leva as pessoas a ignorar a informação das “taxas de base” (a frequência relativa com que determinado acontecimento acontece), a não ser quando a informação é consistente com a intuição prévia do indivíduo, tal como usam muito mais estas taxas quando a informação apresentada é causal, do que quando a informação não é causal, mesmo quando é dito aos participantes que ambos estes tipos de informação têm peso na decisão.
Exemplo: É pedido aos participantes que avaliem o desempenho de um estudante com base no número de horas que dormem (informação causal) e que avaliem outro estudante com base no salário que ele ganha (informação não causal.
As pessoas têm tendência a dizer que o número de horas de sono tem um maior impacto do que o salário feito pelo estudante no seu desempenho, o que não +e verdade.
Previsões não regressivas:
As pessoas também têm a tendência de negligenciar o diagnóstico da informação ao fazerem uma previsão e, assim, fazem previsões não regressivas.
A regressão à média é um fenómeno estatístico no qual pontuações elevadas ou altas têm a tendência em serem seguidos de uma pontuação mediana, tal como pais muito altos têm tendência em ter filhos de altura média.
Esta tendência de dar muita importância a resultados mais afastados da média pode resultar em erros críticos no julgamento. Se um piloto de avião fizer um voo espetacular e for congratulado por isso, a tendência é que, no próximo voo, a sua performance baixe. Significa isto que devemos de deixar de congratular as pessoas? Não. Isto é explicado exatamente pela regressão à média, onde os resultados têm sempre a tendência de voltarem a valores medianos. E o mesmo acontece no caso de um piloto fazer um mau voo inicialmente e, na próxima vez, fazer um voo melhor.
A heurística da disponibilidade:
De acordo com Tversky e Kahneman, a heurística da disponibilidade faz com que os indivíduos, ao tomar uma decisão, tenham acesso à frequência da classe ou da probabilidade de um