Temsil kısayolu veya buluşsal yöntemi

Temsil kısayolu veya buluşsal yöntemi, belirsizlik altındaki bir olayın olasılığı hakkında yargılarda bulunurken kullanılır.^[1] Psikologlar Amos Tversky ve Daniel Kahneman tarafından 1970'lerin başında "[bir olayın] (i) temel özellikleri bakımından ana popülasyona benzer olma ve (ii) üretildiği sürecin göze çarpan özelliklerini yansıtma derecesi" olarak önerilen bir grup buluşsal yöntemden (yargılamayı veya karar vermeyi yöneten basit kurallar) biridir.^[1] Buluşsal yöntemler, "genellikle bizi gitmemiz gereken yere - ve hızlı bir şekilde - götüren, ancak bazen bizi rotadan çıkarma pahası olan yargısal kısayollar" olarak tanımlanır.^[2] Buluşsal yöntemler kullanışlıdırlar çünkü karar vermede çabayı azaltmadan ve basitleştirmeden yararlanırlar.^[3]

İnsanlar yargıda bulunmak için temsiliyete güvendiklerinde, bir şeyin daha temsili olması onu fiilen daha olası kılmadığı için muhtemelen yanlış hüküm verirler.^[4] Temsil kısayolu veya buluşsal yöntemi, nesnelerin benzerliğini değerlendirmek ve onları kategori prototipi etrafında organize etmek olarak basit bir biçimde tanımlanır (örneğin, benzerler benzerlerle gider ve nedenler ve sonuçlar birbirine benzemelidir).^[2] Bu buluşsal yöntemi, kolay bir ölçümleme olduğu için kullanılır.^[4] Sorun şu ki insanlar bu yöntemin bir olayın olasılığını doğru bir şekilde tahmin etme yeteneğini abartırlar.^[5] Bu nedenle, ilgili temel sıklık düzeylerinin ihmal edilmesine ve diğer bilişsel önyargılara neden olabilir. ^[6][7]

Temsil kısayolunun, verilecek yargı veya kararın belirli faktörleri olduğunda kullanılması daha olasıdır.

Yeni bir uyaranın/olayın temsil edilebilirliğini değerlendirirken, insanlar genellikle uyaran/olay ile standart/süreç arasındaki benzerlik derecesine dikkat ederler.^[1] Bu özelliklerin dikkat çekici olması da önemlidir.^[1] Nilsson, Juslin ve Olsson (2008), bunun örnek bellek hesabından etkilendiğini bulmuşlardır (bir kategorinin somut örnekleri bellekte saklanır), böylece yeni örnekler bir kategoriye oldukça benzerse ve aynı zamanda sık sık karşılaşılırsa temsili olarak sınıflandırılır.^[8] Temsil kısayolu literatüründe birkaç benzerlik örneği tanımlanmıştır. Bu araştırma tıbbi inançlara odaklanmıştır.^[2] İnsanlar genellikle tıbbi semptomların, nedenlerine veya tedavilerine benzemesi gerektiğine inanırlar. Örneğin, insanlar uzun zamandır ülserlerin, aslında bakteriler ülserlere neden olurken, temsili buluşsallık nedeniyle stresten kaynaklandığına inanmışlardır.^[2] Benzer bir düşünce doğrultusunda, bazı alternatif tıp inançlarında hastalar, tıbbi rahatsızlıklarına karşılık gelen organ etlerini yemeye teşvik edilmiştir. Temsil kısayolunun kullanımı, yağlı yiyecekleri yemenin insanı şişmanlattığı inancı gibi daha basit inançlarda bile görülebilir.^[2] Doktorlar bile, örneğin teşhislerde benzerliği değerlendirirken temsil kısayolundan etkilenebilirler.^[9] Araştırmacı, klinisyenlerin, bu bozukluğu olan stereotipik veya prototipik hastaya ne kadar benzer hastalar olduğuna karar vererek tanı koymada temsil kısayolunu kullandığını buldu.^[9]

Düzensizlik ve yerel temsiliyet, rastgelelik yargılarına etki eder. Herhangi bir mantıksal duruma sahip görünmeyen şeyler, rastgeleliğin temsilcileri olarak kabul edilirler ve bu nedenle meydana gelme olasılıkları daha yüksektir. Örneğin, bir dizi yazı tura olarak THTHTH, çok iyi sıralandığı için rastgele oluşturulmuş yazı turaları temsil etmez.^[1]

Yerel temsiliyet, insanların küçük sayılar yasasına dayandığı ve bu sayede küçük örneklerin kendi nüfuslarını büyük örneklerle aynı ölçüde temsil ettiği algısına dayanan bir varsayımdır (Tversky & Kahneman 1971).^[1] Rastgele dağılmış görünen küçük bir örnek, yerel temsiliyet varsayımı altında, popülasyonun rastgele dağıldığı inancını güçlendirecektir. Tersine, çarpık bir dağılıma sahip küçük bir örneklem bu inancı zayıflatacaktır.^[1] Yazı-tura birkaç kez tekrarlanırsa ve sonuçların çoğu turalardan oluşuyorsa; yerel temsiliyet varsayımı, gözlemcinin turaya karşı önyargılı olduğuna inanmasına neden olacaktır.^[1]

Kahneman ve Tversky, 1973'te yürütülen bir araştırma çalışmasında ^[10] katılımcılarını üç gruba ayırdı:

• Talimat verilen "temel oranlı grup": "Bugün ABD'deki tüm birinci sınıf lisansüstü öğrencilerini düşünün. Lütfen şu anda aşağıdaki dokuz uzmanlık alanına kayıtlı olan öğrencilerin yüzdesi hakkında en iyi tahminlerinizi yazın." ^[10] Verilen dokuz alan ise işletme, bilgisayar bilimi, mühendislik, beşeri bilimler ve eğitim, hukuk, kütüphane bilimi, tıp, fizik ve yaşam bilimleri ve sosyal bilimler ve sosyal hizmetti. ^[10]
• "Benzerlik grubu"na bir kişilik taslağı verilir. "Tom W., yaratıcılıktan yoksun olmasına rağmen, yüksek zekaya sahiptir. Düzen ve netliğe, her ayrıntının uygun yerini bulduğu temiz ve düzenli sistemlere ihtiyacı vardır. Yazıları bazen biraz bayat kelime oyunları ve bilimkurgu türündeki hayal gücü parıltıları içeren oldukça sıkıcı ve mekanik türdendir. Yetkinlik için güçlü bir dürtüsü vardır. Diğer insanlara çok az sempati duyar gibi görünür ve başkalarıyla etkileşimden hoşlanmaz. Bencildir ama yine de derin bir ahlakı vardır. ^[10] Bu gruptaki katılımcılardan, 1. bölümde listelenen dokuz alanı, Tom W.'nin her alanın tipik yüksek lisans öğrencisine ne kadar benzediğine göre sıralamaları istendi. ^[10]
• ‘’Tahmin grubu’’, ikincide açıklanan kişilik taslağı verilen ancak aynı zamanda "Tom W.'nin önceki kişilik taslağı, Tom'un lisedeki son yılında bir psikolog tarafından projektif testler temelinde yazılmıştır. Tom W. şu anda bir yüksek lisans öğrencisidir. Lütfen aşağıdaki dokuz lisansüstü uzmanlık alanını Tom W.'nin şu anda bu alanların her birinde yüksek lisans öğrencisi olma olasılığına göre sıralayın." ^[10]

Olasılık yargıları, tahmin edilen temel oranlardan ziyade benzerlik yargılarına çok daha yakındı. Bulgular, yazarların insanların göreceli temel oran bilgisine bağlı olmak yerine bir şeyin ne kadar temsili (benzer) olduğuna dayanarak tahminlerde bulundukları yönündeki öngörülerini destekledi. ^[10] Misal, katılımcıların %95'inden fazlası, Tom'un, eğitim ve beşeri bilimler için bilgisayar bilimlerinden çok daha yüksek temel oran öngörüleri olduğunda, eğitim veya beşeri bilimlerden çok bilgisayar bilimleri okuma ihtimalinin daha yüksek olacağını belirtti. ^[10]

Tversky ve Kahneman tarafından yürütülen başka bir araştırma çalışmasında deneklere şu problem verilmiştir:^[4]

Gece bir taksi vurkaç kazasına karıştı. ‘Yeşil’ ve ‘Mavi’ adlı iki taksi şirketi şehirde faaliyet gösteriyor. Şehirdeki taksilerin %85'i Yeşil, %15'i ise Mavi.^[4]

Bir görgü tanığı taksiyi Mavi olarak tanımladı. Mahkeme, tanığın güvenilirliğini kaza gecesinde var olan aynı koşullar altında test etti ve tanığın iki rengin her birini %80 oranında doğru tanımladığı ve %20 oranında başarısız olduğu sonucuna vardı.^[4]

Kazaya karışan bu taksinin, tanığın Mavi olarak tanımlamasına rağmen, Yeşil veya Mavi olma olasılığı nedir?^[4]

Çoğu denek %50'nin üzerinde olasılıklar verdi, hatta bazıları %80'in üzerinde olasılıklarda bulundu. Bayes teoremi kullanılarak bulunan doğru cevap şu tahminlerden daha düşüktür:^[4]

• Tanıkların mavi bir taksiyi doğru tanımlama olasılığı %12 (0,12 = 0,15 × 0,80) vardır.
• Tanıkların yeşil bir taksiyi yanlış bir şekilde mavi olarak tanımlama olasılığı %17'dir (0.17 = 0.85 × 0.20).
• Bu nedenle tanığın taksiyi mavi olarak tanımlama olasılığı %29'dur (0.29 = 0.12 + 0.17).
• Bu, mavi olarak tanımlanan taksinin aslında mavi olduğu %41 olasılıkla (0,41 ≈ 0,12 ÷ 0,29) ile sonuçlanır.

Temsiliyet, kumarbaz yanılgısı, regresyon yanılgısı ve bağlaç yanılgısının benzer tesirinde alıntılanır.^[4]

Temsil kısayolunun veya buluşsal yönteminin kullanılması, muhtemelen Bayes Teoreminin ihlal edilmesine yol açacaktır. Bayes Teoremi şunu belirtir:^[11] ${\displaystyle P(H|D)={\frac {P(D|H)\,P(H)}{P(D)}}.}$

Hâlbuki temsiliyet üzerinden yapılan değerlendirmeler yalnızca hipotez ve veriler arasındaki benzerliğe bakar, bu nedenle ters olasılıklar eşitlenir:^[11]

${\displaystyle P(H|D)=P(D|H)}$

Görülebileceği gibi bu denklemde temel oran P(H) göz ardı edilir ve bu da temel oran yanılgısına yol açar. Bir temel oran, bir olgunun temel sıklık veya görülüş oranıdır. Temel oran yanılgısı, insanların olasılık problemlerini çözerken bir olayın temel oranını nasıl hesaba katmadıklarını açıklar.^[12] Bu, bir takım katımlımcının hem belirli bir kişilik özelliğine sahip insanların taban oranını hem de belirli bir kişilik özelliğine sahip bir insanın başka bir kişilik özelliğine sahip olma olasılığını yargılamalarını sağlayan Dawes, Mirels, Gold ve Donahue (1993) tarafından açıkça test edildi.^[11] Örneğin katılımcılara, “Ben vicdanlı bir insanım” sorusuna 100 kişiden kaçının olumlu yanıt verdiği ve bir kişinin bu soruya olumlu yanıt verdiği belirtildiğinde farklı bir kişilik sorusuna kaç kişinin olumlu yanıt vereceği sorulmuştur. Aynı olmadıkları açıkken bile (iki soru birbiri ardına cevaplandı) katılımcıların, ters olasılıkları eşitlediğini buldular (örn. P(vicdanlı|evhamlı) = P(evhamlı|vicdanlı)). ^[11]

Tıbbi bir örnek Axelsson tarafından açıklanmıştır.^[12] Bir doktorun %99 doğrulukta bir test yaptığını ve hastalık için pozitif test sonucunuzun olduğunu farz edelim. Ancak hastalığın görülme sıklığı 1/10.000'dir. Hastalığa asli yakalanma riskiniz %1'dir, çünkü sağlıklı insan popülasyonu hastalıktan çok daha fazladır.^[12] Bu istatistik, temel oran yanılgısı nedeniyle sıklıkla insanları şaşırtır çünkü birçok insan olasılığı değerlendirirken temel oluş sıklığını hesaba katmaz.^[12] Maya Bar-Hillel'in (1980) araştırması, bilginin algılanan ilgililiğinin temel oran ihmali için ehemmiyetli olduğunu öne sürer: temel oranlar, yalnızca diğer bilgilerle eşit derecede alakalı görünüyorlarsa yargılara dahil edilirler.^[13]

Birkaç araştırma çalışması, bu yargılayıcı buluşsal yöntemlerin nasıl geliştikleri konusunda bir anlayış eksikliği olduğundan, çocuklarda temel oran ihmalini araştırdı.^[14][15] Böyle bir çalışmanın yazarları, buluşsal yöntemin gelişimini, sosyal yargılar ve diğer yargılar arasında farklılık olup olmadığını ve çocukların temsil kısayolu kullanmadıklarında temel oranları kullanıp kullanmadıklarını anlamak istediler.^[15] Yazarlar, bir strateji olarak temsil kısayolu kullanımının erken başladığını ve devamlı olduğunu bulmuşlardır. Yazarlar ayrıca, çocukların başlangıçta sosyal yargılarda bulunmak için kendilerine özgü stratejiler kullandıklarını ve yaşlandıkça temel oranları daha fazla kullandıklarını ancak sosyal alanda temsil kısayolu kullanımının da yaşlandıkça arttığını bulmuşlardır.^[15] Yazarlar, ankete katılan çocuklar arasında temel oranların nesneler hakkındaki yargılarda sosyal yargılardan daha kolay ve hazır bir biçimde kullanıldığını bulmuşlardır.^[15] Bu araştırma yapıldıktan sonra Davidson (1995), çocuklarda temsil buluşsal yönteminin ve bağlaç yanılgısının çocukların kalıp yargılarıyla nasıl ilişkili olduğunu araştırmakla ilgilendi.^[14] Önceki araştırmalarla tutarlı olarak çocuklar, problemler kalıplaşmış olmayan bilgiler içerdiklerinde veya çocuklar daha büyük olduklarında problemlere verdikleri yanıtları temel oranlara dayandırdılar. Çocukların bağlaç yanılgısını yaptıklarına dair deiller de vardı. Son olarak, öğrenciler yaşlandıkça kalıplaşmış problemler üzerinde temsil buluşsal yöntemini kullandılar ve böylece kalıp yargılarla tutarlı değerlendirmelerde veya hükümlerde bulundular.^[14] Çocukların bile temsil buluşsal yöntemini kullandıklarına, bağlaç yanılgısına düştüklerine ve temel oranları göz ardı ettiklerine dair bulgular var.^[14]

Araştırma çalışmaları temel oranların kullanımının veya ihmalinin sorunun nasıl sunulduğundan etkilenebileceğini öne sürüyorlar; bu da bize temsil kısayolunun "genel, çok maksatlı bir buluşsal yöntem" olmadığını ancak birçok katkıda bulunan faktöre sahip olabileceğini hatırlatıyor.^[16] Temel oranlar, sunulan bilgiler nedensel olmadığında daha sık göz ardı edilebilirler.^[17] İlgili bireyselleştirici bilgi varsa temel oranlar daha az kullanılır.^[18] Grupların temel oranı bireylerden daha fazla ihmal ettiği bulunmuştur.^[19] Temel oranların kullanımı bağlama göre farklılık gösterir.^[20] Temel oranların kullanımına ilişkin araştırmalar, bazı yazarların yeni bir modelin gerekli olduğunu öne sürmesiyle tutarsızdı.^[21]

Bir grup lisans öğrencisine, aktif bir feminist temsilcisi olarak modellenen Linda'yı tanımlayan bir metin verildi. Daha sonra katılımcılardan onun feminist olma olasılığı, banka memuru olma olasılığı veya hem banka memuru hem de feminist olma olasılığını değerlendirmeleri istendi. ^[22] Olasılık teorisine göre, hem banka memuru hem de feminist olma olasılığının (iki kümenin birleşimi), feminist veya banka memuru olma olasılığından daha az veya ona eşit olması gerekir. ^[22] Bir bağlaç, bileşenlerinin birinden daha muhtemel olamaz. Ancak, katılımcılar (banka memuru ve feminist) birleşiminin tek başına banka memuru olmaktan daha olası olduğuna karar verdiler.^[22] Bazı araştırma çalışmaları, bağlaç hatasının kısmen açık olmayan ifadeler veya "olasılığın" semantik yorumu gibi incelikli dilsel faktörlerden kaynaklanabileceğini ileri sürmektedir.^[23][24] Yazarlar, hem mantık hem de lisan kullanımının hatayla ilgili olabileceğini ve bunun daha kapsamlı bir şekilde araştırılması gerektiğini savunmaktadırlar.^[24]

Olasılık teorisine göre, iki olayın ayrılması en azından her birinin ayrı ayrı olması kadar muhtemeldir. ^[22] Örneğin, birinin fizik veya biyoloji bölümü mezunu olma olasılığı, en az fizik bölümü mezunu olma olasılığı kadar, hatta daha olasıdır. Bununla birlikte, bir kişinin kişiliğinin tanımı (veriler), bir biyoloji anadalından ziyade bir fizik anadalını çok temsil ediyor gibi göründüğünde, insanlar bu kişinin biyolojii anadalından ziyade bir fizik uzmanı olmasının daha muhtemel olduğuna karar verirler. ^[22]

Temsil kısayolunun ayrılma hatasına neden olabileceğine dair kanıtlar Bar-Hillel ve Neter'den (1993) gelmektedir.^[25] İnsanların, istatistik anadalını yüksek oranda temsil eden (örneğin; çok zeki, matematik yarışmalarına katılan) bir kişiyi, sosyal bilimler anadalından (istatistiklerin üst kümesi) daha olası olarak değerlendirdiklerini buldular. Fakat, aynı kişinin, bir sosyal bilimler anadalında uzman olması olasılığının İbrani dilinde uzman olma olasılığından daha yüksek olduğunu düşündüler. ^[22] Bu nedenle, yalnızca kişi bir kategoriyi yüksek oranda temsil ediyor göründüğünde, o kategori, üst kategorisinden daha olası olarak değerlendirilir. Bu yanlış değerlendirmeler, bahiste paranın kaybedilmesi gibi durumlarda dahi uygulanmaya devam eder. ^[22]

Temsil kısayolu, denekler bir numunenin özgül bir parametresinin ihtimalini tahmin ettiklerinde de kullanılır. Parametre popülasyonu yüksek oranda temsil ediyorsa, parametreye sıklıkla yüksek bir olasılık verilir. Bu öngörü süreci genellikle örneklem boyutunun etkisini göz ardı eder.

Tversky ve Kahneman tarafından öne sürülen bir kavram bu önyargının bir örneğini sağlar;^[26]

Örnek, farklı büyüklüklerdeki iki hastanedir. Büyük hastanede yaklaşık 45 bebek, küçük hastanede ise 15 bebek dünyaya geliyor. Genel olarak doğan tüm bebeklerin yarısı (%50) erkektir. Ancak, yüzdelik oran 1 günden diğerine değişir. 1 yıllık bir süre boyunca her hastane, doğan bebeklerin >%60'ının erkek olduğu günleri kaydetmiştir. Ortaya atılan soru şudur: Hani hastanenin bu tür günleri daha fazla kaydetmiş olduğunu düşünüyorsunuz?^[26]

• Daha büyük hastane (21)
• Daha küçük hastane (21)
• Yaklaşık olarak aynı (yani, ikisi de %5'i içinde) (53)

Parantez içerisinde gösterilen değerler, her bir yanıtı seçen öğrenci sayısıdır.^[26]

Sonuçlar, katılımcıların yarısından fazlasının yanlış yanıtı (üçüncü opsiyon) seçtiklerini gösteriyor. Bunun sebebi, ankete katılanların örneklem boyutunun etkisini görmezden gelmeleridir. Ankete katılanlar, aynı istatistik hem büyük hem de küçük hastaneleri temsil ettiğinden büyük ihtimalle üçüncü opsiyonu seçtiler.^[26] İstatistik teorisine göre, küçük bir numune boyutu istatistiksel parametrenin büyük bir numuneye nazaran önemli ölçüde sapmasına izin verir.^[26] Bu sebeple, büyük hastanenin %50'lik nominal değere yakın kalma ihtimali daha yüksek olacaktır.

Aşağıdaki makalede bu önyargı hakkında daha fazla bilgi edinin.

Gambler'in yanılgısı, diğer adıyla Monte Carlo yanılgısı veya şansın olgunluğu yanılgısı olarak da bilinen kumarbaz yanılgısı, belirli bir olay geçmişte normalden daha sık meydana gelirse, gelecekte gerçekleşmesinin daha az olası olduğuna (veya tersi) dair bir inanıştır. Tarihsel bağımsızlık niteliğine sahip bu tür olaylara istatistiksel olarak bağımsız denir. Safsata genellikle kumarla ilişkilidir; örneğin, bir sonraki zar atılırken genellikle altı olma olasılığının daha yüksek olduğuna inanılabilir, çünkü son zamanlarda çok az altı atılmıştır.

"Monte Carlo yanılgısı" terimi, 1913'te Monte Carlo Kumarhanesinde meydana gelen olgunun en bilinen örneğinden gelmektedir.^[27]

Regresyon yanılgısı, gayri resmi bir yanılgıdır. Bir durum anormal iken yapılan düzeltici eylemler nedeniyle bir şeyin normale döndüğünü varsayar. Doğal dalgalanmaları hesaba katmaz. Genellikle post hoc yanılgının özel bir türüdür.

• Etki kısayolu
• Öznitelik ikamesi
• Kullanılabilirlik buluşsal yöntemi
• Yargılama ve karar vermedeki önyargıların listesi
• Uzatma ihmali

• Tversky (1971). "Belief in the law of small numbers". Psychological Bulletin. 76 (2): 105-110. doi:10.1037/h0031322. 
• Kahneman (1972). "Subjective probability: A judgment of representativeness" (PDF). Cognitive Psychology. 3 (3): 430-454. doi:10.1016/0010-0285(72)90016-3. 14 Aralık 2019 tarihinde kaynağından arşivlendi (PDF). Erişim tarihi: 17 Haziran 2022. 
• Kahneman (1973). "On the psychology of prediction". Psychological Review. 80 (4): 237-251. doi:10.1037/h0034747. 
• Tversky (1974). "Judgment under Uncertainty: Heuristics and Biases" (PDF). Science. 185 (4157): 1124-1131. doi:10.1126/science.185.4157.1124. PMID 17835457. 28 Mayıs 2019 tarihinde kaynağından arşivlendi (PDF). Erişim tarihi: 17 Haziran 2022. 
• "Evidential Impact of Base Rates". Judgment Under Uncertainty: Heuristics and Biases. Science. 185. Cambridge University Press. 1982. ss. 1124-31. doi:10.1126/science.185.4157.1124. ISBN 978-0-521-28414-1. PMID 17835457. 
• Tversky (1983). "Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment". Psychological Review. 90 (4): 293-315. doi:10.1037/0033-295X.90.4.293. 

• Thinking and Deciding. 3rd. Cambridge University Press. 2000. ISBN 978-0-521-65972-7. 11 Nisan 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 17 Haziran 2022.  Yazar |ad1= eksik |soyadı1= (yardım)
• The Psychology of Judgment and Decision Making. McGraw-Hill Education. 1993. ISBN 978-0-07-050477-6. 5 Haziran 2022 tarihinde kaynağından arşivlendi. Erişim tarihi: 17 Haziran 2022.  Yazar |ad1= eksik |soyadı1= (yardım)

• Temsil edicilik buluşsal yöntemine ilişkin Powerpoint sunumu (klasik deneylerin sunumlarına daha fazla bağlantı ile birlikte) 3 Mart 2016 tarihinde Wayback Machine sitesinde arşivlendi.