Принятие решений в неопределенности стр.241

1977а), которые обнаружили корреляцию 0.81 (р < 0.01) между различием секс-ссоры и самооценками супружеского счастья среди 28 новых пар. (Причина намного большей корреляции может быть в том, что Торнтон получил оценки супружеского счастья после, а не до того, как испытуемые фиксировали занятия любовью и ссоры; действительно, одна из испытуемых решила развестись, осознав, что она чаще ссорилась, чем занималась любовью; Thornton, 1977b). Вывод заключается в том, что если мы любим больше, чем ненавидим, мы счастливы; если мы ненавидим больше, чем мы любим, мы несчастны. Этот вывод не является глубоким, ни психологически, ни статистически. Однако эти грубые ложные линейные модели прогнозируют очень важную переменную: оценки семейного счастья.

Большой объем литературы (в действительности, весь) со времени публикации (1954) книги Мила поддерживает его обобщение о верных линейных моделях вместо интуитивных клинических оценок. Сойер (Sawyer, 1966) пересмотрел большое количество подобных исследований, а некоторые из этих исследований были весьма обширными (Goldberg, 1965). Через 10 лет после опубликования его книги, Мил (1965) смог сделать вывод, что существовал единственный пример, который показывал, что клинические оценки дают лучшие результаты, и это было сразу же оспорено Голдбергом (1968а) на основании того, что даже этот пример не показывает существенного превосходства. Холт (Holt,

1970) критиковал детали некоторых исследований, и он даже предположил, что прогноз, в отличие от понимания, не может являться важной частью клинического суждения. Однако обзор литературы не выявил других исследований, в которых клиническое оценивание превосходило статистическое прогнозирование, когда они были основаны на одинаковых исходных переменных. И хотя большинство противников позитивизма согласится, что понимание не синонимично прогнозированию, немногие оспорят то, что оно не подразумевает наличия способности прогнозировать.

Почему? Потому что люди - особенно эксперты в какой-либо области - намного лучше выполняют отбор и кодирование информации, чем ее интегрирование.

Но люди действительно важны. Статистическая модель может включать информацию оптимальным способом, но всегда индивиды (эксперты, клиницисты, испытуемые) выбирают переменные. Кроме того, именно эксперт знает направленные отношения между предсказывающими переменными и критерием и может закодировать переменные таким образом, что они имеют ясные направленные отношения. И именно в подобной ситуации, где предсказывающие переменные являются хорошими и где они имеют монотонные условные отношения с критерием, верная линейная модель хорошо функционирует3.

Линейная модель не может заменить эксперта при решении вопроса "что искать", но именно знание, что искать, при достижении решения является именно той экспертизой, которую делают люди. Даже в такой сложной оценке как совершение хода в шахматах, именно способность закодировать доску правильным способом, чтобы "увидеть" верный ход, которая отделяет великого мастера от эксперта, а эксперта от новичка (deGroot, 1965; Simon & Chase, 1973). И не способностью интегрировать информацию различаются эти люди (Slovic, 1972b). Мастер рассматривает не больше ходов, чем эксперт; он просто знает, какие рассматривать. Разница между знанием того, что искать и способностью интегрировать информацию возможно лучше всего проиллюстрирована в исследовании Айнхорна (Einhom, 1972). Вра-чи-эксперты закодировали биопсии пациентов, страдающих болезнью Ход-гкина, а затем в целом оценили серьёзность процесса. Эти оценки не спрогнозировали время жизни 193-х пациентов, все из которых умерли (корреляции оценок со временем жизни все были практически равны нулю, иногда даже в неверном направлении). Переменные, которые закодировали доктора, однако, предсказывали время жизни, когда они использовались во множественной регрессионной модели.


⇐ назад к прежней странице | | перейти на следующую страницу ⇒