How We’re Fooled By Statistics - YouTube

Jak nejlépe motivovat lidi k učení?

Trestem, nebo odměnou?

Zamysleme se nad případem o výcviku izraelských pilotů.

Jejich instruktoři zjistili, že negativní zpětná vazba funguje lépe než pozitivní.

Když se kadetovi nějaký manévr nepovedl, pokárali ho za to.

Všimli si, že se jeho výkon při dalších pokusech zlepšil.

Na druhou stranu když kadeta pochválili za skvěle provedený manévr,

jeho výkon se při dalších pokusech obvykle zhoršil.

Z toho odvodili, že pozitivní zpětná vazba je neefektivní, nebo dokonce škodlivá,

zatímco negativní zpětná vazba je účinná.

Problém je, že je to v rozporu s mnoha výzkumy,

které dokazují, že pozitivní zpětná vazba je účinnější než negativní.

Například u studií prováděných učiteli bylo zjištěno,

že když učitel posílí pozitivní zpětnou vazbu na úkor té negativní,

studenti jsou ochotní věnovat se svému úkolu déle.

V dalším výzkumu byl hráčům rugby pouštěn záznam z jejich zápasu.

Polovině z nich byly ukázány jejich úspěchy a byli za ně pochváleni,

druhé polovině ukázali jejich největší chyby a vynadali jim za ně.

O týden později v další hře si nejlépe vedli hráči, kteří byli pochváleni.

Rozdíl mezi nimi nebyl jen psychologický.

Krevní testy odhalily, že hráči, kteří byli pochváleni,

měli vyšší hladinu testosteronu než hráči, kterým bylo vynadáno.

Myslím, že je docela pozoruhodné, že i po týdnu od zpětné vazby

bylo stále možné pozorovat fyziologický rozdíl mezi oběma skupinami.

Proč to ale nefungovalo na izraelské piloty?

Možná že je to kvůli rozdílné kultuře.

Možná v některých kulturách tresty fungují lépe.

Nebo to závisí na konkrétním úkolu.

Možná určité dovednosti, například ovládání stíhačky,

vyžadují více negativní zpětné vazby.

Nebo zpětná vazba nemá na výkon pilotů žádný vliv.

Možná by si vedli úplně stejně, nehledě na zpětnou vazbu, kterou obdrželi.

Pojďme si to vysvětlit.

Představte si, že máte 100 studentů, kteří píší test,

který obsahuje 100 otázek se dvěma možnostmi

o tématu, o kterém vůbec nic neví.

Předpokládejme, že všichni odpovídají náhodně.

Rozložení výsledků by se tedy mělo průměrně pohybovat okolo 50 bodů.

Úplnou náhodou ale někteří studenti dosáhnou mnohem lepších výsledků.

Když vyberete 10 nejlepších studentů, jejichž výsledek byl lepší než 50,

a dáte jim druhý, velmi podobný test,

zjistíte, že jejich průměr klesl na 50.

Stejně tak když vyberete 10 nejhorších studentů,

v dalším testu se jejich výsledky zlepší na průměr 50.

Je to jen návrat k průměru.

Návrat k průměru může za to, že když se vám dnes v golfu vážně dařilo,

tak vám to zítra nepůjde tak dobře.

Náhoda totiž hraje roli ve všem, co děláme.

Naše výsledky jsou ovlivněny nejen našimi schopnostmi,

ale i štěstím.

Když máte jeden den obzvlášť velké štěstí,

je vysoká pravděpodobnost, že další den už ho tolik mít nebudete.

Zní to trochu jako gamblerův klam,

podle něhož minulé výsledky ovlivňují pravděpodobnost v budoucnu.

Když si hodíte korunou a několikrát po sobě padne orel,

podle gamblerova klamu při dalším hodu padne panna s vysokou pravděpodobností.

Ve skutečnosti je to ale pořád padesát na padesát.

Podle gamblerova klamu se pravděpodobnost mění,

aby se výsledky dlouhodobě vyrovnávaly.

Při návratu k průměru se výsledky nevyrovnávají.

Jen se extrémní jevy naředí průměrnými,

které se dějí mnohem častěji.

Ti studenti si u každé otázky náhodně tipovali,

ale i když by o tématu něco věděli, stejně by v tom náhoda hrála svoji roli.

Návrat k průměru se tedy objevuje vždy, jen ne v tak velké míře.

To je důležité brát na vědomí při výzkumu.

Představte si, že testujete nový lék na srdeční choroby.

Ze všech pacientů si na testování vyberete ty, kterým testy vyšly nejhůře.

Lidi s vysokým tlakem, cholesterolem a tak dále.

Po měsíci léčby je znovu otestujete a zjistíte, že se jim výsledky zlepšily.

To je skvělé, lék funguje, že ano?

No, možná ne...

Problém je, že hodnoty tlaku a cholesterolu jsou stabilnější

než vaše výsledky v náhodném testu,

stále je tam ale určitá proměnlivost,

způsobená například zvýšeným stresem

nebo nedávnou stravou

nebo i nepřesnostmi měřicích přístrojů.

Lidem, kteří skončili v nejhorších 10 % při prvním testu,

mohly všechny tyto faktory zhoršit výsledek.

Měli zrovna smůlu.

Při dalším testu ale lze očekávat, že takovou smůlu už mít nebudou.

Jejich výsledky by se měly zlepšit už jen kvůli náhodě.

Proto je důležité, aby při klinických testech byla kontrolní skupina

vybraná podle stejných parametrů,

abychom viděli, jestli lék zlepší stav léčené skupiny víc

než náhoda u neléčené skupiny.

Nebo co takhle přínos kamerových rychlostních radarů?

Umísťují se na úseky častých nehod zaznamenaných v nedávné době.

To dává smysl.

Nehody se můžou stát zčásti kvůli špatné přehlednosti,

zčásti to je i nešťastnou náhodou.

Proto není překvapením, že poté co se na místo umístí radary,

počet nehod se sníží.

Snížil by se ale i bez nich díky návratu k průměru.

Mezitím na místech, kde se nehody vůbec nestávaly,

se počet nehod zvýší.

Celkový výskyt nehod se tedy nezmění,

ale my si budeme myslet, že se investice do bezpečnosti silnic vyplatila.

Nejhorší na návratu k průměru je asi to,

jak ovlivňuje naše vnímání zpětné vazby.

Například když bojoví piloti provedli manévr velmi špatně,

je pravděpodobné, že si v dalších pokusech povedou lépe

nehledě na to, jakou zpětnou vazbu obdrželi.

Stejně tak po neobvykle úspěšném manévru

se jim pravděpodobně další pokus nepovede tak dobře.

Nemá to ale žádnou souvislost se zpětnou vazbou,

ale se statistickou podstatou vesmíru.

Náš mozek je ale vyvinut k tomu, aby ve všem hledal souvislosti.

Proto si instruktoři mysleli,

že pochvaly jsou k ničemu a kritizování je to jediné, co pomáhá.

Což je vážně škoda,

protože je to pravý opak toho,

co prozrazují pečlivě provedené psychologické výzkumy.

Je vážně škoda, že když někoho potrestáte, bude se zdát, že se to vyplatilo.

Příště se jim povede lépe.

Když ale někoho pochválíte, můžete být zklamaní,

protože je těžké udržet si tak velké štěstí.

Tak ale náš svět funguje.

Vzpomeňte si na to, než někomu příště vynadáte.

Když budete odměňovat, může se to nakonec dlouhodobě vyplatit.

Překlad: Zarwan www.videacesky.cz