Психология критического мышления - Дайана Халперн

Чтобы мыслить как «интуитивный ученый», необходимо иметь следующие навыки:

· Осознание необходимости формулировки рабочих определений и их применение.

· Понимание необходимости изоляции и контроля переменных для установления сильных причинных связей.

· Проверка адекватности размера выборки и ее репрезентативности при обобщении результатов.

· Способность описать связь между любыми двумя переменными как положительную или отрицательную или признать ее отсутствие.

· Понимание ограничений, связанных с корреляционным рассуждением.

· Стремление к конвергентной валидности для усиления своей уверенности в решении.

· Проверка наличия и понимание необходимости контрольных групп.

· Осознание того, что при оценке вариативности почти всегда присутствует необъективность.

· Учет степени «вредности» ошибок различных типов.

· Умение определить, как самопрограммирование может влиять на результаты экспериментов и повседневные наблюдения.

· Понимание, когда можно и когда нельзя говорить о наличии причинной связи. Эти навыки следует использовать при мышлении и при критическом подходе к мышлению других людей. После чтения данной главы вы должны уметь применять эти навыки в любом контексте, в котором они необходимы.

4. Достигнута ли поставленная цель? Последний вопрос, который надо рассмотреть, - это удалось ли вам уменьшить неопределенность: можете ли вы предсказать результаты определенных действий или принять более обоснованные решения с помощью навыков проверки гипотез, предложенных в этой главе? Тщательная забота о точности всегда является окончательной проверкой качества принятого вами решения. Когда вы действуете как «интуитивный ученый», вы иногда будете принимать неправильные решения, потому что мы никогда не знаем «истины». Но путем аккуратного применения методики проверки гипотез, представленной в этой главе, вы можете свести число неправильных решений к минимуму.

Краткий итог главы

1. Большая часть нашего повседневного мышления похожа на научный метод проверки гипотез. Мы формулируем представления о мире и собираем наблюдения, чтобы решить, верны ли наши представления.

2. При применении индуктивного метода мы выдвигаем гипотезы на основе своих наблюдений. При применении дедуктивного метода мы накапливаем наблюдения, которые либо подтверждают, либо опровергают наши гипотезы. Как правило, при мышлении эти два процесса переплетаются, так что мы разрабатываем гипотезы^, основываясь на опыте, проводим наблюдения, а затем на основе этих наблюдений переопределяем свои гипотезы.

3. Рабочие определения - это точные формулировки, которые позволяют идентифицировать и измерять переменные.

4. По независимым переменным мы предсказываем или объясняем поведение зависимых переменных. При выдвижении гипотез мы хотим выяснить, как независимая переменная влияет на зависимую переменную (или переменные).

5. При выведении заключений из своих наблюдений важно использовать выборки достаточно большого размера, потому что люди реагируют по-разному. Большинство проявляет чрезмерную склонность к обобщениям результатов, полученных на малых выборках.

6. Для того чтобы установить, что одна переменная (например, курение) приводит к появлению другой переменной (например, рака легких), необходимо изолировать и контролировать переменные, между которыми предполагается причинная связь. Для того чтобы сделать строгий вывод о наличии причинной связи, необходима трехступенчатая схема проведения эксперимента, которая была описана в этой главе.

7. В контексте повседневного мышления мы часто пользуемся ретроспективными методами для установления причин, вызвавших появление события. Эти методы обладают недостатками, связанными с селективностью и уступчивостью памяти и с отсутствием систематических наблюдений за причиной. Для установления причинно-следственных связей лучше пользоваться проспективной методикой, когда события записывают в момент их наступления, а затем выясняют, последуют ли гипотетические результаты.

8. Переменные, которые соотносятся между собой таким образом, что изменениям одной переменной сопутствуют изменения другой переменной, называются коррелирующими переменными. Корреляция может быть положительной, как связь между ростом и весом человека (люди более высокого роста, как правило, весят больше, в то время как люди маленького роста обычно весят меньше), или отрицательной, как связь между физической нагрузкой и весом (люди, которые много тренируются, склонны к худобе, а те, кто мало тренируется, склонны к полноте).

9. Широко распространена ошибка, когда корреляцию между переменными принимают за причинную связь. Существуют различные возможности: переменная А является причиной переменной В; или переменная В является причиной переменной А; или переменные Аи В влияют друг на друга; или и Л, и В вызваны какой-то третьей переменной.

10. Ошибки еще одного типа, часто встречающиеся в человеческих рассуждениях, возникают тогда, когда считают, что между двумя переменными существует корреляция, в то время как на самом деле ее нет (мнимая корреляция).

11. Важно, чтобы ваши измерения были чувствительными, валидными и надежными, в противном случае выводы могут оказаться неверными. Очень немногие люди учитывают важность проблем, связанных с измерениями, когда делают повседневные выводы о природе окружающего мира.

12. Несмотря на то, что многие наши суждения необоснованны, люди испытывают в них глубокую уверенность. Это явление называется мнимой валидностью.

13. Сами того не желая, мы можем действовать таким образом, что придем к подтверждению или опровержению гипотезы в соответствии со своими ожиданиями. Это называется самопрограммированием.

Термины для запоминания

Проверьте, насколько хорошо вы разобрались в понятиях, представленных в этой главе, перечитав их определения. Если окажется, что какой-то термин вызывает у вас затруднения, обязательно перечитайте раздел, в котором он обсуждается.

(А) Переменная. Измеримая характеристика, которая может принимать более одного значения (например, рост, пол, возраст, раса).

Валидность. Показывает, измеряет ли оценка (например, тест) именно то, что вы хотите измерить.

Выборка. Подгруппа контингента, которая изучается для того, чтобы сделать выводы обо всем контингенте.

Гипотеза. Набор представлений о природе мироздания, обычно касающихся связи между двумя или несколькими переменными.

Двойной слепой эксперимент. Разновидность эксперимента, когда ни испытуемые, ни лица, собирающие данные, не знают, к какой группе воздействия относится испытуемый.

Дедуктивный метод. Метод формулирования гипотез, при котором вы формулируете гипотезу, которую считаете истинной, а затем выводите из нее следствия. Затем проводятся систематические наблюдения для проверки правильности вашей гипотезы.

Зависимая переменная. Переменная, значение которой измеряется при эксперименте, чтобы определить, зависит ли оно от значения независимой переменной. Сравните с независимой переменной.

Закон малых чисел. Готовность поверить, что результаты, полученные для нескольких испытуемых, можно обобщать на весь контингент.

Изменчивость. Термин для обозначения того факта, что все люди (и животные) по-разному реагируют на экспериментальные раздражители.

Индуктивный метод. Метод формулирования гипотез, при котором вы наблюдаете события, а затем выдвигаете гипотезу об этих событиях.

Испытуемый. Человек, животное или организм, который участвует в эксперименте.

Конвергентная валидность. Использование нескольких различных оценок или методов, которые все приводят к одному заключению.

Контингент. В терминологии статистики и проверки гипотез контингент - это вся группа людей (животных или организмов), которые вас интересуют и на которую вы хотите обобщать результаты.

Корреляция между переменными. Существование связи между двумя или несколькими переменными. См. положительную и отрицательную корреляции.

Мнимая валидность. Уверенность в том, что оценка валидна (т. е. измеряет именно то, что вам надо), тогда как на самом деле это не так. Из-за этого явления люди испытывают излишнюю уверенность в своих суждениях.

Мнимая корреляция. Убеждение о корреляции двух переменных, когда на самом деле такой корреляции нет.

Надежность. Постоянство оценки (например, теста) при повторении измерения.