Heuristikker og Beslutningskvalitet i Teori og Praksis

Transkript

1 Speciale Kandidatuddannelsen i psykologi Århus Universitet Heuristikker og Beslutningskvalitet i Teori og Praksis Heuristics and Decision Quality in Theory and Practice Af: Anders Helledie Årskortnummer: Afleveret: Vejleder: Anette Schnieber

2 Indholdsfortegnelse Introduktion Klassisk rationalitet Introduktion Axiomer for rationalitet Sandsynlighed i en usikker verden Bounded rationality Opsamling Heuristics and biases Introduktion Repræsentativitetsheuristikken Tilgængelighedsheuristikken Forankring og justeringsheuristikken Reference-afhængighed og default effekten Kognitive illusioner Diskussion Økologisk rationalitet Introduktion Indhold og kontekst Informationssøgning Økologisk rationalitet Formalisering og bedømmelse af heuristikker Genkendelsesheuristikken og Minimalist-heuristikken Opsamling Diskussion og konklusion Hvordan forbedrer man menneskelige beslutninger? Introduktion Økonomiske incitamenter Accountability Statistisk træning Overvej-det-modsatte Opsamling Miljøorienterede interventioner Introduktion Nudging Valgmuligheder og valgfrihed Normativitet i design Default effekten i design Evidensbaserede heuristikker Diskussion og konklusion...54 Litteratur...56

3 Abstract: This paper examines the quality of heuristic decision making considering classical maximizing definitions of rationality, as well as an ecological definition of rationality based upon the degree of adaptation between a decision strategy and its environment. It argues that classical norms tend to limit the scope of research, and that research based on ecological norms can challenge the claim of an effort-accuracy trade-off in heuristic decision making. It presents examples of the possibilities of using research findings regarding heuristics to improve decision making, arguing that the potential is great but that practical as well as moral challenges remain Introduktion Hvordan bedømmer vi om noget er rationel adfærd? Skal vores vurderinger og beslutninger være velovervejede og følge logiske og statistiske regler, eller kan det være fornuftigt at følge sin intuition og vælge den første mulighed, der ser tilfredsstillende ud? Spørgsmålet om, hvordan mennesker træffer beslutninger, og hvordan de bør træffe beslutninger, er dels et vigtigt psykologisk forskningsfelt, og dels af stor praktisk relevans for anvendte grene af felter som økonomi, medicin og jura. Læger forventes at kunne integrere den prædiktive værdi af adskillige symptomer og på den baggrund træffe forsvarlige beslutninger. Jurier og dommere forventes at kunne veje alle argumenterne for og imod en kendelse, og almindelige mennesker forventes at kunne vurdere hvilke forsikringer og lånemuligheder, der bedst tilgodeser deres præferencer. Måden vi bedømmer sådanne beslutninger på, og måden hvorpå vi tilrettelægger de miljøer, som de udspiller sig i, afhænger af, hvordan deskriptive og normative psykologiske beslutningsmodeller er udformet. Den problemstilling jeg vil forsøge at besvare i dette speciale, består af to spørgsmål. Den første del af specialet vil være fokuseret på at besvare spørgsmålet om, hvilken rolle heuristikker spiller for kvaliteten af menneskers beslutninger. Den anden del af specialet vil beskæftige sig med spørgsmålet om, hvordan viden om heuristikker kan anvendes til at forbedre menneskers beslutninger i praksis. Jeg vil dog starte med først at afklare, hvad der menes med heuristikker, og hvad der kan forstås ved beslutningskvalitet. Begrebet om heuristikker har ofte været relativt løst defineret inden for beslutningsforskningen. I en af Tversky og Kahnemans klassiske artikler inden for feltet, beskrev de heuristikker som regler eller principper, der reducerer det komplekse arbejde med at vurdere sandsynligheder og forudsige Side 1

4 værdier til simplere vurderingsmekanismer (Tversky & Kahneman, 1974, s. 1124). Hastie og Dawes (2010) nævner, at begrebet om heuristikker kommer fra matematik og computervidenskab, hvor man skelner mellem heuristikker og algoritmer. Algoritmer er ofte ineffektive i deres forbrug af tid og ressourcer, men garanterer en løsning på bestemte typer af problemer. Heuristikker er til sammenligning mere effektive, men giver som regel mere unøjagtige løsninger. En lignende distinktion kan findes ved brugen af begrebet om heuristikker i beslutningsteori, hvor de ofte står i modsætning til nyttemaksimerende strategier, der integrerer alle informationer, men som regel koster mere tid og flere ressourcer at anvende. Heuristikker knyttes ofte til begrebet biases, der kan forstås som en afvigelse fra en bestemt norm. Denne sammenkædning har givet navn til et forskningsprogram heuristics and biases programmet, anført af psykologerne Amos Tversky og Daniel Kahneman. Normerne i dette program er baseret på von Neumann og Morgensterns (1944) klassiske rationalitetsbegreb, der bygger på maksimering af nytteværdi (expected utility) ud fra regler baseret på logik og statistik. Bias i denne sammenhæng kan forstås som afvigelser fra dette rationalitetsbegreb. Jeg vil starte med at se på det klassiske rationalitetsbegreb i kapitel 2, og derefter i kapitel 3 præsentere centrale forskningsresultater fra heuristics and biases programmet, for at undersøge, hvilken betydning heuristikker har for kvaliteten af vores beslutninger, i lyset af det klassiske rationalitetsbegreb. I Kapitel 4 vil jeg redegøre for en kritisk vinkel på heuristics and biases programmet, og se nærmere på et økologisk rationalitetsbegreb, der definerer rationalitet som en succesfuld relation mellem en given strategi og et givent miljø, med henblik på at undersøge, hvilken betydning denne kritik har, for de konklusioner man har nået inden for heuristics and biases programmet. I anden del af specialet vil jeg se på, hvordan viden om heuristikker kan anvendes til at forbedre menneskers beslutninger. Jeg vil i kapitel 6 præsentere tiltag, der på forskellig vis forsøger at bringe menneskers beslutningsprocesser tættere på de klassisk rationelle idealer, mens kapitel 7 vil præsentere ideer, der overvejende søger at ændre kvaliteten af beslutningers outcome ved at forandre beslutningskontekster. Jeg vil til sidst diskutere fordele, ulemper og udfordringer forbundet med de forskellige tiltag Klassisk rationalitet Introduktion Teorier om menneskelige beslutninger har især været efterspurgte inden for det økonomiske Side 2

5 område, hvor man er interesseret i at skabe modeller, der kan forudsige menneskers økonomiske adfærd. Moderne beslutningsteori bygger historisk set på en tradition, hvor rige adelsmænd hyrede matematikere til at rådgive dem omkring de spil ofte kortspil og terningespil som adelsmændene spillede mod deres ligemænd. Analyse af sådanne spil førte til teorier om sandsynligheder og optimale beslutninger (Heiss, 1966). Den historisk mest indflydelsesrige model af menneskelige beslutninger er teorien om maksimering af expected utility, hvilket på dansk kan oversættes til forventet nytteværdi. Begrebet stammer fra den schweiziske matematiker Daniel Bernoulli (1738/1954), men den nuværende udgave af begrebet om maksimering af forventet nytteværdi bygger på John von Neumann og Oskar Morgensterns værk, Theory of Games and Economic Behavior (1944). Nytteværdi, i von Neumann og Morgensterns forstand, er en værdi, der i en beslutnings-situation angiver et bestemt alternativs ønskværdighed. Nytteværdier er således tal, der beskriver en persons præferencer. Von Neumann og Morgensterns arbejde var strengt matematisk, og de præsenterede i deres bog en række axiomer, der skal opfyldes, for at en person konsistent kan maksimere sin forventede nytteværdi. Axiomer kan forstås som de grundlæggende antagelser eller regler, der er både nødvendige og tilstrækkelige for at kunne udlede en given teori den præcise og veldefinerede kerne, som en given teori bygger på. Von Neumann og Morgensterns axiomer er således regler, der beskriver hvad der er nødvendigt for at maksimere forventet nytteværdi, og disse regler fungerer samtidig som definitionen på rationel adfærd. Disse normer for rationel adfærd, baseret på maksimering af forventet nytteværdi kaldes ofte for klassisk rationalitet, og det er den betegnelse, jeg vil benytte i resten af opgaven. Klassisk rationalitet er naturligvis ikke den eneste måde at definere rationalitet på, men modellen har haft stor indflydelse på både teori og praksis, og er et naturligt udgangspunkt for denne opgave, eftersom de forskere, der har beskæftiget sig med heuristikker, alle i høj grad forholder sig til den klassisk rationelle model. I det følgende vil jeg først præsentere von Neumann og Morgensterns axiomer, som de udlægges af Hastie og Dawes (2010), og forsøge at gøre rede for deres betydning i en psykologisk kontekst. Derefter vil jeg kort behandle begrebet sandsynlighed, der er centralt i denne forståelse af rationalitet, og forsøge at illustrere nogle af begrænsningerne ved sandsynlighedsteorier i en usikker verden. Til sidst vil jeg kort præsentere Herbert Simons kritik af den klassisk rationelle model, da han var blandt de mest prominente kritikere, og eftersom hans begreb om bounded rationality dannede grundlag for meget af den senere forskning i heuristikker Axiomer for rationalitet De grundlæggende enheder i von Neumann og Morgensterns system kan forstås som alternativer, Side 3

6 der skal vurderes, eller som der skal vælges imellem. Et alternativ specificerer en bestemt konsekvens med en bestemt sandsynlighed. Sandsynligheder benævnes med et tal mellem 0 og 1, hvor 0 er umuligt, og 1 er helt sikkert.30 er således det samme som 30% sandsynlighed. Et eksempel på et alternativ kunne være at modtage 100 kr. med sandsynlighed.50. Axiom 1. Sammenlignelighed: Hvis alternativerne A og B er i et sæt, S, af alternativer, så gælder det enten at A B eller B A eller begge dele. I sidstnævnte tilfælde er A ~ B. Axiom 1 påstår, at en person der står med valget mellem to alternativer, har en vis præference for det ene eller det andet alternativ, hvilket gør at alternativerne kan rangordnes. Hastie og Dawes arbejder med den antagelse, at der findes en svag rangordning, hvilket betyder at de to alternativer, A og B, kan rangordnes A B i den forstand, at vi enten foretrækker A frem for B eller er ligeglade, men at vi aldrig foretrækker B frem for A. En stærk rangordning tillader derimod kun A > B, hvilket betyder, at beslutningstagere ikke kan tildele to alternativer den samme værdi, og dermed være helt ligeglade. Axiom 2. Transitivitet: Hvis A B og B C, så gælder A C. Axiom 2 påstår, at hvis vi foretrækker 100 kr frem for 50 kr og 50 kr frem for 25 kr, så vil vi også foretrække 100 kr frem for 25 kr. I mange eksemplificeringer af von Neumann og Morgensterns axiomer bruges penge som enhed, og på den måde er det let at foretage beregninger og sammenligninger mellem alternativer. Jeg mener dog, at eksemplerne bliver mere interessante, hvis man benytter forskellige enheder, da det i større grad afspejler kompleksiteten af menneskers præferencer og beslutninger. Transitivitet dikterer, at hvis vi hellere vil have en appelsin end et æble, og vi hellere vil have et æble end en banan, så vil vi også foretrække en appelsin frem for en banan. Princippet om transitivitet er åbenlyst når vi sammenligner pengebeløb, men det bliver i mine øjne mindre åbenlyst, hvis vi som her sammenligner æbler og bananer. Det primære argument for kravet om transitivitet er, at personer der ikke udviser transitivitet, i princippet ville kunne gøres til pengemaskiner for andre mere rationelle personer. Tanken er, at hvis en person foretrækker A frem for B, så vil han være villig til at betale en pris for at få A i stedet for B. Og han vil ligeledes gerne betale for at få B i stedet for C. Hvis han ikke udviser transitivitet og foretrækker C frem for A, vil han være villig til også at betale for at få C i stedet for A. Dermed kan han i teorien blive ved med at handle med A, B og C, indtil han har mistet alle sine penge. Side 4

7 Axiom 3. Lukning (Closure). Hvis A og B er i sættet S, så er ApB også i S. Axiom 3 betyder, at en beslutningstager skal være i stand til mentalt at kunne behandle et alternativ, der udgøres af sandsynligheden for at modtage to forskellige alternativer. For eksempel kan et alternativ udgøres af.30 chance for A og.70 chance for B. Det noteres ApB altså at beslutningstageren modtager alternativet A med sandsynlighed p og alternativet B med sandsynlighed (1 p). Axiom 4. Fordeling af sandsynligheder på tværs af alternativer. Hvis A og B er i S, så er [(ApB)qB] ~ (ApqB). Axiom 4 forlanger kort sagt, at det rationelle menneske følger de gældende regler inden for sandsynlighedsteori. Hvis alternativ A betyder, at man er helt sikker på at modtage 1000 kr., så er det ifølge sandsynlighedsreglerne det samme som et alternativ, B, der indebærer, at man har 50% chance for at modtage 2000 kr. og 50% chance for ikke at få noget. Derfor bør en rationel person ifølge Axiom 4 ikke foretrække det ene frem for det andet. Man kan i princippet blive ved med at føje den slags sandsynlighedsforgreninger til et alternativ uden at ændre ved dets værdi. Lad os eksempelvis antage, at en person står overfor alternativerne A og B. Alternativ A betyder at vedkommende med sandsynlighed.75 ikke får noget, og med sandsynlighed.25 går videre til et andet lotteri, hvor han enten kan modtage 1000 kr. med sandsynlighed.80 eller ingenting med sandsynlighed.20. Alternativ B betyder, at han med sandsynlighed.80 får ingenting, og med sandsynlighed.20 får 1000 kr. Så vil alternativ A have en forventet kontant værdi på = 200 kr. og alternativ B have en forventet værdi på = 200 kr. Den ekstra forgrening i alternativ A ændrer ikke dette alternativs forventede værdi, og bør derfor behandles som ækvivalent med alternativ B. Axiom 5. Uafhængighed: Hvis A, B og C er i S, så gælder udsagnet A B kun hvis det samtidig gælder at (ApC) (BpC). Axiom 5 kræver, at hvis en person foretrækker alternativ A frem for B, så vil den præference fortsat eksistere, selvom man introducerer en bestemt sandsynlighed for at vedkommende i stedet for at modtage A eller B ender med et tredje alternativ, C. Dette axiom er med til at sikre, at det rationelle menneske ikke lader sig påvirke af framing-effekter, hvor tilføjelsen af et ekstra alternativ påvirker rangordningen af to uafhængige alternativer. Side 5

8 Axiom 6. Konsistens. For alle A og B i S, gælder A B kun hvis det samtidig gælder at A (ApB) B. Axiom 6 betyder, at hvis vi foretrækker A frem for B, så vil vi nødvendigvis også foretrække et alternativ, hvor vi har en vis chance for at få A i stedet for B frem for at modtage B med sikkerhed. Hvis vi hellere vil vinde en uges ferie i Barcelona, end et kro-ophold i Herning, så bør vi alt andet lige foretrække et lotteri hvor fem af gevinsterne er en rejse til Barcelona, og fem er et kro-ophold i Herning, frem for et lotteri hvor alle 10 gevinster er et kro-ophold. Axiom 7. Løselighed: For alle A, B og C i S gælder det, at hvis A B C, så findes der en sandsynlighed, p, der gør det sandt, at B ~ (ApC). Axiom 7 siger, at uanset hvor stor en forskel, der måtte være på værdien af to alternativer A og B, så er det altid muligt at finde et sammensat alternativ (ApC) med en sandsynlighedsfordeling mellem det ene alternativ og et tredje alternativ, således at det sammensatte alternativ har samme værdi som B. Det betyder, at der ikke kan findes uendeligt store værdier i vores præferencer, altså at der ikke kan eksistere alternativer, der er så fantastiske eller så forfærdelige, at de ikke kan opvejes af en bestemt sandsynlighedsfordeling. Hvis det værste alternativ, man kan forestille sig, er døden, og at den negative værdi af at dø er uendeligt stor, så følger det naturligt, at et rationelt menneske vil foretrække et hvilket som helst alternativ, hvor han er sikker på at leve, frem for et alternativ, der består af en meget lille sandsynlighed for at dø, og en stor sandsynlighed for at overleve. En uendeligt stærk præference for ikke at dø ville kunne give scenarier, hvor absurd sikkerhedsadfærd var den eneste rationelle måde leve på. Axiom 7 kræver, at det rationelle menneske er villig til at acceptere en lille risiko for et meget negativt udfald, såfremt det opvejes af en tilstrækkelig stor sandsynlighed for at opnå et andet udfald. De syv axiomer udgør de betingelser, som en beslutningstager dybest set skal opfylde for at træffe rationelle beslutninger. Von Neumann og Morgensterns argument er, at hvis man er villig til at acceptere de syv axiomer, så må man også være villig til at acceptere et system, hvor man forbinder et reelt tal med hver konsekvens. En sådan skala, hvor nulpunktet og den enhed, man måler i, er arbitrær, kaldes en interval skala. Et velkendt eksempel er temperaturskalaerne, Fahrenheit og Celsius, hvor Fahrenheit-skalaen bestemmer vands frysepunkt til 32 grader og dets kogepunkt til 212 grader, mens Celsius-skalaen benævner de samme temperaturer som henholdsvis 0 og 100 Side 6

9 grader. Hvis vi foretrækker en appelsin frem for et æble, et æble frem for en banan og en appelsin frem for en banan ( A B C) så kan vi tildele hver konsekvens en tal-værdi, for eksempel appelsin = 100, æble = 60 og banan = 0. Hvilken tal-værdi man tildeler hver konsekvens i udgangspunktet, er ikke relevant, så længe rangordningen forbliver den samme man kunne lige så godt have sat appelsin til 89, æble til 20 og banan til 17. Når man har valgt, hvilke værdier man vil tildele det bedste alternativ, A, og det ringeste alternativ, B, så kan man bruge Axiom 7 til at finde ud af, præcist hvor i mellem de yderpunkter, at C befinder sig. Det gøres ved at stille beslutningstageren over for en række af valg imellem et æble (B) og et andet alternativ (ApC), der kombinerer en vis sandsynlighed for at modtage en appelsin (A) med en vis sandsynlighed for at modtage en banan (C), indtil man finder en sandsynlighedsfordeling (p), der gør at vedkommende er ca. lige tilfreds med begge valgmuligheder. Lad os sige, at det punkt hvor de to alternativer er i balance (B ~ ApC), findes når der er.35 chance for at få en appelsin og.65 chance for at få en banan (ApC, p =.35). Så kan værdien af et æble bestemmes til 35 på en skala fra med en banan og en appelsin som endepunkter. Det tal, som gives en bestemt konsekvens, kan kaldes for konsekvenses nytteværdi. Når de alternativer, vi afvejer, indeholder sandsynlighedsfordelte konsekvenser, så kan vi beregne en forventet nytteværdi ved at kombinere værdien af hver konsekvens med sandsynligheden for, at den forekommer. Ved at koble menneskers beslutninger sammen med et tal-system, får vi mulighed for at foretage konkrete matematiske beregninger, der specificerer den optimale og dermed rationelle beslutning Sandsynlighed i en usikker verden Som det blev beskrevet i den ovenstående gennemgang af von Neumann og Morgensterns teori om forventet nytteværdi, så er sandsynlighedsteori essentielt for at kunne bestemme værdien af tilgængelige valgmuligheder, fordi det er den rationelle måde at håndtere usikkerhed på. Jeg vil ikke her redegøre for de grundlæggende principper ved sandsynlighedsberegning, men jeg vil dog forsøge at diskutere nogle af de problematikker, der knytter sig til sandsynlighedsberegning i en usikker og kompleks verden. Lad os starte med at se på, hvad der sker, når vi kaster to terninger. Vi kan tale om: 1) Simple begivenheder f.eks. jeg slår en 2'er. 2) Forbundne begivenheder f.eks. jeg slår en 2'er og en 3'er. 3) Adskilte begivenheder f.eks. jeg slår en 2'er eller en 3'er eller begge. Side 7

10 4) Betingede begivenheder f.eks. jeg slår sammenlagt 8 forudsat at den ene terning er en 3'er. Så længe vi ser på noget så veldefineret som et kast med to terninger, så er det forholdsvis let at beregne sandsynlighederne for de forskellige typer af udfald ovenfor, men mennesker arbejder ofte under væsentligt mere usikre betingelser. Hvis vi for eksempel er interesserede i at vide, hvad sandsynligheden er for, at en tilfældigt udvalgt studerende på Århus Universitet er en kvindelig jurastuderende, så kan vi ikke beregne det uden yderligere information. Kategorierne kvinde og jurastuderende er næsten lige så veldefinerede som en 2'er og en 3'er, men hvis vi skal blive i analogien, så kender vi her hverken antallet af terninger eller antallet af sider på hver terning. For at kende den præcise sandsynlighed for den forbundne begivenhed kvinde og jurastuderende, ville vi være nødt til at indsamle data, indtil vi kender antallet af studerende på universitetet og antallet af kvinder på jurastudiet. Det er mere besværligt end at finde sandsynligheden for et bestemt terningekast, men det er stadig realistisk at anskaffe al den information, der er nødvendig for at beregne sandsynligheden. Mere vanskeligt bliver det, når de informationer, vi har brug for, ikke kan anskaffes ved simpelt hen at tælle os frem. Hvis vi skal forsøge at vurdere sandsynligheden for, at en fransk cykelrytter vinder det næste Tour de France, så er der en del faktorer, som vi ikke umiddelbart kan få præcis viden omkring. Hvor stor en del af feltet kommer til at bestå af franske ryttere? Hvor stor er hver af de franske rytteres individuelle chance for at vinde? Vi kan grave i statistikkerne fra de tidligere års Tour de France og tælle antallet af franskmænd i top 10, men hvor pålidelige er de historiske data i forhold til at vurdere fremtidige begivenheder? Det forekommer svært at nå frem til et korrekt sandsynlighedsestimat for denne type spørgsmål, men samtidig er det heller ikke let at acceptere, at sandsynligheden er fuldstændig arbitrær. Hvis jeg vurderer, at sandsynligheden for at den næste Tour de France vinder kommer fra Frankrig, er præcis 0.1, så er der ingen der på logisk, matematisk vis kan bevise at min påstand er sand eller falsk. Der findes imidlertid masser af bookmakere, der ville være villige til at tage imod mine penge (Franskmændende har vundet 34 af de sidste 99 Tour de France løb). Det skyldes, at der er forskellige måder at forstå sandsynlighedsbegrebet på. Som Hastie og Dawes påpeger: One of the remarkable characteristics of probability theory is that four simple axioms [...] provide the rules for how to reason rationally and probabilistically, even though there is massive disagreement about what the numbers refer to. (Hastie & Dawes, 2010, s. 163) De tre eksempler med terninger, jurastuderende og cykelryttere lægger sig hver især op ad Side 8

11 forskellige måder at forstå sandsynlighedsbegrebet på. Det kan ses som en forlængelse af basale logiske regler, hvilket er tilfældet, når vi beregner sandsynligheden for et bestemt terningekast. Det kan også forstås som tal, der direkte afspejler frekvensen af virkelige hændelser, hvilket er tilfældet, når vi ser på fordelingen af studerende på et universitet. Det kan desuden behandles som den grad af subjektiv sikkerhed, vi har inde i vores eget hoved, når vi gør os tanker om en usikker hændelse, og hvor sandsynligheden ikke på nogen objektiv måde lader sig verificere. Det frekventistiske synspunkt er, at det kun er meningsfuldt at bruge sandsynlighedsregler til at ræsonnere omkring frekvensen af uafhængige begivenheder, der er i princippet kan gentages i det uendelige. Tanken er, at hvis vi slår med en terning et meget stort antal gange, og noterer resultaterne, så vil den relative frekvens af et bestemt terningekast kunne tages som en definition på, hvor sandsynligt det udfald er. Betingelsen lader sig også indfri i eksemplet med studerende på et universitet. Hvis vi har en liste med navnene på alle de indskrevne studerende, og en måde hvorpå vi kan foretage en tilfældig udvælgelse af et navn, så kan vi notere os, om det udtrukne navn er en kvindelig jurastuderende og fortsætte denne sampling igen og igen. Der er imidlertid mange begivenheder, hvor det ikke er muligt at foretage den slags gentagne, uafhængige eksperimenter, fordi der er tale om en unik begivenhed. Det gælder for Tour de France eksemplet. Selvom Tour de France 2013 bliver nummer 100 i rækken, så har omstændighederne varieret betydeligt gennem årene. Det gælder både antallet af ryttere, deres nationaliteter, vejret, ruten, graden af doping osv. Samtidig er begivenhederne ikke uafhængige rytterne og deres trænere lærer af tidligere cykelløb, og det påvirker resultaterne af det næste løb. Hvis sandsynlighed defineres som det gennemsnitlige udfald af observerede hændelser, så kan vi ikke bruge statistik til at håndtere usikkerheden omkring det næste Tour de France. Det kan man til gengæld godt, hvis sandsynlighed defineres som graden af subjektiv overbevisning. Det grundlæggende spørgsmål er, om al usikkerhed kan kvantificeres til sandsynlighedsfordelinger. Hvis vi er villige til at acceptere en bestemt kvantificering, så kan vi bruge sandsynlighedsberegninger til at behandle denne usikkerhed på en klassisk rationel måde. Men eksperterne er stadig uenige om, hvorvidt sandsynlighedsteori kan fungere som en kvantificering af subjektive overbevisninger (Gilboa, 2010, s. 55; se også Gigerenzer, 1991). Itzhak Gilboa argumenterer for, at sandsynlighedsteori, for mange af begivenhederne i en usikker verden, snarere har karakter af at være et nyttigt værktøj, end af at være en objektiv sandhed: In short, past relative frequencies are not a reasonable definition of probability in many cases of interest. Still, people often talk in terms of probabilities. The reason is that the machinery of probability theory has been found to be a convenient tool to sharpen our intuition about uncertainty. The need to assign numbers to events in a way that satisfies the basic laws of Side 9

12 probability imposes a certain discipline on our thinking. (Gilboa, 2010, s.55). Sandsynlighedsteori bliver væsentligt mindre objektivt, når vi bevæger os ud over de tilfælde, hvor begivenhederne i princippet kan gentages i det uendelige. Denne pointe er relevant i forhold til at forstå, hvordan den klassisk rationelle model kan problematiseres som normativ model. Det vil jeg vende tilbage til i kapitel Bounded rationality Selvom der blev rejst en del kritik mod den klassisk rationelle model, så var Herbert A. Simon med sine udgivelser i 1950'erne en af de første til at præsentere et sammenhængende alternativ til teorier om maksimering af forventet nytteværdi (f.eks Simon, 1955 og 1956). Simons kritik var primært rettet mod antagelserne om det klassisk rationelle menneskes evner til at indsamle og behandle data: This man is assumed to have knowledge of the relevant aspects of his environment which, if not absolutely complete, is at least impressively clear and voluminous. He is assumed also to have a wellorganized and stable system of preferences, and a skill in computation that enables him to calculate, for the alternative courses of action that are available to him, which of these will permit him to reach the highest attainable point on his preference scale. (Simon 1955, s. 99). Mennesket besidder ikke uendelige mængder af kognitive ressourcer, men har derimod begrænset viden, tid og energi til at træffe sine beslutninger. Simon argumenterede for at de kognitive omkostninger ved klassisk rationalitet er for høje til, at den klassiske rationelle model kunne være realistisk. Han introducerede ideen om bounded rationality som et alternativt bud på, hvad der ligger til grund for menneskers beslutninger (Simon, 1955). Med bounded rationality mente Simon en form for rationalitet, der tager højde for menneskers reelle ressourcer og begrænsninger i naturligt forekommende beslutningssituationer: Broadly stated, the task is to replace the global rationality of economic man with a kind of rational behavior that is compatible with the access to information and the computational capacities that are actually possessed by organisms, including man, in the kinds of environments in which such organisms exist. (Simon 1955, s. 99). Han foreslog at mennesker og andre organismer generelt ikke vil benytte sig af Side 10

13 beslutningsstrategier, der søger efter den matematisk optimale mulighed, men at de snarere stræber efter at finde en subjektivt tilfredsstillende mulighed. Simon var meget kritisk over for den klassisk rationelle models evne til at forklare menneskers adfærd, men hans invendinger blev først for alvor fulgt op inden for både psykologien og det økonomiske felt, da tråden blev samlet op af Tversky og Kahneman i en række udgivelser i 70 erne og 80 erne. Jeg vil præsentere udvalgte dele af Tversky og Kahnemans forskning i næste kapitel Opsamling Von Neumann og Morgensterns teori om maksimering af forventet nytteværdi er en formalisering af logiske og statistiske regler som grundlæggende axiomer eller regler, der samlet udgør en definition på rationel beslutningstagen. Den bygger i høj grad på analyse af spil-situationer, hvor formålet er at maksimere sandsynligheden for at opnå det største økonomiske udbytte. De overordnede påstande i teorien er, at rationelle mennesker har stabile præferencer, og at de er i stand til konsistent at vælge mellem alternativer på en måde, der maksimerer sandsynligheden for, at de opnår et udfald, der er i overensstemmelse med disse præferencer. Det rationelle menneske er i stand til at overskue alle tilgængelige alternativer, og beregne de relevante sandsynligheder ud fra de grundlæggende regler for sandsynlighedsteori. Sandsynligsbegrebet er centralt i teorier om maksimering af forventet nytteværdi, men der er fortsat uenighed blandt sandsynligsteoretikere omkring, hvorvidt sandsynlighedsreglerne er meningsfulde for begivenheder, der ikke er uafhængige af hinanden og ikke kan gentages et meget stort antal gange. Herbert Simon var blandt de mest betydningsfulde kritikere af den klassisk rationelle model. Han påpegede, at modellen ikke var en realistisk beskrivelse af menneskers beslutningsprocesser, eftersom indsamlingen og behandlingen af informationer, i praksis ville koste for meget tid og for mange ressourcer. Han efterlyste teorier, der tager højde for sådanne ressourcemæssige begrænsninger, og hans begreb om bounded rationality blev et vigtigt udgangspunkt for den senere forskning i heuristikker Heuristics and biases Introduktion Heuristics and biases er blevet en fællesbetegnelse for et forskningsprogram inden for vurderings- Side 11

14 og beslutningsforskning (judgment and decision making). Heuristics and biases programmet opstod i 1970'erne, med en række artikler af psykologerne Amos Tversky og Daniel Kahneman (Se f.eks. Tversky & Kahneman, 1971, 1973 og 1974). Inspireret af Herbert Simons kritik af den klassisk rationelle model og af hans teoretiske begreb om bounded rationality, gennemførte Tversky og Kahneman forskellige empiriske undersøgelser af nogle af de centrale antagelser omkring klassisk rationalitet. Særligt var de interesserede i at finde ud af, i hvilken udstrækning de klassiske normer for rationalitet rent faktisk kunne siges at beskrive menneskers vurderings- og beslutningsprocesser. Som vi så i det foregående afsnit, så foreskriver den klassisk rationelle model, at vi lister alle de tilgængelige alternativer, og vejer deres positive og negative konsekvenser mod sandsynligheden for at de forekommer, for til sidst at vælge det alternativ, der har den største forventede nytteværdi. Tversky og Kahneman argumenterede for, at mennesker ofte griber tingene helt anderledes an, når de skal træffe beslutninger. De beskrev en række heuristiske principper, som de definerede som regler, der reducerer det komplekse arbejde med at vurdere sandsynligheder og forudsige værdier til simplere vurderingsmekanismer (Tversky & Kahneman, 1974). Deres overordnede budskab var, at mennesker i vid udstrækning benytter sig af heuristikker, og at heuristikkerne generelt er nyttige, men at de sommetider fører til alvorlige og systematiske fejl i forhold til de klassisk rationelle normer. Altså til vurderinger der er biased i forhold til de objektive vurderinger, der kan findes ved hjælp af klassisk rationelle fremgangsmåder baseret på logik og statistik. Heuristics and biases programmet er ikke en systematisk og udtømmende undersøgelse af alle de regler og antagelser der findes i von Neumann og Morgensterns udlægning af rationalitet. Det er nærmere en undersøgelse af bestemte fænomener, hvor forskerne har haft grund til at være mistænksomme overfor, om de rationelle antagelser holder stik typisk baseret på egne iagttagelser af, at nogle typer af problemer volder os større vanskeligheder end andre. For eksempel sandsynlighedsberegninger. Jeg vil præsentere udvalgte dele af de empiriske undersøgelser, der ledte Tversky, Kahneman og andre forskere til at konkludere, at vores beslutningsprocesser er væsentligt anderledes end klassiske teorier foreskriver, samt deres bud på, hvilke simplere vurderingsmekanismer, der optræder i stedet. Ved at se på de centrale fund inden for heuristics and biases programmet er det min hensigt at give et overblik over, hvad heuristikker er, hvornår vi benytter dem og hvordan heuristiske beslutninger adskiller sig fra den definition af rationelle beslutninger, som vi finder i von Neumann og Morgensterns teori om maksimering af forventet nytteværdi. I dette kapitel vil jeg primært fokusere på, at give en præsentation af heuristics and biases programmet, mens det efterfølgende kapitel vil udfolde et mere kritisk syn på heuristics and biases litteraturen. Side 12

15 3.2 - Repræsentativitetsheuristikken Et af de forhold som Tversky og Kahneman har undersøgt, er forbindelsesreglen: p(a&b) p(b). Sandsynligheden for at både A og B er sande, er altid mindre end eller lig med sandsynligheden for, at B er sand. Denne regel er en forlængelse af de basale sandsynligsregler, og skal opfyldes for at vurderinger kan være rationelle i en klassisk forstand. Forbindelsesreglen gør sig eksempelvis gældende i situationer, hvor vi skal vurdere sandsynligheden for, om et givent objekt tilhører en bestemt kategori. Tversky og Kahneman (1983) har undersøgt dette fænomen ved blandt andet at stille opgaver i stil med Linda-problemet : Deltagerne (88 universitetsstuderende) fik en beskrivelse af Linda sammen med otte udsagn, der hver beskrev forskellige mulige jobs og aktiviteter. Linda is 31 years old, single, outspoken and very bright. She majored in philosophy. As a student, she was deeply concerned with issues of discrimination and social justice, and also participated in anti-nuclear demonstrations. Linda is a teacher in elementary school. Linda works in a bookstore and takes Yoga classes. Linda is active in the feminist movement. Linda is a psychiatric social worker. Linda is a member of the League of Women Voters. Linda is a bank teller. Linda is an insurance salesperson. Linda is a bank teller and is active in the feminist movement. (Tversky & Kahneman, 1983, s. 297). Én gruppe blev bedt om at rangliste mulighederne ud fra hvilke, der passede bedst på beskrivelsen af Linda, og en anden gruppe blev bedt om at liste dem efter, hvor sandsynlige udsagnene var. De centrale udsagn var nummer 3, 6 og 8 på listen. Udsagn nummer 8 er sammensat af udsagn 3 og 6, og er derfor ifølge forbindelsesreglen mindre sandsynlig end hvert af de to andre for sig selv. Forskerne fandt, som de havde forventet, at gruppen der blev bedt om at liste udsagnene efter, hvor godt de passede på beskrivelsen af Linda, i langt de fleste tilfælde listede udsagn nummer 8 højere end udsagn nummer 6 (85% af gangene). Til gengæld stred det mod den rationelle nulhypotese, at gruppen, der blev bedt om at liste udsagnene efter sandsynlighed, også i de fleste tilfælde (89%) Side 13

16 vurderede udsagn #8 højere end udsagn #6. Ved at liste det sammensatte udsagn af bankekspedient og feminist som mere sandsynligt end det konstituerende udsagn bankekspedient, så overtrådte størstedelen af deltagerne forbindelsesreglen. Denne overtrædelse kaldte Tversky og Kahneman for forbindelsesfejlslutningen (the conjunction fallacy). Forbindelsesfejlslutningen er blevet demonstreret inden for forskellige beslutningsdomæner (for eksempel medicinske vurderinger, forudsigelser af sportsresultater m.v., Tversky & Kahneman, 2002), med opgaver af lignende karakter som Linda-problemet. Tversky og Kahneman har på det grundlag argumenteret for, at forsøgsdeltagerne brugte en repræsentativitetsheuristik (representativeness heuristic) for at nå frem til deres resultat. Det vil sige, at deltagerne dømte ud fra, at beskrivelsen af Linda bedre repræsenterede en aktiv feminist, end en bankekspedient, fremfor at ræsonnere på grundlag af, at gruppen af bankekspedienter både kan indeholde feminister og ikke feminister, og derfor altid vil være mere sandsynlig end dens subgruppe. Ifølge Kahneman og Frederick (2002) fungerer repræsentativitetsheuristikken ved at en vurdering af hukommelsesdata, der er relevant for et bestemt spørgsmål, bliver udskiftet med en vurdering af hukommelsesdata, som er mindre relevant, men som foregår mere flydende og ubesværet. I Linda-problemet erstattes en vurdering af, hvor sandsynlig en bestemt sæt-relation er mellem Linda, feminister og bankekspedienter, med en vurdering af, hvor prototypisk beskrivelsen af Linda er på de respektive kategorier. Repræsentativitetsheuristikken formodes at være baseret på automatiske vurderinger af ligheden mellem koncepter i bevidstheden, som let og ubesværet kan kaldes frem. Kahneman og Frederick argumenterer for, at denne vurdering af lighed er et grundlæggende element i vores perception og forståelse, og at den genereres automatisk og ubesværet, netop fordi den er relevant i mange sammenhænge. De mener, at vurderingen af lighed er en naturlig vurdering, og sammenstiller den med vurderinger af fysisk størrelse, afstand, følelsesmæssig værdi, humør og flere andre elementer af vores kognition, som optræder så ofte, at de let kan kaldes frem i vores bevidsthed (Kahneman & Frederick, 2002, s. 55). Kahneman og Frederick foreslår, at repræsentativitetsheuristikken sandsynligvis fungerer som et alment værktøj i vores beslutningstagen, idet den automatisk genererer svar på mange typer af spørgsmål og vurderinger, der har med kategorier at gøre Tilgængelighedsheuristikken Ind imellem står vi overfor beslutninger, hvor alle de relevante data er direkte tilgængelige for os, men langt de fleste af vores beslutninger involverer data fra vores hukommelse. For at kunne præstere optimale vurderinger af frekvenser og sandsynligheder, i en klassisk rationel forstand, kræver det dels, at vi opbygger så stort og præcist et data-sæt som muligt, og dels at vi er i stand til Side 14

17 at behandle disse data ifølge de logiske og statistiske regler. Det kræver, at vi kan huske de informationer, vi løbende har erhvervet os igennem vores erfaringer med verden. Altså informationer omkring hvor ofte bestemte begivenheder er forekommet for os selv eller for andre, og hvilke konsekvenser de har haft. Derudover skal vi være i stand til at integrere pålidelig viden fra andre kilder end os selv. Jo mere vi er i stand til at huske, des større og mere nøjagtigt bliver det data-sæt, der danner grundlag for vores vurderinger af forventet nytteværdi. Heuristics and biases forskningen har undersøgt dette forhold mellem hukommelsesdata og erfarede frekvenser, og fundet, at vores vurderinger tilsyneladende benytter sig af bestemte genveje, der kun indirekte er knyttet til de erfarede frekvenser. Et af de instruktive studier er fra Tversky og Kahneman (1973), hvor deltagerne blev bedt om at vurdere, hvor ofte et bogstav i det engelske sprog ville optræde som det første bogstav i et ord, og hvor ofte det ville optræde som det tredje bogstav. Forsøget blev gentaget for fem forskellige bogstaver, og af de 152 deltagere svarede 105 at bogstaverne oftere ville optræde som første bogstav end som tredje bogstav. Resultatet er statistisk signifikant, og går imod forskernes objektive vurdering baseret på en ordbogsoptælling, der viste, at alle bogstaverne optræder hyppigere i tredje position. Tversky og Kahnemans forklaring på dette fænomen er, at deltagerne benytter sig af en tilgængelighedsheuristik (availability heuristic). Hukommelsesdata varierer på forskellige måder, og vores hukommelse er ikke en perfekt repræsentation af vores oplevelser. Nogle ting er lettere at genkalde end andre, men det afspejler ikke nødvendigvis, at de har optrådt oftere i vores oplevede verden. Mange af os har levende erindringer af nyheden omkring terrorangrebet på USA i 2001, men kan ikke huske, hvor vi i forgårs parkerede cyklen eller bilen. Tversky og Kahneman argumenterer for, at en vurdering af tilgængelighed altså hvor let det er at generere en bestemt type data fra hukommelsen er en automatisk og ubesværet vurdering på samme måde som vurderingen af repræsentativitet i foregående afsnit, og at denne vurdering bruges i en tilgængelighedsheuristik. Vi har lettere ved at generere ord ud fra deres startbogstav end fra bogstaver midt i ordet, og ud fra den information vurderer vi, at det givne bogstav i realiteten optræder hyppigere på første position. Når vi benytter tilgængelighedsheuristikken, så erstatter vi en vanskelig vurdering (frekvensen af bestemte bogstavers gennemsnitlige placering i engelske ord) med en simplere vurdering af, hvor let vi kan generere eksempler på en bestemt placering af bogstavet Forankring og justeringsheuristikken Forankring og justeringsheuristikken (anchoring and adjustment heuristic) er den tredje af de heuristikker, der oprindelig blev beskrevet af Tversky og Kahneman (1974). Den relaterer sig til Side 15

18 vurderinger og beslutninger under usikkerhed, hvor man skal estimere en bestemt værdi. I situationer hvor vi ikke på forhånd kender svaret på et spørgsmål, og hvor vi ikke har en let måde at finde det på, vil vi ofte starte med at tage udgangspunkt i en kendt men ikke korrekt værdi, og så forsøge at justere op eller ned for at nå frem til et mere nøjagtigt estimat af den pågældende værdi. Hvis jeg befinder mig i Esbjerg og skal vurdere, hvornår den sidste bus går, ville jeg kunne tage udgangspunkt i de bustider, jeg kender fra Århus. Fra min bopæl i Århus går den sidste bus omkring midnat, og jeg ville tage med i min vurdering at Esbjerg er mindre end Århus, og at Esbjergs beliggenhed ved vestkysten muligvis kunne betyde, at der er mindre togtrafik og mindre bustrafik. Det ville lede mig til at forvente, at jeg skulle fange en bus før kl 23. Sådanne udgangspunkter eller 'ankre' er en naturlig del af vores ræsonneren omkring det uvisse, men en række undersøgelser har vist, at vi kan tage udgangspunkt i nogle ganske arbitrære ankre, og at vi ofte ikke får justeret vores estimater tilstrækkeligt. For eksempel bad Tversky og Kahneman (1974 ) deres forsøgspersoner om at estimere hvor mange procent af landene i FN, der var afrikanske. Først blev de bedt om at dreje på et lykkehjul, der bestod af tallene fra 1 til 100, og dernæst om at vurdere, hvorvidt det givne tal var over eller under andelen af afrikanske lande i FN. Til sidst blev de bedt om at komme med et præcist gæt. Lykkehjulet var, uden at deltagerne vidste det, indstillet således, at det landede på tallet 10 for én gruppe, og på tallet 65 for en anden gruppe. Deltagere der var landet på tallet 10, havde i gennemsnit gættet på, at der var 25% afrikanske lande, mens de deltagere der var landet på tallet 65, i gennemsnit havde svaret 45%. Det korrekte svar, da Tversky og Kahneman gennemførte studiet, var 35%. Selvom lykkehjulstallene tydeligvis i en objektivt forstand var irrelevante for deltagernes vurdering, så viste de sig alligevel at have en betydelig indvirkning på deltagernes svar. Forankring og justeringsheuristikken adskiller sig fra klassisk rationalitet ved at give for meget vægt til én bestemt værdi ankeret frem for at foretage en vægtning af alle de relevante værdier, og derefter beregne den optimale værdi på baggrund af denne vægtning af værdier. Det er ikke umiddelbart indlysende, hvordan vi vælger vores ankre, eller hvad der gør, at vi ikke altid formår at justere vores estimater tilstrækkeligt. I lykkehjulseksperimentet synes forankring og justeringsheuristikken at virke i kombination med tilgængelighedsheuristikken. Lykkehjulstallet er let tilgængeligt i vores bevidsthed, og bliver på den baggrund valgt som anker Reference-afhængighed og default effekten I de klassiske udlægninger af rationalitet defineres nytteværdi ud fra de positive konsekvenser, som personen har opnået ved et givent scenarios afslutning. Personens præferencer forventes at være uafhængige af, hvilke goder han besidder i udgangspunktet. Hvis han foretrækker en banan frem for Side 16

19 en pære, så vil den præference blive ved med at eksistere, selvom han allerede besidder en kurv fyldt med frugt. Klassisk rationelle modeller antager med andre ord, at præferencer er referenceuafhængige (Tversky & Kahneman, 1991). Denne antagelse er blevet undersøgt i en del forskellige studier, og har vist sig at blive overtrådt i mange tilfælde. For eksempel gennemførte Samuelson og Zeckhauser (1988) et eksperiment, hvori de opstillede to fiktive scenarier, hvor deltagerne bliver bedt om at tage stilling til, hvordan de vil forvalte arven fra deres nyligt afdøde onkel. I det ene scenarie består arven af penge, og der skal vælges mellem fire modeller, således at pengene kan investeres i aktier. I det andet scenarie modtages arven som aktier svarende til en af de fire modeller, og deltageren skal tage stilling til, om der skal reinvesteres til en af de resterende tre modeller. I dette og lignende eksperimenter fandt Samuelson og Zeckhauser, at deres deltagere udviste en betydelig præference for ikke at ændre deres nuværende valg eller status. Denne effekt kaldte de for status quo bias. Resultaterne er efterfølgende blevet valideret af andre forskere inden for den samme eksperimentelle model eksempelvis Kahneman, Knetsch og Thaler (1991). Senere er der på baggrund af andre undersøgelser blevet argumenteret for, at der i de fleste tilfælde er tale om en omission bias eller default effekt, frem for en status quo bias (Spranca, Minsk & Baron, 1991; Baron & Ritov, 1994). Det vil sige, at testpersonerne generelt har en tendens til at favorisere det valg, der ikke kræver handling også frem for at bevare deres status quo. I disse studier har man adskilt en præference for at bevare sin status quo, med en præference for ikke at foretage sig noget. Hvis det kræver handling at bevare sin status quo, foretrækker de fleste alt andet lige at opgive deres status quo og i stedet beholde det nye default-alternativ. Tversky og Kahneman (1991) har forklaret denne effekt som et udtryk for loss-aversion et begreb der dækker over, at ændringer i forhold til et givent reference-punkt vurderes stærkere, hvis ændringen er et tab frem for en gevinst. Default effekten virker ved at fastsætte et bestemt reference-punkt, og fordi potentielle tab vejer tungere end potentielle gevinster, når default-alternativet sammenlignes med andre alternativer, så vil mennesker udvise en bias i retning af default-alternativet. Loss-aversion er en bias i forhold til de klassisk rationelle teorier, der forudsætter reference-uafhængighed og stabile præferencer. Loss-aversion kan nemlig føre til situationer, hvor en beslutningstagers præferencer vendes på hovedet, hvis reference-punktet skifter Kognitive illusioner Heuristikker og bias er blevet beskrevet som en slags kognitive illusioner, der langt hen ad vejen kan forstås ligesom perceptuelle illusioner, som har været et kendt og meget velstuderet område inden for psykologi. Kahneman (2003, s. 1460) giver et eksempel på en perceptuel illusion. Det er Side 17

20 en opgave med et billede af en pige og to gyngeheste, hvor subjekterne skal vurdere overfladearealet af de to gyngeheste, som de fremtræder på billedet. Billedet frembringer en illusion af dybde, og får den bagerste gyngehest til at virke betydeligt større end den forreste, selv om deres to-dimensionelle størrelse, som de er vist på billedet, er nøjagtig ens. Ideen med studere perceptuelle illusioner har været, at vi ved at sætte vores perceptuelle system i en uvant situation som ovenfor, hvor det skal vurdere størrelsen af objekter i en to-dimensionel verden, kan få det til at begå fejl, og dermed lære noget om, hvordan systemet fungerer under normale betingelser. På samme måde har en stor del af H&B forskningen beskæftiget sig med situationer, som genererer kognitive illusioner. For eksempel Linda-problemet, hvor deltagerne tilsyneladende svarer på spørgsmålet: passer beskrivelsen af Linda bedst på en feminist, eller på en bankekspedient?, frem for det spørgsmål de logisk set bliver stillet, nemlig: er det mest sandsynligt at en person er bankassistent, eller feministisk bankassistent?. Perceptuelle illusioner opstår automatisk, når vi præsenteres for bestemte visuelle stimuli, og er ikke umiddelbart under vores bevidste kontrol. Selv hvis vi kender til illusionen, vil vores perceptuelle system blive offer for den. Begrebet om kognitive illusioner indfanger en tilsvarende karakter ved heuristikker og bias nemlig at de ofte opstår automatisk og ikke helt er under vores bevidste kontrol. Analogien til perceptuelle illusioner har været med til at gøre studiet af heuristikker lettere at tilgå, fordi den bygger på en model, der allerede er veletableret inden for det psykologiske område. Samtidig tror jeg ikke, det har været uvæsentligt for paradigmets popularitet, at modellen med kognitive illusioner er i stand til at skabe overraskende og interessante resultater. Vi bliver nysgerrige, når vi konfronteres med perceptuelle illusioner selvom jeg allerede kendte til Kahnemans eksempel med gyngehestene, følte jeg mig alligevel nødsaget til lige at måle efter med en finger. På samme måde er det fascinerende, når vi ser eksempler på kognitive illusioner, hvor normalt begavede mennesker overtræder kendte logiske regler Diskussion Jeg har gennemgået nogle af de centrale fund inden for heuristics and biases tilgangen, der specifirerer, hvordan vi på forskellige måder afviger fra den klassiske model af rationel beslutningstagen. Tversky og Kahneman har beskrevet tre ret generelle heuristiske principper, der alle fungerer ved at simplificere vurderinger og beslutninger. Repræsentativitetsheuristikken og tilgængelighedsheuristikken fungerer begge ved at beslutningstageren benytter sig af naturlige og spontane vurderinger af enten lighed eller tilgængelighed frem for de vanskeligere vurderinger, som den klassiske rationelle model foreskriver, at man bør foretage. Forankring og Side 18