Ποιοι καλούνται να λάβουν αποφάσεις;
Πολλοί επαγγελματίες καλούνται να λάβουν σημαντικές αποφάσεις σε καθημερινή βάση, οι οποίες μπορούν να επηρεάσουν τόσο σημαντικές διαδικασίες όσο και άλλους ανθρώπους. Για παράδειγμα, ένας πολιτικός λαμβάνει αποφάσεις για την κοινωνία, ένας φυσικός επιστήμονας για το περιβάλλον, ένας ψυχολόγος και ένας γιατρός για άλλους ανθρώπους. Με τον ίδιο τρόπο, οι επαγγελματίες HR καλούνται καθημερινά να λαμβάνουν αποφάσεις που επηρεάζουν τον οργανισμό, την απόδοση και την ευημερία των εργαζομένων, κι έτσι είναι σημαντικό να λαμβάνονται βάσει εμπειρικών και επιστημονικών δεδομένων.
Με αυτόν τον τρόπο, λαμβάνονται ενημερωμένες αποφάσεις, καθώς οι επαγγελματίες θέλουν να εξασφαλίσουν πως αυτές είναι λογικές και αμερόληπτες και θα οδηγήσουν στο καλύτερο δυνατό αποτέλεσμα. Σε τέτοιες περιπτώσεις, συλλέγεται θεωρία, διενεργούνται έρευνες με σκοπό τη λήψη ποσοτικών και ποιοτικών δεδομένων που θα οδηγήσουν σε καλύτερες αποφάσεις. Σε έναν κόσμο που οι τάσεις, τα εργαλεία και οι νέες ιδέες διαδέχονται η μία την άλλη, η ικανότητα αντικειμενικής αξιολόγησης των πληροφοριών και η ικανότητα να βασίζεται κανείς σε τεκμηριωμένα δεδομένα και να αποφεύγει παραπλανήσεις είναι πιο σημαντικές από ποτέ.
Πώς λαμβάνονται οι τεκμηριωμένες αποφάσεις;
Στη λήψη αποφάσεων, βάσει δεδομένων, χρησιμοποιούνται πολλαπλές αξιόπιστες πηγές πληροφόρησης για την καθοδήγηση των επιλογών και τη διασφάλιση των καλύτερων αποτελεσμάτων. Αυτή η προσέγγιση περιλαμβάνει την ενσωμάτωση επαγγελματικών απόψεων από ειδικούς, όπως δεδομένα που παρουσιάζονται σε συνέδρια, επιστημονικές δημοσιεύσεις ή ανακοινώσεις από επαγγελματικούς οργανισμούς. Ενσωματώνει, επίσης, εμπειρικά δεδομένα, όπως ιστορικά αρχεία του οργανισμού ή και πιο ευρεία δεδομένα που προέρχονται από αναφορές και συστήματα παρακολούθησης, καθώς και έρευνες από αξιόπιστες πηγές, όπως μελέτες δημοσιευμένες σε επιστημονικά περιοδικά. Παράλληλα, δίνει αξία στις σκέψεις και τα συναισθήματα των ενδιαφερόμενων μερών—εργαζομένων, συνεργατών ή άλλων—που συγκεντρώνονται μέσω προφορικής ανατροφοδότησης, γραπτών σχολίων ή απαντήσεων σε ερωτηματολόγια.
Σε αντίθεση με άλλους τρόπους λήψης αποφάσεων που βασίζονται στη διαίσθηση ή χρησιμοποιούν περιορισμένα δεδομένα, η λήψη αποφάσεων βάσει τεκμηριωμένων στοιχείων δίνει έμφαση στην ανάλυση ιστορικών και επιστημονικών δεδομένων για πιο επιτυχημένα αποτελέσματα. Για παράδειγμα, όταν εξετάζεται η εφαρμογή της πολιτικής ευέλικτου ωραρίου εργασίας σε έναν οργανισμό, αυτή η μέθοδος προτείνει την ανασκόπηση μελετών ή περιπτώσεων που αποδεικνύουν ότι η πολιτική αυτή έχει βελτιώσει την κουλτούρα και την παραγωγικότητα σε παρόμοια περιβάλλοντα. Επιπλέον, μπορεί να ζητηθεί η γνώμη των εργαζομένων μέσω ερευνών ή ομάδων συζήτησης για να διαπιστωθεί αν μια τέτοια αλλαγή θα κάλυπτε τις ανάγκες τους και θα ενίσχυε τη δέσμευσή τους στην εργασία.
Τι απειλεί την επιστημονική αλήθεια και τη λήψη τεκμηριωμένων αποφάσεων ;
1.
Η Ψευδοεπιστήμη
Η ψευδοεπιστήμη είναι η παρουσίαση πληροφοριών ή πρακτικών ως επιστημονικές, χωρίς να βασίζονται σε επαρκή στοιχεία ή σε αξιόπιστες μεθόδους. Στην ψευδοεπιστήμη, οι διαδικασίες και τα δεδομένα της έρχονται σε αντίθεση με την επιστημονικά τεκμηριωμένη γνώση και τις μεθόδους της. Στο HR, η ψευδοεπιστήμη μπορεί να εμφανιστεί μέσω εργαλείων αξιολόγησης προσωπικότητας, προγραμμάτων ανάπτυξης ή θεωριών που υπόσχονται αποτελέσματα χωρίς αποδείξεις.
Πώς να το αναγνωρίσετε;
Η αδυναμία της ψευδοεπιστήμης να ελεγχθεί με συγκεκριμένο και επαναλαμβανόμενο τρόπο, καθώς και το ότι δεν δίνει περιθώρια αμφισβήτησης τη διαχωρίζει από την επιστήμη. Ακόμα, η ψευδοεπιστήμη, συνήθως, παραμένει σταθερή και συχνά λιγότερο προοδευτική από άλλες θεωρίες, ενώ παράλληλα οι υποστηρικτές της δεν κάνουν κάτι ώστε να επαληθεύσουν και να εξελίξουν τα στοιχεία της.
Με λίγα λόγια, δεν αναθεωρείται με σκοπό τον εμπλουτισμό και την ενδυνάμωσή της. Η επιστήμη, για να μπορέσει να οδηγηθεί σε ασφαλή συμπεράσματα, ακολουθεί συγκεκριμένες και συχνά χρονοβόρες διαδικασίες, όπως βιβλιογραφική ανασκόπηση, υποθέσεις, πειράματα, έλεγχοι, συμπεράσματα, επαναδιατυπώσεις, κλπ, διαδικασίες τις οποίες η ψευδοεπιστήμη δεν ακολουθεί. Αντίθετα, η ψευδοεπιστήμη, χρησιμοποιεί γενικές και ασαφείς δηλώσεις, οι οποίες βασίζονται σε ανεπαρκή στοιχεία και παραβλέπουν στοιχεία που δεν ανταποκρίνονται στους σκοπούς της. Πολλές φορές, μάλιστα, εμπίπτουν και σε αντιφάσεις.
Η ανάγκη διαχωρισμού επιστήμης και ψευδοεπιστήμης δεν έγκειται μόνο στην επιστημονική και φιλοσοφική χρήση των δεδομένων, αλλά και στην καθημερινή χρήση αυτών σε διάφορους τομείς της ζωής, όπως στις κοινωνικές αλληλεπιδράσεις, στην πολιτική και τα κοινωνικοπολιτικά φαινόμενα, τη διαμόρφωση απόψεων και τη λήψη αποφάσεων.
2.
Η επιστημονική αμφισβήτηση: FLICC
Τo 2007, o Mark Hoofnagle παρατήρησε κοινά στοιχεία στις τοποθετήσεις των αρνητών της επιστήμης (π.χ. της κλιματικής αλλαγής) που είχαν σκοπό να δημιουργήσουν σύγχυση. Αυτά είναι: συνωμοσία (conspiracy), επιλεκτικότητα (selectivity), ψεύτικοι ειδικοί (fake experts), απίθανες προσδοκίες (impossible expectations), γενικές πλάνες της λογικής (general fallacies of logic). Το 2009, οι Pascal Diethelm και Martin McKee χρησιμοποίησαν επίσης τις 5 αυτές αρχές για να μιλήσουν για το θέμα αυτό.
Το 2013, ο John Cook, με σκοπό να βοηθήσει το κοινό να μην ξεχνά τις 5 αυτές αρχές, δημιούργησε ένα ακρωνύμιο ώστε να τις θυμάται ο κόσμος πιο εύκολα, αλλάζοντας κάποιες λέξεις με συνώνυμες έννοιες. Το μοντέλο FLICC (Fake experts, Logical fallacies, Impossible expectations, Cherry picking, Conspiracy theories) περιγράφει τις στρατηγικές αυτές παραπληροφόρησης που συναντάμε σε πολλούς τομείς.
Πώς εφαρμόζεται:
- Fake experts (ψεύτικοι ειδικοί): Προβολή “ειδικών” χωρίς πραγματική εξειδίκευση, οι οποίοι μπορεί να δίνουν συμβουλές χωρίς τεκμηρίωση για διάφορα ζητήματα, όπως η διαχείριση ταλέντων, η αύξηση των κερδών, η ενίσχυση της ευζωίας των εργαζομένων, η διαχείριση των διάφορων γενεών κλπ. Οι συγκεκριμένοι, συχνά, παρουσιάζονται ως αυθεντίες, χωρίς ωστόσο να έχουν το απαραίτητο επιστημονικό και γνωστικό υπόβαθρο. Συχνά, αυτοχαρακτηρίζονται με βαρύγδουπους και μακροσκελείς τίτλους, με σκοπό να παραπλανήσουν το κοινό, ώστε να τους εμπιστευτεί. Χρησιμοποιούν εκλαϊκευμένη γλώσσα, για να πείσουν το κοινό τους, και χρησιμοποιούν τη φήμη και τον αριθμό των ακολούθων τους, ώστε να αυξήσουν την αξιοπιστία τους. Πολλές φορές, έρχονται σε αντίθεση με πραγματικούς ειδικούς και δεν έχουν εμπεριστατωμένες αποδείξεις για τα λεγόμενά τους. Επομένως, για να τους εντοπίστε, αξιολογήστε τα παραπάνω στοιχεία, δηλαδή ενημερωθείτε για την εκπαίδευση και το backround τους, ελέγξτε που βασίζονται οι θεωρίες τους και κατά πόσο συμφωνούν με την επιστημονική κοινότητα.
- Logical fallacies (λογικά σφάλματα): Σφάλματα στη συλλογιστική πορεία τα οποία οδηγούν σε εσφαλμένα ή μη τεκμηριωμένα συμπεράσματα (π.χ., Όλοι μιλούν για την Τεχνητή Νοημοσύνη (ΤΝ), άρα είναι απαραίτητη). Χρησιμοποιούνται είτε εσκεμμένα είτε χωρίς συνειδητή πρόθεση και ενισχύουν μη επιστημονικές ιδέες. Ωστόσο, παρόλο που εκ πρώτης όψεως μπορεί να μοιάζουν αληθή, δεν μπορούν να αντέξουν σε μια αυστηρή ανάλυση. Πολλές φορές, χρησιμοποιούνται λάθος αναλογίες (π.χ. Η ΤΝ λειτουργεί όπως ο ανθρώπινος εγκέφαλος, άρα μπορεί να αντικαταστήσει όλους τους ανθρώπους στη δουλειά), μονόπλευρες απόψεις (π.χ. Μια εταιρεία χρησιμοποίησε ΤΝ και πέτυχε, άρα και η δική μας θα πετύχει), υπεραπλουστεύσεις (π.χ. Η ΤΝ θα λύσει όλα μας τα προβλήματα). Για να μπορέσετε να τα εντοπίσετε, είναι καλό να χρησιμοποιείτε την κριτική σας σκέψη και να εξετάζετε/αμφισβητείτε τις πληροφορίες που λαμβάνετε. Σκεφτείτε ακόμα, αν για τα επιχειρήματα αυτά υπάρχει επαρκής επιστημονική τεκμηρίωση. Αν υπάρχουν αντίθετες απόψεις κι αν ναι, είναι επιστημονικα τεκμηριωμένες;
- Impossible expectations (αδύνατες προσδοκίες): Υπερβολικές υποσχέσεις από νέα εργαλεία, προγράμματα κλπ., υποβαθμίζοντας την πολυπλοκότητα του ζητήματος, όπως “100% ακρίβεια στην αξιολόγηση υποψηφίων”. Συχνά, χρησιμοποιούνται ως εμπορικές στρατηγικές, με σκοπό την προώθηση προϊόντων, αποκρύπτοντας σημαντικούς περιορισμούς. Βασίζονται συχνά στο γεγονός, ότι το κοινό πολλές φορές δε διαθέτει την τεχνογνωσία ή τα εργαλεία για να αξιολογήσει αν ένας ισχυρισμός είναι ορθός. Σε τέτοιες περιπτώσεις, αξιολογήστε πώς λειτουργεί ένα εργαλείο ή μια διαδικασία, δείτε προηγούμενα αποτελέσματά του, ρωτήστε άτομα που το έχουν χρησιμοποιήσει, και αν δεν εμπίπτει στις γνώσεις σας, ρωτήστε κάποιον ειδικό.
- Cherry picking (επιλεκτική παρουσίαση δεδομένων): Είναι μια μέθοδος παραπλάνησης που αφορά την παρουσίαση μόνο των δεδομένων που υποστηρίζουν μια συγκεκριμένη θέση ή αφήγηση, ενώ αγνοούνται σκόπιμα ή παραλείπονται πληροφορίες που την αντικρούουν. Για παράδειγμα, η προβολή μόνο των θετικών αποτελεσμάτων από μια νέα στρατηγική (π.χ. αύξηση των κερδών), αγνοώντας τα αρνητικά (παράλληλη αύξηση του ποσοστού turnover), με αποτέλεσμα τη δημιουργία ψευδών εντυπώσεων. Για να αποφύγετε την παγίδα αυτή, ζητήστε ή ψάξτε δεδομένα τα οποία καλύπτουν συνολικά τα αποτελέσματα (θετικά και αρνητικά), αξιολογήστε τα δεδομένα που σας δίνονται, χρησιμοποιώντας κριτική σκέψη και αναζητώντας παγίδες. Συγκρίνετε με εναλλακτικές λύσεις και αξιολογήστε τις διαφορές με βάση αντικειμενικά δεδομένα της διαδικασίας. Για παράδειγμα, αν παρόμοιες στρατηγικές φαίνεται να οδηγούν σε turnover σε αντίστοιχες εταιρείες, γιατί η συγκεκριμένη στρατηγική δεν το αναφέρει; Κι εσείς από την άλλη ως οργανισμός να είστε πάντα ξεκάθαροι και ειλικρινείς με τους εργαζομένους.
- Conspiracy theories (θεωρίες συνωμοσίας): Φοβίες σχετικά με τις αλλαγές στον χώρο εργασίας, όπως η αντικατάσταση θέσεων από την ΤΝ. Συχνά, οι φόβοι αυτοί βασίζονται σε παρερμηνείες, παραπληροφόρηση ή έλλειψη κατανόησης της τεχνολογίας. Η θεωρία αυτή είναι ελκυστική, καθώς επικαλείται υπαρκτούς φόβους για την απώλεια εργασίας και προβάλλει την τεχνολογία ως ανεξέλεγκτη ή χειραγωγούμενη από “κρυφές δυνάμεις” με κακόβουλες προθέσεις. Ωστόσο, η ΤΝ επηρεάζει ορισμένες θέσεις εργασίας, δημιουργεί νέες ανάγκες για δεξιότητες και θέσεις, αλλάζοντας τη φύση της εργασίας παρά εξαλείφοντας την πλήρως. Οι θεωρίες συνωμοσίας, συχνά, προκύπτουν εξαιτίας της άγνοιας και του φόβου για το άγνωστο, για παράδειγμα η τεχνολογία, και ειδικά η ΤΝ, φαίνεται περίπλοκη και δύσκολα κατανοητή για πολλούς, δημιουργώντας ανασφάλεια. Ακόμη, υπερβολικές ή αναληθείς ειδήσεις για την ΤΝ ενισχύουν τους φόβους (π.χ. η ΤΝ θα αντικαταστήσει το 90% των εργαζομένων) ενώ η έλλειψη εμπιστοσύνης στις επιχειρήσεις, τις κυβερνήσεις ή τους ειδικούς ενισχύει την πεποίθηση ότι υπάρχει κρυφό σχέδιο. Για να ξεφύγετε από τις θεωρίες συνωμοσίας, διαβάστε και ενημερωθείτε σχετικά με τις επιστημονικές τοποθετήσεις σε κάθε ζήτημα. Ως οργανισμός, και πάλι να είστε ξεκάθαροι προς τους εργαζόμενούς σας. Ενημερώστε τους με κάθε λεπτομέρεια σχετικά με το πώς εφαρμόζεται η ΤΝ στον οργανισμό και λύστε κάθε τους απορία. Εκπαιδεύστε τα μέλη πάνω στις νέες τεχνολογίες, ώστε να ξεδιαλύνετε την άγνοια. Μπορείτε να επικοινωνείτε χρησιμοποιώντας ξεκάθαρο και υποστηρικτικό λόγο, δηλαδή: μην πείτε “Η ΤΝ θα φέρει την επανάσταση και θα αλλάξει τα πάντα” αλλά πείτε “Η ΤΝ μπορεί να αυτοματοποιήσει επαναλαμβανόμενες εργασίες, αλλά οι εργαζόμενοι θα έχουν τη δυνατότητα να επικεντρωθούν σε πιο στρατηγικά καθήκοντα”, ακόμη μην πείτε “Όσοι δεν προσαρμοστούν στην ΤΝ θα μείνουν πίσω” αλλά πείτε “Θα παρέχουμε εκπαίδευση και υποστήριξη για να εξασφαλίσουμε ότι όλοι μπορούν να επωφεληθούν από την τεχνολογία”.
3.
Barnum Effect: Η παγίδα των γενικών δηλώσεων
Το Barnum Effect αναφέρεται στην τάση των ανθρώπων να αποδέχονται γενικές δηλώσεις ως προσωπικά ακριβείς. Το φαινόμενο πήρε το όνομά του από τον showman P.T. Barnum ο οποίος ανέφερε πως “ένα θύμα γενιέται κάθε λεπτό” (a sucker is born every minute). Συχνά, “σύμβουλοι” ή “ειδικοί” αξιολογούν τους ανθρώπους με βάση κάποια χαρακτηριστικά ή απαντήσεις τους και τούς δίνουν μετά κάποια συμπεράσματα ή συμβουλές δήθεν βασισμένα στα ίδια τα άτομα. Στην πραγματικότητα, οι απαντήσεις αυτές δεν είναι προσωποποιημένες αλλά βασίζονται σε γενικές και ασαφείς δηλώσεις με τις οποίες οι περισσότεροι άνθρωποι θα ταυτιστούν.
Σε πείραμα που έγινε με σκοπό την εξέταση της εφαρμογής του barnum effect, 39 συμμετέχοντες αξιολογήθηκαν με ένα τεστ και έπειτα στάλθηκαν στον καθένα προσωποιημένα συμπεράσματα μέσα από 13 δηλώσεις. Ζητήθηκε από τους συμμετέχοντες να αξιολογήσουν κατά πόσο συμφωνούν ότι ισχύει για τους ίδιους η κάθε δήλωση και η ακρίβεια βρέθηκε να είναι 10.2/13. Αλλά μαντέψτε, στάλθηκαν σε όλους τους συμμετέχοντες ακριβώς τα ίδια αποτελέσματα!
Ένα ενδιαφέρον στοιχείο είναι πως οι άνθρωποι είναι πιο πιθανό να δεχτούν ως ακριβείς δηλώσεις για τον εαυτό τους που είναι θετικές ή ουδέτερες παρά αρνητικές. Ποια από τις παρακάτω δηλώσεις θα αποδεχόσασταν πιο εύκολα ως αληθή για τον εαυτό σας;
«Έχεις την ικανότητα να δουλεύεις ανεξάρτητα και να βρίσκεις λύσεις μόνος σου, ακόμη και σε δύσκολες καταστάσεις»
ή
«Προτιμάς να μην ζητάς βοήθεια από άλλους, ακόμη και όταν τη χρειάζεσαι, γεγονός που μπορεί να σε δυσκολεύει σε ορισμένες περιπτώσεις»
Μάλλον την πρώτη. Οι άνθρωποι τείνουν να θέλουν να ακούν θετικές δηλώσεις για τους ίδιους, επομένως είναι και πιο πιθανό να τις αποδεχθούν. Ακόμη, το barnum effect φαίνεται να εξηγείται και από το γεγονός ότι ο εγκέφαλος μας δεν θέλει να σκέφτεται έντονα αν δεν είναι ανάγκη, επομένως το να διαβάσει κανείς μία πρόβλεψη ή περιγραφή για τον εαυτό του είναι ένας εύκολος τρόπος να την πιστέψει. Προφανώς, το ότι συμφωνούμε με τέτοιες δηλώσεις δεν είναι αποτέλεσμα βαθιάς ανάλυσης αλλά του αισθήματος που μας δημιουργήθηκε εκείνη τη στιγμή, καθώς με αυτόν τον τρόπο νιώθουμε πιο συνδεδεμένοι και η ζωή μας αποκτά περισσότερο νόημα.
Σε ποιες καταστάσεις εφαρμόζεται;
- Στα τεστ προσωπικότητας, τα οποία δίνουν περιγραφές και δηλώσεις για τον εαυτό.
- Η πίστη στα ζώδια (π.χ. Αν λάβεις με προσοχή αποφάσεις αυτή τη βδομάδα θα έχεις μια μεγάλη επαγγελματική επιτυχία).
- Στο να διαβάζουμε memes και να νιώθουμε ότι μας περιγράφουν (ειδικά αν κάποιος άλλος στείλει το meme ως απόλυτα ταιριαστό για εμάς).
- Το να πιστεύουμε “ειδικούς” σε συμβουλές για επιτυχία που δίνουν δήθεν αποκλειστικά σε εμάς, κλπ.
Πώς να αποφύγετε το barnum effect;
Αρχικά, είναι πολύ σημαντικό να είστε ενσυνείδητοι κάθε στιγμή, ώστε να συνειδητοποιείτε τι σκέφτεστε και για ποιον λόγο αυτό συμβαίνει. Αναπόφευκτα, κάποια στιγμή στη ζωή σας, θα πέσετε στην παγίδα του φαινομένου, για τους λόγους που αναφέρθηκαν και παραπάνω. Ωστόσο, εφόσον γνωρίζετε ότι το φαινόμενο υπάρχει μπορείτε πιο εύκολα να το αναγνωρίζετε και να μην το αφήνετε να κυριεύει τις σκέψεις σας.
Ακόμη, όπως ήδη έχει αναφερθεί, να βλέπετε με κριτική ματιά τις καταστάσεις και να τις αξιολογείτε με βάση επιστημονικά και εμπεριστατωμένα δεδομένα, αξιολογώντας την πηγή, την αξιοπιστία και την εγκυρότητά τους.
4.
Dunning-Kruger Effect: Πώς η άγνοια επηρεάζει την αυτοπεποίθηση για τις γνώσεις
Το Dunning-Kruger Effect, το οποίο πήρε το όνομά του από τους κοινωνικούς ψυχολόγους και ερευνητές David Dunning και Justin Kruger, περιγράφει την τάση των ανθρώπων με λιγότερες γνώσεις να υπερεκτιμούν τις ικανότητές τους, μη έχοντας την ικανότητα να αναγνωρίσουν τις αδυναμίες τους. Αυτό σημαίνει πως άνθρωποι με ελάχιστες γνώσεις πάνω σε ένα θέμα νομίζουν πως γνωρίζουν πολλά, με αποτέλεσμα να τοποθετούνται πάνω σε αυτό με απόλυτη σιγουριά και επιμονή. Μια μικρή γνώση σε ένα θέμα μπορεί να οδηγήσει σε παραπλανητική αίσθηση αυθεντίας, με αποτέλεσμα λανθασμένα και υπεραπλουστευμένα συμπεράσματα. Ακόμη, άνθρωποι με λιγότερες γνώσεις αδυνατούν να αξιολογήσουν τις γνώσεις των άλλων, γι’ αυτό και θεωρούν σταθερά καλύτερους τους εαυτούς τους.
Ωστόσο, να θυμάστε πως οι άνθρωποι με πραγματικές γνώσεις πάνω σε ένα αντικείμενο γνωρίζουν καλά πως οι γνώσεις είναι πολλές και ατελείωτες, με αποτέλεσμα να έχουν λιγότερη αυτοπεποίθηση για τις γνώσεις τους, η οποία ενισχύεται μόνο μετά από μεγάλη τριβή με το αντικείμενο και πάλι, όμως, δίνουν την πιθανότητα να μην γνωρίζουν τα πάντα. Άλλωστε αυτό είναι και λίγο ουτοπικό.
Επομένως, οι άνθρωποι με λιγότερες γνώσεις μπορεί να οδηγούνται πιο εύκολα και πιο γρήγορα στη λήψη αποφάσεων ή στην τοποθέτηση πάνω σε διάφορα ζητήματα και μάλιστα, με μεγαλύτερη σιγουριά (π.χ. Θα εφαρμόσουμε την Χ τακτική για την αύξηση των κερδών γιατί είναι σίγουρα η καλύτερη). Αντίθετα, οι άνθρωποι με περισσότερες γνώσεις χρειάζονται περισσότερο χρόνο, και πάλι δίνοντας πιθανότητες να έχουν κάνει λάθος ή κάποιος άλλος να διαψεύσει τα λεγόμενά τους, έχοντας φυσικά τα απαραίτητα εμπειρικά δεδομένα (π.χ. Έπειτα από εξέταση και αξιολόγηση των διάφορων τακτικών για το ζήτημα, αποφασίστηκε να εφαρμοστεί πιλοτικά η Ψ, καθώς φάνηκε πιο αποτελεσματική για τους Α Β Γ λόγους).
Κριτική
Δεν υποστηρίζεται από όλους το φαινόμενο αυτό. Έρευνες με βάση τη στατιστική βρήκαν πως είτε έμπειροι είτε άπειροι υπερεκτιμούν και υποτιμούν με τον ίδιο τρόπο τις ικανότητές τους. Ωστόσο, έχει αποδειχθεί ότι οι ειδικοί εκτιμούν καλύτερα τις ικανότητές τους και πως οι γυναίκες κάνουν πιο ακριβείς αξιολογήσεις σε σχέση με τους άνδρες.
Πώς να αποφύγετε το φαινόμενο;
Εφόσον η γνώση είναι το κλειδί, συνεχίστε να μαθαίνετε και να εμπλουτίζετε τις γνώσεις σας. Όσο περισσότερο μαθαίνετε τόσο πιο ρεαλιστικές θα είναι οι αξιολογήσεις σας, αλλά και πιο ακριβείς οι γνώσεις σας. Ακόμη, ζητήστε feedback από άλλους σχετικά με το πώς αξιολογούν τις γνώσεις σας. Τέλος, κι εσείς οι ίδιοι να αμφισβητείτε τις ιδέες και τις γνώσεις σας, ώστε να μην πέσετε στην παγίδα του να κρατάτε μόνο ότι σας επιβεβαιώνει.
Συμπερασματικά
Σε έναν κόσμο που συνεχώς εξελίσσεται, η τεκμηριωμένη συλλογιστική σκέψη δεν αποτελεί απλώς ένα εργαλείο για καλύτερες αποφάσεις, αλλά και μια ευρύτερη φιλοσοφία που ενισχύει την κριτική σκέψη, την αντικειμενικότητα και τη δέσμευση στη συνεχή μάθηση. Οι επαγγελματίες σε όλους τους κλάδους έχουν την ευκαιρία αλλά και την ευθύνη να βασίζουν τις αποφάσεις τους σε αξιόπιστα δεδομένα, εξασφαλίζοντας ότι κάθε επιλογή είναι προς όφελος κάθε μέρους που επηρεάζεται από αυτές (άτομα, εργαζόμενοι, οργανισμοί, κοινωνία κλπ.). Με αυτόν τον τρόπο, μπορούμε να χτίσουμε ένα εργασιακό και κοινωνικό περιβάλλον, όπου η πρόοδος συμβαδίζει με την ηθική και την αποτελεσματικότητα.
