Механизм и общее правило, которое нарушается. [факт] «Such predictions are often made by representativeness. For example, suppose one is given a description of a company and is asked to predict its future profit. If the description of the company is very favorable, a very high profit will appear most representative of that description … The degree to which the description is favorable is unaffected by the reliability of that description or by the degree to which it permits accurate prediction» (Tversky & Kahneman 1974, далее TK74, с. 1125–1126). Нормативное правило, которое при этом нарушается: «When predictability is nil, the same prediction should be made in all cases … If predictability is perfect … the range of predictions will equal the range of outcomes. In general, the higher the predictability, the wider the range of predicted values» (TK74, с. 1126) — то есть степень «уверенности» и крайность прогноза должны расти вместе с реальной предсказуемостью, а не быть постоянными.
Каноническая демонстрация — практикант-учитель. [факт] Испытуемым давали абзацы с описанием урока практиканта; одних просили оценить качество урока в перцентилях относительно популяции, других — предсказать, тоже в перцентилях, положение того же человека через 5 лет: «The judgments made under the two conditions were identical. That is, the prediction of a remote criterion (success of a teacher after 5 years) was identical to the evaluation of the information on which the prediction was based … The students who made these predictions were undoubtedly aware of the limited predictability of teaching competence on the basis of a single trial lesson 5 years earlier; nevertheless, their predictions were as extreme as their evaluations» (TK74, с. 1126). Ключевая деталь: сами испытуемые, скорее всего, понимали ограниченность предсказуемости — и всё равно давали одинаково крайние прогнозы.
Смежное следствие — иллюзия валидности из-за внутренней согласованности. [факт] Тот же механизм объясняет, почему согласованный набор входных данных повышает уверенность в прогнозе сильнее, чем должен: «people express more confidence in predicting the final grade-point average of a student whose first-year record consists entirely of B's than … a student whose … record includes many A's and C's» — хотя «given input variables of stated validity, a prediction based on several such inputs can achieve higher accuracy when they are independent of each other than when they are redundant or correlated. Thus, redundancy among inputs decreases accuracy even as it increases confidence» (TK74, с. 1126) — избыточные, но согласованные данные создают ощущение надёжности прогноза, не повышая его точность.
Каноническая демонстрация: Tversky & Kahneman 1974 · задача с оценкой урока практиканта в перцентилях (оценка качества урока vs прогноз через 5 лет); лаборатория, студенты (N не приведено) · Science, 185(4157), с. 1125–1126. Статус доказательности: 🟡 первичка прочитана живьём, отдельная репликация не найдена. Величина эффекта: как измерена — сравнение распределений перцентильных оценок в двух условиях (оценка урока / прогноз на 5 лет); авторский вывод — «judgments made under the two conditions were identical» (TK74, с. 1126); численная величина расхождения [не найдено] — статья описывает совпадение распределений качественно, точных цифр в тексте нет. Ось карты — стадия: сбор информации (главная); второстепенная — оценка результата (прогноз карьеры/успеха на годы вперёд). Координата «уровень»: индивид. Координата «механизм/таксономия»: эвристика (репрезентативность) — TK74 с. 1125–1126. Цена для управленца: типовая ситуация — СИ-02 Сбор информации и оценка (прогноз карьерного успеха сотрудника по одному собеседованию или проекту, прогноз выручки нового продукта по одной «убедительной» презентации); что теряется — излишне уверенный и излишне крайний прогноз там, где реальная предсказуемость низкая; количественный управленческий кейс — [не найдено]. Противоядия: прямого измеренного противоядия именно к нечувствительности к предсказуемости в источниках проекта [не найдено]; по логике механизма — регрессивная поправка прогноза к среднему по классу похожих случаев (та же логика, что у outside view/reference class forecasting), но отдельно для этого искажения не измерялось. Термин: en insensitivity to predictability · ru нечувствительность к предсказуемости (нет отдельного устоявшегося русского термина вне переводных изданий Канемана — переведено по смыслу).
(б) Процедура. Измеренного противоядия в источниках проекта нет. Показательно, что осведомлённость об ограниченной предсказуемости не спасает сама по себе: испытуемые «undoubtedly aware of the limited predictability», но прогноз оставался таким же крайним (TK74, с. 1126) — прямое подтверждение общего проектного правила «просто знать» не работает, применительно именно к этому искажению. (в) Среда. Эффект относится к ситуациям, где решение принимается по «описанию» (резюме, питч, один эпизод работы), а исход отделён от этого описания временем и множеством непредсказуемых факторов — типичная зона низкой валидности среды. Прямого критерия диагностики (в духе Kahneman & Klein 2009 о валидных подсказках и быстрой обратной связи) для этого конкретного искажения в TK74 не дано — связь с общей рамкой валидности среды [гипотеза, не из этого источника]. (г) Организация. Организационных практик именно против нечувствительности к предсказуемости в источниках проекта не описано — [не найдено]; логическое следствие раздела «Смежное следствие» — не наращивать избыточные, но взаимно коррелирующие данные о кандидате/проекте ради ощущения уверенности, а искать независимые источники информации, что менее интуитивно, чем кажется (TK74, с. 1126), но отдельно как практика не измерялось.
2026-09-12
отвечено 0 из 3
1. Что показала демонстрация с прогнозом успеха практиканта-учителя через 5 лет?
2. Что, по нормативному правилу, изложенному в узле, должно происходить с диапазоном прогнозов при снижении реальной предсказуемости?
3. Почему, по материалу узла, взаимно согласованный (избыточный) набор входных данных о кандидате повышает уверенность в прогнозе сильнее, чем должен?