डनिंग–क्रूगर प्रभाव ऑटोकॉरिलेशन है

डनिंग–क्रूगर (DK) प्रभाव का दायरा

• कई टिप्पणीकार मूल DK निष्कर्ष और पॉप-साइंस मीम के बीच के अंतर पर ध्यान दिलाते हैं।
• मूल परिणाम:
  • स्वयं-मूल्यांकित क्षमता का वास्तविक क्षमता के साथ सकारात्मक (नकारात्मक नहीं), लेकिन कमजोर सहसंबंध होता है।
  • सभी के अनुमान ऊपर की ओर झुके होते हैं (लगभग ~65वें प्रतिशतक के आसपास)।
  • निम्न प्रदर्शन करने वाले अधिक आकलन करते हैं; उच्च प्रदर्शन करने वाले कुछ कम आकलन करते हैं; पक्षपात औसत से थोड़े ऊपर एक बिंदु की ओर प्रतिगमन करता है।
• पॉप संस्करण (“मूर्ख खुद को जीनियस समझते हैं, विशेषज्ञ खुद को मूर्ख समझते हैं”) को व्यापक रूप से एक विकृति माना जाता है।

ऑटोकॉरिलेशन / माध्य की ओर प्रतिगमन की आलोचना

• लिंक किया गया लेख यादृच्छिक, स्वतंत्र प्रदर्शन और स्वयं-मूल्यांकन का सिमुलेशन करता है।
  • जब इसे “वास्तविक बनाम (स्वयं-अनुमान – वास्तविक)” के रूप में प्लॉट किया जाता है, तो इससे अपने-आप DK जैसा पैटर्न मिलता है: कम अंक वाले अधिक आकलन करते हैं, ऊँचे अंक वाले कम आकलन करते हैं।
• कई लोगों का तर्क है कि यह केवल माध्य की ओर प्रतिगमन / सीमाबद्ध स्कोर का मामला है, न कि समय-श्रृंखला के मानक अर्थ में “ऑटोकॉरिलेशन”।
• बात यह है: यदि यादृच्छिक डेटा वही आकार पैदा कर दें, तो वह विशिष्ट प्लॉट किसी मनोवैज्ञानिक प्रभाव के लिए खराब परीक्षण है।

सिमुलेशन तर्क के प्रत्युत्तर

• अन्य लोग जवाब देते हैं कि वास्तविक जीवन में प्रदर्शन और स्वयं-मूल्यांकन के स्वतंत्र होने की अपेक्षा नहीं की जाती; शुद्ध यादृच्छिकता का शून्य मॉडल अवास्तविक है।
• वे DK डेटा और यादृच्छिक सिमुलेशन के बीच अंतर बताते हैं:
  • वास्तविक स्वयं-अनुमान क्षमता के साथ ऊपर की ओर जाते हैं (रेखा सपाट नहीं होती)।
  • वास्तविक अनुमान 50वें प्रतिशतक से ऊपर जमा होते हैं, जबकि समान रूप से वितरित यादृच्छिक अनुमान ऐसे नहीं होते।
• इसलिए, वे निम्न के लिए साक्ष्य देखते हैं:
  • व्यवस्थित अति-आत्मविश्वास, और
  • अधिक कौशल के साथ बेहतर स्वयं-मूल्यांकन, हालांकि प्रभाव का आकार छोटा है।

DK के बारे में पद्धतिगत और सांख्यिकीय चिंताएँ

• थ्रेड में उठाई गई आलोचनाएँ:
  • सीमाबद्ध प्रतिशतकों का उपयोग (सीलिंग/फ्लोर प्रभाव) और “डबल डिपिंग” (समूह बनाने और त्रुटि दोनों के लिए टेस्ट स्कोर का उपयोग) DK वक्र पैदा कर सकते हैं।
  • मूल प्लॉट्स में विचरण/त्रुटि-बार का अभाव यह छिपाता है कि क्या समूह वास्तव में अलग हैं।
  • कार्यों में व्यक्तिपरक माप (जैसे, हास्य) शामिल हैं; नमूना छोटा, समरूप (अतिरिक्त क्रेडिट चाहने वाले Cornell स्नातक छात्र) है।
  • पुनरुत्पादन प्रयास और बाद के मॉडलिंग पेपर सुझाव देते हैं कि कैननिकल DK ग्राफ का बहुत-सा भाग शोर + सीमाओं से उत्पन्न हो सकता है, केवल एक न्यूनतम अवशिष्ट प्रभाव के साथ।

स्थिति, पुनरुत्पादन, और धारणा

• कुछ टिप्पणीकारों का दावा है कि DK को कई बाद के पेपरों में “खंडित” (या भारी शर्तों के साथ) किया गया है; अन्य कहते हैं कि प्रत्युत्तर स्वयं ही सांख्यिकी को गलत समझते हैं।
• थ्रेड में उद्धृत एक हालिया मेटा-विश्लेषण कथित तौर पर एक वास्तविक लेकिन बहुत छोटा DK प्रभाव पाता है, जिससे उसके व्यावहारिक महत्व पर संदेह पैदा होता है।
• कई लोग DK के सामाजिक/मनोवैज्ञानिक आकर्षण को नोट करते हैं—दूसरों को “आत्मविश्वासी मूर्ख” कहने का एक तरीका—जो पद्धतिगत विवाद के बावजूद इसकी स्थिरता की व्याख्या कर सकता है।