डनिंग-क्रूगर प्रभाव बस एक डेटा आर्टिफैक्ट हो सकता है (2020)
एक दावा कि प्रसिद्ध डनिंग–क्रूगर प्रभाव शायद वास्तविक मनोवैज्ञानिक घटना के बजाय एक सांख्यिकीय आर्टिफैक्ट है, मूल अध्ययनों के डिज़ाइन और विश्लेषण की गहन जाँच को जन्म देता है। टिप्पणीकार autocorrelation, ceiling effects, और biased simulations जैसी समस्याओं को खंगालते हैं, जबकि सूक्ष्म अकादमिक निष्कर्ष (“हर कोई miscalibrate करता है, लेकिन नवागंतुक अधिक व्यापक दायरे में”) और लोकप्रिय मिथक कि “मूर्खों को पता नहीं होता कि वे मूर्ख हैं” के बीच अंतर रेखांकित करते हैं। कई लोग अपने अनुभव के आधार पर अब भी मानते हैं कि अति-आत्मविश्वासी अयोग्यता आम है, लेकिन स्वीकार करते हैं कि psychology की replication problems और कमज़ोर methods के कारण यह जानना कठिन है कि यह प्रभाव कितना मज़बूत या कितना विशेष है।
“आर्टिफैक्ट” दावे की सांख्यिकीय आलोचनाएँ
- कई टिप्पणीकार लेख को फीका और कम-समझाया हुआ मानते हैं, खासकर इस बात को लेकर कि “रैंडम” सिमुलेशन कैसे बनाया गया।
- अन्य लोग साझा कोड में जाकर समस्याएँ बताते हैं: क्वार्टाइल t‑tests संभवतः गलत तरीके से कॉपी-पेस्ट किए गए थे, रैंडम लाइनों का सैंपल केवल सकारात्मक ढलान और bias के साथ लिया गया था, और एक लागू की गई सकारात्मक सहसंबंधिता (जैसे r=0.19) ने प्रभाव को आंशिक रूप से पहले से ही जोड़ दिया।
- कुछ का तर्क है कि सिमुलेटेड और मूल ग्राफ़ की समानता कमजोर साक्ष्य है: “दो ग्राफ़ मिलते-जुलते दिखते हैं” ≠ “इसलिए मूल परिणाम अर्थहीन है।”
- अन्य लोग autocorrelation और ceiling/floor effects की ओर ध्यान दिलाते हैं: जब self-ratings शोरयुक्त हों और 0–100 के बीच clamp किए गए हों, तो कम प्रदर्शन करने वाले केवल एक सीमा तक ही नीचे की ओर overestimate कर सकते हैं, और शीर्ष प्रदर्शन करने वाले केवल एक सीमा तक ही ऊपर की ओर overestimate कर सकते हैं, जिससे शोर के बावजूद विशिष्ट “X” या “U” आकार बनते हैं।
मूल डनिंग–क्रूगर निष्कर्षों की व्याख्याएँ
- कई टिप्पणीकार ज़ोर देते हैं कि मूल परिणाम मामूली था: कम प्रदर्शन करने वालों को लगा कि उन्होंने कुछ बेहतर किया (जैसे, F ≈ D), और उच्च प्रदर्शन करने वालों ने थोड़ा underestimate किया (A ≈ B), न कि “मूर्ख खुद को प्रतिभाशाली समझते हैं।”
- कुछ लोग नोट करते हैं कि बाद के विश्लेषणों में विशेषज्ञ और नवागंतुक overestimate और underestimate लगभग समान आवृत्ति से करते पाए गए; विशेषज्ञ बस यह काम अधिक संकरे दायरे में करते हैं, जो बेहतर calibration का संकेत है।
- अन्य लोग इस बात पर बल देते हैं कि quartiles और relative ranks पर औसत लेने पर, संरचनात्मक पक्षपात ग्राफ़ बना सकते हैं, भले ही individual self-assessment मूलतः यादृच्छिक हो।
बोलचाल वाला बनाम वैज्ञानिक DK, और संबंधित अवधारणाएँ
- कई लोगों को एक विभाजन दिखता है:
- वैज्ञानिक DK (अधिकांश कम प्रदर्शन करने वालों के बारे में मजबूत दावा) पुनःविश्लेषण के तहत नाज़ुक लगता है।
- बोलचाल वाला DK (“कुछ लोग अयोग्य होते हुए भी बेहद overconfident होते हैं”) रोज़मर्रा के अनुभव से स्पष्ट रूप से मेल खाता है।
- संबंधित घटनाओं पर चर्चा होती है: impostor syndrome, “engineer’s disease”/ultracrepidarianism (विशेषज्ञों का अन्य क्षेत्रों में जरूरत से ज़्यादा बोलना), false-consensus effects, और क्लासिक “आप नहीं जानते कि आप क्या नहीं जानते” competence stages।
Replication crisis और psychology skepticism
- कुछ प्रतिभागी DK को broader replication crisis का एक और उदाहरण मानते हैं; वे सवाल उठाते हैं कि क्या psychology का बड़ा हिस्सा वास्तव में कठोर science है।
- अन्य लोग इसका विरोध करते हैं: soft domains को मापना स्वभावतः कठिन है; failed replications का अर्थ यह नहीं कि सभी effects गलत हैं, बल्कि यह कि methods कमज़ोर हैं।
किस्से, intuition, और meta-irony
- कई लोग insist करते हैं कि management और tech के अनुभव के आधार पर DK “ज़रूर” वास्तविक है; अन्य चेतावनी देते हैं कि यह confirmation bias हो सकता है।
- बार-बार meta-commentary आता है कि DK को आत्मविश्वास से गलत तरीके से इस्तेमाल करना या “debunk” करना, बिना आँकड़ों को समझे, स्वयं DK का एक उदाहरण है।