Une grande partie de l’apprentissage dans les affaires et la vie se fait simplement par l’observation. L’apprentissage automatique (connaissance acquise sans conscience) sous-tend l’habituation et le conditionnement classique. Le processus d’apprentissage automatique peut inciter les gens à un apprentissage biaisé. Une bonne réflexion statistique peut améliorer nos compétences en matière de logique et de résolution de problèmes. La statistique est l’art de faire des suppositions numériques sur les questions complexes (Wheelan, 2013).
1. Résoudre le bon problème: La partie la plus difficile d’une résolution de problème est la compréhension précise du problème. Le problème doit pouvoir être résolu (par exemple, être coincé dans un mauvais travail ou une mauvaise relation). Si cela ne peut pas donner lieu à une action, alors c’est un problème de gravité (Burnett & Evans, 2016). Le problème de la gravité est une situation (une circonstance) ou un fait de la vie (par exemple, vieillir). Ce n’est pas un problème qui peut être résolu. La seule réponse à un problème de gravité est l’acceptation.
2. Formuler une hypothèse: La première étape de la réflexion statistique est la formation d’une hypothèse (une supposition éclairée). Par exemple, nous émettons l’hypothèse de la relation suivante: les enfants qui ont grandi avec beaucoup de livres à la maison ont tendance à mieux réussir à l’école. L’objectif est de fausser l’hypothèse initiale par des observations et des expériences. Si nous ne rejetons pas l’hypothèse nulle, nous l’acceptons par défaut.3
3. La théorie sous-jacente: chaque observation a plus d’une interprétation. Les observations n’annoncent généralement pas leur signification et invitent souvent une interprétation incorrecte. Nous avons donc besoin de quelques principes directeurs qui permettent de sélectionner un compte par rapport à un autre. Par exemple, la recherche montre que l’éducation et le revenu des parents d’un élève ont un impact significatif sur le rendement des élèves.
4. L’association n’est pas la même que la causalité: une cause est quelque chose qui produit un effet. Par exemple, entourer les enfants avec beaucoup de livres ne les fait pas nécessairement lire. Les deux variables sont corrélées positivement.
5. Facteur confondant : Un facteur de confusion est une troisième variable que vous n’avez pas prise en compte. Ces variables faussent le véritable lien de causalité. Dans l’exemple précédent, les deux variables (la présence de livres et le rendement scolaire) sont probablement causées par une troisième variable, à savoir l’éducation parentale.
6. Réversion vers la moyenne: les performances passées ne préjugent pas des performances futures. La pensée statistique nous indique que les valeurs aberrantes seront probablement suivies de résultats plus cohérents avec la moyenne à long terme. Ce phénomène est connu sous le nom de retour à la moyenne ou à ce qui est normal. Cela explique pourquoi la recrue de baseball de l’année est souvent une déception la deuxième année. Si nous considérons la performance comme une variable continue soumise à la moyenne et à la variance, nous ferons l’expérience de performances distribuées avec des valeurs extrêmes. Un certain nombre d’autres choses pourraient être en cours pour augmenter ou diminuer le niveau de performance.
7. La probabilité n’est pas déterministe: notre intuition ne comprend pas la nature du hasard. Nous voyons des modèles où aucun ne peut réellement exister. Par exemple, si une pièce se présente cinq fois de suite, les gens auront le sentiment que le prochain retournement sera plus susceptible de se produire que les têtes. Chaque retournement est un événement indépendant. De même, une inondation cette année ne permet pas de savoir si une inondation se produira l’année prochaine.
8. Préparez-vous au pire scénario: Les plus grands risques sont ceux que nous pouvons difficilement imaginer. Le philosophe Taleb (2012) recommande que, pour prendre une décision, vous devez vous concentrer sur les conséquences (que vous pouvez connaître) plutôt que sur la probabilité (que vous ne pouvez pas savoir). Plus vous serez confronté à l’incertitude à l’avenir, plus vous aurez d’options. Le hasard favorise la préparation. Une stratégie importante pour les militaires consiste à investir dans la préparation et non dans la prévision.
9. Actualisation des croyances: Nous semblons utiliser la perception (la manière dont les choses apparaissent) pour guider nos actions (Siegel, 2017). Considérez cette pensée préjudiciable. Un enseignant perçoit que les étudiantes sont faibles en mathématiques. Par conséquent, il s’attend à ce qu’elle soit moins exigeante et il percevra sa performance comme étant pire que celle d’un étudiant. Le jugement perceptuel est une forme de croyance. Si nos croyances antérieures influencent notre expérience, notre expérience peut continuer à renforcer ces croyances. L’omission de mettre à jour les croyances antérieures explique les voeux pieux.
10. Généralisation: Une grande partie de la recherche scientifique vise à découvrir les causes de la maladie au niveau de la population. En fin de compte, nous voulons comprendre pourquoi la maladie se produit chez les individus (pourquoi l’individu A est devenu insalubre?). On ne peut pas nécessairement conclure la même relation du niveau du groupe au niveau individuel. Les statistiques ne fournissent jamais une certitude absolue. Au lieu de cela, les faits sont connus avec des degrés de confiance.
Les références
Burnett B et Evans D (2016). Concevoir votre vie: comment construire une vie bien remplie et joyeuse. NY: Knopf
Siegel S. (2017). La rationalité de la perception. L’université d’Oxford.
Taleb, NM (2012) Antifragile, New York: Random House
Wheelan, C. (2013). Statistiques nues: dépouiller la crainte des données. New York, NY: WW Norton & Company.
