Biais dans la connaissance de soi

Les auto-évaluations des personnes de leurs propres compétences, capacités et performances de test sont raisonnablement précises. Zell et Krizan (2014) font état d'une corrélation moyenne globale de 0,3. Que cette valeur mérite l'étiquette «raisonnablement exacte» dépend d'une foule d'hypothèses, du contexte de mesure et de la distribution d'échantillonnage du coefficient de corrélation (voir ici pour en savoir plus). Le coefficient de corrélation est un indice statistique qui capture la similarité entre deux profils de nombres: les auto-évaluations d'un échantillon d'individus et leurs scores vrais correspondants (ou les meilleures mesures scientifiques de ceux-ci). Depuis Galton (1886) a introduit le coefficient de corrélation r (qui représente la régression ), il est devenu omniprésent. Les méta-analyses, telles que celles résumées par Zell et Krizan, l'utilisent régulièrement pour estimer et exprimer des tailles d'effets empiriques (ou utilisent des indices comme d de Cohen, qui est la différence entre deux moyennes en unités standard, et il est facilement traduisible en r ). En mesure, la fiabilité et la validité sont également exprimées en termes de r .

En tant que mesure de la similarité de profil, r se concentre sur un type de similarité entre deux ensembles de scores. Les auto-évaluations peuvent également être plus variables que les scores vrais, ou elles peuvent globalement être plus élevées (plus basses). Ces différents types de (dis) similarité peuvent être facilement séparés les uns des autres (Cronbach & Gleser, 1953, Krueger, 2009). Dans un commentaire sur Zell & Krizan, Dunning et Helzer (2014) soutiennent qu'une telle séparation des scores doit être faite lorsque l'exactitude de l'auto-évaluation est en jeu. Ils soulignent que l'auto-évaluation contient un biais constant tel que les estimations sont en moyenne plus élevées que les scores vrais. Les autres évaluations, c'est-à-dire les prédictions faites par des pairs ou des observateurs, sont moins biaisées. Les coefficients de corrélation ne capturent pas cette différence.

C'est un bon point, mais Dunning et Helzer en veulent plus. Ils nous exhortent à «explorer la précision et l'erreur en utilisant des mesures complètement nouvelles [et demander] si la prédiction subjective ou la performance objective est la plus problématique pour l'auto-exactitude. Les erreurs de connaissance de soi varient-elles en fonction des prévisions? Ou est-ce que le vrai problème de l'auto-précision réside dans la performance objective? "(P 128) Ils représentent (si ce sont des données empiriques, ils ne disent pas) des erreurs absolues (| estimation – score réel | qui est basé sur la régression des scores réels sur les estimations), puis tracer les erreurs absolues par rapport aux performances réelles. Dans le premier cas, ils trouvent une ligne horizontale plate; dans ce dernier cas, ils trouvent une fonction asymétrique en forme de U avec une branche haute sur la gauche (scores réels faibles).

Dunning & Helzer pensent qu'ils ont découvert quelque chose d'important. "Les erreurs d'auto-prédiction peuvent ne pas être une fonction de la prédiction elle-même, mais plutôt l'événement sous-jacent que les gens rencontreront par la suite. C'est-à-dire que si une personne prédisait un niveau de dépression élevé, elle n'indiquerait pas au chercheur si cette personne sera plus ou moins susceptible d'être dans l'erreur »(p.128-129). Laissez-nous d'abord éclaircir ce qui est probablement une faute de frappe. On peut prédire à partir des prédictions des gens s'ils sont dans l'erreur. Les prédictions élevées sont plus susceptibles d'être erronées que les prédictions basses. Le biais de surestimation du niveau moyen, souligné par Dunning et Helzer eux-mêmes, le fait bien. Ce que Dunning et Helzer ont probablement voulu écrire, c'est qu'on ne peut pas prédire les erreurs de prédiction à partir des performances prédites, car c'est ce qu'elles ont représenté. Cependant, le graphique montre simplement ce que l'on peut attendre de la logique de la régression plutôt qu'une découverte. La ligne de régression la plus appropriée minimise les erreurs de prédiction (| score réel – score prédit |). Il est mathématiquement possible que lorsque les scores prédits sont faibles, les scores réels sont plus variables qu'ils ne le sont lorsque les scores prédits sont élevés. C'est un état de choses improbable, et même s'il était observé, sa signification psychologique serait opaque.

• Les célibataires sont-ils condamnés à l'hypertension artérielle? Seulement s'ils lisent les rapports des médias de la dernière étude
• Parenting axé sur les objectifs
• Un mot pour les mères: Vous pouvez perdre vos enfants à l'aliénation parentale
• Les enfants veulent en savoir plus sur les types, plutôt que sur les individus
• La perception du vin

La deuxième affirmation de Dunning & Helzer est que les performances réelles prédisent des erreurs de prédiction. Ce n'est pas une nouvelle non plus. Sachant que la corrélation entre les scores estimés et réels n'est pas parfaite (voir Zell & Krizan), et sachant que les estimations sont globalement trop élevées, nous savons également que les erreurs de prédiction des faibles scores sont supérieures aux erreurs des meilleurs scores (Krueger & Mueller, 2002). Bien que ce modèle de résultats puisse être récupéré de la logique de la régression et de la tendance générale à l'auto-surestimation, il a acquis une certaine notoriété en tant que phénomène probablement unique connu sous le nom d'effet Dunning-Kruger. Ce traitement d'un modèle dérivé en tant que phénomène sui generis ne serait pas remarquable, n'eut été de ses implications. Dunning et Helzer suggèrent que l'auto-précision ne peut pas être améliorée en aidant les gens à faire de meilleures prédictions, mais plutôt en augmentant leurs scores réels. La première partie de cette affirmation est fausse. Dunning & Helzer eux-mêmes soulignent le biais global de la surestimation au niveau du groupe. Il s'ensuit que si l'on conseillait aux gens d'abaisser leur auto-évaluation d'une certaine constante, leurs erreurs absolues diminueraient.

La deuxième partie de l'allégation est également problématique. Il est vrai que si les prédictions de soi restent constantes alors que les vrais scores sont élevés, les erreurs absolues diminuent. Ceci est, cependant, un exemple de l' erreur Texas tireur d'élite . Que les prédictions soient ce qu'elles sont, nous apportons le critère – ce qui doit être prédit – en accord avec la prédiction, après le fait. L'effet Dunning-Kruger suggère que les moins performants en particulier devraient être entraînés à faire mieux. Quand ils le font, les erreurs absolues diminueront, mais la corrélation de précision le sera également. À mesure que la gamme des scores vrais devient plus courte, l'erreur aléatoire restante sera relativement plus grande que la variabilité systématique des scores vrais. Que gagne-t-on lorsqu'un type de score de précision est amélioré au détriment d'un autre dans un autre? Une situation dans laquelle tout le monde va bien (est riche, en bonne santé et heureux) est socialement désirable, mais elle mine la valeur de la mesure. La mesure (et la science) nécessite de la variabilité.

L'idée que l'auto-précision peut être améliorée en attribuant un score plus élevé aux artistes (faibles) implique une revendication causale. Dunning & Helzer pensent qu'il y a quelque chose à propos de la faible performance qui empêche les gens de voir la très faible performance de leur performance. "Les artistes médiocres ne sont pas en mesure de reconnaître les lacunes de leur performance" (p.129). Les rendre plus performants «les aide à éviter le type de résultat qu'ils semblent incapables d'anticiper» (p.129). À partir de ce modèle causal, il semble qu'une fois que les gens ont de meilleurs résultats, ils feront des prédictions plus précises. Autrement dit, si une faible performance entraîne des erreurs de prédiction, un passage à haute performance éliminera les erreurs. Ce serait une inférence de modus tollens logiquement valide si ce n'était que le faible rendement fait partie de la définition de l'erreur (erreur = estimation – performance réelle). Les erreurs doivent diminuer une fois que la performance est augmentée, même s'il n'y a aucun effet causal.

• Diète de Neandertal, chasse et personnalité
• Copier les autres lors du choix d'un compagnon
• Technologie: La loi des conséquences inattendues
• 8 stratégies pour penser plus comme Sherlock Holmes
• 5 habitudes de bonheur puissant, vous pouvez commencer aujourd'hui

Les erreurs de jugement telles que l'auto-amélioration sont souvent traitées comme s'il s'agissait d'illusions cognitives équivalentes à des illusions visuelles. La plupart ne le sont pas (Krueger & Funder, 2004), et Dunning & Helzer devraient être d'accord. S'ils n'étaient pas d'accord, ils devraient vouloir corriger les illusions visuelles en changeant la réalité. Ils devraient chercher à surmonter l'illusion Müller-Lyer en faisant la ligne avec les flèches sortantes plus long que la ligne avec les flèches entrantes; ils devraient mettre un nain et un géant dans la pièce d'Ames; ils devraient retourner le cube de Necker chaque fois que les perceptions passent à une interprétation spatiale différente. Les racines de ces illusions résident dans la façon dont le système visuel interprète une réalité ambiguë. Les chercheurs auraient moins appris sur la perception s'ils n'avaient jamais trouvé de façon astucieuse de le tromper.

Cronbach, LJ, & Gleser, GC (1953). Évaluer la similarité entre les profils. Psychological Bulletin, 50 , 456 à 473.

Dunning, D., & Helzer, EG (2014). Au-delà du coefficient de corrélation dans les études sur l'exactitude de l'auto-évaluation. Perspectives on Psychological Science, 92 , 126-130.

Galton, F. (1886). Régression vers la médiocrité dans la stature héréditaire. Le Journal de l'Institut d'Anthropologie de Grande-Bretagne et d'Irlande, 15 , 246-263.

Krueger, JI (2009). Un modèle componentiel des effets de la situation, des effets personnels et des effets d'interaction situation par personne sur le comportement social. Journal de recherche en personnalité, 43 , 127-136.

Krueger, JI, & Funder, DC (2004). Vers une psychologie sociale équilibrée: Causes, conséquences et remèdes pour l'approche du comportement social et de la cognition à la recherche de problèmes. Behavioral and Brain Sciences, 27 , 313-327.

Krueger, J., et Mueller, RA (2002). Non qualifié, inconscient, ou les deux? La contribution des compétences socio-perceptives et de la régression statistique aux biais d'auto-amélioration. Journal de la personnalité et de la psychologie sociale, 82 , 180-188.

Zell, E., & Krizan, Z. (2014). Les gens ont-ils un aperçu de leurs capacités? Une métasynthèse. Perspectives on Psychological Science, 9 , 111-125.