La guerra agli esperti

C'è uno sforzo intenzionale per ridurre la nostra fiducia negli esperti e gettare dubbi sulle competenze stesse. Questo sforzo, sotto molti aspetti, sembra una guerra intrapresa per il campo intellettuale, la credibilità scientifica, il guadagno politico e persino economico.

Tuttavia, secondo me, la maggior parte delle affermazioni di questi esperti di denunce sono fuorvianti e gli argomenti tendono a essere dichiarazioni eccessive. Ma queste affermazioni e questi argomenti non possono semplicemente essere ignorati perché stanno avendo un certo effetto. Pertanto, voglio confutare le affermazioni fuorvianti e gli argomenti esagerati. I miei colleghi e io abbiamo preparato diverse confutazioni: un capitolo che si intitola anche "The War on Experts" (Klein et al., In stampa) e un breve articolo (Klein et al., 2017) basato su questo capitolo. Farò anche una presentazione sulla guerra agli esperti in un pannello alla riunione di Human Factors and Ergonomics nell'ottobre 2017 a Austin, in Texas.

In questo saggio voglio riassumere brevemente i temi principali del capitolo e dell'articolo.

Le cinque comunità coinvolte in questa guerra con esperti sono: Decision Research, Euristica e Bias (HB), Sociologia, Prestazioni basate sull'evidenza e Tecnologia dell'informazione.

• Coscienza: come un cervello squishy si connette per farti, tu
• Sapolsky sul libero arbitrio
• Il potere della personalità
• Ciò che crea una connettività cerebrale superiore, secondo lo studio
• Epigenetica e memoria

Fonte: Ben Shneiderman, usato con permesso

Ricerca decisionale Gli studi primari condotti da questa comunità hanno dimostrato che i modelli statistici superano gli esperti. Tuttavia, ciò che viene spesso dimenticato è che le variabili nelle formule erano originariamente derivate dal parere di esperti. Il vantaggio principale delle formule è che sono coerenti. Tuttavia, le formule tendono a essere fragili – quando falliscono, falliscono miseramente. E gli esperimenti tendono ad essere attentamente controllati, evitando le condizioni disordinate che gli esperti devono affrontare, come obiettivi mal definiti, condizioni mutevoli, alte poste in gioco, ambiguità sulla natura e affidabilità dei dati. Inoltre, la ricerca di solito si concentra su singole misure e ignora aspetti di prestazioni ambigue e difficili da quantificare. Infine, i vantaggi dei metodi statistici tendono a trovarsi in situazioni rumorose e complesse in cui gli output non sono molto accurati, anche quando sono in qualche modo migliori dei giudizi esperti.

Euristica e Bias (HB) . Kahneman & Tversky (Tversky & Kahneman, 1974; Kahneman, 2011) hanno dimostrato che le persone, anche gli esperti, cadono vittime dei pregiudizi del giudizio. Tuttavia, la maggior parte della ricerca dell'HB è condotta da studenti universitari che svolgono compiti non familiari, privi di contesto per guidarli. Quando i ricercatori usano un contesto significativo, i pregiudizi del giudizio generalmente diminuiscono. Inoltre, le euristiche sono di solito utili, come hanno sottolineato Kahneman e Tversky.

Sociologia I membri di questa comunità affermano che l'esperienza è una funzione della comunità e degli artefatti che circondano il compito, riferendosi alla "cognizione situata" e alla "cognizione distribuita". I negazionisti sostengono che la cognizione esperta è socialmente costruita e non è una funzione della conoscenza individuale. Chiaramente, i fattori di squadra e situazionali giocano un ruolo nelle prestazioni degli esperti, ma questa posizione estrema sembra insostenibile – sostituire gli esperti di una squadra con lavoratori manuali e vedere come soffre la performance complessiva.

• Perché i livelli di dopamina fluttuano durante l'emicrania?
• Cosa c'è in un numero?
• So come ti sei sentito ieri sera
• Sonno e il cervello sociale
• Perché My Child odia la matematica?

Prestazioni basate sull'evidenza . L'idea qui è che i professionisti, come i medici, dovrebbero basare le loro diagnosi e rimedi sulle prove scientifiche invece di basarsi sui propri giudizi. Ovviamente troppi trattamenti per ciarlatani e superstizioni ingiustificate hanno raggiunto la popolarità, e gli esperimenti controllati hanno contribuito a eliminarli. Tuttavia, le migliori pratiche scientificamente validate non sostituiscono il giudizio competente, necessario per valutare la fiducia nelle prove, rivedere i piani che non sembrano funzionare e applicare regole semplici a situazioni complesse. In medicina, i pazienti spesso presentano diverse condizioni nello stesso momento, mentre le prove di solito riguardano una o l'altra condizione.

Tecnologia dell'informazione . Intelligenza artificiale, automazione e Big Data hanno affermato di essere in grado di sostituire gli esperti. Tuttavia, ognuna di queste affermazioni è ingiustificata. Iniziamo con l'intelligenza artificiale. I sistemi intelligenti dovrebbero essere in grado di fare cose come le previsioni del tempo migliori (e più a buon mercato) degli umani, ma le statistiche mostrano che i meteorologi umani migliorano le previsioni delle macchine di circa il 25%, un effetto che è rimasto costante nel tempo. I successi dell'IA sono stati in giochi come scacchi, Go e Jeopardy – giochi che sono ben strutturati, con referenti inequivocabili e soluzioni definitive corrette. Ma i decisori devono affrontare problemi malvagi con obiettivi poco chiari in situazioni ambigue e dinamiche, condizioni che vanno oltre i sistemi di intelligenza artificiale. Come Ben Shneiderman ed io abbiamo osservato in un saggio precedente, gli umani sono capaci di pensare alla frontiera, impegno sociale e responsabilità per le azioni. Quindi, guardiamo all'automazione, che dovrebbe risparmiare denaro riducendo i posti di lavoro. Tuttavia, studi di casi dimostrano che l'automazione in genere dipende dall'avere più esperti, progettare i sistemi e mantenerli aggiornati e in esecuzione. Inoltre, l'automazione è spesso mal progettata e crea nuovi tipi di lavoro cognitivo per gli operatori. Infine, gli approcci dei Big Data possono effettuare ricerche in molti più record e input di sensori rispetto a qualsiasi altro umano, ma questi algoritmi sono suscettibili di vedere schemi in cui nessuno esiste realmente. Il progetto FluTrends di Google è stato pubblicizzato come una storia di successo, ma successivamente è fallito così tanto da essere rimosso dall'uso. Gli algoritmi di Big Data seguono le tendenze storiche, ma potrebbero perdere le partenze da queste tendenze. Inoltre, gli esperti possono utilizzare le loro aspettative per individuare eventi mancanti che possono essere molto importanti, ma gli approcci dei Big Data non sono consapevoli dell'assenza di dati ed eventi.

Pertanto, nessuna di queste comunità rappresenta una minaccia legittima per le competenze. Rimanere incontrastati, le esagerazioni e le confusioni che si celano dietro queste affermazioni possono portare a una spirale discendente in cui gli esperti vengono licenziati. Certo, dobbiamo imparare dalle critiche di ciascuna di queste comunità. Dobbiamo apprezzare i loro contributi e capacità, al fine di andare oltre la posizione contraddittoria presa da ciascuna comunità. Idealmente, saremo in grado di promuovere uno spirito di collaborazione in cui le loro scoperte e tecniche positive possano essere utilizzate per rafforzare il lavoro degli esperti.