قضیه پیشبینی تنوع چگونه خطای جمعی را از خطای میانگین فردی متمایز میکند؟
این اثبات ریاضی نشان میدهد که دقت جمعی یک گروه، دقیقاً به همان اندازهای که به تخصص فردی اعضا بستگی دارد، به تنوع دیدگاههای آنها نیز وابسته است. این قضیه با کمیسازی تنوع شناختی به عنوان یک عامل کاهنده در برابر خطای فردی، توضیح میدهد که چرا گروههای همگن متشکل از متخصصان، معمولاً نمیتوانند عملکردی بهتر از گروههای متنوعی از افراد آماتور داشته باشند.
به قلم دلناز نورانی
این خبر را به اشتراک بگذارید
- جامعهشناسان ریاضی
- بر قطعیت جبری این قضیه تمرکز دارند و هوش جمعی را به جای یک پدیده اجتماعی، یک استنتاج دقیق ریاضی میدانند.
- استراتژیستهای شرکتی
- این قضیه را در استخدام و پیشبینی به کار میبرند و استدلال میکنند که سازمانها باید برای جلوگیری از خطاهای همبسته، تنوع شناختی را بهینهسازی کنند.
- دموکراتهای معرفتشناس
- از این قضیه برای توجیه رایگیری فراگیر و مشارکت دموکراتیک استفاده میکنند و استدلال میکنند که انتخابکنندگان متنوع، تصمیمات دوتایی برتری از نظر ریاضی میگیرند.
- تحلیل فکتلن
- اثباتهای ریاضی را ترکیب میکند تا واقعیت دقیق و جبری تنوع شناختی را از ادبیات بازاریابی شرکتی جدا کند.
دیدگاههایی که این گزارش پوشش نداده
- روانشناسان رفتاری که همرنگی با جماعت را مطالعه میکنند
- متخصصان منابع انسانی که معیارهای تنوع را پیادهسازی میکنند
قضیه پیشبینی تنوع بیان میکند که خطای جمعی یک گروه، از نظر ریاضی برابر است با میانگین خطای تکتک اعضای آن منهای تنوع پیشبینیهایشان. این قضیه ثابت میکند که تنوع شناختی صرفاً یک امتیاز کیفی و تزئینی نیست، بلکه یک استنتاج دقیق ریاضی است که به طور مستقیم و با نسبت ۱ به ۱ در برابر توانایی فردی، از بیدقتی کلی گروه میکاهد.[2][4]
این قضیه که در سال ۲۰۰۴ توسط Scott E. Page، پژوهشگر سیستمهای پیچیده، فرمولبندی شد، این فرض شهودی را که بهترین گروهها صرفاً مجموعهای از افراد با بالاترین عملکرد هستند، در هم میشکند. در عوض، نشان میدهد که وقتی ۱۰ یا ۱۰,۰۰۰ نفر متفاوت از یکدیگر فکر میکنند، خطاهای فردی آنها یکدیگر را خنثی کرده و میانگین جمعی را به حقیقت نزدیکتر میکند.[4]
بازاریابی شرکتی اغلب «تنوع» را به عنوان یک ابتکار کاملاً فرهنگی یا اخلاقی و جدا از معیارهای عملکردی به تصویر میکشد. اما این قضیه با کنار زدن شعارهای شرکتی، این پدیده را به یک اتحاد جبری گریزناپذیر تقلیل میدهد: مجذور خطای جمعی برابر است با میانگین مجذور خطای فردی منهای تنوع پیشبینی.[1][8]
این سازوکار برای اندازهگیری فاصله از یک مقدار واقعی، بر مجذور خطاها تکیه دارد. اگر شرکتی از ۵۰ تحلیلگر بخواهد نرخ تورم سهماهه بعدی را حدس بزنند، هر فرد حدس خود را ارائه میدهد. میانگین آن ۵۰ حدس، به پیشبینی رسمی جمع تبدیل میشود.[2]
«میانگین خطای فردی» در واقع میانگین میزان انحراف هر یک از آن ۵۰ نفر به توان دو است. «تنوع پیشبینی» نیز واریانس آن حدسهاست؛ یعنی فاصله هر یک از آن ۵۰ حدس فردی از میانگین حدس جمعی، به توان دو.[6]
این قضیه ثابت میکند که خطای جمعی همیشه کمتر یا مساوی با میانگین خطای فردی خواهد بود. مقدار دقیقی که جمع از میانگین فردی پیشی میگیرد، دقیقاً برابر با تنوع پیشبینیهاست. اگر معیار تنوع ۱۵ امتیاز باشد، خطای جمعی دقیقاً ۱۵ امتیاز کمتر از میانگین خطای فردی است.[4][6]
این بدان معناست که اگر سازمانی بخواهد پیشبینی یک گروه را به میزان مشخصی بهبود بخشد، دو گزینه معادل از نظر ریاضی پیش رو دارد. یا میتواند میانگین دقت اعضا را ۲۰ درصد افزایش دهد، یا میتواند تنوع حدسهای آنها را دقیقاً به همان میزان ۲۰ درصد بالا ببرد.[1][2]
این بدان معناست که اگر سازمانی بخواهد پیشبینی یک گروه را به میزان مشخصی بهبود بخشد، دو گزینه معادل از نظر ریاضی پیش رو دارد.
در عمل، به حداکثر رساندن توانایی فردی اغلب به بازده نزولی منجر میشود. همانطور که آکادمی ملی علوم (National Academies of Sciences) در کارگاههای تحلیل اطلاعات خود اشاره کرده است، استخدام صرفاً متخصصان طراز اول از همان ۳ یا ۴ پیشینه دانشگاهی نخبه، گروهی را به وجود میآورد که دقیقاً همان خطاهای به شدت همبسته را مرتکب میشوند.[3]
وقتی متخصصان از مدلهای یکسانی استفاده میکنند، تنوع پیشبینی آنها تقریباً به صفر میرسد. در این معادله، اگر عبارت کاهنده تنوع دقیقاً ۰ باشد، خطای جمعی با میانگین خطای فردی برابر میشود. در این حالت، مزیت ریاضی گروه به طور کامل از بین میرود.[3][8]
در مقابل، گروهی از حلکنندگان مسئله با دیدگاههای متنوع - حتی اگر نرخ خطای فردی آنها ۱۰ تا ۱۵ درصد بیشتر باشد - میتوانند عملکردی بهتر از متخصصان همگن داشته باشند. مطالعه سال ۲۰۰۴ در PNAS این موضوع را به صورت محاسباتی نشان داد و ثابت کرد که گروههای متشکل از عاملهای متنوع، به طور مداوم راهحلهای بهتری نسبت به گروههایی که صرفاً از عاملهای با بالاترین توانایی تشکیل شدهاند، پیدا میکنند.[4]
این قضیه همچنین توضیح میدهد که چرا بازارهای مالی، با وجود اینکه پر از بازیگران غیرمنطقی هستند، اغلب داراییها را دقیقتر از مدیران فردی صندوقهای پوشش ریسک قیمتگذاری میکنند. همانطور که در تحلیل سال ۲۰۰۷ توسط 24/7 Wall St. برجسته شد، هوش جمعی بازار بر واریانس عظیم موجود در میلیونها استراتژی معاملاتی خرد و نهادی تکیه دارد.
روزنامه نیویورک تایمز (The New York Times) نیز در سال ۲۰۰۶ پدیدههای مشابهی را مشاهده کرد و خاطرنشان ساخت که وقتی جامعه شرکتکنندگان به اندازه کافی گسترده باشد، سازوکارهای پیشبینی جمعی به طور معمول از متخصصان منزوی پیشی میگیرند. این ریاضیات صرفنظر از اینکه جمعیت در حال پیشبینی نتایج انتخابات، درآمدهای گیشه سینما یا قیمت کالاها باشد، صادق است.[5]
با این حال، این قضیه اغلب توسط مشاورانی که کارگاههای تیمسازی میفروشند، به اشتباه به کار گرفته میشود. این قضیه اکیداً نیازمند پیشبینیهای مستقل است. اگر گروهی ۱۲ نفره با هم مشورت کنند و ۱۱ عضو حدسهای خود را برای هماهنگی با یک رهبر مسلط تغییر دهند، عامل تنوع فرو میپاشد.[1][8]
علاوه بر این، قضیه به طور خاص در مورد تنوع شناختی - یعنی تفاوت در روشهای اکتشافی، مدلها و دیدگاهها - صدق میکند. در حالی که تنوع جمعیتی اغلب با تنوع شناختی همبستگی دارد، ریاضیات تنها واریانس موجود در پیشبینیهای عددی واقعی را محاسبه میکند.[2][7]
دموکراتهای معرفتشناس از این قضیه برای دفاع از سیستمهای رایگیری فراگیر استفاده میکنند. یک تحلیل نظری منتشر شده توسط انتشارات دانشگاه کمبریج (Cambridge University Press) تاکید میکند که تصمیمات دوتایی در دموکراسیها از تنوع شناختی سود میبرند، زیرا دیدگاههای متنوع از ایجاد نقاط کور سیستماتیک در ارزیابی سیاستها جلوگیری میکنند.[7]
از آنجا که ادبیات دانشگاهی استناد شده کاملاً از اثباتهای ریاضی و خلاصههای نظری تشکیل شده است، نویسندگان نقلقولهای محاورهای مستقیمی ارائه نمیدهند. با این حال، معادلات آنها یکصدا سخن میگویند: قدرت پیشبینی یک گروه تنها مجموع تواناییهای اعضای آن نیست، بلکه حاصلضرب ریاضی تفاوتهای آنهاست.[4][6][8]
نکات کلیدی
- این قضیه ثابت میکند که خطای جمعی یک گروه دقیقاً برابر با میانگین خطای فردی آن منهای تنوع پیشبینی آن است.
- افزایش تنوع شناختی یک گروه به میزان مشخص، دقت جمعی را دقیقاً به همان اندازهای بهبود میبخشد که افزایش توانایی فردی به همان میزان.
- گروههای همگن از متخصصان اغلب شکست میخورند زیرا مدلهای یکسانی را به اشتراک میگذارند که تنوع پیشبینی آنها را تقریباً به صفر میرساند.
- این مزیت ریاضی نیازمند پیشبینیهای مستقل است؛ همرنگی با جماعت، عامل تنوع را از بین میبرد.
- این معادله به طور جهانی برای پیشبینیهای پیوسته، بازارهای مالی و تصمیمات دوتایی دموکراتیک کاربرد دارد.
چرا مهم است
سازمانها میلیاردها دلار صرف استخدام استعدادهای برتر بر اساس معیارهای فردی میکنند، با این فرض که بهترین افراد، بهترین تیمها را میسازند. اما این قضیه از نظر ریاضی ثابت میکند که بهینهسازی صرفاً بر اساس توانایی فردی، بدون به حداکثر رساندن تنوع شناختی، از نظر ریاضی نتیجه جمعی ضعیفتری را تضمین میکند.
بررسی عمیق دیدگاهها
جامعهشناسان ریاضی
هوش جمعی را به جای یک پدیده اجتماعی، یک استنتاج دقیق ریاضی میدانند.
برای پژوهشگرانی که سیستمهای پیچیده را مدلسازی میکنند، این قضیه یک نظریه در مورد رفتار انسانی نیست، بلکه یک اتحاد جبری است. آنها تاکید میکنند که معادله $c^2 = a^2 - d^2$ صرفنظر از اینکه عاملهای پیشبینیکننده تحلیلگران انسانی، رباتهای معاملاتی الگوریتمی یا گرههای محاسباتی ساده باشند، صادق است. تمرکز آنها بر اثبات این موضوع است که واریانس شناختی یک الزام ساختاری برای دقت سیستماتیک است و کاملاً از هرگونه استدلال اخلاقی یا فرهنگی برای شمولیت جداست.
استراتژیستهای شرکتی
این قضیه را در استخدام و پیشبینی به کار میبرند تا از خطاهای همبسته جلوگیری کنند.
تحلیلگران مدیریت از این قضیه استفاده میکنند تا توضیح دهند چرا تیمهایی که منحصراً از فارغالتحصیلان طراز اول همان دانشگاههای نخبه تشکیل شدهاند، اغلب عملکرد ضعیفی دارند. از آنجا که این متخصصان بر روی مدلهای دقیقاً یکسانی آموزش دیدهاند، پیشبینیهای آنها به شدت همبسته است. استراتژیستها استدلال میکنند که سازمانها باید فعالانه برای واریانس شناختی - روشهای اکتشافی، پیشینهها و رویکردهای حل مسئله متفاوت - استخدام کنند، زیرا اضافه کردن یک متخصص کاملاً مشابه دیگر به یک تیم، از نظر ریاضی هیچ کاهشی در خطای جمعی ایجاد نمیکند.
دموکراتهای معرفتشناس
از این قضیه برای توجیه رایگیری فراگیر و مشارکت دموکراتیک استفاده میکنند.
نظریهپردازان سیاسی این قضیه را در تصمیمات دوتایی و ارزیابی سیاستها به کار میبرند و استدلال میکنند که دموکراسیها نه تنها به دلایل اخلاقی، بلکه به دلایل ریاضی بهتر از تکنوکراسیها عمل میکنند. با تجمیع دیدگاههای متنوع یک جامعه انتخاباتی عظیم و متنوع، سیستمهای دموکراتیک عامل کاهنده تنوع را به حداکثر میرسانند و به طور موثر نقاط کور سیستماتیکی را که گریبانگیر گروههای کوچک و همگن از متخصصان حاکم است، خنثی میکنند.
منابع
پوشش منابع
8 منبع
4 دیدگاه شناساییشده
- [1]Academy of Management Perspectivesاستراتژیستهای شرکتی
Making the Difference: Applying a Logic of Diversity
مطالعه در Academy of Management Perspectives → - [2]Project MUSEاستراتژیستهای شرکتی
The Diversity Bonus: How Great Teams Pay Off in the Knowledge Economy
مطالعه در Project MUSE → - [3]National Academies of Sciences, Engineering, and Medicineدموکراتهای معرفتشناس
Workforce Development and Intelligence Analysis for National Security Purposes: Proceedings of a Workshop
مطالعه در National Academies of Sciences, Engineering, and Medicine → - [4]Proceedings of the National Academy of Sciences (PNAS)جامعهشناسان ریاضی
Groups of diverse problem solvers can outperform groups of high-ability problem solvers
مطالعه در Proceedings of the National Academy of Sciences (PNAS) → - [5]The New York Timesاستراتژیستهای شرکتی
The Future Divined by the Crowd
مطالعه در The New York Times → - [6]M-Phiجامعهشناسان ریاضی
The Robustness of the Diversity Prediction Theorem I: generalizing the result
مطالعه در M-Phi → - [7]Cambridge University Pressدموکراتهای معرفتشناس
COGNITIVE DIVERSITY, BINARY DECISIONS, AND EPISTEMIC DEMOCRACY
مطالعه در Cambridge University Press → - [8]تیم سردبیری کوهستانتحلیل فکتلن
تحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
نظرات
بیشتر در متا
مشاهده همه →پروتکلهای شبکه
چگونه «پنجره لغزان» و «تاییدیه تجمعی» تحویل امن دادهها در TCP را تضمین میکنند
6 منبع
بازیابی فاجعه
چگونه RPO و RTO تحمل از دست دادن دادهها را از هزینه قطعی سیستم جدا میکنند
8 منبع
علوم سیاسی
شش مرحله پذیرش که «پنجره اورتون» را تعریف میکنند
9 منبع
ژئوپلیتیک شام
پایان دولت بعثی: چگونه سقوط رژیم اسد ژئوپلیتیک شام را بازنویسی میکند
5 منبع
هر زاویه. هر روز.
دریافت متا اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.