Hvordan lage irrasjonelle mennesker rasjonelle

Er vindmøllemaskiner brukt til å produsere vind? De raskere vindmøllene observeres å rotere, jo mer vind blir observert å være. Derfor er vinden forårsaket av vindmøllens rotasjon. ^[1]

Dette er et eksempel på omvendt årsak, som skjer når vi ulogisk oppstår årsakssammenheng fra korrelasjon. Ofte innebærer vi feilaktig en sterk korrelasjonsmiddel årsakssammenheng. La oss se på et annet eksempel på denne feilen. Amerikanske utgifter til vitenskap, rom og teknologi korrelerer med selvmord ved å henge, stramme og kvele seg. ^[2]

La oss begynne med å se på definisjonen av både korrelasjon og årsakssammenheng.

Sammenheng. I statistikk er en korrelasjon et enkelt tall som beskriver graden av forholdet mellom to variabler. ^[3] Nøkkelordet her er forhold, hvor en forhold kan eksistere, men ikke årsakssammenheng. Reklame

Årsakssammenheng. Hvis A forårsaker B, har vi direkte årsak. Betydning, en begivenhet er 100% noe som forårsaker noe annet. For eksempel, hvis du står i regnet, vil dette føre til at du blir våt.

La oss se på et annet eksempel, en som i utgangspunktet kan forvirre deg (som demonstrerer hvor lett det er å antyde korrelasjon tilsvarer årsak). Betyr følgende årsakssammenheng?

Uttalelse. Hvis du begår en forbrytelse, vil du gå i fengsel.

Svar. Dette fører ikke til årsak, fordi du kanskje gå i fengsel hvis du blir fanget. Selv om du blir fanget, kan du likevel motta forsøk eller mindre straff. I hovedsak kan vi ikke si sikkert at å begå en forbrytelse vil få deg til å gå i fengsel. ^[4] Reklame

For å unngå å falle inn i denne fellen, skjell lagene tilbake.

Vi kan bruke en futuresforskningsmetode som vil hjelpe oss med å fokusere på en grundig analyse av vårt problem. Denne metoden kalles Causal Layer Analysis (CLA) og lar oss grave inn i lagene (eller dimensjonene) av et problem. La oss se hvordan det fungerer. ^[5]

Det er fire lag CLA

• Layer # 1 - Litany. Dette er vår daglige framtid der løsninger på problemer typisk er kortsiktige.
• Layer # 2 - Systemiske årsaker. Her fokuserer vi på de sosiale, økonomiske og politiske problemene.
• Layer # 3 - Worldview. Dette er vårt store bildeparadigm.
• Layer # 4 - Myte eller Metafor. Våre dype ubevisste historier ligger i dette laget.

Bruke CLA hjelper oss med å komme til grunnårsaken til et problem. Gå tilbake til vårt amerikanske forbruks- og selvmordseksempel. I stedet for å forårsake årsak, bør vi grave inn i grunnårsaken til dette problemet. Dette eksemplet viser en sterk korrelasjon, hvor r = .99. Jo nærmere vi er til, jo sterkere korrelasjonen. Vi vet imidlertid at dette ikke er logisk. Så, vi må samle flere data knyttet til dette problemet, identifisere andre mulige årsaker, og identifisere den sanne roten til problemet.

La oss se på noen teknikker vi kan bruke til dette.

1. Fishbone Diagram

Fishbone Diagrammet (ellers kjent som et Ishikawa eller Cause and Effect Diagram) er en måte å identifisere så mange mulige årsaker til en effekt eller et problem på.. ^[6] Reklame

Les neste

Enkel er bra, men forenkling av årsaken til et problem er dårlig

10 enkle strategier for å gjøre livet ditt bedre i dag

30 Best Procrastination Quotes å få deg tilbake til arbeid

Rull ned for å fortsette å lese artikkelen

2. 5-Hvorfor

Her er en teknikk du behersket når du var barn, men du glemte da du ble voksen. Bare spør hvorfor. 5-Why-teknikken er et kraftig verktøy som gjør at vi kan skjule lagene av symptomer og komme til roten av problemet. ^[7]

3. Apollo root cause analysis

Dette er en måte å grave dypere inn i grunnårsaksanalyse. Her ser vi (i det minste) to årsaker i form av en handling og tilstand, så spør hvorfor av hvert svar og fortsett å spørre hvorfor av hver sak til det ikke er flere svar. ^[8]

Reklame

4. Pareto Analyse

Pareto-analysen er der vi bruker Pareto-prinsippet. Her finner vi at 20% av vårt arbeid skaper 80% av resultatene ... eller 80% av vårt problem kommer fra 20% av en bestemt befolkning. Dette er en kraftig og effektiv metode for raskt å identifisere et problemområde å fokusere på.

Kan du nå se feilen når impliserer korrelasjon tilsvarer årsakssammenheng? Når vi forstår hvordan slike feil oppstår, kan vi bruke kraftige teknikker for å avsløre dem og finne den sanne grunnårsaken til problemet. Vi er blinde når vi ikke klarer å gjøre dette. Det er som å prøve å se på en skog, men du er blindet av trærne; hvor du vet det er en skog der inne et sted.

Utvalgt foto kreditt: Stocksnap via stocksnap.io

Henvisning

[1]	^	Wikipedia: Korrelasjon betyr ikke årsakssammenheng
[2]	^	Tylervigen.com: Spurious korrelasjoner
[3]	^	Sosialforskningsmetoder: Korrelasjon
[4]	^	Statistikk Slik: Årsak mot korrelasjon
[5]	^	Lifehack: Enkel er bra, men forenkling av årsaken til et problem er dårlig
[6]	^	ASQ: Fishbone Diagram
[7]	^	Adoption.com: Lean six sigma en utenfor-the-box-tilnærming til pleie
[8]	^	Virkelighetskartlegging: Apollo Root Cause Analysis