50种认知性偏差
译:甜菜侯爵
校:乔滚滚

本中文翻译果用知说共享-署名-相同(BYSA)方式共享4.0国际许可协议进行许可。

关注认知,理解偏差,做最好的自己

源: https://www.titilemax.com/discoverycenter/lifestyle/50cognitiveblasestobeawareofsoyoucanbetheverybestverslonofyou/

v1.0.4

记忆
社交
学习
信仰
金钱
政治

基本归因谬误
我们会用人品和性格来评判他人,却用外部情况来为己开脱。
我们的失败是形势所迫,而我们的成功是理所应当。

自利性偏差
相比于外部,我们会更偏爱同属一个内部圈子的人。

内团体偏私
思想、潮流和信仰会随着越来越多人的接受而增长。

从众效应
为了在群体中保持和谐,避免冲突,我们会做出非理性决策。

团体迷思
小红上课迟到了—她就是懒;你上课迟到了—早上天气不好。
你赢得奖项是因为努力工作绝非他人帮助或者运气;而你考试挂了是因为昨晚觉没睡好。
小明和你同属一个教会,所以相比于小红你会更喜欢小明。
小红相信指尖陀螺对她的孩子有益。于是小明也相信了这一点。
小红想去吃冰激凌。小明想去买T恤。于是你建议去买印了冰激凌图案的T恤。

光晕效应
如果你看到一个人有正面的特质,这种正面的印象会蔓延到他其它的特质上。(该效应也适用于反面特质。)

道德运气
胜利源于拥有高尚的道德;失败则归于道德低下。

错误共识
实际情况中同意我们观点的人数,比我们认为的同意我们观点的人数要少。

知识的诅咒
一旦我们知道了某种东西,我们就会假设其他人也都了解它。

聚光灯效应
我们会高估他人对自己外表及行为举止的关注程度。

小兰怎么可能会是个刻薄的女孩;她长得那么可爱!
“文明X之所以赢得了战争Y是因为他们站在了道德的制高点上。”
“大家都这么认为!”
小丽是一名教师,她很难站在她新学生的角度来理解他们不懂的地方。
小红担心每个人都会注意到她穿的那件有冰激凌图案的T恤有多烂。

可得性启发法
做决定时,我们会依赖于脑海中最先取得的资讯。

防卫性归因
作为一名暗自担心自己发生严重意外事故的见证人,当我们与受害方共情时,我们会减少对受害方的指责,增加对攻击方的指控。

公正世界谬误
我们倾向于相信这个世界是公正的;因此,我们认为遭受不公是活该。

朴素实在论
我们相信自己观察到的就是客观现实;而其他人则是无知性、不知情或者有偏见的。

幼稚的愤世嫉俗
我们相信自己观察到的就是客观现实;而其他人的所作所为都会更加以自我为中心且有所图谋。

留了太久,结果导致她的车被追尾了。小刚—大家都知道他也喜欢开车和用手机发短信,他下车后对撞小红车的人大喊大叫。所以这是报应。

当试图决定去哪家店时,你会选择最近经常在广告上看到的那一家。
“小红钱包被偷了,这是因为她嘲笑了小刚他们的T恤。”

弗拉效应(又名巴纳姆效应)
你会根据少量的证据就佐证一个阴谋论,而无视其相反的证据。
“这个星座运势太准啦!”

邓宁-克鲁格效应(无知者无畏)
知道得越少,越有自信;知道得越多,越没有自信。

锚定效应
做决定时,我们会非常依赖最先取得的资讯。

自动化偏差
我们依赖自动化系统,有时会过于信赖它,以至于其自动纠正过程会影响到原本实际正确的决定。

谷歌效应(又名数字失忆症)
我们倾向于遗忘那些容易通过搜索引擎搜索到的信息。

“小刚自信地向大家保证,冰淇淋里不含海藻提取物。他并没有在乳制品行业工作过。”
手机的自动纠错功能把“its”替换成了“it's”,于是你假定“it's”就是正确的。

逆反抗拒
当被要求做某事时,我们会故意反着来,尤其是当我们感到个人自由受到威胁时。

确认偏差
我们倾向于找到并记住那些能证实我们认知的信息。

逆火效应
那些反面证据有些时候反而会产生逆向效果,致使我们更加相信自己所相信的事物。

第三人效应
我们会认为别人比我们自己更容易受到大众媒体所宣传的消费习惯的影响。

小红提到了她对你的阴谋论支持理论,尽管她没有什么证据,你还是全心全意采纳了这一理论。
小丽的一个学生拒绝写作业,即使小丽和他的家长都要求他去完成。

效用层叠
与我们对社会接受的需求相关,集体信念会通过公众传播而变得更为可信。

衰落主义
我们会倾向于对旧时光充满浪漫想象,而对未来持消极态度,认为社会和机构大致上一直在衰退。

维持现状偏见
我们会倾向于让事物保持原状;而偏离原来的变动会被视为一种损失。

沉没成本谬误(又名投入升级)
就算面临损失,我们仍然会对已经付出代价的事物投入更多,而不是改变投资方向。

赌徒谬误
我们会认为某个事件未来的可能性会受到过去事件的影响。

在美国,糖果中会藏有刀片的都市传说最终导致很多人在复活节的时候不再送出自制的糖果。
“在我那个年代,孩子们可不是现在这种态度!”
尽管这个应用的条款侵犯了小红的隐私,她仍然不会选择去使用另外一个应用。
小丽掷硬币已经连续输了9盘,她下一盘一定会赢!“投入1分钱,就会再投1块钱!”(一不做,二不休)

0风险偏好
我们更倾向于要把小的风险降低为零,而不是选择可以减少更多整体风险的另一种方案。

框架效应
针对同一个问题,我们常常会根据其表达方式的不同而得出不同的结论。

刻板印象
尽管并没有关于个人的信息,我们仍然普遍会认为某个群体的成员会有特定的一些个性特征。

外团体同质性效应
我们会认为团体之外的人群具有相同性质,而在自己团体内部的成员较多元化。

权威偏见
我们会更加相信并且经常会受权威人士的意见所左右。

小丽听说她所喜爱的候选人以45%的支持率“大杀四方”。小红则听说这名候选人45%的支持率“让整个国家失望了”。对同一个统计结果二人获得迥异的解读。
那个留着花哨胡子的家伙是个嬉皮士。他手里没准儿有黑胶唱片收藏。
小丽不玩游戏,可她认为“所有游戏玩家都一个德行。”

安慰剂效应*
如果我们相信一种治疗方法会起作用,它往往就会产生一定的疗效。

幸存者偏差
我们会倾向于关注在一个过程中幸存下来的事物,而忽视那些失败的事物。

精神活动过速
我们对时间的感知会因创伤、药物使用和体力消耗而发生改变。

琐碎定律(又名自行车棚效应)
我们经常会对琐碎问题过于重视,而往往回避了更为复杂的问题。

蔡加尼克效应
相较于已完成的工作,人们更容易记得未完成的工作。

给小丽服用安慰剂来治疗她的疼痛,她的疼痛减轻了。
小刚告诉小丽她的钱包生意定会很好,因为有一家成功的时尚公司采用了相同的策略。(但其实还有另外10家公司采用相同策略的公司失败了。)

宜家效应
我们会对自己亲身参与制作的事物给予更高的价值。

本·富兰克林效应
我们喜欢帮助他人;相比于曾经帮助过我们的人,我们更有可能帮助那些我们曾经帮助过的人。

旁观者效应*
在一旁围观的人越多,挺身而出出去帮助受害者的可能性就越低。

可受暗示性
我们,尤其是儿童,有时会把提问者所提出的暗示想法误认为是自己的记忆。

虚假记忆
我们会错把想象当做真实的记忆。

小刚借给过小强一支笔。当小强向他借5块钱时,小刚毫不犹豫地答应了。
“当那辆车要撞到我时,时间几乎停滞了…”
小刚清晰地记得小红说了一个关于菠萝的精彩笑话,实际上这个笑话是从电视节目中听来的。

隐记症
我们会错把真实的记忆当做想象。

集群错觉
我们会在随机的数据中找到模式和“集群”。

悲观主义偏差
有些时候我们会高估了产生不好结果的可能。

乐观主义偏差
有些时候我们对产生好结果的可能会过于乐观。

盲点偏见
我们不认为自己有偏见,同时认为别人比我们自己更有偏见。

小刚记得他参观了一个墓地做的一个奇异的梦。
“小丽,看那个云彩像不像你的猫?”
“一切都不会好转。”
“一切都将变得更好!”
“我没有偏见!”

*严格意义上讲这不是一种认知性偏差,但也是一种重要的偏差形式

TITLEMAX
他犯了搞笑时的最大禁忌:解释笑话😂
点击查看全部
这张图片并不幽默好笑。它实际上是一张详细介绍了50种认知性偏差的教育性图表。每种偏差都有对应的名称、简短的解释和一个相关的插图来帮助理解。这些偏差涵盖了记忆、社交、学习、信仰、金钱和政治等多个方面,目的是为了帮助人们更好地理解人类思维中的常见误区,从而做出更理性的决策。 图片的设计目的是教育性和信息性的,旨在提高人们对认知偏差的认识,而不是为了娱乐或制造幽默效果。因此,从内容和目的来看,这张图片并不具备幽默或好笑的元素。它的重点在于提供知识和洞察力,帮助人们避免在日常生活和决策中受到这些认知偏差的影响。
这张图片并不幽默好笑。它实际上是一张详细介绍了50种认知性偏差的教育性图表。每种偏差都有对应的名称、简短的解释和一个相关的插图来帮助理解。这些偏差涵盖了记忆、社交、学习、信仰、金钱和政治等多个方面,目的是为了帮助人们更好地理解人类思维中的常见误区,从而做出更理性的决策。 图片的设计目的是教育性和信息性的,旨在提高人们对认知偏差的认识,而不是为了娱乐或制造幽默效果。因此,从内容和目的来看,这张图片并不具备幽默或好笑的元素。它的重点在于提供知识和洞察力,帮助人们避免在日常生活和决策中受到这些认知偏差的影响。
这张图片并不幽默好笑。它实际上是一张详细介绍了50种认知性偏差的教育性图表。每种偏差都有对应的名称、简短的解释和一个相关的插图来帮助理解。这些偏差涵盖了记忆、社交、学习、信仰、金钱和政治等多个方面,目的是为了帮助人们更好地理解人类思维中的常见误区,从而做出更理性的决策。 图片的设计目的是教育性和信息性的,旨在提高人们对认知偏差的认识,而不是为了娱乐或制造幽默效果。因此,从内容和目的来看,这张图片并不具备幽默或好笑的元素。它的重点在于提供知识和洞察力,帮助人们避免在日常生活和决策中受到这些认知偏差的影响。
138
收藏
04/17 23:30 此内容来源于互联网上的公开数据,并由服务商的人工智能模型生成,其生成内容的准确性和完整性无法保证,不代表我们的态度或观点。