Are You Really As Good at Something As You Think? | Robin Kramer | TED

المترجم: tarek elzoghby المدقّق: أكرم رولاف

I don't mean to brag,

لا أقصد التباهي بهذا،

but there are lots of things that I'm pretty average at.

ولكن هناك الكثير من الأشياء التي أنا بارع فيها.

From playing table tennis,

من لعب تنس الطاولة،

cooking risotto, finding countries on a map,

وطهي الريزوتو، وصولاً إلى تمييز البلدان على الخريطة،

just to name a few.

وهذا للمثال لا الحصر.

Now, in our everyday lives,

في حياتنا اليومية

we're not typically assessed on our skills and abilities,

لا يتم تقييمنا عادةً بناءً على مهاراتنا وقدراتنا،

so we're forced to rely on our own judgments.

لذلك نحن مُجبرون على الاعتماد على أحكامنا الخاصة.

I may think I'm pretty decent with Italian cuisine,

قد أعتقد أنني جيد جدّاً بالمطبخ الإيطالي،

but how accurate is my assessment?

ولكن ما مدى دقة تقييمي هذا؟

Now, what we’re talking about here is metacognition:

إن ما نتحدث عنه الآن هنا هو ما يعرف بما وراء المعرفة

our insight into our own thought processes.

أو إدراكنا لعمليات التفكير الخاصة بنا.

If I have good metacognitive insight,

إذا كان لدي إدراك ما وراء معرفي جيد،

then how good I think I am at a particular task

فإن فكرتي عن مدى براعتي في مهمة معينة

should line up pretty well with how good I actually am.

يجب أن يتوافق تماماً مع مدى براعتي فيها بالفعل.

Of course, in the real world this is often not the case.

طبعاً، في الحياة الواقعية، ليس هذا هو الحال في الغالب.

And indeed, we probably all know someone

بل لعلنا جميعاً نعرف شخصاً يعتقد أنه بارع في قراءة الخرائط،

who thinks they're great at navigating maps,

when in fact the reality is often the opposite.

في حين أن الحقيقة غالباً ما تكون عكس ذلك.

Not to name any names, of course, but still.

لا أشير هنا إلى أي أشخاص بعينهم طبعاً، لكن هذه هي الحقيقة.

Perhaps you think this applies to other people

قد تظن أن هذا ينطبق على غيرك وأنك، أنت، ما كنت لترتكب خطأً كهذا.

and that you, yourself, wouldn't make this sort of mistake.

So let's try a quick experiment.

لذا دعنا نقوم بتجربة سريعة.

I want you to think about how you would rate yourself

أريدك أن تقيم نفسك من حيث قدرتك على القيادة.

in terms of your driving ability.

Would you rate yourself as below average, average

هل ستصنف نفسك على أنك أقل من المتوسط أو متوسط

or perhaps even above average?

أو ربما حتى أعلى من المتوسط؟

So most people rate themselves as above average,

إن معظم الناس يصنفون أنفسهم على أنهم أعلى من المتوسط،

which, of course, is mathematically impossible,

وهذا بالطبع مستحيل رياضيّاً، وهو وشيء نسميه “وهم التفوق“.

and something that we call the "better than average" effect.

This is just one of a number of cognitive biases that we see

هذه مجرد واحدة من الكثير من التحيزات المعرفية التي نراها

when people judge their own abilities.

حين يقيم الناس قدراتهم الخاصة.

Today, I'm going to focus on a related bias,

اليوم، سأركز على التحيز ذي الصلة بموضوعنا، وهو تأثير دانينغ كروجر.

the Dunning-Kruger effect.

So back in 1999,

ففي عام 1999،

two psychologists at Cornell University, Dunning and Kruger,

قام عالمان نفسيان في جامعة كورنيل، هما دانينغ وكروجر،

described the mistakes people make when estimating their own abilities.

بتمثيل الأخطاء التي يرتكبها الناس عند تقديرهم لمهاراتهم الخاصة.

So if we take a sample of people and we divide them into four groups

إذا أخذنا عينةً من الأشخاص وقمنا بتقسيمهم إلى أربع مجموعات

based on their scores on a test,

بناءً على درجاتهم في الاختبار،

and order those groups from lowest to highest.

ورتبنا هذه المجموعات من الأدنى إلى الأعلى.

If we plot those scores on a graph along with their self-estimates,

ومن ثم مثلنا هذه الدرجات على رسم بياني جنباً إلى جنب مع تقديراتهم الذاتية،

so how well they thought they did on the test,

لنعرف تقديرهم لحسن أدائهم في الامتحان، فسنحصل على هذا المنحنى.

this is the pattern that we see.

So the red line is a steep slope representing their actual scores.

الخط الأحمر عبارة عن منحدر حاد يمثل درجاتهم الفعلية.

As it must be, since we ordered the groups

وهكذا يجب أن يكون، لأننا رتبنا المجموعات بناءً على درجاتهم منذ البداية.

based on their scores in the first place.

Now what's interesting is the blue shallower line.

والمثير للاهتمام هنا هو الخط الأزرق الأقل انحداراً.

This represents their self-estimates.

والذي يمثل تقديراتهم الذاتية.

So, how good they thought they did on the test.

أي تقديرهم لحسن أدائهم بالامتحان.

Now the Dunning-Kruger effect describes how the weakest performers

يشرح تأثير دانينغ كروجر الآن كيف أن أصحاب الأداء الأضعف

significantly overestimate their performance,

يبالغون في تقدير أدائهم بشكل كبير، و هو موضح هنا في الشكل البيضاوي الأخضر.

shown here in the green oval.

The explanation for this, according to Dunning and Kruger,

التفسير لذلك، من وجهة نظر دانينغ وكروجر،

is that insight and ability rely on the same thing.

هو أن الإدراك والقدرة يعتمدان على نفس الشيء.

So if I'm poor at a task,

فإن كنت ضعيفاً في شيء معين،

I also lack the metacognitive insight to accurately assess my ability.

فأنا أفتقر أيضاً إلى الإدراك ما وراء المعرفي اللازم لتقييم قدراتي بدقة.

Now this pattern has been seen again and again

تتم مشاهدة هذه العلاقة مراراً وتكراراً في عدد من المجالات،

across a number of domains,

from driving skill to exam-taking, even chess-playing.

من مهارة القيادة إلى إجراء الاختبارات، وحتى لعب الشطرنج.

However, in recent years,

ومع ذلك، في السنوات الأخيرة، تم توجيه عدد من الانتقادات لهذا النهج،

a number of criticisms have been leveled at this approach,

and we now have reason to believe

لكن الآن، ليس لنا إلا أن نتقبل نتائج هذه العلاقة.

that this pattern results is virtually unavoidable.

One reason for this is the statistical effect,

أحد أسباب هذا هو التأثير الإحصائي “الانحدار إلى المتوسط“.

regression to the mean.

Now this is something that comes about

يحدث هذا عندما يكون لدينا قياسان مُرتبطان ولكن ليس تماماً.

when we have two measures that are related but not perfectly so.

So imagine we have a sample of people

فلتتخيل أن لدينا عينةً من الأشخاص نريد قياس ارتفاعاتهم وأوزانهم.

and we measure their heights and their weights.

Now height and weight are related,

ليكن في علمك أن الوزن والطول مُرتبطان،

tall people are typically heavier,

فعادةً ما يكون الأشخاص طوال القامة أثقل وزناً،

but the relationship is far from perfect.

لكن هناك استثناءات لهذه العلاقة.

So unlike in the figure at the top here,

فعكس الشكل الموجود في الجزء العلوي هنا،

the shortest people in red won't all be the lightest people.

لن يكون الأشخاص الأقصر المُمثلون باللون الأحمر جميعاً هم الأخف وزناً.

Some of them will be overweight or particularly muscular, for example.

قد يكون للبعض منهم زيادة في الوزن أو العضلات بشكل خاص، على سبيل المثال.

Similarly at the top end,

وبالمثل في الطرف العلوي،

the tallest people in blue won't all be the heaviest people.

لن يكون الأشخاص الأطول المُمثلون باللون الأزرق جميعاً هم الأشخاص الأكثر وزناً.

Some of them will be underweight, and so on.

قد يعاني البعض منهم من نقص الوزن، وما إلى ذلك.

Now as a result, on average,

ونتيجةً لذلك، في المتوسط،

the shortest people will rank higher for weight than they do for height,

سيحتل الأشخاص الأقصر مرتبةً أعلى من حيث الوزن مقارنةً بالطول،

and the tallest people will rank lower for weight than they do for height

وسيحتل الأشخاص الأطول مرتبةً أقلّ من حيث الوزن مقارنةً بالطول،

producing this blue line here

مما ينتج عنه هذا الخط الأزرق هنا

and the crossover pattern you're now becoming familiar with.

ونمط التقاطع الذي أصبحت الآن على دراية به.

Now, some people might put forward a spurious explanation

قد يضع بعض الأشخاص تفسيرًا وهميّاً

for why short people are relatively overweight

لسبب كون الأشخاص قصار القامة أثقل وزناً نسبيّاً

or tall people relatively underweight,

أو كون الأشخاص طوال القامة أقل وزناً نسبيّاً،

when in fact no explanation is needed.

ولكن في الواقع ليست هناك حاجة إلى أي تفسير.

Perhaps more compelling a reason to doubt the Dunning-Kruger effect

ربما يكون السبب الذي يدفعنا للشك أكثر في تأثير دانينغ كروجر

is that we can produce the same pattern in our data

هو أنه يمكننا الحصول على نفس النتائج في بياناتنا

when our data is entirely meaningless.

حتى لو كانت بياناتنا عديمة المعنى تماماً.

So if we collect people's test scores

فإذا جمعنا درجات مجموعة من الأشخاص في اختبار

along with their self-estimates of those scores,

جنباً إلى جنب مع تقديراتهم الذاتية لتلك الدرجات،

but then we shuffle those self-estimates

ولكن بعد ذلك قمنا بخلط تلك التقديرات الذاتية

and then analyze as before,

ثم حللناها كما فعلنا سابقاً فسنجد نفس هذا التناسب في البيانات.

then we still find that same pattern in the data.

Of course, any effect that we can find

بالطبع، التأثير الذي يمكن أن نجده مع البيانات المختلطة أو العشوائية

with shuffled or randomized data

is one that we should surely be suspicious of.

هو تأثير يجب أن نشك فيه بالتأكيد.

So, given these and other issues with the Dunning-Kruger approach,

لذلك، نظراً لهذه المشكلات وغيرها من المشكلات المتعلقة بنهج دانينغ كروجر،

I was saddened and disappointed

شعرت بالحزن وخيبة الأمل وبصراحة، بالانزعاج قليلاً عندما اكتشفت

and, frankly, a little annoyed to discover

that the same approach was now being applied

أن نفس النهج يتم تطبيقه الآن في مجال عملي، وهو مطابقة الوجوه.

in my field of expertise,

which is face-matching.

Now, this is a task where we're showing two images of faces

وإليك هذه المهمة التي تُعرض فيها صورتان

لمجموعة وجوه أو صورة وشخص حقيقي،

or an image and a live person,

and we're asked to decide whether they show the same person

ومطلوب منا أن نحدد ما إذا كانا يُظهران نفس الشخص

or two different people.

أو شخصين مختلفين.

Now, we've all stood in line at passport control,

لقد جربنا جميعاً الوقوف في طابور مراقبة الجوازات

anxiously awaiting the passport officer's decision

ننتظر بفارغ الصبر قرار موظف الجوازات

as to whether our ID photos look sufficiently like us or not.

بشأن ما إذا كانت صور الهوية الخاصة بنا تُشبهنا بشكل كافٍ أم لا.

Indeed, I've included at the top here

في الواقع، لقد أدرجت في الجزء العلوي هنا

some examples of ID images from my own life,

بعض الأمثلة لصور الهوية من حياتي الخاصة،

just to illustrate some variability.

فقط لتوضيح بعض التباين.

Some proud moments in photographic history,

بعض لحظات الفخر في التاريخ الفوتوغرافي،

I'm sure you'll agree.

أنا متأكد من أنك ستوافق.

And so what I'd like to do now

ولذا فإن ما أود القيام به الآن

is first see how well you might perform as passport officers.

هو أن أرى أولاً مدى جودة أدائكم كضباط جوازات.

So here are four pairs of images,

هنا أربعة أزواج من الصور،

some students’ ID images and some student photos.

صور هوية الطلاب وصور الطلاب أنفسهم.

For each pair, I'd like you to decide whether it's a match,

أود منك أن تحدد ما إذا كان الشخصان متطابقين لكل صورتين،

so two images of the same person,

إذن ستكون إما صورتين لنفس الشخص، أو صورتين غير متطابقتين

or a mismatch,

two images of different people.

أي صورتين لشخصين مختلفين.

Some of you might be surprised to hear that the top two pairs are matches,

قد يتفاجأ بعضكم عندما يسمع أن الزوجين الأولين متطابقان،

so images of the same people,

أي أن كل زوج يمثل صورتين لنفس الشخص والزوجين السفليين غير متطابقين،

and the bottom two pairs show mismatches,

so two different people.

أي أنهما لشخصين مختلفين.

Now we know this task is particularly difficult

نحن نعلم أن هذه المهمة صعبة بشكل خاص

when the images show identities that we're unfamiliar with.

عندما تُظهر الصور هويات لسنا على دراية بها.

This is because it's hard to take into account the changes

هذا لأنه من الصعب مراعاة التغيرات التي يمكن أن تحدث للوجه مع مرور الوقت،

that can happen to the face across time,

as well as over different situations,

وكذلك مع ظروف التصوير المختلفة،

so changes in facial expression or lighting, for instance.

مثل التغيرات في تعبيرات الوجه أو الإضاءة، على سبيل المثال.

We know this task is difficult for passport officers as well,

نحن على دراية بأن هذه المهمة صعبة على ضباط الجوازات أيضاً،

and they also make mistakes.

وأنهم كذلك يرتكبون الأخطاء.

So this is why I thought it would be particularly interesting

لهذا السبب أظن أنه سيكون من المثير للاهتمام على وجه الخصوص

to look at the relationship between insight and ability

النظر إلى العلاقة بين الإدراك والقدرة في هذا السياق الأمني المهم.

in this important security context.

So given the issues we’ve described already

نظراً للمشكلات التي شرحناها آنفاً

with looking at overall scores and people’s self-estimates,

عند النظر إلى الدرجات الإجمالية والتقديرات الذاتية للأشخاص،

I instead decided to focus on individual decision making.

قررت بدلاً من ذلك التركيز على شكل اتخاذ القرارات الفردي.

So over a series of experiments,

فطلبت من مجموعة أشخاص النظر إلى أزواج من الصور خلال سلسلة من التجارب

I asked people to look at pairs of images

and decide whether they were a match or a mismatch.

وتحديد ما إذا كانت متطابقةً أم غير متطابقة.

But I also asked people to provide a rating of confidence in each decision.

لكنني طلبت أيضاً منهم تقديم تصنيف لثقتهم من كل قرار.

Now a good metacognitive insight

الآن الإدراك ما وراء المعرفي المرتفع

would be reflected in people being much more confident

سينعكس على كون الناس أكثر ثقةً في القرارات التي تتبين صحتها،

in decisions that turned out to be correct

and much less confident in decisions that turned out to be incorrect.

وأقل ثقةً بكثير في القرارات التي يتبين خطؤها.

So let's have a look at how people did.

لذلك دعونا نلقي نظرة على أدائهم.

Now I think this pattern is particularly fascinating,

أرى أن هذا البيان رائع بشكل خاص، ولكنه أيضاً بديهي بعض الشيء.

but also fairly intuitive.

Let's start with the red line,

لنبدأ بالخط الأحمر،

which represents people's confidence in their incorrect responses.

الذي يُمثل مدى ثقة الناس من إجاباتهم غير الصحيحة.

So as you can see,

لذا كما ترون، ليس لجودة أداء الناس في الاختبار أهمية عموماً،

it doesn't matter how good people were at the test overall,

represented by the score on the X-axis at the bottom there;

وهي مُمثلة بالدرجة على المحور السيني في الأسفل هناك،

people were approximately the same

كان المُمتَحنون متساوين تقريباً

in terms of their confidence when they were incorrect.

من حيث ثقتهم من إجاباتهم عندما كانوا على خطأ.

Now what's interesting is the blue line,

الشيء العجيب هنا هو الخط الأزرق

which represents confidence when people were correct in their decisions.

الذي يُمثل مدى الثقة عندما كان الناس على صواب من قراراتهم.

As you can see, the best performers on the test

كما ترون، كان الأشخاص الأفضل أداءً في الاختبار

were much more confident in their correct responses

الأكثر ثقةً من إجاباتهم الصحيحة مقارنةً بإجاباتهم غير الصحيحة.

in comparison with their incorrect ones.

So shows good metacognitive insight.

وهذه علامة على رؤية ما وراء معرفية جيدة.

The weakest performers, on the other hand,

من ناحية أخرى، أصحاب الأداء الأضعف أظهروا نفس مقدار الثقة

were no different in their confidence

for their correct and incorrect responses,

لكل من إجاباتهم الصحيحة وغير الصحيحة المُوضحة في الدائرة الخضراء.

shown here in the green circle.

And so they show poor metacognitive insight.

وهذه علامة على رؤيتهم ما وراء المعرفية الضعيفة.

So what might be going on with these weak performers?

إذن ما الخطب مع هؤلاء أصحاب الأداء الضعيف؟

Now it could be the case that they have some sense

يمكن أن يكمن التفسير في أنهم على علم بأن أدائهم ضعيف في الاختبارات بشكل عام،

they tend to perform poorly on tests in general,

and so they're just less confident overall in their responses.

وبالتالي فهم أقل ثقةً بشكل عام من إجاباتهم.

However, I didn't find that pattern of lower confidence in my data,

ومع ذلك، لم أجد شكل التناسب المتعلق بانخفاض الثقة هذا في بياناتي،

at least with individual decision-making.

المتعلقة بشكل اتخاذ القرارات الفردي.

Instead, it's more likely that they were more confident in their correct responses

ويرجع السبب في أنهم كانوا على الأرجح

أكثر ثقةً في إجاباتهم الصحيحة مقارنةً بإجاباتهم غير الصحيحة.

in comparison with their incorrect ones.

But this was simply unrelated to their accuracy on each trial

لكن هذا لم يكن مرتبطاً بدقة اخياراتهم في كل تجربة

because they had poor insight.

لأنهم كانوا يعانون من ضعف الإدراك.

So how does this all fit in with the Dunning-Kruger effect?

إذن كيف يتناسب كل هذا مع تأثير دانينغ كروجر؟

So Dunning and Kruger argued that the weakest performers

لقد زعم دانينغ وكروجر بأن أصحاب الأداء الأضعف

show the least amount of insight

يُظهرون أقل قدر من الإدراك وأنهم يبالغون في تقدير أدائهم.

and they overestimated their performance.

And that's implied that they had greater confidence.

وهذا يعني أن لديهم ثقةً أكبر.

Now, we didn't see that here in our data.

ولكننا لم نرَ هذا هنا في بياناتنا.

The weakest performers didn't seem to be overly confident.

لم يَظهر أن أصحاب الأداء الأضعف يتمتعون بثقة مفرطة.

However, the Dunning-Kruger effect

ومع ذلك، فإن تأثير دانينغ كروجر

also describes how insight depends on ability.

يشرح أيضاً كيف أن الإداراك يعتمد على القدرة.

And so the weakest performers showed the least amount of insight,

وهكذا أظهر أصحاب الأداء الأضعف أقل قدر من الإدراك،

overestimating their performance in their case.

بمبالغتهم في تقدير أدائهم.

As we've just seen,

كما رأينا للتو،

the weakest performers do seem to show the least amount of insight.

يَظهر أن أصحاب الأداء الأضعف يّظهرون حقّاً أقل قدر من الإدراك.

Here, they couldn't differentiate between their correct and incorrect responses.

ففي هذا المثال لم يتمكنوا من التمييز بين إجاباتهم الصحيحة وغير الصحيحة.

So insight does appear to depend on ability,

لذا يظهر هنا أن الإدراك يعتمد على القدرة،

but not in the way that Dunning and Kruger originally thought.

ولكن ليس بالطريقة التي أسس لها دانينغ وكروجر في الأصل.

So if there are two things I'd like you to remember from this talk

لذا أن اضطررت لتخصيص شيئين أود منكم أن تتذكروهما من هذا الحديث

and take home, think about afterwards,

وتأخذوهما معكم إلى المنزل، لتفكروا بهما فيما بعد،

they are: first, more broadly, science is always updating.

فهما: أولاً، ومن منظور أوسع عما ذكرناه، العلم في تطور دائم،

Research comes along, new evidence that may contradict

حيث تأتي الأبحاث بأدلة جديدة دائماً قد تعارض أو حتى تدحض أبحاثاً سابقةً.

or even disprove previous work.

In this case, the Dunning-Kruger effect may well not be a thing,

في هذه الحالة، إن تأثير دانينغ كروجر في الغالب ليس حقيقيّاً،

despite the fact that it's so prevalent in popular culture.

على الرغم من أنه مُنتشر جدّاً في الثقافة الشعبية.

Second, insight depends on ability.

ثانيًا، يعتمد الإدراك على القدرة.

For the weakest performers,

بالنسبة لأصحاب الأداء الأضعف،

there's no difference between their confidence

لا يوجد فرق في مدى ثقتهم بين إجاباتهم الصحيحة وغير الصحيحة.

for correct and incorrect responses.

They have poor insight, they can't tell the difference.

لديهم إدراك ضعيف، فلا يمكنهم تمييز الفرق.

For strong performers,

بالنسبة لأصحاب الأداء العالي،

when they're giving a correct answer,

عندما يقدمون إجابة صحيحة، يكونون أكثر ثقةً بكثير.

they're much more confident.

Of course, the inverse isn't always true.

بالطبع، العكس ليس صحيحاً دائماً.

Being more confident doesn't mean that you're right.

كونك أكثر ثقةً لا يعني أنك على حق.

You might be wrong and simply have poor insight.

قد تكون مخطئاً ببساطة بسبب أن لديك إدراكاً ضعيفاً.

So in our everyday lives,

لذلك في حياتنا اليومية،

you should think about who it is that you ask the opinions of.

يجب أن تركز فيمن تسأله عن آرائه.

If someone is an expert in their field,

فإن كان شخص ما خبيراً في مجاله،

then if they're more confident, they're probably right,

وكان واثقاً مما يقول ففي الغالب هو على على حق،

but if they're unsure,

ولكن إذا لم يكن واثقاً،

this is also informative and tells us something useful.

فهذا مفيد أيضاً ويمكنه إطلاعنا بمعلومات قيمة.

It's much more sensible to find someone that we know is knowledgeable in an area,

من المنطقي جدّاً اللجوء لشخص معروف عليه درايتُه بمنطقة ما،

rather than someone who is simply confident in their opinion,

بدلاً من شخص ليس إلا واثقاً من رأيه، لأن الثقة يمكن أن تُعمي صاحبها بسهولة.

because confidence is easily misplaced.

And finally,

وأخيراً،

for those of you who are still wondering how good my risotto actually is,

لأولئك الذين ما زالوا يتساءلون عن مدى جودة الريزوتو الخاص بي،

that may have to wait for a future talk.

فقد يضطرون إلى الانتظار حتى حديث قادم.

Thank you.

شكراً لكم.

(Applause)

(تصفيق)