Cuanto más se sabe, ¿Se sabe más cuánto se sabe?

Autores/as

  • Rosa Bersabé Morán Facultad de Psicología, Universidad de Málaga. España
  • Rosario Martínez Arias Facultad de Psicología, Universidad Complutense de Madrid. España

DOI:

https://doi.org/10.24310/espsiescpsi.vi4.13452

Palabras clave:

juicios de probabilidad, calibración, riesgo, diferencias individuales

Resumen

Se investiga la relación entre el conocimiento que los sujetos muestran sobre un tema, y la precisión de sus juicios probabilísticos. Después de contestar un examen real, se pidió a los alumnos que estimaran la probabilidad subjetiva de que cada uno de los 20 ítems, tipo verdadero falso, fuera verdadero. El conocimiento de los alumnos se midió a través de las calificaciones obtenidas en el examen (aciertos menos errores). Los resultados indican que a mayor conocimiento, mejor precisión total en los juicios probabilísticos, esto es, menor Puntuación de Brier. La precisión total se puede desglosar en tres componentes: discriminación, calibración y ruido. La discriminación también mejoró a medida que aumentaba el conocimiento. Esto puede deberse al hecho de que la capacidad para diferenciar ítems verdaderos y falsos afecta a ambas variables. Asimismo, cuanto más se conoce una materia, mejor se calibra. Dicho de otra forma, cuanto más se sabe, más se sabe cuánto se sabe. Los datos encontrados apoyan el modelo matemático desarrollado por Bjorkman (1992) que predice que tanto la resolución como la calibración mejoran con el conocimiento. Se formaron cuatro grupos de conocimiento para poder dibujar gráficos de calibración y de covariación.

Descargas

Métricas

Visualizaciones del PDF
71
Jan 2001Jul 2001Jan 2002Jul 2002Jan 2003Jul 2003Jan 2004Jul 2004Jan 2005Jul 2005Jan 2006Jul 2006Jan 2007Jul 2007Jan 2008Jul 2008Jan 2009Jul 2009Jan 2010Jul 2010Jan 2011Jul 2011Jan 2012Jul 2012Jan 2013Jul 2013Jan 2014Jul 2014Jan 2015Jul 2015Jan 2016Jul 2016Jan 2017Jul 2017Jan 2018Jul 2018Jan 2019Jul 2019Jan 2020Jul 2020Jan 2021Jul 2021Jan 2022Jul 2022Jan 2023Jul 2023Jan 2024Jul 2024Jan 2025Jul 2025Jan 20266.0
|
Crossref
1

Citas

Albert, J. M., y Sponsler, G. C. (1989). Subjective probability calibration: A mathematical model. Journal of Mathematical Psychology, 33 (3), 298-308.

Björkman, M. (1992). Knowledge, Calibration, and Resolution: A linear Model. Organizational Behavior and Human Decision Processes, 51, 1-21.

Bolger, F. y Wright, G. (1994). Assessing the quality of expert judgment. Decision Support Systems, 11, 1-24.

Chan, S. (1982). Expert judgments under uncertainty: some evidence and suggestions. Social Science Quarterly, 63, 428- 444.

Ferrell, W. R. y McGoey, P. J. (1980). A model of calibration for subjective probabilities. Organizational Behavior and Human Performance, 26, 32-53

Horgan, D. D. (1992). Children and chess expertise: The role of calibration. Psychological Research, 54, 44-50.

Keren, G. (1991). Calibration and probability judgments: Conceptual and methodological issues. Acta Psychologica, 77, 217-273.

Lichtenstein, S. y Fischhoff, B. (1977). Do those who know more also know more about how much they know? The calibration of probability judgments. Organizational Behavior and Human Performance, 20, 159-183.

Lichtenscein, S. y Fischhoff, B. (1980). Training for calibration. Organizational Behavior and Human Performance, 26, 149-171.

Lichtenstein, S., Fischhoff, B. y Phillips, L. D. (1982). Calibration of probabilities: The state of the art to 1980. En D. Kahneman, P. Slovic y A. Tversky (Eds.), Judgment under uncertainty: Heuristics and biases (pp. 306-334). New York: Cambridge University Press.

Martínez Arias, R. (1991). El proceso de toma de decisiones. En R. Martínez Arias y M. Yela (Eds.), Pensamiento e Inteligencia (pp. 411-494). Madrid: Alhambra Universidad.

Murphy, A. H. (1983). A new vector partition of the probability score. Journal of Applied Meteorology, 12, 595-600.

O’Connor, M. J. (1989). Models of human behavior and confidence in judgment: a review. International Journal of Forecasting, 5, 159-169.

Oskamp, S. (1962). The relationship of clinical experience and training methods to several criteria of clinical prediction. Psychological Monographs, 76, 28-547.

Pitz, G. F. (1974). Subjective probability distributions for imperfectly known quantities. En L. W. Gregg (Ed.), Knowledge and cognition. New York: Wiley.

Wagenaar, W. A., y Keren, G. B. (1985). Organizational Behavior and Human Decision Processes, 36, 406-416.

Wright, G., Rowe, G., Bolger, F. y Gammack, J. (1994). Coherence, Calibration, and Expertise in Judgmental Probability Forecasting. Organizational Behavior and Human Decision Processes, 57, 1-25.

Yates, J. F. (1982). External correspondence: Decompositions of the mean probability score. Organizational Behavior and Human Performance, 30, 132-156.

Yates, J. F. (1990). Judgment and Decision Making. Englewood Cliffs, New Jersey: Prentice Hall.

Descargas

Publicado

2000-10-01

Cómo citar

Bersabé Morán, R., & Martínez Arias, R. (2000). Cuanto más se sabe, ¿Se sabe más cuánto se sabe?. Escritos De Psicología - Psychological Writings, 1(4), 55–63. https://doi.org/10.24310/espsiescpsi.vi4.13452

Número

Sección

Informes
Crossref
1
Scopus
0
Marina D’Agati (2014)
“I Feel Like I’m Going to Win”: Superstition in Gambling. Qualitative Sociology Review, 10(2), 80.
10.18778/1733-8077.10.2.05