Muhtemelen hepinizin sürekli olarak bir konuda uzman olduğunu iddia eden bir tanıdığı vardır. Ancak, herhangi bir alanda gerçek bir uzmanın kendisi hakkında böyle iddiada bulunduğuna nadiren rastlarız. Gereksiz bir özgüvene sahip bu tür insanları çoğu zaman “cahil cesareti” ifadesiyle tanımlarız. Bu durum, bilimsel literatürde Dunning-Kruger etkisi olarak bilinir. Ancak son araştırmalar, bu etkinin gerçekten psikolojik bir olgu mu yoksa istatistiksel bir yanılgı mı olduğunu sorgulamaya başladı.
Çalışmalar, orijinal deneylerde matematiksel bir hata yapılmış olabileceğini öne sürüyor. Çünkü etkili analiz yöntemleriyle rastgele veriler incelendiğinde bile benzer sonuçlar çıkıyor. Bu da etkinin, insan davranışından çok kullanılan istatistiksel yöntemlerle ilgili olabileceğini düşündürüyor.
Özetle, Dunning-Kruger etkisi gerçekten var mı, yoksa bir analiz yanılgısından mı ibaret? Bunu anlayabilmek için önce bu etkinin ne olduğunu net biçimde hatırlamakta fayda var.
1990’larda, Cornell Üniversitesi’nde psikoloji profesörü olan David Dunning ve Justin Kruger, yetersiz kişilerin kendi yetersizliklerinin farkında olup olmadığını test etmek istediler. Bunun için 45 üniversite öğrencisine 20 soruluk bir mantık testi uyguladılar ve ardından iki farklı şekilde kendi başarılarını değerlendirmelerini istediler.
Önce, öğrencilerden kaç soruyu doğru yanıtladıklarını tahmin etmeleri istendi. Bu doğrudan bir değerlendirmeydi. Sonra, aynı öğrencilerden kendi başarılarını diğer katılımcılarla karşılaştırarak değerlendirmeleri istendi.
Bu ikinci değerlendirme daha zordu. Çünkü bu tür karşılaştırmalarda insanlar genellikle kendilerini ortalamadan daha iyi görme eğilimindedir. Örneğin, araştırmalar Amerikalıların %93’ünün kendini ortalamanın üzerinde bir sürücü olarak gördüğünü gösteriyor. Benzer biçimde öğretmenlerin %90’ı da meslektaşlarından daha yetkin olduğunu düşünüyor. Bu tür aşırı özgüven, mantık testlerinde de ortaya çıkabiliyor. Ancak matematiksel olarak insanların çoğu aynı anda ortalamanın üzerinde olamaz.
Dunning Kruger Etkisi Nedir?
Bunu test etmek için 45 lisans öğrencisine 20 soruluk bir mantık testi uyguladılar. Öğrencilere mantık testini verdikten sonra Dunning ve Kruger, onları puanlarına göre dört gruba ayırdı. En düşük puan alan öğrenciler ortalama olarak 20 sorudan 10’unu doğru yanıtlamıştı. Öğrencilerin en yüksek puanı alan çeyreği ise ortalama olarak 17 soruya doğru yanıt vermişti.
Test sonrasında, öğrenciler aldıkları puanlara göre dört gruba ayrıldı. En düşük puanı alan çeyrek dilimdeki öğrenciler ortalama 10 doğru yaptı. En yüksek puanı alan çeyrek dilimdeki öğrenciler ise ortalama 17 doğruya ulaştı. Her iki grup da yaklaşık 14 doğru yaptığını düşündü. Bu, çok büyük bir yanılgı değil. Ancak en az başarılı grup yaklaşık %20 oranında kendini fazla değerlendirdi. En başarılı grup ise başarılarını yaklaşık %15 oranında azımsadı.
Fakat en çarpıcı sonuçlar, öğrencilerin kendilerini diğerlerine göre nasıl konumlandırdığına bakıldığında ortaya çıktı. En düşük puanı alan öğrenciler, testteki diğer katılımcıların %62’sinden daha iyi performans gösterdiklerini düşündü. En yüksek puanı alanlar ise bu oranı %68 olarak belirtti.
Oysa bir kişinin en düşük çeyrekte yer alması, en iyi ihtimalle katılımcıların %25’inden daha iyi bir sonuç alabileceği anlamına gelir. Gerçekte ortalama olarak sadece %12,5’inden daha iyi puan alabilir. Buna rağmen kendi performansını %62’nin üzerinde görmek, yaklaşık 50 puanlık ciddi bir aşırı tahmindir.
Dunning-Kruger etkisi, bu ikinci değerlendirmede yani bireyin kendini başkalarıyla kıyasladığı aşamada ortaya çıktı. Araştırma, düşük beceri düzeyindeki kişilerin hem yetersiz olduğunu hem de bunun farkında olmadığını öne sürüyordu.
Otokorelasyon Nedir?
Daha sonra pek çok araştırmacı, Dunning ve Kruger’ın yöntemini kendi alanlarında uyguladı ve benzer sonuçlar elde etti. Bu da etkinin, insan zihninin doğal bir işleyişi olduğu fikrini güçlendirdi. Üstelik etki, günlük yaşamda da kolayca gözlemlenebiliyor: Kendine fazlasıyla güvenen ama yeterliliği düşük kişiler sıkça karşımıza çıkıyor.
Psikologlar, bu sonuçların tekrarlanabilir olduğundan emin olmak için dikkatli davranmıştı. Ancak konuyu daha yakından inceleyen matematikçilere göre, elde edilen bulgular istatistiksel bir yanılgıya dayanıyordu. Etki, otokorelasyon adı verilen bir matematiksel hatanın sonucu gibi görünüyordu.
Otokorelasyon, bir değişkenin zaman içinde kendi önceki değerleriyle ne kadar ilişkili olduğunu ölçer. Bazı durumlarda bu ilişkiyi fark etmek zordur. Bu da verilerin yanlış yorumlanmasına ve sonuçların hatalı çıkmasına yol açar.
Diyelim ki elimizde x ve y olmak üzere iki değişken var. Yaptığımız analizde, bu iki değişkenin birbirleriyle tamamen ilgisiz olduğunu gördük. Ancak veriyle çalışmaya devam ettik ve bu süreçte z adını verdiğimiz yeni bir nicelik tanımladık. Bu çalışmayı daha sonra bir kenara bırakıp unuttuk.
Aylar sonra bir meslektaşımız veri kümesini yeniden ele aldı. Z’nin x ile bir şekilde ilişkili olduğunu düşündü. Oysa bu ilişki, veriyi işlerken biz farkında olmadan oluşturulmuştu.
İşte otokorelasyon bu şekilde ortaya çıkar: Korelasyon hesapladığınız iki uçta da aynı değişken ya da onun türevleri yer alır, ama bu gözden kaçar. Yani farkında olmadan bir değişkenin kendi kendisiyle ilişkisini ölçersiniz ve bunu gerçek bir ilişki sanabilirsiniz.
Bu noktada otokorelasyonu anladığımıza göre Dunning-Kruger etkisine dönebiliriz. Çünkü bu etkiyi tanımlayan grafikte de benzer bir durum söz konusu.
Dunning-Kruger deneylerinde bir hata mı vardı?
Dunning ve Kruger, sonuçlarını bir grafikle göstermişti. Yatay eksende, beceri testinden alınan puanlara göre gruplandırılmış bireyler vardı. Grafikteki gri çizgi, katılımcıların gerçek test performansını; siyah çizgi ise kendilerine biçtikleri ortalama yetenek düzeyini gösteriyordu.
Bu grafik ilk bakışta düşük puan alan kişilerin kendilerine gereğinden fazla güvendiklerini gösteriyor gibi duruyor. Ancak bu farkın, otokorelasyon gibi yapısal bir yanılgıdan kaynaklanma olasılığı göz ardı edilmemeli.
Diyelim ki büyük bir araştırma hibesi aldık ve Dunning-Kruger deneyini yeniden yapmak istiyoruz. 1000 kişiyi işe alıyoruz, her birine bir beceri testi uyguluyoruz. Ardından, kendilerinden testte ne kadar iyi performans gösterdiklerine dair öz değerlendirme yapmalarını istiyoruz.
Veriler geldiğinde sonuçlara bakıyoruz. Ancak tablo, beklediğimiz gibi değil. Görünüşe göre farklı yetenek düzeylerindeki insanlar, kendi becerilerini değerlendirme konusunda benzer oranda başarısız. Başka bir deyişle, Dunning-Kruger etkisine dair belirgin bir iz yok.
Acaba deneyde bir hata mı yaptık. Ne yazık ki daha fazla hibe alamayacağımız için deneyi tekrarlama şansımız da yok. Bu durum da belki de en iyi şey grafiğimizle biraz oynamaktır. Şimdi ham verileri kullanmak yerine her kişinin ‘öz değerlendirme hatasını’ hesaplayalım. Yani kişinin öz değerlendirmesi ile test puanı arasındaki farka bakalım.
Bu hesaplamayı yaptığımızda, yine benzer bir grafik elde ederiz. Bu grafiğe göre, düşük beceriye sahip kişiler kendilerini fazla abartıyor, yüksek beceriye sahip olanlar ise gereğinden fazla alçakgönüllü davranıyor gibi görünür.
Ancak şimdi, bu verileri Dunning ve Kruger’ın yaptığı gibi bir grafikle sunalım. Gördüğünüz gibi, veriler aslında bunu doğrudan söylemese de Dunning-Kruger etkisi grafikte belirgin şekilde ortaya çıkıyor. Hatta bu grafik, orijinal çalışmadakinden bile daha güçlü bir etki gösteriyor gibi duruyor.
Dunning-Kruger etkisinin çürütülmesi
Dunning-Kruger grafiğindeki temel sorun, istatistikteki önemli bir ilkenin ihlal edilmesidir. Eğer iki veri kümesi arasında ilişki kurmak istiyorsanız, bu verilerin birbirinden bağımsız şekilde ölçülmesi gerekir.
Ancak Dunning-Kruger grafiğinde bu bağımsızlık sağlanmıyor. Test puanı, hem yatay eksende hem de dolaylı yoldan dikey eksende yer alıyor. Bu durum, otokorelasyon oluşmasına neden oluyor. Yani, aynı değişkenin hem açıklayan hem de açıklanan değişkende yer alması grafik üzerinde yapay bir ilişki yaratıyor.
İşin ilginç tarafı Dunning ve Kruger sonuçlarını 1999’da yayınlasa da hatanın tam olarak anlaşılabilmesi için 2016’ya kadar beklenmesi gerekti. Dunning-Kruger etkisini kapsamlı bir şekilde çürüten ilk kişiler Edward Nuhfer ve meslektaşlarıydı. (2016 ve 2017‘deki makalelerine bakın.) 2020‘de Gilles Gignac ve Marcin Zajenkowski benzer bir eleştiri yayınladılar.
Aslında bu eleştirileri incelediğinizde, Dunning-Kruger etkisinin insan psikolojisinden çok, istatistiksel bir yanılgının sonucu olduğu anlaşılıyor. Buna rağmen bu gerçek bugüne kadar çok az kişi tarafından fark edildi. İnsanlar hâlâ orijinal makaleye atıf yaptığı için, birçok bilim insanı Dunning-Kruger etkisinin psikolojiyle doğrudan ilişkili olduğunu düşünmeye devam ediyor.
Peki, bu etki istatistiksel olarak doğru şekilde ölçülürse ne olur? Tahmin edebileceğiniz gibi, etki ortadan kalkıyor. Aşağıdaki grafik bu durumu gösteriyor. Bu grafik de insanların becerileri ile öz değerlendirme hataları arasındaki ilişkiyi sunuyor. Ancak bu kez, kullanılan değişkenler birbirinden bağımsız şekilde ölçülmüş durumda.
Sonuç olarak
Hatalar her zaman olabilir. Bu yüzden Dunning ve Kruger’ı yanıldıkları için suçlamak doğru olmaz. Üstelik günlük hayatta, gerçekten de yeterli bilgiye sahip olmadığı halde kendine aşırı güvenen insanlarla karşılaşmamız mümkündür.
Ancak bu durumu, mutlaka psikolojik bir mekanizmayla açıklamak zorunda değiliz. Görünen o ki, artık Dunning-Kruger etkisinin bilimsel temelde sorgulanma zamanı gelmiş durumda.
Kaynaklar ve ileri okumalar
- The Dunning-Kruger Effect is Autocorrelation. yayınlanma tarihi: 8 Nisan 2022. Bağlantı: The Dunning-Kruger Effect is Autocorrelation
- Ehrlinger J, Johnson K, Banner M, Dunning D, Kruger J. Why the Unskilled Are Unaware: Further Explorations of (Absent) Self-Insight Among the Incompetent. Organ Behav Hum Decis Process. 2008 Jan 1;105(1):98-121. doi: 10.1016/j.obhdp.2007.05.002. PMID: 19568317; PMCID: PMC2702783.
- Kruger, J., & Dunning, D., (1999). Unskilled and unaware of It. How difficulties in recognizig one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77, 1121-1134. doi: 10.1037/0022-3514.77.6.1121
- Nuhfer, Ed & Cogan, Christopher & Fleisher, Steven & Gaze, Eric & Wirth, Karl. (2016). Random Number Simulations Reveal How Random Noise Affects the Measurements and Graphical Portrayals of Self-Assessed Competency. Numeracy. 9. 10.5038/1936-4660.9.1.4.
Matematiksel
