在信息超载的世界中，我们可能会成为各种认知偏见的受害者。由于它们可能导致我们得出错误的结论，因此了解这些偏见是什么以及它们如何运作尤为重要，因为后果可能会变得非常严重。
确认偏差、抽样偏差和聪明偏差是三个可能影响我们批判性地处理信息的能力的例子。 Sketchplanations 的 Jono Hey 向我们介绍了这些认知偏见示例，以帮助我们更好地了解它们如何影响我们的日常生活。
确认偏差
作为最常遇到和理解的一种，您可能已经听说过确认偏差。这种认知偏差会影响我们每天测试和评估假设的方式。
简而言之，确认偏差是一种以支持我们自己坚定的信念或期望的方式寻找或解释证据的趋势。这意味着，在访问同一组数据和信息的情况下，不同的人可能会得出截然不同的结论。
陷入确认偏见会导致我们做出不明智的选择，甚至会强化负面的刻板印象。出于这个原因，重要的是要记住寻找既能证实又能与你对某个主题的假设相矛盾的信息。
抽样偏差
抽样偏差是一种偏差，它允许我们根据不准确的样本组或数据得出错误的结论。一般来说，样本偏倚的原因是研究设计和数据收集不当。
在针对调查问题对个人进行民意调查时，重要的是要获得整个人口的代表性图片。但是，当产生研究的人也容易出现人类缺陷，包括认知偏差时，这可能会被证明是非常困难的。
A common example involves conducting a survey on which political party is likely to win an election.如果这项研究是由只对大学生进行民意调查的教授进行的，因为他们在身边，因此更容易从中收集信息，民意调查将无法准确反映普通大众的意见。
为避免抽样偏差，重要的是随机化数据收集，以确保响应不会偏向具有相似特征的个体。
亮度偏差
才华横溢的偏见是另一种常见的认知偏见，它使我们更有可能将天才视为男性特质。这部分是由于在传统的学术和行政职位中缺乏女性代表。
事实上，《实验社会心理学杂志》在 2020 年发表了一项关于才华横溢偏见的深入研究。它表明，这种偏见的一个可能来源是男性和女性在通常与更高智力水平相关的职业中分布不均。
虽然这种分布是过去限制女性接受教育和职业选择的历史因素的残余，但它的存在使我们（错误地）得出结论，女性反而不那么聪明。自然地，随着周期使女性在这些职业中分布不均的现象长期存在，它只会加剧这种偏见。
其他认知偏差示例
Jono Hey 的这几个例子很好地概述了我们在尝试理解提供给我们的数据时面临的一些偏见，但它们只是冰山一角。
在我们不断接触信息的时代，认识到这些偏见是很重要的，特别是如果我们想与它们带来的一些有害后果作斗争。
后认知偏差：图解的三种常见类型首先出现在Visual Capitalist上。