می دانید تفاوت موفق ترین شرط بندان با بقیه در چیست؟ شاید فکر کنید به خاطر دانش بالا یا مهارت فوق العاده شان در پیش بینی است. شاید به نظرتان به خاطر خوب بودن کارشان با اعداد یا انتخاب مستمر بهترین استراتژی ها است. سلسله مطالب روانشناسی شرط بندی را از دست ندهید.
اینکه قماربازان چطور داده ها را پردازش می کنند، در موفقیتشان تاثیر دارد. سوگیری دودویی چیست؟ بالتیمور راونز و یوتوب چه چیزهایی می توانند به ما در مورد روانشناسی شرط بندی بگویند؟ شرط خوب چیست؟ برای پیدا کردن پاسخ این سوال ها، ادامه یادداشت را بخوانید.
تفکر دودویی، برخلاف طرز فکر کامپیوتر با کد باینری نیست و شامل مرتب سازی اطلاعات به گزینه های منحصر به فرد متغیر است. چیزی یا 1 یا 0 است و این تنها دو گزینه است. هیچ منطقه خاکستری وجود ندارد. بسیاری استدلال می کنند انسان ها به طور غریزی اطلاعات را به این شیوه پردازش می کنند و به طور طبیعی به این نوع روش دودویی فکر می کنند.
برای انسان های بدوی چنین نوع تفکری منطقی بود. نوعی قضاوت که برای زنده ماندن باید مورد استفاده قرار می گرفت و به خوبی به چنین طرز تفکری مخصوصا زمان تصمیم گیری سریع، کمک می کرد. اینکه خش خش شنیده شده در بوته شکارچی یا غیرشکارچی است، تصمیماتی شامل مرگ و زندگی بوده است.
پاداش حاصله با صرف وقت ارزشمند برای سنجش اطلاعات موجود در مورد صدا (در حالی که شکارچی دارد آماده حمله می شود) ارزش خورده شدن ندارد. صرفاً طبقه بندی خش خش در بوته به عنوان یک حیوان درنده و فرار از منظر خطر در مقابل پاداش، بسیار منطقی تر است.
ریچارد داوکینز ادعا می کند چنین تمایل به راه حل های مستقیم بله یا خیر برای دسته بندی منظم اطلاعات “استبداد ذهن ناپیوسته (The tyranny of the discontinuous mind)” است. او می گوید افراد همانند اجداد خیلی قدیمی ما به دنبال تصمیمات ساده و سرراست هستند و از تصمیماتی که شامل ناحیه خاکستری بین 2 انتخاب باشد، اجتناب می کنند.
این نوع تصمیم گیری باینری (دودویی) برای تصمیم گیری ساده و سریع کاملاً مناسب است، ولی اکنون ما در دنیای ظریفی زندگی می کنیم. در هیچ کجا هم این مسئله به اندازه دنیای شرط بندی قابل مشاهده نیست.
فیشر و کیل برای تعیین این موضوع در یک سری مطالعات درباره آنچه آنها “سوگیری دودویی” نامیدند، دست به تحقیق زدند. برای این مطالعات، به شرکت کنندگان در مورد یک موضوع شواهدی داده شد. در ادامه از آن ها خواسته شد خلاصه ای از شواهد را ارائه دهند و قدرت استدلال مدنظر را ارزیابی نمایند.
برای مثال، اگر افراد در حال ارزیابی داده های مطالعات مختلف در مورد بررسی رابطه بین کافئین و سلامتی بودند، بدون توجه به قدرت نسبی شواهد، داده ها را به سرعت براساس تاثیرگذاری یا عدم تاثیرگذاری طبقه بندی می کردند.
محققین این طور نتیجه گیری کردند که در طیف گسترده ای از زمینه ها هنگام جمع بندی شواهد، افراد تعصب دودویی از خود نشان می دهند: تمایل به اعمال تمایزهای قاطع بر داده های مداوم. شواهد به سطل های گسسته فشرده می شوند و تفاوت بین دسته ها ، قضاوت خلاصه را تشکیل می دهد.
به عبارت دیگر، شرکت کنندگان ترجیح می دادند قدرت نسبی شواهد ارائه شده به آنها را نادیده بگیرند و در عوض گروه بندی آنها را به دسته های گسسته و کل شواهد موجود در آن دسته ها را مورد بررسی قرار دهند.
با این کار تمام داده های مداوم از بین رفت. این پردازش داده ها را برای شرکت کننده ها آسان تر می کرد اما از ارزش اطلاعات کاسته می شد.
یوتوب هم زمانی که می خواست سیستم ارزیابی ویدیوهای خود را اصلاح کند، این مورد را کشف کرد، چون بیشتر آرا در سیستم ستاره دهی آن ها، شامل 1 یا 5 ستاره می شد. این نتیجه تصمیم گیری باینری بود. اگر کاربر ویدیو را دوست داشت، آن را به عنوان پنج ستاره دسته بندی می کرد در حالی که اگر فیلم را دوست نداشت، آن را به عنوان یک ستاره طبقه بندی می کرد. تمام اطلاعات موجود در میان این دو دسته گسسته از بین رفته بود. این منجر به تغییر سیستم ارزیابی یوتوب به صورت شست رو به بالا (لایک) و شست رو به پایین (دیس لایک) شد.
همانطور که در بالا نشان داده شد، انسان ها ترجیح می دهند در صورت امکان اطلاعات را به دو دسته مجزا تقسیم کنند. در شرط بندی نیز این مورد دیده می شود.
از نظر شرط بندی بی تجربه، شرط خوب آن است که برنده شود و شرط بد شرطی است که باعث باخت می شود. این دو گزینه برای کسی که از ظرافت های شرط بندی آگاهی چندانی ندارد، می تواند کاملا قابل درک باشد. کاملا نادرست است. شرط برنده می تواند شرطی وحشتناک باشد در حالی که بهترین شرط بندی دوران ها ممکن است بازنده باشد. با طبقه بندی شرط بندی به این روش ساده، تمام اطلاعات مفید از بین می روند.
این تمایل به انتساب یک داده داده به دسته های “خوب” یا “بد” به دلیل نتیجه یک رویداد، در هنگام بحث در مورد بالتیمور ریونز مورد توجه قرار گرفت. از نظر ریاضی، تصمیم گیری برای تبدیل دو نقطه، تصمیم صحیحی توسط ریونز بود. با این حال، از آنجا که این تلاش ناکام ماند، برخی از کارشناسان فراخوان را در دسته “تصمیم بد” طبقه بندی کردند.
اطلاعات اضافی ارائه شده توسط تجزیه و تحلیل پشت چنین عملکردی برای این کارشناسان به دلیل مخلوطی از سوگیری نتیجه (یک تلاش ناموفق باید ناشی از یک تصمیم ضعیف بوده باشد) و سوگیری باینری (نیاز به قرار دادن نمایش در یک گروه مجزا)، حذف شد. اگر نمایش موفقیت آمیز بود، به احتمال زیاد، نظرات هم متفاوت می شد.
برای اینکه شرط بندی های موفقیت آمیزی داشته باشید، باید از این سوگیری ها اجتناب کنید. ناحیه خاکستری بین برد و باخت، چیزی است که بین شرطی خوب و بد، تفاوت ایجاد می کند.
قماربازان با درصدها کار می کنند. اگر آمار آن ها در بلندمدت از کازینو بهتر باشد، موفق بوده اند، ولی آیا می توان از دقیق بودن آمار شرط بندان، مطمئن بود. بدون نمونه ای بزرگ، نمی توان پاسخ چندان درستی به این سوال داد.
یک نمونه بارز آماری را در نظر بگیرید. سایت آماری FiveThirtyEight شانس پیروزی دونالد ترامپ در انتخابات ریاست جمهوری 2016 را 30 درصد اعلام کرد که البته ترامپ رئیس جمهوری شد.
واکنش برخی ها به این پیش بینی این بود که آن را اشتباه خواندند. با در نظر گرفتن نگاه دودویی افراد، حتما می توانید تشخیص دهید چطور مردم از چنین نظری استقبال می کنند. همان طور که مطالعه فیشر و کیل نشان داد، افراد قدرت نسبی پیش بینی را در نظر نمی گیرند (اینکه ترامپ 30 درصد و نه 0 درصد، شانس پیروزی داشته است). همه دوست دارند بگویند پیش بینی غلط بوده چون این طور راحت ترند.
البته کاملا مزخرف است. طبق پیش بینی، ترامپ در هر 10 مورد، 3 بار برنده می شود. اینکه ترامپ رئیس جمهور شده، چیزی در مورد دقت پیش بینی ارائه نمی کند.
برای پی بردن به دقت مطالعه، باید بارها و بارها انتخابات را برگزار کرد تا به میزان نمونه لازم رسید که البته غیرممکن است. فقط در این شرایط است که می توان آمار 30 درصدی سایت مورد نظر را می توان تحلیل دقیق کرد.
کاملا قابل درک است. برخلاف غرایز ما است بگوییم واقعاً نمی دانیم و ممکن است هرگز ندانیم آیا یک پیش بینی خاص خوب بوده یا نه. شاید گاهی اوقات حس کنید شرطی از لحاظ حسی به نفعتان بوده است، ولی هیچ گاه نمی توان تا در دست نداشتن نمونه ای بزرگ، چنین چیزی را ثابت کرد.
ما به عنوان قماربازان، در ناحیه خاکستری بین خوب و بد عمل می کنیم. برای موفقیت در شرط بندی، باید از طبقه بندی های ساده فاصله بگیرید و به درصدها نگاه کنید. فقط با دسته بندی کردن یک شرط، نمی توان امید چندانی به موفقیت داشت.
آی مون (imoon) یک توسعه دهنده بازی کازینویی است که از سال 2021 فعالیت خود…
پلی مارکت (PolyMarket) یکی از بزرگترین پلتفرم‌های پیش بینی غیرمتمرکز است که بر روی بلاکچین…
پویان مختاری (Pooyan Mokhtari) اینفلوئنسر و خواننده ایرانی است و به خاطر زندگی بسیار لاکچری…