督促クルーガー効果：なぜあなたの同僚は、彼らが実際にあるよりもずっと賢いだと信じている

あなたがマネージャーをしてきた場合、督促クルーガー

あなたがソフトウェア会社で働いていて、最新のソフトウェア開発者であるKarenにパフォーマンスレビューを与える必要があるとしましょう。 カレンはコードの開発に非常に優れていますが、彼女はいくつかの重要なプログラミングスキル でも大丈夫ですこのスキルギャップの前に彼女の雇用、研修を実施しました。,

しかし、カレンのプログラミングスキルのギャップについて彼女に言及すると、彼女の反応はあなたを困惑させます。 私は非常にプログラミングが得意です。 私は訓練を必要としません-実際には、私はあなたのチームで最高のプログラマーの一人です。”

あなたは驚いています。 カレンは自分の弱点を認識することができないだけでなく、自分があなたの最高の開発者の何人かよりも優れていると信じて、他の人と比較して自分のスキルを過大評価しています。 この件に関する彼女の知識の欠如は、彼女自身のエラーを見ることができなくなります-これは督促クルーガー効果として知られています。,

1999年にDavid DunningとJustin Krugerによって最初に造語されたDunning Kruger効果は、すべての人の自分の能力に対する認識に影響を与える認知バイアスです。 簡単に言えば、人々は自分のスキルや欠点を評価するための信頼性の低いリソースです。

しかし、督促クルーガー効果はそれよりもわずかに複雑になります。 カレンのような人々は、主題の能力の低レベルと、頻繁に専門知識の点では彼ら自身を最も高く評価する。, DunningとKrugerはこれを二重の呪いとして説明しています-Karenはスキルに優れていないため間違いを犯しますが、同じ無能は彼女の仕事に間違いを見ること 要するに、彼女は彼女がそれで最高ではない見るために特定の領域で十分に熟練していません。 彼女はまた、彼女の同僚のほとんどよりも多くを知っていると仮定して、他の人の能力を誤って判断します。

一方、真の専門家はしばしば自分自身を過小評価します-彼らは主題についてとても知識があり、彼らが知らないどれだけ見ることができます。,

ここでは、この効果を実際に実証するためのいくつかの重要な研究成果に飛び込みます。 また、いくつかの潜在的な解決策を探りますので、Karens-またはDunning Kruger効果に苦しむあなたのチームの他の同僚-が彼女のパフォーマンスを公正に判断するのを手助けすることができます。

Dunning Kruger Effect Examples

人々が自分の妥当性を誤って判断し、最も貧しいパフォーマーが自分のスキルについて最も正確ではないという考えを支持するために、長年にわたって数多くの研究研究が行われてきた。 今三つの例を見てみましょう。,

例：ディベートスキル

Ehrlinger et al.2008年の研究では、大学のディベートトーナメントで学生を調べました。 あなたが推測したかもしれないように、最も低い25％でパフォーマンスしている学生は自分のスキルを大きく過大評価していました-彼らは試合のほぼ60％ 実際には、彼らはそれらの約22％を獲得しただろう。

最低のパフォーマーは、単にスキルの欠如のために過度に補償したり、彼らの不安を隠すために彼らの自信を高めたりしませんでした。, その代り、彼らは彼らの無能に粉れもなく気づいていなかった–最も低い25%で行う討論することの最少の知識があった従って正確に彼らの自身の性能を判断することができなかった。 彼らは偏った裁判官ではなかった。 彼らは単に無知なものでした。

この研究の結果は、現実世界の例がたくさんあることにつながります。 広くマーケティングを調査したら、あなたの同僚があなたの会社の新しい販売運動からの結果をいかに誤評価するか聞くために衝撃を与えられるか, 彼は驚くほど低い数字を見て、”私にはよさそうです”と言うかもしれませんが、単にSEO分析の読み方を理解するスキルセットがないからです。

Example Two:Logical Reasoning Skills

1999年、ダニングとクルーガーは、ダニング-クルーガー効果に関する最初の研究を発表し、”未熟でそれに気づいていない：自分の無能を認識することの難しさがどのように膨らんだ自己評価につながるか。,”彼らの研究を行うために、彼らはユーモア、論理的推論、文法に関する人々の自己認識を見ました。

特に、論理的な推論に焦点を当てたstudy twoを見ていきます。 この研究では、45のコーネル大学の学部生が20項目の論理的推論テストを完了するように求められました。 彼らはそれから彼らの能力およびテスト性能を評価するように頼まれた–最初に、クラスメートと比較される”一般論理的推論能力”の百分位のランキン, 彼らはまた、彼らが正しい得たどのように多くのテストの点数を推測する

理論化されたように、最も低い12パーセンタイルの学生は、”一般的な論理的推論能力”がクラスの68パーセンタイルに近づき、テストスコアが62パーセン 彼らはまた、実際には、彼らの平均スコアが9.6だったとき、彼らは（平均で）正しく14.2の問題に答えただろうと思った。

最終的に、最も低いスコアラーは平均以上のパフォーマーであると信じていました。, 逆に、トップ86パーセンタイルの学生は大幅に自分自身を過小評価し、彼らの一般的な能力を推定すると、ほぼ20ポイント下回り、68パーセンタイルの周り

あなたは人前で話すのが本当に良い人がため息をついて、”それはひどく行った”と言うのを聞いたことがありますか？ 彼らはおそらく謙虚に行動しているだけではありません-彼らが真の専門家であれば、彼らは周りの人と比較して彼らのパフォーマンスを過小評価す,

例三：感情的知性

これまでの例では、督促クルーガー効果が人の論理的スキルに対する認識にどのように影響するかを見てきましたが、感情的知性のような人の人格の他の側面についてはどうでしょうか？

Sheldon、Ames、およびDunningは、2010年の研究でDunning Kruger効果に関連して感情的知性を探求しました。 彼らは三つの別々の研究を行っている間、私たちは最初のものに焦点を当てます,これは必要157mayer-Salovey Caruso感情的知性テストを完了するために修士課程の学生., 参加者はEIの広範な説明を与えられ、ゼロから100までのスケールでパーセンタイルランキングを推定するように求められました。 彼らはまた、MSCEITで自分のスコアを推定する必要がありました。

ご想像のとおり、感情的知性の10パーセンタイルで最低得点した参加者は、EIを63から69パーセンタイルポイントで過度に刺激し、MSCEITのパフォーマンスは62から63ポイントよりも高いと信じていました。

逆に、トップパフォーマーは、EIの90パーセンタイルで、彼らのEIスコアを20ポイント過小評価しました。,

この例は、督促クルーガー効果が生のロジックベースのスキルに単純に関連していないことを認識するために重要です。 代わりに、それは社会的相互作用を含む私たちの生活の他の側面を偏らせます。 感情的知性は、より良い同僚とリーダーになるための鍵であり、あなたが高いEIを持っていると誤って仮定すると、あなたの長期的なキャリア成長に有害

あなたの長所と短所を公平に判断するために、感情知性テストまたは別の性格テストを受けることを検討してください。,

督促クルーガー効果潜在的なソリューション

ソリューション一つ：あなたの同僚の自己認識を是正するためのリソースを提供

低いパフォーマーは、彼らが公正に彼らのパフォーマンスを評価するための知識を持っていないため、スキルの能力を過大評価する場合、解決策は、正確に自分のパフォーマンスを判断するために必要なリソースと知識をそれらの低いパフォーマーに提供することができます。,

彼らの元の1999年の研究の間に、DunningとKrugerは、study fourの参加者に多くのWason選択タスク（論理的推論スキルを評価するためのもの）を完了するように求めることによって、この仮説をテストした。 その後、参加者の約半分にWasonタスクを解決する方法についてのトレーニングセッションを提供し、彼らがどれだけうまくいったかを再評価するように

全体的に、トレーニングセッションを受けた下の四分位のパフォーマーは、自分の能力のより良く、より正確な裁判官になりました。, トレーニングの前に、彼らは55パーセンタイルの周りに能力をランク付けし、51パーセンタイルの周りにテストパフォーマンスを推定し、5.3の問題に正しく答

トレーニングの後、これらの同じボトムパフォーマーは、第44パーセンタイルの周りに自分の能力を再ランク付けし、第32パーセンタイルの周りに自分のテスト

あなたは彼女が実行しているどのようにひどく見ることができない同僚を扱っている場合は、彼女は彼女の間違いを見るために必要なツールや, 彼女の間違いを説明し、彼女がそれを得ることを望むよりもむしろ、多分彼女が彼女の技術をいかに批評するか再目盛りをするために更に行き、訓練資源を提供する必要がある。

たとえば、おそらくあなたの同僚のKarenのプログラミングの不十分さは、Javaスクリプトの知識の欠如によるものです-彼女のコーディングの背景は、彼女 この場合、Javaスクリプトに関する無料のトレーニングを提供することで、Karenがどれだけ学ぶ必要があるか、そして彼女のパフォーマンスをより良く評価,

Solution Two:Provide Feedback Sessions

新しい同僚があなたのチームに加わるとき、彼女は彼女と彼女の強さおよび弱さの先入観のリストを運ぶ–しかし調査は彼らの技術の人々の認識が彼らの実際の性能に弱く関連していることを証明した(Mabe and West,1982)。, これは人々がかなり彼らの自身の能力を評価することを困難にする–私が非常に強い作家であることを信じ、私が”執筆規則”と分類されるテストを与えられれば私はテストによって促進し、私の答えがすべて正しいことを仮定し、反対に客観的なフィードバックを受け入れることはより堅くなる。

一方、”数学のルール”というラベルのテストが与えられ、私が個人的にその主題に投資していない場合、私はより良い自己評価者であり、自分のパフォーマンスをより公平に判断するでしょう。,

しかし、私は自分のスキルについて間違っている可能性があります-多分私は私が書くよりも数学が得意です、その場合、私の評価はget-goから偏っ

2003年のEhrlingerとDunningの研究では、この同じ概念をテストしました-彼らは参加者に10項目のテストを提供し、それを”抽象推論”テストまたは”コンピュータプログラミングスキル”テストとして説明しました。 の参加者が既に記載自体として非常に強い抽象的推論、認知のコンピューターのプログラミング, 予想通り、”抽象的な推論”テストを受けたと信じていた参加者は、テストが”computer programming”とラベル付けされたときよりも12％好意的に得点しました。

これに対する簡単な解決策はありませんが、考慮することが重要です。 自分のパフォーマンスの偏った裁判官であるという知識で同僚を武装させることは、強力な第一歩になる可能性があります。 おそらく、あなたは彼らが常に公正な自己評価者ではないことを認めることによって、公然と聞き取りにくいフィードバックを受け入れる方法を同僚,

また、職場学習コースを提供することができます。 最終的には、同僚が学ぶほど、彼らは彼らが主題の専門家だと思う可能性は低くなります-皮肉なことに、彼らは一つになる可能性が高くなります。