TCPII

1. TCPII Beslissingen van experts

2. Wat is een expert? iemand die lang in het vak zit iemand die goed presteert op zijn/haar terrein iemand die veel weet over een onderwerp iemand die door anderen als expert wordt beschouwd

3. Klassiek voorbeeld expertonderzoek: Schaken Pionier: A.D. de Groot (1914 – 2006) Het denken van den schaker. (1946)

4. “realistische” maar hanteerbare taak: • zetkeuze

5. Vergelijking topspelers met redelijke spelers Zoekgedrag uit hardopdenkprotocollen topspelers: geen grotere diepte en breedte wel: eerder “goede zet” Zoekstrategie: Successieve verdieping

6. 2. geheugentaak

7. H.A. Simon. De Groot als inspirator SUPERIEURE PRESTATIES: o.a. geheugentaak Prestatie monotoon stijgend met expertiseniveau Verschillen verdwijnen (grotendeels) bij random stellingen

8. Oogbewegingen (Charness, 2001) “salient” (volgens meesters)

9. S = salient piece N = nonsalient piece Eerste 5 fixaties (1 à 2 sec): 12 intermediates, 12 experts

10. Experts meer fixaties op prominente stukken Experts meer fixaties op lege velden Configuraties, perifeer waargenomen prominentie

11. Simultaanprestaties Kasparov (ELO 2750) tegen sterke teams (ELO 2354-2550): 2310 – 2710, mediaan 2646. (Gobet & Simon 1996)

12. In termen van Kahneman (2003): Intuitie geeft expert voorsprong J. H. Donner (1927-1988) “Vrouwen en computers zullen nooit behoorlijk leren schaken want die hebben geen intuitie” Redeneren (vooral in normale partij) op hoger niveau

13. KLASSIEKE VERKLARING SIMON Normale informatieverwerkingscapaciteit (Simon: STM 5 chunks) Expert: veel kennis in LTM (Simon: = grote chunks (meester 50000) als gevolg van 10-15 jr leren snelle herkenning diepgaande analyses hoog niveau

14. Latere nuances -dissociaties geheugen/speelsterkte (oudere-jongere spelers zelfde niveau: geheugenprestaties ouderen minder) -toch (kleine) verschillen in diepte -geheugenprestaties geen STM (interferentie, langer onthouden, vgl Chase & Ericsson: retrieval structuur) -(kleine) verschillen random stellingen

15. Algemeen (maar expertise is vooral specifiek): kennis (declaratief en procedureel) is essentiëel “eerste blik” Bijzondere geheugeprestaties (soms!) specificiteit 10-jaren regel

16. Op Knowledge Based level komt ruimte “vrij” voor heel moeilijke problemen (als er tijd voor is) In terminologie van Reason/Rasmussen: -Knowledge Based level -Rule Based level -Skill Based level Onder invloed van expertise “zakken” verrichtingen naar lager niveau

17. De eerste blik: honden- en vogelkenners kijken naar vogel- en hondenplaatjes (Tanaka & Curran, 2001)

19. Redeneerprocessen sterk gebieds- en taakafhankelijk !!!

20. Medische diagnose: Experts gebruiken minder informatie dan beginners Ziektescripts -Enabling conditions -Symptomen -“Standaardverloop” gebaseerd op ervaring met veel gevallen Biomedische kennis “ingekapseld” (kan desgewenst worden opgeroepen)

21. (goed) verhaal Strafrechtelijke beslissingen: Verhaal + verankering (Wagenaar e.a.) • Ankers: • Stopregels • -niemand kan op 2 plaatsen tegelijk zijn • -2 onafhankelijke getuigen hebben het niet mis • -NFI maakt geen fouten • verklaring politie is juist ? ?! ?! Juristen hebben beperkte expertise m.b.t. verankering!

22. Naturalistic Decision Making (G. Klein e.a.) • “Rijke situaties” ipv. lab • Experts ipv novices • beschrijven (i.p.v. vergelijken met normatief model Complexe situaties, tijdsdruk, Conflicterende doelen- organisatie Zware consequenties Geen duidelijk normatief model Brandweercommandanten, piloten, intensive care

23. Experimentele controle moeilijk: (Self-confrontation) interviews, Analyse incidenten Freeze (en dan ondervragen) Simulatie Recognition Primed Decision making : Expert herkent situatie als “typisch”  verwachtingen plausibele doelen relevante cues typische actie

24. Herkennen  actie Situation awareness (Endsley) verwachting niet bevestigd Herkennen  [anomalie  verklaren] herzien/repareren  actie Herkennen  (actie) simuleren herzien/repareren  actie NB.: vaak is dit een continue proces van routineactiviteit – met situation awareness voor reageren op nieuwe of onverwachte gebeurtenissen

25. Past goed in het stramien van Kahneman: Systeem 1 herkent en geeft indruk Systeem 2 repareert en simuleert Experts hebben meer (specifieke!) kennis Hebben geautomatiseerd wat bij beginners expliciet moet gebeuren (betere intuities) Ook meer expliciete kennis voor reparaties (maar net als iedereen vaak laks met supervisie!) Van knowledge based naar skill based Knowledge based op hoger niveau Met de typen fouten die daarbij horen!

26. Zou ook resultaten à la Dijksterhuis kunnen verklaren: intuïtie ≈ geautomatiseerd ≈ onbewust Maar ook verkeerde zaken kunnen geautomatiseerd zijn En automatismen hebben hun beperkingen

27. NDM-onderzoekers hanteren experts als criterium (i.p.v. normatief model) lastig dilemma! Zijn experts altijd zo goed? Verschilt per terrein: -goede theorieën -feedback

28. De dominicaner monnik Heinrich Kramer was expert op het gebied van de heksenbestrijding Malleus malificarum of Hexenhammer (Speyer, 1486) 29 edities tot 1629

29. Shanteau 1992 GOED SLECHT Weersvoorspellers veekeurders astronomen analisten foto’s testpiloten bodemkeurders schaakmeesters fysici wiskundigen boekhouders verzekeringsexp. Klinisch psychologen psychiaters astrologen inlichtingenanalisten toelatingscommissies counselors rechters personeelselectoren reclasseringsambt. leugendetectorexp. beleggingsexperts Denk aan klinisch/statistisch (Meehl)

30. Hoe goed is de kennis op het terrein? Hoe is de feedback gedurende al die jaren? Belang “deliberate practice” (Ericsson, Krampe & Tesch-Römer (1993)

31. Beursexperts

32. E. J. Johnson, 1988: experts (beursanalisten) vs beginners MBA-studenten 40 aandelen22 variabelen, al of niet voorzien van nieuwsberichten (Wall Street Journal) |prijs – voorspelling| prijs einde jaar: error: -------------------------- prijs

33. Gem. % error 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 expert beginner regr. boot strap geennieuwsnieuws Broken leg cues

34. Broken leg cues

35. Beleggingsexpert? Jacko selecteerde 2x per week gelabelde bananen en presteerde 5 jaar lang beter dan de AEX.

36. Onderzoek artsen instabiele angina pectoris (Reyna & Lloyd) 9 cases (low-risk, intermediate-risk, high-risk- nationale richtlijnen) Studenten, huisartsen, eerste opname, internisten, cardiologen, topexperts Beoordelen, op o.a. Coronary Artery Desease en MyocardiaI Infarction-risico triage (wegsturen, opname, intensive care) Afwijkingen van officiële richtlijnen op alle niveaus

37. Triage 1: buiten, 2 opname, 3 intensive care

38. Opname

39. Risicotolerantie:

40. Met een signaaldetectieblik bekeken: • Met toenemende expertise • - meer en beter onderscheid tussen risicogroepen • meer tolerantie voor CAD-waarschijnlijkheid • eerst meer dan minder tolerantie voor MI risico CAD-waarschijnlijkheid MI-risico

41. 22% schattingen van de kans op “MI of CAD” waren lager dan de kans op MI of de kans op CAD In dat opzicht was er geen verschil tussen de mate van expertise

42. Het nut van expertise: Verschuiving van Knowledge based naar rule based en skill based performance Goede zaak! Verwerkingscapaciteit expert is normaal! Meer kennis Maar: Ga zo mogelijk na wat de expertise in kwestie precies inhoudt!

43. Problemen van expertise: Onachtzaamheid (skill based!) Zeldzame uitzonderingen op (bijna) perfecte regels, starheid (rule based) Ze zijn vaak eigenwijs Onbekend met kansenen risico’s Onbekend met grenzen van hun expertise Feedback vaakgebrekkig “domme pech”

44. In hun rol van ontwerper en/of gebruiker van apparatuur of software: Wat voor leek moeilijk problem is, is voor expert routine -ontwerper kan zich de problemen van leek-gebruiker niet voorstellen -veel gebruikte apparatuur/software stelt andere eisen dan weinig gebruikte

45. Maatregelen: -geautomatiseerde schaduwcontroles en feedback (o.a. voor situation awareness) -op sommige punten dwingen tot explicitering -rekening houden met expertise van gebruikers en frekwentie van gebruik