Açık Grup oyunu Galton, 1907

Canlı kalabalık.

Üç soru, iki tur: önce kendi başına tahmin et, sonra odanın tahminlerini görüp güncelle. Birbirini gören kalabalık daha mı akıllı?

3 dksürer 0katılım Anonimkayıt gerekmez
kalabalık
EXP. 035

Odadaki herkesin tahminlerini gördükten sonra kalabalık daha mı isabetli olur, yoksa birlikte mi yanılır?

Deney yükleniyor… JavaScript kapalıysa deney çalışmaz; bilim kutusunu ve makaleyi aşağıda okuyabilirsin.

Yayıncılar, sınıflar, gruplar

Kendi odanı aç.

Odayı kurunca bir link alırsın. Linki yayınında, sınıfında ya da grubunda paylaş; belirlediğin kişi sayısına ulaşınca deney herkeste aynı anda başlar. Oda sahibi istersen sayı dolmadan da başlatabilir.

Herkese açık oda 20 kişide başlar.

3 ile 200 kişi arası. Katılanlar anonim kalır; odada yalnızca takma adlar görünür. Bekleyen oda 6 saat içinde dolmazsa kapanır.
Önce deneye katıl.

Bilimi okumak cevabını etkileyebilir. Katıldıktan sonra her şey açılır; istersen yine de şimdi okuyabilirsin.

Deneye dön
Bilim kutusu

Bağımsız tahminlerin ortancası çoğu zaman şaşırtıcı ölçüde isabetlidir; başkalarının tahminlerini görmek ise görüşleri birbirine yaklaştırır, ama kalabalığı her zaman daha isabetli yapmaz.

Ne ölçüyoruz

Her soruda iki tur var. 1. turda herkes kimseyi görmeden tahmin ediyor; 2. turda odanın 1. tur tahminlerinin dağılımı ve ortancası gösteriliyor ve herkes tahminini güncelleyebiliyor. Her tur için kalabalığın ortanca tahmininin gerçek değerden yüzde kaç saptığını (kalabalık hatası), tahminlerin ne kadar dağınık olduğunu (çeşitlilik) ve kişilerin kendi tahminlerini kalabalığa doğru ne kadar kaydırdığını ölçüyoruz.

Araştırmalar ne diyor

Francis Galton 1907'de bir hayvancılık fuarında bir öküzün kesilip temizlendikten sonraki ağırlığı için yapılmış 787 tahmini inceledi: ortanca tahmin 1.207 libre, gerçek ağırlık 1.198 libreydi. Lorenz, Rauhut, Schweitzer ve Helbing (2011) 144 kişilik bir deneyde katılımcılara olgusal sorular sordu ve beş tur boyunca bazılarına diğerlerinin tahminlerinin ortalamasını ya da tamamını gösterdi. Başkalarının tahminlerini görmek görüş çeşitliliğini daralttı ama kalabalığın hatasını azaltmadı; gerçek değer tahminlerin kenarına itildi ve insanların kendine güveni isabetleri artmadığı hâlde yükseldi. Becker, Brackbill ve Centola (2017) ise 1.300'den fazla katılımcıyla, 40 kişilik ağlarda, herkesin yalnızca bazı komşularının tahminini gördüğü merkezsiz ağlarda grup tahmininin güvenilir biçimde iyileştiğini; tek bir merkezî kişinin baskın olduğu ağlarda ise hatanın artma ihtimalinin yükseldiğini gösterdi.

Neden böyle

Bağımsız hatalar farklı yönlere dağıldığında birbirini kısmen götürür; ortanca bu yüzden çoğu bireyden iyidir. Herkes aynı bilgiye bakarak tahminini değiştirdiğinde ise hatalar ortaklaşır. Kalabalığın daha isabetli hâle gelip gelmemesi, kimin ne kadar değiştiğine bağlı: gerçeğe yakın olanlar tahminlerinde ısrar eder, uzak olanlar daha çok değişirse ortanca iyileşebilir; herkes aynı ölçüde kalabalığa yaklaşırsa ortanca pek kıpırdamaz ama çeşitlilik kaybolur. Bizim odamızda herkes aynı özeti görüyor; bu, Lorenz ve arkadaşlarının koşullarına, Becker ve arkadaşlarının iyileşme bulduğu seyrek ve merkezsiz ağlardan daha çok benziyor.

Sınırlılık

Ekrana çizilmiş bir kavanozda derinlik yok ve ekran boyutu kişiden kişiye değişiyor. Puanlar hayalî; laboratuvar deneylerinde isabet çoğu zaman parayla ödüllendiriliyordu. Katılımcılar kendiliğinden gelen internet kullanıcıları; bazı sorularda cevabı bilen ya da internette arayan kişiler olabilir, bu yüzden süre kısa tutuluyor. Oda küçükse 2. turda gösterilen dağılım çok gürültülü olabilir. Yayın odalarında yayıncının kendi tahminini yüksek sesle söylemesi, bütün odayı tek bir merkezî kişiye bağlar.

1.207 / 1.198 libre (n = 787)Galton'un öküzü: ortanca tahmin / gerçek ağırlıkGalton, 1907
144 kişi, 5 tur; çeşitlilik daraldı, hata azalmadıSosyal etki deneyi: katılımcı ve tur sayısıLorenz ve ark., 2011
grup tahmini güvenilir biçimde iyileşti (40 kişilik ağlar)Merkezsiz ağlarda sosyal etkiBecker, Brackbill & Centola, 2017
hatanın artma ihtimali yükseldiMerkezî kişinin baskın olduğu ağlardaBecker, Brackbill & Centola, 2017
  1. Galton, F. (1907). Vox populi. Nature, 75(1949), 450–451. Kaynağa git ↗
  2. Lorenz, J., Rauhut, H., Schweitzer, F., & Helbing, D. (2011). How social influence can undermine the wisdom of crowd effect. Proceedings of the National Academy of Sciences, 108(22), 9020–9025. Kaynağa git ↗
  3. Becker, J., Brackbill, D., & Centola, D. (2017). Network dynamics of social influence in the wisdom of crowds. Proceedings of the National Academy of Sciences, 114(26), E5070–E5076. Kaynağa git ↗
  4. Surowiecki, J. (2004). The wisdom of crowds. Doubleday. Kaynağa git ↗
  5. Kao, A. B., Berdahl, A. M., Hartnett, A. T., Lutz, M. J., Bak-Coleman, J. B., Ioannou, C. C., Giam, X., & Couzin, I. D. (2018). Counteracting estimation bias and social influence to improve the wisdom of crowds. Journal of the Royal Society Interface, 15(141), 20180130. Kaynağa git ↗

Bir öküz, 787 bilet

1907'de istatistikçi Francis Galton, İngiltere'nin Plymouth kentindeki bir hayvancılık fuarında yapılan bir yarışmanın biletlerini inceledi. Ziyaretçiler, sergilenen öküzün kesilip temizlendikten sonra kaç libre geleceğini tahmin etmişti. Galton okunaklı 787 bileti sıraladığında ortadaki değerin, yani ortancanın 1.207 libre olduğunu gördü. Öküzün gerçek ağırlığı 1.198 libreydi: kalabalık yaklaşık yüzde 1 yanılmıştı.

Bu yazı, bugün 'kalabalığın bilgeliği' denen fikrin en bilinen örneği oldu. Gazeteci James Surowiecki 2004'te aynı adlı kitabında, bir kalabalığın akıllıca bir karar verebilmesi için görüşlerin çeşitli ve birbirinden bağımsız olması, bilginin merkezileşmemesi ve tek tek görüşleri birleştiren bir yöntemin bulunması gerektiğini savundu. Galton'un biletlerini yazanlar birbirinin tahminini görmüyordu; bağımsızlık koşulu kendiliğinden sağlanmıştı. Bizim deneyimizin 1. turu bu koşulu korumak için tasarlandı: kimse, kendi tahminini göndermeden başkalarının cevabını göremiyor.

Birbirini gören kalabalık

Gerçek hayatta ise insanlar başkalarının ne düşündüğünü neredeyse her zaman görür: anketler, yorumlar, beğeni sayıları, arkadaş grubunun fikri. Jan Lorenz ve arkadaşları 2011'de bunun kalabalığın bilgeliğine ne yaptığını sınadı. 144 katılımcı olgusal sorulara beş tur boyunca tahmin verdi. Bazı gruplar her turdan sonra diğerlerinin tahminlerinin ortalamasını ya da tamamını gördü, kontrol grubu ise hiçbir şey görmedi.

Sonuç, bağımsızlığın neden önemli olduğunu gösterdi. Başkalarının tahminlerini görenlerin görüşleri birbirine yaklaştı, ama kalabalığın hatası azalmadı. Üstelik gerçek değer, tahminlerin oluşturduğu aralığın kenarına itildi; dışarıdan bakan biri için kalabalık daha az güvenilir hâle geldi. En dikkat çekici bulgu ise şuydu: tahminler birbirine yaklaştıkça insanların kendine güveni arttı, oysa isabetleri artmamıştı. Birbirini dinleyen bir kalabalık daha emin, ama daha bilge değildi. Araştırmacılar bu üç sonucu sırasıyla 'sosyal etki etkisi', 'aralık daralması etkisi' ve 'güven etkisi' olarak adlandırdı.

Sosyal etki her zaman zararlı mı?

Joshua Becker, Devon Brackbill ve Damon Centola 2017'de bu tabloya önemli bir itiraz getirdi. 1.300'den fazla katılımcıyı 40 kişilik ağlara yerleştirdiler; herkes önce bağımsız bir tahmin verdi, sonra ağdaki komşularının tahminlerini görerek iki kez güncelleme yaptı. Herkesin eşit sayıda komşuya bağlı olduğu merkezsiz ağlarda grup tahminleri güvenilir biçimde daha isabetli hâle geldi, üstelik bireylerin tahminleri birbirine yaklaşırken. Bu sonuç, kalabalığın bilgeliğinin yalnızca bağımsızlıktan değil, bilginin grup içinde nasıl dolaştığından da etkilendiğini gösteriyor.

Ağın yapısı değişince sonuç da değişti. Tek bir merkezî kişinin herkese bağlı olduğu ağlarda o kişinin etkisi süreci domine etti ve grup tahmininin hatasının artma ihtimali yükseldi. Yani soru 'sosyal etki iyi mi kötü mü?' değil, 'kim kimden ve nasıl etkileniyor?'. Bizim odamızda herkes odanın tamamının özetini görüyor; bu, Lorenz ve arkadaşlarının deneyine Becker ve arkadaşlarının seyrek ağlarından daha çok benziyor. Hangi sonucun bizim odalarımızda ortaya çıkacağını birlikte göreceğiz.

Üç soru, üç farklı tahmin türü

İlk soru klasik şeker kavanozu: ekrana çizilmiş kavanozda sabit sayıda şeker var. Kao ve arkadaşları (2018) kavanoz tahminlerinin log-normal dağıldığını, yani çoğunun gerçeğe yakın ya da biraz altında toplanırken az sayıda tahminin çok yükseğe uzandığını gösterdi; inceledikleri veri setlerinin çoğunda ortanca gerçeğin biraz altında, aritmetik ortalama ise üstünde kaldı. Bu yüzden 2. turda ortalama yerine ortancayı gösteriyoruz. Kavanozdaki sayı herkes için aynı ve çizim bu sayıya göre üretiliyor; şekerler üst üste bindiği için tek tek saymak pratik değil. Bir sıradaki şekerleri sayıp kaç sıra olduğunu kestirmek gibi yöntemler işe yarayabilir, ama 20 saniye bunun için kısa bir süre.

İkinci soru bir uzunluk: Airbus'ın çift katlı yolcu uçağı A380'in kanat açıklığı. Üçüncü soru ise bir mesafe: Çanakkale Boğazı'nı geçen 1915 Çanakkale Köprüsü'nün toplam uzunluğu. Bu iki soruda bazı oyuncular gerçek değeri hatırlıyor ya da kabaca biliyor olabilir. Bu da ilginç bir durum yaratıyor: odadaki az sayıdaki bilgili kişi, 2. turda kalabalığı doğru yöne çekebilir mi, yoksa onların sesi çoğunluğun içinde mi kaybolur? Bu iki soruyu, ezberlenmiş bir bilgiden çok bir ölçek duygusu gerektirdiği için seçtik: bir uçağın kaç metre olduğunu ya da bir boğazın ne kadar geniş olduğunu çoğumuz yalnızca kabaca hissederiz.

Canlı oda ve yayın: laboratuvardan farkı ne?

Galton'un biletleri, Lorenz'in ve Becker'in deneyleri ile bizim odamız arasında önemli bir fark var: burada herkes aynı anda, aynı kalabalığın içinde ve gerçek zamanlı tahmin yapıyor. 2. turda gördüğün dağılım, birkaç saniye önce seninle aynı soruyu cevaplayan gerçek insanlardan geliyor. Bu, laboratuvardaki sıkı kontrolü kaybetmek pahasına deneyi daha canlı ve hızlı yapıyor; ama oda küçükse gösterilen dağılım birkaç kişinin uç tahminiyle kolayca çarpılabilir. Her tur 20 saniye; bu süre, düşünmeye yetecek ama cevabı internette aramayı zorlaştıracak kadar kısa tutuldu.

Yayında oynanan odalar ise Becker ve arkadaşlarının uyardığı 'merkezî kişi' durumunu kendiliğinden yaratabilir. Yayıncı 1. turdan sonra kendi tahminini yüksek sesle söylerse, izleyicilerin 2. turdaki güncellemeleri odanın dağılımından çok yayıncıya göre şekillenebilir. Yayıncı iyi bir tahminciyse kalabalık iyileşir; değilse bütün oda onunla birlikte yanılır. Yayıncılara cevaplarını sonuç ekranına kadar söylememelerini öneriyoruz; söyleyenlerin odalarının sonuçları ise başlı başına ilginç bir karşılaştırma olacak.

Sonucunu nasıl okumalı?

Her sorunun sonunda gerçek değeri, 1. ve 2. turdaki kalabalık ortancasını ve bunların gerçek değerden yüzde kaç saptığını görüyorsun. 2. turda kalabalık hatası azaldıysa odanız birbirinden öğrenmiş, arttıysa birlikte yanılmış demektir. Tahminlerin dağılımının ne kadar daraldığını da gösteriyoruz: dağılım daraldığı hâlde hata azalmadıysa, Lorenz ve arkadaşlarının tarif ettiği durumu yaşamışsınız demektir. Tek bir odanın sonucu, özellikle oda küçükse, şansa çok bağlıdır; asıl tablo pek çok odanın sonuçları bir araya geldiğinde ortaya çıkacak.

Kendi tahminin için de iki ölçü var: 1. turdaki hatan ve 2. turda kalabalığa ne kadar yaklaştığın. Kalabalığa doğru kaymak her zaman kötü değildir; çoğu durumda ortanca, tek bir kişiden daha iyidir. Ama ilk tahminin zaten iyiyse, kalabalığa uymak seni gerçeklikten uzaklaştırabilir. Bu oyunu en iyi oynayanlar, ne zaman ikna olup ne zaman kendi tahminlerinde ısrar edeceklerini bilenlerdir.

Sık sorulanlar

Kalabalığın bilgeliği nedir?

Birbirinden bağımsız çok sayıda tahminin ortancası ya da ortalamasının, çoğu zaman tek tek bireylerin tahminlerinden daha isabetli olmasıdır. En bilinen örneği, Galton'un 1907'de incelediği öküz ağırlığı yarışmasıdır.

Başkalarının tahminini görmek neden sonucu değiştiriyor?

Başkalarının tahminlerini gören insanlar kendi tahminlerini onlara yaklaştırır. Lorenz ve arkadaşlarının (2011) deneyinde bu, görüş çeşitliliğini daralttı ama kalabalığın hatasını azaltmadı. Becker ve arkadaşları (2017) ise merkezsiz ağlarda grup tahmininin iyileşebildiğini gösterdi.

2. turda neden ortalama değil ortanca gösteriliyor?

Ortanca uç tahminlerden neredeyse etkilenmez. Kavanoz tahminleri log-normal dağıldığı için aritmetik ortalama birkaç çok yüksek tahminle kolayca yukarı çekilebilir (Kao ve ark., 2018).

Tahminimi 2. turda değiştirmeli miyim?

Tek bir doğru cevap yok. Kalabalığın ortancası çoğu zaman bireylerden iyidir; ama ilk tahminine güvenmek için iyi bir nedenin varsa, örneğin cevabı kabaca biliyorsan, ısrar etmek kalabalığa da yardım eder.

Kavanozda gerçekten kaç şeker var?

Kavanoz sitede sabit bir sayıyla çiziliyor ve herkes aynı kavanozu görüyor. Gerçek sayı, 2. tur bittikten sonra gösteriliyor.

Tartışma 0 yorum

Yorum yazmak ve oy vermek için gönüllü ol. 20 saniye sürer.
GirişGönüllü ol
Henüz yorum yok. İlk yazan sen ol.

Bu deney hakkında konular

Yeni konu aç →
Bu deney için açılmış ayrı bir konu yok. Yöntemi eleştirmek, bir makale paylaşmak ya da yeni bir soru sormak için konu açabilirsin.