跳转到主要内容
类别: 效应
类型: 高估自己对因果机制的理解，一要求写出来就露馅
来源: Leonid Rozenblit 与 Frank Keil，《The misunderstood limits of folk science: an illusion of explanatory depth》，《Cognitive Science》26 卷，2002 年，第 521–562 页，DOI 10.1207/s15516709cog2605_1。收稿日期 2001 年 8 月 20 日，修回 2002 年 4 月 26 日，接受 2002 年 5 月 3 日。该 PDF 已读
别名: 该文中的 IOED。它不是把过度自信效应收成一个总分，也不是达克效应
快速回答 — 解释深度错觉（Illusion of Explanatory Depth）是人以为自己把一套因果机制理解得很深，真要解释时却写不出来的落差。Rozenblit 与 Keil 于 2002 年在耶鲁给它命名。被试写下熟悉装置如何运作之后，自评下降。程序和电影情节没有出现同样的下降，国家首都这类事实的下降更小。

​
什么是解释深度错觉？

解释深度错觉是这样一种倾向：人觉得自己对一个复杂因果系统的理解，比自己真正写得出来的解释更精确、更连贯、也更深。
人们觉得自己对复杂现象的理解，远比实际更精确、更连贯、也更深；他们处于一种错觉之中，即解释深度错觉。
这句话是 Rozenblit 与 Keil（2002）摘要的开头，此处按原文译出。他们测量的是解释性知识：一件东西如何一步一步、一个原因接一个原因地运作。这不是在说人不会使用它。人可以每天冲马桶，对机制却只有一张草图。草图在必须把步骤写下来之前，感觉就像一份完整说明。 一个可用的图像是折着的地图。从外面看，一叠很厚，你会以为街道都画好了。打开之后，大块是空白，只标了几条路。熟悉、几个零件名字，以及脑子里会动的画面，提供了那一叠的厚度。空白要等到你给人指路时才出现。 作者把它和“对自己能力的笼统吹嘘”分开。他们把 Kruger 与 Dunning（1999）引为“把自己的能力和别人比”的过度自信，并论证深度错觉是另一件事，因为它的大小取决于知识的结构。达克效应讲的是那种能力比较。本页不把两个名字当成别名。知识的诅咒是另一个近亲：难以放下自己已经知道的事实。这里的困难是，没有察觉自己手里的机制有多薄。

​
解释深度错觉的三层理解

  • 入门: 留意熟悉物件忽然显得“我懂”的那一刻：拉链、马桶、彩虹。把下一步因果说出来。卡住的地方才是尺度，感觉不是。
  • 实践: 在设计评审、讲课或家里动手修之前，按顺序写下机制。在第一个接不下去的环节停下。那个环节，本来会靠物件本身、靠一个标签，或靠不在房间里的人补上。
  • 进阶: 2002 年论文在物品层面最强的线索，不是“这个装置很复杂”。在 40 件装置上，看得见的零件与藏着的零件之比，预测了下降有多大。能在脑子里画出的机制，更容易被误当成已经记住的机制。熟悉程度和评定的复杂度则没有。

​
起源

Leonid Rozenblit 与 Frank Keil 当时在耶鲁大学心理学系，十二项研究于 2002 年发表在《Cognitive Science》。标题里的说法是他们的。文中的缩写是 IOED。 装置研究的程序是 1 到 7 的五次评分，1 最浅，7 最深。被试先用两个例子学会这把尺子：弩，被当作多数成年人讲得清的例子；全球定位接收器，被当作多数人讲不清的例子。然后他们给 48 个项目打分（时间 1）。接着对少数测试项目写下逐步的因果解释，再打分（时间 2）。然后回答一个要害问题，例如如何撬开弹子锁，或直升机如何从悬停改为向前飞，再打分（时间 3）。读过一段专家说明后，重新评定自己先前的理解（时间 4）。最后评定读完之后现在理解得如何（时间 5）。时间 5 是论文用来核对的：人并不是随着这一小时不断失去信心。 前几项研究的八件测试装置是：速度表、拉链、钢琴键、抽水马桶、弹子锁、直升机、石英表、缝纫机。专家文本来自 David Macaulay 的光盘《The Way Things Work 2.0》（Kindersley，1996）。论文把姓写成了 McCauley。
被试试图解释这些装置之后，他们对自身知识的估计出现了大而显著的下降。
这句话来自研究 4 的讨论。同一篇论文接着表明，这种下降并不是对一切知识征税。首都这类事实下降得更少。程序，例如从头烘焙巧克力豆饼干，或打领结，没有下降。被试看过的电影情节，从第一次评分到写完情节后再评，没有下降。自然现象，例如潮汐和彩虹，则以和装置大体相同的方式下降。

​
核心要点

四个区分，让解释深度错觉不至于变成“人什么都不懂”，也不至于变成一个永久的谦逊分数。
1

感觉针对的是机制，不是会用

Rozenblit 与 Keil 把“知道装置是干什么的、知道怎么操作”和“知道因果链”分开。他们点名的第二层混淆是层次：知道变速器改变了传到轮子上的动力，并不等于知道齿轮如何做到。第三层是名字。知道“硬盘”“CPU”“内存”“PCI 总线”这些标签，可以让人觉得自己知道这些部件如何互相作用。在后来的物品分析里，一个人叫得出的零件比例，预测的是第一次信心，不是下降的幅度。不要把一份零件清单要么当成理解的合格证，要么当成测到的错觉本身。
2

看得见的东西会被误存进脑子

作者的环境支持说是：人当着系统的面解释它，事后把当场读出来的东西当成自己随身携带的知识。研究 12b 在 40 件装置上检验这一点。每件装置的过度自信，是时间 1 的平均分减去时间 3 的平均分，取自研究 2 和研究 4 的耶鲁本科生。另外 54 名评分者给这些装置的属性打分。用看得见与藏着的零件之比做简单回归，调整后 R 方为 .472，p < .001，标准化系数为 .687。再加入其他预测变量，拟合并没有可靠地变好。作者还报告，熟悉程度和复杂度都没有预测这次下降。这是对 40 件物品的分析，不是给一个人打的分。
3

原因上的下降大，脚本上则不然

研究 7 到 10 保持“先评分、再产出”的设计，换的是知识种类。52 名本科生评定自己对 48 个国家首都的了解，然后写出其中 24 个。下降是真的，而且小于装置：时间与领域的交互，F(1, 147) = 15.471，p < .001，对照的是合并后 97 人的装置样本。37 人写下程序，没有可靠的下降，F(2, 70) = 1.598，p = .210。39 人写下自己看过的电影情节，时间 1 与时间 2 没有可靠差异，与装置的对照是 F(1, 134) = 6.146，p < .014。31 名耶鲁本科生解释自然现象，下降很大，F(4, 112) = 73.698，p < .001，与装置没有可靠差别。效度错觉是另一种过度自信，说的是一个判断看上去站得住。它不是这里的领域分裂。
4

预先警告压不下第一次评分

研究 6 在任何评分之前告诉 31 名耶鲁本科生：他们必须写下解释并回答诊断问题。下降仍然可靠，F(4, 116) = 44.11，p < .001。与研究 1 和研究 2 相比，时间与研究的交互显著，F(3, 234) = 4.119，p = .007。作者说，错觉变小是因为后来的评分更高，不是因为第一次评分下降。在这项研究里，被告知“要考试了”并不是开头那份信心的解药。

​
应用场景

下面四步把 2002 年的方法用在一条机制上。它们不是在说：写一段解释会改变一次投票、一门课的分数或一张维修账单。Philip Fernbach、Todd Rogers、Craig Fox 与 Steven Sloman 2013 年发表在《Psychological Science》24 卷第 6 期、第 939–946 页的论文，常被引来说明“请人解释一项政策”。那份 PDF 没有打开，因此这里不用它的设计和数字。

评审之前先把链写出来

在设计评审或你即将讲的一课之前，按一个原因接着一个原因，写下系统如何产出结果。在第一个无法说明的环节停下。把那个环节当作问题带进会场。2002 年的装置任务是限时做这件事，不是请人列举装置好在哪里。

把会用和讲得清分开

在课堂上、学徒期或入职第一个月，请学习者解释自己已经会操作的机制。拉链和马桶是故意选成熟悉的。会用，正是错觉出现的场景，不是反证。如果目标是学会，解释失败之后接上专家文本。在装置研究里，读完之后的理解评分上升了。

指出家里看不见的那一步

一家人确信自己懂供暖、管道，或孩子的用药安排时，问那个不在表面上的步骤：扳下手柄之后发生了什么，或者怎样才看得出一次剂量没有起作用。Rozenblit 与 Keil 的诊断问题就是这一类。看得见的手柄，正是他们后来的分析里容易和“已经记住的知识”搞混的那种零件。这是一个问题，不是关于家庭的发现。

不要把价值评成机制

在公共场合，把“我出于公平而坚持这一点”和“我能说出杠杆如何产出结果”分开。2002 年的研究没有检验政策。它们确实表明，像电影情节这样的故事式叙述，没有产生机制所产生的下降。链若卡住，卡住的是机制上的缺口。它不为价值打分，也不为人打分。

​
经典案例

2002 年，Rozenblit 与 Keil 报告了前两项装置研究，以及后来由别人给书面解释打分的核对。 研究 1 用了耶鲁若干学系的十六名研究生。每人给 48 个项目打分，大约十分钟，然后解释四件装置。八人解释速度表、拉链、钢琴键和抽水马桶。八人解释弹子锁、直升机、石英表和缝纫机。几乎所有人在必须解释、回答诊断问题、并把自己的说明与专家文本对照之后，都降低了估计。对五次评分的重复测量检验给出 F(4, 56) = 16.195，p < .001，eta 方 = .536。时间 1 对时间 2、时间 3、时间 4 的计划比较，各自在 p < .002 上显著。时间 2 与时间 3、时间 2 与时间 4 没有可靠差异。专家文本之后，时间 5 上升：它与时间 4、3、2 的比较各自在 p < .003 上显著。这次上升是论文的证据：人并不是在一条越来越没信心的滑坡上。事后访谈里，许多人说自己感到意外。有几人坚持，换另一组项目自己会好得多。两组总体并无差异。 研究 2 用 33 名耶鲁本科生重复了程序。时间效应再次显著，F(4, 124) = 38.9，p < .001。与研究 1 的时间乘研究交互不显著，F(4, 188) = .462。作者说，方向上本科生的错觉如果有差别，是略强一些，而这一差别并不显著。 研究 5 问的是：下降到底是更准了，还是仅仅更谨慎了。十二名与研究 2 同一来源的耶鲁本科生，为全部 33 份书面解释打分，读专家文本之前一次，之后一次。这些独立评分显著低于写作者本人在时间 1 和时间 2 的评分，两处都是 p < .001，并且与写作者在时间 3 和时间 4 的评分没有显著差别。相关与较晚的自评排得更齐，而不是与第一次。论文的读法是：人变得更校准了，不是仅仅更不愿意显得有把握。 教训在于这次校准的形状。熟悉装置的第一次评分，发生在任何解释之前，既高于写作者后来的评分，也高于陌生人对这段文字的评分。读过专家说明，并没有把“先前知识”的第一次评分救回来，却提高了“读完之后自己知道多少”的评分。这些 F 检验属于那些耶鲁样本和那些项目。它们不是职场、学校、家庭或另一年的错误率。

​
边界与失效场景

解释深度错觉作为口号，会在三处失效。 第一，它不是知识的普遍属性。程序没有下降。电影情节从时间 1 到时间 2 没有下降。首都的下降小于装置。把这个名字用在一道冷知识、一份忘掉的菜谱，或一段含糊的电影复述上，就越过了研究 7 到 9。自然现象确实下降了。论文里“装置比这些现象下降更大”的趋势只是边缘显著，F(3, 279) = 2.612，p < .07。不要把这个趋势变成“只有机器才产生错觉”的规则。 第二，样本又小又局部，而且有一处对比和“精英更自负”的常见故事相反。研究 3 在一所地区性、非选拔性的州立大学测试了十六名研究生和本科生，刺激与研究 1、研究 2 相同。论文用来表示选拔程度的指标，是数学加语言的 SAT 大约平均 1500（耶鲁）对大约 960（该校）。这些数字是论文自己的，不是后来的官方表。时间效应显著，F(3, 42) = 23.557，p < .001。对照合并后的 49 名耶鲁被试，校园的主效应不显著，F(1, 63) = .750，p = .390，校园与时间的交互显著，F(4, 252) = 3.874，p = .005。论文说，交互主要落在后面的步骤，而且地区校园的错觉更大，主要因为那些学生的第一次评分高出将近一分。“将近一分”是论文对其图的描述。图上的均值没有印在正文里，所以这里也不印。不要把这个差距、SAT 的约数，或本页任何一个 F，外推到一所学校、一个招聘池或另一年。 第三，常见的误用是把卡住的解释当成判决。研究 11 问 24 名耶鲁本科生：若不得不承认自己不懂，会有多难堪。装置的难堪最低，过度自信最高。电影情节的难堪最高，时间 1 到时间 2 没有下降。这个次序不利于“人会吹嘘任何显得有面子的知识”。拉链解释卡住，不是智力的度量，也不是跳过专家文本的理由。时间 5 在那段文本之后上升了。作者也没有检验他们文末的预测：经常做解释的人，例如教师，错觉会更小。那句话是预测，不是结果。

​
常见误区

三个捷径，把一次特定的评分下降变成了对人的评判。
天天在用，正是这些刺激的用意。拉链、马桶和手表被选中，是因为解释它们不需要专门训练。被试写下步骤之后，评分仍然下降。知道功能，或知道操作它的那一串动作，是作者列出的混淆之一。会操作，说明你能使唤这件装置。它不是他们证明已经校准的那次评分。
2002 年的论文把 Kruger 与 Dunning（1999）引为相对他人的能力过度自信，把 Fischhoff 一脉引为年鉴题目上的过度自信。然后它论证，深度错觉是分开的，因为下降随知识种类而变。程序和叙述没有出现。事实出现得更小。一个笼统的过度自信效应分数装不下这个分裂。说错觉只属于低技能的人，也装不下。研究 3 的方向，在十六人的样本里，与“自负的是精英”相反，而这个样本也小到不足以立一条新规则。
研究 6 在第一次评分之前加上了这句警告。第一次评分并没有下降。下降变小，是因为后来的评分维持得更高。课纲上写一句“你必须解释这个”，在这份证据上不能代替解释本身。研究 5 的独立评分者，才把下降系到写出来的文字上，而不是系到实验者面前的谨慎心情上。

​
相关概念

这六页挨着解释深度错觉。每一页都是另一种错。

过度自信效应

一大类发现：信心跑在命中率前面。2002 年的论文把解释深度看作这一类里的一片，而且在不同知识上大小不同。

达克效应

相对别人高估自己的能力，也就是 Kruger 与 Dunning 测量的那种比较。2002 年导言把它当作邻居，不是这项评分任务。

知识的诅咒

难以放下自己已经知道的事实。解释深度是相反的失误：没有察觉自己以为知道的机制有多薄。

效度错觉

因为一小撮线索凑在一起，就确信一个判断站得住。对象不同于一条你还没写下来的因果链。

谷歌效应

当人预期信息会留在头脑之外，就记得更少。这与借来的知识有关，但不是 2002 年那个发现：把看得见的机制误当成已经储存的机制。

功能固着

卡在物件的一种熟悉用途上。这是看不见另一种功能，不是讲不出通常功能的机制。

​
一句话总结

在说自己知道它如何运作之前，先把因果步骤写下来，并把第一个接不上的环节当作错觉的大小，而不是对人或对目标的判决。