2022-08-17 13:46:58
شرط بندی خوب و شرط بندی باینری چگونه است؟
تفکر باینری چیست؟
تفکر دودویی شامل مرتب سازی اطلاعات به گزینه های متقابل منحصر به فرد است و متفاوت تر از تفکر کامپیوتری با کد باینری است. باینری یعنی یا ۱ یا ۰ و تنها دو گزینه وجود دارد. هیچ منطقه خاکستری وجود ندارد.
بسیاری استدلال می کنند که انسانها بصورت غریزی اطلاعات را از این طریق سیستم نظامند مرتب می کنند، و به طور طبیعی به روش دودویی فکر می کنند. برای انسانهای بدوی این منطقی بود. نوعی قضاوت که برای زنده ماندن باید انجام می شد ، چنین طرز تفکری را به خوبی می توان مورد بررسی قرار داد، خصوصاً وقتی که تصمیم گیری سریع انجام شود. تصمیماتی از قبیل این که آیا در بوته حیوان درنده ای وجود دارد یا خیر این تصمیمات اکثراً تصمیماتی مرگباری را ایجاد می کند.
پاداش ارائه شده با صرف زمان ارزشمند برای سنجش اطلاعات موجود (در حالی که یک شکارچی می تواند آماده حمله شود) می تواند سبب کاهش میزان ریسک شود. در این نوع تفکر می توان این گونه برداشت کرد که آیا در بوته زار حیوان درنده ای وجود دارد یا خیر؟ آیا می توان از خطر گریخت. این یک روش منطقی است.
ریچارد داوکینز ادعا می کند راه حلهای مستقیم یا مثبت برای دسته بندی منظم اطلاعات “استبداد ذهن ناپیوسته” وجود دارد. وی پیشنهاد می کند که مردم به دنبال اطمینان از طبقه بندی هستند زیرا تفکر باینری برای مغز بسیار ساده تر است ، همانطور که اجداد دور ما فکر می کردند ، نه اینکه سایه های (مناطق) خاکستری را بین دو نتیجه در نظر بگیرند.
تعصب دودویی: رتبه بندی coffein و
YouTube
تصمیم گیری باینری چگونه بر نحوه پردازش اطلاعات تأثیر می گذارد؟
فیشر و کیل برای تعیین این موضوع مطالعاتی درباره آنچه آنها “تعصب باینری” نامیدند، انجام دادند. برای این مطالعات، قبل از اینکه بخواهند خلاصه ای از شواهد را ارائه دهند و نتیجه ای را بدست آورند برداشت کلی خود را در خصوص این موضوع به مخاطبان خود ارائه کردند.
به عنوان مثال، اگر افراد در حال ارزیابی داده های مطالعات مختلف در مورد بررسی رابطه بین کافئین و سلامتی هستند، بدون توجه به قدرت نسبی شواهد، داده ها را به سرعت طبقه بندی می کنند تا مشخص شوند که دارای اثر هستند یا خیر.
به طور کلی آنها دریافتند که: “در طیف گسترده ای از زمینه ها، هنگام جمع بندی شواهد، مردم تعصب باینری از خود نشان می دهند: تمایل به اعمال تمایزهای قاطع بر داده های مداوم. شواهد به دسته های (گروه های) گسسته فشرده می شوند و تفاوت بین دسته ها ، قضاوت کلی را تشکیل می دهد. “
به عبارت دیگر ، شرکت کنندگان تمایل داشتند که قدرت نسبی شواهد ارائه شده به آنها را نادیده بگیرند، 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 ها از بین رفت. در کل، یک نتیجه گیری با احتمال ۲۵٪ در یک جهت به سادگی با تمام نتیجه گیری هایی که بدون توجه به قدرت به آن سمت متمایل شده اند، جمع شد. پردازش داده ها را برای آزمودنی ها آسان تر می کند اما به این معنی است که از ارزش اطلاعات کاسته می شود.
YouTube در حالی که سعی در اصلاح سیستم رتبه بندی خود برای ویدیوها داشت ، این مورد را کشف کرد. از آنجا که اکثریت قریب به اتفاق آرا مربوط به یک ستاره یا پنج ستاره بود، رتبه بندی آنها بی اثر بود.
این نتیجه تصمیم گیری باینری بود. اگر کاربر ویدیو را دوست دارد، آن را به عنوان پنج دسته بندی می کند، در حالی که اگر فیلم را دوست ندارد، آن را به عنوان یک ویدیو طبقه بندی می کند. تمام اطلاعات موجود در میان این دو دسته گسسته از بین رفته بود. این امر منجر به تغییر YouTube به یک سیستم ساده شد.
پیامد نتیجه
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 وجود دارد.
از نظر شرط بندی کننده بی تجربه، شرط بندی خوب شرط پیروزی است. شرط بندی بد شرطی است که ببازد. درک این دو دسته آسان است و بدون این که درک خوبی از تفاوت های ظریف در شرط بندی داشته باشید، باید برای افراد قابل درک باشد.
این کاملاً نادرست است. شرط برنده می تواند یک شرط وحشتناک باشد در حالی که بهترین شرط بندی که تا به حال انجام شده است بازنده بوده است. با طبقه بندی شرط بندی به این روش ساده، تمام اطلاعات مفید از بین می روند.
همیشه در اوج با حمایت شما عزیزان
@IranBetnews
98 views10:46