Euristiche di giudizio

!

Le euristiche legate alla componente del giudizio sono impiegate per risolvere problemi di previsione: alcune tra le difficoltà maggiori per le facoltà intellettive umane emergono nelle decisioni adottate in !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

200 _{Per entrambe le affermazioni si rinvia a R. KOROBKIN, The Problems with}

Heuristics for Law, UCLA School of Law, Law & Economics Research Paper No. 04-1, 2004, p. 3.

201 _{Una presentazione lineare in R. CATERINA, Psicologia della decisione,}

condizioni di incertezza, ossia quelle che presuppongono che sia oggetto di valutazione (tendenzialmente numerica) «the probability of

an uncertain event or the value of an unceirtain quantity»202.

Anche nelle situazioni in cui è possibile utilizzare strumenti statistici elementari, la probabilità che un evento futuro sia l’effetto di un altro o che un certo elemento appartenga ad una certa classe è calcolata affidandosi all’euristica della rappresentatività, per la quale il risultato è ricavato sulla base di quanto l’evento considerato sia rappresentativo della sua causa ovvero dell’insieme cui deve essere ricondotto. L’errore si nasconde nella presunzione di regolarità che si istituisce al solo ricorrere di una situazione di similitarità, senza la dovuta considerazione di altri fattori che incidono in modo rilevante sulla probabilità: gli studi dimostrano che gli individui tendono ad ignorare un elemento cruciale come la dimensione del campione e, fraintendendo il funzionamento del relativo meccanismo, sono propensi a credere che le caratteristiche statistiche di un processo non siano presenti solo nell’intera sequenza di risultati, ma anche a livello di ogni sua parte, per quanto piccola203.

Una prima notazione interessante si coglie in riferimento alla dimostrata insensibilità per la distribuzione a priori: da un punto di vista razionale, questo dato dovrebbe avere un ruolo primario nel calcolo delle probabilità e, in effetti, gli individui vi fanno naturalmente ricorso per risolvere un quesito statistico quando non dispongono di ulteriori informazioni. Tuttavia, le stime (nel caso specifico, circa l’appartenenza di un soggetto ad una categoria) si discostano dalle precedenti non appena viene introdotto un ulteriore elemento descrittivo dell’oggetto della valutazione, anche laddove esso !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

202 _{A. TVERSKY–D. KAHNEMAN, Judgement under Uncertainty: Heuristics}

and biases, in Science, 1974, v. 185, p. 1124.

è formulato in modo tale da non presentare alcun contenuto informativo. Logicamente tali condizioni avrebbero dovuto condurre a risultati non dissimili dai primi, ma l’aggiunta di un nuovo dato, sotto forma di descrizione, innesca l’euristica della rappresentatività, che vi associa la classe qualitativamente più affine (e non quella statisticamente più probabile). In definitiva, se ne ricavano alcune considerazioni embrionali ma alquanto interessanti.

Da un lato, un’informazione più specifica è in grado di far passare in secondo piano l’esistenza di dati, sebbenne con essa contrastanti, di validità generale: pertanto, se la stima della probabilità di un evento dipende principalmente dalla rappresentatività dei dati conosciuti (input) rispetto al dato ignoto (output), una forte evidenza, anche a fronte di una scarsa affidabilità dei primi, produce un bias di ingiustificata convinzione dell’accuratezza della previsione (c.d.

illusion of validity)204.

Dall’altro, soprattutto, dalla casistica cui si accennava sopra, la semplice presentazione di informazioni, a prescindere dal loro contenuto, è idonea ad alterare il comportamento dei destinatari, dal momento che «people react differently when given no evidence and when given worthless evidence»205.

Un insieme di euristiche affine alla precedente per la funzione di agevolare la stima di quantità, statistiche ma non solo, è costituito dell’ancoraggio e dell’accomodamento. Nello svolgere il compito di previsione, i soggetti individuano prima un valore iniziale come punto di riferimento, al quale ricorrono in modo autonomo o che può essere loro fornito dall’esterno, poi muovono da esso verso il risultato del giudizio probabilistico per via di graduali aggiustamenti numerici: !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

204 _{A. TVERSKY–D. KAHNEMAN, Judgment under Uncertainty, cit., p. 1126;}

R. VIALE, Quale mente per l’economia cognitiva, p. 4.

tuttavia, è acquisito che la stima finale è insufficiente, in quanto troppo legato al valore originariamente fissato.

L’ancoraggio può spiegare la tendenza a sopravvalutare la probabilità degli eventi congiunti (la probabilità che, dati due o più eventi, ciascuno di essi si verifichi) e a sottovalutare quella degli eventi disgiunti (la probabilità che, dati due o più eventi, se ne verifichi almeno uno). Solitamente, infatti, gli individui identificano il punto di partenza nel valore associato alla probabilità che si verifichi il singolo singolo, c.d. elementare, e, poiché gli accomodamenti successivi non si discostano comunque in misura sufficiente da tale valore, essi tendono a raggiungere risultati errati: la probabilità di eventi congiunti è sempre inferiore all’evento elementare, così come quella di eventi disgiunti è superiore ad esso, di una differenza che la mente, ancorata alla stima iniziale, non riesce a colmare.

L’euristica ora descritta trova applicazione nella formulazione di un programma di azioni, nella valutazione dei rischi associati ad una catena di eventi, ma anche, in termini più strettamente economico- giuridici, nel caso della trattativa sul prezzo di un bene o in quello, meno banale, della liquidazione del danno da lesioni personali in presenza di un sistema di limiti o tabelle: in quest’ultimo caso, ad esempio, oltre che dal punto di vista consueto dell’impresa di assicurazione, un tetto massimo alla pretesa del danneggiato può essere inteso, nella prospettiva di quest’ultimo, come un elemento a proprio favore, poiché determina nel giudice (figura professionale nondimeno soggetta ad euristiche come l’ancoraggio e ai relativi bias) la tendenza ad aggiustare verso tale soglia anche i risarcimenti che, in ipotesi, sarebbero stati molto inferiori206.

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

206 _{Esempio proposto in D. KAHNEMAN, Thinking, Fast and Slow, Penguin}

In questo meccanismo si trova una conferma di quanto visto sopra a proposito delle stime probabilistiche: può accadere che un messaggio, anche ove non coerente, inattendibile o irrilevante rispetto al contesto delle informazioni razionalmente necessarie per il giudizio, ne venga incorporato e ne costituisca la base stessa, con evidenti effetti distorsivi207. Si tratta, in definitiva, della prova dell’esistenza dell’euristica, che permette di formulare stime e valutazioni, utili sia pure in parte scorrette, anche in presenza di dati poco numerosi e qualitativamente scadenti.