Hvorfor vurderer erfarne klinikere så dårlig enda de - Universitetet i ...
Hvorfor vurderer erfarne klinikere så dårlig enda de - Universitetet i ...
Hvorfor vurderer erfarne klinikere så dårlig enda de - Universitetet i ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
14<br />
<strong>Hvorfor</strong> anven<strong>de</strong>r likevel eksperter slik ”<strong>dårlig</strong>” holistisk kunnskap? Vi har alle en<br />
sterk ten<strong>de</strong>ns til å se etter bekreften<strong>de</strong> informasjon (f.eks. Smedslund, 1963; Chapman &<br />
Chapman, 1969). Muligens <strong>de</strong>rfor har og<strong>så</strong> konfigurale regler en ten<strong>de</strong>ns til å utbro<strong>de</strong>res i<br />
ste<strong>de</strong>t for å forkastes, når <strong>de</strong> ikke passer med virkeligheten. Slike komplekse regler gir <strong>de</strong>ss-<br />
uten grunnlag for å generere mange prediksjoner og forklaringer, og eksperter har en ten-<br />
<strong>de</strong>ns til å forveksle høy "fruktbarhet" med stor nøyaktighet. Konfigurale regler er faktisk<br />
og<strong>så</strong> lette bå<strong>de</strong> å lære og bruke. Man slipper å vur<strong>de</strong>re og rangere data etter prediktiv verdi,<br />
og man unngår en kreven<strong>de</strong> vekting og kombinering av usikker informasjon. Reglene kan<br />
anven<strong>de</strong>s omtrentlig, og <strong>de</strong>t passer jo <strong>de</strong> fleste av oss.<br />
Camerer og Johnson (1991) setter erfaringene fra ekspertsystemfeltet opp mot<br />
erfaringene med enkle (regresjons)mo<strong>de</strong>ller, og konklu<strong>de</strong>rer slik: "The main lesson from the<br />
regression-mo<strong>de</strong>l literature is that large numbers of configural rules, which knowledge<br />
engineers take as evi<strong>de</strong>nce of expertise, do not necessarily make good predictions; simple<br />
linear combinations of variables (measured by experts) are better in many tasks" (s. 213).<br />
Denne forskningen ty<strong>de</strong>r alt<strong>så</strong> på at problemet med ekspertsystemer ikke er at <strong>de</strong> fungerer<br />
<strong>så</strong> forskjellig fra eksperter, men at <strong>de</strong> opererer for likt.<br />
Når kan enkle mekaniske rutiner erstatte "sofistikert" skjønn?<br />
Jeg vil nøye meg med å sammenfatte noen funn som indikerer bå<strong>de</strong> hvilke typer kliniske<br />
vur<strong>de</strong>ringer man bør tenke på å automatisere og hva man må vite for å utforme en enkel<br />
mekanisk rutine som vil "vur<strong>de</strong>re" bedre enn <strong>klinikere</strong>:<br />
- Mennesker har en unik evne til å se hva som er relevant informasjon i en situasjon,<br />
men vi har en meget begrenset evne til å integrere <strong>de</strong>n informasjonen som<br />
ligger i flere (unike) observasjoner (f.eks. Sawyer, 1966; Einhorn, 1972).<br />
- Informasjon ut over <strong>de</strong> 2-3 dataene med høyest prediktiv verdi resulterer i <strong>dårlig</strong>ere<br />
vur<strong>de</strong>ringer når informasjonen kombineres klinisk (skjønnsmessig), men<br />
øker samtidig eksperters egen tro på vur<strong>de</strong>ringenes kvalitet (f.eks. Oskamp,<br />
1965).<br />
- Når eksperter hev<strong>de</strong>r å ha brukt konfigural analyse for å nå bestemte vur<strong>de</strong>ringer,<br />
<strong>så</strong> har man stort sett alltid kunnet konstruere lineære mo<strong>de</strong>ller som a<strong>de</strong>kvat dupliserer<br />
ekspertenes vur<strong>de</strong>ringer (f.eks. Camerer, 1981).<br />
Dersom man a priori kan spesifisere hvilken type informasjon eller input som er mest rele-<br />
vant for å foreta en avgrenset vur<strong>de</strong>ring, <strong>så</strong> gir punktene ovenfor god grunn til å tro at man<br />
kan finne fram til en enkel formel som foretar en bedre integrering av input-informasjonen<br />
enn <strong>de</strong>t beslutningstakere er i stand til.