Merci, l'article est assez clair et facile à lire :). Spoiler: le papier d'origine de Dunning-Kruger s'appuie sur un artefact statistique grossier, et cela a déjà été démonté dans des papiers plus sérieux (mais personne n'en parle).
J'aime bien la conclusion :
the paper’s title may still be appropriate. It’s just that it was the authors (not the test subjects) who were ‘unskilled and unaware of it’.
(Le titre de l'article serait encore correct. Cependant, ce sont les auteurs (et non les personnes testées) qui seraient "incompétents et inconscientes de l'être".)
Je ne suis pas convaincu par l'argument de l'auteur. Prenons le cas qu'il considère où les scores sont décorrélés de l'estimation que les participants ont de leur compétences. L'auteur dit qu'il n'y a pas (ne devrait pas avoir ?) d'effet Dunning-Kruger dans ce cas.
On est donc dans un cas où les incompétents se jugent en moyenne aussi bon que les compétents (et vice-versa), et il n'y aurait rien à voir ? C'est justement le fait que les personnes n'arrivent pas à estimer leur compétence qui est l'effet surprenant ici.
Bon, en fait, je me rend compte que pas mal de commentaires sous le post original font le même genre de remarque, parfois plus détaillées. Je vais donc abréger.
Mais mentionnons que la page Wikipedia anglaise sur l'effet Dunning-Kruger liste beaucoup de critiques de l'effet Dunning-Kruger (notamment la régression à la moyenne), mais à aucun moment l'autocorrelation n'est mentionnée.
Donc, avec un jeu de données aléatoire, on voit que la courbe d’auto-évaluation est pratiquement plate.
Ce qui est normal, et est induit par l’algo de génération des valeurs aléatoires qui va chercher à faire une répartition statistique équilibrée. C’est le but de la plupart de ces algos.
Du coup le graphique se lit comme suit : quel que soit leur résultat réel, pour chaque quartile on va se retrouver à la même auto-évaluation moyenne.
Ce qui en soit dans la vraie vie serait une découverte incroyable. La courbe de l’étude initiale elle dit autre chose : elle suit la courbe initiale en s’en éloignant aux deux extrémités.
Bref à mon sens c’est la critique qui est à côté de la plaque, pas l’étude initiale à qui on peut seulement reprocher de s’appuyer sur un graphique peu lisible.
L’erreur principale étant de penser que des données « aléatoires » (qui donc ne le sont jamais vraiment) étaient forcément neutres en terme de signification.
# intéressant
Posté par THE_ALF_ . Évalué à 3.
Merci, l'article est assez clair et facile à lire :). Spoiler: le papier d'origine de Dunning-Kruger s'appuie sur un artefact statistique grossier, et cela a déjà été démonté dans des papiers plus sérieux (mais personne n'en parle).
J'aime bien la conclusion :
(Le titre de l'article serait encore correct. Cependant, ce sont les auteurs (et non les personnes testées) qui seraient "incompétents et inconscientes de l'être".)
[^] # Re: intéressant
Posté par Big Pete . Évalué à 5. Dernière modification le 28 novembre 2023 à 10:28.
Si ça se trouve, les auteurs de l'article d'origine ont été victime d'un effet Dunning-Kruger.
(Zut lu trop vite la conclusion de l'article, et c'est la même blague en fait).
Je me suis auto Dunning-Krugerisé.
Faut pas gonfler Gérard Lambert quand il répare sa mobylette.
[^] # Re: intéressant
Posté par danarmk . Évalué à 1.
Warning : not an expert
Je ne suis pas convaincu par l'argument de l'auteur. Prenons le cas qu'il considère où les scores sont décorrélés de l'estimation que les participants ont de leur compétences. L'auteur dit qu'il n'y a pas (ne devrait pas avoir ?) d'effet Dunning-Kruger dans ce cas.
On est donc dans un cas où les incompétents se jugent en moyenne aussi bon que les compétents (et vice-versa), et il n'y aurait rien à voir ? C'est justement le fait que les personnes n'arrivent pas à estimer leur compétence qui est l'effet surprenant ici.
Bon, en fait, je me rend compte que pas mal de commentaires sous le post original font le même genre de remarque, parfois plus détaillées. Je vais donc abréger.
Mais mentionnons que la page Wikipedia anglaise sur l'effet Dunning-Kruger liste beaucoup de critiques de l'effet Dunning-Kruger (notamment la régression à la moyenne), mais à aucun moment l'autocorrelation n'est mentionnée.
# The Dunning-Kruger Effect ...
Posté par AncalagonTotof . Évalué à 2.
… on Elm Street ?
# Interessant mais ne remet pas en cause le papier initial
Posté par Dring . Évalué à 2.
Donc, avec un jeu de données aléatoire, on voit que la courbe d’auto-évaluation est pratiquement plate.
Ce qui est normal, et est induit par l’algo de génération des valeurs aléatoires qui va chercher à faire une répartition statistique équilibrée. C’est le but de la plupart de ces algos.
Du coup le graphique se lit comme suit : quel que soit leur résultat réel, pour chaque quartile on va se retrouver à la même auto-évaluation moyenne.
Ce qui en soit dans la vraie vie serait une découverte incroyable. La courbe de l’étude initiale elle dit autre chose : elle suit la courbe initiale en s’en éloignant aux deux extrémités.
Bref à mon sens c’est la critique qui est à côté de la plaque, pas l’étude initiale à qui on peut seulement reprocher de s’appuyer sur un graphique peu lisible.
L’erreur principale étant de penser que des données « aléatoires » (qui donc ne le sont jamais vraiment) étaient forcément neutres en terme de signification.
Suivre le flux des commentaires
Note : les commentaires appartiennent à celles et ceux qui les ont postés. Nous n’en sommes pas responsables.