Dunning-Kruger Effect शायद सच नहीं है — और ये रहा क्यों

Dunning-Kruger Effect शायद सच नहीं है — और ये रहा क्यों

आप वो चार्ट जानते हैं। जिसमें कॉन्फिडेंस सीधा “माउंट स्टूपिड” की चोटी पर चढ़ता है, फिर “डिस्पेयर की घाटी” में गिरता है, और फिर “एनलाइटनमेंट की ढलान” पर चढ़ने लगता है। यही चार्ट आपके बॉस को समझाता है, फेसबुक पर आपके अंकल को समझाता है, और उस आदमी को भी समझाता है जो ऑफिस वाले प्रिंटर को मारकर ठीक करने की कोशिश कर रहा था। डनिंग-क्रूगर इफेक्ट इंटरनेट ज़माने के सबसे ज़्यादा कोट किए जाने वाले मनोविज्ञान के कॉन्सेप्ट्स में से एक बन गया है।

अब सबसे awkward हिस्सा आता है: डनिंग-क्रूगर इफेक्ट शायद सच नहीं है।

कम से कम उस तरह से नहीं, जिस तरह हम समझते हैं। रिप्लिकेशन स्टडीज़, सांख्यिकीय री-एनालिसिस और सामान्य समझ की बढ़ती हुई फेहरिस्त यह बताती है कि प्रसिद्ध “unskilled and unaware” वाला नतीजा ज़्यादातर मूल अध्ययन के तरीके में छिपा एक गणितीय भ्रम है। मुझे पता है, ये सुनने में अजीब लगता है। ये सच जैसा लगता है। यही वजह है कि ये इतना चिपका हुआ है। लेकिन एक इंसान के तौर पर जो टेक, प्रोडक्टिविटी और इंसानों के गड़बड़ फैसलों के बारे में लिखता है, मैं समझता हूँ कि हमें इस मीम को रिटायर कर देना चाहिए और इसकी जगह कुछ और काम की चीज़ रखनी चाहिए।

चलिए, मैं समझाता हूँ कि डनिंग और क्रूगर ने असल में क्या पाया था, ये नतीजा जाँच में क्यों बिखर जाता है, और जब कोई गलत बात बोले तो उसे “Dunning-Kruger” कहकर नज़रअंदाज़ करने की बजाय आपको क्या करना चाहिए।

मूल अध्ययन, एक पैराग्राफ में

1999 में, मनोवैज्ञानिक जस्टिन क्रूगर और डेविड डनिंग ने चार अध्ययन किए। इनमें प्रतिभागियों को हास्य, व्याकरण और तर्कशक्ति के टेस्ट देने थे। साथ ही उन्हें यह अंदाज़ा लगाना था कि बाकी लोगों के मुकाबले उन्होंने कितना अच्छा प्रदर्शन किया।

नतीजों ने वही चीज़ दिखाई जो बाद में किंवदंती बन गई: जो लोग सबसे निचले 25% में थे, उन्होंने सोचा कि वे औसत से बेहतर हैं — कई बार तो बहुत ज़्यादा बेहतर। वहीं, जो लोग ऊपर के 25% में थे, उन्होंने अपने आपको थोड़ा कम आंका। शोधकर्ताओं ने इसे अक्षमता का “double curse” कहा: अगर आपमें कौशल नहीं है, तो आपमें यह देखने की क्षमता भी नहीं है कि आपमें कौशल नहीं है। और इस तरह जन्मा डनिंग-क्रूगर इफेक्ट।

इसने इंसानी स्वभाव की कोई सच्ची बात पकड़ी थी, कम से कम हम तो यही सोचते रहे। समस्या यह है कि यह नतीजा कोई मनोवैज्ञानिक खूबी नहीं है। यह एक सांख्यिकीय कलाकृति हो सकती है।

वो गणित जो इस इफेक्ट को खत्म कर देता है

सेल्फ-असेसमेंट के बारे में एक बात समझिए: यह बहुत शोरगुल भरा होता है। जब आप अपनी काबिलियत खुद आंकते हैं, तो उस नंबर में बहुत सी चीज़ें शामिल होती हैं — आपका मूड, आपकी याददाश्त, आप अपने आपको कितना स्मार्ट समझते हैं, दूसरों ने आपकी कितनी तारीफ़ की, और हाँ, आपने दूसरी कॉफ़ी पी या नहीं। प्रदर्शन के आँकड़े भी शोरगुल भरे होते हैं। हो सकता है आपकी किस्मत अच्छी रही हो, हो सकता है आपने एक सवाल गलत पढ़ लिया हो, हो सकता है आप नींद में थे।

अब ज़रा सोचिए। आप एक टेस्ट लेते हैं, प्रदर्शन स्कोर इकट्ठा करते हैं, और फिर लोगों को सिर्फ इन अधूरे स्कोर के आधार पर “सबसे निचला हिस्सा” और “सबसे ऊपरी हिस्सा” में बाँट देते हैं। फिर आप इन दोनों समूहों की तुलना उनकी अपनी सेल्फ-असेसमेंट से करते हैं।

सांख्यिकीय रूप से, सबसे निचले समूह में ऐसे लोग ज़्यादा होंगे जिनका असली टेस्ट स्कोर बदकिस्मती या शोर की वजह से नीचे गिरा था। उनकी सेल्फ-असेसमेंट, जो उनकी काबिलियत की एक बड़ी तस्वीर पर आधारित होती है, उनके टेस्ट स्कोर जितनी नीचे नहीं गिरेगी। इसलिए ऐसा लगेगा कि उन्होंने अपने आपको ज़्यादा आंका। ऊपरी समूह में इसका उल्टा होता है: इसमें ऐसे लोग शामिल होते हैं जिनके स्कोर किस्मत से ऊपर चले गए, इसलिए उनकी सेल्फ-असेसमेंट तुलनात्मक रूप से कम दिखती है। बस इसी से वो U-आकार की कर्व बन जाती है, जो डनिंग और क्रूगर ने पाई थी।

मनोवैज्ञानिक इसे “regression to the mean” कहते हैं। ये हर चीज़ में होता है: जब आप एक सीज़न में सबसे खराब फुटबॉल टीमें चुनते हैं, तो अगले सीज़न वे कोचिंग चाहे कुछ भी हो, बेहतर करती हैं। डनिंग-क्रूगर इफेक्ट इसी पैटर्न से ज़्यादा कुछ नहीं हो सकता — बस इसे लैब कोट पहना दिया गया और TEDx स्टेज पर बिठा दिया गया।

जब शोधकर्ताओं ने मूल डेटा को और सटीक सांख्यिकीय तरीकों से दोबारा परखा — यानी सिर्फ औसत देखने की बजाय समूहों के भीतर सेल्फ-असेसमेंट और प्रदर्शन के बीच संबंध को ध्यान में रखा — तो वो नाटकीय पैटर्न काफी हद तक गायब हो गया। 2020 में *Advances in Methods and Practices in Psychological Science* में छपे एक पेपर ने यही दिखाया। इसके बाद बड़े सैंपल और बेहतर डिज़ाइन वाले अध्ययनों में इस इफेक्ट के सबूत बहुत कमज़ोर मिले। कुछ अध्ययनों में तो यह रिप्लिकेट ही नहीं हो पाया।

लेकिन रुकिए, क्या लोग सच में सोचते नहीं कि वे जितने हैं उससे बेहतर हैं?

हाँ, ये सच है। ओवरकॉन्फिडेंस असली है। ढेर सारे शोध बताते हैं कि लोग अपने भविष्य के प्रदर्शन की भविष्यवाणी करने में बुरे होते हैं, हममें से ज़्यादातर लोग सोचते हैं कि वे औसत से बेहतर ड्राइवर हैं, और हम सब मानते हैं कि हम कमरे में मौजूद बाकी लोगों से ज़्यादा मज़ाकिया हैं। ये इफेक्ट — जिसे कभी-कभी “better-than-average bias” कहा जाता है — अच्छी तरह स्थापित है।

लेकिन ये डनिंग-क्रूगर इफेक्ट नहीं है। डनिंग-क्रूगर इफेक्ट खास तौर पर कहता है कि *सबसे कम सक्षम लोग* सबसे ज़्यादा ओवरकॉन्फिडेंट होते हैं। Better-than-average bias कहता है कि *हर कोई* हर चीज़ में थोड़ा ज़्यादा भरोसा रखता है। ये दोनों बिल्कुल अलग दावे हैं।

और “unskilled and unaware” वाला विचार भी उतना मज़बूत नहीं है, जितना सुनने में लगता है। हाँ, एक नौसिखिया रसोइया सोच सकता है कि उसका जला हुआ स्पेगेटी गज़ब का है। लेकिन नौसिखिया रसोइए के पास वो संवेदी ढाँचा ही नहीं होता कि “सही अल डेंटे” क्या होता है। यह कोई “संज्ञानात्मक पूर्वाग्रह” नहीं है। यह सिर्फ जानकारी की कमी है। जैसे ही कोई उन्हें फीडबैक देता है — “तुम्हारा पास्ता उछल सकता है” — वे आमतौर पर तुरंत अपडेट हो जाते हैं। असली डनिंग-क्रूगर यह भविष्यवाणी करता कि वे दिखाने के बाद भी अज्ञानता में अड़े रहते। लेकिन ज़्यादातर लोग अड़ते नहीं।

दूसरे शब्दों में, डनिंग-क्रूगर इफेक्ट ने *गलत अंदाज़ा लगाने* को *अंदाज़ा लगाने में असमर्थ होने* समझ लिया होगा। ये दो बिल्कुल अलग समस्याएँ हैं।

हम इस इफेक्ट से इतना प्यार क्यों करते हैं?

क्योंकि यह एक सामाजिक हथियार है। “मुझे लगता है तुम्हारा तर्क कमज़ोर है और ये रहे सबूत” कहने की बजाय “ये तो लिटरली डनिंग-क्रूगर इफेक्ट है” कहना कितना आसान है? यह आपको बिना कोई मेहनत किए बहस जितवा देता है। साथ ही यह आपकी चापलूसी भी करता है। अगर आप मानते हैं कि अक्षम लोग अपनी अक्षमता से अंधे होते हैं, तो जाहिर है आप उनमें से एक नहीं हैं। आप चार्ट के ऊपरी हिस्से में हैं, टोपी सलामी के लिए तैयार है।

डनिंग-क्रूगर इफेक्ट दुनिया को साफ-सुथरे और बिना खतरे वाले तरीके से समझाता भी है। यह उस चिड़चिड़े सहकर्मी और ओवरकॉन्फिडेंट स्टार्टअप फाउंडर को नाम दे देता है। लेकिन एक बार जब आप सांख्यिकीय समस्याएँ देख लेते हैं, तो आप अनदेखा नहीं कर सकते।

मैं आपको तीन असल दुनिया के उदाहरण देता हूँ, जिनसे पता चलेगा कि ये क्यों मायने रखता है।

परिदृश्य 1: ग्रुप चैट का बहसबाज़

आपका कॉलेज का दोस्त वैक्सीन, या अर्थशास्त्र, या स्थानीय राजनीति पर एक ऐसी पोस्ट डालता है जो गलत है, और पूरे भरोसे के साथ गलत है। कोई जवाब देता है “Dunning-Kruger.” ये सटीक लगता है। लेकिन खुद से पूछिए: क्या आपका दोस्त “जिन्होंने कभी वैक्सीन पर राय रखी है” की सूची के सबसे निचले 25% में है? शायद नहीं। उसका भरोसा मीडिया की आदतों, इन्फ्लुएंसरों पर भरोसे और सामाजिक पहचान से आता है। यह “unskilled and unaware” नहीं है — यह प्रेरित तर्क है। और इसे डनिंग-क्रूगर कहने से बातचीत खत्म हो जाती है। आप यह समझने की कोशिश करना बंद कर देते हैं कि वे ऐसा क्यों मानते हैं, और उन्हें एक प्रयोगशाला के नमूने की तरह देखने लगते हैं।

परिदृश्य 2: वाइब-कोडिंग फाउंडर

मैं यह अपनी फ़ीड में हर समय देखता हूँ। कोई शख्स LLM की मदद से एक वीकेंड में ऐप बना लेता है। उसे पूरा भरोसा है कि ऐप प्रोडक्शन के लिए तैयार है। वह डिप्लॉय करता है। फिर एक सिक्योरिटी रिसर्चर को उसका डेटाबेस खुला मिलता है। क्या यह डनिंग-क्रूगर है? शायद नहीं। ज़्यादा संभावना है कि फाउंडर के पास कोई फीडबैक लूप ही नहीं था। उसने पहले कभी पेनेट्रेशन टेस्ट नहीं देखा था। उसे पता ही नहीं था कि उसे क्या नहीं पता। इसका इलाज उसका मज़ाक उड़ाना और 1999 का पेपर उद्धृत करना नहीं है। इलाज है उसे सिक्योरिटी स्कैनर, OWASP चेकलिस्ट, या एक सीनियर इंजीनियर भेजना जो कहे “चलो, इसे साथ मिलकर देखते हैं।”

अगर आप अपने अंधे धब्बों को जाँचने की आदत डालना चाहते हैं, तो जल्दी और बार-बार बाहरी सत्यापन लेने की कोशिश करें। कोड रिव्यू, A/B टेस्ट, यूज़र इंटरव्यू, यहाँ तक कि किसी और से बटन दबवाना। डनिंग-क्रूगर फ्रेमिंग की समस्या यह है कि यह आपको सोचने पर मजबूर करती है “ये इंसान कभी नहीं सीखेगा,” जिससे आप उस हिस्से को छोड़ देते हैं जहाँ आप उसे सीखने में मदद कर सकते थे।

परिदृश्य 3: आपके अपने कौशल

वो समय याद है जब आपको लगा था कि परीक्षा में एकदम टॉप मारा है, और फिर C आया था? डनिंग-क्रूगर इफेक्ट कहता है कि आप इतने बेवकूफ थे कि आपको पता नहीं था कि आप बेवकूफ हैं। लेकिन इसकी अधिक संभावना है कि आप अपने दिमाग में पूछे गए सवाल का नहीं, बल्कि अपने ही बनाए सवाल का जवाब दे रहे थे। आपने मिलता-जुलता कॉन्सेप्ट रटा था, इसलिए आपको समझ नहीं आया कि आप एक अहम हिस्सा भूल रहे हैं। यह कोई व्यक्तित्व दोष नहीं है। यह परीक्षा डिज़ाइन की असफलता है। जब उत्तर कुंजी आई, तो आपने शायद तुरंत समझ लिया। अगर आप सच में डनिंग-क्रूगर के जाल में फँसे होते, तो आप उत्तर कुंजी मानने से इनकार कर देते।

खुद की सेल्फ-असेसमेंट सुधारने के असली तरीके

अगर डनिंग-क्रूगर इफेक्ट सच नहीं है, तो आपको क्या करना चाहिए? बहुत कुछ।

कॉन्फिडेंस को एक परखने लायक दावे की तरह देखिए

जब आप सोचें “मैं इसमें अच्छा हूँ,” तो उसे एक ठोस दावे में बदलिए: “मैं इस काम को बिना बड़ी गलती के 3 घंटे में पूरा कर सकता हूँ।” फिर उसे जाँचिए। अपने असली नतीजे ट्रैक कीजिए। इससे अस्पष्ट आत्म-मूल्यांकन मापने लायक डेटा में बदल जाता है।

प्रेडिक्शन जर्नल रखिए

प्रेडिक्शन जर्नल आपके भरोसे को कैलिब्रेट करने के सबसे तेज़ तरीकों में से एक है। लिखिए कि आपको क्या होने वाला है, आपको कितना भरोसा है, और फिर नतीजा ट्रैक कीजिए। समय के साथ आप अपना कॉन्फिडेंस कर्व देख पाएँगे और उसे ठीक कर पाएँगे।

अगर और गहराई में जाना है, तो Good Judgment Open ([https://www.goodjudgment.io](https://www.goodjudgment.io)) आज़माइए, जहाँ आप अपने कॉन्फिडेंस लेवल के साथ असली दुनिया की भू-राजनीतिक घटनाओं की भविष्यवाणी करने का अभ्यास कर सकते हैं। Guesstimate ([https://www.getguesstimate.com](https://www.getguesstimate.com)) भी है, अगर आप जटिल फैसलों के लिए साधारण अनिश्चितता मॉडल बनाना चाहते हैं। (और हाँ, मुझे विडंबना का एहसास है: डनिंग-क्रूगर के कमज़ोर होने का सबसे अच्छा तरीकों में से एक है अपनी भविष्यवाणियों की सटीकता को निष्पक्ष रूप से मापना।)

अपने काम में फीडबैक लूप बनाइए

ओवरकॉन्फिडेंस बने रहने की सबसे बड़ी वजह समय पर फीडबैक न मिलना है। टेक में हमारे पास कंटीन्यूअस इंटीग्रेशन, कोड रिव्यू और इंसीडेंट पोस्टमार्टम होते हैं। इन्हें इस्तेमाल कीजिए। क्रिएटिव काम में ऐसे लोगों से रिव्यू लीजिए जो आपकी आलोचना करेंगे, चापलूसी नहीं। ज़िंदगी में उन लोगों से पूछिए जो आपके फैसलों से प्रभावित होते हैं। फीडबैक ही डनिंग-क्रूगर का इलाज है — और यह भी एक वजह है कि यह इफेक्ट शायद कोई स्थिर मनोवैज्ञानिक नियम नहीं है। यह ज़्यादातर जानकारी की कमी का लक्षण है।

प्रीमॉर्टम कीजिए

“इसे सफल बनाने के लिए मुझे क्या करना होगा?” पूछने की बजाय यह पूछिए: “अगर यह छह महीने में फेल हो गया, तो इसकी वजह क्या होगी?” जितने भी कारण दिमाग में आएँ, उन्हें लिखिए। इसके लिए यह ज़रूरी नहीं कि आपको पता हो कि आप क्या नहीं जानते; यह सिर्फ आपको असफलता के तरीकों की कल्पना करने पर मजबूर करता है। यह प्रोडक्ट डिज़ाइन में खूब इस्तेमाल होने वाला एक टीम एक्सरसाइज़ है, और यह किसी से यह कहने से कहीं बेहतर काम करता है कि “तुम डिस्पेयर की घाटी में हो।”

“Dunning-Kruger” को अपमान की तरह इस्तेमाल करना बंद कीजिए

यह मेरी सबसे व्यावहारिक सलाह है। यह वाक्यांश कुछ हल नहीं करता। अगर आपको लगता है कि कोई ओवरकॉन्फिडेंट है, तो उससे पूछिए: “0 से 100% के बीच आपको कितना भरोसा है?” फिर पूछिए: “कौन सा सबूत आपका मन बदल सकता है?” अगर वे जवाब नहीं दे पाते, तो आपके पास एक असली बातचीत है। अगर वे जवाब दे देते हैं, तो आप कुछ सीख सकते हैं।

क्या इसका मतलब डनिंग-क्रूगर इफेक्ट कभी होता ही नहीं?

मैं साफ कर दूँ: *मूल विशिष्ट पैटर्न* — जिसमें सबसे निचला समूह हर क्षेत्र में बाकी सबसे ज़्यादा ओवरकॉन्फिडेंट होता है, वो भी लगातार U-आकार में — शायद सच नहीं है। लेकिन यह बड़ा विचार कि हम सबकी अपनी सोच में अंधे धब्बे हैं? यह पूरी तरह सच है। बस यह सिर्फ अक्षम लोगों की खासियत नहीं है। असल में, विशेषज्ञ भी अक्सर ओवरकॉन्फिडेंट होते हैं — कई बार नौसिखियों से ज़्यादा, क्योंकि वे इतना जानते हैं कि सोचने लगते हैं कि वे उन चीज़ों की भविष्यवाणी कर सकते हैं जो नहीं कर सकते।

यही वजह है कि डनिंग-क्रूगर इफेक्ट इतने लंबे समय तक टिका रहा। यह एक आरामदायक कहानी है। यह कहती है कि जिन लोगों को हम पसंद नहीं करते, उनमें भरोसा और क्षमता एक-दूसरे से उल्टे जुड़े होते हैं। लेकिन हकीकत उससे कहीं ज़्यादा साधारण है: हर किसी का अंदाज़ा अपूर्ण होता है, और इसे सुधारने का सबसे अच्छा तरीका फीडबैक, परीक्षण और विनम्रता है।

यहाँ तक कि “unskilled and unaware” शब्द को भी पलट देना चाहिए। जो लोग ओवरकॉन्फिडेंस से सबसे ज़्यादा पीड़ित होते हैं, वे वही हैं जिनकी मान्यताओं को कभी चुनौती नहीं मिली। जनरेटिव AI के ज़माने में, जहाँ हर कोई सॉफ्टवेयर बना सकता है लेकिन हर कोई उसे सुरक्षित नहीं कर सकता, यह पहले से कहीं ज़्यादा मायने रखता है। अगली बार जब कोई AI मॉडल पूरे भरोसे से आपको कुछ बताए, या कोई सहकर्मी अधूरा फीचर पूरे विश्वास के साथ शिप कर दे, तो मनोविज्ञान का लेबल मत ढूँढिए। कोई टेस्ट, कोई चेकलिस्ट और एक बातचीत कीजिए।

डनिंग-क्रूगर इफेक्ट शायद सच नहीं है, लेकिन जो नुकसान बिना जाँचा गया भरोसा पहुँचाता है, वह बिल्कुल सच है। आओ, लोगों का डायग्नोसिस करने में कम समय बिताएँ और ऐसी प्रणालियाँ बनाने में ज़्यादा, जो हमें ईमानदार बनाए रखें।

अक्सर पूछे जाने वाले सवाल

क्या डनिंग-क्रूगर इफेक्ट पूरी तरह फर्जी है?

“पूरी तरह फर्जी” नहीं — इस बात के सबूत मौजूद हैं कि लोग अपनी काबिलियत का अंदाज़ा लगाने में पूरी तरह सक्षम नहीं होते। लेकिन वह प्रसिद्ध U-आकार की कर्व, जिसमें सबसे खराब प्रदर्शन करने वाले सबसे ज़्यादा ओवरकॉन्फिडेंट होते हैं, टिक नहीं पाई। कई शोधकर्ता अब मानते हैं कि मूल नतीजा regression to the mean और शोर भरे मापों की वजह से बनी एक सांख्यिकीय कलाकृति थी।

डनिंग-क्रूगर इफेक्ट इतना सच्चा क्यों लगता है?

क्योंकि दुनिया भरोसे के साथ गलत लोगों से भरी है, और एक बार जब आप यह शब्द सुन लेते हैं, तो आप इसे हर जगह देखने लगते हैं। यह पुष्टि पूर्वाग्रह का एक रूप है। यह इफेक्ट आपको एक चापलूस मानसिक मॉडल भी देता है: आप सबसे निचले हिस्से में नहीं हैं, तो आप ज़रूर उन “बुद्धिमानों” में से एक होंगे जो खुद को कम आंकते हैं।

क्या मुझे “Dunning-Kruger effect” शब्द इस्तेमाल करना बंद कर देना चाहिए?

इस्तेमाल कर सकते हैं, लेकिन इसे निदान की तरह इस्तेमाल न करें। “यह क्लासिक डनिंग-क्रूगर केस है” कहने की बजाय कुछ ऐसा कहिए: “मुझे आश्चर्य है कि कौन सा फीडबैक या सबूत इनका मन बदल सकता है।” पहला वाक्य बातचीत खत्म करता है; दूसरा उसे शुरू करता है।

मैं अपने काम में ओवरकॉन्फिडेंस से कैसे बचूँ?

फीडबैक लूप बनाइए, अपनी भविष्यवाणियों को ट्रैक कीजिए, और बड़े फैसलों से पहले आलोचनात्मक समीक्षा लीजिए। लक्ष्य हर चीज़ पर संदेह करना नहीं है — लक्ष्य यह जानना है कि आप *कहाँ* अनिश्चित हैं। भरोसा ठीक है। बिना कैलिब्रेट किया भरोसा ही समस्या है।