Dunning–Kruger Effect

In de oorspronkelijke studies overschatte het kwart deelnemers met de laagste prestaties zijn relatieve prestaties sterk. Populaire internetversies maken daarvan vaak de veel hardere bewering dat onbekwame mensen per definitie niet weten dat ze onbekwaam zijn.

Mensen kunnen hun eigen prestaties verkeerd inschatten, maar de grootte van het effect en het bekende patroon per kwartiel zijn omstreden. Analyses die alternatieve verklaringen meenemen vinden uiteenlopende resultaten, waaronder kleine resterende effecten.

Beperkt inzicht in de eigen kennis kan samenhangen met vaardigheid. Alternatieve verklaringen zijn meetfouten, regressie naar het gemiddelde, de neiging zichzelf bovengemiddeld te vinden en wiskundige afhankelijkheid tussen de gebruikte maten.

Te onderzoeken AI-toepassing: prestaties met hulp, eigen vaardigheid en zelfvertrouwen kunnen door AI verder uit elkaar komen te liggen. Dat maakt versterking van een bestaand mechanisme onderzoekbaar. Overmatig stellige antwoorden van een taalmodel mogen niet zonder een vergelijkbaar mechanisme ‘Dunning–Kruger’ worden genoemd.

Voorgestelde toets, nog niet uitgevoerd: vergelijk werken zonder AI, AI die antwoorden geeft, AI die analyse ondersteunt en AI die expliciet terugkoppelt welke prestaties met en zonder hulp tot stand kwamen. Toets later de zelfstandige toepassing op een nieuwe taak. Vergelijk de analyse met simulaties waarin meetruis en de analysemethode hetzelfde patroon kunnen veroorzaken.

Onderzoek eerst of een passend nulmodel het waargenomen patroon kan voortbrengen. Dat helpt onderscheid maken tussen een psychologisch effect en een gevolg van meting of analyse.

Vergelijk continue vaardigheid en zelfbeoordeling met een passend nulmodel dat meetruis en dezelfde analysemethode bevat. Gignac & Zajenkowski (2020) en Dunkel et al. (2023) ondersteunen verschillende begrensde conclusies; de discussie is niet afgesloten.

Gignac & Zajenkowski (2020), Intelligence 80, 101449 — Printed pp. 3, 6–8: Fig. 1 and §§1.3–1.4; results; §§4.2–4.3 and conclusion.

Dunkel, Nedelec & van der Linden (2023), Intelligence 96, 101717 — Printed pp. 2–4 (PDF pp. 3–5): §§2–4; Table1; footnotes6–7.

Gignac en Zajenkowski (2020) en Dunkel et al. (2023) leveren verschillende, begrensde uitkomsten. Supplementen en ruwe gegevens zijn hier niet onafhankelijk heranalyseerd; ook de oorspronkelijke studies uit 1999 zijn niet volledig beoordeeld. De AI-toepassing blijft een hypothese.