Gli esperti non sono sempre d'accordo tra loro quando fanno previsioni o diagnosi. Quindi, come possiamo scoprire quale esperto in un gruppo prende le decisioni migliori e più accurate? Un team interdisciplinare di ricercatori del Max Planck Institute for Human Development e del Leibniz Institute of Freshwater Ecology and Inland Fisheries ha sviluppato un metodo semplice per identificare gli esperti più accurati e lo ha testato con successo in vari gruppi. I loro risultati sono stati pubblicati in Progressi scientifici .

Una massa su una mammografia indica un cancro al seno? La Serbia entrerà a far parte dell'UE entro il 2025? Ci saranno più inondazioni in Germania tra cinque anni? Le diagnosi e le previsioni fatte dai medici, scienziati, e gli esperti hanno spesso conseguenze di vasta portata. E in molti casi, solo anni dopo è possibile dire quale esperto ha fatto la chiamata giusta più spesso.

Un team di ricerca interdisciplinare del Max Planck Institute for Human Development e del Leibniz Institute of Freshwater Ecology and Inland Fisheries ha sviluppato un nuovo metodo semplice che può essere utilizzato per identificare i migliori decisori da un gruppo di esperti senza dover sapere se i loro le decisioni, passate o presenti, sono corrette o errate. "A condizione che almeno la metà di tutte le decisioni prese all'interno del gruppo siano corrette, come avviene tipicamente nei gruppi di esperti, e che ogni persona abbia preso circa 20 decisioni sì/no, questo metodo ha dimostrato di funzionare molto bene, "dice Max Lupo, ricercatore presso il Leibniz Institute of Freshwater Ecology and Inland Fisheries e coautore dello studio.

Il metodo è stato sviluppato sulla base di intuizioni sull'intelligenza collettiva. Si basa su un semplice presupposto:quegli individui in un gruppo di esperti che prendono decisioni che sono più simili alle decisioni degli altri prendono anche le decisioni migliori. Per le decisioni sì/no, questa ipotesi è facilmente confermata mediante modelli matematici. Per verificare se il metodo funziona anche in gruppi reali, i ricercatori hanno analizzato le previsioni pubblicate e le diagnosi fatte da vari gruppi in diversi campi.

Per esempio, i ricercatori hanno esaminato le diagnosi fatte da 100 radiologi negli Stati Uniti. Nei primi anni 2000, i radiologi hanno interpretato le mammografie di 155 donne per determinare se avessero o meno il cancro al seno. Il team di ricerca ha analizzato i dati per identificare i radiologi le cui decisioni erano, in media, più simili alle decisioni degli altri. Avendo avuto accesso alle informazioni di follow-up sullo stato di salute delle 155 donne sottoposte a screening, i ricercatori sono stati anche in grado di determinare quali radiologi hanno effettuato le diagnosi più accurate e quindi migliori. Erano gli stessi radiologi identificati con il nuovo metodo statistico.

"È stato dimostrato più volte che gli esperti che sono bravi nel loro campo sono bravi in ​​modo simile, mentre i poveri esecutori sono cattivi in ​​modi molto diversi. Lavorando sulla base di questa osservazione, abbiamo sviluppato questo nuovo metodo e lo abbiamo testato in varie aree, "dice Ralf Kurvers, autore principale e ricercatore presso il Center for Adaptive Rationality presso il Max Planck Institute for Human Development.

Oltre alle diagnosi dei radiologi, il team di ricerca ha analizzato le diagnosi di cancro della pelle fatte da 40 dermatologi italiani; previsioni geopolitiche fatte da 90 previsori sulla piattaforma online Good Judgement Project; e i risultati di un semplice test di cultura generale, in cui è stato chiesto a 100 partecipanti di identificare la più grande delle due città americane.

"Riteniamo che la relazione tra somiglianza e accuratezza delle decisioni possa essere uno strumento efficace per la pratica. Il metodo può essere utilizzato per migliorare i processi decisionali collettivi e individuali nella diagnostica medica, analisi di rischio ambientale, e il mondo degli affari, ", afferma il coautore Stefan Herzog, anche ricercatore presso il Center for Adaptive Rationality.